ZASTOSOWANIE PROGRAMOWANIA CAŁKOWITOLICZBOWEGO W UTRZYMANIU POJAZDÓW I MASZYN. Paweł Mikołajczak

Wielkość: px
Rozpocząć pokaz od strony:

Download "ZASTOSOWANIE PROGRAMOWANIA CAŁKOWITOLICZBOWEGO W UTRZYMANIU POJAZDÓW I MASZYN. Paweł Mikołajczak"

Transkrypt

1 MOTROL, 007, 9, ZASTOSOWANE PROGRAMOWANA AŁKOWTOLZBOWEGO W UTRZMANU POJAZDÓW MASZN Katedra Budowy, Eksploatacji Pojazdów i Maszy Uiwersytet Warmińsko-Mazurski w Olsztyie Streszczeie. W artykule przedstawioo system iformatyczy zarządzaia utrzymaiem pojazdów i maszy, aleŝący do klasy MMS (omputerized Maiteace Maagemet System). Oprócz klasyczych modułów systemów MMS opisao moduł optymalizacyjy z uwzględieiem optymalizacji całkowitoliczbowej oraz moduł progozowaia zawierający róŝe postacie modeli progostyczych. Uzupełieiem artykułu są iformacje ogóle o systemach iformatyczych klasy MMS. Słowa kluczowe: system iformatyczy, utrzymaie pojazdów i maszy, optymalizacja, progozowaie WSTĘP Nowoczese przedsiębiorstwa starają się przyjmować podejście procesowe podczas opracowywaia, wdraŝaia i doskoaleia systemu zarządzaia jakością. Ozacza to, Ŝe orgaizacje te powiy zidetyfikować powiązaia pomiędzy róŝymi działaiami (produkcją lub usługami, utrzymaiem pojazdów i maszy, obsługą klietów itp.). Zaletą takiego podejścia jest zapewieie adzoru ad poszczególymi elemetami w całym systemie procesów, jak teŝ ad ich kombiacją i wzajemym oddziaływaiem. Wydaje się, Ŝe bez odpowiedio opracowaego systemu iformatyczego ie moŝa skuteczie realizować takiego podejścia. Decyzja o wprowadzeiu owego systemu iformatyczego w przedsiębiorstwie jest zawsze truda. Aby ją podjąć, trzeba być przekoaym o jej słuszości. Kiedy zatem wprowadzeie systemu klasy MMS (gospodarka remotowa, utrzymaie ruchu, iwestycje, serwis) jest iezbęde? MoŜa spróbować podjąć taką decyzję odpowiadając a astępujące pytaia [ zy pod opieką słuŝb techiczych przedsiębiorstwa zajduje się zacza liczba pojazdów i maszy? zy obiekty te podlegają stałej obsłudze techiczej? zy ich obsługa jest złoŝoa?

2 zy play działań podlegają częstym modyfikacjom? zy w przedsiębiorstwie prowadzoe są prace moderizacyje i iwestycyje o duŝym stopiu złoŝoości, wymagające plaowaia? zy zarządzaie dokumetacją maszy i urządzeń oraz procedur ich obsługi ie astręcza problemów? zy ie pojawia się potrzeba wprowadzeia obiektywych wskaźików ocey słuŝb techiczych, jak p. czas reakcji a zgłoszeie, średi czas międzyawaryjy, średi czas przestoju związaego z aprawą? zy słuŝby techicze są zobowiązae do przeprowadzaia okresowych aaliz statystyczych swojej działalości? zy ie ma potrzeby obiŝeia zapasów magazyowych materiałów i części zamieych? zy istieje potrzeba określaia rzeczywistych kosztów eksploatacji? JeŜeli chociaŝ część odpowiedzi będzie twierdząca, będzie to ozaczało, Ŝe warto zaiwestować w rozwiązaie iformatycze wspierające utrzymaie pojazdów i maszy. Decydując się juŝ a wdroŝeie S, aleŝy zastaowić się ad odpowiedzią a jeszcze jedo pytaie: czy skorzystać z gotowej aplikacji oferowaej przez profesjoale firmy iformatycze, czy budować S od podstaw? Przyjęcie pierwszego lub drugiego rozwiązaia iesie ze sobą pewe wady i zalety, których zestawieie przedstawioo w tabeli. Tabela. Zestawieie zalet i wad wariatów S utrzymaia pojazdów i maszy Table. ompariso of advatages ad disadvatages of S variats of vehicles ad machiesmaiteace Wariat S Zalety Wady Gotowa aplikacja Według własego projektu - szybki termi wdroŝeia; - system przetestoway i zweryfikoway; - a ogół system utworzoy przez liczą grupę ekspertów; - moŝliwość zapozaia się z opiiami wcześiejszych uŝytkowików - dobre dopasowaie do własych potrzeb (kadrowych, specyfiki przedsiębiorstwa, stosowaych wskaźików ceowych, stosowaych określeń termiologii itp.); - moŝliwość dokoaia awet istotych zmia po etapie testowaia - koieczość przetwarzaia admiaru daych (iepotrzebych iformacji); - ieuwzględieie wymogów szczególych; - a ogół brak moŝliwości dokoywaia zmia a Ŝyczeie w S; - przepłaceie za część modułów ie uŝywaych - trudości w precyzyjym określeiu termiu i kosztu wdroŝeia; - koieczość prowadzeia szczegółowego testowaia; - iezbęde zaagaŝowaie zaczej liczby pracowików z róŝych działów w projekcie; - zagroŝeie złego sprecyzowaia celów projektu HARAKTERSTKA SSTEMÓW WSPOMAGANA DEZJ System wspomagaia decyzji (DSS Decisio Support Systems) umoŝliwia decydetom detyfikację problemu decyzyjego oraz tworzeie i rozwiązywaie modeli decyzyjych, aby podjąć właściwą decyzję. Systemy te są wykorzystywae we wspoma-

3 ZASTOSOWANE PROGRAMOWANA AŁKOWTOLZBOWEGO... gaiu podejmowaia decyzji strategiczych i taktyczych (długo- i średiookresowych), w problematyce: plaowaia działalości gospodarczej, iwestycji, zaopatrzeia, sprzedaŝy wyrobów i usług, gospodarki fiasowej. W strukturze systemów wspomagaia decyzji moŝa wyróŝić astępujące zasadicze elemety [Nowicki (red.) 99]:. podsystem komuikacji umoŝliwia porozumiewaie się uŝytkowika z systemem w języku wyŝszego poziomu, w tym zbliŝoym do języka aturalego staowiącego tzw. język dialogu;. podsystem rozwiązywaia problemów zapewia automatyczą bądź we współpracy z uŝytkowikiem obsługę pytań związaych z podejmowaiem decyzji;. podsystem zarządzaia bazą daych i bazą modeli umoŝliwia racjoale gospodarowaie zasobami iformacyjymi;. baza daych to zbiór daych dotyczących fukcjoowaia daego systemu działaia (p. produkcyjego, usługowego, hadlowego), iezbędych do rozwiązywaia problemów decyzyjych;. baza modeli obejmująca zbiór: modeli progostyczych i plaistyczych; modeli optymalizacyjych; modeli symulacyjych; sceariuszy decyzyjych, ułatwiających rozpozawaie problemów decyzyjych i wybór decyzji; problemów decyzyjych wraz ze schematami ich rozwiązywaia. W przypadku podjęcia decyzji o wdroŝeiu owego systemu iformatyczego klasy MMS, aleŝącego do zbioru systemów DSS, aleŝy brać pod uwagę astępujące zagadieia [ optymalego kierowaia utrzymaiem pojazdów i maszy: zasady plaowaia uŝytkowaia, plaowaie termiów obsług techiczych i apraw, orgaizacja systemu zbieraia i przetwarzaia iformacji, kształtowaie rozkładów itesywości uŝytkowaia poszczególych urządzeń techiczych; optymalizacji struktur orgaizacyjych systemu eksploatacji: zasady prawidłowej współpracy systemu obsługi z systemem uŝytkowaia, wybraie odpowiediej strategii wykorzystaia obiektów zaplecza techiczego; zasady orgaizacji serwisu obsługowego; optymalizacji własości eksploatacyjych pojazdów i maszy: sposób badaia i kryteria ocey aktualego stau techiczego, wybór częstości i zakresu obsług techiczych, wybór miar trwałości oraz sposobów jej zwiększaia bez zmia kostrukcyjych i techologiczych, sposoby badaia i ocey iezawodości. SSTEM NFORMATZN MASZNA007 System wspomagający utrzymaie pojazdów i maszy MASZNA007 (rys.) jest modyfikacją aplikacji MASZNA opisaej między iymi w pracy Mikołajczaka [00]. System te róŝi się od poprzediej wersji dwoma owymi modułami dotyczącymi progozowaia i optymalizacji. Edycja list te moduł programu stworzoy został w celu stadaryzacji uŝywaej termiologii i ozaczeń. Zapewia to moŝliwość jedozaczego wyszukiwaia w bazie Ŝądaych rekordów i ie występuje groźba popełieia błędów przy wielokrotym wprowadzaiu tych daych, które powiy być idetycze w róŝych kartotekach, p. azwy i ozaczeia części i materiałów eksploatacyjych.

