Niepewność i ryzyko w analizie LCC kolejowych środków transportu
|
|
- Sabina Zawadzka
- 5 lat temu
- Przeglądów:
Transkrypt
1 SZKODA Maciej 1 Niepewność i ryzyko w analizie LCC kolejowych środków transportu WSTĘP Koszty cyklu trwałości LCC według normy PN-EN są to łączne koszty ponoszone w cyklu życia obiektu technicznego, czyli od powstania koncepcji, poprzez wytworzenie i eksploatację, do jego likwidacji (rys. 1). Dla różnych obiektów i systemów technicznych udział poszczególnych faz w cyklu życia jest inny. Dla kolejowych środków transportu dominująca jest faza eksploatacji stanowiąca ponad 90% czasu trwania całego cyklu od koncepcji do wycofania. Rys. 1. Fazy cyklu życia i koszty LCC obiektu technicznego wg PN-EN [9] Początki analizy LCC sięgają lat 60-tych ubiegłego wieku. Informacje o jej zastosowaniu można znaleźć w kilku programach prowadzonych przez Ministerstwo Obrony USA (U.S. Department of Defense) jak również w pracach Ministerstwa Transportu USA (U.S. Department of Transport). Po tym okresie zastosowanie analizy LCC rozpowszechniono w innych gałęziach przemysłu m.in. w przemyśle lotniczym, w energetyce, w przemyśle naftowym i chemicznym, w budownictwie oraz w transporcie. W literaturze i w normach proponowanych jest wiele metod wykonania kalkulacji LCC. Wybór właściwego modelu jest uzależniony od dostępnych zasobów, posiadanych danych wejściowych, horyzontu czasowego jaki obejmuje analiza oraz dokładności obliczeń. Procedurę analizy LCC w odniesieniu do kolejowych środków transportu przedstawiono w pracach [13, 14, 16]. 1. CZYNNIKI WPŁYWAJĄCE NA NIEPEWNOŚĆ W ANALIZIE LCC Przy wykonywaniu kalkulacji LCC należy mieć świadomość niepewności związanej ze zmiennymi wykorzystanymi jako dane wejściowe do analizy jak również niepewności uzyskanych wyników. Niepewność wynika przede wszystkim z założeń, szacunków i prognoz dokonywanych w trakcie procesu analizy. Rozmaite parametry wykorzystane do zdefiniowania elementów kosztów wpływają na LCC i jednocześnie stanowią źródło niepewności utworzonego modelu. Jeżeli model ma być wykorzystany jako podstawa do podejmowania strategicznych decyzji, niezbędna jest kwantyfikacja niepewności co do zdolności modelu do przewidywania zachowania pojazdu w rzeczywistych warunkach eksploatacji. Do najważniejszych czynników wpływających na niepewność modelu kosztu i kalkulacji LCC kolejowych środków transportu można zaliczyć: 1. Niepewność związana z przyjętymi do analizy parametrami RAMS. 2. Niepewność związana z danymi eksploatacyjnymi będącymi podstawą wykonania analizy. 3. Niepewność związana z elementami kosztów. 1 Dr inż. Maciej Szkoda, Politechnika Krakowska, Instytut Pojazdów Szynowych, Pracownia Systemów Logistycznych, maciej.szkoda@mech.pk.edu.pl 8373
2 1.1 Niepewność związana z przyjętymi do analizy parametrami RAMS Czynniki niepewności związane z parametrami RAMS (reliability, availability, maintainability, safety z ang. niezawodność, gotowość, podatność utrzymaniowa, bezpieczeństwo) to złożony efekt niepewności dotyczący przede wszystkim nieuszkadzalności i podatności utrzymaniowej. Podatność utrzymaniowa i nieuszkadzalność wpływają na siebie na wzajem i oddziałują na koszty posiadania pojazdu oraz jego gotowość techniczną [6]. Zarówno dla nieuszkadzalności jak i podatności utrzymaniowej źródłem niepewności jest dobór rozkładu prawdopodobieństwa, który charakteryzuje okresy czasu do uszkodzenia (TTF) i czasu do odnowy (TTR) pojazdu. Statystyczna ocena czasu do uszkodzenia i czasu do odnowy polega na wyznaczeniu modelu probabilistycznego obserwowanej zmiennej losowej. Wykorzystuje się w tym celu modele ciągłych zmiennych losowych bazujące na takich rozkładach prawdopodobieństwa, jak: rozkład wykładniczy, normalny, logarytmicznonormalny, Weibulla i inne. Estymację parametrów tych rozkładów można przeprowadzić metodami analitycznymi, a najczęściej numerycznie przy użyciu specjalistycznych pakietów komputerowych jak: MiniTab, Weibul++, Statistica [7]. Szacowanie parametrów rozkładu jest modelowaniem danych wymagającym określenia najlepiej dopasowanego rozkładu i oszacowania parametrów tego rozkładu (kształt, skala, położenie) [11]. Nieuszkadzalność jako składową w modelu LCC wyraża się najczęściej za pomocą wskaźnika, jakim jest oczekiwany czas pracy między uszkodzeniami MTBF (Mean Time Between Failure). Opiera się to na założeniu, że intensywność uszkodzeń pojazdu pozostaje stała przez cały okres eksploatacji, co jest charakterystyczne dla rozkładu wykładniczego: gdzie: λ parametr skali rozkładu wykładniczego (intensywność uszkodzeń) Jest to założenie upraszczające, bowiem intensywność uszkodzeń pojazdu nie jest stała. Literaturowa krzywa wannowa (rys. 2) [1, 2] obrazuje przebieg funkcji intensywności λ(t) w okresie docierania, poprawnego użytkowania i starzenia pojazdu. Można to zamodelować za pomocą rozkładu Weibulla: gdzie: a parametr skali, b parametr kształtu. Rys. 2. Funkcja intensywności uszkodzeń (krzywa wannowa) Z praktycznych doświadczeń można stwierdzić, że w rzeczywistości pojazd jest bardziej zawodny, niż się to przewiduje na etapie wykonywania analizy. W przypadku nowoczesnych, zaawansowanych technologicznie środków transportu funkcja intensywności jest często ograniczona do dwóch 8374
3 charakterystycznych przedziałów (rys. 3 a,b,c). Najbardziej charakterystyczne są przypadki, w których nie występuje okres wczesnych uszkodzeń (3a) lub uszkodzeń starzeniowych (3b, 3c). Niski, początkowy poziom intensywności uszkodzeń może być wynikiem staranności w procesie projektowania i produkcji o wysokiej jakości [2]. a) b) c) Rys. 3. Modele uszkadzalności nowoczesnych, zaawansowanych technologicznie środków transportu [na podst. 4] 1.2 Niepewność związana z danymi eksploatacyjnymi będącymi podstawą wykonania analizy Elementem niepewności w modelu LCC mogą być także dane eksploatacyjne będące podstawą do wykonania analizy. W odniesieniu do kolejowych środków transportu dane te mogą dotyczyć: rozkładu obciążenia układu napędowego lokomotywy dla rzeczywistych warunków eksploatacji, zużycia energii, paliwa, oleju silnikowego, czasu pracy, przebiegu, pracy przewozowej w ciągu roku, czasów poprawnej pracy i czasów odnów wykorzystanych do analizy RAMS. Dane uzyskiwane z obserwacji eksploatacyjnej obarczone są często niepewnością wynikającą z ich niepełności, dokładności, ograniczeń i niespełnienia warunków badań oraz celowych zafałszowań. Czynniki, takie jak: ograniczony czas obserwacji, naturalna zmienność procesów, pozyskanie danych niepełnych (danych uciętych), brak informacji o przyczynach zdarzeń lub subiektywne podejmowanie decyzji przyczyniają się do wprowadzania niepewności do gromadzonych danych. Według autora pracy [8] w celu ograniczenia niepewności związanej z danymi eksploatacyjnymi zaleca się rozdzielić i poszukiwać: probabilistycznej losowości leżącej w naturalnej zmienności zjawisk i niepewności modelowej wynikającej z przyjętych założeń modelowych, metod obserwacji czy nieprecyzyjnych lub niepełnych danych. 