Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Predictive" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-11 z 11
    Tytuł:
    A data-driven predictive maintenance strategy based on accurate failure prognostics
    Autorzy:
    Chen, Chuang
    Wang, Cunsong
    Lu, Ningyun
    Jiang, Bin
    Xing, Yin
    Powiązania:
    https://bibliotekanauki.pl/articles/1841691.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    predictive maintenance
    failure prognostics
    performance degradation
    maintenance cost
    Opis:
    Maintenance is fundamental to ensure the safety, reliability and availability of engineering systems, and predictive maintenance is the leading one in maintenance technology. This paper aims to develop a novel data-driven predictive maintenance strategy that can make appropriate maintenance decisions for repairable complex engineering systems. The proposed strategy includes degradation feature selection and degradation prognostic modeling modules to achieve accurate failure prognostics. For maintenance decision-making, the perfect time for taking maintenance activities is determined by evaluating the maintenance cost online that has taken into account of the failure prognostic results of performance degradation. The feasibility and effectiveness of the proposed strategy is confirmed using the NASA data set of aero-engines. Results show that the proposed strategy outperforms the two benchmark maintenance strategies: classical periodic maintenance and emerging dynamic predictive maintenance.
    Źródło:
    Eksploatacja i Niezawodność; 2021, 23, 2; 387-394
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Double Layered Priority based Gray Wolf Algorithm (PrGWO-SK) for safety management in IoT network through anomaly detection
    Autorzy:
    Agrawal, Akhileshwar Prasad
    Singh, Nanhay
    Powiązania:
    https://bibliotekanauki.pl/articles/2200943.pdf
    Data publikacji:
    2022
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    Gray Wolf Optimizer
    anomaly detection
    feature selection
    predictive maintenance
    Opis:
    For mitigating and managing risk failures due to Internet of Things (IoT) attacks, many Machine Learning (ML) and Deep Learning (DL) solutions have been used to detect attacks but mostly suffer from the problem of high dimensionality. The problem is even more acute for resource starved IoT nodes to work with high dimension data. Motivated by this problem, in the present work a priority based Gray Wolf Optimizer is proposed for effectively reducing the input feature vector of the dataset. At each iteration all the wolves leverage the relative importance of their leader wolves’ position vector for updating their own positions. Also, a new inclusive fitness function is hereby proposed which incorporates all the important quality metrics along with the accuracy measure. In a first, SVM is used to initialize the proposed PrGWO population and kNN is used as the fitness wrapper technique. The proposed approach is tested on NSL-KDD, DS2OS and BoTIoT datasets and the best accuracies are found to be 99.60%, 99.71% and 99.97% with number of features as 12,6 and 9 respectively which are better than most of the existing algorithms.
    Źródło:
    Eksploatacja i Niezawodność; 2022, 24, 4; 641--654
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Short and long forecast to implement predictive maintenance in a pulp industry
    Autorzy:
    Rodrigues, João Antunes
    Farinha, José Torres
    Mendes, Mateus
    Mateus, Ricardo
    Cardoso, António Marques
    Powiązania:
    https://bibliotekanauki.pl/articles/2057978.pdf
    Data publikacji:
    2022
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    predictive maintenance
    condition based maintenance
    time series
    artificial neural networks
    forecasting
    Opis:
    Predictive maintenance is very important for effective prevention of failures in an industry. The present paper describes a case study where a wood chip pump system was analyzed, and a predictive model was proposed. An Ishikawa diagram and FMECA are used to identify possible causes for system failure. The Chip Wood has several sensors installed to monitor the working conditions and system state. The authors propose a variation of exponential smoothing technique for short time forecasting and an artificial neural network for long time forecasting. The algorithms were integrated into a dashboard for online condition monitoring, where the users are alerted when a variable is determined or predicted to get out of the expected range. Experimental results show prediction errors in general less than 10 %. The proposed technique may be of help in monitoring and maintenance of the asset, aiming at greater availability.
