Zakup i dostos. innow. systemu ensemblacji modeli predykcyj.

Usługi informatyczne: konsultacyjne, opracowywania oprogramowania, internetowe i wsparcia, w tym dostawy

Tryb zamówienia	Zapytanie ofertowe
Rodzaj zamówienia	Usługi
Tytuł	Zakup i dostos. innow. systemu ensemblacji modeli predykcyj.
Zamawiający	Dostępne dla zalogowanych
Miejsce realizacji	Polska
Data publikacji	2026-01-14
Data składania ofert	13/02/2026, Godzina 23:59
Dokumenty do pobrania	Dostępne dla zalogowanych
Kod CPV	720000005 Usługi informatyczne: konsultacyjne, opracowywania oprogramowania, internetowe i wsparcia 723160003 Usługi analizy danych 723121006 Usługi przygotowywania danych 722680001 Usługi dostawy oprogramowania 722650000 Usługi konfiguracji oprogramowania
Numer przetargu	6871972

<div>
 <h1>Zapytanie ofertowe 1/2026/Lubelskie_wdrozenie_ensemblacji na zakup i dostosowanie innowacyjnego systemu ensemblacji modeli predykcyjnych dla firmy Sygnoko sp. z o.o.</h1>

<h2>Załączniki</h2>
 <ul>
 <li>Załącznik nr 1 Formularz ofertowy Lubelskie_wdrozenie_systemu_prognozowania_autoadaptacyjnego_S.docx</li>
 <li>Załącznik nr 2 Oświadczenie o spełnieniu warunków Lubelskie_wdrozenie_systemu_prognozowania_aut.docx</li>
 <li>Załącznik nr 3 Oświadczenie o braku powiązań Lubelskie_wdrozenie_systemu_prognozowania_autoadap.docx</li>
 <li>Załącznik nr 4 Klauzula informacyjna Lubelskie_wdrozenie_systemu_prognozowania_autoadaptacyjneg.docx</li>
 <li>Zapytanie_ofertowe_Lubelskie_wdrozenie_systemu_prognozowania_autoadaptacyjnego_Sygnoko.pdf</li>
 </ul>
 
 <h2>Części zamówienia</h2>

<h3>Zakup i dostos. innow. systemu ensemblacji modeli predykcyj.</h3>
 Przedmioty zamówienia
 Zapytanie ofertowe dotyczy wyboru wykonawcy (oferenta) na zakup wartości niematerialnych i prawnych w postaci systemu dostosowanego do potrzeb Sygnoko sp. z o.o. . Przedmiotem zakupu jest innowacyjny w skali rynku światowego system prognozowania auto-adaptacyjnego, który umożliwi przewidywanie przyszłych wartości danych w szeregach czasowych zapewniających możliwość prognozowania wykorzystywanego w procesach biznesowych z wyjątkowo wysoką dokładnością i stabilnością. 
System powinien nie tylko zastosować odpowiednie parametry, ale także dobrać całą metodę prognozowania opartą na innowacyjnych algorytmach, aby zachować trafność w różnych warunkach (system powinien zapewniać dobór optymalnego zestawu modeli predykcyjnych dla szeregów czasowych dotyczących przebiegów zautomatyzowanych procesów biznesowych). System powinien być oparty o nowoczesne algorytmy machine learning, modele LLM oraz techniki RAG. System powinien dostosowywać parametry oraz metodę prognozowania, co pozwoli na ciągle doskonalenie procesu predykcji. To oznacza, że decyzje oparte na tych prognozach będą bardziej trafne, niezależnie od zmieniającej charakterystyki danego szeregu czasowego. System powinien stosować rozwiązania sztucznej inteligencji opartej na koncepcji automatycznej ensemblacji predyktorów opartych o różne modele i architektury. Technologia powinna być kompletnym rozwiązaniem biznesowym, przeznaczonym dla użytkownika biznesowego nie posiadającego umiejętności, analizy forecastingu, umiejętności programistycznych oraz data science w przeciwieństwie do występujących na rynku rozwiązań. 
System powinien pozwalać na realizacje usługi polegającej na zautomatyzowaniu procesów prognozowania adaptacyjnego zapewniającego prognozowanie z dużą dokładnością np: popytu, stanów magazynowych, produkcji, koniunktur, dających możliwości bardzo szybkiego dostosowywania się organizacji i procesów do zmieniających się uwarunkowań biznesowych. 
System powinien posiadać modułową architekture jak również innowacyjną koncepcje zapewniającą skalowalność oraz możliwość dostosowania się do zmieniających się uwarunkowań biznesowych funkcjonujących w różnych branżach. System powinien składać się z 4 modułów: 
1.	Oprogramowanie do ekstrakcji cech szeregów czasowych, dekompozycji oraz charakterystyk szeregów czasowych w celu oceny, opisu i oceny obiektywnej (jakościowej) zbiorów oraz detekcji anomalii i identyfikacji wartości odstających w szeregach czasowych. 
2.	Oprogramowanie do zaawansowanej metody automatycznego i adapcyjnego ensemblacji modeli predykcyjnych 
3.	Oprogramowanie zapewniające funkcjonalność prognozowania auto-adapcyjnego opartego na metodach stworzonych kompletnych i funkcjonalnych komponentach systemowych 1 i 2 wskazanych powyżej. 
4.	Oprogramowanie modułu prognozowania auto-adapcyjnego osiągające wysokie zakładane w wymaganiach KPI (wskaźniki dokładności) oraz jego model integracji z systemami klasy iBPMS. Warstwa prezentacyjna i interfejs użytkownika. 
 
