HEURYSTYCZNE PODEJCIE DO OPTYMALIZACJI ZDOLNOCI PRODUKCYJNEJ

Wielkość: px
Rozpocząć pokaz od strony:

Download "HEURYSTYCZNE PODEJCIE DO OPTYMALIZACJI ZDOLNOCI PRODUKCYJNEJ"

Transkrypt

1 HEURYSYCZNE PODEJCIE DO OPYMALIZACJI ZDOLNOCI PRODUKCYJNEJ Przemyław Korytow Wydzał Informaty Poltechn Szczecej l. ołnera 49, 7-20 Szczecn, Problem optymalzacj zdolnoc prodcyjnej zotał potawony jao zadane optymalzacj weloryteralnej z dyretnym, nelnowym fncjam cel: mnmalzacja cza realzacj zamówe, maymalzacja wyorzytana zaobów prodcyjnych, mnmalzacja pozom ooperacj. Algorytm optymalzacj wyorzytje: metod AHP, teor ytemów olejowych oraz dyretn ymlacj zdarzenow.. Wtp Informacja taje coraz wanejzym przedmotem obrot gopodarczego w Polce na wece. Oberwje tendencj przechodzena od gopodar opartej na aptale do gopodar opartej na wedzy, w tórej najwanejzym nformacja oraz technologe nformatyczne. Gopodara oparta na wedzy jet rozzerzenem de gopodar eletroncznej, tór w domence epola (200) zdefnowano jao,,prodcja, relama, przeda dytrybcja prodtów poprzez ec telenformatyczne''. Prodt oparty na wedzy, tnejcy w potac cyfrowej, prodowany z ycem technolog nformatycznych oraz dytrybowany poprzez ec telenformatyczne nazwano prodtem nemateralnym (Laroche n. 200; Korytow, Zan 2004). Sporód prodtów nemateralnych mona wydzel la prodtów, tóre mog by wytwarzane w ytemach prodcj potoowej, ja na przyład: prodty polgrafczne, oprogramowane, mzya. W przedbortwe, ta zwanej tarej gopodar (opartej na aptale), pojawa problem planowana zdolnoc prodcyjnych. Ich nedobór powodje wydłene cyl prodcyjnego oraz zwzene lczby opó ne w realzacj zamówe. Z ole jej nadmar powodje nepotrzebne zwzene oztów fncjonowana ytem prodcyjnego. W przedbortwe fncjonjcym w gopodarce opartej na wedzy te podtawowe zaady dalej prawdzwe, ale pojawaj nowe alternatywy np. Poprzez molwo blej ooperacj z nnym podmotam yca gopodarczego, zwzane główne z nformatyzacj na pozome prodcyjnym. 2. Se potoowej prodcj nemateralnej Cech charaterytyczna ytemów prodcj nemateralnej jet weloprodtowo. Oznacza to, e dana e prodcyjna pozwala na wytwarzane rónych prodtów jednoczene. Z pnty wdzena całego łaccha prodcyjnego ady jego wzeł wytwórczy (tanowo robocze) jet ytemem olejowym. W lteratrze opane zaady wpółdzałana tych elementów (Flpowcz 996; Gro, Harr 998). Jednae rozwaana teoretyczne ogranczaj tylo do protych ytemów, na przyład tach, w tórych trmene wejcowe czay obłg Marowe. Wze molwoc analzy daje ymlacja ompterowa, pozwala ona na modelowane wzłów o dowolnych trmenach wejcowych czaach przetwarzana (Ban n. 200; Law, Kelton 2000). Fncjonowane wzła moemy opa jao: lczb równolegle pracjcych erwerów oraz welo bfora wejcowego. W przypad ln prodcyjnej, gdy mamy do czynena z jednota terowana operacj, trme wejcowy jet potoem operacj z poprzednego wzła wytwórczego oraz potoem operacj po zaoczen ontrol, tóra wypadła nepomylne. Kada operacja lb parta operacj moe znale w poto przypadowo z powod, na przyład, odmowy pracy przt w poprzednm w le wytwórczym. Z tego wyna, e poto wejcowy trzeba tratowa jao proce tochatyczny, w tórym zdarzenem jet pojawene operacj, a moment pojawena operacj na orelonym nterwale cza jet proceem tochatycznym. Analzjc doładnej załada, e to, co pojawa na wejc ytem ma charater trmena, tóry mona mnej lb bardzej doładne opa przy pomocy jednego z rozładów prawdopodobetwa. e trmene dyretne. Stochatyczny charater ma równe cza, przez ja zadane jet przetwarzane w w le wytwórczym.

2 3. Załoene zadana optymalzacj zdolnoc prodcyjnej Specyf przedbortwa potoowej prodcj nemateralnej jet praca na onrencyjnym ryn oraz bl ontat z lentem, tóry moe wprowadza zmany do zamawanego wyrob w trace proce prodcyjnego. W zwz z tym decydent zarzdzajcy ytemem prodcyjnym potoowej prodcj nemateralnej przy orelan jego zdolnoc prodcyjnej na pozome planowana wydajnocowego, a wc talen lczby tanow roboczych oraz weloc bforów wejcowych m me na wzgldze przede wzytm dwa najwanejze czynn: trzymane ja najnzych oztów ytem prodcyjnego oraz ja najlepz obłg lentów. Pozom jaoc obłg lenta mona merzy jaoc wytwarzanych wyrobów oraz czaem realzacj zamówena, czyl zyboc jego realzacj. Jao wytwarzanych wyrobów w znacznej merze zaley od czynnów technologcznych wdroena odpowednch procedr zapewnana jaoc, ja np. ISO 900 QM. Na pozome zarzdzana wydajnocowego przez jao obłg lenta jet to cza realzacj zamówena, tóry mona róc poprzez oddane czc zada do wyonana w ramach ooperacj. Zalet tego rozwzana jet molwo rócena maymalnych czaów realzacj zamówe, ale we to z wyzym oztem realzacj taego zamówena oraz zmnejzenem loc pracy, czyl obcena tanow roboczych, tóre do na nale. Dlatego decydent m podj decyzje, co do aceptowalnego pozom ooperacj, tórej newela ala pozwol podne pozom zadowolena lentów, a z drgej trony ne powodje znaczcego zwzena przetojów tanow roboczych. Naczeln jedna zaad jet mnmalzowane potrzeby oddawana włanych zada do realzacj na zewntrz przedbortwa. W zwz z powyzym orelmy trzy cele cztowe, tórym bdze erował decydent zarzdzajcy zdolnoc prodcyjna w potoowej prodcj nemateralnej: - Mnmalny cza realzacj zamówe - Maymalne wyorzytane zaobów prodcyjnych - Mnmalzacja pozom ooperacj 3. Cza realzacj zamówe Powtaje problem z wylczenem cyl prodcj zamówena, tóry ne jet prot m czaów przebywana zada w wzłach wytwórczych nalecych do danego proce technologcznego. Z tego powod cyl prodcyjny zamówena bdze wylczany metodam ymlacyjnym z wyorzytanem ompterowego model ymlacyjnego danego przedbortwa prodcj nemateralnej. Cza obłg zadana przez wzeł wytwórczy, mona wyznaczy w oparc o teor ytemów olejowych. Na ten cza łada cza oczewana zadana w bforze wejcowym oraz cza obłg przez erwer. Cza przebywana w yteme zaley od cza obłg zlecena, lczba erwerów oraz od weloc bfora wejcowego. W ogólnym przypad ne jet molwe wyznaczene wprot potac fncyjnej. Cza realzacj zamówena bdze najdłzy w przypad, gdy procey prodcyjne bd lnowe ady z nch bdze ładał ze wzytch operacj technologcznych. W tam przypad fncja ryteralna ( N, bdze me natpjc pota: ( N, t ( N, m ). = n 3.2 Obcene zaobów prodcyjnych Obcene przt bdze rozpatrywane na pozome: wzłów wytwórczych. Jel łame cza, przez ja -ty wzeł wytwórczy wyonje prac oznaczymy jao ρ, ρ [0,], to cza, przez ja ne pracje ten wzeł bdze równy ρ. Warto t naley pomnoy przez lo tanow roboczych N, w tóre wypoaony jet wzeł wytwórczy ozt ch pracy. Kryterm dotyczce obcena przt dla jednego wzła wytwórczego, w zwz z powyzym mona zapa jao: = N ( ρ ) α Dla całej ec wytwórczej to ryterm bdze mało pota: U = = = = N ( ρ ) α gdze: =,2,3,..., jet ndeem wzła wytwórczego, α jet wpółczynnem ozt pracy -tego tanowa roboczego.

3 3.3 Pozom ooperacj Dla adego wzła wytwórczego tneje molwo wylczena prawdopodobetwa jego zabloowana P b, czyl zatnena ytacj nowe zadane zotane odrzcone z wzła wytwórczego bez obłg. P b jet zalene, od cza obłg zlecena, loc erwerów oraz od weloc bfora wejcowego. Prawdopodobetwo wytpena onecznoc ooperacj w danym w le wytwórczym naley natpne wymnoy przez wpółczynn, tóry bdze orelał ozt jej realzacj K = P λ, gdze: P b - jet prawdopodobetwem wytpena ooperacj w -tym w le wytwórczym, - jet oztem realzacj operacj technologcznej wyonywanej w -tym w le wytwórczym przez zewntrzny podmot w ramach ooperacj. Pozom ooperacj dla całej ec bdze wypadow pozomów ooperacj na adym z wzłów wytwórczych po wzgldnen ntenywnoc obłg w adym z nch. 3.4 Ogranczene bdetowe K = = K = b = P λ. Zmana zdolnoc prodcyjnej we ze zman onfgracj ytem prodcyjnego. W zalenoc od potrzeb moe zatne ytacja, gdy pojaw oneczno tworzena nowego tanowa roboczego lb te rezygnacj z pracy netórych tanow. D = = z ( N N ( δ d + ( δ ) d )), dla N N gdze: δ =, 0 w pozotalych przypadach N - lo tanow roboczych, w tóre ma by wypoaony wzeł wytwórczy po reonfgracj, N - lo tanow roboczych, w tóre jet wypoaony wzeł wytwórczy przed reonfgracj, b z d - jet oztem nabyca jednego erwera, czyl tanowa roboczego, do j-tego wzła wytwórczego, d - jet oztem zrezygnowana z pracy jednego erwera bdcego czc j-tego wzła wytwórczego. Kozt reonfgracj ec prodcyjnej m by nzy lb równy bdetow Dˆ, tóry zotał przydzelony z plan wyzego pozom na t operacj: D D ˆ 3.5 Potawene problem optymalzacj weloryteralnej Zadane optymalzacj zdolnoc prodcyjnej ytem potoowej prodcj nemateralnej mona przedtaw jao zadane optymalzacj weloryteralnej w natpjcej potac. Przy zadanych: trtrze ec prodcyjnej, parametrach proceów technologcznych parametrach trmen wejcowych. Naley oblczy zdolno prodcyjn adego z wzłów (lo równolegle pracjcych erwerów N welo bfora wejcowego m ). Zapewnajcych mnmm talonych fncj ryteralnych U, K na nterwale optymalzacj. Pod warnem pełnena ograncze na lo erwerów, tóra m by wytarczajca do obłena trmena zgłoze oraz na bdet, tóry jet ogranczony. Zadane przyjme natpjc pota fncyjn: znale mnmm fncj ogranczen: D( N, Dˆ. F ( N, = [ U ( N,, ( N,, K( N, ], przy W cel znalezena rozwzana optymalnego zatoowana zotane metoda waonej fncj cel (Ehrgott, Wece 2005). Jet to jedno z najbardzej poplarnych podej, tóre znajdje zatoowane w bardzo zerom zaree problemów. Dla przedtawonego zadana optymalzacj weloryteralnej globalna fncja ryteralna przyjme natpjc pota: G N, = w U ( N, + w ( N, + w K( N, ) ( 2 3 m

4 gdze w, =,2, 3 wagam orelajcym wzgldn wano pozczególnych ryterów ładowych. Przy czym w < 0, > w =. Wag odzwercedlaj opn decydenta, co do wanoc celów ładajcych na globaln fncj ryteraln. Najprotzym poobem zyana wag jet bezporedne talene ch przez decydenta. Netety ne jet to zadane prote, wyna to z ogranczena percepcj ldzej. Pratya poazje, e decydentow trdno jet orel jednoczene wzajemn wano wel celów. Z tego powod opracowano wele metod, tóre łatwaj orelene preferencj decydenta. Efetywnym podejcem jet metoda AHP (Analytc Herarchy Proce) opracowan przez Saaty'ego (Saaty 2005). Zalet metody AHP jet molwo jej zatoowana do problemów, tóre ne mz by merzone w tych amych jednotach. a ja jet to w opywanym przypad optymalzacj zdolnoc prodcyjnej, gdy ryterm dotyczce wyorzytana zaobów jet podawane w jednotach pennych, a ryterm dotyczce realzacj zamówena w jednotach cza. Metoda AHP toowana jet przy rozwzywan bardzo rónych problemów, ja podaje am ator metody (Saaty 2005) była ona wyorzytana w ponad tyc opracowa naowych. 4. Charaterytya zadana optymalzacj zdolnoc prodcyjnej Aby móc wyorzyta wedz o charaterytyach wzłów wytwórczych w procee optymalzacj zdolnoc prodcyjnej nezbdnym jet opracowane fncj, tóra bdze łyła do zacowana wpływ adego z wzłów wytwórczych na globaln fncj ryteraln G ( N,. Fncja G ( N,, jet fncj wel zmennych, tóre zgrpowane w dw wetorach N = N, N, N,..., ] oraz N m = m, m, m,..., ]. Pary zmennych N, } parametram jednego, -tego wzła wytwórczego. Wprowad my fncj { m g ( N, m ), tóra bdze łada z cztowych fncj ryteralnych w ton do jednego wzła wytwórczego bdze nterpretowana jao fncja ozacowana dla jednego wzła wytwórczego g ( N, m ) = w ( N, m ) + w2 t ( N, m ) + w3 ( N, m ). W zwz z tym mona wprowadz fncj ozacowana globalnej fncj ryteralnej, tóra przyjme natpjc pota: 5. Algorytm optymalzacj zdolnoc prodcyjnej n ~ G ( N, = g ( N, m ) Wyorzytane teor ograncze oraz teor ytemów olejowych pozwala na opracowane algorytm, tóry bdze w tane zybcej znale optymaln onfgracj ytem prodcyjnego n podejce oparte na loowym badan tego ytem. W tym cel po perwze naley znale w przerój. Wzeł bdcy wm przerojem moe dota ~ wyznaczony na podtawe ozacowana G ( N, wylczena wartoc fncj g N, m ) dla adego z. ( wzłów. Wzeł, dla tórego warto fncj g N, m ) bdze maymalna bdze wm przerojem. ( Natpne naley przeonfgrowa wzeł wytwórczy ta, aby zmnmalzowa fncj g ( N, m ). Mona tego doona poprzez zwzene lczby tanow roboczych pracjcych w danym w le poprzez zman dłgoc bfora. Procedr wyznaczana wego przeroj jego optymalzacj naley powtarza ta dłgo, ja pełnone jet ogranczene bdetowe. Algorytm zaoczy prac, gdy oae, e zoptymalzowany j raz wzeł jet ponowne wm przerojem ytem prodcyjnego. Schematyczne algorytm optymalzacj zdolnoc prodcyjnej zotał przedtawony na ryn. Ponej zotane on zczegółowo opany. m

5 5. Utawene pocztowej onfgracj Ry.. Algorytm optymalzacj zdolnoc prodcyjnej Do znalezena wzła, tóry jet wm przerojem ytem prodcyjnego nezbdne jet oblczene wartoc globalnej fncj ryteralnej oraz wartoc fncj ozacowa adego z wzłów wytwórczych. W tym cel naley wyona eperyment ymlacyjny na przygotowanym wczenej ompterowym model tego ytem prodcyjnego wprowadzajc atalne parametry. ym parametram : - lo tanow roboczych w adym w le N = N, N, N,..., ], - welo bforów przed adym wzłem m = m, m, m,..., ], - trmene zamówe lentów ZW = [ zw, zw2, zw3,..., zw n ], - trmene zada wpływajcych do adego wzła w ramach ooperacj KW = [ w, w2, w3,.., w ], - trmene zada wypływajcych do adego wzła w ramach ooperacj KW = [ w, w2, w3,.., w ], - trmene zada wymagajcych poprawy RW = [ rw, rw2, rw3,..., rw n ], - ozty pracy tanow roboczych - ozty zap nowego tanowa roboczego z wzłów [ d, d2, d3 D =,..., d ], m [ α, α 2, α3,..., α ] z z z z [ d, d2, d3 Α =, - ozty wyonywana zada w ramach ooperacj dla adego wzła - czay trwana operacj technologcznych o, - bdet przeznaczony na reonfgracj ytem prodcyjnego Dˆ. N z D =,..., d ], lb te jego nca dla adego K =,,,..., ], Po wprowadzen do model powyzych parametrów, odzwercedlajcych ataln charateryty ytem prodcyjnego przeprowadza eperyment ymlacyjny. Po jego zaoczen zywane natpjce dane: - - redn cza trwana cyl prodcyjnego, b t, ρ, P, =,2,3,..., - pozom obcena tanow roboczych, =,2,3,..., - tone lczby zada przeazanych do ooperacj, do lczby zada napływajcych, =,2,3,..., - redn cza przebywana zada w w le wytwórczym. 5.2 Wybór wego przeroj Podtawajc zyane z eperyment ymlacyjnego dane mona oblczy ataln warto globalnej fncj ryteralnej podtawajc do cztowych fncj ryteralnych zyane wyn. Natpne oblcza

6 fncj ozacowana g N, m ) dla adego wzła wytwórczego. Wzeł wytwórczy, dla tórego ( g = max( g, g2, g3,..., g ) bdze wm przerojem. 5.3 Optymalzacja wzła wytwórczego Dla wybranego wzła naley przeanalzowa trmene wejcowe wpływajce do wego przeroj. Naley wyznaczy charateryty całowtego trmena zada, tóry łada ze trmen przychodzcych od nnych wzłów wytwórczych, trmena zada wymagajcych poprawy oraz trmena zada przychodzcych z zewntrz w ramach ooperacj. W trace trwana eperyment ymlacyjnego zberane dane o całowtym trmen zada przychodzcych do wego przeroj. Jel charaterytya przebadanego trmena pozwala opa go przy pomocy rozładów: wyładnczego, erlanga lb jet determntyczna to mnmalzacja wartoc fncj ozacowana g ( N, m ) bdze przeprowadzona z ycem teor ytemów olejowych. W przecwnym przypad pozotaje wyorzytane model ymlacyjnego pojedynczego wzła wytwórczego. Model ymlacyjny pojedynczego wzła wytwórczego jet modelem bardzo protym, jego zalet w ton do orzytana z pełnowymarowego model całego ytem prodcyjnego jet molwo zyana rezltatów prowadzonych eperymentów ymlacyjnych w znaczne rótzym czae. W zwz z fatem, e zmana lczby tanow roboczych wchodzcych w ład wzła wytwórczego jet po perwze bardzo oztowna, a po drge przyno najwze zmany w wartoc parametrów opjcych ytem olejowy, tóry modelje tene wzeł (Zan, Korytow 2002) optymalzacja zdolnoc prodcyjnej wzła wytwórczego odbywa, wc bdze w dwóch etapach:. Optymalzacja pod wzgldem lczby równolegle pracjcych tacj roboczych przy atalnej weloc bfora wejcowego. 2. Optymalzacja pod wzgldem weloc bfora, dla wczenej talonej lczbe tanow roboczych. Ja to zotało poazane przez Zana Korytowego (2002) fncje odzwercedlajce zalenoc cza przebywana zadana w w le wytwórczym pozom wyorzytana przt od lczby równoległych erwerów weloc bfora wejcowego nmodalne wlłe. Podobne jet z zalenoc dotyczc pozom ooperacj. W cel zachowana jednoltego podejca do optymalzacj pojedynczego wzła wytwórczego zarówno dla metody analtycznej, wyorzytjcej teor ytemów olejowych, ja dla metody ymlacyjnej oraz ze wzgld na fat, e dla rónych onfgracj wzłów wytwórczych w przypad metody analtycznej ładowe fncje ryteralne bd mały róna pota, zatoowana zotane metoda podzał przedzał na połowy. Metoda podzał przedzał na połowy (Popov 999) jet metod optymalzacj fncj jednej zmennej, tóra wymaga tylo molwoc wylczena wartoc fncj w przedzale optymalzacj. Sprowadza ona do porównywana wartoc fncj w pntach, tóre le w 0,25, 0,5 0,75 dłgoc przedzał pozwana etremm. W adym ro algorytm przedzał pozwa jet o połow racany. Po zoptymalzowan wego przeroj, jel bdet ne zotał do oca wyorzytany mona przytp do natpnej teracj algorytm, czyl ponownego wyzana wego przeroj. Algorytm optymalzacj zdolnoc prodcyjnej zaoczy prac, gdy:. Zotane wyorzytany cały przeznaczony na ten cel bdet. 2. Jao w przerój zotane wazany wzeł, tóry był j wczenej znany za w przerój jet j zoptymalzowany. Jel przyj Nˆ za maymaln lo tanow roboczych w ramach adego z wzłów wytwórczych, a mˆ za maymaln welo bfora wejcowego to, aby znale optymaln zdolno prodcyjn naleałoby przebada ( N ˆ mˆ ) onfgracj ytem prodcyjnego, gdze jet loc wzłów wytwórczych. Wyorzytane opracowanego algorytm pozwala znale zadowalajce rozwzane znaczne zybcej, albowem po przeanalzowan ( log ( Nˆ ) log ( ˆ )) onfgracj ytem prodcyjnego, pod 2 0,5 0, 5 m warnem, e optymalzowane bd wzyte wzły wytwórcze.

7 6. Zaoczene Zaproponowany algorytm jet algorytmem herytycznym. Znajomo ytem prodcyjnego pozwala na zybze znalezene optymalnej onfgracj ytem prodcyjnego n z ycem zazwyczaj toowanych metod optymalzacyjnych, tóre ne wyorzytj tej wedzy. Dla tanow, tórych ne obłgj bezporedno ldze tneje molwo dynamcznej zmany przydzał zaobów do wzłów wytwórczych. Z tego powod cza reacj na zmany zachodzce w yteme prodcyjnym m by porównywalny z czaem przebywana zada w bforze. Lteratra Ban, J., J. Caron, B. Nelon (200) Dcrete-event Sytem Smlaton, 3rd edton, Prentce Hall, New Yor. Ehrgott, M., M.M. Wece (2005) Mltobjectve programmng, w Fgera, J., S. Greco, M. Ehrgott (red.) Mltple crtera decon analy, Sprnger, New Yor, p epola - Plan dzała na rzecz rozwoj połeczetwa nformacyjnego w Polce na lata , r. Flpowcz, B. (996) Modele tochatyczne w badanach operacyjnych: analza ynteza ytemów obłg ec olejowych, WN, Warzawa. Gro, D., C.M. Harr (998) Fndamental of Qeng heory, 3 ed., Wley & Son, New Yor. Korytow, P., O. Zan (2004) Zarzdzane zdolnoc prodcyjn w prodcj nemateralnej, w R. Klowa et al. (red.) Badana Operacyjne Sytemowe 2004, Podejmowane Decyzj, Podtawy Metodologczne Zatoowana, Ext, Warzawa, p Laroche, M., J. Bergeron, C. Gotaland (200) A hree-dmenonal Scale of Intangblty, Jornal of Servce Reearch, Volme 4, No., Law, A.M., W.D. Kelton (2000) Smlaton Modelng and Analy, McGraw-Hll, Boton. Popov, O. (999) Metody nmeryczne optymalzacja, Poltechna Szczeca, Szczecn. Saaty,.L. (2005) ``he Analytc Herarchy and Analytc Networ Procee for the Mearement of Intangble Crtera and for Decon-Mang'', w Fgera, Greco, Ehrgott (red.) Mltple Crtera Decon Analy, Sprnger, New Yor, Smth J.J. (994) OC and MRP II, From heory to Relt, Bradley Unverty, Peora Illno, Zan O., P. Korytow (2002),,Bac worflow model at dtrbted ntellgent prodcton and t verfcaton'', w Advanced Compter Sytem, J. Solde, J. Peja (red.), Klwer Academc Pblher, Boton, p

ZASTOSOWANIE PROGRAMOWANIA DYNAMICZNEGO DO OPRACOWANIA STRATEGII REDUKCJI EMISJI GAZÓW

ZASTOSOWANIE PROGRAMOWANIA DYNAMICZNEGO DO OPRACOWANIA STRATEGII REDUKCJI EMISJI GAZÓW ZASTOSOWANIE PROGRAOWANIA DYNAICZNEGO DO OPRACOWANIA STRATEGII REDUKCJI EISJI GAZÓW ANDRZEJ KAŁUSZKO Instytut Bada Systemowych Streszczene W pracy opsano zadane efektywnego przydzału ogranczonych rodków

Bardziej szczegółowo

HEURYSTYCZNA PROCEDURA SZEREGOWANIA ZADA W SYSTEMIE MASZYN RÓWNOLEGŁYCH PRZY OGRANICZONEJ DOST PNO CI ZASOBÓW

HEURYSTYCZNA PROCEDURA SZEREGOWANIA ZADA W SYSTEMIE MASZYN RÓWNOLEGŁYCH PRZY OGRANICZONEJ DOST PNO CI ZASOBÓW EURYSYCA PROCEDURA SEREGOWAIA ADA W SYSEMIE MASY RÓWOLEGŁYC PRY OGRAICOEJ DOSPOCI ASOBÓW BIGIEW BUCALSKI Poltechna Wrocławsa Streszczene Cele artył jest prezentacja rezltatów bada proble czasowo-optyalnego

Bardziej szczegółowo

System M/M/1/L. λ = H 0 µ 1 λ 0 H 1 µ 2 λ 1 H 2 µ 3 λ 2 µ L+1 λ L H L+1. Jeli załoymy, e λ. i dla i = 1, 2,, L+1 oraz

System M/M/1/L. λ = H 0 µ 1 λ 0 H 1 µ 2 λ 1 H 2 µ 3 λ 2 µ L+1 λ L H L+1. Jeli załoymy, e λ. i dla i = 1, 2,, L+1 oraz System M/M// System ten w odrónenu do wczenej omawanych systemów osada kolejk. Jednak jest ona ogranczona, jej maksymalna ojemno jest wartoc skoczon

Bardziej szczegółowo

Kwantyzacja skalarna. Plan 1. Definicja 2. Kwantyzacja równomierna 3. Niedopasowanie, adaptacja 4. Kwantyzacja nierównomierna

Kwantyzacja skalarna. Plan 1. Definicja 2. Kwantyzacja równomierna 3. Niedopasowanie, adaptacja 4. Kwantyzacja nierównomierna Kwantyzacja salarna Plan. Defncja. Kwantyzacja równomerna 3. Nedopasowane, adaptacja 4. Kwantyzacja nerównomerna Pojce wantyzacj Defncja: Kwantyzacja reprezentacja duego w szczególnoc nesoczonego) zboru

Bardziej szczegółowo

INSTYTUT ENERGOELEKTRYKI POLITECHNIKI WROCŁAWSKIEJ Raport serii SPRAWOZDANIA Nr LABORATORIUM TEORII STEROWANIA INSTRUKCJA LABORATORYJNA

INSTYTUT ENERGOELEKTRYKI POLITECHNIKI WROCŁAWSKIEJ Raport serii SPRAWOZDANIA Nr LABORATORIUM TEORII STEROWANIA INSTRUKCJA LABORATORYJNA Na prawach ręopi do żyt łżbowego INSYU ENERGOELEKRYKI POLIECHNIKI WROCŁAWSKIEJ Raport erii SPRAWOZDANIA Nr LABORAORIUM EORII SEROWANIA INSRUKCJA LABORAORYJNA ĆWICZENIE Nr 4 Minimalnoczaowe terowanie optymalne

Bardziej szczegółowo

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe

Bardziej szczegółowo

ZASADY WYZNACZANIA DEPOZYTÓW ZABEZPIECZAJĄCYCH PO WPROWADZENIU DO OBROTU OPCJI W RELACJI KLIENT-BIURO MAKLERSKIE

ZASADY WYZNACZANIA DEPOZYTÓW ZABEZPIECZAJĄCYCH PO WPROWADZENIU DO OBROTU OPCJI W RELACJI KLIENT-BIURO MAKLERSKIE Zasady wyznazana depozytów zabezpezaąyh po wprowadzenu do obrotu op w rela lent-buro malerse ZAADY WYZNACZANIA DEPOZYTÓW ZABEZPIECZAJĄCYCH PO WPROWADZENIU DO OBROTU OPCJI W RELACJI KLIENT-BIURO MAKLERKIE

Bardziej szczegółowo

aij - wygrana gracza I bij - wygrana gracza II

aij - wygrana gracza I bij - wygrana gracza II M.Mszczsk KBO UŁ, Badana operacjne I (cz.) (wkład B 7) GRY KONFLIKTOWE GRY -OSOBOWE O SUMIE WYPŁT ZERO I. DEFINICJE TWIERDZENI Konflktowe gr dwuosobowe opsuje macerz wpłat ( a ) [ ] mxn j,b j gdze: aj

Bardziej szczegółowo

PROCEDURA OCENY EFEKTÓW KSZTAŁCENIA, OSI GANYCH PRZEZ STUDENTÓW SPECJALNO CI INFORMATYCZNYCH

PROCEDURA OCENY EFEKTÓW KSZTAŁCENIA, OSI GANYCH PRZEZ STUDENTÓW SPECJALNO CI INFORMATYCZNYCH PROCEDURA OCENY EFEKTÓW KSZTAŁCENIA, OSIGANYCH PRZEZ STUDENTÓW SPECJALNOCI INFORMATYCZNYCH WALERY SUSŁOW, ADAM SŁOWIK, TOMASZ KRÓLIKOWSKI Streszczene W nnejszym artykule przedstawono procedury organzacyjne

Bardziej szczegółowo

Modelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja

Modelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja Modelowane oblczena technczne Metody numeryczne w modelowanu: Optymalzacja Zadane optymalzacj Optymalzacja to ulepszane lub poprawa jakośc danego rozwązana, projektu, opracowana. Celem optymalzacj jest

Bardziej szczegółowo

1. Wstępna geometria skrzyżowania (wariant 1a)

1. Wstępna geometria skrzyżowania (wariant 1a) . Wtępna geometra rzyżowana (warant a) 2. Strutura erunowa ruchu 3. Warun geometryczne Srzyżowane et zloalzowane w śródmeścu o newelm ruchu pezych. Pochylene podłużne na wlotach nr 3 ne przeracza 0,5%,

Bardziej szczegółowo

LABORATORIUM METROLOGII TECHNIKA POMIARÓW (M-1)

LABORATORIUM METROLOGII TECHNIKA POMIARÓW (M-1) LABORATORIUM METROLOGII TECHNIKA POMIARÓW (M-) wwwmuepolslpl/~wwwzmape Opracował: Dr n Jan Około-Kułak Sprawdzł: Dr hab n Janusz Kotowcz Zatwerdzł: Dr hab n Janusz Kotowcz Cel wczena Celem wczena jest

Bardziej szczegółowo

ORGANIZACJA ZAJĘĆ OPTYMALIZACJA GLOBALNA WSTĘP PLAN WYKŁADU. Wykładowca dr inż. Agnieszka Bołtuć, pokój 304, e-mail: aboltuc@ii.uwb.edu.

ORGANIZACJA ZAJĘĆ OPTYMALIZACJA GLOBALNA WSTĘP PLAN WYKŁADU. Wykładowca dr inż. Agnieszka Bołtuć, pokój 304, e-mail: aboltuc@ii.uwb.edu. ORGANIZACJA ZAJĘĆ Wykładowca dr nż. Agneszka Bołtuć, pokój 304, e-mal: aboltuc@.uwb.edu.pl Lczba godzn forma zajęć: 15 godzn wykładu oraz 15 godzn laboratorum 15 godzn projektu Konsultacje: ponedzałk 9:30-11:00,

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej

Bardziej szczegółowo

KINEMATYKA MANIPULATORÓW

KINEMATYKA MANIPULATORÓW KIEMK MIULOÓW WOWDEIE. Manpulator obot można podzelć na zęść terująą mehanzną. Część mehanzna nazywana jet manpulatorem. punktu wdzena Mehank ta zęść jet najbardzej ntereująa. Manpulator zaadnzo można

Bardziej szczegółowo

METODY OCENY STOPNIA ZAAWANSOWANIA TELEINFORMATYCZNEGO POLSKICH PRZEDSI BIORSTW

METODY OCENY STOPNIA ZAAWANSOWANIA TELEINFORMATYCZNEGO POLSKICH PRZEDSI BIORSTW METODY OCENY STOPNIA ZAAWANSOWANIA TELEINFORMATYCZNEGO POLSKICH PRZEDSI BIORSTW ANETA BECKER, Aadema Rolncza w Szczecne JAROSŁAW BECKER Poltechna Szczec sa Streszczene W artyule scharateryzowano wyorzystane

Bardziej szczegółowo

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi. 3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy

Bardziej szczegółowo

POLITYKA DYWIDENDY. Podstawowy dylemat: ile zysku przeznaczyć na dywidendy, a ile zatrzymać w firmie i przeznaczyć na potrzeby jej dalszego rozwoju?

POLITYKA DYWIDENDY. Podstawowy dylemat: ile zysku przeznaczyć na dywidendy, a ile zatrzymać w firmie i przeznaczyć na potrzeby jej dalszego rozwoju? POLITYKA DYWIDENDY Treść wyładu politya dywidendy jao element trategii formy wypłaty dywidendy teorie polityi politya dywidendowa polich półe Polityę dywidendą oreśla ię jao decyzje roztrzygające o tym,

Bardziej szczegółowo

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie. Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane

Bardziej szczegółowo

5. OPTYMALIZACJA GRAFOWO-SIECIOWA

5. OPTYMALIZACJA GRAFOWO-SIECIOWA . OPTYMALIZACJA GRAFOWO-SIECIOWA Defncja grafu Pod pojęcem grafu G rozumemy następującą dwójkę uporządkowaną (defncja grafu Berge a): (.) G W,U gdze: W zbór werzchołków grafu, U zbór łuków grafu, U W W,

Bardziej szczegółowo

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12 Ker. MTR Programowane w MATLABe Laboratorum Ćw. Analza statystyczna grafczna danych pomarowych. Wprowadzene MATLAB dysponuje weloma funcjam umożlwającym przeprowadzene analzy statystycznej pomarów, czy

Bardziej szczegółowo

BADANIE SILNIKA INDUKCYJNEGO STEROWANEGO Z FALOWNIKA NAPIĘCIA

BADANIE SILNIKA INDUKCYJNEGO STEROWANEGO Z FALOWNIKA NAPIĘCIA BADANIE SILNIKA INDUKCYJNEGO SEROWANEGO Z FALOWNIKA NAPIĘCIA 1. Wprowadzenie Silni inducyjny należy do grupy mazyn aynchronicznych, tzn. taich, w tórych prędość wirnia jet różna od prędości wirowania pola

Bardziej szczegółowo

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja) Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz

Bardziej szczegółowo

Ekonometryczne modele nieliniowe

Ekonometryczne modele nieliniowe Ekonomeryczne modele nelnowe Wykład 5 Progowe modele regrej Leraura Hanen B. E. 997 Inference n TAR Model, Sude n Nonlnear Dynamc and Economerc,. Tek na rone nerneowej wykładu Dodakowa leraura Hanen B.

Bardziej szczegółowo

Zagadnienia do omówienia

Zagadnienia do omówienia Zarządzane produkcją dr nż. Marek Dudek Ul. Gramatyka 0, tel. 6798 http://www.produkcja.zarz.agh.edu.pl Zagadnena do omówena Zasady projektowana systemów produkcyjnych część (organzacja procesów w przestrzen)

Bardziej szczegółowo

POROZUMIENIE. z dnia roku

POROZUMIENIE. z dnia roku Załcznk do UCHWAŁY NR LXI/710/02 RADY MIASTA ZIELONA GÓRA z dna 1 padzernka 2002 r. POROZUMIENIE z dna... 2002 roku Na podstawe: 1. Uchwały Nr... Rady Masta...z dna... 2002 r w sprawe porozumena 2. Uchwały

Bardziej szczegółowo

STATYSTYKA. Zmienna losowa skokowa i jej rozkład

STATYSTYKA. Zmienna losowa skokowa i jej rozkład STATYSTYKA Wnosowane statystyczne to proces myślowy polegający na formułowanu sądów o całośc przy dysponowanu o nej ogranczoną lczbą nformacj Zmenna losowa soowa jej rozład Zmenną losową jest welość, tóra

Bardziej szczegółowo

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości Podstawowe pojęca procesu pomarowego kreślene jakośc poznana rzeczywstośc Δ zmerzone rzeczywste 17 9 Zalety stosowana elektrycznych przyrządów 1/ 1. możlwość budowy czujnków zamenających werne każdą welkość

Bardziej szczegółowo

Portfel. Portfel pytania. Portfel pytania. Analiza i Zarządzanie Portfelem cz. 2. Katedra Inwestycji Finansowych i Zarządzania Ryzykiem

Portfel. Portfel pytania. Portfel pytania. Analiza i Zarządzanie Portfelem cz. 2. Katedra Inwestycji Finansowych i Zarządzania Ryzykiem Katedra Ietycj Faoych Zarządzaa yzykem Aalza Zarządzae Portfelem cz. Dr Katarzya Kuzak Co to jet portfel? Portfel grupa aktyó (trumetó faoych, aktyó rzeczoych), które zotały yelekcjooae, którym ależy zarządzać

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

Weryfikacja hipotez dla wielu populacji Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w

Bardziej szczegółowo

Systemy resztowe. Kongruencje. Liczby kongruentne (przystaj ce) modulo w (w moduł przystawania) (N,M ): N M(modw) k : N M=kw M N=kw

Systemy resztowe. Kongruencje. Liczby kongruentne (przystaj ce) modulo w (w moduł przystawania) (N,M ): N M(modw) k : N M=kw M N=kw Kongruencje Lczby ongruentne (przytaj ce) modulo w (w moduł przytawana) (N,M ): N M(modw) : N Mw M Nw Kongruencja relacja równowa no c: zwrotna (reflexve): N N(modw), ymetryczna (ymmetrc): N M(modw) M

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 1 Statystyka opsowa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 W statystyce opsowej mamy pełne nformacje

Bardziej szczegółowo

Ł Ż Ż Ż Ż ś Ż ś Ę Ą Ź ż zacznk nr 1 do uchway nr 2812013 Sen atu Nazwa Wydzau Nazwa kerunku studw Szczec Wydza Nauk o Zem Geoanaltvka obszar ksztacena / obszary ksztacena, z ktrych zosta obszar nauk przyrodnczych

Bardziej szczegółowo

Wykaz ważniejszych oznaczeń... 5 Wykaz ważniejszych akronimów... 9

Wykaz ważniejszych oznaczeń... 5 Wykaz ważniejszych akronimów... 9 SPIS TREŚCI Wykaz ważnejzych oznaczeń... 5 Wykaz ważnejzych akronmów... 9 1. Wtęp... 11 1.1. Op uług WWW... 19 1.2. Klayfkacja ytemów webowych z jakoścą uług... 22 1.3. Sytemy z kryterum czaowym prezentowane

Bardziej szczegółowo

Ćw. 5. Wyznaczanie współczynnika sprężystości przy pomocy wahadła sprężynowego

Ćw. 5. Wyznaczanie współczynnika sprężystości przy pomocy wahadła sprężynowego 5 KATEDRA FIZYKI STOSOWANEJ PRACOWNIA FIZYKI Ćw. 5. Wyznaczane współczynna sprężystośc przy pomocy wahadła sprężynowego Wprowadzene Ruch drgający należy do najbardzej rozpowszechnonych ruchów w przyrodze.

Bardziej szczegółowo

Statystyka. Zmienne losowe

Statystyka. Zmienne losowe Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej

Bardziej szczegółowo

Materiały do wykładów na temat Obliczanie sił przekrojowych i momentów przekrojowych. dla prętów zginanych.

Materiały do wykładów na temat Obliczanie sił przekrojowych i momentów przekrojowych. dla prętów zginanych. ateriały do wyładów na temat Obliczanie sił przerojowych i momentów przerojowych dla prętów zginanych Wydr eletroniczny. slajdów na. stronach przeznaczony do celów dydatycznych dla stdentów II ro stdiów

Bardziej szczegółowo

liniowym w przeciwnym przypadku mówimy o programowaniu nieliniowym.

liniowym w przeciwnym przypadku mówimy o programowaniu nieliniowym. =DGDQLHSROHJDMFHQDSRV]XNLZDQLXPDNV\PDOQHMOXEPLQLPDOQHMZDUWRFLIXQNFMLZLHOX ]PLHQQ\FKSU]\MHGQRF]HVQ\PVSHáQLHQLXSHZQHMLORFLQDáR*RQ\FKZDUXQNyZ UyZQDOXE QLHUyZQRFLQRVLQD]Z]DGDQLDRSW\PDOL]DF\MQHJROXE]DGDQLDSURJUDPRZDQLD

Bardziej szczegółowo

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.

Bardziej szczegółowo

2012-10-11. Definicje ogólne

2012-10-11. Definicje ogólne 0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj

Bardziej szczegółowo

Programowanie wielokryterialne

Programowanie wielokryterialne Prgramwane welkryteralne. Pdstawwe defncje znaczena. Matematyczny mdel sytuacj decyzyjnej Załóżmy, że decydent dknując wybru decyzj dpuszczalnej x = [ x,..., xn ] D keruje sę szeregem kryterów f,..., f.

Bardziej szczegółowo

F p. F o. Modelowanie złożonych systemów biocybernetycznych. Na poprzednim wykładzie uczyliśmy się, jak tworzyć modele prostych obiektów biologicznych

F p. F o. Modelowanie złożonych systemów biocybernetycznych. Na poprzednim wykładzie uczyliśmy się, jak tworzyć modele prostych obiektów biologicznych Modelowanie złożonych ytemów biocybernetycznych Wyład nr 6 z uru Biocybernetyi dla Inżynierii Biomedycznej prowadzonego przez Prof. Ryzarda Tadeuiewicza Na poprzednim wyładzie uczyliśmy ię, ja tworzyć

Bardziej szczegółowo

TYPOWE OPERATORY KRZYŻOWANIA OBLICZENIA EWOLUCYJNE FUNKCJE TESTOWE F. RASTRIGINA F. ACKLEYA ... 3. ( x) = x i 30 -30. minimum globalne.

TYPOWE OPERATORY KRZYŻOWANIA OBLICZENIA EWOLUCYJNE FUNKCJE TESTOWE F. RASTRIGINA F. ACKLEYA ... 3. ( x) = x i 30 -30. minimum globalne. FUNKCJE TESTOWE OBLICENIA EWOLUCJNE FITNESS F. START COMPUTATION FITNESS F. COMPUTATION INITIAL SUBPOPULATION SENDING CHROM. TO COMPUTERS chromoome EVOLUTIONAR OPERATORS AND RECEIVING FITNESS F. wykład

Bardziej szczegółowo

1. Zmienne i dane wejściowe Algorytmu Rozdziału Obciążeń

1. Zmienne i dane wejściowe Algorytmu Rozdziału Obciążeń ZAŁĄCZNIK nr Zasada dzałana Algorytmu Rozdzału Obcążeń. Zmenne dane wejścowe Algorytmu Rozdzału Obcążeń.. Zmennym podlegającym optymalzacj w procese rozdzału obcążeń są welośc energ delarowane przez Jednost

Bardziej szczegółowo

Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu

Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu PRACE KOMISJI GEOGRAFII PRZEMYSŁU Nr 7 WARSZAWA KRAKÓW 2004 Akadema Pedagogczna, Kraków Kształtowane sę frm nformatycznych jako nowych elementów struktury przestrzennej przemysłu Postępujący proces rozwoju

Bardziej szczegółowo

EUROELEKTRA Ogólnopolska Olimpiada Wiedzy Elektrycznej i Elektronicznej Rok szkolny 2015/2016. Zadania z elektroniki na zawody III stopnia Rozwiązania

EUROELEKTRA Ogólnopolska Olimpiada Wiedzy Elektrycznej i Elektronicznej Rok szkolny 2015/2016. Zadania z elektroniki na zawody III stopnia Rozwiązania EUOELEKTA Oólnopola Olpada Wedzy Eletrycznej Eletroncznej o zolny 5/6 Zadana z eletron na zawody III topna ozwązana Intrcja dla zdająceo. za trwana zawodów: nt.. Zawody III topna polea na rozwązan 6 zadań

Bardziej szczegółowo

KRYTERIA WYBORU ARCHITEKTURY SIECI NEURONOWYCH - FINANSOWE CZY BŁ DU PROGNOZY

KRYTERIA WYBORU ARCHITEKTURY SIECI NEURONOWYCH - FINANSOWE CZY BŁ DU PROGNOZY KRYTERIA WYBORU ARCHITEKTURY SIECI NEURONOWYCH - FINANSOWE CZY BŁDU PROGNOZY HENRYK MARJAK Zachodnopomorsk Unwersytet Technologczny w Szczecne Streszczene Klasyczne podejce do zastosowana sec neuronowych

Bardziej szczegółowo

METODA EFEKTYWNEGO ZARZĄDZANIA ROZDZIAŁEM ŚRODKÓW NA REDUKCJĘ EMISJI GAZÓW CIEPLARNIANYCH

METODA EFEKTYWNEGO ZARZĄDZANIA ROZDZIAŁEM ŚRODKÓW NA REDUKCJĘ EMISJI GAZÓW CIEPLARNIANYCH Zeszyty Naukowe Wydzału Informatycznych Technk Zarządzana Wyższej Szkoły Informatyk Stosowanej Zarządzana Współczesne Problemy Zarządzana Nr /20 ETODA EFEKTYWNEGO ZARZĄDZANIA ROZDZIAŁE ŚRODKÓW NA REDUKCJĘ

Bardziej szczegółowo

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4 Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =

Bardziej szczegółowo

Plan wykładu. Sztuczne sieci neuronowe. Uczenie nienadzorowane (bez nauczyciela) Uczenie nienadzorowane - przykłady

Plan wykładu. Sztuczne sieci neuronowe. Uczenie nienadzorowane (bez nauczyciela) Uczenie nienadzorowane - przykłady Plan yładu Wyład 10: Sec samoorganzuce s na zasadze spółzaodncta Sec samoorganzuace s na zasadze spółzaodncta: uczene nenadzoroane uczene onurencyne reguła WTA reguła WTM antoane etoroe mapa cech Kohonena

Bardziej szczegółowo

6. *21!" 4 % rezerwy matematycznej. oraz (ii) $ :;!" "+!"!4 oraz "" % & "!4! " )$!"!4 1 1!4 )$$$ " ' ""

6. *21! 4 % rezerwy matematycznej. oraz (ii) $ :;! +!!4 oraz  % & !4!  )$!!4 1 1!4 )$$$  ' Memy fow 09..000 r. 6. *!" ( orz ( 4 % rezerwy memycze $ :;!" "+!"!4 orz "" % & "!4! " $!"!4!4 $$$ " ' "" V w dowole chwl d e wzorem V 0 0. &! "! "" 4 < ; ;!" 4 $%: ; $% ; = > %4( $;% 7 4'8 A..85 B..90

Bardziej szczegółowo

Parametry zmiennej losowej

Parametry zmiennej losowej Eonometra Ćwczena Powtórzene wadomośc ze statysty SS EK Defncja Zmenną losową X nazywamy funcję odwzorowującą przestrzeń zdarzeń elementarnych w zbór lczb rzeczywstych, taą że przecwobraz dowolnego zboru

Bardziej szczegółowo

ANALIZA TARYF PRZESYŁOWYCH JAKO ELEMENTU BEZPIECZNEGO I EFEKTYWNEGO KIEROWANIA PRAC SYSTEMU ELEKTROENERGETYCZNEGO

ANALIZA TARYF PRZESYŁOWYCH JAKO ELEMENTU BEZPIECZNEGO I EFEKTYWNEGO KIEROWANIA PRAC SYSTEMU ELEKTROENERGETYCZNEGO POLITECHNIKA WROCŁAWSKA WYDZIAŁ ELEKTRYCZNY Instytut Energoelektryk PRACA DOKTORSKA ANALIZA TARYF PRZESYŁOWYCH JAKO ELEMENTU BEZPIECZNEGO I EFEKTYWNEGO KIEROWANIA PRAC SYSTEMU ELEKTROENERGETYCZNEGO Autor:

Bardziej szczegółowo

Optymalizacja harmonogramów budowlanych - problem szeregowania zadań

Optymalizacja harmonogramów budowlanych - problem szeregowania zadań Mieczysław OŁOŃSI Wydział Budownictwa i Inżynierii Środowisa, Szoła Główna Gospodarstwa Wiejsiego, Warszawa, ul. Nowoursynowsa 159 e-mail: mieczyslaw_polonsi@sggw.pl Założenia Optymalizacja harmonogramów

Bardziej szczegółowo

Zeszyt Naukowy Warszawskiej Wyższej Szkoły Informatyki Nr 9, Rok 7, 2013, s. 119-137

Zeszyt Naukowy Warszawskiej Wyższej Szkoły Informatyki Nr 9, Rok 7, 2013, s. 119-137 Zeszyt Nauowy Warszawsej Wyższej Szoły Informaty Nr 9, Ro 7, 2013, s. 119-137 Mode motywacj nauczycea studentów podczas nabywana ompetencj Emma Kusztna, Oeg Zan, Andrzej Żyławs, Ryszard Tadeusewcz Streszczene

Bardziej szczegółowo

Zastosowanie priorytetów dynamicznych do optymalizacji wieloproduktowych systemów produkcyjnych w poligrafii

Zastosowanie priorytetów dynamicznych do optymalizacji wieloproduktowych systemów produkcyjnych w poligrafii Zachodnopomorsk Unwersytet Technologczny w Szczecne Wydzał Informatyk Zastosowane prorytetów dynamcznych do optymalzacj weloproduktowych systemów produkcyjnych w polgraf Autoreferat rozprawy doktorskej

Bardziej szczegółowo

WPROWADZENIE DO TEORII DECYZJI STATYSTYCZNYCH

WPROWADZENIE DO TEORII DECYZJI STATYSTYCZNYCH Ćwczene nr 1 Statystyczne metody wspomagana decyzj Teora decyzj statystycznych WPROWADZENIE DO TEORII DECYZJI STATYSTYCZNYCH Problem decyzyjny decyzja pocągająca za sobą korzyść lub stratę. Proces decyzyjny

Bardziej szczegółowo

PROBLEMY DOBORU ALGORYTMÓW STEROWANIA UKŁADÓW NAPDOWYCH WSPÓŁCZESNYCH DWIGÓW OSOBOWYCH

PROBLEMY DOBORU ALGORYTMÓW STEROWANIA UKŁADÓW NAPDOWYCH WSPÓŁCZESNYCH DWIGÓW OSOBOWYCH Krzysztof Kolano, Jan Kolano Poltechna Lubelsa, Lubln PROBLEMY DOBORU ALGORYMÓW SEROWAIA UKŁADÓW APDOWYCH WSPÓŁCZESYCH DWIGÓW OSOBOWYCH HE CHOOSIG OF OPIMAL COROL ROUIE FOR MODER ELEVAOR SYSEMS Abstract:

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne

Bardziej szczegółowo

1. SPRAWDZENIE WYSTEPOWANIA RYZYKA KONDENSACJI POWIERZCHNIOWEJ ORAZ KONDENSACJI MIĘDZYWARSTWOWEJ W ŚCIANIE ZEWNĘTRZNEJ

1. SPRAWDZENIE WYSTEPOWANIA RYZYKA KONDENSACJI POWIERZCHNIOWEJ ORAZ KONDENSACJI MIĘDZYWARSTWOWEJ W ŚCIANIE ZEWNĘTRZNEJ Ćwczene nr 1 cz.3 Dyfuzja pary wodnej zachodz w kerunku od środowska o wyższej temperaturze do środowska chłodnejszego. Para wodna dyfundująca przez przegrody budowlane w okrese zmowym napotyka na coraz

Bardziej szczegółowo

Metody komputerowe i obliczeniowe Metoda Elementów Skoczonych. Element jednowymiarowy i jednoparametrowy : spryna

Metody komputerowe i obliczeniowe Metoda Elementów Skoczonych. Element jednowymiarowy i jednoparametrowy : spryna Metody omputerowe i obliczeniowe Metoda Elementów Soczonych Element jednowymiarowy i jednoparametrowy : spryna Jest to najprostszy element: współrzdne loalne i globalne jego wzłów s taie same nie potrzeba

Bardziej szczegółowo

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp

Bardziej szczegółowo

Wykład IX Optymalizacja i minimalizacja funkcji

Wykład IX Optymalizacja i minimalizacja funkcji Wykład IX Optymalzacja mnmalzacja funkcj Postawene zadana podstawowe dee jego rozwązana Proste metody mnmalzacj Metody teracj z wykorzystanem perwszej pochodnej Metody teracj z wykorzystanem drugej pochodnej

Bardziej szczegółowo

INSTRUKCJA. Ćwiczenie A2. Wyznaczanie współczynnika sprężystości sprężyny metodą dynamiczną.

INSTRUKCJA. Ćwiczenie A2. Wyznaczanie współczynnika sprężystości sprężyny metodą dynamiczną. INSRUKCJA Ćwiczenie A Wyznaczanie wpółczynnia prężytości prężyny metodą dynamiczną. Przed zapoznaniem ię z intrucją i przytąpieniem do wyonania ćwiczenia należy zapoznać ię z natępującymi zagadnieniami:

Bardziej szczegółowo

Opracowanie schematu funkcyjnego systemu zarządzania organizacją edukacyjną w warunkach ODL

Opracowanie schematu funkcyjnego systemu zarządzania organizacją edukacyjną w warunkach ODL Opracowane schematu funkcyjnego systemu zarządzana organzacją edukacyjną w warunkach ODL Emma Kushtna, rzemysław RóŜewsk Instytut Systemów Informatycznych, Wydzał Informatyk, oltechnka Szczecńska {ekushtna,

Bardziej szczegółowo

Dr inż. Robert Smusz Politechnika Rzeszowska im. I. Łukasiewicza Wydział Budowy Maszyn i Lotnictwa Katedra Termodynamiki

Dr inż. Robert Smusz Politechnika Rzeszowska im. I. Łukasiewicza Wydział Budowy Maszyn i Lotnictwa Katedra Termodynamiki Dr nż. Robert Smusz Poltechnka Rzeszowska m. I. Łukasewcza Wydzał Budowy Maszyn Lotnctwa Katedra Termodynamk Projekt jest współfnansowany w ramach programu polskej pomocy zagrancznej Mnsterstwa Spraw Zagrancznych

Bardziej szczegółowo

Przykład modelowania cybernetycznego bardziej złożonych systemów biologicznych przepływ krwi. Najpierw przypomnienie kilku elementarnych faktów

Przykład modelowania cybernetycznego bardziej złożonych systemów biologicznych przepływ krwi. Najpierw przypomnienie kilku elementarnych faktów Przyład modelu rążenia rwi Modelowanie (z pomocą uperomputerów) proceu przepływu rwi w naczyniach apilarnych Wyład nr 1 z uru Biocybernetyi dla Inżynierii Biomedycznej prowadzonego przez Prof. Ryzarda

Bardziej szczegółowo

x k3 y k3 x k1 y k1 x 2

x k3 y k3 x k1 y k1 x 2 A. RANFORMACJA RZEMEZCZEŃ obrębie bryły ztynej Andrzej Wite odtay ontrcji mazyn y x - - y x - C x - O x x - x y - - Ry.. chemat tranformacji przemiezczeń Znany jet mały rch bryły ztynej (ry.) pncie O opiany

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

C04 - STATYSTYKA MATEMATYCZNA - Zadania do oddania

C04 - STATYSTYKA MATEMATYCZNA - Zadania do oddania C4 - STATYSTYKA MATEMATYCZNA - Zadania do oddania Parametr = liczba trzycyfrowa dwie ostatnie cyfry to dwie ostatnie cyfry numeru indesu pierwsza cyfra to pierwsza cyfra liczby liter pierwszego imienia.

Bardziej szczegółowo

1. OKREŚLENIE PARAMETRÓW GEOTECHNICZNYCH

1. OKREŚLENIE PARAMETRÓW GEOTECHNICZNYCH Projekt z fundamentowana: MUR OPOROWY (tuda mgr) POSADOWIENIE NA PALACH WG PN-83/B-02482. OKREŚLENIE PARAMETRÓW GEOTECHNICZNYCH grunt G π P d T/Nm P / P r grunt zayp. Tabl.II.. Zetawene parametrów geotechncznych.

Bardziej szczegółowo

f 4,3 m l 20 m 4 f l x x 2 y x l 2 4 4,3 20 x x ,86 x 0,043 x 2 y x 4 f l 2 x l 2 4 4, x dy dx tg y x ,86 0,086 x

f 4,3 m l 20 m 4 f l x x 2 y x l 2 4 4,3 20 x x ,86 x 0,043 x 2 y x 4 f l 2 x l 2 4 4, x dy dx tg y x ,86 0,086 x f l Ry. 3. Rozpatrywany łuk parabolczny 4 f l x x 2 y x l 2 f m l 2 m y x 4 2 x x 2 2 2,86 x,43 x 2 tg y x dy 4 f l 2 x l 2 4 2 2 x 2 2,86,86 x Mechanka Budowl Projekty Zgodne ze poobem rozwązywana układów

Bardziej szczegółowo

Praca i energia. x jest. x i W Y K Ł A D 5. 6-1 Praca i energia kinetyczna. Ruch jednowymiarowy pod działaniem stałych sił.

Praca i energia. x jest. x i W Y K Ł A D 5. 6-1 Praca i energia kinetyczna. Ruch jednowymiarowy pod działaniem stałych sił. ykład z fzyk. Pot Pomykewcz 40 Y K Ł A D 5 Pa enega. Pa enega odgywają waŝną olę zaówno w fzyce jak w codzennym Ŝycu. fzyce ła wykonuje konketną pacę, jeŝel dzała ona na pzedmot ma kładową wzdłuŝ pzemezczena

Bardziej szczegółowo

ochrona przed em mgr Mikołaj Kirpluk

ochrona przed em mgr Mikołaj Kirpluk ochrona przed em mgr Mkołaj Krpluk 0-502 216620 www.ntlmk.com Okrelane nepewnoc oblczanego / merzonego równowanego pozomu dwku: wpływ wybranej statystyk pomarów krótkookresowych, w zalenoc od czasu pomaru

Bardziej szczegółowo

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym? Oblczae średej, odchylea tadardowego meday oraz kwartyl w zeregu zczegółowym rozdzelczym? Średa medaa ależą do etymatorów tzw. tedecj cetralej, atomat odchylee tadardowe to etymatorów rozprozea (dyperj)

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =

Bardziej szczegółowo

4.1. Komputer i grafika komputerowa

4.1. Komputer i grafika komputerowa 4. 4.1. Komputer grafka komputerowa Ucz 2 3 4 5 6 komputera; zestawu komputerowego; w podstawowym zakrese; zastosowana komputera, acy defnuje komputer jako zestaw omawa zastosowane komputera nauk gospodark;