    Źródło:
    Eksploatacja i Niezawodność; 2022, 24, 1; 33--41
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Analysis and prediction of leak detection in the low-pressure heat treatment of metal equipment
    Autorzy:
    Kłos, Sławomir
    Patalas-Maliszewska, Justyna
    Bazel, Michal
    Powiązania:
    https://bibliotekanauki.pl/articles/2200932.pdf
    Data publikacji:
    2022
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    vacuum heat treatment
    vacuum furnace leaks
    predictive maintenance
    artificial neural networks
    Opis:
    The low-pressure heat treatment of metals enables the continuous improvement of the mechanical and plastic properties of products, such as hardness, abrasion resistance, etc. A significant problem related to the operation of vacuum furnaces for heat treatment is that they become unsealed during operation, resulting from the degradation of seals or the thermal expansion of the construction materials. Therefore, research was undertaken to develop a prediction model for detecting leaks in vacuum furnaces, the use of which will reduce the risk of degradation in the charge being processed. Unique experimental studies were carried out to detect leakages in a vacuum pit furnace, simulated using the ENV 116 reference slot. As a consequence, a prediction model for the detection of leaks in vacuum furnaces- which are used in the heat treatment of metals- was designed, using an artificial neural network. (93% for MLP 15-10-1) was developed. The model was implemented in a predictive maintenance system, in a real production company, as an element in the monitoring of the operation of vacuum furnaces.
    Źródło:
    Eksploatacja i Niezawodność; 2022, 24, 4; 719--727
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Useful energy prediction model of a Lithium-ion cell operating on various duty cycles
    Autorzy:
    Burzyński, Damian
    Powiązania:
    https://bibliotekanauki.pl/articles/2087015.pdf
    Data publikacji:
    2022
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    cycle life modelling
    lithium-ion battery
    machine learning
    predictive models
    useful energy prediction
    Opis:
    The paper deals with the subject of the prediction of useful energy during the cycling of a lithium-ion cell (LIC), using machine learning-based techniques. It was demonstrated that depending on the combination of cycling parameters, the useful energy (RUEc) that can be transferred during a full cycle is variable, and also three different types of evolution of changes in RUEc were identified. The paper presents a new non-parametric RUEc prediction model based on Gaussian process regression. It was proven that the proposed methodology enables the RUEc prediction for LICs discharged, above the depth of discharge, at a level of 70% with an acceptable error, which is confirmed for new load profiles. Furthermore, techniques associated with explainable artificial intelligence were applied to determine the significance of model input parameters – the variable importance method – and to determine the quantitative effect of individual model parameters (their reciprocal interaction) on RUEc – the accumulated local effects model of the first and second order.
    Źródło:
    Eksploatacja i Niezawodność; 2022, 24, 2; 317--329
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Predicting length of fatigue cracks by means of machine learning algorithms in the small-data regime
    Autorzy:
    Badora, Maciej
    Sepe, Marzia
    Bielecki, Marcin
    Graziano, Antonino
    Szolc, Tomasz
    Powiązania:
    https://bibliotekanauki.pl/articles/2038115.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    empirical models
    fatigue cracks
    predictive maintenance
    regression analysis
    small data
    statistical learning
    turbomachinery
    Opis:
    In this paper several statistical learning algorithms are used to predict the maximal length of fatigue cracks based on a sample composed of 31 observations. The small-data regime is still a problem for many professionals, especially in the areas where failures occur rarely. The analyzed object is a high-pressure Nozzle of a heavy-duty gas turbine. Operating parameters of the engines are used for the regression analysis. The following algorithms are used in this work: multiple linear and polynomial regression, random forest, kernel-based methods, AdaBoost and extreme gradient boosting and artificial neural networks. A substantial part of the paper provides advice on the effective selection of features. The paper explains how to process the dataset in order to reduce uncertainty; thus, simplifying the analysis of the results. The proposed loss and cost functions are custom and promote solutions accurately predicting the longest cracks. The obtained results confirm that some of the algorithms can accurately predict maximal lengths of the fatigue cracks, even if the sample is small.