4 Edycja daych te modół podzieloo a dwie grupy: Ewidecje dae procedurale, klasyfikujące i strukturale oraz Zdarzeia eksploatacyje dae faktograficze [Wrycza 999]. System MASZNA007 Edycja list Edycja daych Raporty Alarmy Rodzaje uszkodzeń Sposoby apraw zyości obsługowe Lista części Materiały eksploatacyje Przyczyy uszkodzeń Parametry diagostycze Ewidecje Obiekty Maszyy Zespoły Podzespoły zęści Zakresy PT Zdarzeia eksploatacyje UŜytkowaie Naprawy awaryje Przeglądy techicze Remoty plaowe Diagostyka Kartoteki Zestawieia Wyszukiwaie Wykazy ZbliŜające się lub przekroczoe termiy przeglądów Przekroczoe wartości sygałów diagostyczych Moduł progozowaia Moduł optymalizacji Rys.. Struktura systemu MASZNA007 Fig.. Structure of the system MAHNE 007 Zdarzeia eksploatacyje. W przypadku daych dotyczących uŝytkowaia i apraw awaryjych są to dae, których się ie przewiduje (dae losowe) i wprowadza dopiero do bazy a podstawie wypełioych kart uŝytkowaia i apraw awaryjych. W szczególości karty te zawierają: datę i godzię włączeia i wyłączeia maszyy z ruchu; ilość wykoaej pracy; r porządkowy aprawy; rodzaj uszkodzeia; przyczyę uszkodzeia; sposób aprawy; czas trwaia aprawy; czas przebywaia maszyy (pojazdu) w aprawie; iformacje o wymieioych częściach; iformacje o wykoawcy aprawy; iformacje t. kosztów. Kartoteki PT, remotów plaowych (RP) i badań diagostyczych mają charakter plaowy, dla których jedak wymagae jest potwierdzeie wykoaia plau. Dlatego teŝ przewidziao dwuetapowe wypełiaie tych kartotek. W pierwszym etapie (kartoteki otwarte) wprowadza się dae będące wytyczymi do wykoaia przewidywaych czyości, p. termi, zakres, koszt. Następie po ich wydrukowaiu (w formie odpowiediej karty) i rozdyspoowaiu, oczekuje się a realizację wytyczoych działań eksploatacyjych. Po otrzymaiu karty uzupełioej o faktyczą datę wykoaia, zakres, koszt, zuŝycie części i materiałów, wyiki pomiarów diagostyczych itd. przechodzi się do drugiego etapu elektroiczego wypełiaia tych kartotek, po którego realizacji moŝa daą kartotekę zamkąć. Raporty i Alarmy moduły te staowią zasadiczą część wspomagaia w zarządzaiu systemem utrzymaia pojazdów i maszy. Procesy iformatycze realizowae tutaj pozwalają a tworzeie raportów zawierających iformacje o plaowaych i faktyczych kosztach, zuŝyciach części i materiałów, staie techiczym maszy, wskaźikach eksploatacyjych oraz termiach realizacji poszczególych działań w systemie utrzymaia maszy.

5 ZASTOSOWANE PROGRAMOWANA AŁKOWTOLZBOWEGO... PROGRAMOWANE AŁKOWTOLZBOWE Programowaie całkowitoliczbowe jest częścią programowaia matematyczego, którego zadaie w ogólej, abstrakcyjej postaci moŝa przedstawić jako: max f ( x ), x S R, () gdzie: R jest zbiorem wszystkich -wymiarowych wektorów o składowych rzeczywistych, f jest fukcją rzeczywistą określoą a S. Zbiór S jest azyway zbiorem ograiczeń, a f jest fukcją celu. KaŜde x S azywa się rozwiązaiem dopuszczalym zadaia (). JeŜeli moŝa wskazać x o S, które spełia waruek: > o f ( x ) f ( x ) dla wszystkich x S, to x o jest rozwiązaiem optymalym zadaia (). Zadaie programowaia całkowitoliczbowego aleŝy traktować jako zadaie programowaia matematyczego, w którym: S Z R, () gdzie: Z jest zbiorem wszystkich -wymiarowych wektorów o składowych całkowitoliczbowych. W eksploatacji pojazdów i maszy często staje się koiecze zalezieie rozwiązaia optymalego, spełiającego waruek całkowitoliczbowy, p. optymala liczba obsług techiczych o określoej pracochłoości przypadająca a jedą zmiaę pracy, optymala liczba kursów pojazdów o daych długościach trasy, przypadająca a określoy czas pracy kierowcy itp. W celu wyzaczeia rozwiązań optymalych (w wielu przypadkach) dobre rezultaty uzyskuje się przy zastosowaiu programowaia liiowego (zadaie PL): i f ( x ) = cx () { x Ax = b 0} S =, x. () gdzie: A jest macierzą o wymiarach m x, b jest m-wymiarowym wektorem, c jest - wymiarowym wektorem, a 0 ozacza -wymiarowy wektor zerowy. W przypadku zadaia programowaia całkowitoliczbowego liiowego (zadaie PL), fukcja f(x) daa jest wzorem () oraz: S ( x ) = { x Ax = b, x 0 i całkowitoliczbowy}. () Niekiedy zamiast maksymalizacji fukcji celu Ŝąda się jej miimalizacji. Nie stwarza to owego problemu, gdyŝ dla x S : mi( f ( x )) = max f ( x ). (6)

6 6 W module optymalizacja systemu MASZNA007 zastosowao algorytm simpleks [Garfikel i Nemhauser 978] z wykorzystaiem wielokryterialej ograiczoości zmieych oraz waruku całkowitoliczbowego rozwiązaia. Wyiki optymalizacji geerowae są a podstawie klasyczego algorytmu simpleks, a astępie zaokrąglae do liczby całkowitej. PoiewaŜ zaokrąglaie w górę lub w dół zmieych optymalizowaych zmieia wartość fukcji celu, wybieray jest wariat zaokrągleia, dla którego wartość fukcji celu jest maksymala (lub miimala) i ie przekracza wartości jej ograiczeń. W uproszczeiu algorytm takiej optymalizacji moŝa przedstawić w astępujących puktach: wprowadzeie daych; optymalizacja algorytmem simpleks; wprowadzeie waruku całkowitoliczbowego rozwiązaia (zaokrągleie); optymalizacja dla waruku całkowitoliczbowego rozwiązaia. PRZKŁAD OPTMALZAJ AŁKOWTOLZBOWEJ PoiŜej podao przykład optymalizacji liczby obsług techiczych dla 7 maszy przemysłu spoŝywczego, obsługiwaych przez zmiay pracowików [Bałdyga 006]. Ozaczeia: fudusz czasu pracy zmiay, fudusz czasu pracy zmiay, fudusz czasu pracy zmiay, liczba przeglądów codzieych dla maszy, 6 liczba przeglądów okresowych, 7 liczba apraw, t t czas P P przeglądu codzieego dla maszy, t średi czas przeglądu okresowego, t PO N średi czas aprawy awaryjej. Liczba rzymska w ideksie górym ozacza umer zmiay. ZałoŜeia: przyjęty okres ustaleia ilości obsług techiczych miesiąc, 7 liczby całkowite. Pozostałe waruki zostały przedstawioo w tabeli. Fukcja celu: = t P = t P = t P P P Dla przeglądów codzieych: = = = = = = 6 = = = = P P P P P P P P P 6 P PO 6 PO 6 t 7 PO N max 7 N Tabela. Początkowe waruki optymalizacji Table. itial coditios for optimizatio 7 max t N max Dla fuduszu czasu pracy Dla przeglądów okresowych Dla apraw awaryjych = =

