WYBRANE ASPEKTY HARMONOGRAMOWANIA PROCESU MAGAZYNOWEGO

Wielkość: px
Rozpocząć pokaz od strony:

Download "WYBRANE ASPEKTY HARMONOGRAMOWANIA PROCESU MAGAZYNOWEGO"

Transkrypt

1 PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ z. 64 Transpor 28 Tomasz AMBROZIAK, Konrad LEWCZUK Wydzał Transporu Polechnk Warszawske Zakład Logsyk Sysemów Transporowych ul. Koszykowa 75, -662 Warszawa WYBRANE ASPEKTY HARMONOGRAMOWANIA PROCESU MAGAZYNOWEGO Sreszczene Refera ma na celu przedsawene wybranych zagadneń harmonogramowana procesu przepływu maerałów w obekach magazynowych. Zaprezenowane są podsawowe zasady konsruowana harmonogramów pracy urządzeń ludz w obekach magazynowych. W druge częśc referau przedsawono meodę programowana nelnowego opymalzac harmonogramu procesu przepływu maerałów ze względu na koszy realzac procesu dla wybranych założeń echnologcznych. Meoda zosała zobrazowana przykładem. Słowa kluczowe: harmonogram, harmonogramowane, proces magazynowy, modelowane. WPROWADZENIE Zgodne z defncą [7] harmonogramowane es przewdywanem usalanem posępu prac poprzez przydzelane środków pracy do zadań usalane momenów rozpoczęca wykonywana ych zadań. Składowym problemu harmonogramowana są: zadana do wykonana, poencalne ogranczena, środk pracy oraz funkca kryerum. Problem wnen zosać rozwązany ak, aby funkca kryerum osągała warość opymalną. Taka defnca sugerue możlwość zasosowana meod opymalzacynych przy wyznaczanu harmonogramów. Harmonogramowane es przydzelenem dla każdego z zadań pewne lczby odcnków czasowych oraz ednego lub węce ypów urządzena realzuącego. Harmonogram może zosać przedsawony w posac wykresu Gan a zorenowanego na urządzene lub na czynność (rys. ). [2][4] a) urządzene czynn. czynn. 2 czynność urządz. urządz. urządzene 2 czynn. 4 czynn. 3 czynn. 5 czynność 2 urządz. 3 urządz. 2 urządz. 3 czas Rys.. Przykład harmonogramu: a) zorenowanego na urządzene, zorenowanego na czynność. Źródło: opracowane własne. czas

2 6 Tomasz Ambrozak, Konrad Lewczuk Umescowene harmonogramowana w procedurze proekowana obeku magazynowego prezenue rysunek 2: Ieracyna pęla proekowa KSZTAŁTOWANIE WYMIAROWANIE (ze wzgl. na ) paramery OCENA dobór echnolog przesrzene przesrzene echnologa wydanośc organzaca koszy lczba urządzeń usalane kryerów mernk oblczane wskaźnków ZADANIE LOGISTYCZNE pracochłonność harmonogram Rys. 2. Procedura proekowa obeku magazynowego. Źródło: opracowane własne. Z proekowego punku wdzena ogranczena czasowe procesu magazynowego maą charaker perwony względem proekowanego sysemu, są ramam czasowym wynkaącym z zewnęrznego zadana logsycznego magazynu (np. lczba zman roboczych, sałe godzny dosaw odborów d.). Ukszałowany pod względem: ) echnologcznym, 2) przesrzennym proces magazynowy zosane 3) zorganzowany w czase za pomocą harmonogramu z uwzględnenem powyższych ogranczeń. Ukszałowany proces wymarue sę ze względu na wydaność (lczbę urządzeń) na podsawe harmonogramu a co za ym dze ze względu na nakłady koszy realzac. Jeżel zwymarowany proces ne spełna oczekwań, należy w pęl eracyne proekowana powracać do eapów ) lub 2) ponowne kszałować proces (rys. 2), [2],[3]. Lczba erac może zosać zredukowana przez zasosowane meody zaprezenowane w punkce 2. Harmonogramowane zadana mogą być rozparywane w dwóch aspekach, []:. Operaca (zadane) es czynnoścą o charakerze ednorazowym necyklcznym. Isone są momen rozpoczęca zakończena wykonywana e czynnośc. Wykonane czynnośc w całośc es warunkem rozpoczęca kolenego zadana (np. murowane ścan można rozpocząć dopero po wylanu fundamenów rys.3a). 2. Operaca (zadane) składa sę z czynnośc maących charaker powarzalny cyklczny, sona es lczba powórzeń czynnośc czas e rwana. Wykonywane kolenych operac w procese może rozpocząć sę po wykonanu określone lczby powórzeń czynnośc w operac poprzedzaące (np. opróżnane bufora może rozpocząć sę dopero po poawenu sę w nm określone lczby ednosek rys.3. a) Wykonane fundamenów Murowane ścan Napełnane bufora łp Transpor łp do srefy składowana 2 3 Wykonano prace geodezyne Fundameny wykonane Wymurowano ścany Podsawono naczepę z łp 2 W buforze poawła sę określona lczba łp 3 łp w srefe składowana Rys. 3. Odwzorowane procesu: a) poedyncze czynnośc, czynnośc welokrone. Źródło: opracowane własne.

