ZESZYTY NAUKOWE NR 5(77) AKADEMII MORSKIEJ W SZCZECINIE. Podstawy prognozowania na tle oceny stanu technicznego urządzeń siłowni okrętowych
|
|
- Maria Seweryna Klimek
- 4 lat temu
- Przeglądów:
Transkrypt
1 ISSN ZESZYTY NAUKOWE NR 5(77) AKADEMII MORSKIEJ W SZCZECINIE OBSŁUGIWANIE MASZYN I URZĄDZEŃ OKRĘTOWYCH OMiUO 2005 Podstawy prognozowania na tle oceny stanu technicznego urządzeń siłowni okrętowych Słowa kluczowe: podstawy prognozowania, metody prognozowania, stan techniczny W artykule przedstawiono zagadnienia dotyczące podstaw prognozowania w ujęciu oceny stanu technicznego urządzeń siłowni okrętowych. Przytoczono definicje prognozowania, podział metod prognozowania oraz omówiono niektóre z nich. Zaprezentowano także wybrane procedury prognozowania. Basics of Prognosis Versus the Evaluation of Marine Propulsion Plant Technical Condition Key words: background of technical condition prognosis process, prognosis methods, technical condition The paper presents basic information on the prognosis theory in the aspect of technical condition estimation. The prognosis definitions have been given and classification of prognosis methods has been shown. Selected prognosis methods have been shortly described. Algorithms of prognosis procedures have been described. 449
2 Wstęp Zapewnienie prawidłowej eksploatacji urządzeń technicznych wymaga wiedzy o ich aktualnym stanie technicznym, stopniu zużycia poszczególnych podzespołów urządzeń oraz stopniu zużycia wykorzystywanych w nich materiałów eksploatacyjnych. Występowanie w trakcie eksploatacji urządzeń zarówno procesów zużycia i starzenia, których skutkiem jest powolna degradacja parametrów technicznych urządzenia, jak również uszkodzeń nagłych awarii, wiąże się ze zmianą stanu technicznego urządzenia ze stanu zdatności do stanu niezdatności lub niepełnej zdatności technicznej [10, 11]. Aby zminimalizować zagrożenia wynikające ze zmiany stanu technicznego, należy kontrolować urządzenie pomiędzy czynnościami obsługowymi oraz zadbać o właściwe rozplanowanie tych czynności [2, 7, 20]. Powoduje to okresowo potrzebę podjęcia decyzji uwzględniających prawdopodobne zdarzenia mogące nastąpić w przyszłości, a dotyczące eksploatacji siłowni, stanu urządzeń, czy zapotrzebowania na części zamienne. Potrzeba ta wynika ze specyfiki eksploatacji tak specyficznego obiektu, jakim jest siłownia okrętowa, a w szczególności z: wymogu długotrwałej nieprzerwanej pracy urządzeń napędowych podczas podróży morskiej; utrudnionego dostępu do części zamiennych i materiałów eksploatacyjnych oraz różnic ich jakości, w zależności od rejonu świata, w którym statek przebywa, lub który jest celem jego podróży; znacznych różnic w zasadach eksploatacji poszczególnych urządzeń siłowni wpływających na odmienność przebiegów procesów zużycia i starzenia oraz różnej jakości dokonywanych przeglądów technicznych urządzeń, opartych na strategii planowo-zapobiegawczej. Podejmowane decyzje mogą zatem dotyczyć zagadnień obejmujących wymianę bądź regulację elementów składowych poszczególnych urządzeń siłowni, a pośrednio wpływać na trwałość użytkowania materiałów eksploatacyjnych. 1. Podstawy prognozowania Podstawowym celem prognozowania jest przedstawienie informacji o kształtowaniu się interesujących zdarzeń w przyszłości na podstawie wiedzy o ich dotychczasowym przebiegu. Prognozą według [4] jest racjonalne, naukowe przewidywanie zdarzeń, które zajdą w czasie późniejszym (w przyszłości), odbywające się na podstawie informacji o przeszłości. Przewidywanie można nazwać racjonalnym, gdy wnioskowanie oparte jest na logicznym procesie interpretacji przesłanek (tj. zbioru faktów należących do przyszłości). Jeżeli 450
3 Podstawy prognozowania na tle oceny stanu technicznego urządzeń siłowni okrętowych natomiast w procesie wnioskowania nie korzystamy z przesłanek lecz z wróżb i proroctw (które niekoniecznie muszą być fałszywe), to wtedy mówimy o przewidywaniu nieracjonalnym. Przewidywanie można określić jako naukowe, gdy podczas procesu badawczego, obejmującego poznawanie przeszłości (gromadzenie danych), diagnozowanie oraz przenoszenie danych z przeszłości w przyszłość, korzysta się z dorobku nauki. Przewidywanie zdroworozsądkowe ma natomiast miejsce wówczas, gdy oparte jest ono na wcześniej zdobytym doświadczeniu. W pracy [9] termin prognozy uściślono, definiując ją jako wypowiedź określającą najbardziej prawdopodobne kształtowanie się wyróżnionego zjawiska w przyszłości, mającą za podstawę dotychczasowy przebieg tego zjawiska oraz jego zależność od układu, w którym zachodzi. Według [19] prognoza stanowi pewnego typu rozszerzoną diagnozę będącą wynikiem rozpoznania przewidywanego zachowania się stanu układu w określonej przyszłości. Z uwagi na fakt, że prognozowanie obejmuje czynności zmierzające do oszacowania prawdopodobnego stanu analizowanego obiektu w przyszłości, zakres tych czynności związany jest ściśle z przyjętym celem prognozowania. Z punktu widzenia eksploatacji urządzeń siłowni okrętowych zasadność konstruowania prognoz wzrasta wraz [18]: ze skróceniem horyzontu prognozy (okresu czasu, na który prognoza została skonstruowana); z wydłużeniem okresu wykorzystanego do oszacowania modelu prognozy; ze zwiększeniem stopnia inercji prognozowanej zmiennej; ze zwiększeniem autonomiczności prognozowanych wielkości. Można równocześnie stwierdzić, że wzrost pewności wyników prognozy zachodzi w przypadku [4]: zastosowania kilku metod prognozowania i porównania ze sobą uzyskanych na ich podstawie wyników, potwierdzenia otrzymanych wyników przez matematyczne lub logiczne wyprowadzenie wniosków ze znanych już prognoz, przeprowadzenia weryfikacji merytorycznej. 2. Metody prognozowania Metody prognozowania wyznaczają sposób przetworzenia danych o przeszłości oraz opisują sposób konstrukcji prognozy w oparciu o przetworzone dane [4, 9]. Przegląd spotykanych w literaturze metod przedstawiono na rysunku 1. Z uwagi na ograniczenia objętościowe, w artykule zostaną omówione jedynie wybrane metody prognozowania. Przegląd wszystkich metod dostępny jest w literaturze przedstawionej na końcu artykułu. 451