System powinien umożliwiać Klientom Sygnoko sp. z o.o.: 
●	zamiast wykorzystywania statycznych reguł decyzyjnych, system uczy się i adaptuje w czasie rzeczywistym, co zwiększa trafność decyzji i odporność procesu np. produkcyjnego, 
●	automatyzację decyzji na poziomie operacyjnym i strategicznym - proces &quot;uczy się&quot; samodzielnie, 
●	cykl ciągłego doskonalenia realizowany automatycznie, bez potrzeby ręcznej analizy i w następstwie kosztownej i długotrwałej implementacji w systemach IT, 
●	procesy stają się elastyczne, kontekstowe i dopasowane do jednostkowych przypadków 
●	samodzielną (systemową) analizę charakteru danych wejściowych i dobieranie odpowiednich modeli prognostycznych oraz ich parametrów wykorzystywanych w procesach bez potrzeby ingerencji użytkownika, 
●	wbudowany mechanizm oceny jakości prognoz pozwalający na automatyczną zmianę metody, jeśli aktualna przestaje być skuteczna, 
●	ograniczenie kosztów związane z możliwościami efektywniejszego niż w aktualnych metodach zarządzania zapasami, przewidywanie obciążenia zasobów, prognozowanie popytu czy czasu trwania procesów, 
●	oferować klientom końcowym realną wartość dodaną w postaci optymalizacji decyzji biznesowych w czasie rzeczywistym 
●	zmianę sposobu podejmowania decyzji w firmach z metod intuicyjnych opartych o ręczne przetwarzania danych na decyzje wspierane przez automatyczne prognozy generowane przez ensemblowane modele Al, które same się aktualizują i dostosowują do zmieniających się warunków, 
●	automatyczna reakcja na wyniki modeli np. przyspieszenie realizacji zadań, zmiana alokacji zasobów, priorytety, 
●	dostosowanie i dobór modeli do zmiennych warunków (np. sezonowość, zakłócenia, trendy) - dzięki auto-adapcyjnemu silnikowi Al. 
●	zmniejsza zależność od ekspertów – dzięki braku wymagania ciągłego wsparcia od działu IT czy data science 
●	modele uczą się z danych historycznych i bieżących, co oznacza, że organizacja „uczy się&quot; w czasie rzeczywistym i potrafi przenieść tę wiedzę do procesów i pomaga tworzyć organizację uczącą się, 
●	firmy, które będą korzystać z wdrażanego systemu przechodzą z podejmowania decyzji na podstawie danych historycznych lub bieżących do zarządzania opartego na predykcji i symulacjach przyszłości, 
●	wcześniejsze reagowanie na ryzyka, lepsze planowanie i dynamiczne dostosowanie działań operacyjnych - dzięki prognozom o wysokiej dokładności 
●	prognozy generowane przez system są udostępniane w czasie rzeczywistym różnym działom (np. logistyce, sprzedaży, HR, finansom), co sprzyja koordynacji międzyfunkcyjnej. 
 