3 Wybrane aspeky harmonogramowana procesu magazynowego 7 Operace magazynowe wykazuą cechy druge grupy,. składaą sę z pewne lczby powórzeń edne, przeważne króke czynnośc. Z ego powodu możlwe es przesunęce akcenu z konecznośc przydzelana konkrenego egzemplarza urządzena do konkrene operac (poedyncze czynnośc) na przydzelane grupy urządzeń danego ypu do czynnośc welokrone. Podeśce ake pozwala na wykorzysane harmonogramu do wymarowana procesu ze względu na wydaność, [2]. Harmonogramowane operac w procese magazynowym służy określenu czasu, w kórym dane operace magazynowe mogą być wykonywane, czyl zw. czasu dysponowanego bruo z dla ych operac. Czas en pomneszony przez wskaźnk wykorzysana czasu pracy φ będze czasem dysponowanym neo, kóry posłuży do wyznaczena lczby urządzeń -ego ypu realzuących -ą operacę [3]: D U RU D D n = przy czym: R U = λ U U (), (2) z ϕ I D gdze: R U pracochłonność dobowa wynkaącą z wykorzysana urządz. -ego ypu [r.h]. D λ U dobowa lczba powórzeń -e operac, U czas wykonana ednego powórzena -e operac [mn]. Na podsawe zadana logsycznego, realzowanego w syseme, można wyznaczyć D dobową lczbę powórzeń -e operac λ U. Proces magazynowy można ocenać przy pomocy syneycznego parameru, zw. pracochłonnośc sprowadzone procesu, kóry pozwala na dodawane pracochłonnośc rzeczywsych czynnośc realzowanych przez urządzena różnych ypów. Pracochłonność sprowadzoną wyznacza sę przez wyważene pracochłonnośc rzeczywse koszem pracy urządzena. Taka welkość może być dodawana zapsana w posac wykresu ogólnego dla całego harmonogramu (rys. 6d). D D D k R U = RU (3) k I J gdze: R U dobowa pracochłonność sprowadzona procesu, [roboczo.h]. k kosz godzny pracy urządzena -ego ypu, [zł/h], k B kosz bazowy godzny pracy, sały dla wszyskch urządzeń w procese [zł/h]. Opymalzac procesu magazynowego można dokonywać poprzez wygładzane wykresu pracochłonnośc sprowadzone (zn. równomerne wykorzysane zansalowanych echnolog; mnmalzowane pola fgury wypełnone kolorem szarym rys. 6d, wzór (2)) oraz w drodze mnmalzowana warośc maksymalnych naężena pracochłonnośc sprowadzone (zn. ake zorganzowane procesu w czase, kóre wymaga zansalowana mnesze lczby urządzeń, bądź nsalowane urządzeń ańszych, wzór ()). Wyznaczena lczby urządzeń nezbędnych do realzac procesu dokonue sę równeż poprzez bezpośredne odczyane z harmonogramu maksymalne warośc pracochłonnośc h* h* h R R U = max R. godznowe procesu z harmonogramu (rys. 6c): n U = U, przy czym { U } B h T