4 metody oparte na analogii obserwowanych zjawisk metoda mieszana ARIMA metoda mieszana ARMA PODZIAŁ METOD PROGNOZOWANIA metody matematyczno- -statystyczne metody intuicyjne metody autoregresyjne metody przyczynowo- -skutkowe metody oparte na ekstrapolacji szeregów czasowych metody deterministyczne metody analityczne metody adaptacyjne metody mechaniczne metoda IMA metoda IAR model Boxa-Jenkinsa model symptomatyczny model behawioralny model ekonometryczny model technometryczny jednorównaniowy model liniowy jednorównaniowy model nieliniowy model wielorównaniowy metoda trendu pełzającego model Holta model Wintersa inne metoda średnich ruchomych wyrównywanie wykładnicze inne liniowe równania różniczkowe nieliniowe równania różniczkowe inne metoda heurystyczna seanse delfickie metoda ekspercka ekspertska Rys. 1. Klasyfikacja metod prognozowania (na podstawie przeglądu literatury) Fig. 1. Classification of prognostic methods (based on literature review) inne 452
5 Podstawy prognozowania na tle oceny stanu technicznego urządzeń siłowni okrętowych Spośród metod prognozowania zaliczanych do grupy metod intuicyjnych (opartych na wiedzy fachowej i doświadczeniu uzyskanym podczas eksploatacji urządzenia), w przypadku urządzeń siłowni okrętowych zastosowanie znalazły głównie metody eksperckie [11]. Metody te wykorzystuje się w wyspecjalizowanych analizatorach służących do diagnozowania urządzeń lub ich podzespołów, sporadycznie wykorzystywane są również w kompleksowych systemach diagnostycznych siłowni lub urządzeń o wysokim stopniu złożoności [7, 8]. Spośród pozostałych metod intuicyjnych zastosowanie znalazły również metody heurystyczne, wykorzystywane do przewidywania stanów obiektu, terminów wymiany środków smarowych itp. Z uwagi na fakt, że stan obiektu i wielkość parametrów diagnostycznych zmieniają się w sposób ciągły w czasie (w przypadku nagłej awarii, wymiany lub regulacji zespołów zmiana może być skokowa), oraz że istnieje możliwość dyskretnej reprezentacji takiego sygnału, możliwe jest przedstawienie zaobserwowanej historii zmian parametrów diagnostycznych w postaci uporządkowanych w czasie ciągów wartości liczbowych określanych terminem szeregów czasowych. Możliwe więc staje się wykorzystanie do celów prognozowania metod należących do grupy matematyczno-statystycznych. Metody bezpośredniej analizy szeregów czasowych (oparte na ekstrapolacji) mogą znaleźć zastosowanie w przypadku, gdy koszty zdobycia wiedzy o przyczynach wystąpienia zjawisk są bardzo wysokie [9]. Powinno się je stosować, gdy zachodzące zjawisko jest zbyt złożone, by można je opisać i zrozumieć bez użycia modeli, lub gdy zadaniem prognosty jest jedynie przewidzenie tego co się zdarzy, a nie wyjaśnienie przyczyn zjawiska. W obrębie metod analizy szeregów czasowych wyróżnić można m.in.: metody mechaniczne (średnich ruchomych, wygładzania wykładniczego), metody analityczne, metody adaptacyjne, modele składowej czasowej oraz modele autoregresyjne. Zastosowanie w prognozowaniu metod mechanicznych wymaga odpowiedniego doboru parametrów analizy, ponieważ zależy od niego stopień wygładzenia wahań przypadkowych, a zatem ujawnienie właściwego przebiegu zmian [12]. Proces ten jest trudny do zautomatyzowania. Ponadto, z uwagi na fakt, że prognozy wyznaczane są na bardzo krótki okres, należy uznać metody mechaniczne za metody pomocnicze, służące do określenia ogólnego charakteru dotychczasowego przebiegu zmian parametru. Podobne cechy wykazują metody adaptacyjne. Ich niewątpliwymi zaletami są prostota realizacji prognozy oraz możliwości pominięcia etapu wyznaczania analitycznej postaci trendu, wadą natomiast jest brak możliwości oszacowania ex-ante dokładności prognozowania oraz trudności właściwego doboru sposobu estymacji niektórych parametrów [1, 3, 12, 18]. W metodach analitycznych (określanych również mianem klasycznych metod tendencji rozwojowej) prognoza wyznaczana jest na podstawie modelu opisanego za pomocą funkcji matematycznej [9, 12]. Funkcję tę wyznacza się 453
6 przy założeniu, że model przebiegu zmian parametru można traktować jako szczególny przypadek modelu regresji, w którym zmienną objaśniającą jest czas. Wybór postaci modelu odbywa się na podstawie przesłanek teoretycznych dotyczących prawidłowości rozwoju danego zjawiska oraz oceny przebiegu przeszłych zmian wartości parametru. Do najczęściej stosowanych zaliczyć należy funkcje [9, 12, 13]: liniową, wykładniczą, potęgową, hiperboliczną, logistyczną, wielomianową oraz wymierną. Zaletą zastosowania metody analitycznej jest łatwość interpretacji wyników analizy, jak również to, że do przedstawienia prognozy, poza znajomością analizowanego przebiegu, nie są wymagane dodatkowe informacje o urządzeniu lub zachodzących w nim procesach. Można więc przyjąć, że metoda ta potencjalnie nadaje się do wykorzystania podczas prognozowania zmian przebiegów parametrów eksploatacyjnych urządzeń siłowni okrętowych. Kolejną grupę metod prognozowania stanowią metody przyczynowoskutkowe. Metody te, inaczej niż przedstawione dotychczas, wymagają istnienia modelu wyjaśniającego mechanizm obserwowanych zmian parametru, którego prognoza ma dotyczyć [9, 18]. Według [18] właściwy dobór modelu musi uwzględniać nie tylko charakter prognozowanego