0x010088F6312065A70A44B630A6848498EAD80093CFEAFE161DC94D83C7C5C9A5A748B8

Emnet er gjennomført likt somde siste to årene. I forbindelse med Covid, ble all undervisning spilt inn på video, og disse har blitt benyttet siden. Det har gitt oss muliget til å gå fra forelesning + øving, til forelesning + øving + undervsining, hvilket gir studentene flere arena'er for å tilegne seg stoffet. Dette ser ut til å fungere bra.

Undervisningen i emnet høsten 2023 ble, som tidligere, gjennomført som en kombinasjon av innspilte videoforelesninger og fysiske undervisningsøkter med faglærerne, samt et øvingsopplegg med fysiske veiledningstimer leder av studentassistenter. Det har vært tre faglærere, inkludert emnekoordinator, involvert i undervisningen. I de fysiske undervisningsøktene med faglærerne kunne studentene stille spørsmål til videoforelesningene. I tillegg hadde faglærerne forberedt et opplegg hvor det ble analysert og diskutert oppgaver i studentgrupper og plenum. Hensikten med å ha disse undervisningsøktene er at vi mener det kan være nyttig for studentene å ha mulighet for å stille spørsmål, samt at å ha mer studentaktiv oppgaveløsning og diskusjon ville øke læringsutbyttet. Referansegruppen var positive til opplegget slik det var gjennomført, men ønsket å endre rekkefølgen på øvingstimer og undervisning. Slik opplegget ble gjennomført var øvingstimen knyttet til et tema før undervisningen, men ifølge referansegruppen ønsket studentene heller det motsatte. Evalueringen i emnet var 100 % skriftelig eksamen, med oppgaver som dekker de fleste tema gjennomgått i emnet.

NTNU:TIA:REST

Institutt for industriell økonomi og teknologiledelse

Department of Industrial Economics and Technology Management

Spesifiserte trykte og håndskrevne hjelpemidler tillatt. Bestemt, enkel kalkulator tillatt.

Norsk

Mer om vurdering

Ved utsatt eksamen kan skriftlig eksamen bli endret til muntlig eksamen. 

Anbefalte forkunnskaper

Emnet bygger på den felles obligatoriske undervisningen i matematikk, statistikk og informasjonsteknologi i sivilingeniørstudiet eller tilsvarende forkunnskaper.

Faglig innhold

Emnet behandler bruk av matematiske modeller til hjelp for planlegging og styring i ulike virksomheter. Planleggingsproblemene vil svært ofte bestå i å finne planer som gir størst eller minst mulig verdi på en økonomisk målstørrelse under hensyn til knappe ressurser. Aktuelle planleggingsproblem omfatter produksjon (mekanisk, kjemisk, petroleum, energi), transport med ulike transportmidler (bil, tog, skip og rør) og tjenesteyting innen ulike sektorer (som for eksempel helse og tele). Operasjonsanalyse går ut på: Å avgrense det problemet som skal behandles. Formulere en modell for problemet. Utlede (beregne) en optimal løsning (plan) for modellen. Tolke og implementere løsningen. Dette emnet behandler på en enkel måte både deterministiske og stokastiske problemstillinger som kan analyseres med utgangspunkt i følgende modeller og metoder: Lineær og ikke-lineær programmering, heltallsprogrammering, nettverksmodeller, køteori og simulering. I tillegg behandles det hvordan en ved hjelp av regneark kan finne numeriske løsninger på en del av de behandlede problemstillingene.