    Źródło:
    Eksploatacja i Niezawodność; 2021, 23, 3; 575-585
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Predicting motor oil condition using artificial neural networks and principal component analysis
    Prognozowanie stanu oleju silnikowego za pomocą sztucznych sieci neuronowych i analizy składowych głównych
    Autorzy:
    Rodrigues, Joao
    Costa, Ines
    Farinha, J. Torres
    Mendes, Mateus
    Margalho, Luis
    Powiązania:
    https://bibliotekanauki.pl/articles/1841873.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    condition monitoring
    oil analysis
    multivariate analysis
    predictive maintenance
    monitorowanie stanu
    analiza oleju
    analiza wielowymiarowa
    konserwacja predykcyjna
    Opis:
    The safety and performance of engines such as Diesel, gas or even wind turbines depends on the quality and condition of the lubricant oil. Assessment of engine oil condition is done based on more than twenty variables that have, individually, variations that depend on the engines’ behaviour, type and other factors. The present paper describes a model to automatically classify the oil condition, using Artificial Neural Networks and Principal Component Analysis. The study was done using data obtained from two passenger bus companies in a country of Southern Europe. The results show the importance of each variable monitored for determining the ideal time to change oil. In many cases, it may be possible to enlarge intervals between maintenance interventions, while in other cases the oil passed the ideal change point.
    Bezpieczeństwo i wydajność silników takich, jak silniki Diesla czy gazowe, a nawet turbiny wiatrowe, zależą od jakości i stanu oleju smarowego. Stanu oleju silnikowego ocenia się na podstawie ponad dwudziestu zmiennych, z których każda ulega wahaniom w zależności od typu i zachowania silnika oraz innych czynników. W niniejszym artykule opisano model, który pozwala na automatyczną klasyfikację stanu oleju, z wykorzystaniem sztucznych sieci neuronowych i analizy składowych głównych. Badania przeprowadzono na podstawie danych uzyskanych od dwóch przewoźników pasażerskich działających na terenie jednego z krajów położonych na południu Europy. Wyniki pokazują, że każda z monitorowanych zmiennych ma znaczenie dla określenia idealnego czasu na wymianę oleju. Podczas gdy w wielu przypadkach w badanych przedsiębiorstwach możliwe było zwiększenie odstępów czasowych między działaniami konserwacyjnymi, w innych, idealny moment wymiany oleju został przekroczony.
    Źródło:
    Eksploatacja i Niezawodność; 2020, 22, 3; 440-448
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Assessment model of cutting tool condition for real-time supervision system
    Model oceny stanu narzędzia skrawającego dla systemu nadzoru w czasie rzeczywistym
    Autorzy:
    Kozłowski, Edward
    Mazurkiewicz, Dariusz
    Żabiński, Tomasz
    Prucnal, Sławomir
    Sęp, Jarosław
    Powiązania:
    https://bibliotekanauki.pl/articles/301525.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    predictive maintenance
    logistic regression
    elasticnet
    maximum likelihood method
    ROC
    AUC
    predykcyjne utrzymanie ruchu
    regresja logistyczna
    metoda największej wiarygodności
    Opis:
    Further development of manufacturing technology, in particular machining requires the search for new innovative technological solutions. This applies in particular to the advanced processing of measurement data from diagnostic and monitoring systems. The increasing amount of data collected by the embedded measurement systems requires development of effective analytical tools to efficiently transform the data into knowledge and implement autonomous machine tools of the future. This issue is of particular importance to assess the condition of the tool and predict its durability, which are crucial for reliability and quality of the manufacturing process. Therefore, a mathematical model was developed to enable effective, real-time classification of the cutting blade status. The model was verified based on real measurement data from an industrial machine tool.
    Dalszy rozwój inżynierii produkcji, w szczególności obróbki skrawaniem, wymaga poszukiwania nowych innowacyjnych rozwiązań technologicznych. Dotyczy to w szczególności zaawansowanego przetwarzania danych pomiarowych pochodzących z systemów diagnostycznych i monitorujących. Rosnąca ilość danych gromadzonych przez wbudowane systemy pomiarowe wymaga opracowania skutecznych narzędzi analitycznych, aby efektywnie przekształcać dane w wiedzę i wdrażać autonomiczne obrabiarki przyszłości. Kwestia ta ma szczególne znaczenie dla oceny stanu narzędzia i przewidywania jego trwałości, które są kluczowe dla niezawodności i jakości procesu produkcyjnego. Dlatego opracowano nowy model matematyczny, którego zadaniem jest skuteczna klasyfikacja stanu ostrza narzędzia skrawającego realizowana w czasie rzeczywistym. Opracowany model został zweryfikowany na podstawie rzeczywistych danych pomiarowych z przemysłowej obrabiarki.