4 8 Tomasz Ambrozak, Konrad Lewczuk 2. MODEL OPTYMALIZACYJNY HARMONOGRAMU PROCESU MAGAZYNOWEGO Dane weścowe Dysponuemy zborem I zadań (operac, czynnośc) I, I = {, 2,...,,...,I }, kóre maą zosać zorganzowane w czase. Każde zadane ma przypsany yp urządzena J ze zboru ypów urządzeń J = {, 2,...,,...,J }, kórym będze realzowany. W zwązku z powyższym I es zborem ypów zadań wykonywanych przez urządzene -ego ypu, przy czym I D I. Każde -e zadane ma znaną pracochłonność dobową RU wynkaącą z lczby powórzeń dane czynnośc oraz czasu wykonana ednego powórzena (2). Praca będze organzowana poprzez przydzelane do każde -e czynnośc pewne lczby odcnków czasowych T ze zboru odcnków czasu T = {, 2,...,,...,T }. Lczba elemenów zboru wynka z żądane dokładnośc harmonogramu. Przeważne odcnk czasowe odpowedne dla czynnośc magazynowych są ne krósze nż 3 mn, co przy 8-godznne zmane robocze dae 6 odcnków czasu. Założena budowy modelu opymalzacynego dana es pracochłonność dobowa realzac -ego zadana, usala sę długość czasu pracy l (czas, dla kórego wykonue sę harmonogram) określa na ego podsawe lczbę odcnków czasu, ypu rządzeń są na sałe przypsane do ypów zadań, dana es (opconalne) lczba urządzeń -ego ypu n U ako ogranczene, dane są koszy godzny pracy urządzena -ego ypu k, przydzelone do -ego zadana odcnk czasu sanową czas dysponowany d dla wykonywana ego zadana, czas wykonana ednego powórzena -ego zadana es znacząco mneszy od czasu dysponowanego dla ego zadana (ako pewne lczby powórzeń czynnośc) U << d. wszyske -e zadana muszą zosać wykonane w czase T. naężene pracochłonnośc na wykrese (rys.6) es równomerne wynka z (). Zmenne decyzyne Praca będze organzowana poprzez przydzelane do każdego -ego rodzau zadana odcnków czasowych T ze zboru odcnków czasu T = {, 2,...,,...,T }. Wszyske zadana muszą meć przypsany czas dysponowany w posac odpowedne lczby odcnków czasowych (umescowonych na os czasu zgodne z ogranczenam). x,, Wprowadźmy do rozważań zmenne decyzyne x bnarne o nerpreac:, eżel -e zadane ma być realzowane urządzenem -ego ypu w -ym odcnku czasu, =, w przecwnym wypadku., =. Zmenne decyzyne worzą macerz X [ x ] I J T Ogranczena nakładane na zmenne decyzyne. Nawcześneszy/napóźneszy momen rozpoczęca/zakończena wykonywana zadana. Usalany es poprzez defnowane zborów odcnków czasu T dozwolonych dla -ego ypu zadana (rys. 4):

5 Wybrane aspeky harmonogramowana procesu magazynowego 9 T * * * {,,,...,T }, T T, T T = I (4) 2. Wyłączene przedzałów czasu (np. ze względów echnologcznych). Dokonywane es poprzez wyzerowane odpowednch zmennych decyzynych (rys. 4):, x ** *** T : < < = I J (5) = T * ** x,5 = *** T T Rys. 4. Ogranczena ze względu na rozpęość czasu dysponowanego dla zadań. Źródło: opracowane własne. 3. Mnmalny czas dysponowany d zadana,. mnmalna lczba odcnków czasowych, kóre należy przydzelć do -ego ypu zadana ze względów echnologcznych: T, x d,, x T d I 4. Lczba urządzeń -ego ypu realzuących zadane -ego ypu [wynka z ()]: D, RU x a) max n [ ] U T,s l I x g ϕ T s T T l ϕ D, RU x,s g I x s T U n J (6) J (7) J (8) D gdze: R U pracochłonność dobowa wynkaąca z realzac -ego zadana przez urządzene -ego ypu [r.h], T lczność zboru odcnków czasowych; lczba -ych odcnków czasu, l długość zmany robocze [h], ϕ g współczynnk wykorzysana czasu pracy przez urządzene -ego ypu, n U lczba urządzeń -ego ypu. 5. Zarnsość harmonogramu. Przy względne duże lczbe odcnków czasowych, czasy dysponowane dla -ych zadań będą usalane w sposób eksremalzuący funkcę celu, ednak neefekywny ze względów echnologcznych (np. uruchamane ln produkcyne na mn). W ym celu wprowadzono ogranczene na mnmalną lczbę c odcnków czasowych, kóre muszą worzyć neprzerwany cąg dla -ego zadana (rys. 5): α mn ( α ) { T,c } + z mn{ T, c },s x z= mn s= + z,s x z= s= + + c = { T,c } + z mn{ T, c } + z,s,s x x z= s= z= s= + I I T : < T (9) T : < T ()