System powinien: 
●	wykorzystywać unikalne podejście do ensemblacji predyktorów oparte o orkiestrator predykcji (ensembler), który powinien być trenowany na wybranych fragmentach danych i powinien przyjmować jako parametry wejściowe atrybuty szeregów czasowych w celu właściwego przypisania wag predyktorom. 
●	System powinien wykorzystywać algorytmy reinforcement learning oparte na DQN i sieciach w architekturze Transformer do podejmowania decyzji o przypisywaniu wag predyktorem. Dzięki temu jest możliwe autoadaptacyjne dostosowywanie wag predyktorów. 
●	System powinien współpracować z predyktorami opartymi o zaawansowane modele sieci neuronowych typu Conformer, DeepCoupling, TS Mixer, FED Farmer. 
●	Całość rozwiązania powinna być trenowana z wykorzystaniem podejścia regret minimization, tak aby osiągnąć największą efektywność. 
●	Umożliwiać predykcję szeregów czasowych dotyczących procesów biznesowych m.in. z branży usługowej, takich jak czas wykonywania instancji procesu, czas wykonywania poszczególnych węzłów procesu, prawdopodobieństwo wystąpienia wąskiego gardła w danej instancji procesu oraz innych w oparciu o najnowsze osiągnięcia machine learning w obszarze predykcji. Szacowana dokładność predykcji powinna być o co najmniej 10 punktów procentowych większa niż obecnie uzyskiwana dokładność predykcii dla szeregów czasowych dotyczących procesów biznesowych. Dla procesów biznesowych z branży usługowej wzrost dokładności predykcji wystąpienia wąskiego gardła w danej instancji procesu z obecnych 60% dokładności do co najmniej 70% (dokładność rozumiana jako stosunek liczby poprawnych predykcji wystąpienia wąskiego gardła do wszystkich predykcji). 
●	System powinien posiadać interfejs użytkownika umożliwiający operowanie systemem w sposób łatwy i ergonomiczny, nie wymagający wiedzy data science orazwiedzy technicznej, wszystkie funkcje powinny być dostępne poprzez graficzny interfejs. 
●	System powinien umożliwiać jego samodzielną obsługę przez klienta, dzięki udostępnieniu graficznego interfejsu użytkownika. Dzięki temu będzie możliwość korzystania z modeli predykcyjnych przez użytkowników nie posiadających wysoce specjalistycznej wiedzy w zakresie data science i programowania. Cecha ta powoduje demokratyzację dostępu do zaawansowanych modeli predykcyjnych i przyczynia się do poprawy efektywności predykcji w różnych dziedzinach biznesowych. 
 
Realizacja prac będzie odbywała się w ramach projektu pn. „Rozwój firmy Sygnoko sp. z o.o. poprzez wdrożenie innowacyjnego systemu ensemblacji modeli predykcyjnych” realizowanym w ramach Programu Fundusze Europejskie dla Lubelskiego 2021-2027: 
Działanie 1.3 Badania i innowacje w sektorze przedsiębiorstw, 
Priorytet I Badania naukowe i innowacje, 
Projekt nr FELU.01.03-IP.01-0038/25, 
stosując zasadę konkurencyjności przewidzianą w Wytycznych dotyczących kwalifikowalności wydatków na lata 2021-2027. 
 
Wykonawca zobowiązuje się do udzielenia co najmniej 24-miesięcznej gwarancji na zrealizowane prace programistyczne. Okres gwarancji liczony będzie od daty podpisania ostatniego protokołu odbioru. 
 
 
Usługa musi być realizowana w sposób ciągły od dnia zawarcia umowy z Zamawiającym do dnia 31 XII 2027 r. 
Dopuszcza się jednak możliwość krótszej realizacji zamówienia, jeżeli zostanie ono w całości wykonane w krótszym okresie.