Kursmateriell

Læringsutbytte

Emnet fungerer som K-emne for alle siv.ing.-program unntatt MTIØT, og fungerer i tillegg som obligatorisk emne i 3. år for studieretningen Energiplanlegging og miljøanalyse for studieprogrammet MTENERG. Ved endt kurs skal studentene kunne:<ul><li>definere hva som menes med operasjonsanalyse og redegjøre for hvilke faser som vanligvis inngår i studier som anvender operasjonsanalyse</li><li>beskrive hvilke antakelser som ligger bak lineærprogrammering (LP)</li><li>formulere LP-modeller på bakgrunn av verbale problembeskrivelser</li><li>løse LP-problem grafisk (for to variabler), ved hjelp av regneark, og for hånd ved simpleksmetoden, både algebraisk og på tablå-form</li><li>utføre sensitivitetsanalyse ut fra optimale simpleks-tablåer, og beskrive den økonomiske informasjonen som kan trekkes ut fra denne</li><li>formulere heltallsprogrammeringsmodeller, og løse problemer formulert med slike modeller enten ved hjelp av branch-and-bound metoden eller i regneark</li><li>formulere modeller innenfor ikke-lineær programmering og identifisere kategorier av ikke-lineære problemer basert på egenskaper til målfunksjonen og restriksjonssettet</li><li>løse noen typer ikke-lineære problemer ved hjelp av Lagrangemultiplikatormetoden, bruk av KKT-betingelser, eller regneark</li><li>formulere og løse ulike nettverksmodeller</li><li>indikere hvilke ekstra utfordringer som ligger i et problem der parameterne ikke er kjent med visshet</li><li>sette opp kømodeller basert på verbale problembeskrivelser</li><li>utlede formler for kømodeller basert på eksponensialfordelinger</li><li>beskrive diskret hendelsessimulering og differensiere dette fra andre typer simulering</li><li>implementere enkle simuleringsmodeller i regneark</li><li>diskutere fordeler og ulemper med de ulike modelltypene og de tilhørende beregningsmetodene for konkrete problemstillinger.</li></ul>

Læringsformer og aktiviteter

Forelesninger og øvinger både med og uten datamaskin.

Øvinger

Operasjonsanalyse, grunnkurs

Teknologiske fag

Kommunikasjonsteknologi og digital sikkerhet - masterstudium (5-årig)

Energi og miljø - masterstudium (5-årig)

Marin teknikk - masterstudium (5-årig)

Nanoteknologi - masterstudium (5-årig)

Petroleumsfag - masterstudium (5-årig)

Produktutvikling og produksjon - masterstudium (5-årig)

Datateknologi - masterstudium (5-årig)

Bygg- og miljøteknikk - masterstudium (5-årig)

Kybernetikk og robotikk - masterstudium (5-årig)

Industriell økonomi og teknologiledelse - masterstudium (5-årig)

Elektronikk - masterstudium (5-årig)

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(26645)/FieldValuesAsText

I stedet for 2 øvingstimer a 45 minutter er det ytret et ønske om 2x45 minutter sammenhengende øvingstime. Det må meldes inn i timeplanleggingen for høsten.

Tiltak

Dobbeltime for øving

Høsten 2022 innførte vi en dobbeltime for øving, og dette har fungert bra. Studentene har uttrykt et ønske om enda mer øvingsveiledning, men dette kan ikke løses innenfor dagens ressurskapasitet.

Undervisningen i emnet høsten 2022 ble, som i 2021, gjennomført som en kombinasjon av innspilte videoforelesninger og fysiske undervisningsøkter med faglærerne, samt et øvingsopplegg med fysiske veiledningstimer leder av studentassistenter. Det har vært tre faglærere, inkludert emnekoordinator, involvert i undervisningen. I de fysiske undervisningsøktene med faglærerne kunne studentene stille spørsmål til videoforelesningene. I tillegg hadde faglærerne forberedt et opplegg hvor det ble analysert og diskutert oppgaver i studentgrupper og plenum. Hensikten med å ha disse undervisningsøktene er at vi mener det kan være nyttig for studentene å ha mulighet for å stille spørsmål, samt at å ha mer studentaktiv oppgaveløsning og diskusjon ville øke læringsutbyttet. Referansegrupperapporten har vurdert undervisningsopplegget som godt. Studentene skriver "Etter tilbakemelding fra medstudenter, mener referansegruppen at de tre læringsaktivitetene i sin helhet har bidratt til bra læring, særlig videoer + studentassisten timer", og "Videoene var fine for å få oversikt av de diverse delene av pensum, i studasstimene fikk man hjelp til gjenomføring av øvingsopplegget og forelesningene var en bra måte å lære å løse oppgaver på". Statistikk fra Panopto viser over to tredeler av studentene har sett deler av eller hele videoforelesninger. Deltakelsen i de fysiske undervisningsøktene med faglærer var til tider liten og varierte mellom 5 og 30 studenter (av oppmot 100 studenter oppmeldt), men emneansvarlig sitter med et inntrykk av at de studentene som faktisk deltok i de fysiske undervisningøktene, opplevde et læringsutbytte ved å delta der. Referansegruppa foreslår at en større del av den fysiske undervisningstiden kan brukes til løsning av eksamensoppgaver. Det er en ting som kan bidra til at flere dukker opp i de forelesningene. Emnekoordinators inntrykk er at det god sammenheng mellom læringsmål, undervisningsformer og eksamensform, og at studentene sitter igjen med et godt læringsutbytte. Referansegruppa skriver "Referansegruppen opplevde læringsmiljøet som særdeles oversiktlig og strukturert."