parametru, ale również dostępność niezbędnych danych statystycznych, które mogłyby zostać użyte do estymacji modelu. W obrębie metod przyczynowo-skutkowych można wyróżnić metody: behawioralne (oparte na prawach psychologii), ekonometryczne (oparte na prawach ekonomii), symptomatyczne (wykorzystywane, gdy nie jest możliwa budowa modelu w oparciu o zagadnienia teoretyczne, jednak można empirycznie określić związek pomiędzy wielkością parametru a stanem obiektu). W analogii do zagadnień ekonometrycznych, w ostatnim czasie zaczęto wyróżniać również grupę metod technometrycznych [5]. Jak przedstawiono w [18], do zalet metod przyczynowo-skutkowych zalicza się stosunkowo prostą interpretację parametrów modelu, możliwość obliczenia błędów prognozy typu ex-ante, możliwość uwzględnienia w prognozowanym zjawisku istotnych związków przyczynowo-skutkowych. Do ich wad zaliczyć można natomiast trudność doboru najlepszego zestawu parametrów do budowy modelu oraz technik estymacji, sprawdzenia stabilności parametrów modelu w czasie, jak również trudność wyboru analitycznej postaci modelu spośród modeli jedno- i wielorównaniowych. W przypadku wykorzystywania w siłowni okrętowej wielu jednakowych urządzeń uzasadnione wydaje się być zastosowanie metod opartych na analogiach rozwojowych obserwowanych zdarzeń [9]. Metody te służą do przewidywania przyszłości określonej zmiennej, na podstawie danych o zmiennych podobnych, które nie są przyczynowo związane ze zmienną prognozowaną. Głównym założeniem tych metod jest możliwość określenia podobieństwa pomiędzy zbiorem przebiegów zmiennych w przeszłości, a zarejestrowanym 454
7 Podstawy prognozowania na tle oceny stanu technicznego urządzeń siłowni okrętowych przebiegiem. W przypadku jego spełnienia, w konstrukcji prognozy możliwe jest wykorzystanie sprecyzowanego podobieństwa przebiegów. 3. Procedury prognozowania Metodyka obsługiwania urządzeń siłowni okrętowych w zależności od ich stanu technicznego, realizowana jest poprzez przeprowadzenie badań mających określić aktualny stan techniczny urządzenia oraz ustalenie przyczyn zaistniałego stanu i przewidywanie rozwoju jego zmian. W przypadku stwierdzenia niezdatności urządzenia do dalszej pracy następuje ustalenie jej przyczyny, usunięcie niezdatności (regulacja lub wymiana części lub podzespołu), a następnie przeprowadza się ponowną ocenę stanu technicznego. W przypadku stwierdzenia stanu zdatności urządzenia do pracy następuje wyznaczenie terminu następnego diagnozowania urządzenia w drodze realizacji procesu prognozowania. W pracy [6] rozróżniono dwie procedury służące do realizacji zagadnień prognozowania. W przypadku pierwszej wnioski o stanie obiektu eksploatacji formułowane są poprzez porównanie prognoz wartości parametrów diagnostycznych z wartościami progowymi, wyznaczającymi np. granice stanów zdatności i niezdatności urządzenia. Poprawność wniosku zależy w tym przypadku od poprawności metody wnioskowania oraz od dokładności prognozy. W przypadku drugiej procedury podczas prognozowania wykorzystuje się wzorce stanowiące reprezentację urządzenia w przestrzeni parametrów w oparciu o ogólne jego własności eksploatacyjne. Oblicza się wartości miary podobieństwa chwilowego zbioru wartości parametrów do wyznaczonego wzorca. Szereg czasowy będący podstawą prognozowania buduje się zatem nie bezpośrednio z wartości mierzonych parametrów, lecz z odpowiednich wartości miar podobieństwa. Obliczona w takim szeregu prognoza daje podstawę do bezpośredniego sformułowania prognozy stanu obiektu eksploatacji. Prezentację graficzną obu procedur w postaci algorytmów przedstawiono na rysunku 2. Obie procedury stanowią podstawę do podejmowania decyzji o terminach i zakresach realizacji obsług, jednak lepsza w tej dziedzinie wydaje się procedura B, ponieważ nie tylko prognozuje wartości symptomów (jak to ma miejsce przy procedurze A), lecz określa także gotowe do użycia wskazanie prognostyczne stanu badanej maszyny, bazujące na ilościowych miarach podobieństwa, czyli umożliwia uzyskanie informacji bardziej przydatnych i łatwiejszych do wykorzystania. 455
8 Procedura A Procedura B Gromadzenie chwilowych wartości symptomów w postaci szeregów czasowych Utworzenie wzorca procesu diagnozowanego w przestrzeni symptomów Generowanie modelu prognostycznego w szeregu czasowym wartości symptomu Gromadzenie lokalnych wartości miary podobieństwa między stanami chwilowymi i wzorcem w postaci szeregów czasowych Obliczanie prognoz wartości symptomu Generowanie modelu prognostycznego Porównywanie prognoz symptomów z ustalonymi wartościami progowymi Obliczanie prognoz wartości miary podobieństwa Formułowanie wniosków o przyszłych stanach badanego obiektu Formułowanie wniosków prognostycznych o przyszłych stanach badanego obiektu Rys. 2. Algorytmy prognozowania stanu technicznego [6] Fig. 2. Algorithms of technical condition prognosis Uwagi końcowe Zagadnienie prognozowania zmian stanów eksploatacyjnych urządzeń siłowni okrętowych związane jest z istniejącą potrzebą poprawy niezawodności ich pracy oraz ma stanowić czynnik pomocniczy podczas użytkowania tych urządzeń. Nawet bardzo przybliżona informacja o przyszłym stanie obiektu pozwala w najdogodniejszym do tego czasie na przeprowadzenie czynności obsługowych urządzenia, wyprzedzających powstanie uszkodzenia. Z przeprowadzonej oceny wynika, że metody prognozowania pracy urządzeń na podstawie przebiegów ich parametrów eksploatacyjnych mają znaczny potencjał użytkowy, jednak ich dotychczasowe wykorzystanie jest marginalne. 456