Okres gwarancji: 24
 
 <h2>Kryteria oceny</h2>
 Najniższa cena brutto (PLN z VAT) - 60%: 
W kryterium „Cena” (C), najwyższą liczbę punktów (60 pkt) otrzyma oferta zawierająca najniższą cenę brutto, a każda następna odpowiednio zgodnie ze wzorem: 
Liczba punktów oferty = (najniższa oferowana cena x 60) : cena oferty ocenianej.
 W kryterium „Dodatkowa gwarancja” (40%) najwyższą liczbę punktów (40 pkt) otrzyma oferta zawierająca najdłuższy dodatkowy okres gwarancji (w miesiącach) na zakupiony system i zrealizowane prace programistyczne. Pełny opis kryterium znajduje się w Zapytaniu ofertowym (zał. do niniejszego ogłoszenia)
 
 <h2>Warunki zmiany umowy</h2>

Zamawiający zastrzega sobie możliwość dokonania istotnych zmian postanowień umowy zawartej z Wykonawcą w stosunku do treści oferty, na podstawie której dokonano wyboru Wykonawcy, w następującym zakresie i sytuacjach: 
1.	zmiany przepisów prawa Unii Europejskiej lub prawa krajowego w zakresie mającym wpływ na realizację umowy (w szczególności zmiany stawek podatku VAT); 
2.	zmiana parametrów technicznych przedmiotu zamówienia, wynikających m.in. z aktualizacji rozwiązań z uwagi na postęp technologiczny, bez wpływu na cenę ofertową – o ile zmiana będzie na korzyść Zamawiającego; 
3.	przedłużenie terminu realizacji umowy z przyczyn niezależnych od Wykonawcy, ; 
4.	przedłużenie terminu realizacji umowy na skutek działania siły wyższej wraz ze wszystkimi konsekwencjami występującymi w związku z przedłużeniem tego terminu, ; 
5.	zmiany parametrów przedmiotu umowy, nie prowadzące do zmiany charakteru umowy – zmiany technologiczne, w szczególności: konieczność realizacji umowy przy zastosowaniu innych rozwiązań technicznych/technologicznych, materiałowych niż wskazane w zapytaniu ofertowym albo ofercie, w sytuacji, gdy zastosowanie przewidzianych rozwiązań groziłoby niewykonaniem lub wadliwym wykonaniem umowy; 
6.	zmiana sposobu realizacji zamówienia z przyczyn niezależnych od Wykonawcy, w tym wynikających z decyzji instytucji finansującej realizację projektu, w ramach którego udzielane jest zamówienie, zobowiązującej Zamawiającego do wprowadzenia zmian w projekcie skutkujących koniecznością zmian w umowie z Wykonawcą; 
7.	zmiany dotyczące realizacji dodatkowych dostaw lub usług, nie objętych zamówieniem podstawowym, o ile stały się niezbędne i zostały spełnione łącznie następujące warunki: 
-	zmiana Wykonawcy nie może zostać dokonana z powodów ekonomicznych lub technicznych, w szczególności dotyczących zamienności lub interoperacyjności sprzętu, usług lub instalacji, zamówionych w ramach zamówienia podstawowego, 
-	zmiana Wykonawcy spowodowałaby istotną niedogodność lub znaczne zwiększenie kosztów dla Zamawiającego, 
-	wartość każdej kolejnej zmiany nie przekracza 50% wartości pierwotnego przedmiotu Umowy netto; 
8.	inne zmiany nie prowadzące do zmiany charakteru umowy, o ile zostały spełnione łącznie następujące warunki: 
-	konieczność zmiany umowy spowodowana jest okolicznościami, których Zamawiający, działając z należytą starannością, nie mógł przewidzieć, 
-	wartość zmiany nie przekracza 50% wartości zamówienia określonej pierwotnie w umowie; 
9.	inne zmiany, o ile nie prowadzą do zmiany charakteru umowy, a łączna wartość zmian jest mniejsza niż 140 000 euro i jednocześnie jest mniejsza od 10% wartości zamówienia określonej pierwotnie w umowie; 
10.	Zamawiający przewiduje również możliwość dokonywania nieistotnych zmian postanowień zawartej umowy w stosunku do treści oferty, na podstawie której dokonano wyboru Wykonawcy.
 </div>