7 ZASTOSOWANE PROGRAMOWANA AŁKOWTOLZBOWEGO... 7 Warto zauwaŝyć, Ŝe optymalizacja dla trzech zmia pracy musi być prowadzoa etapowo, tz. wyiki uzyskae dla zmiay muszą być uwzględioe przy optymalizacji zmiay, a waruki ograiczeń dla zmiay muszą uwzględiać wcześiejsze wyiki optymalizacji dla i zmiay. Na rysuku pokazao oko wprowadzaia daych w module optymalizacja zdefiiowaie problemu, tz. określeie fukcji celu oraz waruków ograiczających, zaś a rys. przedstawioo oko wyików optymalizacji. Rys.. Oko z wprowadzoymi daymi dla zmiay Fig.. Widow with data itroduced for shift Rys.. Oko kończące optymalizację podstawową (bez waruku całkowitoliczbowego) dla zmiay Fig.. Widow fiishig basic optimizatio (without iteger coditio) for shift W tabeli przedstawioo arastające waruki ograiczeń dla i zmiay, uwzględiające ustaloe wyiki optymalizacji. Tabela zawiera wyiki optymalizacji w

8 8 postaci przydzieloej liczby obsług poszczególym zmiaom, uzyskae wartości fukcji celu dla waruku całkowitoliczbowego ( c ) oraz wartości współczyika k c zdefiiowaego w astępujący sposób: c k = 00 %, (7) c gdzie: c wartości fukcji celu dla waruku całkowitoliczbowego, wartości fukcji celu dla bez zachowaia waruku całkowitoliczbowego. Tabela. Waruki ograiczeń dla i zmiay Table. oditios of limitatios for shift ad Waruki ograiczeń dla zmiay = 6 0 = 6 = 0 = = 0 = = 0 = = = 6 6 = 6 6 = 6 = Waruki ograiczeń dla zmiay Tabela. Wyiki optymalizacji Table. Optimisatio results = = 6 = 0 0 = = 0 = 8 = 0 0 = = 6 = 0 6 = = 6 = 0 zmiaa zmiaa zmiaa c k,% c 99,86 99,8 99,7 PROGNOZOWANE ZDARZEŃ EKSPLOATAJNH Moduł PROGNOZA pozwala a dokoaie aalizy progozowaia wg modeli szeregów czasowych [Radzikowska (red.) 000]. W szeregu czasowym wyróŝia się składową systematyczą oraz składową przypadkową (wahaia okresowe). W przypadku, gdy występuje składowa systematycza w postaci stałego poziomu i wahaia przypadkowe, do progozowaia w programie zastosowao modele ze stałym poziomem zmieej progozowaej, wykorzystując przy tym trzy metody: aiwą, średiej ruchomej prostej oraz średiej ruchomej waŝoej. Budując progozy a podstawie tych metod, progoza

9 ZASTOSOWANE PROGRAMOWANA AŁKOWTOLZBOWEGO... 9 przyjmuje zasadę status quo, postawę pasywą wobec progozowaego zjawiska oraz regułę podstawową. Metody te pozwalają a wyzaczeie progozy tylko a jede okres. W przypadku, gdy w szeregu czasowym obserwuje się tred zmiay wartości badaego zjawiska i wahaia przypadkowe, do progozowaia wykorzystao modele aalitycze, przewidziae dla tedecji rozwojowych. Modele te aleŝy stosować do progozowaia zjawisk, które charakteryzowały się w przeszłości regularymi zmiaami, dającymi się opisać za pomocą fukcji czasu. Zakłada się tu ie tylko iezmieość kieruku tredu, ale rówieŝ stałość charakteru zmia zjawiska wyraŝoą przez iezmieość postaci aalityczej fukcji tredu. W systemie uwzględioo postać liiową, potęgową oraz wykładiczą. Do progozowaia wartości szeregów czasowych z wahaiami okresowymi wykorzystao rówieŝ trzy postacie aalitycze (liiowy, potęgowy, wykładiczy), przy jedoczesym podziale a modele addytywe i multiplikatywe. W pierwszym przypadku model przyjmuje postać ogólą: y = yˆ + c + e, t =,...,, i,..., r. (8) ti t i t = W modelu multiplikatywym przyjmuje się, Ŝe obserwowae wartości zmieej progozowaej są iloczyem składowych szeregu czasowego. Wówczas postać ogólą modelu moŝa zapisać jako: gdzie: yti = yˆ tciet, t =,...,, i =,..., r, (9) y rzeczywista wartość progozowaej zmieej zmierzoa w chwili t w i-tej ti fazie cyklu, ŷ teoretycza wartość progozowaej zmieej zmierzoa w chwili t wyzaczoa z modelu, t c i wskaźik sezoowości, e t reszta w czasie t, r liczba faz cyklu. Rys.. Przykładowe oko programu PROGNOZA Fig.. Sample widow of the programme PREDTON

10 0 Oczywiście modele potęgowe i wykładicze przyjmą odpowiedią dla siebie postać [ielak (red.) 00]. Na rysuku 6 podao przykład oka programu, w którym została wyzaczoa progozowaa wartość czasu trwaia przeglądu techiczego wetylatora w 6. miesiącu roku kaledarzowego. WNOSK Aalizując metody zarządzaia utrzymaia pojazdów i maszy w owoczesych przedsiębiorstwach oraz rozwój systemów iformatyczych, które wspomagają to zarządzaie, asuwają się astępujące spostrzeŝeia:. Praktyczie ie ma moŝliwości, aby system utrzymaia pojazdów i maszy w duŝym, owoczesym przedsiębiorstwie mógł fukcjoować sprawie i iezawodie bez wsparcia iformatyczego.. Plaując wdroŝeie S klasy MMS aleŝy traktować utrzymaie pojazdów i maszy jako jede z elemetów zarządzaia przedsiębiorstwem, czyli stosować podejście procesowe.. WaŜe jest precyzyje określeie celów, jakie ma spełiać S, co ma związek z wyborem iezbędych modułów oferowaych S.. Racjoala eksploatacja obiektów techiczych jest źródłem oszczędości surowców, eergii i akładów kapitałowych, zatem wdroŝeie przemyślaego dla celów przedsiębiorstwa S klasy MMS przyosi zyski, które pozwalają a zwrot poiesioych kosztów a wdroŝeie i utrzymaie S w stosukowo krótkim czasie.. Aalizując tedecje rozwojowe S MMS moŝa zauwaŝyć, Ŝe coraz częściej stosowae jest w ich podejście uwzględiające róŝe aspekty utrzymaia maszy. Wią- Ŝe się to z tym, Ŝe w gospodarce rykowej trudo oddzielić od siebie zagadieia techicze od ekoomiczych czy orgaizacyjych. Wydaje się rówieŝ, Ŝe coraz waŝiejsze dla iŝyierów działów utrzymaia ruchu staje się zagadieie progozowaia (stau techiczego, kosztów, pracochłoości) oraz optymalizacji. Wobec tego decydując się a wdroŝeie S, warto zastaowić się czy system te to odpowiedi moduł progostyczy i optymalizacyjy. PŚMENNTWO ielak (red.) 00: Progozowaie gospodarcze. PWN, Warszawa. Bałdyga D. 006: Opracowaie optymalego plau przeglądów i apraw wybraej produkcyjej liii techologiczej. Praca magisterska WNT, Olszty. Garfikel R., Nemhauser G. 978: Programowaie całkowitoliczbowe. PWN, Warszawa. Mikołajczak P. 00: Komputerowa baza utrzymaia maszy MASZNA, wspomagająca zarządzaie systemem eksploatacji. X Kogres Eksploatacji Urządzeń Techiczych, tom, Kryica. Nowicki A. (red.) 99: Podstawy iformatyki dla ekoomistów, PWN, Warszawa. Radzikowska B. (red.) 000: Metody progozowaia. Wyd. Akademii Ekoomiczej im. Oskara Lagego. Wrocław.