1.3 Niepewność związana z elementami kosztów Rozkład elementów kosztów uzyskuje się bardzo często na podstawie analizy danych z przeszłości. Łączny rozkład kosztów uzyskuje się dokonując agregacji poszczególnych rozkładów elementów kosztów, stąd sam proces agregacji może wprowadzać określony stopień niepewności. Generalnie, jest bardziej prawdopodobne, że w modelu LCC pominięty zostanie jakiś element kosztu, z tendencją do niedoszacowania LCC. Przy niepewności elementów kosztów należy dodać o istotnym znaczeniu stopy dyskontowej przyjętej do aktualizowania przyszłych wartości kosztów, w szczególności przy porównywaniu wariantów, w których występują duże zmienności kosztów w cyklu życia. 2. METODY OCENY NIEPEWNOŚCI W ANALIZIE LCC Do oceny niepewności związanej ze zmiennymi użytymi jako dane wejściowe do analizy LCC oraz uzyskanych wyników wykorzystywane są dwie metody: Analiza wrażliwości, Analiza ryzyka. 2.1 Analiza wrażliwości Analiza wrażliwości jest najprostszą i najczęściej stosowaną metodą szacowania niepewności. Analiza wrażliwości polega na ocenie wpływu zmian parametrów i elementów kosztu na LCC. Dotyczy ona ustalenia poziomu wrażliwości LCC na zmiany parametrów wejściowych zastosowanych w danym modelu kosztów. W pierwszej kolejności powinna ona obejmować koszty dominujące oraz parametry RAMS pojazdu np.: średnią liczbę uszkodzeń, czas trwania obsług technicznych itp. 8375
4 Przykładowe wyniki analizy wrażliwości na wybranych parametrach wejściowych przedstawiono w tabeli 1. Tab. 1. Przykładowe wyniki analizy wrażliwości na wybranych parametrach wejściowych [13] L.p. PARAMETR WEJŚCIOWY ZMIANA -20% -10% 0% +10% +20% ZMIANA LCC Średnia liczba uszkodzeń systemu H(t) 97,4% 98,7% 101,3 102,6% 2. Gotowość techniczna elementów systemu A R 94,2% 97,1% 102,9% 105,8% 3. Pracochłonność napraw bieżących MMH B 98,8% 99,4% 100,6% 101,2% 4. Pracochłonność napraw profilaktycznych MMH P 98,2% 99,1% 100,9% 101,8% 100,0% Koszty roboczogodziny przy naprawach profilaktycznych i 5. 97,0% 98,5% 101,5% 103,0% bieżących CPH P, CPH B 6. Koszty przestoju systemu CSD 98,9% 99,5% 100,5% 101,1% 7. Koszty nabycia systemu CW 88,5% 94,2% 105,8% 111,5% 2.2 Analiza ryzyka Drugą bardziej złożoną metodą, wymagającą dysponowaniem odpowiednim oprogramowaniem, służącą do oceny niepewności związanej ze zmiennymi wejściowymi w analizie LCC jest analiza ryzyka. Metoda ta jest zalecana przez Department of Transportation USA, Federal Highway Administration (FHWA) przy ocenie projektów drogowych [5]. Metodę tę przedstawiono również w odniesieniu do infrastruktury kolejowej, w raporcie końcowym z realizacji projektu INNOTRACK (2010 r.) [10]. Metoda analizy ryzyka w LCC polega na probabilistycznej ocenie niepewności z zastosowaniem symulacji Monte Carlo. Generalnie pojęcie ryzyka wywodzi się z niepewności związanej ze zdarzeniami przyszłymi niemożności powzięcia wiedzy o tym, co przyniesie przyszłość w reakcji na działania podejmowane dziś. Analiza ryzyka dotyczy trzech podstawowych pytań z zakresu ryzyka: Co się może wydarzyć? Na ile prawdopodobne jest to, że się zdarzenie to wystąpi? Jakie są następstwa wystąpienia danego zdarzenia? Analiza ryzyka odpowiada na te pytania łącząc probabilistyczny opis zmiennych wejściowych z symulacją komputerową w celu scharakteryzowania ryzyka związanego z wynikami. W podejściu tym bazuje się na losowej próbie probabilistycznych opisów zmiennych wejściowych tj.: kosztów nabycia, kosztów utrzymania i użytkowania, stopy dyskontowej i innych parametrów, w celu wygenerowania probabilistycznego opisu wyników - LCC. Przy przeprowadzaniu komputerowej symulacji Monte Carlo, z każdego rozkładu wejściowego wykorzystuje się tysiące, a nawet dziesiątki tysięcy losowych próbek w celu obliczenia osobnego scenariusza sytuacji co by było gdyby. Podobnie jak w przypadku danych wejściowych, rezultaty analizy ryzyka przedstawia się w formie rozkładu prawdopodobieństwa przedstawiającego przedział możliwych wyników wraz z prawdopodobieństwa ich wystąpienia. Dysponując tymi informacjami, decydent zna nie tylko pełny zakres możliwych wartości LCC, ale także wie, jakie jest prawdopodobieństwo faktycznego wystąpienia danego wyniku. Dysponując takimi informacjami, decydent ma możliwość podjęcia działań służących złagodzeniu stopnia narażenia na ryzyko. Wykorzystanie symulacji komputerowej, a w szczególności symulacji Monte-Carlo do analizy ryzyka niepewności danych posiada bogatą literaturę czego przykładem mogą być prace [3, 12, 15]. Technika symulacji Monte Carlo jest metodą stosowaną do oceny niepewności związanej ze zmienną wyjściową, która jest zależna od zbioru zmiennych wejściowych. W przeciwieństwie do analizy wrażliwości, w symulacji Monte Carlo przyjmuje się założenie, iż zmienne wejściowe nie są zmiennymi deterministycznymi ale losowymi, charakteryzującymi się konkretnymi rozkładami prawdopodobieństwa. W celu przeprowadzenia symulacji Monte Carlo, zmiennym wejściowym należy więc przypisać właściwe rozkłady prawdopodobieństwa. W tym celu stosowane są dwa podejścia: analiza statystyczna oparta na danych historycznych lub metoda ekspercka. 8376
5 W przypadku, gdy dostępne są dane historyczne dotyczące zmiennej wejściowej, do dopasowania rozkładu prawdopodobieństwa stosowane są programy analizy statystycznej, często te same co w przypadku estymacji parametrów rozkładów w analizie RAMS. Programy te dokonują porównania powszechnych rodzajów rozkładów z dostępnymi danymi. Poza weryfikacją dotyczącą rodzaju rozkładów, które najlepiej opisują zmienność danych, programy te dostarczają wskaźników statystycznych, takich jak test chi-kwadrat, Andersona-Darlinga (A-D), czy Kołmogorowa-Smirnowa (K-S) opisujące trafność dopasowania. Czyli na ile dokładnie rozkład prawdopodobieństwa odpowiada danym empirycznym. W przypadku braku danych historycznych, do oszacowania rozkładu prawdopodobieństwa zmiennej wejściowej wykorzystuje się metodę ekspercką polegającą na wykorzystaniu wiedzy, doświadczenia i opinii ekspertów w danej dziedzinie. W celu uzyskania subiektywnych opisów prawdopodobieństwa analizowanych zmiennych przeprowadza się serię ankiet i wywiadów grupowych wśród ekspertów. Pozwala to na ustalenie granic i ogólnego kształtu rozkładów wejściowych. Ekspertom podaje się informacje wprowadzające z wykorzystaniem wykresów trendu, podstawowych danych statystycznych, a także histogramów służących podsumowaniu wszelkich dostępnych danych. Etapy metody symulacji Monte Carlo przedstawiono na rysunku 4. Krok pierwszy polega na określeniu formuły zmiennej wyjściowej, czyli zdefiniowaniu równania matematycznego potrzebnego do oszacowania zmiennej wyjściowej (Y) gdy dane są zmienne wejściowe. Krok drugi to wskazanie losowych zmiennych wejściowych (X i ) przy założeniu, że możliwe pozostałe zmienne są zmiennymi deterministycznymi (d i ). Następnie, dokonuje się dopasowania rozkładu prawdopodobieństwa dla zmiennych wejściowych. 1 Zdefiniowanie formuły zmiennej wyjściowej (Y) w zależności od zmiennych losowych (X i ) i zmiennych deterministycznych (d i ) 2 Wskazanie losowych zmiennych wejściowych 3 Przypisanie rozkładów prawdopodobieństwa dla zmiennych wejściowych 4 Generowanie wartości losowych zmiennych wejściowych m iteracji 5 Obliczenie wartości zmiennej wyjściowej 6 Wygenerowanie wyjściowego rozkładu prawdopodobieństwa Rys. 4. Schemat metody symulacji Monte Carlo [na podst. 10] Do najbardziej typowych rozkładów prawdopodobieństwa stosowanych do modelowania zmiennych wejściowych w LCC należą: rozkład jednostajny, rozkład trójkątny, rozkład normalny, a także rozkład wykładniczy, rozkład Weibulla oraz rozkład log-normalny (rys. 5). 8377
6 Gęstość prawdopodobieństwa Gęstość prawdopodobieństwa Gęstość prawdopodobieństwa Rozkład trójkątny Rozkład normalny Rozkład jednostajny 0,4 0,4 0,16 0,14 0,3 0,3 0,12 0,10 0,2 0,2 0,08 0,06 0,1 0,1 0,04 0,02 0, Xi , Xi , Xi (min, średnia, max) (średnia, odch. stand.) (min, max) Rys. 5. Przykłady rozkładów prawdopodobieństwa stosowanych w analizie ryzyka LCC W metodzie eksperckiej, opinie są zwykle modelowane za pomocą rozkładu trójkątnego, podobnie jak to, co zachodzi w technice PERT (Project Evaluation and Research Technique). Podejściem zastosowanym do ustalenia parametrów rozkładu jest podejście trzech oszacowań, które polega na tym, że ekspert jest proszony o dokonanie trzech ocen: wartości najbardziej prawdopodobnej, optymistycznej i pesymistycznej oraz o wyliczenie z ich wykorzystaniem, parametrów rozkładu. Wartość najbardziej prawdopodobną należy postrzegać jako szacunek najbardziej realistyczny, podczas gdy wartości optymistyczna i pesymistyczna są mało prawdopodobne. Krok czwarty polega na przetworzeniu generacji liczb losowych dla każdej zmiennej wejściowej, a krok piąty to wyliczenie wartości wyjściowej z zastosowaniem zależności matematycznej zdefiniowanej w ramach kroku 1. Kroki czwarty i piąty powtarzane są następnie wiele razy, aby wygenerowana funkcja gęstości prawdopodobieństwa (krok szósty) była wiarygodna. Należy zwrócić uwagę, że za każdym razem generowane są inne losowe wielkości zmiennych wejściowych, a nowa wartość wyjściowa jest wyliczana w każdej iteracji, co pozwala uzyskać zbiór wartości dla zmiennej wyjściowej. W kroku szóstym, generowana jest funkcja gęstości prawdopodobieństwa zmiennej wyjściowej z wykorzystaniem zbioru wartości dla zmiennych wejściowych [5, 10]. PODSUMOWANIE Do oceny niepewności towarzyszącej analizie LCC wykorzystywane są dwie metody: analiza wrażliwości i analiza ryzyka. W artykule przedstawiono podstawy metodologiczne dotyczące metody analizy ryzyka z zastosowaniem symulacji Monte Carlo. Technika ta może być użyteczna przy porównaniu alternatywnych rozwiązań, projektów, czy decyzji dotyczących projektowania i utrzymania kolejowych środków transportu. W tych przypadkach, wynikiem symulacji Monte Carlo będzie rozkład prawdopodobieństwa LCC dla danej koncepcji, którą należy porównać z rozkładem prawdopodobieństwa LCC wariantu alternatywnego. Streszczenie W artykule opisano problem oceny niepewności i ryzyka związanego z danymi wejściowymi zastosowanymi do analizy kosztów cyklu trwałości kolejowych środków transportu jak również oceny niepewności uzyskanych wyników. Niepewność wynika przede wszystkim z założeń, szacunków i prognoz dokonywanych w trakcie procesu analizy. Rozmaite parametry wykorzystane do zdefiniowania elementów kosztów wpływają na LCC i jednocześnie stanowią źródło niepewności utworzonego modelu. W pracy opisano dwie metody wykorzystywane do oceny niepewności: analizę wrażliwości i probabilistyczną oceną ryzyka. Słowa kluczowe: niepewność wyników, analiza wrażliwości, analiza ryzyka, analiza LCC Uncertainty and risk associated with the LCC analysis of railway means of transport Abstract The article describes the problem of assessing the uncertainty and risks associated with the inputs applied to the Life Cycle Cost analysis of railway means of transport as well as uncertainty assessment of the results. The uncertainty stems primarily from the assumptions, estimates and projections made during the analysis process. Various parameters used to define the elements that affect the cost of LCC and at the same time a source of uncertainty created model. This paper describes two methods used to estimate the uncertainty: sensitivity analysis and probabilistic risk assessment. 8378