Emnet fungerer som K-emne for alle siv.ing.program unntatt MTIØT, og fungerer i tillegg som obligatorisk emne i 3. år for studieretningen Energiplanlegging og miljøanalyse for studieprogrammet MTENERG. Ved endt kurs skal studentene kunne:<ul><li>definere hva som menes med operasjonsanalyse og redegjøre for hvilke faser som vanligvis inngår i studier som anvender operasjonsanalyse</li><li>beskrive hvilke antakelser som ligger bak lineærprogrammering (LP)</li><li>formulere LP-modeller på bakgrunn av verbale problembeskrivelser</li><li>løse LP-problem grafisk (for to variabler), ved hjelp av regneark, og for hånd ved simpleksmetoden, både algebraisk og på tablå-form</li><li>utføre sensitivitetsanalyse ut fra optimale simpleks-tablåer, og beskrive den økonomiske informasjonen som kan trekkes ut fra denne</li><li>formulere heltallsprogrammeringsmodeller, og løse problemer formulert med slike modeller enten ved hjelp av branch-and-bound metoden eller i regneark</li><li>formulere modeller innenfor ikke-lineær programmering og identifisere kategorier av ikke-lineære problemer basert på egenskaper til målfunksjonen og restriksjonssettet</li><li>løse noen typer ikke-lineære problemer ved hjelp av Lagrangemultiplikatormetoden, bruk av KKT-betingelser, eller regneark</li><li>formulere og løse ulike nettverksmodeller</li><li>indikere hvilke ekstra utfordringer som ligger i et problem der parameterne ikke er kjent med visshet</li><li>sette opp kømodeller basert på verbale problembeskrivelser</li><li>utlede formler for kømodeller basert på eksponensialfordelinger</li><li>beskrive diskret hendelsessimulering og differensiere dette fra andre typer simulering</li><li>implementere enkle simuleringsmodeller i regneark</li><li>diskutere fordeler og ulemper med de ulike modelltypene og de tilhørende beregningsmetodene for konkrete problemstillinger.</li></ul>

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(21146)/FieldValuesAsText

Det ble ikke formulert spesifikke punkter til en utviklingsplan etter høsten 2020, men faglærerne ønsket å gjenbruke videoforelesningene som ble spilt høsten 2020 pga kravet om digital undervisning. Se kommentarer i neste tekstboks, men alt i alt vurderer vi at gjenbruken av videoforelesningene var nyttig.