11 ZASTOSOWANE PROGRAMOWANA AŁKOWTOLZBOWEGO... Wrycza S. 999: Aaliza i projektowaie systemów iformatyczych zarządzaia. PWN, Warszawa. śółtowski B. 996: Podstawy diagostyki maszy. Wyd. ATR., Bydgoszcz. Materiały iformacyje, t. systemu pla9000. NTEGER PROGRAMMNG N MANTENANE OF VEHLES AND MAHNES Summary. the paper there was preseted the computer maiteace system of vehicles ad machies ivolvig optimizatio ad progosis method, belogig to MMS class systems (omputerised Maiteace Maagemet System). The classic modules of MMS systems were discribed ad the module of iteger optimisatio ad also the progosig module icludig differet progosis models. Key words: computer system, vehicles machies ad maiteace, optimisatio, progosig

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU Przedmiot: Iformatyka w logistyce Forma: Laboratorium Temat: Zadaie 2. Automatyzacja obsługi usług logistyczych z wykorzystaiem zaawasowaych fukcji oprogramowaia Excel. Miimalizacja pustych przebiegów

Bardziej szczegółowo

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,

Bardziej szczegółowo

ALGORYTM OPTYMALIZACJI PARAMETRÓW EKSPLOATACYJNYCH ŚRODKÓW TRANSPORTU

ALGORYTM OPTYMALIZACJI PARAMETRÓW EKSPLOATACYJNYCH ŚRODKÓW TRANSPORTU Łukasz WOJCIECHOWSKI, Tadeusz CISOWSKI, Piotr GRZEGORCZYK ALGORYTM OPTYMALIZACJI PARAMETRÓW EKSPLOATACYJNYCH ŚRODKÓW TRANSPORTU Streszczeie W artykule zaprezetowao algorytm wyzaczaia optymalych parametrów

Bardziej szczegółowo

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień.

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień. Metoda aalizy hierarchii Saaty ego Ważym problemem podejmowaia decyzji optymalizowaej jest często występująca hierarchiczość zagadień. Istieje wiele heurystyczych podejść do rozwiązaia tego problemu, jedak

Bardziej szczegółowo

Artykuł techniczny CVM-NET4+ Zgodny z normami dotyczącymi efektywności energetycznej

Artykuł techniczny CVM-NET4+ Zgodny z normami dotyczącymi efektywności energetycznej 1 Artykuł techiczy Joatha Azañó Dział ds. Zarządzaia Eergią i Jakości Sieci CVM-ET4+ Zgody z ormami dotyczącymi efektywości eergetyczej owy wielokaałowy aalizator sieci i poboru eergii Obeca sytuacja Obece

Bardziej szczegółowo

Zeszyty naukowe nr 9

Zeszyty naukowe nr 9 Zeszyty aukowe r 9 Wyższej Szkoły Ekoomiczej w Bochi 2011 Piotr Fijałkowski Model zależości otowań giełdowych a przykładzie otowań ołowiu i spółki Orzeł Biały S.A. Streszczeie Niiejsza praca opisuje próbę

Bardziej szczegółowo

ROZPORZĄDZENIE MINISTRA NAUKI I SZKOLNICTWA WYŻSZEGO 1) z dnia 21 października 2011 r.

ROZPORZĄDZENIE MINISTRA NAUKI I SZKOLNICTWA WYŻSZEGO 1) z dnia 21 października 2011 r. Dzieik Ustaw Nr 251 14617 Poz. 1508 1508 ROZPORZĄDZENIE MINISTRA NAUKI I SZKOLNICTWA WYŻSZEGO 1) z dia 21 paździerika 2011 r. w sprawie sposobu podziału i trybu przekazywaia podmiotowej dotacji a dofiasowaie

Bardziej szczegółowo

Konica Minolta Optimized Print Services (OPS) Oszczędzaj czas. Poprawiaj efektywność. Stabilizuj koszty. OPS firmy Konica Minolta

Konica Minolta Optimized Print Services (OPS) Oszczędzaj czas. Poprawiaj efektywność. Stabilizuj koszty. OPS firmy Konica Minolta Koica Miolta Optimized Prit Services (OPS) Oszczędzaj czas. Poprawiaj efektywość. Stabilizuj koszty. OPS firmy Koica Miolta Optimized Prit Services OPS Najlepszą metodą przewidywaia przyszłości jest jej

Bardziej szczegółowo

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y Zadaie. Łącza wartość szkód z pewego ubezpieczeia W = Y + Y +... + YN ma rozkład złożoy Poissoa z oczekiwaą liczbą szkód rówą λ i rozkładem wartości pojedyczej szkody takim, że ( Y { 0,,,3,... }) =. Niech:

Bardziej szczegółowo

Chemia Teoretyczna I (6).

Chemia Teoretyczna I (6). Chemia Teoretycza I (6). NajwaŜiejsze rówaia róŝiczkowe drugiego rzędu o stałych współczyikach w chemii i fizyce cząstka w jedowymiarowej studi potecjału Cząstka w jedowymiarowej studi potecjału Przez

Bardziej szczegółowo

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy transportowe cd, Problem komiwojażera

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy transportowe cd, Problem komiwojażera Istrukcja do ćwiczeń laboratoryjych z przedmiotu: Badaia operacyje Temat ćwiczeia: Problemy trasportowe cd Problem komiwojażera Zachodiopomorski Uiwersytet Techologiczy Wydział Iżyierii Mechaiczej i Mechatroiki

Bardziej szczegółowo

Wykład 11. a, b G a b = b a,

Wykład 11. a, b G a b = b a, Wykład 11 Grupy Grupą azywamy strukturę algebraiczą złożoą z iepustego zbioru G i działaia biarego które spełia własości: (i) Działaie jest łącze czyli a b c G a (b c) = (a b) c. (ii) Działaie posiada

Bardziej szczegółowo

Twoja firma. Podręcznik użytkownika. Aplikacja Grupa. V edycja, kwiecień 2013

Twoja firma. Podręcznik użytkownika. Aplikacja Grupa. V edycja, kwiecień 2013 Twoja firma Podręczik użytkowika Aplikacja Grupa V edycja, kwiecień 2013 Spis treści I. INFORMACJE WSTĘPNE I LOGOWANIE...3 I.1. Wstęp i defiicje...3 I.2. Iformacja o możliwości korzystaia z systemu Aplikacja

Bardziej szczegółowo

Computer Aided Cooperation (CAC) Systemy wspomagania kooperacji i innowacji w procesach produkcji

Computer Aided Cooperation (CAC) Systemy wspomagania kooperacji i innowacji w procesach produkcji AKADEMIA TECHNICZNO-HUMANISTYCZNA W BIELSKU-BIAŁEJ dr iż. Aleksader MOCZAŁA Computer Aided Cooperatio (CAC) Systemy wspomagaia kooperacji i iowacji w procesach produkcji PLAN Wprowadzeie Wprowadzeie Uwarukowaia

Bardziej szczegółowo

8. Optymalizacja decyzji inwestycyjnych

8. Optymalizacja decyzji inwestycyjnych 8. Optymalizacja decyzji iwestycyjych 8. Wprowadzeie W wielu różych sytuacjach, w tym rówież w czasie wyboru iwestycji do realizacji, podejmujemy decyzje. Sytuacje takie azywae są sytuacjami decyzyjymi.

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej 3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi

Bardziej szczegółowo

SYSTEM OCENY STANU NAWIERZCHNI SOSN ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI BITUMICZNYCH W SYSTEMIE OCENY STANU NAWIERZCHNI SOSN

SYSTEM OCENY STANU NAWIERZCHNI SOSN ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI BITUMICZNYCH W SYSTEMIE OCENY STANU NAWIERZCHNI SOSN ZAŁĄCZNIK B GENERALNA DYREKCJA DRÓG PUBLICZNYCH Biuro Studiów Sieci Drogowej SYSTEM OCENY STANU NAWIERZCHNI SOSN WYTYCZNE STOSOWANIA - ZAŁĄCZNIK B ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi.