7 Keywords: uncertainty of the results, sensitivity analysis, risk analysis, LCC analysis BIBLIOGRAFIA 1. Bentley J. P.: Introduction to Reliability and Quality Engineering. Addison-Wesley Longman Ltd., Edinburgh Gate. Harlow Blischke W, Murthy D.N.P.: Reliability. Modeling, Prediction, and Optimization. John Wiley & Sons, Inc. New York Herbold K.: Using Monte Carlo Simulation for Pavement Cost Analysis. Public Roads, December Kowalski K., Młyńczak M.: Problematyka gotowości systemów uzbrojenia we wczesnej fazie eksploatacji. MOTROL, 2009, 11c, Life Cycle Cost Analysis in Pavement Design. Report No. FHWASA U.S. Department of Transportation, Federal Highway Administration, Washington, D.C., (with supplement to the report from March 4, 2015). 6. McNichols G.R.: Uncertainties of LCC Predictions. NATO ASI Series, Vol. F 3 Image Sequence Processing and Dynamic Scene Analysis Edited by J. K. Skwirzinsky, Springer-Verlag Berlin Heidelberg Młyńczak M.: Analiza danych eksploatacyjnych w badaniach niezawodności obiektów technicznych. Zeszyty Naukowe/Wyższa Szkoła Oficerska Wojsk Lądowych im. gen. T. Kościuszki, 2011, Młyńczak M.: Metodyka badań eksploatacyjnych obiektów mechanicznych. Oficyna Wydawnicza Politechniki Wrocławskiej Wrocław PN-EN Zarządzanie niezawodnością. Przewodnik zastosowań - Szacowanie kosztu cyklu życia. 10. Projekt INNOTRACK Innovative Track Systems nr: TIP5-CT O w ramach 6 Programu Ramowego UE, (dostępne z: ReliaSoft System Analysis Reference, Reliability, Availability & Optimization. ReliaSoft Publishing, 2007 (dostępny z Rubinstein R.Y.: Simulation and the Monte Carlo Methods: John Wiley and Sons, New York, NY, Process of using random numbers to sample from probability distributions is known as Monte Carlo sampling. 13. Szkoda M.: Metoda oceny trwałości i niezawodności kolejowych systemów przestawczych. Rozprawa doktorska. Politechnika Krakowska, Kraków Tułecki A., Szkoda M.: Koszt cyklu trwałości LCC jako model decyzyjny modernizacji pojazdów szynowych. XVII Konferencja Naukowa POJAZDY SZYNOWE, Kazimierz Dolny, Vose D.: Quantitative Risk Analysis: A Guide to Monte Carlo Simulation Modelling, John Wiley & Sons, New York, July Шкода М., Бабел М., Коссов Е. Е.: Анализ стоимости жизненного цикла (LCC) при оценке эффективности подвижного состава. ISSN Вестник ВНИИЖТ 6, 2013, s
Politechnika 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 szczegółowoSzacowanie ryzyka z wykorzystaniem zmiennej losowej o pramatkach rozmytych w oparciu o język BPFPRAL
Szacowanie ryzyka z wykorzystaniem zmiennej losowej o pramatkach rozmytych w oparciu o język BPFPRAL Mgr inż. Michał Bętkowski, dr inż. Andrzej Pownuk Wydział Budownictwa Politechnika Śląska w Gliwicach
Bardziej szczegółowoStatystyczna analiza awarii pojazdów samochodowych. Failure analysis of cars
Wydawnictwo UR 2016 ISSN 2080-9069 ISSN 2450-9221 online Edukacja Technika Informatyka nr 1/15/2016 www.eti.rzeszow.pl DOI: 10.15584/eti.2016.1.1 ROMAN RUMIANOWSKI Statystyczna analiza awarii pojazdów
Bardziej szczegółowoWYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU
WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU Nazwa w języku polskim: STATYSTYKA W MODELACH NIEZAWODNOŚCI I ANALIZIE PRZEŻYCIA Nazwa w języku angielskim: STATISTICS IN RELIABILITY MODELS AND
Bardziej szczegółowoInstytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów
Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa Diagnostyka i niezawodność robotów Laboratorium nr 6 Model matematyczny elementu naprawialnego Prowadzący: mgr inż. Marcel Luzar Cele ćwiczenia:
Bardziej szczegółoworok 2006/07 Jacek Jarnicki,, Kazimierz Kapłon, Henryk Maciejewski
Projekt z niezawodności i diagnostyki systemów cyfrowych rok 2006/07 Jacek Jarnicki,, Kazimierz Kapłon, Henryk Maciejewski Cel projektu Celem projektu jest: 1. Poznanie metod i napisanie oprogramowania
Bardziej szczegółowoNiezawodność i diagnostyka projekt. Jacek Jarnicki
Niezawodność i diagnostyka projekt Jacek Jarnicki Zajęcia wprowadzające 1. Cel zajęć projektowych 2. Etapy realizacji projektu 3. Tematy zadań do rozwiązania 4. Podział na grupy, wybór tematów, organizacja
Bardziej szczegółowoAnaliza możliwości szacowania parametrów mieszanin rozkładów prawdopodobieństwa za pomocą sztucznych sieci neuronowych 4
Wojciech Sikora 1 AGH w Krakowie Grzegorz Wiązania 2 AGH w Krakowie Maksymilian Smolnik 3 AGH w Krakowie Analiza możliwości szacowania parametrów mieszanin rozkładów prawdopodobieństwa za pomocą sztucznych
Bardziej szczegółowoDWUKROTNA SYMULACJA MONTE CARLO JAKO METODA ANALIZY RYZYKA NA PRZYKŁADZIE WYCENY OPCJI PRZEŁĄCZANIA FUNKCJI UŻYTKOWEJ NIERUCHOMOŚCI
DWUKROTNA SYMULACJA MONTE CARLO JAKO METODA ANALIZY RYZYKA NA PRZYKŁADZIE WYCENY OPCJI PRZEŁĄCZANIA FUNKCJI UŻYTKOWEJ NIERUCHOMOŚCI mgr Marcin Pawlak Katedra Inwestycji i Wyceny Przedsiębiorstw Plan wystąpienia
Bardziej szczegółowoInstytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów
Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa Diagnostyka i niezawodność robotów Laboratorium nr 4 Modelowanie niezawodności prostych struktur sprzętowych Prowadzący: mgr inż. Marcel Luzar Cel
Bardziej szczegółowoPARAMETRY, WŁAŚCIWOŚCI I FUNKCJE NIEZAWODNOŚCIOWE NAPOWIETRZNYCH LINII DYSTRYBUCYJNYCH 110 KV
Elektroenergetyczne linie napowietrzne i kablowe wysokich i najwyższych napięć PARAMETRY, WŁAŚCIWOŚCI I FUNKCJE NIEZAWODNOŚCIOWE NAPOWIETRZNYCH LINII DYSTRYBUCYJNYCH 110 KV Wisła, 18-19 października 2017
Bardziej szczegółowoW4 Eksperyment niezawodnościowy
W4 Eksperyment niezawodnościowy Henryk Maciejewski Jacek Jarnicki Jarosław Sugier www.zsk.iiar.pwr.edu.pl Badania niezawodnościowe i analiza statystyczna wyników 1. Co to są badania niezawodnościowe i
Bardziej 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 szczegółowoWYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI
WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskiego 8, 04-703 Warszawa tel. (0)
Bardziej szczegółowoRachunek kosztów. Sem. 8 Komputerowe Systemy Elektroniczne, 2009/2010. Alicja Konczakowska 1
Rachunek kosztów Sem. 8 Komputerowe Systemy Elektroniczne, 2009/2010 Alicja Konczakowska 1 Rachunek kosztów Na decyzję klienta o zakupie wyrobu wpływa koszt nabycia (cena wyrobu ) oraz oczekiwany koszt
Bardziej szczegółowoWSPÓŁCZYNNIK GOTOWOŚCI SYSTEMU LOKOMOTYW SPALINOWYCH SERII SM48
TECHNIKA TRANSPORTU SZYNOWEGO Andrzej MACIEJCZYK, Zbigniew ZDZIENNICKI WSPÓŁCZYNNIK GOTOWOŚCI SYSTEMU LOKOMOTYW SPALINOWYCH SERII SM48 Streszczenie W artykule wyznaczono współczynniki gotowości systemu
Bardziej szczegółowoSterowanie wielkością zamówienia w Excelu - cz. 3
Sterowanie wielkością zamówienia w Excelu - cz. 3 21.06.2005 r. 4. Planowanie eksperymentów symulacyjnych Podczas tego etapu ważne jest określenie typu rozkładu badanej charakterystyki. Dzięki tej informacji
Bardziej szczegółowoSYMULACJA RYZYKA CZASOWO-KOSZTOWEGO PRZEDSIĘWZIĘĆ NA TLE METODY PERT/COST
Dr inż. Tomasz WIATR Politechnika Poznańska SYMULACJA RYZYKA CZASOWO-KOSZTOWEGO PRZEDSIĘWZIĘĆ NA TLE METODY PERT/COST Słowa kluczowe: PERT/cost, symulacja Monte Carlo, Pertmaster Streszczenie Referat stanowi
Bardziej szczegółowoRozkład prędkości statków na torze wodnym Szczecin - Świnoujście