    Źródło:
    Eksploatacja i Niezawodność; 2019, 21, 4; 679-685
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Preventive maintenance models – higher operational reliability
    Modele konserwacji zapobiegawczej a wyższa niezawodność eksploatacyjna
    Autorzy:
    Legát, V.
    Mošna, F.
    Aleš, Z.
    Jurča, V.
    Powiązania:
    https://bibliotekanauki.pl/articles/301589.pdf
    Data publikacji:
    2017
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    preventive maintenance
    predictive maintenance
    maintenance interval optimization
    reliability
    improvement
    konserwacja zapobiegawcza
    konserwacja predykcyjna
    optymalizacja przerw konserwacyjnych
    doskonalenie niezawodności
    Opis:
    The authors present a method for determining the optimal interval for preventive periodical maintenance and an optimal diagnostic parameter for predictive maintenance/replacement. Additionally, the authors raise the question: how does preventive maintenance influence the probability of failure and the operational reliability of system elements that have undergone preventive periodical maintenance? They answer the question using analytical and simulation computing approaches. The results are in quantitative form, giving relationships between preventive maintenance intervals and reliability functions. Examples demonstrate suitability of the method for typical engineering objects using a three parameters Weibull distribution. Application of the method is of substantial benefit to both the manufacturer and the user of technical equipment.
    Autorzy przedstawiają metodę określania optymalnego czasu przerwy na okresową konserwację zapobiegawczą oraz optymalnego parametru diagnostycznego dla konserwacji predykcyjnej/wymiany Dodatkowo, autorzy zadają pytanie, jaki jest wpływ konserwacji zapobiegawczej na prawdopodobieństwo wystąpienia uszkodzenia oraz na niezawodność eksploatacyjną elementów systemu, w stosunku do których zastosowano okresową konserwację zapobiegawczą. Odpowiedzi na te pytania, autorzy poszukują posługując się metodami analizy i symulacji komputerowej. Wyniki podane w formie ilościowej, informują o związkach między przerwami na konserwację predykcyjną a funkcjami niezawodnościowymi. Podane przykłady pokazują, z wykorzystaniem trójparametrowego rozkładu Weibulla, że proponowana metoda może być stosowana w przypadku typowych obiektów inżynieryjnych. Zastosowanie omawianej metody przynosi znaczące korzyści zarówno wytwórcom jak i użytkownikom sprzętu technicznego.
    Źródło:
    Eksploatacja i Niezawodność; 2017, 19, 1; 134-141
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Relations between pulverizing process parameters and beater wheel mill vibration for predictive maintenance program setup
    Relacje między parametrami procesów rozdrabniania i drganiami młyna wentylatorowego a ustawienia programu konserwacji predykcyjnej
    Autorzy:
    Bajrić, R.
    Zuber, N.
    Šostakov, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/301700.pdf
    Data publikacji:
    2014
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    konserwacja predykcyjna
    analiza regresji wielorakiej
    niestacjonarne warunki pracy
    młyn wentylatorowy
    predictive maintenance
    multiple regression analyses
    non-stationary operational conditions
    beater wheel mil
    Opis:
    Młyny wentylatorowe są urządzeniami, które poprzez suszenie, rozdrabnianie, odsiewanie i transport węgla przygotowują mieszankę pyłowo-gazową przeznaczoną do spalania w komorach paleniskowych elektrowni węglowych. Ich uniwersalność zwykle wiąże się z niestabilną pracą połączoną z niepożądanymi drganiami. Jest to zwykle znaczący problem z uwagi na niezaplanowane przerwy w pracy. Program konserwacji młyna wentylatorowego wymaga szczególnej uwagi ze względu na działanie w niestacjonarnych warunkach pracy. Celem artykułu jest wyznaczenie parametrów procesów rozdrabniania wpływających jednocześnie na poziom i natężenie drgań młyna wentylatorowego przy użyciu reguł statystycznych w zróżnicowanych warunkach pracy. Zamierzeniem pracy jest stworzenie podstaw dla badań nad zależnościami między parametrami procesu rozdrabniania a drganiami młyna wentylatorowego w celu ulepszenia programu konserwacji predykcyjnej. Aby osiągnąć założony cel, przeanalizowano przy użyciu narzędzi statystycznych drgania młyna wentylatorowego przy różnych kombinacjach wybranych parametrów procesu rozdrabniania. Badania przeprowadzono w różnych warunkach na dwóch identycznych, lecz odrębnych młynach wentylatorowych. Wpływ parametrów procesu rozdrabniania, takich jak prąd elektryczny silnika napędowego, pojemność młyna, kotły, czy typ węgla, na drgania młyna zbadano w celu określenia potencjalnych awarii młyna i jego części składowych na potrzeby jego konserwacji predykcyjnej. Wyniki badań pokazały, iż wybrane parametry procesu rozdrabniania nie mają znaczącego wpływu na natężenie drgań młyna wentylatorowego. W przeciwieństwie do większości młynów węglowych, w przypadku których należy brać pod uwagę parametry procesu rozdrabniania, kontrola stanu młynów wentylatorowych może być prowadzona w trybie offline lub online za pomocą standardowych metod monitorowania warunków drgania.