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi. Jarosław Wróblewski Aaliza Matematycza 1A, zima 2012/13 Ciągi. Ćwiczeia 5.11.2012: zad. 140-173 Kolokwium r 5, 6.11.2012: materiał z zad. 1-173 Ćwiczeia 12.11.2012: zad. 174-190 13.11.2012: zajęcia czwartkowe

Bardziej szczegółowo

Aplikacyjne aspekty metody Six Sigma w kwalitatywnej ocenie funkcjonowania systemów logistycznych

Aplikacyjne aspekty metody Six Sigma w kwalitatywnej ocenie funkcjonowania systemów logistycznych Aplikacyje aspekty metody Six Sigma w kwalitatywej oceie fukcjoowaia systemów logistyczych Applicatio aspects of the Six Sigma method i qualitative ratig of the workig of logistic systems Moika Dopytalska*,

Bardziej szczegółowo

MACIERZE STOCHASTYCZNE

MACIERZE STOCHASTYCZNE MACIERZE STOCHASTYCZNE p ij - prawdopodobieństwo przejścia od stau i do stau j w jedym (dowolym) kroku, [p ij ]- macierz prawdopodobieństw przejść (w jedym kroku), Własości macierzy prawdopodobieństw przejść:

Bardziej szczegółowo

o zmianie ustawy o finansach publicznych oraz niektórych innych ustaw.

o zmianie ustawy o finansach publicznych oraz niektórych innych ustaw. SENAT RZECZYPOSPOLITEJ POLSKIEJ VIII KADENCJA Warszawa, dia 12 listopada 2013 r. Druk r 487 MARSZAŁEK SEJMU RZECZYPOSPOLITEJ POLSKIEJ Pa Bogda BORUSEWICZ MARSZAŁEK SENATU RZECZYPOSPOLITEJ POLSKIEJ Zgodie

Bardziej szczegółowo

Wartość przyszła FV. Zmienna wartość pieniądza w czasie. złotówka w garści jest warta więcej niŝ złotówka spodziewana w przyszłości

Wartość przyszła FV. Zmienna wartość pieniądza w czasie. złotówka w garści jest warta więcej niŝ złotówka spodziewana w przyszłości Zmiea wartość pieiądza w czasie Zmiea wartość pieiądza w czasie Zmiea wartość pieiądza w czasie jeda z podstawowych prawidłowości wykorzystywaych w fiasach polegająca a tym, Ŝe: złotówka w garści jest

Bardziej szczegółowo

Elementy modelowania matematycznego

Elementy modelowania matematycznego Elemety modelowaia matematyczego Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Modelowaie daych (ilościowe): Metody statystycze: estymacja parametrów modelu,

Bardziej szczegółowo

ZASTOSOWANIE SILNIKÓW O DUśEJ SPRAWNOŚCI DO NAPĘDÓW WENTYLATORÓW MŁYNOWYCH

ZASTOSOWANIE SILNIKÓW O DUśEJ SPRAWNOŚCI DO NAPĘDÓW WENTYLATORÓW MŁYNOWYCH Zeszyty Problemowe Maszyy Elektrycze Nr 88/2010 135 Grzegorz Badowski, Jerzy Hickiewicz, Krystya Macek-Kamińska, Marci Kamiński Politechika Opolska, Opole Piotr Pluta, PGE Elektrowia Opole SA, Brzezie

Bardziej szczegółowo

TRANSFORMACJA DO UKŁADU 2000 A PROBLEM ZGODNOŚCI Z PRG

TRANSFORMACJA DO UKŁADU 2000 A PROBLEM ZGODNOŚCI Z PRG Tomasz ŚWIĘTOŃ 1 TRANSFORMACJA DO UKŁADU 2000 A ROBLEM ZGODNOŚCI Z RG Na mocy rozporządzeia Rady Miistrów w sprawie aństwowego Systemu Odiesień rzestrzeych już 31 grudia 2009 roku upływa termi wykoaia

Bardziej szczegółowo

PLANOWANIE PROCESÓW WYTWARZANIA

PLANOWANIE PROCESÓW WYTWARZANIA Politechika Pozańska Zakład Zarządzaia i Iżyierii Jakości PLANOWANIE PROCESÓW WYTWARZANIA Materiały pomocicze do projektu z przedmiotu: Zarządzaie produkcją i usługami Opracował Krzysztof ŻYWICKI Pozań,

Bardziej szczegółowo

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO Agieszka Jakubowska ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO. Wstęp Skąplikowaie współczesego życia gospodarczego powoduje, iż do sterowaia procesem zarządzaia

Bardziej szczegółowo

Elementy rach. macierzowego Materiały pomocnicze do MES Strona 1 z 7. Elementy rachunku macierzowego

Elementy rach. macierzowego Materiały pomocnicze do MES Strona 1 z 7. Elementy rachunku macierzowego Elemety rach macierzowego Materiały pomocicze do MES Stroa z 7 Elemety rachuku macierzowego Przedstawioe poiżej iformacje staowią krótkie przypomieie elemetów rachuku macierzowego iezbęde dla zrozumieia

Bardziej szczegółowo

PODSTAWOWE ZAGADNIENIA METODOLOGICZNE

PODSTAWOWE ZAGADNIENIA METODOLOGICZNE PODSTAWOWE ZAGADNIENIA METODOLOGICZNE. Wprowadzeie W ekoomii i aukach o zarządzaiu obserwuje się tedecję do ilościowego opisu zależości miedzy zjawiskami ekoomiczymi. Umożliwia to - zobiektywizowaie i

Bardziej szczegółowo

Struktura czasowa stóp procentowych (term structure of interest rates)

Struktura czasowa stóp procentowych (term structure of interest rates) Struktura czasowa stóp procetowych (term structure of iterest rates) Wysokość rykowych stóp procetowych Na ryku istieje wiele różorodych stóp procetowych. Poziom rykowej stopy procetowej (lub omialej stopy,

Bardziej szczegółowo

Matematyka finansowa 06.10.2008 r. Komisja Egzaminacyjna dla Aktuariuszy. XLVII Egzamin dla Aktuariuszy z 6 października 2008 r.

Matematyka finansowa 06.10.2008 r. Komisja Egzaminacyjna dla Aktuariuszy. XLVII Egzamin dla Aktuariuszy z 6 października 2008 r. Komisja Egzamiacyja dla Aktuariuszy XLVII Egzami dla Aktuariuszy z 6 paździerika 2008 r. Część I Matematyka fiasowa WERSJA TESTU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut . Kredytobiorca

Bardziej szczegółowo

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum MATEMATYKA (poziom podstawowy) przykładowy arkusz maturaly wraz ze schematem oceiaia dla klasy II Liceum Propozycja zadań maturalych sprawdzających opaowaie wiadomości i umiejętości matematyczych z zakresu

Bardziej szczegółowo

SYSTEM KOMPUTEROWY UŁATWIAJĄCY WYKORZYSTANIE INFORMACJI O ZJAWISKACH SOCJALNO-EKONOMICZNYCH PRZY WYBORZE FIRM INWESTUJĄCYCH NA DANYM TERENIE

SYSTEM KOMPUTEROWY UŁATWIAJĄCY WYKORZYSTANIE INFORMACJI O ZJAWISKACH SOCJALNO-EKONOMICZNYCH PRZY WYBORZE FIRM INWESTUJĄCYCH NA DANYM TERENIE Autoreferat rozprawy doktorskiej SYSTEM KOMPUTEROWY UŁATWIAJĄCY WYKORZYSTANIE INFORMACJI O ZJAWISKACH SOCJALNO-EKONOMICZNYCH PRZY WYBORZE FIRM INWESTUJĄCYCH NA DANYM TERENIE mgr iŝ. Jausz Rybarski PROMOTOR:

Bardziej szczegółowo

WYGRYWAJ NAGRODY z KAN-therm

WYGRYWAJ NAGRODY z KAN-therm Regulami Kokursu I. POSTANOWIENIA OGÓLNE. 1. Regulami określa zasady KONKURSU p. Wygrywaj agrody z KAN-therm (dalej: Kokurs). 2. Orgaizatorem Kokursu jest KAN Sp. z o.o. z siedzibą w Białymstoku- Kleosiie,

Bardziej szczegółowo

Ć wiczenie 17 BADANIE SILNIKA TRÓJFAZOWEGO KLATKOWEGO ZASILANEGO Z PRZEMIENNIKA CZĘSTOTLIWOŚCI

Ć wiczenie 17 BADANIE SILNIKA TRÓJFAZOWEGO KLATKOWEGO ZASILANEGO Z PRZEMIENNIKA CZĘSTOTLIWOŚCI Ć wiczeie 7 BADANIE SILNIKA TRÓJFAZOWEGO KLATKOWEGO ZASILANEGO Z RZEIENNIKA CZĘSTOTLIWOŚCI Wiadomości ogóle Rozwój apędów elektryczych jest ściśle związay z rozwojem eergoelektroiki Współcześie a ogół

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VI: Metoda Mote Carlo 17 listopada 2014 Zastosowaie: przybliżoe całkowaie Prosta metoda Mote Carlo Przybliżoe obliczaie całki ozaczoej Rozważmy całkowalą fukcję f : [0, 1] R. Chcemy zaleźć przybliżoą

Bardziej szczegółowo

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ LABORATORIUM RACHUNEK EKONOMICZNY W ELEKTROENERGETYCE INSTRUKCJA DO ĆWICZENIA