9 Podstawy prognozowania na tle oceny stanu technicznego urządzeń siłowni okrętowych Literatura 1. Batko W., Prognozowanie diagnostyczne w inżynierii niezawodności, XXXI Zimowa Szkoła Niezawodności, Metody prognozowania w inżynierii niezawodności, Szczyrk Bielawski P., Metody procedury i algorytmy diagnozowania, IV Krajowa Konferencja Diagnostyka Techniczna Urządzeń Diag 98, Szczecin- Międzyzdroje Ystad 1998, Tom 1, s Cempel Cz., Proste metody prognozowania stanu w drganiowej diagnostyce maszyn, Materiały VII Szkoły Diagnostyki, Poznań Rydzyna Cieślak M. (red.), Prognozowanie gospodarcze, Wydawnictwo Akademii Ekonomicznej, Wrocław Drobiszewski J., Salamonowicz T., Smalko Z., Wybrane problemy metodologii prognozowania technicznego, XXXI Zimowa Szkoła Niezawodności, Metody prognozowania w inżynierii niezawodności, Szczyrk Girtler J.: Optymalizacja przedziału czasu między kolejnymi obsługami profilaktycznymi urządzeń technicznych z uwzględnieniem diagnostyki, VII Krajowe Sympozjum Eksploatacji Urządzeń Technicznych, Systemy Eksploatacji, Radom Kozubnik 1993, s Kluj S., Diagnostyka urządzeń okrętowych, Studium Doskonalenia Kadr WSM w Gdyni, Gdynia Lancaster P., A Finger on the Pulse. One Approach for Remote Monitoring, Diagnosis and Maintenance of Marine Diesel Engines, II International Scientifically-Technical Conference Explo-Diesel & Gas Turbine 01 Gdańsk Międzyzdroje Kopenhaga April 2001, Vol. 1, s Lipiec-Zajchowska M. (red.), Wspomaganie procesów decyzyjnych, Tom II. Ekonometria, Wydawnictwo C.H. Beck, Warszawa Łuczak A., Mazur T., Fizyczne starzenie elementów maszyn, WNT, Warszawa Niziński S., Michalski R., Diagnostyka obiektów technicznych, Wydawnictwo i Zakład Poligrafii Instytutu Technologii Eksploatacji, Radom Radzikowska B. (red.), Metody prognozowania. Zbiór zadań, Wydawnictwo Akademii Ekonomicznej, Wrocław Tomaszewski F., Zagadnienia wyznaczania stanu technicznego złożonego obiektu mechanicznego za pomocą sygnału wibroakustycznego na przykładzie silnika spalinowego pojazdu szynowego, Rozprawy. Politechnika Poznańska, Poznań 1998, nr Treichel P., Ocena zależności wybranych parametrów pracy okrętowego silnika spalinowego napędu głównego, Zeszyty Naukowe AM w Szczecinie nr 1 (73), Szczecin 2004, s
10 15. Treichel P., Analiza zmian wybranych parametrów pracy okrętowego silnika spalinowego napędu głównego, Zeszyty Naukowe WSM nr 68, Szczecin 2003, s Treichel P., Polek W., Zastosowanie analizy trendu w procesie eksploatacji silnika okrętowego, I International Scientifically-Technical Conference Explo-Diesel & Gas Turbine 98, Szczecin-Kopenhaga 1998, s Zeliaś A., Teoria prognozy, wyd. 3, Polskie Wydawnictwo Ekonomiczne, Warszawa Żółtowski B., Leksykon diagnostyki technicznej, Wydawnictwo Uczelniane Akademii Techniczno-Rolniczej w Bydgoszczy, Bydgoszcz Żółtowski B., Podstawy diagnostyki maszyn, Wydawnictwo Uczelniane Akademii Techniczno-Rolniczej w Bydgoszczy, Bydgoszcz Recenzenci doc. dr inż. Anatoly Motorny dr hab. inż. Jerzy Listewnik, prof. AM Adres Autora mgr inż., of. mech. okr. II kl. Akademia Morska w Szczecinie Instytut Technicznej Eksploatacji Siłowni Okrętowych Zakład Siłowni Okrętowych ul. Wały Chrobrego 1/2, Szczecin Wpłynęło do redakcji w lutym 2005 r. 458
Prognozowanie popytu. mgr inż. Michał Adamczak
Prognozowanie popytu mgr inż. Michał Adamczak Plan prezentacji 1. Definicja prognozy 2. Klasyfikacja prognoz 3. Szereg czasowy 4. Metody prognozowania 4.1. Model naiwny 4.2. Modele średniej arytmetycznej
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 szczegółowoArkadiusz Manikowski Zbigniew Tarapata. Prognozowanie i symulacja rozwoju przedsiębiorstw
Arkadiusz Manikowski Zbigniew Tarapata Prognozowanie i symulacja rozwoju przedsiębiorstw Warszawa 2002 Recenzenci doc. dr. inż. Ryszard Mizera skład i Łamanie mgr. inż Ignacy Nyka PROJEKT OKŁADKI GrafComp,
Bardziej szczegółowoegzamin oraz kolokwium
KARTA PRZEDMIOTU Kod przedmiotu E/FIRP/PSY w języku polskim Prognozowanie i symulacje Nazwa przedmiotu w języku angielskim Forecasting and simulation USYTUOWANIE PRZEDMIOTU W SYSTEMIE STUDIÓW Kierunek
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 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 szczegółowoPrognozowanie gospodarcze - opis przedmiotu
Prognozowanie gospodarcze - opis przedmiotu Informacje ogólne Nazwa przedmiotu Prognozowanie gospodarcze Kod przedmiotu 11.9-WZ-EkoP-PrG-S16 Wydział Kierunek Wydział Ekonomii i Zarządzania Ekonomia Profil
Bardziej szczegółowoPrognozowanie cen surowców w rolnych na podstawie szeregów w czasowych - uwarunkowania i metody. Sylwia Grudkowska NBP Mariusz Hamulczuk IERIGś-PIB
Prognozowanie cen surowców w rolnych na podstawie szeregów w czasowych - uwarunkowania i metody Sylwia Grudkowska NBP Mariusz Hamulczuk IERIGś-PIB Plan prezentacji Wprowadzenie do prognozowania Metody
Bardziej szczegółowo3. Modele tendencji czasowej w prognozowaniu
II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa
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 szczegółowoBogdan ŻÓŁTOWSKI Marcin ŁUKASIEWICZ
Bogdan ŻÓŁTOWSKI Bogdan ŻÓŁTOWSKI DIAGNOSTYKA DRGANIOWA MASZYN pamięci Stanisława BYDGOSZCZ 2012 Prof. dr hab. inż. Bogdan ŻÓŁTOWSKI UTP WIM Bydgoszcz Dr inż. UTP WIM Bydgoszcz DIAGNOSTYKA DRGANIOWA MASZYN
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 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 szczegółowoSYLABUS. 4.Studia Kierunek studiów/specjalność Poziom kształcenia Forma studiów Ekonomia Studia pierwszego stopnia Studia stacjonarne i niestacjonarne
SYLABUS 1.Nazwa przedmiotu Prognozowanie i symulacje 2.Nazwa jednostki prowadzącej Katedra Metod Ilościowych i Informatyki przedmiot Gospodarczej 3.Kod przedmiotu E/I/A.16 4.Studia Kierunek studiów/specjalność
Bardziej szczegółowoSTRESZCZENIE. rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne.