6 Tomasz Ambrozak, Konrad Lewczuk gdze: c mn. długość poedynczego odcnka czasu (edynego, lub ednego z klku) wchodzącego w skład czasu dysponowanego -ego zadana [odcnków], α zmenna pomocncza (bnarna) odcnek czasu mus meć długość mnmalną c = 4 Α, α, = [ α ] I Α warunkuąca wykonane ogranczena w edne z dwóch posac: (9) lub (). Zmenna a ma nerpreacę:, eżel dla -e czynnośc, w odcnku czasu realzowane es ogr. (9), α =, eżel dla -e czynnośc, w odcnku czasu eżel realzowane es ogr. (). Rys. 5. Przykład rozłożena -ego zadana w czase a) bez zachowana ogranczeń (9), (), z zachowanem ogranczeń (9), (). Źródło: opracowane własne. Funkca celu Zadane opymalzacyne może zosać rozwązane względem dowolne funkc kryerum określaące akość rozwązana. Proponowane funkce są określone na: a) Mnmalne chwlowe pracochłonnośc sprowadzone procesu magazynowego. Pracochłonność rzeczywsa procesu po rozłożenu e w czase dysponowanym es wyważana za pomocą koszu godzny pracy urządzena. Take pracochłonnośc dla całego procesu można dodawać uzyskuąc wykres naężena pracochłonnośc procesu w poszczególnych chwlach. Mnmalzowane nawększe z chwlowych warośc pracochłonnośc sprowadzone oznacza ulepszane rozłożena zadań w czase. Maksymalnym wykorzysanu zansalowanego poencału echnologcznego. Lczba zansalowanych urządzeń (poencał echnologczny) wynka z okresowego szczyu naężena pracochłonnośc procesu. W pozosałych okresach część zansalowanego poencału pozosae newykorzysana (szare pole na rys. 6d). Mnmalzowane welkośc ego pola oznacza lepsze wykorzysane urządzeń unkane sra zwązanych z przesoam [4]. D, RU x T k a) F( X ) = max mn [ T ] () [ X ] I,s x l ϕg kb s T F( X ) a) D, D R U x k RU k = max mn [ T ] T [ X ] I I,s x kb kb s T gdze: k kosz godzny pracy urządzena -ego ypu [zł/h], k B kosz bazowy dla wylczana warośc pracochłonnośc sprowadzone, przy czym: k B = mn k [zł/h], { } [ J ] pozosałe symbole /w. -y odcnek przydzelony T -y odcnek neprzydzelony NIE (nepoprawne) TAK (poprawne) (2)

7 Wybrane aspeky harmonogramowana procesu magazynowego 3. PRZYKŁAD OBLICZENIOWY Rozważono prosy proces magazynowy składaący sę z rzech ypów zadań: = (rozładunek naczep wypełnane bufora weścowego, wykonywany przez wózk = ypu), =2 (odsawene maerałów do srefy składowana, wykonywane przez urządzene =2 ypu) oraz =3 (przewezene maerałów do srefy komsonowana, wykonywane równeż przez urządzene = ypu). Znana es pracochłonność dobowa każdego zadana R D =4 [r.h], R D 2=3 [r.h], R D 3=5 [r.h]. Przyęo, że mnmalna ednoska czasu na harmonograme wynos h (sąd T=8 dla edne zmany robocze). Kosz godzny pracy urządzeń usalono na: k = [zł/h], k 2 =5 [zł/h]. a), 3, 4 x =, x = D =, =, R = 4 [r.h] D2 =2, =2, R 2 = 3 [r.h] D =3, =, R 5 [r.h] 3 = c) 5 2,5 8 =, = =, = =2, =2 =3, = 6 R h = 4 / 4 [r.h] = 2 R h = 3 / 5 6 [r.h] 2 = R h = 5 / 6 = 2 5 [r.h] 3,,5 d) 9, max R max R R D h h2 =, 5 nu 2 = 6 nu = = 6 ( ) 4 ( 5 ) 45 ( ) 5 = 4 / = 2 R D 2 = 3 / = R D 3 = 5 / = [r.h] [r.h] [r.h],5,5 R h R h = 4 / 5 = 8[r.h] 2 = 45 / 5 = 9[r.h] 3, R h = 5 / 6 = 2 5 [r.h] Rys. 6. Przykład oblczenowy: a) harmonogram rozłożena zadań, 2 3 w czase, wykres pracochłonnośc rzeczywse realzac czynnośc, c) wykres pracochłonnośc rzeczywse realzac czynnośc ze względu na ypy urządzeń, d) wykres sumaryczny pracochłonnośc sprowadzone realzac procesu. Źródło: opracowane własne.