Bardziej szczegółowo

KOMPETENCJE EKSPERTÓW W INFORMATYCZNYM SYSTEMIE WSPOMAGANIA DECYZJI

KOMPETENCJE EKSPERTÓW W INFORMATYCZNYM SYSTEMIE WSPOMAGANIA DECYZJI KOMPETENCJE EKSPERTÓW W INFORMATYCZNYM SYSTEMIE WSPOMAGANIA DECYZJI Ryszard Budziński, Marta Fukacz, Jarosław Becker, Uiwersytet Szczeciński, Wydział Nauk Ekoomiczych i Zarządzaia, Istytut Iformatyki w

Bardziej szczegółowo

Wykład. Inwestycja. Inwestycje. Inwestowanie. Działalność inwestycyjna. Inwestycja

Wykład. Inwestycja. Inwestycje. Inwestowanie. Działalność inwestycyjna. Inwestycja Iwestycja Wykład Celowo wydatkowae środki firmy skierowae a powiększeie jej dochodów w przyszłości. Iwestycje w wyiku użycia środków fiasowych tworzą lub powiększają majątek rzeczowy, majątek fiasowy i

Bardziej szczegółowo

Ekonomia matematyczna 2-2

Ekonomia matematyczna 2-2 Ekoomia matematycza - Fukcja produkcji Defiicja Efektywym przekształceiem techologiczym azywamy odwzorowaie (iekiedy wielowartościowe), które kazdemu wektorowi akładów R przyporządkowuje zbiór wektorów

Bardziej szczegółowo

Ekonometria Mirosław Wójciak

Ekonometria Mirosław Wójciak Ekoometria Mirosław Wójciak Literatura obowiązkowa Barczak A, ST. Biolik J, Podstawy Ekoometrii, Wydawictwo AE Katowice, Katowice 1998 Dziechciarz J. Ekoometria Metody, przykłady, zadaia (wyd. ) Kukuła

Bardziej szczegółowo

STATYSTYKA I ANALIZA DANYCH

STATYSTYKA I ANALIZA DANYCH TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica

Bardziej szczegółowo

Metody badania zbieżności/rozbieżności ciągów liczbowych

Metody badania zbieżności/rozbieżności ciągów liczbowych Metody badaia zbieżości/rozbieżości ciągów liczbowych Ryszard Rębowski 14 grudia 2017 1 Wstęp Kluczowe pytaie odoszące się do zagadieia badaia zachowaia się ciągu liczbowego sprowadza się do sposobu opisu

Bardziej szczegółowo

Planowanie organizacji robót budowlanych na podstawie analizy nakładów pracy zasobów czynnych

Planowanie organizacji robót budowlanych na podstawie analizy nakładów pracy zasobów czynnych Budowictwo i Architektura 12(1) (2013) 39-46 Plaowaie orgaizacji robót budowlaych a podstawie aalizy akładów pracy zasobów czyych Roma Marcikowski 1 1 Istytut Budowictwa, Wydział Budowictwa Mechaiki i

Bardziej szczegółowo

Wprowadzenie. metody elementów skończonych

Wprowadzenie. metody elementów skończonych Metody komputerowe Wprowadzeie Podstawy fizycze i matematycze metody elemetów skończoych Literatura O.C.Ziekiewicz: Metoda elemetów skończoych. Arkady, Warszawa 972. Rakowski G., acprzyk Z.: Metoda elemetów

Bardziej szczegółowo

Jak skutecznie reklamować towary konsumpcyjne

Jak skutecznie reklamować towary konsumpcyjne K Stowarzyszeie Kosumetów Polskich Jak skuteczie reklamować towary kosumpcyje HALO, KONSUMENT! Chcesz pozać swoje praw a? Szukasz pomoc y? ZADZWOŃ DO INFOLINII KONSUMENCKIEJ BEZPŁATNY TELEFON 0 800 800

Bardziej szczegółowo

INWESTYCJE MATERIALNE

INWESTYCJE MATERIALNE OCENA EFEKTYWNOŚCI INWESTYCJI INWESTCJE: proces wydatkowaia środków a aktywa, z których moża oczekiwać dochodów pieiężych w późiejszym okresie. Każde przedsiębiorstwo posiada pewą liczbę możliwych projektów

Bardziej szczegółowo

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2011 POZIOM ROZSZERZONY WYBRANE: CZĘŚĆ I. Czas pracy: 90 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2011 POZIOM ROZSZERZONY WYBRANE: CZĘŚĆ I. Czas pracy: 90 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY Cetrala Komisja Egzamiacyja Arkusz zawiera iformacje prawie chroioe do mometu rozpoczęcia egzamiu. Układ graficzy CKE 2010 KOD WISUJE ZDAJĄCY ESEL Miejsce a aklejkę z kodem EGZAMIN MATURALNY Z INORMATYKI

Bardziej szczegółowo

Szereg geometryczny. 5. b) b n = 4n 2 (b 1 = 2, r = 4) lub b n = 10 (b 1 = 10, r = 0). 2. jest równa 1 x dla x = 1+ Zad. 3:

Szereg geometryczny. 5. b) b n = 4n 2 (b 1 = 2, r = 4) lub b n = 10 (b 1 = 10, r = 0). 2. jest równa 1 x dla x = 1+ Zad. 3: Szereg geometryczy Zad : Suma wszystkich wyrazów ieskończoego ciągu geometryczego jest rówa 4, a suma trzech początkowych wyrazów wyosi a) Zbadaj mootoiczość ciągu sum częściowych tego ciągu geometryczego

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji : m f x = Ax RAAx x Defiicja: Zakresem macierzy A Œ âm azywamy podprzestrzeń

Bardziej szczegółowo

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to

Bardziej szczegółowo

Harmonogramowanie linii montażowej jako element projektowania cyfrowej fabryki

Harmonogramowanie linii montażowej jako element projektowania cyfrowej fabryki 52 Sławomir Herma Sławomir HERMA atedra Iżyierii Produkcji, ATH w Bielsku-Białej E mail: slawomir.herma@gmail.com Harmoogramowaie liii motażowej jako elemet projektowaia cyfrowej fabryki Streszczeie: W

Bardziej szczegółowo

AGH, Wydział Elektrotechniki, Automatyki Informatyki i Elektroniki Katedra Automatyki METODY OPTYMALIZACJI. Wojciech Grega

AGH, Wydział Elektrotechniki, Automatyki Informatyki i Elektroniki Katedra Automatyki METODY OPTYMALIZACJI. Wojciech Grega AGH, Wydział Elektrotechiki, Automatyki Iformatyki i Elektroiki Katedra Automatyki METODY OPTYMALIZACJI Wojciech Grega Kraków, 6 . Wykład I. Problemy optymalizacji: formułowaie, klasyfikacja, przykłady.

Bardziej szczegółowo

BADANIA DOCHODU I RYZYKA INWESTYCJI

BADANIA DOCHODU I RYZYKA INWESTYCJI StatSoft Polska, tel. () 484300, (60) 445, ifo@statsoft.pl, www.statsoft.pl BADANIA DOCHODU I RYZYKA INWESTYCJI ZA POMOCĄ ANALIZY ROZKŁADÓW Agieszka Pasztyła Akademia Ekoomicza w Krakowie, Katedra Statystyki;

Bardziej szczegółowo

1. Granica funkcji w punkcie

1. Granica funkcji w punkcie Graica ukcji w pukcie Deiicja Sąsiedztwem o promieiu r > 0 puktu a R azywamy zbiór S ( a ( a r ( a a Deiicja Sąsiedztwem lewostroym o promieiu r > 0 puktu a R azywamy zbiór S ( a ( a r Deiicja Sąsiedztwem

Bardziej szczegółowo

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek Zajdowaie pozostałych pierwiastków liczby zespoloej, gdy zay jest jede pierwiastek 1 Wprowadzeie Okazuje się, że gdy zamy jede z pierwiastków stopia z liczby zespoloej z, to pozostałe pierwiastki możemy

Bardziej szczegółowo

ANALIZA DRGAŃ POPRZECZNYCH PŁYTY PIERŚCIENIOWEJ O ZŁOŻONYM KSZTAŁCIE Z UWZGLĘDNIENIEM WŁASNOŚCI CYKLICZNEJ SYMETRII UKŁADU

ANALIZA DRGAŃ POPRZECZNYCH PŁYTY PIERŚCIENIOWEJ O ZŁOŻONYM KSZTAŁCIE Z UWZGLĘDNIENIEM WŁASNOŚCI CYKLICZNEJ SYMETRII UKŁADU Dr iż. Staisław NOGA oga@prz.edu.pl Politechika Rzeszowska ANALIZA DRGAŃ POPRZECZNYCH PŁYTY PIERŚCIENIOWEJ O ZŁOŻONYM KSZTAŁCIE Z UWZGLĘDNIENIEM WŁASNOŚCI CYKLICZNEJ SYMETRII UKŁADU Streszczeie: W publikacji

Bardziej szczegółowo

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny TEMATYKA: Regresja liiowa dla prostej i płaszczyzy Ćwiczeia r 5 DEFINICJE: Regresja: metoda statystycza pozwalająca a badaie związku pomiędzy wielkościami daych i przewidywaie a tej podstawie iezaych wartości

Bardziej szczegółowo

Projekt z dnia 24.05.2012 r. Wersja 0.5 ROZPORZĄDZENIE MINISTRA GOSPODARKI 1) z dnia..