Undervisningen i emnet høsten 2021 ble gjennomført som en kombinasjon av innspilte videoforelesninger og fysiske undervisningsøkter med faglærerne, samt et øvingsopplegg med fysiske veiledningstimer leder av studentassistenter. Det har vært tre faglærere, inkludert emnekoordinator, involvert i undervisningen. I de fysiske undervisningsøktene med faglærerne kunne studentene stille spørsmål til videoforelesningene. I tillegg hadde faglærerne forberedt et opplegg hvor det ble analysert og diskutert oppgaver i studentgrupper og plenum. Hensikten med å ha disse undervisningsøktene er at vi tenkte det kunne være nyttig for studentene å ha mulighet for å stille spørsmål, samt at å ha mer studentaktiv oppgaveløsning og diskusjon ville øke læringsutbyttet. Referansegrupperapporten har vurdert undervisningsopplegget god. Studentene skriver "Tilgangen på alle forelesninger digitalt i starten av semesteret skapte mye frihet for studenten, som veldig mange satt stor pris på. ". Samtidig var deltakelsen i de fysiske undervisningsøktene med faglærer liten, og studentene skriver i referansegrupperapporten "Videre var det da fint med et fysisk alternativ på torsdagene, selv om det var litt uenighet blant studentene om hvordan man best distribuerte denne tiden." Faglærerne skulle ønsket en høyere deltakelse. Referansegruppa foreslår at fysiske undervisningsøkta kunne ha mer fokus på oppsummering av ukas forelesningsvideoer slik at dette kunne brukes som en "sjekk" for studentene om de har fått med seg essensen fra videoene. Faglærerne er litt usikker på om dette er rett bruk av tid, men kanskje kan man bruke de først 20 minutter av den fysiske økten på å oppsummere videoene før man la studentene stille spørsmål og jobbe med oppgaver. Emnekoordinator har også spurt andre studenter i faget om tilbakemeldinger direkte, og har fått tilbakemeldinger om at timingen i øvingsopplegget i forhold til tema for de fysiske øktene kan forbedres. Opplegget var lagt opp mtp at studentene for hvert tema først skulle se videoer, deretter komme i fysisk økt og til slutt gjøre en øving. Temaets øving ble lagt ut samme dag som de fysiske øktene med innleveringsfrist en uke senere. Tilbakemeldingen fra studenten var at vedkommende så videoene samtidig som øvingen ble besvart, og vedkommende hadde derfor ikke sett videoene før den fysiske økten. Et en alternativ rekkefølge kunne være at studentene for hvert tema først skulle se videoer og gjøre øving før den fysiske undervisningsøkten kom nær (men før?) fristen for øvingen. Dette kunne muligens økt tilstedeværelsen i de fysiske øktene. Til øvingsveiledningen, hvor vi hadde blitt tildelt to veiledningstimer på 45 minutter pr uke av timeplanleggerne, hadde studentene et ønske om å få samlet veiledningen i en dobbeltime. Vi ser dette som et god forslag til utvikling og vil be om dette neste år. Eksamen ble gjennomført som en 4 timers skoleeksamen, som det har vært gjort tidligere (bortsett fra høsten 2020). Eksamensformen ligner på den fra tidligere år, og vi vurderer den som god for læringsutbyttebeskrivelsen i faget. Referansegruppa kommenterte at eksamen var litt for lang. Faglærerne er enige i at eksamen nok var i det lengste laget, med 6 oppgaver. Basert på sensuren så syns vi læringsutbyttet til studentene tilsvararer omtrent det samme som tidligere år, men fortsatt er læringsmålene innen formulering av optimeringsmodeller det vanskeligste for studentene å oppnå i en god grad. Faglærernes hadde et håp om at de fysiske øktene med studentaktiv analyse og diskusjon skulle bedre det, men det må vi jobbe mer med (som nevnt over).

Ved utsatt eksamen kan skriftlig eksamen bli endret til muntlig eksamen. 

Emnet behandler bruk av matematiske modeller til hjelp for planlegging og styring i ulike virksomheter. Planleggingsproblemene vil svært ofte bestå i å finne planer som gir størst eller minst mulig verdi på en økonomisk målstørrelse under hensyn til knappe ressurser. Aktuelle planleggingsproblem omfatter produksjon (mekanisk, kjemisk, petroleum, energi), transport med ulike transportmidler (bil, tog, skip og rør) og tjenesteyting innen ulike sektorer (som for eksempel helse og tele). Operasjonsanalyse går ut på: Å avgrense det problemet som skal behandles. Formulere en modell for problemet. Utlede (beregne) en optimal løsning (plan) for modellen. Tolke og implementere løsningen. Dette emnet behandler på en enkel måte både deterministiske og stokastiske problemstillinger som kan analyseres med utgangspunkt i følgende modeller og metoder: Lineær og ikke-lineær programmering, heltallsprogrammering, nettverksmodeller, køteori og simulering. I tillegg behandles det hvordan en ved hjelp av regneark kan finne numeriske løsninger på en del av de behandlede problemstillingene. 

Forelesninger og øvinger både med og uten datamaskin. 