8 2 Tomasz Ambrozak, Konrad Lewczuk Nałożono nasępuące ogranczena (zgodne z numeracą z rozdzału 2): Ogranczene nr : oznaczono na rys.6a kolorem szarym dla każdego zadana. Ogranczene nr 2: (ne obowązue). Ogranczene nr 3: mnmalny czas dysponowany: d 5, d 2 5, d 3 3. Ogranczene nr 4: dana es lczba urządzeń n U = 2 ; n 2 U =. Ogranczene nr 5: mnmalny cągły odcnek czasu c = 2 dla wszyskch zadań. Zadane zosało zamplemenowane w środowsku programu LINGO 9.. Na podsawe danych przykładowych wyznaczono cąg zmennych reprezenuących przydzał odcnków czasu dla każdego zadana (rys. 6a) przy warośc funkc kryerum F ( X ) = 9, 5 [r.h]. 3. PODSUMOWANIE Zaprezenowany model opymalzacyny es próbą odwzorowana procesu magazynowego od srony organzacyne. Wspomaga on analzę procesów sneących (kedy znane są ogranczena zwązane z lczbą urządzeń d.) oraz proponowane zman w procese (poprzez zmanę danych wyścowych ogranczeń) oraz proekowane nowych rozwązań. Formalny zaps modelu maemaycznego umożlwa zasosowane podanego algorymu ako składowe narzędz nformaycznych wspomagaących proekowane obeków magazynowych. LITERATURA [] Ambrozak T.: Meody narzędza harmonogramowana w ransporce, Bbloeka Problemów eksploaac. Wydawncwo Insyuu Technolog Eksploaac PIB, Warszawa 27. [2] Fałkowsk J.: Transpor wewnęrzny w sysemach logsycznych, Wybrane zagadnena. OWPW, Warszawa 23. [3] Fałkowsk J.: Technologa magazynowana. Wybrane zagadnena, OWPW, Warszawa 995r. [4] Fałkowsk J., Czynnk koszów w wymarowanu procesów przepływu ładunków w sysemach logsycznych, maerały konferencyne XI Konferenc Logsyk Sosowane "Toal Logsc Managemen", Zakopane 27. [5] Bruckner P.: Schedulng Algorhms, (5-e wyd.), Sprnger-Verlag Berln Hedelberg, 27r. [6] Błażewcz J., Ecker K., Pesch E., Schmd G., Węglarz J.: Handbook on Schedulng, From Theory o Applcaons, Sprnger-Verlag Berln Hedelberg, 27r. [7] T knd V., J.-C. Bllau.: Mulcrera Schedulng, Theory, Models and Algorhms, (2-ge wyd.), Sprnger-Verlag Berln Hedelberg, 26r. SOME ASPECTS OF SCHEDULING WAREHOUSE OPERATIONAL PROCESS Absrac The paper presens seleced problems of schedulng nernal maeral flow n warehouse obecs. The basc rules of consrucng schedules for equpmen usage and people engagemen are presened. The second par of paper provdes a non-lnear programmng mehod of opmzng schedule of nernal maeral flow accordng o generaed coss n reference o model consrans and echnologcal assumpons. The mehod was suppored by a numercal example. Key words: schedule, schedulng, warehouse process, modelng Recenzenc: Maranna Jacyna, Janusz Fałkowsk

Wykład z Podstaw matematyki dla studentów Inżynierii Środowiska. Wykład 8. CAŁKI NIEOZNACZONE. ( x) 2 cos2x

Wykład z Podstaw matematyki dla studentów Inżynierii Środowiska. Wykład 8. CAŁKI NIEOZNACZONE. ( x) 2 cos2x Wykład z Podsaw maemayk dla sudenów Inżyner Środowska Wykład 8. CŁKI NIEOZNCZONE Defnca (funkca perwona) Nech F es funkcą perwoną funkc f na przedzale I, eżel F '( ) f ( ) dla każdego I. Udowodnć, że funkce