Projekt z dnia 24.05.2012 r. Wersja 0.5 ROZPORZĄDZENIE MINISTRA GOSPODARKI 1) z dnia.. Projekt z dia 24.05.2012 r. Wersja 0.5 ROZPORZĄDZENIE MINISTRA GOSPODARKI 1) z dia.. w sprawie szczegółowego zakresu obowiązku uzyskaia i przedstawieia do umorzeia świadectw efektywości eergetyczej i uiszczaia

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji ( ) : m f x = Ax ( A) { Ax x } = Defiicja: Zakresem macierzy A Œ âm azywamy

Bardziej szczegółowo

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych Temat: Poprawo całkowita i czciowa algorytmu. Złooo obliczeiowa algorytmu. Złooo czasowa redia i pesymistycza. Rzd fukcji. I. Literatura 1. L. Baachowski, K. Diks, W. Rytter Algorytmy i struktury daych.

Bardziej szczegółowo

WYKŁAD 6 TRANZYSTORY POLOWE

WYKŁAD 6 TRANZYSTORY POLOWE WYKŁA 6 RANZYSORY POLOWE RANZYSORY POLOWE ZŁĄCZOWE (Juctio Field Effect rasistors) 55 razystor polowy złączowy zbudoway jest z półprzewodika (w tym przypadku typu p), w który wdyfudowao dwa obszary bramki

Bardziej szczegółowo

Akademia Młodego Ekonomisty

Akademia Młodego Ekonomisty Akademia Młodego Ekoomisty Mieriki wzrostu gospodarczego dr Baha Kaliowska-Sufiowicz Uiwersytet Ekoomiczy w Pozaiu 7 marca 2013 r. Ayoe who believes that expotetial growth ca go o for ever i a fiite world

Bardziej szczegółowo

O liczbach naturalnych, których suma równa się iloczynowi

O liczbach naturalnych, których suma równa się iloczynowi O liczbach aturalych, których suma rówa się iloczyowi Lew Kurladczyk i Adrzej Nowicki Toruń UMK, 10 listopada 1998 r. Liczby aturale 1, 2, 3 posiadają szczególą własość. Ich suma rówa się iloczyowi: Podobą

Bardziej szczegółowo

ELEKTROTECHNIKA I ELEKTRONIKA

ELEKTROTECHNIKA I ELEKTRONIKA UNIWERSYTET TECHNOLOGICZNO-PRZYRODNICZY W BYDGOSZCZY WYDZIAŁ INŻYNIERII MECHANICZNEJ INSTYTUT EKSPLOATACJI MASZYN I TRANSPORTU ZAKŁAD STEROWANIA ELEKTROTECHNIKA I ELEKTRONIKA ĆWICZENIE: E20 BADANIE UKŁADU

Bardziej szczegółowo

Politechnika Poznańska

Politechnika Poznańska Politechika Pozańska Temat: Laboratorium z termodyamiki Aaliza składu spali powstałych przy spalaiu paliw gazowych oraz pomiar ich prędkości przepływu za pomocą Dopplerowskiego Aemometru Laserowego (LDA)

Bardziej szczegółowo

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X Matematyka ubezpieczeń majątkowych.0.0 r. Zadaie. Mamy day ciąg liczb q, q,..., q z przedziału 0,. Rozważmy trzy zmiee losowe: o X X X... X, gdzie X i ma rozkład dwumiaowy o parametrach,q i, i wszystkie

Bardziej szczegółowo

x 1 2 3 t 1 (x) 2 3 1 o 1 : x 1 2 3 s 3 (x) 2 1 3. Tym samym S(3) = {id 3,o 1,o 2,s 1,s 2,s 3 }. W zbiorze S(n) definiujemy działanie wzorem

x 1 2 3 t 1 (x) 2 3 1 o 1 : x 1 2 3 s 3 (x) 2 1 3. Tym samym S(3) = {id 3,o 1,o 2,s 1,s 2,s 3 }. W zbiorze S(n) definiujemy działanie wzorem 9.1. Izomorfizmy algebr.. Wykład Przykłady: 13) Działaia w grupach często wygodie jest zapisywać w tabelkach Cayleya. Na przykład tabelka działań w grupie Z 5, 5) wygląda astępująco: 5 1 3 1 1 3 1 3 3

Bardziej szczegółowo

WYBRANE METODY DOSTĘPU DO DANYCH

WYBRANE METODY DOSTĘPU DO DANYCH WYBRANE METODY DOSTĘPU DO DANYCH. WSTĘP Coraz doskoalsze, szybsze i pojemiejsze pamięci komputerowe pozwalają gromadzić i przetwarzać coraz większe ilości iformacji. Systemy baz daych staowią więc jedo

Bardziej szczegółowo

40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40.

40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40. Portfele polis Poieważ składka jest ustalaa jako wartość oczekiwaa rzeczywistego, losowego kosztu ubezpieczeia, więc jest tym bliższa średiej wydatków im większa jest liczba ubezpieczoych Polisy grupuje

Bardziej szczegółowo

Materiał pomocniczy dla nauczycieli kształcących w zawodzieb!

Materiał pomocniczy dla nauczycieli kształcących w zawodzieb! Projekt wsp,ł.iasoway ze 4rodk,w Uii Europejskiej w ramach Europejskiego Fuduszu Społeczego Materiał pomociczy dla auczycieli kształcących w zawodzieb "#$%&'( ")*+,"+(' -'#.,('#. przygotoway w ramach projektu

Bardziej szczegółowo

Laboratorium Sensorów i Pomiarów Wielkości Nieelektrycznych. Ćwiczenie nr 1

Laboratorium Sensorów i Pomiarów Wielkości Nieelektrycznych. Ćwiczenie nr 1 1. Cel ćwiczeia: Laboratorium Sesorów i Pomiarów Wielkości Nieelektryczych Ćwiczeie r 1 Pomiary ciśieia Celem ćwiczeia jest zapozaie się z kostrukcją i działaiem czujików ciśieia. W trakcie zajęć laboratoryjych

Bardziej szczegółowo

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017 STATYSTYKA OPISOWA Dr Alia Gleska Istytut Matematyki WE PP 18 listopada 2017 1 Metoda aalitycza Metoda aalitycza przyjmujemy założeie, że zmiay zjawiska w czasie moża przedstawić jako fukcję zmieej czasowej

Bardziej szczegółowo

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy przydziału

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy przydziału Istrukcja do ćwiczeń laboratoryjych z przediotu: Badaia operacyje Teat ćwiczeia: Probley przydziału Zachodiopoorski Uiwersytet Techologiczy Wydział Iżyierii Mechaiczej i Mechatroiki Szczeci 20 Opracował:

Bardziej szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz

Bardziej szczegółowo

Kluczowy aspekt wyszukiwania informacji:

Kluczowy aspekt wyszukiwania informacji: Wyszukiwaieiformacjitoproceswyszukiwaiawpewymzbiorze tychwszystkichdokumetów,którepoświęcoesąwskazaemuw kweredzietematowi(przedmiotowi)lubzawierająiezbędedla Wg M. A. Kłopotka: użytkowikafaktyiiformacje.