STRESZCZENIE rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne. Zasadniczym czynnikiem stanowiącym motywację dla podjętych w pracy rozważań
Bardziej szczegółowoSylabus przedmiotu: Data wydruku: Dla rocznika: 2015/2016. Kierunek: Opis przedmiotu. prognoz. Dane podstawowe. Efekty i cele. Opis.
Sylabus przedmiotu: Specjalność: Prognozowanie i symulacja w przedsiębiorstwie Wszystkie specjalności Data wydruku: 23.01.2016 Dla rocznika: 2015/2016 Kierunek: Wydział: Zarządzanie i inżynieria produkcji
Bardziej szczegółowoMaria Cieślak (red.): Prognozowanie gospodarcze. Metody i zastosowania. PWN, Warszawa 2004 r.
Metody prognozowania: Wprowadzenie Dr inż. Sebastian a Skoczypiec Literatura: Maria Cieślak (red.): Prognozowanie gospodarcze. Metody i zastosowania. PWN, Warszawa 2004 r. Ryszard Tadeusiewiecz: Sieci
Bardziej szczegółowoMetrologia: organizacja eksperymentu pomiarowego
Metrologia: organizacja eksperymentu pomiarowego (na podstawie: Żółtowski B. Podstawy diagnostyki maszyn, 1996) dr inż. Paweł Zalewski Akademia Morska w Szczecinie Teoria eksperymentu: Teoria eksperymentu
Bardziej szczegółowoZakres pytań obowiązujący w roku akad. 2015/2016
Akademia Górniczo-Hutnicza IM. STANISŁAWA STASZICA W KRAKOWIE Wydział: Górnictwa i Geoinżynierii Rodzaj studiów: stacjonarne i niestacjonarne II stopnia Kierunek studiów: Zarządzanie i inżynieria produkcji
Bardziej szczegółowoProjekt okładki: Aleksandra Olszewska Redakcja: Leszek Plak Copyright by: Wydawnictwo Placet 2008
Projekt okładki: Aleksandra Olszewska Redakcja: Leszek Plak Copyright by: Wydawnictwo Placet 2008 Wszelkie prawa zastrzeżone. Publikacja ani jej części nie mogą być w żadnej formie i za pomocą jakichkolwiek
Bardziej szczegółowoEkonometria. Modele dynamiczne. Paweł Cibis 27 kwietnia 2006
Modele dynamiczne Paweł Cibis pcibis@o2.pl 27 kwietnia 2006 1 Wyodrębnianie tendencji rozwojowej 2 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap
Bardziej szczegółowoPROGNOZOWANIE PRZYCHODÓW ZE SPRZEDAŻY
Joanna Chrabołowska Joanicjusz Nazarko PROGNOZOWANIE PRZYCHODÓW ZE SPRZEDAŻY NA PRZYKŁADZIE PRZEDSIĘBIORSTWA HANDLOWEGO TYPU CASH & CARRY Wprowadzenie Wśród wielu prognoz szczególną rolę w zarządzaniu
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 szczegółowoPrognozowanie i symulacje
Prognozowanie i symulacje - Wykład (15 godzin) -Ćwiczenia przy komputerze (30 godzin) - Zaliczenie jedna ocena - Zasady zaliczenia i literatura dr Tadeusz RóŜański Helena Gaspars Prognozowanie i symulacje
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 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 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 szczegółowoMETODA WARTOŚCIOWANIA PARAMETRÓW PROCESU PLANOWEGO OBSŁUGIWANIA TECHNICZNEGO MASZYN ROLNICZYCH
Inżynieria Rolnicza 7(125)/2010 METODA WARTOŚCIOWANIA PARAMETRÓW PROCESU PLANOWEGO OBSŁUGIWANIA TECHNICZNEGO MASZYN ROLNICZYCH Zenon Grześ Instytut Inżynierii Rolniczej, Uniwersytet Przyrodniczy w Poznaniu
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 szczegółowoImię, nazwisko i tytuł/stopień KOORDYNATORA przedmiotu zatwierdzającego protokoły w systemie USOS Jacek Marcinkiewicz, dr
Tryb studiów Stacjonarne Nazwa kierunku studiów EKONOMIA Poziom studiów Stopień pierwszy Rok studiów/ semestr III; semestr 5 Specjalność Bez specjalności Kod przedmiotu w systemie USOS 1000-ES1-3EC1 Liczba
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK
1 PROGNOZOWANIE I SYMULACJE 2 http://www.outcome-seo.pl/excel1.xls DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i 2003. 3 Dodatek Solver jest dostępny w menu Narzędzia. Jeżeli Solver nie jest
Bardziej szczegółowoMetody Prognozowania
Wprowadzenie Ewa Bielińska 3 października 2007 Plan 1 Wprowadzenie Czym jest prognozowanie Historia 2 Ciągi czasowe Postępowanie prognostyczne i prognozowanie Predykcja długo- i krótko-terminowa Rodzaje
Bardziej szczegółowoEkonomia II stopień ogólnoakademicki. stacjonarne wszystkie Katedra Matematyki Dr hab. Artur Maciąg. podstawowy. obowiązkowy polski.
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Z-EKO2-500 Nazwa modułu Ekonometria i prognozowanie procesów ekonomicznych Nazwa modułu w języku angielskim Econometrics and forecasting economics proceses Obowiązuje
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 szczegółowoPRZEWODNIK PO PRZEDMIOCIE. Statystyka opisowa. Zarządzanie. niestacjonarne. I stopnia. dr Agnieszka Strzelecka. ogólnoakademicki.