Emnet fungerer som K-emne for alle siv.ing.program unntatt MTIØT, og fungerer i tillegg som obligatorisk emne i 3. år for studieretningen Energiplanlegging og miljøanalyse for studieprogrammet MTENERG. Ved endt kurs skal studentene kunne:<ul><li>definere hva som menes med operasjonsanalyse og redegjøre for hvilke faser som vanligvis inngår i studier som anvender operasjonsanalyse</li><li>beskrive hvilke antakelser som ligger bak lineærprogrammering (LP)</li><li>formulere LP-modeller på bakgrunn av verbale problembeskrivelser</li><li>løse LP-problem grafisk (for to variabler), ved hjelp av regneark, og for hånd ved simpleksmetoden, både algebraisk og på tablå-form</li><li>utføre sensitivitetsanalyse ut fra optimale simpleks-tablåer, og beskrive den økonomiske informasjonen som kan trekkes ut fra denne</li><li>formulere heltallsprogrammeringsmodeller, og løse problemer formulert med slike modeller enten ved hjelp av branch-and-bound metoden eller i regneark</li><li>formulere modeller innenfor ikke-lineær programmering og identifisere kategorier av ikke-lineære problemer basert på egenskaper til målfunksjonen og restriksjonssettet</li><li>løse noen typer ikke-lineære problemer ved hjelp av Lagrangemultiplikatormetoden, bruk av KKT-betingelser, eller regneark</li><li>formulere og løse ulike nettverksmodeller</li><li>indikere hvilke ekstra utfordringer som ligger i et problem der parameterne ikke er kjent med visshet</li><li>sette opp kømodeller basert på verbale problembeskrivelser</li><li>utlede formler for kømodeller basert på eksponensialfordelinger</li><li>beskrive diskret hendelsessimulering og differensiere dette fra andre typer simulering</li><li>implementere enkle simuleringsmodeller i regneark</li><li>diskutere fordeler og ulemper med de ulike modelltypene og de tilhørende beregningsmetodene for konkrete problemstillinger.</li></ul>

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(15611)/FieldValuesAsText

Faget ble dette semesteret undervist av tre faglærere (inkl. emnekoordinator), og emnekoordinator har hatt jevnlig kontakt med de andre faglærerne gjennom semesteret og diskutert undervisningsopplegget. På grunn av koronaviruset ble all forelesning i emnet gjennomført digitalt, og dermed på en helt ny måte enn tidligere. Alle faglærerne har brukt usedvanlig mye mer tid på undervisningen i faget enn tidligere år. Faglærerne spilte inn forelesningsvideoer for alle tema i emnet, og disse ble tilgjengeliggjort for studentene gjennom semesteret. Hver uke ble det i tillegg gjennomført 2x45min "live" undervisning med "spørsmål og svar"-sesjon og gjennomgang av eksempler. Gjennom semesteret og i referansegrupperapporten har vi fått generelt gode tilbakemeldinger med de innspilte materialet og gjennomføringen av "live" undervisning/"spørsmål og svar"-økter. Øvingsopplegget ble stort sett gjennomført som tidligere år med 2x45 minutter fysisk øvingsveiledning i uka. Samtidig ble det brukt et diskusjonsforum hvor studentassistentene svarte på spørsmål relativt raskt og etter beste evne, etter min oppfatning. I alt vurderer jeg kvaliteten som god på tross av digital gjennomføring av forelesningsdelen. Se ellers referansegrupperapporten.

Læringsutbyttebeskrivelsen og pensum i faget gir en introduksjon til mange av de ulike metodene i operasjonsanalyse-faget, og ligner på tilsvarende kurs internasjonalt. Faget er myntet på sivilingeniørstudenter og det forventes forkunnskaper som matematikk- og statistikk-kursene for sivilingeniørstudentene. Faget har hatt en jevn størrelse på i underkant av 200 studenter de siste årene. Etter min mening er læringsutbyttet fortsatt relevant. Læringsutbyttet kommuniseres i sin helhet i første forelesning. For enkelte av temaene er læringsutbytte trukket fram og presentert på nytt. Faget er et basisemne i operasjonsanalyse, og etter å ha tatt dette faget kan studentene gå videre med mer avanserte emner som TIØ4130 Optimeringsmetoder, og deretter TIØ4150 Industriell optimering. Som nevnt bygger faget på teori fra matematikk- og statistikk-kursene for sivilingeniørstudentene.