    Beater wheel mills are designed to prepare a coal powder air fuel mixture for combustion in furnace chambers of coal-fired power plants by coal drying, pulverizing, classifying and transport. Their multipurpose function usually results in operation instability accompanied by unacceptable vibration. This usually is a significant problem due to unplanned shutdowns. Beater wheel mill maintenance program requires special attention due to operation under non-stationary conditions. The purpose of this paper was to identify pulverizing process parameter that affect the beater wheel mill vibration level and severity at the same time by using statistical principles under a wide range of operating conditions. This paper intends to establish the foundations to investigate correlation of pulverizing process parameter with beater wheel mill vibration in order to setup a better predictive maintenance program. To achieve this goal, the beater wheel mill vibration under different combinations of selected pulverizing process parameters are analyzed using statistical tools. Experiments were carried out under different conditions for two identical but separated beater wheel mills. The influence of pulverizing process parameter, such as electrical current of the driving motor, mill capacity, boiler production, coal types on mill vibration are investigated to identify the potential malfunction of beater wheel mills and their associated components for predictive maintenance purposes. The results have demonstrated that the selected pulverizing process parameters do not have significant influence on beater wheel mill vibration severity. Unlike most coal mills where pulverizing process parameters must take into account, here with beater wheel impact mills it is not the case and condition monitoring of these mills could be conducted offline or online using standard vibration condition monitoring methods.
    Źródło:
    Eksploatacja i Niezawodność; 2014, 16, 1; 158-163
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Monitoring and maintenance of a gantry based on a wireless system for measurement and analysis of the vibration level
    Monitorowanie i utrzymanie suwnicy bramowej na podstawie bezprzewodowego systemu pomiaru i analizy poziomu drgań
    Autorzy:
    Sikora, Marek
    Szczyrba, Krzysztof
    Wróbel, Łukasz
    Michalak, Marcin
    Powiązania:
    https://bibliotekanauki.pl/articles/1365294.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    vibration sensor
    monitoring system
    maintenance
    gantry
    predictive maintenance
    data mining
    trend analysis
    czujnik drgań
    system monitorowania
    utrzymanie
    suwnica
    utrzymanie predykcyjne
    eksploracja danych
    analiza trendu
    Opis:
    The paper describes a system for monitoring and diagnosing a gantry. The main goal of the system is to acquire, visualize and monitor vibration levels of the gantry crucial elements. The system is also equipped with a computing and analytical part which enables predictive maintenance related to the vibration level assessment. The system architecture can be used in other applications too, i.e. those which require a wireless network of vibration sensors to carry out diagnostic tasks.
    W artykule przedstawiono system monitorowania i diagnostyki suwnicy bramowej. Głównym zadaniem systemu jest akwizycja, wizualizacja i monitorowanie poziomu drgań newralgicznych elementów suwnicy. System wyposażony jest również w część obliczeniowoanalityczną, umożliwiającą realizację zadań predykcyjnego utrzymania ruchu (ang. predictive maintenance) związanych z oceną poziomu drgań. Architektura systemu umożliwia wykorzystanie go również do innych zastosowań, w których dla realizacji zadania diagnostyki wymagana jest bezprzewodowa sieć czujników drgań.
    Źródło:
    Eksploatacja i Niezawodność; 2019, 21, 2; 341-350
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-11 z 11

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies