Karol ANDRZEJCZAK
|
|
- Jolanta Czajkowska
- 5 lat temu
- Przeglądów:
Transkrypt
1 Karol ANDRZEJCZAK
2 PLAN PREZENTACJI 1. OBSZAR PROBLEMOWY 2. CEL ROZPRAWY 3. GŁÓWNE WYNIKI ROZPRAWY 4. PODSUMOWANIE
3 PLAN PREZENTACJI 1. OBSZAR PROBLEMOWY 2. CEL WYKŁADU 3. GŁÓWNE WYNIKI ROZPRAWY 4. PODSUMOWANIE
4 PLAN PREZENTACJI 1. OBSZAR PROBLEMOWY 2. CEL WYKŁADU 3. PROBLEMY CZĄSTKOWE 4. PODSUMOWANIE
5 PLAN PREZENTACJI 1. OBSZAR PROBLEMOWY 2. CEL WYKŁADU 3. PROBLEMY CZĄSTKOWE 4. PODSUMOWANIE
6 1. OBSZAR PROBLEMOWY Wszelkie urządzenia i obiekty techniczne (OT) są efektem wielofazowych twórczych działań inżynierskich. projektowanie konstruowanie wytwarzanie eksploatacja 90% Rys. 1. Schemat podstawowych faz życia OT
7 1. OBSZAR PROBLEMOWY Wszelkie urządzenia i obiekty techniczne (OT) są efektem wielofazowych twórczych działań inżynierskich. projektowanie konstruowanie wytwarzanie eksploatacja 90% Rys. 1. Schemat podstawowych faz życia OT
8 1. OBSZAR PROBLEMOWY Wszelkie urządzenia i obiekty techniczne (OT) są efektem wielofazowych twórczych działań inżynierskich. projektowanie konstruowanie wytwarzanie eksploatacja 90% Rys. 1. Schemat podstawowych faz życia OT
9 1. OBSZAR PROBLEMOWY Wszelkie urządzenia i obiekty techniczne (OT) są efektem wielofazowych twórczych działań inżynierskich. projektowanie konstruowanie wytwarzanie eksploatacja 90% Rys. 1. Schemat podstawowych faz życia OT Faza eksploatacji OT jest główną fazą jego cyklu życia Faza ta wyznacza zasadniczy obszar problemowy wykładu
10 Współczesnym OT stawiane są coraz ostrzejsze wymagania eksploatacyjne w zakresie EEE: Ekonomia Ekologia Energetyka
11 Współczesnym OT stawiane są coraz ostrzejsze wymagania eksploatacyjne w zakresie EEE: Ekonomia Ekologia Energetyka
12 Współczesnym OT stawiane są coraz ostrzejsze wymagania eksploatacyjne w zakresie EEE: Ekonomia Ekologia Energetyka
13 Współczesnym OT stawiane są coraz ostrzejsze wymagania eksploatacyjne w zakresie EEE: Ekonomia Ekologia Energetyka
14 Zwiększone wymagania inicjują lub poszerzają w działalności inżynierskiej nowe zadania również w zakresie BGF: Bezpieczeństwo Gotowość Funkcjonalność
15 Zwiększone wymagania inicjują lub poszerzają w działalności inżynierskiej nowe zadania również w zakresie BGF: Bezpieczeństwo Gotowość Funkcjonalność
16 Zwiększone wymagania inicjują lub poszerzają w działalności inżynierskiej nowe zadania również w zakresie BGF: Bezpieczeństwo Gotowość Funkcjonalność
17 Zwiększone wymagania inicjują lub poszerzają w działalności inżynierskiej nowe zadania również w zakresie BGF: Bezpieczeństwo Gotowość Funkcjonalność
18 UŚCIŚLONY OBSZAR PROBLEMOWY Przedstawienie wybranych metod probabilistycznych i statystycznych na potrzeby doskonalenia procesu zarządzania eksploatacją OT w zakresie BGF.,,, W prezentacji wykorzystano obrazy udostępnione w internecie. Adresy źródeł podane są na obrazach.
19 UŚCISLONY OBSZAR PROBLEMOWY Przedstawienie wybranych metod probabilistycznych i statystycznych na potrzeby doskonalenia procesu zarządzania eksploatacją OT w zakresie BGF.,,, W prezentacji wykorzystano obrazy udostępnione w internecie. Adresy źródeł podane są na obrazach.
20 W doskonaleniu procesu zarządzania eksploatacją OT w układzie C-M-O szczególne znaczenie mają: badanie zachowania OT w rzeczywistej sytuacji eksploatacyjnej Efektywne zbieranie informacji charakteryzyjącej stan ŚT, otoczenie i operatora (sensory) Przetwarzanie strumienia informacji wspomagających zarządzanie obsługą ŚT
21 W doskonaleniu procesu zarządzania eksploatacją OT w układzie C-M-O szczególne znaczenie mają: badanie zachowania OT w rzeczywistej sytuacji eksploatacyjnej efektywne pozyskiwanie danych charakteryzyjących stan OT, otoczenie oraz operatora (sensory) Przetwarzanie strumienia informacji wspomagających zarządzanie obsługą ŚT
22 W doskonaleniu procesu zarządzania eksploatacją OT w układzie C-M-O szczególne znaczenie mają: badanie zachowania OT w rzeczywistej sytuacji eksploatacyjnej efektywne pozyskiwanie danych charakteryzyjących stan OT, otoczenie oraz operatora (sensory) przetwarzanie danych w informacje wspomagające zarządzanie obsługą OT
23 Techniczne rozwiązywanie problemów sensory CAN Controler Area Network Czujnik urządzenie dostarczające informacji o pojawieniu się określonego bodźca, przekroczeniu pewnej wartości progowej lub o wartości rejestrowanej wielkości fizycznej. Czujniki są najczęściej elementami składowymi większego układu (magistrali komunikacyjnej CAN), którego zadaniem jest wychwytywanie, rozpoznawanie i rejestrowanie sygnałów w czasie eksploatacji ŚT.
24 Techniczne rozwiązywanie problemów sensory CAN Controler Area Network Czujnik urządzenie dostarczające informacji o pojawieniu się określonego bodźca, przekroczeniu pewnej wartości progowej lub o wartości rejestrowanej wielkości fizycznej. Czujniki są najczęściej elementami składowymi większego układu (magistrali komunikacyjnej CAN), którego zadaniem jest wychwytywanie, rozpoznawanie i rejestrowanie sygnałów w czasie eksploatacji OT.
25 Uzupełnieniem technicznych rozwiązań służących doskonaleniu procesu zarządzania eksploatacją OT są metody analityczne dotyczące: predykcji zdarzeń niepożądanych, predykcji przyczyn uszkadzania ŚT, predykcji zagrożeń stanu zdatności.
26 Uzupełnieniem technicznych rozwiązań służących doskonaleniu procesu zarządzania eksploatacją OT są metody analityczne dotyczące: predykcji zdarzeń niepożądanych, predykcji przyczyn uszkadzania OT, predykcji zagrożeń stanu zdatności.
27 Uzupełnieniem technicznych rozwiązań służących doskonaleniu procesu zarządzania eksploatacją OT są metody analityczne dotyczące: predykcji zdarzeń niepożądanych, predykcji przyczyn uszkadzania OT, predykcji zagrożeń stanu zdatności.
28 Uzupełnieniem technicznych rozwiązań służących doskonaleniu procesu zarządzania eksploatacją OT są metody analityczne dotyczące: predykcji zdarzeń niepożądanych, predykcji przyczyn uszkadzania OT, predykcji zagrożeń stanu zdatności.
29 2. CEL WYKŁADU Opracowanie metod predykcji losowych zdarzeń niepożądanych, w czasie użytkowania OT w układzie C-M-O, na potrzeby aktywnego zarządzania procesem eksploatacji. Obiekt w eksploatacji Baza wiedzy, baza danych eksploatacyjnych Predykcja zdarzeń losowych Aktywne zarządzanie Predykcja zdarzeń w pętli zarządzania eksploatacją
30 2. CEL WYKŁADU Opracowanie metod predykcji losowych zdarzeń niepożądanych, w czasie użytkowania OT w układzie C-M-O, na potrzeby aktywnego zarządzania procesem eksploatacji. Obiekt w eksploatacji Baza wiedzy, baza danych eksploatacyjnych Predykcja zdarzeń losowych Aktywne zarządzanie Predykcja zdarzeń w pętli zarządzania eksploatacją
31 Cel rozwiązywany poprzez sformułowanie problemów cząstkowych
32 3. PROBLEMY CZĄSTKOWE Pierwszy problem diagnostyka stanu technicznego metody regresji wielorakiej zdefiniowanie zmiennych objaśnianych i objaśniających Pozyskiwanie, przetwarzanie danych, estymacja modelu Badanie rozkładu błędu modelu Sprawdzenie adekwatności modelu Zastosowanie modelu do oceny stanu obiektu i działań Proces modelowania regresyjnego
33 Podejmowanie działań zależnych od sygnałów diagnostycznych d wymaga ustalenia relacji pomiędzy wektorem stanów technicznych i macierzą stanów diagnostycznych X n 1 Φ(d) n (k+1) X = Φ(d) n 1 n (k+1) β (k+1) 1 wektor stanów technicznych, + ε n 1 (1) macierz przekształconych sygnałów diagnostycznych, wektor parametrów, β (k+1) 1 ε n 1 wektor błędów losowych.
34 Klasyfikator stanów Na potrzeby podejmowania bieżących i przyszłych działań eksploatacyjnych opracowywane są klasyfikatory stanów Macierz parametrów stanu diagnozowanego obiektu + taksonomia = podstawa tworzenia bazy działań typu: jeżeli OT znajdzie się w stanie w, to podejmij działanie lub spowoduj reakcję r(w)
35 Klasyfikator stanów Na potrzeby podejmowania bieżących i przyszłych działań eksploatacyjnych opracowywane są klasyfikatory stanów Macierz parametrów stanu diagnozowanego obiektu + taksonomia = podstawa tworzenia bazy działań typu: jeżeli OT znajdzie się w stanie w, to podejmij działanie lub spowoduj reakcję r(w)
36 Metodyka predykcji zdarzeń niepożądanych z uwzględnieniem zagrożeń Identyfikacja zagrożeń Identyfikacja podatności Identyfikacja systemów zabezpieczeń Predykcja możliwych zdarzeń niepożądanych Ocena ryzyka Zbiór decyzji Działania Schemat procesu przygotowania decyzji i działań Podatność wada lub luka w strukturze fizycznej, organizacyjnej, proceduralnej, administracyjnej, zarządzającej, oprogramowania obiektu pozwalająca zagrożeniu wykorzystać ją do spowodowania szkód.
37 Metodyka predykcji zdarzeń niepożądanych z uwzględnieniem zagrożeń Identyfikacja zagrożeń Identyfikacja podatności Identyfikacja systemów zabezpieczeń Predykcja możliwych zdarzeń niepożądanych Ocena ryzyka Zbiór decyzji Działanie Schemat procesu przygotowania decyzji i działań Podatność wada lub luka w strukturze fizycznej, organizacyjnej, proceduralnej, administracyjnej, zarządzającej, oprogramowania obiektu pozwalająca zagrożeniu wykorzystać ją do spowodowania szkód.
38 METODY PREDYKCJI ZDARZEŃ Modele A. Warunkowe modele zdarzeń 1. CRM1 2. CRM2 Modele B. Modele predykcji czasu zdatności 1. normalny 2. uogólniony gamma 3. PH 4. dynamiczny PH Służą zwiększaniu gotowości i poziomu bezpieczeństwa użytkowania OT poprzez identyfikację potencjalnych zagrożeń i zmniejszanie podatności na nie.
39 METODY PREDYKCJI ZDARZEŃ Modele A. Warunkowe modele zdarzeń 1. CRM1 2. CRM2 Modele B. Modele predykcji czasu zdatności 1. normalny 2. uogólniony gamma 3. PH 4. dynamiczny PH Służą zwiększaniu gotowości i poziomu bezpieczeństwa użytkowania OT poprzez identyfikację potencjalnych zagrożeń i zmniejszanie podatności na nie.
40 II. Model CRM2 z dwoma typami uszkodzeń Uwzględnia: uszkodzenia incydentalne, uszkodzenia starzeniowe. Proponowana jest trójparametrowa rodzina rozkładów, której funkcja intensywności uszkodzeń przyjmuje postać: h T(λ1,λ 2,β)(t) = λ 1 + λ 2 β(λ 2 t) β 1, λ 1, λ 2, β > 0 (2) Rozkład ten został zastosowany do badania przyczyny awaryjności samochodów osobowych. Funkcja przeżycia S T(λ1,λ 2,β)(t) = exp ( λ 1 t (λ 2 t) β ) (3)
41 II. Model CRM2 z dwoma typami uszkodzeń Uwzględnia: uszkodzenia incydentalne, uszkodzenia starzeniowe. Proponowana jest trójparametrowa rodzina rozkładów, której funkcja intensywności uszkodzeń przyjmuje postać: h T(λ1,λ 2,β)(t) = λ 1 + λ 2 β(λ 2 t) β 1, λ 1, λ 2, β > 0 (2) Rozkład ten został zastosowany do badania przyczyny uszkodzeń samochodów osobowych. Funkcja przeżycia S T(λ1,λ 2,β)(t) = exp ( λ 1 t (λ 2 t) β ) (3)
42 Predykcja typu uszkodzenia P(T E < T W ) = λ 1 π exp ( λ 2 1 λ 2 2 4λ2) erfc ( λ 1 ) (4) 2 2λ 2 Na podstawie danych serwisowych zostały oszacowane parametry λ 1 i λ 2 [1/rok] modelu dla β = 2. Estymacja została dokonana na podstawie dwóch typów uszkodzeń, tj. incydentalnych, dla których λ 1 1, oraz starzeniowych dla których λ 2 2. Stąd gęstość prawd. (jednostką jest rok eksploatacji): f T(1,2,2) (t) = (1 + 8t)exp ( t 4t 2 ),
43 Predykcja typu uszkodzenia P(T E < T W ) = λ 1 π exp ( λ 2 1 λ 2 2 4λ2) erfc ( λ 1 ) (4) 2 2λ 2 Na podstawie danych serwisowych zostały oszacowane parametry λ 1 i λ 2 [1/rok] modelu dla β = 2. Estymacja została dokonana na podstawie dwóch typów uszkodzeń, tj. incydentalnych, dla których λ 1 1, oraz starzeniowych dla których λ 2 2. Stąd gęstość prawd. (jednostką jest rok eksploatacji): f T(1,2,2) (t) = (1 + 8t)exp ( t 4t 2 ),
44 Prawdopodobieństwo, że pojazd z badanej zbiorowości trafi do stacji napraw z uszkodzeniem incydentalnym sprowadza się do obliczenia P(T E < T W ) = ( π 4) exp(0,0625) erfc(0,25) 0,34126 Prawdopodobieństwa utraty zdatności λ 2 λ 1 0,1 0,2 0,5 1 1, P(T E T W ) 0,98 0,93 0,75 0,54 0,42 0,34 0,15 0,08 Czas oczekiwania na zdarzenie niepożądane: ET = π exp ( λ 2 1 2λ 2 4λ2) erfc ( λ 1 ) (5) 2 2λ 2
45 Prawdopodobieństwo, że pojazd z badanej zbiorowości trafi do stacji napraw z uszkodzeniem incydentalnym sprowadza się do obliczenia P(T E < T W ) = ( π 4) exp(0,0625) erfc(0,25) 0,34126 Prawdopodobieństwa utraty zdatności λ 2 λ 1 0,1 0,2 0,5 1 1, P(T E T W ) 0,98 0,93 0,75 0,54 0,42 0,34 0,15 0,08 Czas oczekiwania na zdarzenie niepożądane: ET = π exp ( λ 2 1 2λ 2 4λ2) erfc ( λ 1 ) (5) 2 2λ 2
46 III. Predykcje czasu przetrwania z uwzględnieniem różnych warunków użytkowania Uogólniony model gamma S(t z) Γ(α(z),β(z)tγ(z) ) l Γ(α(z)) (0, ) (t) (6) α(z), β(z), γ(z) dodatnie parametry zależne od warunków eksploatacji z, Γ(x) funkcja specjalna gamma, Γ(x, y) niepełna funkcja gamma: Γ(x, y) = y t x 1 exp( t) dt (7)
47 Warunkowa funkcja intensywności uszkodzeń: h(t z) = γ(z) (β(z)) α(z) Γ(α(z), β(z)t γ(z) ) tα(z)γ(z) 1 exp( β(z)t γ(z) ) l (0, ) (t) Warunkowy czas oczekiwania na zdarzenie niepożądane przy użytkowaniu OT w warunkach z: E(T z) = Γ(α(z)+ 1 γ(z) ) Γ(α(z)) (β(z)) 1 γ(z) (8)
48 Czwarty problem cząstkowy Przyczynowe predykcje utraty zdatności OT wielomodułowy system przeznaczony do realizacji określonych zadań w określonych warunkach eksploatacyjnych. Paradygmat: utrata zdatności OT następuje symultanicznie wraz z uszkodzeniem dokładnie jednego z jego modułów. Moduł ten jest uznawany za bezpośrednią przyczynę utraty zdatności.
49 Czwarty problem cząstkowy Przyczynowe predykcje utraty zdatności OT wielomodułowy system przeznaczony do realizacji określonych zadań w określonych warunkach eksploatacyjnych. Paradygmat: utrata zdatności OT następuje symultanicznie wraz z uszkodzeniem dokładnie jednego z jego modułów. Moduł ten jest uznawany za bezpośrednią przyczynę utraty zdatności.
50 Metody przyczynowej predykcji służą do wskazywania tych modułów, które winny być poddane obsłudze zapobiegawczej, gdyż ich uszkodzenie stanie się bezpośrednią przyczyną uszkodzenia OT. Do ustalania rankingu wpływu modułów na uszkodzenie OT zdefiniowane zostały trzy kryteria będące modyfikacjami kryterium Birnbauma I i B (t) = P(φ(1 i, X(t)) φ(0 i, X(t)) = 1) (9) Zygmunt Wilhelm Birnbaum ( ) wywodzi się z Lwowskiej Szkoły Matematycznej. Jest współtwórcą przestrzeni Birnbauma-Orlicza, rozkładu Birnbauma- Saundersa i podstaw teorii niezawodności.
51 Metody przyczynowej predykcji służą do wskazywania tych modułów, które winny być poddane obsłudze zapobiegawczej, gdyż ich uszkodzenie stanie się bezpośrednią przyczyną uszkodzenia OT. Do ustalania rankingu wpływu modułów na uszkodzenie OT zdefiniowane zostały trzy kryteria będące modyfikacjami kryterium Birnbauma I i B (t) = P(φ(1 i, X(t)) φ(0 i, X(t)) = 1) (9) Zygmunt Wilhelm Birnbaum ( ) wywodzi się z Lwowskiej Szkoły Matematycznej. Jest współtwórcą przestrzeni Birnbauma-Orlicza, rozkładu Birnbauma- Saundersa i podstaw teorii niezawodności.
52 Pierwsza modyfikacja kryterium zastosowanie iloczynów I i B (t)f i (t) Wersja unormowana I i B1 (t) = I i B (t)f i (t) i C I i B (t)f i (t) (10) Kryterium to służy do predykcji przyczyny utraty zdatności OT w chwili t > 0 jego użytkowania. Zygmunt Wilhelm Birnbaum ( ) wywodzi się z Lwowskiej Szkoły Matematycznej. Jest współtwórcą przestrzeni Birnbauma-Orlicza, rozkładu Birnbauma- Saundersa i podstaw teorii niezawodności.
53 Druga modyfikacja w wersji nieunormowanej modyfikacja przyjmuje postać I B2 t i (t) = I B i (u)df i (u) du (11) 0 Kryterium to jest stosowane, gdy celem badań jest ustalenie potencjalnej przyczyny utraty zdatności OT przy założeniu, że utrata zdatności nastąpi w losowej chwili T z ustalonego przedziału (0, t). 0 T t
54 Trzecia modyfikacja nieistotny jest czas, w którym nastąpi utrata zdatności I i B3 0 I i B (t)df i (t) dt (12) Przykładowe struktury niezawodnościowe OT Struktura Minimalne niezawodnościowa ścieżki φ 1 {e 1, e 2, e 3 } φ 2 {e 1, e 2 } {e 1, e 3 } {e 2, e 3 } Schemat e 1 e 2 e 3 e 1 e 1 e 2 e 3 e 2 e 3
55 φ 3 {e 1 } {e 2 } {e 3 } e 1 e 2 e 3 φ 4 {e 1, e 2 } {e 1, e 3 } e 1 e 2 e 3 φ 5 {e 1, e 3 } {e 2, e 3 } e 1 e 2 e 3 Dane: R i (t) = exp( λ i t), t > 0, λ i > 0, i = 1, 2, 3 ET 1 = 10 [j. c. ], ET 2 = 20 [j. c. ], ET 3 = 30 [j. c. ]
56 Wyniki prognoz symulacyjnych i analitycznych Moduł \ system e 1 e 2 e 3 MS MA MS MA MS MA e 1 e 2 e 1 e 2 e 3 e1 0,570 0,545 0,280 0,273 0,150 0,182 e 2 e 3 0,260 0,326 0,450 0,388 0,290 0,286 0,170 0,129 0,270 0,339 0,560 0,532 0,830 0,871 0,090 0,061 0,080 0,068 0,200 0,205 0,360 0,327 0,440 0,468 Wyznaczony ranking modułów służy do planowania racjonalnej profilaktycznej obsługi OT. Cel: zmniejszanie podatności na uszkodzenia, zwiększanie gotowości operacyjnej i poziomu bezpieczeństwa. e 3 e 1 e 2 e 1 e 2 e 3 e 1 e 3 e 3 e 2
57 Piąty problem cząstkowy Predykcje stanu niezawodnościowego OT z zabezpieczeniami OT z zabezpieczeniami, to obiekt z nadmiarowością diagnostyczno-usprawniającą, obniżającą jego podatność na zagrożenia, a tym samym zwiększającą jego gotowość i zwiększającą bezpieczeństwo jego użytkowania. Opracowano stochastyczny proces do wyznaczania gotowości OT przy: braku zabezpieczeń, częściowym zabezpieczeniu, W tym celu wprowadzona została miara stopnia zabezpieczenia
58 Piąty problem cząstkowy Predykcje stanu niezawodnościowego OT z zabezpieczeniami OT z zabezpieczeniem, to obiekt z nadmiarowością diagnostyczno-usprawniającą, obniżającą jego podatność na zagrożenia, a tym samym zwiększającą jego gotowość i zwiększającą bezpieczeństwo jego użytkowania. Opracowano stochastyczny model do wyznaczania gotowości OT przy: braku zabezpieczeń, częściowym zabezpieczeniu, W tym celu wprowadzona została miara stopnia zabezpieczenia.
59 Piąty problem cząstkowy Predykcje stanu niezawodnościowego OT z zabezpieczeniem OT z zabezpieczeniem, to obiekt z nadmiarowością diagnostyczno-usprawniającą, obniżającą jego podatność na zagrożenia, a tym samym zwiększającą jego gotowość i zwiększającą bezpieczeństwo jego użytkowania. Opracowano stochastyczny model do wyznaczania gotowości OT przy: braku zabezpieczeń, częściowym zabezpieczeniu,
60 5. PODSUMOWANIE Cel wykładu: identyfikacja problemów i opracowanie metod predykcji zdarzeń, w czasie użytkowania OT w układzie C-M-O, na potrzeby zarządzania procesem ich eksploatacji został omówiony poprzez wskazanie metod rozwiązywania wybranych problemów cząstkowych.
61 5. PODSUMOWANIE Cel wykładu identyfikacja problemów i opracowanie metod predykcji zdarzeń, w czasie użytkowania OT w układzie C-M-O, na potrzeby zarządzania procesem ich eksploatacji został omówiony poprzez wskazanie metod rozwiązywania wybranych problemów cząstkowych.
62 Literatura: 1. Andrzejczak K. (2013) Metody prognozowania w modelowaniu eksploatacji środków transportu. Wyd. PP. 2. Andrzejczak K. (2009) Probabilistic model for competing risk. Maintenance Problems, 75, s Andrzejczak K., Popowska B. (2011) Three parameter model of the system lifetime with two types of risks. Maintenance Problems, 80, s Andrzejczak K., Popowska B. (2013) Probabilistic safety assessment of the critical infrastructure. Materiały XLI ZSN. 5. Kołowrocki K., Soszyńska-Budny J. (2011) Reliability and safety of complex Technical Systems and Processes. London, Springer. 6. Młyńczak M. (2012) Metodyka badań eksploatacyjnych obiektów mechanicznych. Oficyna Wydawnicza PWr.
63
Funkcje charakteryzujące proces. Dr inż. Robert Jakubowski
Funkcje charakteryzujące proces eksploatacji Dr inż. Robert Jakubowski Niezawodność Niezawodność Rprawdopodobieństwo, że w przedziale czasu od do t cechy funkcjonalne statku powietrznego Ubędą się mieścić
Bardziej szczegółowoCechy eksploatacyjne statku. Dr inż. Robert Jakubowski
Cechy eksploatacyjne statku powietrznego Dr inż. Robert Jakubowski Własności i właściwości SP Cechy statku technicznego, które są sformułowane w wymaganiach taktyczno-technicznych, konkretyzują się w jego
Bardziej szczegółowoPrognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania
Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym
Bardziej szczegółowoTRÓJPARAMETROWY MODEL ZDATNOŚCI SYSTEMU Z DWOMA TYPAMI ZAGROŻEŃ
1-011 PROBLEMY EKSPLOATACJI 17 Karol ANDRZEJCZAK, Barbara POPOWSKA Politechnika Poznańska, Poznań TRÓJPARAMETROWY MODEL ZDATNOŚCI SYSTEMU Z DWOMA TYPAMI ZAGROŻEŃ Słowa kluczowe Funkcja przetrwania, funkcja
Bardziej szczegółowoPodstawy diagnostyki środków transportu
Podstawy diagnostyki środków transportu Diagnostyka techniczna Termin "diagnostyka" pochodzi z języka greckiego, gdzie diagnosis rozróżnianie, osądzanie. Ukształtowana już w obrębie nauk eksploatacyjnych
Bardziej szczegółowoPolitechnika Krakowska im. Tadeusza Kościuszki KARTA PRZEDMIOTU
Politechnika Krakowska im. Tadeusza Kościuszki KARTA obowiązuje słuchaczy rozpoczynających studia podyplomowe w roku akademickim 018/019 Nazwa studiów podyplomowych Budowa i eksploatacja pojazdów szynowych
Bardziej szczegółowoKarta (sylabus) modułu/przedmiotu Transport Studia I stopnia. Język polski
Karta (sylabus) modułu/przedmiotu Transport Studia I stopnia Przedmiot: Niezawodność środków transportu Rodzaj przedmiotu: obowiązkowy Kod przedmiotu: TR 1 S 0 6 42-0_1 Rok: III Semestr: 6 Forma studiów:
Bardziej szczegółowoPARAMETRY, WŁAŚCIWOŚCI I FUNKCJE NIEZAWODNOŚCIOWE NAPOWIETRZNYCH LINII DYSTRYBUCYJNYCH 110 KV
Elektroenergetyczne linie napowietrzne i kablowe wysokich i najwyższych napięć PARAMETRY, WŁAŚCIWOŚCI I FUNKCJE NIEZAWODNOŚCIOWE NAPOWIETRZNYCH LINII DYSTRYBUCYJNYCH 110 KV Wisła, 18-19 października 2017
Bardziej szczegółowoModelowanie niezawodności prostych struktur sprzętowych
Modelowanie niezawodności prostych struktur sprzętowych W ćwiczeniu tym przedstawione zostaną proste struktury sprzętowe oraz sposób obliczania ich niezawodności przy założeniu, że funkcja niezawodności
Bardziej szczegółowoWYDZIAŁ MECHANICZNY ENERGETYKI I LOTNICTWA WYKŁAD
POLITECHNIKA WARSZAWSKA WYDZIAŁ MECHANICZNY ENERGETYKI I LOTNICTWA WYKŁAD 3 dr inż. Kamila Kustroń Warszawa, 10 marca 2015 24 lutego: Wykład wprowadzający w interdyscyplinarną tematykę eksploatacji statków
Bardziej szczegółowoXXXIII Konferencja Statystyka Matematyczna
XXXIII Konferencja Statystyka Matematyczna MODEL AUTOPSJI KOHERENTNEGO SYSTEMU Karol J. ANDRZEJCZAK kandrzej@math.put.poznan.pl Politechnika Poznańska http://www.put.poznan.pl/ PROGRAM REFERATU. WPROWADZENIE
Bardziej szczegółowoW3 - Niezawodność elementu nienaprawialnego
W3 - Niezawodność elementu nienaprawialnego Henryk Maciejewski Jacek Jarnicki Jarosław Sugier www.zsk.iiar.pwr.edu.pl Niezawodność elementu nienaprawialnego 1. Model niezawodności elementu nienaprawialnego
Bardziej szczegółowoEKSPLOATACJA SYSTEMÓW TECHNICZNYCH
Jan Kaźmierczak EKSPLOATACJA SYSTEMÓW TECHNICZNYCH dla studentów kierunków: ZARZĄDZANIE Gliwice, 1999 SPIS TREŚCI 1. WPROWADZENIE... 7 2. PRZEGLĄD PODSTAWOWYCH PROBLEMÓW EKSPLOATACJI SYSTEMÓW TECHNICZNYCH...
Bardziej szczegółowoZastosowanie modelu regresji logistycznej w ocenie ryzyka ubezpieczeniowego. Łukasz Kończyk WMS AGH
Zastosowanie modelu regresji logistycznej w ocenie ryzyka ubezpieczeniowego Łukasz Kończyk WMS AGH Plan prezentacji Model regresji liniowej Uogólniony model liniowy (GLM) Ryzyko ubezpieczeniowe Przykład
Bardziej szczegółowoInstytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów
Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa Diagnostyka i niezawodność robotów Laboratorium nr 4 Modelowanie niezawodności prostych struktur sprzętowych Prowadzący: mgr inż. Marcel Luzar Cel
Bardziej szczegółowoStreszczenie: Zasady projektowania konstrukcji budowlanych z uwzględnieniem aspektów ich niezawodności wg Eurokodu PN-EN 1990
Streszczenie: W artykule omówiono praktyczne podstawy projektowania konstrukcji budowlanych wedłu Eurokodu PN-EN 1990. Podano metody i procedury probabilistyczne analizy niezawodności konstrukcji. Podano
Bardziej szczegółowoSpis treści Przedmowa
Spis treści Przedmowa 1. Wprowadzenie do problematyki konstruowania - Marek Dietrich (p. 1.1, 1.2), Włodzimierz Ozimowski (p. 1.3 -i-1.7), Jacek Stupnicki (p. l.8) 1.1. Proces konstruowania 1.2. Kryteria
Bardziej szczegółowoSpis treści. Przedmowa 11
Podstawy konstrukcji maszyn. T. 1 / autorzy: Marek Dietrich, Stanisław Kocańda, Bohdan Korytkowski, Włodzimierz Ozimowski, Jacek Stupnicki, Tadeusz Szopa ; pod redakcją Marka Dietricha. wyd. 3, 2 dodr.
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: PROGNOZOWANIE Z WYKORZYSTANIEM SYSTEMÓW INFORMATYCZNYCH Kierunek: Informatyka Rodzaj przedmiotu: obowiązkowy w ramach treści kierunkowych Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU
Bardziej szczegółowoRozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów
Rozdział : Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów W tym rozdziale omówione zostaną dwie najpopularniejsze metody estymacji parametrów w ekonometrycznych modelach nieliniowych,
Bardziej szczegółowoStatystyka opisowa. Wykład V. Regresja liniowa wieloraka
Statystyka opisowa. Wykład V. e-mail:e.kozlovski@pollub.pl Spis treści 1 Prosta regresji cechy Y względem cech X 1,..., X k. 2 3 Wyznaczamy zależność cechy Y od cech X 1, X 2,..., X k postaci Y = α 0 +
Bardziej szczegółowoStatystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria Wykład 9 Anna Skowrońska-Szmer lato 2016/2017 Ekonometria (Gładysz B., Mercik J., Modelowanie ekonometryczne. Studium przypadku, Wydawnictwo PWr., Wrocław 2004.) 2
Bardziej szczegółowoDiagnostyka procesów i jej zadania
Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski Wykład 1 Literatura 1 J. Korbicz, J.M. Kościelny, Z. Kowalczuk, W. Cholewa (red.): Diagnostyka procesów. Modele, metody sztucznej
Bardziej szczegółowoNiezawodność i diagnostyka projekt. Jacek Jarnicki
Niezawodność i diagnostyka projekt Jacek Jarnicki Zajęcia wprowadzające 1. Cel zajęć projektowych 2. Etapy realizacji projektu 3. Tematy zadań do rozwiązania 4. Podział na grupy, wybór tematów, organizacja
Bardziej szczegółowoZAKŁAD SAMOLOTÓW I ŚMIGŁOWCÓW
ZAKŁAD SAMOLOTÓW I ŚMIGŁOWCÓW NK315 EKSPLOATACJA STATKÓW LATAJĄCYCH dr inż. Kamila Kustroń dr inż. Kamila Kustroń ZAKŁAD SAMOLOTÓW I ŚMIGŁOWCÓW NK315 EKSPLOATACJA STATKÓW LATAJĄCYCH 1. Wykład wprowadzający
Bardziej szczegółowoPROTOKÓŁ NR 10. Techniki wirtualne w badaniach stanu, zagrożeń bezpieczeństwa i środowiska eksploatowanych maszyn
30.10.2012 PROTOKÓŁ NR 10 z zebrania organizacyjnego w sprawie realizacji projektu: Techniki wirtualne w badaniach stanu, zagrożeń bezpieczeństwa i środowiska eksploatowanych maszyn Data: 30.10.2012 Miejsce:
Bardziej szczegółowoInstytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów
Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa Diagnostyka i niezawodność robotów Laboratorium nr 6 Model matematyczny elementu naprawialnego Prowadzący: mgr inż. Marcel Luzar Cele ćwiczenia:
Bardziej szczegółowoDiaSter - system zaawansowanej diagnostyki aparatury technologicznej, urządzeń pomiarowych i wykonawczych. Politechnika Warszawska
Jan Maciej Kościelny, Michał Syfert DiaSter - system zaawansowanej diagnostyki aparatury technologicznej, urządzeń pomiarowych i wykonawczych Instytut Automatyki i Robotyki Plan wystąpienia 2 Wprowadzenie
Bardziej szczegółowoEgzamin / zaliczenie na ocenę*
Zał. nr do ZW /01 WYDZIAŁ / STUDIUM KARTA PRZEDMIOTU Nazwa w języku polskim Identyfikacja systemów Nazwa w języku angielskim System identification Kierunek studiów (jeśli dotyczy): Inżynieria Systemów
Bardziej szczegółowoNiezawodność i diagnostyka projekt
Niezawodność i diagnostyka projekt Jacek Jarnicki Henryk Maciejewski Zajęcia wprowadzające 1. Cel zajęć projektowych 2. Etapy realizacji projektu 3. Tematy zadań do rozwiązania 4. Podział na grupy, wybór
Bardziej szczegółowoSzacowanie optymalnego systemu Bonus-Malus przy pomocy Pseudo-MLE. Joanna Sawicka
Szacowanie optymalnego systemu Bonus-Malus przy pomocy Pseudo-MLE Joanna Sawicka Plan prezentacji Model Poissona-Gamma ze składnikiem regresyjnym Konstrukcja optymalnego systemu Bonus- Malus Estymacja
Bardziej szczegółowoEtapy modelowania ekonometrycznego
Etapy modelowania ekonometrycznego jest podstawowym narzędziem badawczym, jakim posługuje się ekonometria. Stanowi on matematyczno-statystyczną formę zapisu prawidłowości statystycznej w zakresie rozkładu,
Bardziej szczegółowoPolitechnika Krakowska im. Tadeusza Kościuszki. Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2014/2015
Politechnika Krakowska im. Tadeusza Kościuszki Karta przedmiotu Wydział Inżynierii Środowiska obowiązuje studentów rozpoczynających studia w roku akademickim 2014/2015 Kierunek studiów: Inżynieria Środowiska
Bardziej szczegółowoWeryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1
Weryfikacja hipotez statystycznych KG (CC) Statystyka 26 V 2009 1 / 1 Sformułowanie problemu Weryfikacja hipotez statystycznych jest drugą (po estymacji) metodą uogólniania wyników uzyskanych w próbie
Bardziej szczegółowoW4 Eksperyment niezawodnościowy
W4 Eksperyment niezawodnościowy Henryk Maciejewski Jacek Jarnicki Jarosław Sugier www.zsk.iiar.pwr.edu.pl Badania niezawodnościowe i analiza statystyczna wyników 1. Co to są badania niezawodnościowe i
Bardziej szczegółowoSpis treści 3 SPIS TREŚCI
Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Automatyki
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Automatyki Kazimierz Kosmowski k.kosmowski@ely.pg.gda.pl Opracowanie metod analizy i narzędzi do komputerowo wspomaganego zarządzania bezpieczeństwem
Bardziej szczegółowoOkreślenie maksymalnego kosztu naprawy pojazdu
MACIEJCZYK Andrzej 1 ZDZIENNICKI Zbigniew 2 Określenie maksymalnego kosztu naprawy pojazdu Kryterium naprawy pojazdu, aktualna wartość pojazdu, kwantyle i kwantyle warunkowe, skumulowana intensywność uszkodzeń
Bardziej szczegółowoRys. 1. Instalacja chłodzenia wodą słodką cylindrów silnika głównego (opis w tekście)
Leszek Chybowski Wydział Mechaniczny Politechnika Szczecińska ZASTOSOWANIE DRZEWA USZKODZEŃ DO WYBRANEGO SYSTEMU SIŁOWNI OKRĘTOWEJ 1. Wprowadzenie Stanem systemu technicznego określa się zbiór wartości
Bardziej szczegółowoEkonometria dynamiczna i finansowa Kod przedmiotu
Ekonometria dynamiczna i finansowa - opis przedmiotu Informacje ogólne Nazwa przedmiotu Ekonometria dynamiczna i finansowa Kod przedmiotu 11.5-WK-IiED-EDF-W-S14_pNadGenMOT56 Wydział Kierunek Wydział Matematyki,
Bardziej szczegółowoPytania kierunkowe KIB 10 KEEEIA 5 KMiPKM 5 KIS 4 KPB 4 KTMiM 4 KBEPiM 3 KMRiMB 3 KMiETI 2
Kierunek: INŻYNIERIA BEZPIECZEŃSTWA I stopień studiów I. Pytania kierunkowe Pytania kierunkowe KIB 10 KEEEIA 5 KMiPKM 5 KIS 4 KPB 4 KTMiM 4 KBEPiM 3 KMRiMB 3 KMiETI 2 Katedra Budowy, Eksploatacji Pojazdów
Bardziej szczegółowoPODSTAWY OCENY WSKAŹNIKÓW ZAWODNOŚCI ZASILANIA ENERGIĄ ELEKTRYCZNĄ
Andrzej Purczyński PODSTAWY OCENY WSKAŹNIKÓW ZAWODNOŚCI ZASILANIA ENERGIĄ ELEKTRYCZNĄ Materiały szkolenia technicznego, Jakość energii elektrycznej i jej rozliczanie, Poznań Tarnowo Podgórne II/2008, ENERGO-EKO-TECH
Bardziej szczegółowoWYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU
WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU Nazwa w języku polskim: STATYSTYKA W MODELACH NIEZAWODNOŚCI I ANALIZIE PRZEŻYCIA Nazwa w języku angielskim: STATISTICS IN RELIABILITY MODELS AND
Bardziej szczegółowoSystemy zabezpieczeń
Systemy zabezpieczeń Definicja System zabezpieczeń (safety-related system) jest to system, który implementuje funkcje bezpieczeństwa konieczne do utrzymania bezpiecznego stanu instalacji oraz jest przeznaczony
Bardziej szczegółowoPodstawy niezawodności Bases of reliability. Elektrotechnika II stopień (I stopień / II stopień) Ogólnoakademicki (ogólno akademicki / praktyczny)
Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/13
Bardziej szczegółowoElektrotechnika I stopień (I stopień / II stopień) Ogólno akademicki (ogólno akademicki / praktyczny) Kierunkowy (podstawowy / kierunkowy / inny HES)
KARTA MODUŁU / KARTA PRZEDMIOTU Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Niezawodność zasilania energią elektryczną
Bardziej szczegółowoSYLABUS. Nazwa jednostki prowadzącej Wydział Matematyczno Przyrodniczy Centrum Mikroelektroniki i Nanotechnologii
SYLABUS Nazwa Wprowadzenie do metrologii Nazwa jednostki prowadzącej Wydział Matematyczno Przyrodniczy przedmiot Centrum Mikroelektroniki i Nanotechnologii Kod Studia Kierunek studiów Poziom kształcenia
Bardziej szczegółowoMT 2 N _0 Rok: 1 Semestr: 1 Forma studiów:
Mechatronika Studia drugiego stopnia Przedmiot: Diagnostyka maszyn Rodzaj przedmiotu: obowiązkowy Kod przedmiotu: MT N 0 1 1-0_0 Rok: 1 Semestr: 1 Forma studiów: Studia niestacjonarne Rodzaj zajęć i liczba
Bardziej szczegółowoAnaliza przeżycia. Wprowadzenie
Wprowadzenie Przedmiotem badania analizy przeżycia jest czas jaki upływa od początku obserwacji do wystąpienia określonego zdarzenia, które jednoznacznie kończy obserwację na danej jednostce. Analiza przeżycia
Bardziej szczegółowoStatystyczna analiza awarii pojazdów samochodowych. Failure analysis of cars
Wydawnictwo UR 2016 ISSN 2080-9069 ISSN 2450-9221 online Edukacja Technika Informatyka nr 1/15/2016 www.eti.rzeszow.pl DOI: 10.15584/eti.2016.1.1 ROMAN RUMIANOWSKI Statystyczna analiza awarii pojazdów
Bardziej szczegółowoDiagnostyka procesów przemysłowych Kod przedmiotu
Diagnostyka procesów przemysłowych - opis przedmiotu Informacje ogólne Nazwa przedmiotu Diagnostyka procesów przemysłowych Kod przedmiotu 06.0-WE-AiRP-DPP Wydział Kierunek Wydział Informatyki, Elektrotechniki
Bardziej szczegółowoWYZNACZANIE OPTYMALIZOWANYCH PROCEDUR DIAGNOSTYCZNO-OBSŁUGOWYCH
ZAKŁAD EKSPLOATACJI SYSTEMÓW ELEKTRONICZNYCH INSTYTUT SYSTEMÓW ELEKTRONICZNYCH WYDZIAŁ ELEKTRONIKI WOJSKOWA AKADEMIA TECHNICZNA ---------------------------------------------------------------------------------------------------------------
Bardziej szczegółowoKarta (sylabus) modułu/przedmiotu Transport Studia I stopnia
Karta (sylabus) modułu/przedmiotu Transport Studia I stopnia Przedmiot: Diagnostyka techniczna Rodzaj przedmiotu: Podstawowy/obowiązkowy Kod przedmiotu: TR 1 S 0 4 9-0_1 Rok: Semestr: 4 Forma studiów:
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Matematyka ubezpieczeń majątkowych 3..007 r. Zadanie. Każde z ryzyk pochodzących z pewnej populacji charakteryzuje się tym że przy danej wartości λ parametru ryzyka Λ rozkład wartości szkód z tego ryzyka
Bardziej szczegółowoOdniesienie do obszarowych efektów kształcenia 1 2 3. Kierunkowe efekty kształcenia WIEDZA (W)
EFEKTY KSZTAŁCENIA NA KIERUNKU "MECHATRONIKA" nazwa kierunku studiów: Mechatronika poziom kształcenia: studia pierwszego stopnia profil kształcenia: ogólnoakademicki symbol kierunkowych efektów kształcenia
Bardziej szczegółowoĆwiczenia IV
Ćwiczenia IV - 17.10.2007 1. Spośród podanych macierzy X wskaż te, których nie można wykorzystać do estymacji MNK parametrów modelu ekonometrycznego postaci y = β 0 + β 1 x 1 + β 2 x 2 + ε 2. Na podstawie
Bardziej szczegółowoS YLABUS MODUŁU (PRZEDMIOTU) I nformacje ogólne. Nie dotyczy
S YLABUS MODUŁU (PRZEDMIOTU) I nformacje ogólne Nazwa modułu: Moduł B - Statystyka z elementami matematyki Rodzaj modułu/przedmiotu Wydział PUM Kierunek studiów Specjalność Poziom studiów Forma studiów
Bardziej szczegółowoMetody systemowe i decyzyjne w informatyce
Metody systemowe i decyzyjne w informatyce Laboratorium JAVA Zadanie nr 2 Rozpoznawanie liter autorzy: A. Gonczarek, J.M. Tomczak Cel zadania Celem zadania jest zapoznanie się z problemem klasyfikacji
Bardziej szczegółowoEkonometria. Modelowanie zmiennej jakościowej. Jakub Mućk. Katedra Ekonomii Ilościowej
Ekonometria Modelowanie zmiennej jakościowej Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Ćwiczenia 8 Zmienna jakościowa 1 / 25 Zmienna jakościowa Zmienna ilościowa może zostać zmierzona
Bardziej szczegółowoStatystyka i Analiza Danych
Warsztaty Statystyka i Analiza Danych Gdańsk, 20-22 lutego 2014 Zastosowania wybranych technik regresyjnych do modelowania współzależności zjawisk Janusz Wątroba StatSoft Polska Centrum Zastosowań Matematyki
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład XIII: Prognoza. 26 stycznia 2015 Wykład XIII: Prognoza. Prognoza (predykcja) Przypuśćmy, że mamy dany ciąg liczb x 1, x 2,..., x n, stanowiących wyniki pomiaru pewnej zmiennej w czasie wielkości
Bardziej szczegółowoNiezawodność w energetyce Reliability in the power industry
KARTA MODUŁU / KARTA PRZEDMIOTU Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013
Bardziej szczegółowoModele DSGE. Jerzy Mycielski. Maj Jerzy Mycielski () Modele DSGE Maj / 11
Modele DSGE Jerzy Mycielski Maj 2008 Jerzy Mycielski () Modele DSGE Maj 2008 1 / 11 Modele DSGE DSGE - Dynamiczne, stochastyczne modele równowagi ogólnej (Dynamic Stochastic General Equilibrium Model)
Bardziej szczegółowoNiezawodność elementów i systemów. Sem. 8 Komputerowe Systemy Elektroniczne, 2009/2010 1
Niezawodność elementów i systemów Sem. 8 Komputerowe Systemy Elektroniczne, 2009/2010 1 Niezawodność wyrobu (obiektu) to spełnienie wymaganych funkcji w określonych warunkach w ustalonym czasie Niezawodność
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: SYSTEMY INFORMATYCZNE WSPOMAGAJĄCE DIAGNOSTYKĘ MEDYCZNĄ Kierunek: Inżynieria Biomedyczna Rodzaj przedmiotu: obowiązkowy moduł specjalności informatyka medyczna Rodzaj zajęć: wykład, projekt
Bardziej szczegółowoJak długo żyją spółki na polskiej giełdzie? Zastosowanie statystycznej analizy przeżycia do modelowania upadłości przedsiębiorstw
Jak długo żyją spółki na polskiej giełdzie? Zastosowanie statystycznej analizy przeżycia do modelowania upadłości przedsiębiorstw dr Karolina Borowiec-Mihilewicz Uniwersytet Ekonomiczny we Wrocławiu Zastosowania
Bardziej szczegółowoUchwała Nr 22/2017/V Senatu Politechniki Lubelskiej z dnia 25 maja 2017 r.
Uchwała Nr 22/2017/V Senatu Politechniki Lubelskiej z dnia 25 maja 2017 r. w sprawie określenia efektów kształcenia dla studiów podyplomowych Analiza danych prowadzonych przez Wydział Zarządzania Na podstawie
Bardziej szczegółowoPOLITECHNIKA WROCŁAWSKA STUDIA DOKTORANCKIE JEDNOSTKA ZGŁASZAJĄCA/REALIZUJĄCA KURS: WYDZIAŁ BUDOWNICTWA LĄDOWEGO I WODNEGO / STUDIUM DOKTORANCKIE
JEDNOSTKA ZGŁASZAJĄCA/REALIZUJĄCA KURS: WYDZIAŁ BUDOWNICTWA LĄDOWEGO I WODNEGO / STUDIUM DOKTORANCKIE KARTA PRZEDMIOTU Nazwa w języku polskim: Symulacje Monte Carlo w obliczeniach inżynierskich Nazwa w
Bardziej szczegółowoEkonometria i prognozowanie Econometrics and prediction
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2013/2014 Ekonometria i prognozowanie Econometrics and prediction A. USYTUOWANIE
Bardziej szczegółowoPOISSONOWSKA APROKSYMACJA W SYSTEMACH NIEZAWODNOŚCIOWYCH
POISSONOWSKA APROKSYMACJA W SYSTEMACH NIEZAWODNOŚCIOWYCH Barbara Popowska bpopowsk@math.put.poznan.pl Politechnika Poznańska http://www.put.poznan.pl/ PROGRAM REFERATU 1. WPROWADZENIE 2. GRAF JAKO MODEL
Bardziej szczegółowoTematy prac dyplomowych w Katedrze Awioniki i Sterowania. Studia: I stopnia (inżynierskie)
Tematy prac dyplomowych w Katedrze Awioniki i Sterowania Studia I stopnia (inżynierskie) Temat: Skalowanie czujników prędkości kątowej i orientacji przestrzennej 1. Analiza właściwości czujników i układów
Bardziej szczegółowoMatematyka - Statystyka matematyczna Mathematical statistics 2, 2, 0, 0, 0
Nazwa przedmiotu: Kierunek: Matematyka - Statystyka matematyczna Mathematical statistics Inżynieria materiałowa Materials Engineering Rodzaj przedmiotu: Poziom studiów: forma studiów: obowiązkowy studia
Bardziej szczegółowoMetody Ilościowe w Socjologii
Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu
Bardziej szczegółowoESTYMACJA BŁĘDU PREDYKCJI I JEJ ZASTOSOWANIA
ESTYMACJA BŁĘDU PREDYKCJI I JEJ ZASTOSOWANIA Jan Mielniczuk Wisła, grudzień 2009 PLAN Błędy predykcji i ich podstawowe estymatory Estymacja błędu predykcji w modelu liniowym. Funkcje kryterialne Własności
Bardziej szczegółowoĆWICZENIE 4 WYZNACZANIE OPTYMALIZOWANYCH PROCEDUR DIAGNOSTYCZNO-OBSŁUGOWYCH
ĆWICZENIE 4 WYZNACZANIE OPTYMALIZOWANYCH PROCEDUR DIAGNOSTYCZNO-OBSŁUGOWYCH Cel ćwiczenia: - zapoznanie z podstawowymi metodami wyznaczania optymalizowanych procedur diagnozowania (m. in. z metodą skuteczności
Bardziej szczegółowoZałóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb
Współzależność Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb (x i, y i ). Geometrycznie taką parę
Bardziej szczegółowoLiczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 30 zaliczenie z oceną
Wydział: Zarządzanie i Finanse Nazwa kierunku kształcenia: Finanse i Rachunkowość Rodzaj przedmiotu: podstawowy Opiekun: prof. nadzw. dr hab. Tomasz Kuszewski Poziom studiów (I lub II stopnia): I stopnia
Bardziej szczegółowoEkonometria. Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych. Jakub Mućk. Katedra Ekonomii Ilościowej
Ekonometria Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Wykład 4 Prognozowanie, stabilność 1 / 17 Agenda
Bardziej szczegółowoStatystyka Matematyczna Anna Janicka
Statystyka Matematyczna Anna Janicka wykład IX, 25.04.2016 TESTOWANIE HIPOTEZ STATYSTYCZNYCH Plan na dzisiaj 1. Hipoteza statystyczna 2. Test statystyczny 3. Błędy I-go i II-go rodzaju 4. Poziom istotności,
Bardziej szczegółowoWYBRANE ZAGADNIENIA OPTYMALIZACJI PRZEGLĄDÓW OKRESOWYCH URZĄDZEŃ ELEKTRONICZNYCH
Problemy Kolejnictwa Zeszyt 149 89 Dr inż. Adam Rosiński Politechnika Warszawska WYBRANE ZAGADNIENIA OPTYMALIZACJI PRZEGLĄDÓW OKRESOWYCH URZĄDZEŃ ELEKTRONICZNYCH SPIS TREŚCI 1. Wstęp. Optymalizacja procesu
Bardziej szczegółowoKrakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2014/2015
Krakowska Akademia im. Andrzeja Frycza Modrzewskiego Karta przedmiotu obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 201/2015 WydziałZarządzania i Komunikacji Społecznej Kierunek studiów:
Bardziej szczegółowoBezpieczeństwo i koszty wdrażania Informatycznych Systemów Zarządzania Hubert Szczepaniuk Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Bezpieczeństwo i koszty wdrażania Informatycznych Systemów Zarządzania Hubert Szczepaniuk Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego Problem wdrażania IT w organizacji Wskaźnik powodzeń dużych
Bardziej szczegółowoL.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 4 ZADANIA - ZESTAW 4
ZADANIA - ZESTAW 4 Zadanie 4. 0-0,4 c 0 0, 0, Wznacz c. Wznacz rozkład brzegowe. Cz, są niezależne? (odp. c = 0,3 Zadanie 4.- 0-0,4 0,3 0 0, 0, Wznaczć macierz kowariancji i korelacji. Cz, są skorelowane?
Bardziej szczegółowoNazwa przedmiotu: Informatyczne systemy statystycznej obróbki danych. Informatics systems for the statistical treatment of data Kierunek:
Nazwa przedmiotu: Informatyczne systemy statystycznej obróbki danych I KARTA PRZEDMIOTU CEL PRZEDMIOTU Informatics systems for the statistical treatment of data Kierunek: Forma studiów Informatyka Stacjonarne
Bardziej szczegółowoStudent Bartosz Banaś Dr inż. Wiktor Kupraszewicz Dr inż. Bogdan Landowski Dr inż. Bolesław Przybyliński kierownik zespołu
I kwartał 2011 Student Bartosz Banaś Dr inż. Wiktor Kupraszewicz Dr inż. Bogdan Landowski Dr inż. Bolesław Przybyliński kierownik zespołu Powołany zespół, jako szczegółowe zadania realizacyjne w projekcie,
Bardziej szczegółowoFuzja sygnałów i filtry bayesowskie
Fuzja sygnałów i filtry bayesowskie Roboty Manipulacyjne i Mobilne dr inż. Janusz Jakubiak Katedra Cybernetyki i Robotyki Wydział Elektroniki, Politechnika Wrocławska Wrocław, 10.03.2015 Dlaczego potrzebna
Bardziej szczegółowoRozpoznawanie obrazów
Rozpoznawanie obrazów Ćwiczenia lista zadań nr 7 autorzy: A. Gonczarek, J.M. Tomczak Przykładowe problemy Klasyfikacja binarna Dla obrazu x zaproponowano dwie cechy φ(x) = (φ 1 (x) φ 2 (x)) T. Na obrazie
Bardziej szczegółowoAnaliza ryzyka nawierzchni szynowej Iwona Karasiewicz
Analiza ryzyka nawierzchni szynowej Iwona Karasiewicz VI Konferencja Nawierzchnie szynowe. Rynek-Inwestycje-Utrzymanie" WISŁA, 22-23 MARCA 2018 r. POZIOMY DOJRZAŁOŚCI ZARZĄDZANIA RYZYKIEM Poziom 1 naiwny
Bardziej szczegółowoZarządzanie eksploatacją w elektroenergetyce
Zarządzanie eksploatacją w elektroenergetyce dr inŝ. Szczepan Moskwa Energetyka jądrowa we współczesnej elektroenergetyce Studium podyplomowe, Jaworzno 2009/2010 Bezpieczeństwo energetyczne Definiuje je
Bardziej szczegółowoWSPÓŁCZYNNIK GOTOWOŚCI SYSTEMU LOKOMOTYW SPALINOWYCH SERII SM48
TECHNIKA TRANSPORTU SZYNOWEGO Andrzej MACIEJCZYK, Zbigniew ZDZIENNICKI WSPÓŁCZYNNIK GOTOWOŚCI SYSTEMU LOKOMOTYW SPALINOWYCH SERII SM48 Streszczenie W artykule wyznaczono współczynniki gotowości systemu
Bardziej szczegółowoTransformacja wiedzy w budowie i eksploatacji maszyn
Uniwersytet Technologiczno Przyrodniczy im. Jana i Jędrzeja Śniadeckich w Bydgoszczy Wydział Mechaniczny Transformacja wiedzy w budowie i eksploatacji maszyn Bogdan ŻÓŁTOWSKI W pracy przedstawiono proces
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: mechanika i budowa Maszyn Rodzaj przedmiotu: obowiązkowy na specjalności: Inżynieria cieplna i samochodowa Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU
Bardziej szczegółowoW6 Systemy naprawialne
W6 Systemy naprawialne Henryk Maciejewski Jacek Jarnicki Marek Woda www.zsk.iiar.pwr.edu.pl Plan wykładu 1. Graf stanów elementu naprawialnego / systemu 2. Analiza niezawodnościowa systemu model Markowa
Bardziej szczegółowoFunkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju
Funkcje charakterystyczne zmiennych losowych, linie regresji -go i 2-go rodzaju Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoNiezawodność i diagnostyka systemów
Niezawodność i diagnostyka systemów dr inż. Jacek Jarnicki doc. PWr. Instytut Cybernetyki Technicznej Politechniki Wrocławskiej p. 226 C3 tel. 320-28 28-2323 email jacek@ict.pwr.wroc.pl www.zsk.ict.pwr.wroc.pl
Bardziej szczegółowoWykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.
Rachunek prawdopodobieństwa MAT1332 Wydział Matematyki, Matematyka Stosowana Wykładowca: dr hab. Agnieszka Jurlewicz Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów. Warunkowa
Bardziej szczegółowoSpis treści. Analiza i modelowanie_nowicki, Chomiak_Księga1.indb :03:08
Spis treści Wstęp.............................................................. 7 Część I Podstawy analizy i modelowania systemów 1. Charakterystyka systemów informacyjnych....................... 13 1.1.
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka
Stanisław Cichocki Natalia Nehrebecka 1 1. Wstęp a) Binarne zmienne zależne b) Interpretacja ekonomiczna c) Interpretacja współczynników 2. Liniowy model prawdopodobieństwa a) Interpretacja współczynników
Bardziej szczegółowoKonspekt. Piotr Chołda 10 stycznia Modelowanie niezawodności systemów złożonych
Konspekt Piotr Chołda 0 stycznia 207 Modelowanie niezawodności systemów złożonych. Obiekty naprawialne. Czas (do) wystąpienia uszkodzenia (time to failure, T TF ), prawdopodobieństwo przeżycia (probability
Bardziej szczegółowo