Bardziej szczegółowo

3.1. Charakterystyka próby oraz metodyka badań

3.1. Charakterystyka próby oraz metodyka badań Praktyka polskich przedsiębiorstw w zakresie zarządzaia majątkiem obrotowym 201 3. Praktyka polskich przedsiębiorstw w zakresie zarządzaia majątkiem obrotowym i jego wpływu a proces kreowaia wartości przedsiębiorstwa

Bardziej szczegółowo

Parametryzacja rozwiązań układu równań

Parametryzacja rozwiązań układu równań Parametryzacja rozwiązań układu rówań Przykład: ozwiąż układy rówań: / 2 2 6 2 5 2 6 2 5 //( / / 2 2 9 2 2 4 4 2 ) / 4 2 2 5 2 4 2 2 Korzystając z postaci schodkowej (środkowa macierz) i stosując podstawiaie

Bardziej szczegółowo

ELEKTROTECHNIKA I ELEKTRONIKA

ELEKTROTECHNIKA I ELEKTRONIKA NIWERSYTET TECHNOLOGICZNO-PRZYRODNICZY W BYDGOSZCZY WYDZIAŁ INŻYNIERII MECHANICZNEJ INSTYTT EKSPLOATACJI MASZYN I TRANSPORT ZAKŁAD STEROWANIA ELEKTROTECHNIKA I ELEKTRONIKA ĆWICZENIE: E13 BADANIE ELEMENTÓW

Bardziej szczegółowo

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15 Testowaie hipotez ZałoŜeia będące przedmiotem weryfikacji azywamy hipotezami statystyczymi. KaŜde przypuszczeie ma swoją alteratywę. Jeśli postawimy hipotezę, Ŝe średica pia jedoroczych drzew owej odmiay

Bardziej szczegółowo

1 Twierdzenia o granicznym przejściu pod znakiem całki

1 Twierdzenia o granicznym przejściu pod znakiem całki 1 Twierdzeia o graiczym przejściu pod zakiem całki Ozaczeia: R + = [0, ) R + = [0, ] (X, M, µ), gdzie M jest σ-ciałem podzbiorów X oraz µ: M R + - zbiór mierzaly, to zaczy M Twierdzeie 1.1. Jeżeli dae

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: STATYSTYKA OPISOWA PODSTAWOWE WZORY Q i = x lmi + i mi 1 4 j h m i mi x = 1 x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału

Bardziej szczegółowo

Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia

Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia Pla wykładu Aaliza daych Wykład : Statystyka opisowa. Małgorzata Krętowska Wydział Iformatyki Politechika Białostocka. Statystyka opisowa.. Estymacja puktowa. Własości estymatorów.. Rozkłady statystyk

Bardziej szczegółowo

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: x = 1 STATYSTYKA OPISOWA PODSTAWOWE WZORY x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału Domiata (moda Liczba ajczęściej

Bardziej szczegółowo

ZADANIA - ZESTAW 2. Zadanie 2.1. Wyznaczyć m (n)

ZADANIA - ZESTAW 2. Zadanie 2.1. Wyznaczyć m (n) ZADANIA - ZESTAW Zadaie.. Wyzaczyć m (), D ( ) dla procesu symetryczego (p = q =,) błądzeia przypadkowego. Zadaie.. Narysuj graf łańcucha Markowa symetrycze (p = q =,) błądzeie przypadkowe z odbiciem.

Bardziej szczegółowo

Optymalizacja sieci powiązań układu nadrzędnego grupy kopalń ze względu na koszty transportu

Optymalizacja sieci powiązań układu nadrzędnego grupy kopalń ze względu na koszty transportu dr hab. iż. KRYSTIAN KALINOWSKI WSIiZ w Bielsku Białej, Politechika Śląska dr iż. ROMAN KAULA Politechika Śląska Optymalizacja sieci powiązań układu adrzędego grupy kopalń ze względu a koszty trasportu

Bardziej szczegółowo

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne Wykład 4 Niezależość zmieych, fukcje i charakterystyki wektora losowego, cetrale twierdzeia graicze Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki

Bardziej szczegółowo

Składka ubezpieczeniowa

Składka ubezpieczeniowa Przychody zakładów ubezpieczeń Przychody i wydatki zakładów ubezpieczeń Składka ubezpieczeiowa 60-95 % Przychody z lokat 5-15 % Przychody z reasekuracji 5-30 % Wydatki zakładów ubezpieczeń Odszkodowaia

Bardziej szczegółowo

Ciągi liczbowe z komputerem

Ciągi liczbowe z komputerem S t r o a 1 dr Aa Rybak Istytut Iformatyki Uiwersytet w Białymstoku Ciągi liczbowe z komputerem Wprowadzeie W artykule zostaie zaprezetoway sposób wykorzystaia arkusza kalkulacyjego do badaia własości

Bardziej szczegółowo

DZIENNIK URZĘDOWY URZĘDU KOMUNIKACJI ELEKTRONICZNEJ

DZIENNIK URZĘDOWY URZĘDU KOMUNIKACJI ELEKTRONICZNEJ DZIENNIK URZĘDOWY URZĘDU KOMUNIKACJI ELEKTRONICZNEJ Warszawa, dia 19 maja 2015 r. Poz. 41 Zarządzeie Nr 12 Prezesa Urzędu Komuikacji Elektroiczej z dia 18 maja 2015 r. 1) w sprawie plau zagospodarowaia

Bardziej szczegółowo

3. Funkcje elementarne

3. Funkcje elementarne 3. Fukcje elemetare Fukcjami elemetarymi będziemy azywać fukcję tożsamościową x x, fukcję wykładiczą, fukcje trygoometrycze oraz wszystkie fukcje, jakie moża otrzymać z wyżej wymieioych drogą astępujących

Bardziej szczegółowo

METODY OPTYMALIZACJI

METODY OPTYMALIZACJI AGH, Wydział Elektrotechiki, Automatyki Iformatyki i Elektroiki Katedra Automatyki METODY OPTYMALIZACJI Wojciech Grega Notatki do wykładu Kraków, Ostatia aktualizacja: //4 Wykład I - - . Wykład I. Wprowadzeie

Bardziej szczegółowo

Wpływ warunków eksploatacji pojazdu na charakterystyki zewnętrzne silnika

Wpływ warunków eksploatacji pojazdu na charakterystyki zewnętrzne silnika POLITECHNIKA BIAŁOSTOCKA WYDZIAŁ MECHANICZNY Katedra Budowy i Eksploatacji Maszy Istrukcja do zajęć laboratoryjych z przedmiotu: EKSPLOATACJA MASZYN Wpływ waruków eksploatacji pojazdu a charakterystyki

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH POMIAR FIZYCZNY Pomiar bezpośredi to doświadczeie, w którym przy pomocy odpowiedich przyrządów mierzymy (tj. porówujemy

Bardziej szczegółowo

Wytwarzanie energii odnawialnej

Wytwarzanie energii odnawialnej Adrzej Nocuñ Waldemar Ostrowski Adrzej Rabszty Miros³aw bik Eugeiusz Miklas B³a ej yp Wytwarzaie eergii odawialej poprzez współspalaie biomasy z paliwami podstawowymi w PKE SA W celu osi¹giêcia zawartego

Bardziej szczegółowo

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I) Elemety statystyki opisowej Izolda Gorgol wyciąg z prezetacji (wykład I) Populacja statystycza, badaie statystycze Statystyka matematycza zajmuje się opisywaiem i aalizą zjawisk masowych za pomocą metod

Bardziej szczegółowo

Warszawa, dnia 9 listopada 2012 r. Poz. 1229 ROZPORZĄDZENIE MINISTRA GOSPODARKI 1) z dnia 18 października 2012 r.

Warszawa, dnia 9 listopada 2012 r. Poz. 1229 ROZPORZĄDZENIE MINISTRA GOSPODARKI 1) z dnia 18 października 2012 r. DZIENNIK USTAW RZECZYPOSPOLITEJ POLSKIEJ Warszawa, dia 9 listopada 2012 r. Poz. 1229 ROZPORZĄDZENIE MINISTRA GOSPODARKI 1) z dia 18 paździerika 2012 r. w sprawie szczegółowego zakresu obowiązków uzyskaia

Bardziej szczegółowo

WYGRYWAJ NAGRODY z KAN-therm

WYGRYWAJ NAGRODY z KAN-therm SYSTEM KAN-therm Nowoczese istalacje wode i grzewcze WYGRYWAJ NAGRODY z KAN-therm HP DESIGNJET T790 może być Twój! Szczegóły a www.kokurs-ka.pl ISO 9001 Projektuj istalacje w Systemie KAN-therm i walcz

Bardziej szczegółowo