Bardziej szczegółowo

Nieliniowe zadanie optymalizacji bez ograniczeń numeryczne metody iteracyjne optymalizacji

Nieliniowe zadanie optymalizacji bez ograniczeń numeryczne metody iteracyjne optymalizacji Nelnowe zadane optymalzacj bez ogranczeń numeryczne metody teracyjne optymalzacj mn R n f ( ) = f Algorytmy poszuwana mnmum loalnego zadana programowana nelnowego: Bez ogranczeń Z ogranczenam Algorytmy

Bardziej szczegółowo

Rozdział 1. Nazwa i adres Zamawiającego Gdyńskie Centrum Sportu jednostka budżetowa w Gdyni Rozdział 2. Informacja o trybie i stosowaniu przepisów

Rozdział 1. Nazwa i adres Zamawiającego Gdyńskie Centrum Sportu jednostka budżetowa w Gdyni Rozdział 2. Informacja o trybie i stosowaniu przepisów Z n a k s p r a w y G C S D Z P I 2 7 1 0 2 8 2 0 1 5 S P E C Y F I K A C J A I S T O T N Y C H W A R U N K Ó W Z A M Ó W I E N I A f W y k o n a n i e ro b ó t b u d o w l a n y c h w b u d y n k u H

Bardziej szczegółowo

Jerzy Czesław Ossowski Katedra Ekonomii i Zarzdzania Przedsibiorstwem Wydział Zarzdzania i Ekonomii Politechnika Gdaska

Jerzy Czesław Ossowski Katedra Ekonomii i Zarzdzania Przedsibiorstwem Wydział Zarzdzania i Ekonomii Politechnika Gdaska Jerzy Czesław Ossowsk Kaedra Ekonom Zarzdzana Przedsborswem Wydzał Zarzdzana Ekonom Polechnka Gdaska IX Ogólnoposke Semnarum Naukowe n. Dynamczne modele ekonomeryczne, Kaedra Ekonomer Saysyk, Unwersye

Bardziej szczegółowo

7 4 / m S t a n d a r d w y m a g a ± û e g z a m i n m i s t r z o w s k i dla zawodu K U C H A R Z * * (dla absolwent¾w szk¾ ponadzasadniczych) K o d z k l a s y f i k a c j i z a w o d ¾ w i s p e c

Bardziej szczegółowo

ZL - STATYSTYKA - Zadania do oddania

ZL - STATYSTYKA - Zadania do oddania ZL - STATYSTYKA - Zadania do oddania Parametr = liczba trzycyfrowa dwie ostatnie cyfry to dwie ostatnie cyfry numeru indesu pierwsza cyfra to pierwsza cyfra liczby liter pierwszego imienia. Poszczególne

Bardziej szczegółowo

VIII. MODELE PROCESÓW EKSPLOATCJI OBIEKTÓW TECHNICZNYCH

VIII. MODELE PROCESÓW EKSPLOATCJI OBIEKTÓW TECHNICZNYCH VIII. MODL PROCSÓW KSPLOATCJI OBIKTÓW TCHNICZNYCH. WSTP Ja ju nejednorone swerdzono model w uroszczony sosób osuje rzebeg rzeczywsych rocesów esloaacj obeów echncznych w sysemach dzałana, na rzyład: rzemysłowych,

Bardziej szczegółowo

Idea metody LINIE PIERWIASTKOWE EVANSA. Idea metody. Przykład. 1 s1,2 k

Idea metody LINIE PIERWIASTKOWE EVANSA. Idea metody. Przykład. 1 s1,2 k LINIE PIERWIASTKOWE EVANSA Idea metody Definicja linii pierwiatowych. Silni terowany napięciowo. PRz Idea metody Atualne zatoowanie metody linii pierwiatowych: amotrojenie w regulatorach przemyłowych (automatyczne

Bardziej szczegółowo

Nowoczesne metody sterowania odstawą urobku w kopalniach

Nowoczesne metody sterowania odstawą urobku w kopalniach r nż. ZYGUNT SZYAŃSKI Poltechnka Śląka Katera Elektryfkacj Atomatyzacj Górncta Nooczene metoy teroana otaą robk kopalnach W artykle przetaono koncepcję teroana narzęnego mazyn górnczych opartego na teroan

Bardziej szczegółowo

OGÓLNE PODSTAWY SPEKTROSKOPII

OGÓLNE PODSTAWY SPEKTROSKOPII WYKŁAD 8 OGÓLNE PODSTAWY SPEKTROSKOPII E E0 sn( ωt kx) ; k π ; ω πν ; λ T ν E (m c 4 p c ) / E +, dla fotonu m 0 p c p hk Rozkład energ w stane równowag: ROZKŁAD BOLTZMANA!!!!! P(E) e E / kt N E N E/

Bardziej szczegółowo

Eugeniusz Rosołowski. Komputerowe metody analizy elektromagnetycznych stanów przejściowych

Eugeniusz Rosołowski. Komputerowe metody analizy elektromagnetycznych stanów przejściowych Eugenusz Rosołows Komputerowe metody analzy eletromagnetycznych stanów przejścowych Ocyna Wydawncza Poltechn Wrocławsej Wrocław 9 Opnodawcy Jan IŻYKOWSKI Paweł SOWA Opracowane redacyjne Mara IZBIKA Koreta

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE METODY KLASYFIKACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

SYSTEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE METODY KLASYFIKACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska. SYSEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE MEODY KLASYFIKACJI Częstochowa 4 Dr hab. nż. Grzegorz Dude Wydzał Eletryczny Poltechna Częstochowsa FUNKCJE FISHEROWSKA DYSKRYMINACYJNE DYSKRYMINACJA I MASZYNA LINIOWA

Bardziej szczegółowo

METODA GMDH DO PROGNOZOWANIA RYNKÓW W WARUNKACH KRYZYSU FINANSOWEGO

METODA GMDH DO PROGNOZOWANIA RYNKÓW W WARUNKACH KRYZYSU FINANSOWEGO METODA GMDH DO PROGNOZOWANIA RNKÓW W WARUNKACH KRZSU FINANSOWEGO ANTONI WILISKI Zachodnopomorsk Unwersytet Technczny Streszczene W artykule rozwaany jest odweczny problem dokładnoc predykcj na rynkach

Bardziej szczegółowo

Instrukcja uytkownika

Instrukcja uytkownika Przewodowa centrala alarmowa Instrukcja uytkownka 1 Wstp 2 11 Główne cechy central 2 12 Opsy kodów 2 13 Sterowane central 2 2 Klawatura V-LCD 2 21 Wstp 2 22 Funkcje systemowe 3 23 Funkcje programowalne

Bardziej szczegółowo

WYZNACZANIE WSPÓŁCZYNNIKA LEPKOŚCI CIECZY METODĄ STOKESA

WYZNACZANIE WSPÓŁCZYNNIKA LEPKOŚCI CIECZY METODĄ STOKESA WYZNACZANIE WSPÓŁCZYNNIKA LEPKOŚCI CIECZY METODĄ STOKESA. Ops teoretyczny do ćwczena zameszczony jest na strone www.wtc.wat.edu.pl w dzale DYDAKTYKA FIZYKA ĆWICZENIA LABORATORYJNE.. Ops układu pomarowego

Bardziej szczegółowo

EKONOMETRIA I Spotkanie 1, dn. 05.10.2010

EKONOMETRIA I Spotkanie 1, dn. 05.10.2010 EKONOMETRIA I Spotkane, dn. 5..2 Dr Katarzyna Beń Program ramowy: http://www.sgh.waw.pl/nstytuty/e/oferta_dydaktyczna/ekonometra_stacjonarne_nest acjonarne/ Zadana, dane do zadań, ważne nformacje: http://www.e-sgh.pl/ben/ekonometra

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4 Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja

Bardziej szczegółowo

ROZDZIAŁ IV REALIZACJA BADA

ROZDZIAŁ IV REALIZACJA BADA ...ne tra ngdy czasu na ogldane s za sebe, kto moe c włane dogana... ROZDZIAŁ IV REALIZACJA BADA 4. Wstp Poprawne przygotowane bada oparte o przedstawone zasady realzacj, omówone w poprzednm rozdzale dotycz

Bardziej szczegółowo

Karta (sylabus) modułu/przedmiotu

Karta (sylabus) modułu/przedmiotu Karta (sylabus) mułu/przedmotu Budownctwo (Nazwa kerunku studów) Studa I Stopna Przedmot: Materały budowlane II Constructon materals Rok: II Semestr: MK_26 Rzaje zajęć lczba gzn: Studa stacjonarne Studa

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy

Bardziej szczegółowo