KASYK Lech 1 Rozkład prędkości statków na torze wodnym Szczecin - Świnoujście Tor wodny, strumień ruchu, Zmienna losowa, Rozkłady dwunormalne Streszczenie W niniejszym artykule przeanalizowano prędkości
Bardziej szczegółowoPolitechnika Krakowska im. Tadeusza Kościuszki. Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2014/2015
Politechnika Krakowska im. Tadeusza Kościuszki Karta przedmiotu Wydział Inżynierii Środowiska obowiązuje studentów rozpoczynających studia w roku akademickim 2014/2015 Kierunek studiów: Inżynieria Środowiska
Bardziej szczegółowoPROBLEM RYZYKA W INWESTYCJACH SYSTEMÓW SRK
dr hab. inż. Wiesław Zabłocki, prof. PW Wydział Transportu, Politechnika Warszawska, ul. Koszykowa 75, 00-662 Warszawa tel.: +48 22 234 54 81, email: zab@wt.pw.edu.pl Udział: 50% mgr inż. Magdalena Kycko
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 szczegółowoModelowanie niezawodności prostych struktur sprzętowych
Modelowanie niezawodności prostych struktur sprzętowych W ćwiczeniu tym przedstawione zostaną proste struktury sprzętowe oraz sposób obliczania ich niezawodności przy założeniu, że funkcja niezawodności
Bardziej szczegółowoPOJAZDY SZYNOWE 2/2014
POPRAWA EFEKTYWNOŚCI I NIEZAWODNOSCI LOKOMOTYW SERII SM31 W WYNIKU MODERNIZACJI UKŁADU REGULACJI MOCY dr inż. Marek Babeł, dr inż. Maciej Szkoda Politechnika Krakowska, Wydział Mechaniczny, Instytut Pojazdów
Bardziej szczegółowoZintegrowana analiza cyklu życia
Zintegrowana analiza cyklu życia w mostownictwie Tomasz SIWOWSKI Zakład Dróg i Mostów Politechnika Rzeszowska Filozofia zrównoważonego rozwoju efektywność ekonomiczna - zysk dla zbiorowości, uwzględniający
Bardziej szczegółowoKOSZT CYKLU TRWAŁOŚCI JAKO KRYTERIUM EFEKTYWNOŚCI MODERNIZACJI LOKOMOTYW SPALINOWYCH
2-2007 PROBLEMY EKSPLOATACJI 159 Maciej SZKODA Politechnika Krakowska, Kraków KOSZT CYKLU TRWAŁOŚCI JAKO KRYTERIUM EFEKTYWNOŚCI MODERNIZACJI LOKOMOTYW SPALINOWYCH Słowa kluczowe Modernizacja taboru szynowego,
Bardziej szczegółowoKOMPUTEROWA SYMULACJA PROCESÓW ZWIĄZANYCH Z RYZYKIEM PRZY WYKORZYSTANIU ŚRODOWISKA ADONIS
KOMPUTEROWA SYMULACJA PROCESÓW ZWIĄZANYCH Z RYZYKIEM PRZY WYKORZYSTANIU ŚRODOWISKA ADONIS Bogdan RUSZCZAK Streszczenie: Artykuł przedstawia metodę komputerowej symulacji czynników ryzyka dla projektu inwestycyjnego
Bardziej szczegółowoNiezawodność i diagnostyka projekt
Niezawodność i diagnostyka projekt Jacek Jarnicki Henryk Maciejewski Zajęcia wprowadzające 1. Cel zajęć projektowych 2. Etapy realizacji projektu 3. Tematy zadań do rozwiązania 4. Podział na grupy, wybór
Bardziej 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 szczegółowoELEMENTÓW PODANYCH W PN-EN i PN-EN
PORÓWNANIE METOD OCENY NIEUSZKADZALNOŚCI ELEMENTÓW PODANYCH W PN-EN 6508- i PN-EN 680-2 prof. dr inż. Tadeusz MISSALA Przemysłowy Instytut Automatyki i Pomiarów, 02-486 Warszawa Al. Jerozolimskie 202 tel.
Bardziej szczegółowoProjekcja inflacji Narodowego Banku Polskiego materiał edukacyjny
Projekcja inflacji Narodowego Banku Polskiego materiał edukacyjny Plan prezentacji I. Projekcja inflacji NBP - podstawowe zagadnienia II. Główne założenia projekcji inflacji NBP III. Sposób prezentacji
Bardziej szczegółowoAnaliza trwałości eksploatacyjnej oleju silnikowego
PIEC Paweł 1 ZAJĄC Grzegorz 2 Analiza trwałości eksploatacyjnej oleju silnikowego WPROWADZENIE Oleje silnikowe OS podlegają podczas eksploatacji procesom zużycia starzeją się. Na proces intensywności starzenia
Bardziej szczegółowoW3 - Niezawodność elementu nienaprawialnego
W3 - Niezawodność elementu nienaprawialnego Henryk Maciejewski Jacek Jarnicki Jarosław Sugier www.zsk.iiar.pwr.edu.pl Niezawodność elementu nienaprawialnego 1. Model niezawodności elementu nienaprawialnego
Bardziej szczegółowoInstytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów
Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa Diagnostyka i niezawodność robotów Laboratorium nr 3 Generacja realizacji zmiennych losowych Prowadzący: mgr inż. Marcel Luzar Cele ćwiczenia: Generowanie
Bardziej szczegółowoMetody matematyczne w analizie danych eksperymentalnych - sygnały, cz. 2
Metody matematyczne w analizie danych eksperymentalnych - sygnały, cz. 2 Dr hab. inż. Agnieszka Wyłomańska Faculty of Pure and Applied Mathematics Hugo Steinhaus Center Wrocław University of Science and
Bardziej szczegółowoMetoda określania pozycji wodnicy statków na podstawie pomiarów odległości statku od głowic laserowych
inż. Marek Duczkowski Metoda określania pozycji wodnicy statków na podstawie pomiarów odległości statku od głowic laserowych słowa kluczowe: algorytm gradientowy, optymalizacja, określanie wodnicy W artykule
Bardziej szczegółowoMetody oceny ryzyka operacyjnego
Instytut Matematyki i Informatyki Wrocław, 10 VII 2009 Bazylejski Komitet Nadzoru Bankowego Umowa Kapitałowa - 1988 Opracowanie najlepszych praktyk rynkowych w zakresie zarządzania ryzykiem Nowa Umowa
Bardziej szczegółowoPorównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych
dr Piotr Sulewski POMORSKA AKADEMIA PEDAGOGICZNA W SŁUPSKU KATEDRA INFORMATYKI I STATYSTYKI Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych Wprowadzenie Obecnie bardzo
Bardziej szczegółowoMetody komputerowe statystyki Computer Methods in Statistics. Matematyka. Poziom kwalifikacji: II stopnia. Liczba godzin/tydzień: 2W, 3L
Nazwa przedmiotu: Kierunek: Metody komputerowe statystyki Computer Methods in Statistics Matematyka Rodzaj przedmiotu: przedmiot obowiązkowy dla specjalności matematyka przemysłowa Rodzaj zajęć: wykład,
Bardziej szczegółowoSYMULACJE NUMERYCZNE W OCENIE RYZYKA
SYMULACJE NUMERYCZNE W OCENIE RYZYKA Dr Marek Biesiada Instytut Medycyny Pracy i Zdrowia Środowiskowego, Sosnowiec Główną trudnością metodologiczną w procesie ocen ryzyka zdrowotnego jest złożoność oddziaływań
Bardziej szczegółowoAkademia Morska w Szczecinie. Wydział Mechaniczny
Akademia Morska w Szczecinie Wydział Mechaniczny ROZPRAWA DOKTORSKA mgr inż. Marcin Kołodziejski Analiza metody obsługiwania zarządzanego niezawodnością pędników azymutalnych platformy pływającej Promotor:
Bardziej szczegółowoMETODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoKOMUNIKACYJNEGO W LUBLINIE
PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ z. 112 Transport 2016, Iwona Rybicka Instytut Transportu, Silników Spalinowych i Ekologii KOMUNIKACYJNEGO W LUBLINIE : maj 2016 Streszczenie: okresu za 2015 rok.
Bardziej szczegółowoStreszczenie: Zasady projektowania konstrukcji budowlanych z uwzględnieniem aspektów ich niezawodności wg Eurokodu PN-EN 1990
Streszczenie: W artykule omówiono praktyczne podstawy projektowania konstrukcji budowlanych wedłu Eurokodu PN-EN 1990. Podano metody i procedury probabilistyczne analizy niezawodności konstrukcji. Podano
Bardziej szczegółowoPODSTAWY OCENY WSKAŹNIKÓW ZAWODNOŚCI ZASILANIA ENERGIĄ ELEKTRYCZNĄ
Andrzej Purczyński PODSTAWY OCENY WSKAŹNIKÓW ZAWODNOŚCI ZASILANIA ENERGIĄ ELEKTRYCZNĄ Materiały szkolenia technicznego, Jakość energii elektrycznej i jej rozliczanie, Poznań Tarnowo Podgórne II/2008, ENERGO-EKO-TECH
Bardziej szczegółowoOCENA NIEZAWODNOŚCI EKSPLOATACYJNEJ AUTOBUSÓW KOMUNIKACJI MIEJSKIEJ
1-2012 PROBLEMY EKSPLOATACJI 79 Joanna RYMARZ, Andrzej NIEWCZAS Politechnika Lubelska OCENA NIEZAWODNOŚCI EKSPLOATACYJNEJ AUTOBUSÓW KOMUNIKACJI MIEJSKIEJ Słowa kluczowe Niezawodność, autobus miejski. Streszczenie
Bardziej szczegółowoKOSZT CYKLU TRWAŁOŚCI LCC JAKO MODEL DECYZYJNY MODERNIZACJI POJAZDÓW SZYNOWYCH
Adam Tułecki 1 Maciej Szkoda 2 KOSZT CYKLU TRWAŁOŚCI LCC JAKO MODEL DECYZYJNY MODERNIZACJI POJAZDÓW SZYNOWYCH 1. Wprowadzenie Uwarunkowania prawne w zakresie transportu kolejowego w Polsce pozwoliły na
Bardziej szczegółowo1. Symulacje komputerowe Idea symulacji Przykład. 2. Metody próbkowania Jackknife Bootstrap. 3. Łańcuchy Markova. 4. Próbkowanie Gibbsa
BIOINFORMATYKA 1. Wykład wstępny 2. Bazy danych: projektowanie i struktura 3. Równowaga Hardyego-Weinberga, wsp. rekombinacji 4. Analiza asocjacyjna 5. Analiza asocjacyjna 6. Sekwencjonowanie nowej generacji
Bardziej szczegółowoZarządzanie projektami. Zarządzanie ryzykiem projektu
Zarządzanie projektami Zarządzanie ryzykiem projektu Warunki podejmowania decyzji Pewność Niepewność Ryzyko 2 Jak można zdefiniować ryzyko? Autor S.T. Regan A.H. Willet Definicja Prawdopodobieństwo straty
Bardziej szczegółowoBADANIA SYMULACYJNE PROCESU HAMOWANIA SAMOCHODU OSOBOWEGO W PROGRAMIE PC-CRASH
BADANIA SYMULACYJNE PROCESU HAMOWANIA SAMOCHODU OSOBOWEGO W PROGRAMIE PC-CRASH Dr inż. Artur JAWORSKI, Dr inż. Hubert KUSZEWSKI, Dr inż. Adam USTRZYCKI W artykule przedstawiono wyniki analizy symulacyjnej
Bardziej szczegółowoObliczanie niepewności rozszerzonej metodą analityczną opartą na splocie rozkładów wielkości wejściowych
Obliczanie niepewności rozszerzonej metodą analityczną opartą na splocie rozkładów wejściowych Paweł Fotowicz * Przedstawiono ścisłą metodę obliczania niepewności rozszerzonej, polegającą na wyznaczeniu
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowoMODELOWANIE ROZKŁADU TEMPERATUR W PRZEGRODACH ZEWNĘTRZNYCH WYKONANYCH Z UŻYCIEM LEKKICH KONSTRUKCJI SZKIELETOWYCH
Budownictwo o Zoptymalizowanym Potencjale Energetycznym 2(18) 2016, s. 55-60 DOI: 10.17512/bozpe.2016.2.08 Maciej MAJOR, Mariusz KOSIŃ Politechnika Częstochowska MODELOWANIE ROZKŁADU TEMPERATUR W PRZEGRODACH
Bardziej szczegółowoWYBRANE ZAGADNIENIA OPTYMALIZACJI PRZEGLĄDÓW OKRESOWYCH URZĄDZEŃ ELEKTRONICZNYCH
Problemy Kolejnictwa Zeszyt 149 89 Dr inż. Adam Rosiński Politechnika Warszawska WYBRANE ZAGADNIENIA OPTYMALIZACJI PRZEGLĄDÓW OKRESOWYCH URZĄDZEŃ ELEKTRONICZNYCH SPIS TREŚCI 1. Wstęp. Optymalizacja procesu
Bardziej szczegółowoSystem prognozowania rynków energii
System prognozowania rynków energii STERMEDIA Sp. z o. o. Software Development Grupa IT Kontrakt ul. Ostrowskiego13 Wrocław Poland tel.: 0 71 723 43 22 fax: 0 71 733 64 66 http://www.stermedia.eu Piotr
Bardziej szczegółowoRola innowacji w ocenie ryzyka eksploatacji obiektów hydrotechnicznych
Politechnika Krakowska Instytut Inżynierii i Gospodarki Wodnej Rola innowacji w ocenie ryzyka eksploatacji obiektów hydrotechnicznych XXVI Konferencja Naukowa Metody Komputerowe w Projektowaniu i Analizie
Bardziej szczegółowoAnaliza niepewności pomiarów
Teoria pomiarów Analiza niepewności pomiarów Zagadnienia statystyki matematycznej Dr hab. inż. Paweł Majda www.pmajda.zut.edu.pl Podstawy statystyki matematycznej Histogram oraz wielobok liczebności zmiennej
Bardziej szczegółowoFunkcje charakteryzujące proces. Dr inż. Robert Jakubowski
Funkcje charakteryzujące proces eksploatacji Dr inż. Robert Jakubowski Niezawodność Niezawodność Rprawdopodobieństwo, że w przedziale czasu od do t cechy funkcjonalne statku powietrznego Ubędą się mieścić
Bardziej szczegółowoSymulacyjne metody analizy ryzyka inwestycyjnego wybrane aspekty. Grzegorz Szwałek Katedra Matematyki Stosowanej Uniwersytet Ekonomiczny w Poznaniu
Symulacyjne metody analizy ryzyka inwestycyjnego wybrane aspekty Grzegorz Szwałek Katedra Matematyki Stosowanej Uniwersytet Ekonomiczny w Poznaniu Plan prezentacji 1. Opis metody wyceny opcji rzeczywistej
Bardziej szczegółowoSTOCHASTYCZNY MODEL BEZPIECZEŃSTWA OBIEKTU W PROCESIE EKSPLOATACJI
1-2011 PROBLEMY EKSPLOATACJI 89 Franciszek GRABSKI Akademia Marynarki Wojennej, Gdynia STOCHASTYCZNY MODEL BEZPIECZEŃSTWA OBIEKTU W PROCESIE EKSPLOATACJI Słowa kluczowe Bezpieczeństwo, procesy semimarkowskie,
Bardziej szczegółowoZintegrowany proces podejmowania decyzji w zakresie bezpieczeństwa instalacji procesowych
Zintegrowany proces podejmowania decyzji w zakresie bezpieczeństwa instalacji procesowych M. Borysiewicz, K. Kowal, S. Potempski Narodowe Centrum Badań Jądrowych, Otwock-Świerk XI Konferencja Naukowo-Techniczna
Bardziej szczegółowoAnaliza efektywności modernizacji lokomotywy manewrowej serii SM42
Maciej Szkoda, Adam Tułecki Analiza efektywności modernizacji lokomotywy manewrowej serii SM42 Wśród przedsięwzięć zmierzających do podwyższenia efektywności transportu kolejowego istotną rolę spełniają
Bardziej szczegółowoKonspekt. Piotr Chołda 10 stycznia Modelowanie niezawodności systemów złożonych
Konspekt Piotr Chołda 0 stycznia 207 Modelowanie niezawodności systemów złożonych. Obiekty naprawialne. Czas (do) wystąpienia uszkodzenia (time to failure, T TF ), prawdopodobieństwo przeżycia (probability
Bardziej szczegółowoANALIZA ZDOLNOŚCI PROCESU O ZALEŻNYCH CHARAKTERYSTYKACH
Małgorzata Szerszunowicz Uniwersytet Ekonomiczny w Katowicach ANALIZA ZDOLNOŚCI PROCESU O ZALEŻNYCH CHARAKTERYSTYKACH Wprowadzenie Statystyczna kontrola jakości ma na celu doskonalenie procesu produkcyjnego
Bardziej szczegółowoWSPÓŁCZYNNIK NIEPEWNOŚCI MODELU OBLICZENIOWEGO NOŚNOŚCI KONSTRUKCJI - PROPOZYCJA WYZNACZANIA
PRACE INSTYTUTU TECHNIKI BUDOWLANEJ - KWARTALNIK nr 3 (131) 2004 BUILDING RESEARCH INSTITUTE - QUARTERLY No 3 (131) 2004 BADANIA l STUDIA - RESEARCH AND STUDIES Bohdan Lewicki* WSPÓŁCZYNNIK NIEPEWNOŚCI
Bardziej szczegółowoZastosowanie symulacji Monte Carlo do zarządzania ryzykiem przedsięwzięcia z wykorzystaniem metod sieciowych PERT i CPM
SZKOŁA GŁÓWNA HANDLOWA w Warszawie STUDIUM MAGISTERSKIE Kierunek: Metody ilościowe w ekonomii i systemy informacyjne Karol Walędzik Nr albumu: 26353 Zastosowanie symulacji Monte Carlo do zarządzania ryzykiem
Bardziej szczegółowoKrytyczne czynniki sukcesu w zarządzaniu projektami
Seweryn SPAŁEK Krytyczne czynniki sukcesu w zarządzaniu projektami MONOGRAFIA Wydawnictwo Politechniki Śląskiej Gliwice 2004 SPIS TREŚCI WPROWADZENIE 5 1. ZARZĄDZANIE PROJEKTAMI W ORGANIZACJI 13 1.1. Zarządzanie
Bardziej szczegółowoOBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA. z wykorzystaniem programu obliczeniowego Q maxp
tel.: +48 662 635 712 Liczba stron: 15 Data: 20.07.2010r OBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA z wykorzystaniem programu obliczeniowego Q maxp DŁUGIE
Bardziej szczegółowoAnaliza danych. http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU
Analiza danych Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Różne aspekty analizy danych Reprezentacja graficzna danych Metody statystyczne: estymacja parametrów
Bardziej szczegółowoZarządzanie kosztami projektu
Zarządzanie kosztami projektu Wprowadzenie do szacunku kosztów Tablica. Rodzaje, cechy i funkcje estymacji Rodzaj Charakterystyka Funkcja Dokładność Szacowanie przybliżone Szacowanie porównawcze Szacowanie
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 szczegółowoMODELOWANIE NIEZAWODNOŚCI SYSTEMU SYGNALIZACJI WŁAMANIA I NAPADU
Inż. Małgorzata MROZEK Dr inż. Grzegorz SAWICKI Wojskowa Akademia Techniczna DOI: 10.17814/mechanik.2015.7.274 MODELOWANIE NIEZAWODNOŚCI SYSTEMU SYGNALIZACJI WŁAMANIA I NAPADU Streszczenie: W artykule
Bardziej szczegółowoWPŁYW WIELKOŚCI WYDZIELEŃ GRAFITU NA WYTRZYMAŁOŚĆ ŻELIWA SFEROIDALNEGO NA ROZCIĄGANIE
15/12 ARCHIWUM ODLEWNICTWA Rok 2004, Rocznik 4, Nr 12 Archives of Foundry Year 2004, Volume 4, Book 12 PAN Katowice PL ISSN 1642-5308 WPŁYW WIELKOŚCI WYDZIELEŃ GRAFITU NA WYTRZYMAŁOŚĆ ŻELIWA SFEROIDALNEGO
Bardziej szczegółowoLCA (life-cycle assessment) jako ekologiczne narzędzie w ulepszaniu procesów technologicznych
LCA (life-cycle assessment) jako ekologiczne narzędzie w ulepszaniu procesów technologicznych Toruń 2012 Ocena cyklu życia (Life Cycle Assessment - LCA) jest jedną z technik zarządzania środowiskowego.
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoZarządzanie czasem projektu
Zarządzanie czasem projektu Narzędzia i techniki szacowania czasu zadań Opinia ekspertów Szacowanie przez analogię (top-down estimating) stopień wiarygodności = f(podobieństwo zadań), = f(dostęp do wszystkich
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 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 szczegółowoWykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym
Wiesława MALSKA Politechnika Rzeszowska, Polska Anna KOZIOROWSKA Uniwersytet Rzeszowski, Polska Wykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym Wstęp Wnioskowanie statystyczne
Bardziej szczegółowoWprowadzenie do estymacji rozkładów w SAS.