Politechnika Częstochowska, Wydział Zarządzania PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu Kierunek Forma studiów Poziom kwalifikacji Rok Semestr Jednostka prowadząca Osoba sporządzająca Profil Rodzaj
Bardziej szczegółowoUniwersytet w Białymstoku Wydział Ekonomiczno-Informatyczny w Wilnie SYLLABUS na rok akademicki 2010/2011
SYLLABUS na rok akademicki 00/0 Tryb studiów Stacjonarne Nazwa kierunku studiów EKONOMIA Poziom studiów Stopień pierwszy Rok studiów/ semestr III; semestr 5 Specjalność Bez specjalności Kod przedmiotu
Bardziej szczegółowoMETODY ILOŚCIOWE W ZARZĄDZANIU
1.1.1 Metody ilościowe w zarządzaniu I. OGÓLNE INFORMACJE PODSTAWOWE O PRZEDMIOCIE METODY ILOŚCIOWE W ZARZĄDZANIU Nazwa jednostki organizacyjnej prowadzącej kierunek: Kod przedmiotu: RiAF_PS5 Wydział Zamiejscowy
Bardziej szczegółowoDopasowywanie modelu do danych
Tematyka wykładu dopasowanie modelu trendu do danych; wybrane rodzaje modeli trendu i ich właściwości; dopasowanie modeli do danych za pomocą narzędzi wykresów liniowych (wykresów rozrzutu) programu STATISTICA;
Bardziej szczegółowoUE we Wrocławiu, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki
UE, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki http://keii.ue.wroc.pl Prognozowanie procesów gospodarczych wykład ćwiczenia laboratorium prowadzący: dr inż. Tomasz Bartłomowicz konsultacje:
Bardziej szczegółowoAnaliza metod prognozowania kursów akcji
Analiza metod prognozowania kursów akcji Izabela Łabuś Wydział InŜynierii Mechanicznej i Informatyki Kierunek informatyka, Rok V Specjalność informatyka ekonomiczna Politechnika Częstochowska izulka184@o2.pl
Bardziej szczegółowoTeoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie
Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie Szkolenie dla pracowników Urzędu Statystycznego nt. Wybrane metody statystyczne w analizach makroekonomicznych dr
Bardziej szczegółowoPo co w ogóle prognozujemy?
Po co w ogóle prognozujemy? Pojęcie prognozy: racjonalne, naukowe przewidywanie przyszłych zdarzeń stwierdzenie odnoszącym się do określonej przyszłości formułowanym z wykorzystaniem metod naukowym, weryfikowalnym
Bardziej szczegółowoRok akademicki: 2013/2014 Kod: ZIE n Punkty ECTS: 6. Poziom studiów: Studia I stopnia Forma i tryb studiów: -
Nazwa modułu: Statystyka opisowa i ekonomiczna Rok akademicki: 2013/2014 Kod: ZIE-1-205-n Punkty ECTS: 6 Wydział: Zarządzania Kierunek: Informatyka i Ekonometria Specjalność: - Poziom studiów: Studia I
Bardziej szczegółowoUE we Wrocławiu, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki
UE we Wrocławiu, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki http://keii.ue.wroc.pl Prognozowanie procesów gospodarczych prowadzący: dr inż. Tomasz Bartłomowicz tomasz.bartlomowicz@ue.wroc.pl
Bardziej szczegółowo1. Ekonometria jako dyscyplina naukowa (przedmiot, metodologia, teorie ekonomiczne). Model ekonometryczny, postać modelu, struktura, klasyfikacja.
1. Ekonometria jako dyscyplina naukowa (przedmiot, metodologia, teorie ekonomiczne). Model ekonometryczny, postać modelu, struktura, klasyfikacja. Zadanie 1. Celem zadania jest oszacowanie modelu opisującego
Bardziej szczegółowoBadania operacyjne. Ćwiczenia 1. Wprowadzenie. Filip Tużnik, Warszawa 2017
Badania operacyjne Ćwiczenia 1 Wprowadzenie Plan zajęć Sprawy organizacyjne (zaliczenie, nieobecności) Literatura przedmiotu Proces podejmowania decyzji Problemy decyzyjne w zarządzaniu Badania operacyjne
Bardziej szczegółowoWielowymiarowa analiza regionalnego zróżnicowania rolnictwa w Polsce
Wielowymiarowa analiza regionalnego zróżnicowania rolnictwa w Polsce Mgr inż. Agata Binderman Dzienne Studia Doktoranckie przy Wydziale Ekonomiczno-Rolniczym Katedra Ekonometrii i Informatyki SGGW Opiekun
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: NIEZAWODNOŚĆ I EKSPLATACJA URZĄDZEŃ MECHATRONICZNYCH Kierunek: Mechatronika Rodzaj przedmiotu: obowiązkowy na kierunku Mechatronika Rodzaj zajęć: wykład Reliability and Maintenance of
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoBudowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego
Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego Dorota Witkowska Szkoła Główna Gospodarstwa Wiejskiego w Warszawie Wprowadzenie Sztuczne
Bardziej szczegółowo23 Zagadnienia - Prognozowanie i symulacje
1. WYJAŚNIJ POJĘCIE PROGNOZY I OMÓW PODSTAWOWE PEŁNIONE PRZEZ PROGNOZĘ FUNKCJE. Prognoza - jest to sąd dotyczący przyszłej wartości pewnego zjawiska o następujących właściwościach: jest sformułowany w
Bardziej szczegółowodr Zofia Sepkowska ANALIZA EKONOMICZNA
dr Zofia Sepkowska ANALIZA EKONOMICZNA CELE KSZTAŁCENIA CEL GŁÓWNY: Ukształtowanie umiejętności opracowania informacji ekonomicznych niezbędnych do podejmowania decyzji gospodarczych CELE SZCZEGÓŁOWE:
Bardziej szczegółowoEksploatacja pojazdów samochodowych Kod przedmiotu