Det er flere temaer i emnet som dels bygger på hverandre, og dels er uavhengige. Innenfor hvert tema er det en naturlig progresjon i forelesningene, og temaene er sekvensert på en naturlig måte. Utvalget av tema er gjort slik at det gir en basis for videre fag som tilbys innen operasjonsanalyse/optimering ved IØT. Siden forelesningene i år ble innspilt på video ble det ikke mulig å få til samme interaksjon med studentene som tidligere. Derfor valgte vi å sette opp ukentlige "spørretimer" hvor faglærerne besvarte spørsmål og gikk igjennom eksempler. Videre er det ukentligere øvinger som er knyttet til materialet som ble forelest foregående uke. 8 av 12 øvinger kreves godkjent for å gå opp til eksamen. Øvingene fokuserer på å bruke metoder som er undervist og å trene praktisk modelleringskompetanse. På grunn av digitalt undervisningsopplegg er det vanskelig å si noe om studentenes egeninnsats og motivasjon. Jeg frykter den har vært dårligere enn tidligere år, men er usikker. Av samme grunn syns jeg det er vanskelig å si noe om læringsmiljø. Det har uten tvil vært dårligere sosialt miljø enn tidligere år, og det tror jeg har mye å si for læringen. Faglærerene har forsøkt å være å tilgjengelige og oppfordre til spørsmål i "live"-øktene, men det har generelt vært mindre interaksjon enn tidligere år da vi hadde fysisk undervisning.

Vanligvis har vi gjennomført 4 timer skoleeksamen i emnet. Det er en eksamensform som har passet fint i dette emnet siden en del av læringsutbyttet best testes gjennom individuelle regne- og modelleringsoppgaver. Med overgang til hjemmeeksamen, valgte vi å endre vurderingsordningen til bestått/ikke-bestått. Samtidig laget vi ulike versjoner av en stor del av oppgavene slik at ikke alle studentene fikk nøyaktig samme oppgaver. Eksempelvis endret vi tallene i enkelte regneoppgaver, slik at svarene skulle bli forskjellig. Ellers var hadde årets eksamen samme format som tidligere slik at den skulle passe med læringsutbyttet. Dette var også noe studentene selv ønsket, siden de trener seg på tidligere eksamensoppgaver.

Ved utsatt eksamen kan skriftlig eksamen bli endret til muntlig eksamen. Ved gjentak av eksamen må alle vurderinger i emnet tas på nytt.

Emnet fungerer som K-emne for alle siv.ing.program unntatt MTIØT, og fungerer i tillegg som obligatorisk emne i 3. år for studieretningen Energibruk og energiplanlegging for studieprogrammet MTENERG.

Ved endt kurs skal studentene kunne:
- definere hva som menes med operasjonsanalyse og redegjøre for hvilke faser som vanligvis inngår i studier som anvender operasjonsanalyse 
- beskrive hvilke antakelser som ligger bak lineærprogrammering (LP)
- formulere LP-modeller på bakgrunn av verbale problembeskrivelser
- løse LP-problem grafisk (for to variabler), ved hjelp av regneark, og for hånd ved simpleksmetoden, både algebraisk og på tablå-form
- utføre sensitivitetsanalyse ut fra optimale simpleks-tablåer, og beskrive den økonomiske informasjonen som kan trekkes ut fra denne
- formulere heltallsprogrammeringsmodeller, og løse problemer formulert med slike modeller enten ved hjelp av branch-and-bound metoden eller i regneark
- formulere modeller innenfor ikke-lineær programmering og identifisere kategorier av ikke-lineære problemer basert på egenskaper til målfunksjonen og restriksjonssettet
- løse noen typer ikke-lineære problemer ved hjelp av Lagrangemultiplikatormetoden, bruk av KKT-betingelser, eller regneark
- formulere og løse ulike nettverksmodeller
- indikere hvilke ekstra utfordringer som ligger i et problem der parameterne ikke er kjent med visshet
- sette opp kømodeller basert på verbale problembeskrivelser
- utlede formler for kømodeller basert på eksponensialfordelinger
- beskrive diskret hendelsessimulering og differensiere dette fra andre typer simulering
- implementere enkle simuleringsmodeller i regneark
- diskutere fordeler og ulemper med de ulike modelltypene og de tilhørende beregningsmetodene for konkrete problemstillinger.

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(9965)/FieldValuesAsText

Operasjonsanalyse, grunnkurs - TIØ4120