Wprowadzenie do estymacji rozkładów w SAS Henryk.Maciejewski@pwr.wroc.pl 1 Plan Empiryczne modele niezawodności Estymacja parametryczna rozkładów zmiennych losowych Estymacja nieparametryczna Empiryczne
Bardziej szczegółowoMETODA PERT. Maciej Patan. Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski
METODA PERT Maciej Patan Programowanie sieciowe. Metoda PERT 1 WPROWADZENIE PERT (ang. Program Evaluation and Review Technique) Metoda należy do sieci o strukturze logicznej zdeterminowanej Parametry opisujace
Bardziej szczegółowoMODELOWANIE WPŁYWU WARUNKÓW EKSPLOATACJI NA NIEZAWODNOŚĆ ELEMENTU POJAZDU SZYNOWEGO Z WYKORZYSTANIEM ZBIORÓW ROZMYTYCH
2-2007 PROBLEMY EKSPLOATACJI 19 Karina JANISZ Państwowa Wyższa Szkoła Zawodowa, Nowy Sącz Małgorzata KRUPA Politechnika Krakowska, Kraków MODELOWANIE WPŁYWU WARUNKÓW EKSPLOATACJI NA NIEZAWODNOŚĆ ELEMENTU
Bardziej szczegółowoEtapy modelowania ekonometrycznego
Etapy modelowania ekonometrycznego jest podstawowym narzędziem badawczym, jakim posługuje się ekonometria. Stanowi on matematyczno-statystyczną formę zapisu prawidłowości statystycznej w zakresie rozkładu,
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Automatyki
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Automatyki Kazimierz Kosmowski k.kosmowski@ely.pg.gda.pl Opracowanie metod analizy i narzędzi do komputerowo wspomaganego zarządzania bezpieczeństwem
Bardziej szczegółowoPORÓWNAWCZA OCENA EFEKTYWNOŚCI KOLEJOWYCH SYSTEMÓW ZE ZMIANĄ SZEROKOŚCI TORÓW Z ZASTOSOWANIEM ANALIZY LCC
2-2009 PROBLEMY EKSPLOATACJI 193 Maciej SZKODA Politechnika Krakowska Instytut Pojazdów Szynowych, Kraków PORÓWNAWCZA OCENA EFEKTYWNOŚCI KOLEJOWYCH SYSTEMÓW ZE ZMIANĄ SZEROKOŚCI TORÓW Z ZASTOSOWANIEM ANALIZY
Bardziej szczegółowoZASTOSOWANIE SPLOTU FUNKCJI DO OPISU WŁASNOŚCI NIEZAWODNOŚCIOWYCH UKŁADÓW Z REZERWOWANIEM
1-2011 PROBLEMY EKSPLOATACJI 205 Zbigniew ZDZIENNICKI, Andrzej MACIEJCZYK Politechnika Łódzka, Łódź ZASTOSOWANIE SPLOTU FUNKCJI DO OPISU WŁASNOŚCI NIEZAWODNOŚCIOWYCH UKŁADÓW Z REZERWOWANIEM Słowa kluczowe
Bardziej szczegółowoCechy eksploatacyjne statku. Dr inż. Robert Jakubowski
Cechy eksploatacyjne statku powietrznego Dr inż. Robert Jakubowski Własności i właściwości SP Cechy statku technicznego, które są sformułowane w wymaganiach taktyczno-technicznych, konkretyzują się w jego
Bardziej szczegółowoBezpieczeństwo jądrowe a podejmowanie decyzji
Bezpieczeństwo jądrowe a podejmowanie decyzji M. Borysiewicz, K. Kowal, S. Potempski Prezenter: Anna Wawrzyńczak-Szaban Narodowe Centrum Badań Jądrowych (NCBJ), Otwock-Świerk Departament Układów Złożonych,
Bardziej szczegółowoANALIZA HIERARCHICZNA PROBLEMU W SZACOWANIU RYZYKA PROJEKTU INFORMATYCZNEGO METODĄ PUNKTOWĄ. Joanna Bryndza
ANALIZA HIERARCHICZNA PROBLEMU W SZACOWANIU RYZYKA PROJEKTU INFORMATYCZNEGO METODĄ PUNKTOWĄ Joanna Bryndza Wprowadzenie Jednym z kluczowych problemów w szacowaniu poziomu ryzyka przedsięwzięcia informatycznego
Bardziej szczegółowoElektrotechnika I stopień (I stopień / II stopień) Ogólno akademicki (ogólno akademicki / praktyczny) Kierunkowy (podstawowy / kierunkowy / inny HES)
KARTA MODUŁU / KARTA PRZEDMIOTU Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Niezawodność zasilania energią elektryczną
Bardziej szczegółowoMapy ryzyka systemu zaopatrzenia w wodę miasta Płocka
Mapy ryzyka systemu zaopatrzenia w wodę miasta Płocka 27 Stanisław Biedugnis, Mariusz Smolarkiewicz, Paweł Podwójci, Andrzej Czapczuk Politechnika Warszawska. Wstęp W artykule zawartym w niniejszej zbiorczej
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
Zał. nr 4 do ZW WYDZIAŁ ELEKTRONIKI KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYKA MATEMATYCZNA Nazwa w języku angielskim Mathematical Statistics Kierunek studiów (jeśli dotyczy): Specjalność (jeśli
Bardziej szczegółowoBIOINFORMATYKA. Copyright 2011, Joanna Szyda
BIOINFORMATYKA 1. Wykład wstępny 2. Struktury danych w badaniach bioinformatycznych 3. Bazy danych: projektowanie i struktura 4. Bazy danych: projektowanie i struktura 5. Powiązania pomiędzy genami: równ.
Bardziej szczegółowoMetody Obliczeniowe w Nauce i Technice
Metody Obliczeniowe w Nauce i Technice 15. Obliczanie całek metodami Monte Carlo Marian Bubak Department of Computer Science AGH University of Science and Technology Krakow, Poland bubak@agh.edu.pl dice.cyfronet.pl
Bardziej szczegółowoAkademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki
Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki Przetwarzanie Sygnałów Studia Podyplomowe, Automatyka i Robotyka. Wstęp teoretyczny Zmienne losowe Zmienne losowe
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 szczegółowoOCENA GOTOWOŚCI TECHNICZNEJ AUTOBUSÓW KOMUNIKACJI MIEJSKIEJ NA PRZYKŁADZIE MIEJSKIEGO PRZEDSIĘBIORSTWA KOMUNIKACYJNEGO W LUBLINIE
JOANNA RYMARZ, ANDRZEJ NIEWCZAS * OCENA GOTOWOŚCI TECHNICZNEJ AUTOBUSÓW KOMUNIKACJI MIEJSKIEJ NA PRZYKŁADZIE MIEJSKIEGO PRZEDSIĘBIORSTWA KOMUNIKACYJNEGO W LUBLINIE TECHNICAL AVAILABILITY ANALYSIS OF THE
Bardziej szczegółowoFORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS
FOLIA UNIVERSITATIS AGRICULTURAE STETINENSIS Folia Univ. Agric. Stetin. 007, Oeconomica 54 (47), 73 80 Mateusz GOC PROGNOZOWANIE ROZKŁADÓW LICZBY BEZROBOTNYCH WEDŁUG MIAST I POWIATÓW FORECASTING THE DISTRIBUTION
Bardziej szczegółowoLABORATORIUM Z FIZYKI
LABORATORIUM Z FIZYKI LABORATORIUM Z FIZYKI I PRACOWNIA FIZYCZNA C w Gliwicach Gliwice, ul. Konarskiego 22, pokoje 52-54 Regulamin pracowni i organizacja zajęć Sprawozdanie (strona tytułowa, karta pomiarowa)
Bardziej szczegółowoIdentyfikacja zagrożeń załogi pojazdów specjalnych podczas wybuchu
Identyfikacja zagrożeń załogi pojazdów specjalnych podczas wybuchu Edyta KRZYSTAŁA Sławomir KCIUK Arkadiusz MĘŻYK Identyfikacja zagrożeń załogi pojazdów specjalnych podczas wybuchu Autorzy monografii
Bardziej szczegółowo