Eksploatacja pojazdów samochodowych - opis przedmiotu Informacje ogólne Nazwa przedmiotu Eksploatacja pojazdów samochodowych Kod przedmiotu 06.1-WM-MiBM-KiEP-P-09_15 Wydział Kierunek Wydział Mechaniczny
Bardziej szczegółowoSTATYSTYKA EKONOMICZNA
STATYSTYKA EKONOMICZNA Analiza statystyczna w ocenie działalności przedsiębiorstwa Opracowano na podstawie : E. Nowak, Metody statystyczne w analizie działalności przedsiębiorstwa, PWN, Warszawa 2001 Dr
Bardziej szczegółowoZagadnienia DIAGNOSTYKA TECHNICZNA MASZYN. Rozdział 1 Wprowadzenie 1
Rozdział 1 Wprowadzenie 1 Zagadnienia 1. Wprowadzenie 2. Filozofia eksploatacji maszyn 3. Parametry diagnostyczne 4. Podstawy drgań 5. Charakterystyka czujników drgań 6. Metodyka pomiarów symptomów stanu
Bardziej szczegółowoI. OGÓLNE INFORMACJE PODSTAWOWE O PRZEDMIOCIE. Nie dotyczy. podstawowy i kierunkowy
1.1.1 Statystyka opisowa I. OGÓLNE INFORMACJE PODSTAWOWE O PRZEDMIOCIE STATYSTYKA OPISOWA Nazwa jednostki organizacyjnej prowadzącej kierunek: Kod przedmiotu: P6 Wydział Zamiejscowy w Ostrowie Wielkopolskim
Bardziej szczegółowoStatystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
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 szczegółowoUE we Wrocławiu, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki
UE, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki http://keii.ue.wroc.pl Prognozowanie procesów gospodarczych wykład ćwiczenia laboratorium prowadzący: dr inż. Tomasz Bartłomowicz konsultacje:
Bardziej szczegółowoEKONOMETRIA I SYLABUS
Załącznik nr 5 do Uchwały nr 1202 Senatu UwB z dnia 29 lutego 2012 r. EKONOMETRIA I SYLABUS A. Informacje ogólne Elementy składowe sylabusu Nazwa jednostki prowadzącej kierunek Nazwa kierunku studiów Poziom
Bardziej szczegółowoZagadnienia na egzamin dyplomowy na kierunku Informatyka i Ekonometria (1 stopień studiów)
Zagadnienia na egzamin dyplomowy na kierunku Informatyka i Ekonometria (1 stopień studiów) 1. Systemowe i niesystemowe metody estymacji parametrów. Wady i zalety tych podejść b. 06IE 1A_W07 - opanował
Bardziej szczegółowoKIERUNKOWE EFEKTY KSZTAŁCENIA
Zał. nr 1 do Programu kształcenia KIERUNKOWE EFEKTY KSZTAŁCENIA WYDZIAŁ INFORMATYKI I ZARZĄDZANIA Kierunek studiów: INŻYNIERIA SYSTEMÓW Stopień studiów: STUDIA II STOPNIA Obszar Wiedzy/Kształcenia: OBSZAR
Bardziej szczegółowoZapraszamy do współpracy FACULTY OF ENGINEERING MANAGEMENT www.fem.put.poznan.pl Agnieszka Stachowiak agnieszka.stachowiak@put.poznan.pl Pokój 312 (obok czytelni) Dyżury: strona wydziałowa Materiały dydaktyczne:
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 szczegółowoAnaliza współzależności zjawisk. dr Marta Kuc-Czarnecka
Analiza współzależności zjawisk dr Marta Kuc-Czarnecka Wprowadzenie Prawidłowości statystyczne mają swoje przyczyny, w związku z tym dla poznania całokształtu badanego zjawiska potrzebna jest analiza z
Bardziej szczegółowoNa poprzednim wykładzie omówiliśmy podstawowe zagadnienia. związane z badaniem dynami zjawisk. Dzisiaj dokładniej zagłębimy
Analiza dynami zjawisk Na poprzednim wykładzie omówiliśmy podstawowe zagadnienia związane z badaniem dynami zjawisk. Dzisiaj dokładniej zagłębimy się w tej tematyce. Indywidualne indeksy dynamiki Indywidualne
Bardziej szczegółowoModelowanie i obliczenia techniczne. dr inż. Paweł Pełczyński
Modelowanie i obliczenia techniczne dr inż. Paweł Pełczyński ppelczynski@swspiz.pl Literatura Z. Fortuna, B. Macukow, J. Wąsowski: Metody numeryczne, WNT Warszawa, 2005. J. Awrejcewicz: Matematyczne modelowanie
Bardziej szczegółowo... prognozowanie nie jest celem samym w sobie a jedynie narzędziem do celu...
4 Prognozowanie historyczne Prognozowanie - przewidywanie przyszłych zdarzeń w oparciu dane - podstawowy element w podejmowaniu decyzji... prognozowanie nie jest celem samym w sobie a jedynie narzędziem
Bardziej szczegółowoPROGNOZOWANIE W ZARZĄDZANIU
Politechnika Białostocka Wydział Zarządzania Katedra Informatyki Gospodarczej i Logistyki Redaktor naukowy joanicjusz Nazarko PROGNOZOWANIE W ZARZĄDZANIU PRZEDSIĘBIORSTWEM Cz. III Prognozowanie na podstawie
Bardziej szczegółowoANALITYK DANYCH Kto to jest analityk danych? Na czym polega praca analityka danych?
ANALITYK DANYCH Kto to jest analityk danych? Współczesny świat oraz nowoczesna gospodarka bazują w znacznej mierze na umiejętności analizy i opracowywania napływających danych. Działania te są niezbędne
Bardziej szczegółowoTransport I stopień (I stopień / II stopień) Ogólnoakademicki (ogólno akademicki / praktyczny) niestacjonarne (stacjonarne / niestacjonarne)
Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2013/2014 Eksploatacja
Bardziej szczegółowoLOGISTYKA. Zapas: definicja. Zapasy: podział
LOGISTYKA Zapasy Zapas: definicja Zapas to określona ilość dóbr znajdująca się w rozpatrywanym systemie logistycznym, bieżąco nie wykorzystywana, a przeznaczona do późniejszego przetworzenia lub sprzedaży.
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 szczegółowoJacek Skorupski pok. 251 tel konsultacje: poniedziałek , sobota zjazdowa
Jacek Skorupski pok. 251 tel. 234-7339 jsk@wt.pw.edu.pl http://skorupski.waw.pl/mmt prezentacje ogłoszenia konsultacje: poniedziałek 16 15-18, sobota zjazdowa 9 40-10 25 Udział w zajęciach Kontrola wyników
Bardziej szczegółowoPodstawy eksploatacji technicznej. Transport I stopnia (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny)
Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Podstawy eksploatacji technicznej Nazwa modułu w języku angielskim Principle of maintenance
Bardziej szczegółowoModelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka
Modelowanie jako sposób opisu rzeczywistości Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka 2015 Wprowadzenie: Modelowanie i symulacja PROBLEM: Podstawowy problem z opisem otaczającej
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 szczegółowoMATRYCA EFEKTÓW KSZTAŁCENIA
ZAŁĄCZNIK NR 2 MATRYCA EFEKTÓW KSZTAŁCENIA Studia podyplomowe ZARZĄDZANIE FINANSAMI I MARKETING Przedmioty OPIS EFEKTÓW KSZTAŁCENIA Absolwent studiów podyplomowych - ZARZĄDZANIE FINANSAMI I MARKETING:
Bardziej szczegółowoPaństwowa Wyższa Szkoła Zawodowa w Płocku Instytut Nauk Ekonomicznych i Informatyki KARTA PRZEDMIOTU. Część A
Przedmiot: Seminarium dyplomowe Wykładowca odpowiedzialny za przedmiot: Cele zajęć z przedmiotu: Państwowa Wyższa Szkoła Zawodowa w Płocku Instytut Nauk Ekonomicznych i Informatyki KARTA PRZEDMIOTU Wykładowcy
Bardziej szczegółowoWYKRYWANIE USZKODZEŃ W LITYCH ELEMENTACH ŁĄCZĄCYCH WAŁY
ZESZYTY NAUKOWE AKADEMII MARYNARKI WOJENNEJ ROK LI NR 4 (183) 2010 Radosł aw Pakowski Mirosł aw Trzpil Politechnika Warszawska WYKRYWANIE USZKODZEŃ W LITYCH ELEMENTACH ŁĄCZĄCYCH WAŁY STRESZCZENIE W artykule
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 szczegółowoZagadnienia na egzamin magisterski na kierunku Informatyka i Ekonometria (2 stopień studiów)
Zagadnienia na egzamin magisterski na kierunku Informatyka i Ekonometria (2 stopień studiów) 1. Topologie sieci komputerowych a. 06IE_2A_W02 - jest w stanie zdefiniować problem decyzyjny, analizować źródła
Bardziej szczegółowoKarta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2014/2015. Forma studiów: Stacjonarne Kod kierunku: 06.
Państwowa Wyższa Szko la Zawodowa w Nowym Sa czu Karta przedmiotu Instytut Techniczny obowiązuje studentów rozpoczynających studia w roku akademickim 201/201 Kierunek studiów: Zarządzanie i inżynieria
Bardziej szczegółowoOCENA KIERUNKOWYCH EFEKTÓW KSZTAŁCENIA
OCENA KIERUNKOWYCH EFEKTÓW KSZTAŁCENIA Podstawowe informacje Kierunek studiów / Poziom kształcenia logistyka/studia pierwszego stopnia Profil kształcenia / Forma studiów praktyczny/ss i SN Obszar kształcenia
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 szczegółowoWprowadzenie do teorii prognozowania
Wprowadzenie do teorii prognozowania I Pojęcia: 1. Prognoza i zmienna prognozowana (przedmiot prognozy). Prognoza punktowa i przedziałowa. 2. Okres prognozy i horyzont prognozy. Prognozy krótkoterminowe
Bardziej szczegółowoZAKRES TEMATYCZNY EGZAMINU LICENCJACKIEGO
Wydział Nauk Ekonomicznych i Zarządzania Kierunek Analityka Gospodarcza Studia stacjonarne I stopnia ZAKRES TEMATYCZNY EGZAMINU LICENCJACKIEGO Zagadnienia ogólnoekonomiczne 1. Aktualna sytuacja na europejskim
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowowersja elektroniczna - ibuk
Parteka A. (2015). Dywersyfikacja handlu zagranicznego a rozwój gospodarczy. Warszawa: Wydawnictwo Naukowe PWN. ISBN 978-83-01-18336-3 wersja elektroniczna - ibuk Opis Czy zróżnicowanie handlu ma znaczenie?
Bardziej szczegółowoANALIZA DYNAMIKI DOCHODU KRAJOWEGO BRUTTO
ANALIZA DYNAMIKI DOCHODU KRAJOWEGO BRUTTO Wprowadzenie Zmienność koniunktury gospodarczej jest kształtowana przez wiele różnych czynników ekonomicznych i pozaekonomicznych. Znajomość zmienności poszczególnych
Bardziej szczegółowokod nr w planie ECTS Przedmiot studiów PODSTAWY STATYSTYKI 7 2
kod nr w planie ECTS Przedmiot studiów PODSTAWY STATYSTYKI 7 2 Kierunek Turystyka i Rekreacja Poziom kształcenia II stopień Rok/Semestr 1/2 Typ przedmiotu (obowiązkowy/fakultatywny) obowiązkowy y/ ćwiczenia
Bardziej szczegółowoMateriały dydaktyczne. Semestr IV. Laboratorium
Materiały dydaktyczne Napędy hydrauliczne Semestr IV Laboratorium 1 1. Zagadnienia realizowane na zajęciach laboratoryjnych Zagadnienia według treści zajęć dydaktycznych: Podstawowe rodzaje napędowych
Bardziej szczegółowo3. Analiza własności szeregu czasowego i wybór typu modelu
3. Analiza własności szeregu czasowego i wybór typu modelu 1. Metody analizy własności szeregu czasowego obserwacji 1.1. Analiza wykresu szeregu czasowego 1.2. Analiza statystyk opisowych zmiennej prognozowanej
Bardziej szczegółowoSystemy wspomagania decyzji Kod przedmiotu
Systemy wspomagania decyzji - opis przedmiotu Informacje ogólne Nazwa przedmiotu Systemy wspomagania decyzji Kod przedmiotu 06.9-WM-ZIP-D-06_15W_pNadGenG0LFU Wydział Kierunek Wydział Mechaniczny Zarządzanie
Bardziej szczegółowoTransport 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 2013/2014
Bardziej szczegółowoDiagnostyka ekonomiczna w systemach automatycznego zarządzania przedsiębiorstwem. dr Jarosław Olejniczak
Diagnostyka ekonomiczna w systemach automatycznego zarządzania przedsiębiorstwem dr Jarosław Olejniczak Agenda Diagnostyka, diagnostyka techniczna i diagnostyka ekonomiczna; Obszary diagnostyki ekonomicznej,
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Bardziej szczegółowoProces badawczy schemat i zasady realizacji
Proces badawczy schemat i zasady realizacji Agata Górny Zaoczne Studia Doktoranckie z Ekonomii Warszawa, 23 października 2016 Metodologia i metoda naukowa 1 Metodologia Metodologia nauka o metodach nauki
Bardziej szczegółowo5. SYSTEM GENEZOWANIA STANU MASZYN
taka to bywa zapłata niejednego literata; po śmierci mu kadzą, a za życia jeść nie dadzą 5. SYSTEM GENEZOWANIA STANU MASZYN W rozdziale przedstawiono założenia systemu genezowania stanu maszyn oraz zasady
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 szczegółowo