Bardziej szczegółowo

OPTYMALIZACJA PROCESÓW LOGISTYCZNYCH W GOSPODARCE LEŚNEJ

OPTYMALIZACJA PROCESÓW LOGISTYCZNYCH W GOSPODARCE LEŚNEJ Anon KORCYL *, Kaml CZAJKA * OPTYMALIZACJA PROCESÓW LOGISTYCZNYCH W GOSPODARCE LEŚNEJ Sreszczene W arykule przedsawono model maemayczny problemu opymalzacj pozyskwana drewna oraz jego ransporu. Kryerum

Bardziej szczegółowo

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy rozkroju materiałowego, zagadnienia dualne

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy rozkroju materiałowego, zagadnienia dualne Instrukca do ćwczeń laboratorynych z przedmotu: Badana operacyne Temat ćwczena: Problemy rozkrou materałowego, zagadnena dualne Zachodnopomorsk Unwersytet Technologczny Wydzał Inżyner Mechanczne Mechatronk

Bardziej szczegółowo

13. DWA MODELE POTOKU RUCHU (TEORIOKOLEJKOWE)(wg Wocha,1998)

13. DWA MODELE POTOKU RUCHU (TEORIOKOLEJKOWE)(wg Wocha,1998) 3. Dwa modele pooku ruchu (eorokolejkowe) 3. DWA MODELE POTOKU RUCHU (TEORIOKOLEJKOWE)(wg Wocha,998) 3.. Model Hagha Isneje wele prac z la powojennych, w kórych wysępują próby modelowana kolejek ruchowych

Bardziej szczegółowo

Regulamin. udzielania pomocy materialnej o charakterze socjalnym dla uczniów zamieszkaùych na terenie Gminy Wolbórz

Regulamin. udzielania pomocy materialnej o charakterze socjalnym dla uczniów zamieszkaùych na terenie Gminy Wolbórz Zaù¹cznk Nr 1 uchwaùy Nr XXVIII/167/2005 Rady Gmny Wolbórz z dna 30 marca 2005 r. Regulamn udzelana pomocy maeralnej o charakerze socjalnym dla ucznów zameszkaùych na erene Gmny Wolbórz I. Sposób usalana

Bardziej szczegółowo

2012-10-11. Definicje ogólne

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

Bardziej szczegółowo

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ WERYFIKACJA HIPOTEZY O ISTOTNOŚCI OCEN PARAMETRÓW STRUKTURALNYCH MODELU Hpoezy o sonośc oszacowao paramerów zmennych objaśnających Tesowane sonośc paramerów zmennych objaśnających sprowadza sę do nasępującego

Bardziej szczegółowo

METODY KOMPUTEROWE 10

METODY KOMPUTEROWE 10 MEODY KOMPUEROWE RÓWNANIA RÓŻNICZKOWE CZĄSKOWE Poechnka Poznańska Mchał Płokowak Adam Łodgowsk Mchał PŁOKOWIAK Adam ŁODYGOWSKI Konsace nakowe dr nż. Wod Kąko Poznań 00/00 MEODY KOMPUEROWE 0 RÓWNANIA RÓŻNICZKOWE

Bardziej szczegółowo

Kier. MTR Programowanie w MATLABie Laboratorium

Kier. MTR Programowanie w MATLABie Laboratorium Ker. MTR Programowane w MATLABe Laboraorum Ćw. Zasosowane bbloecznych funkcj MATLABa do numerycznego rozwązywana równań różnczkowych. Wprowadzene Układy równań różnczkowych zwyczajnych perwszego rzędu

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Maemayka ubezpeczeń mająkowych 7.05.00 r. Zadane. Pewne ryzyko generuje jedną szkodę z prawdopodobeńswem q, zaś zero szkód z prawdopodobeńswem ( q). Ubezpeczycel pokrywa nadwyżkę szkody ponad udzał własny

Bardziej szczegółowo

n liczba zmiennych decyzyjnych c współczynniki funkcji celu a współczynniki przy zmienych decyzyjnych w warunkach

n liczba zmiennych decyzyjnych c współczynniki funkcji celu a współczynniki przy zmienych decyzyjnych w warunkach Problem decyzyny cel różne sposoby dzałana (decyze) warunk ogranczaące (determnuą zbór decyz dopuszczalnych) kryterum wyboru: umożlwa porównane efektywnośc różnych decyz dopuszczalnych z punktu wdzena

Bardziej szczegółowo

PROBLEM ODWROTNY DLA RÓWNANIA PARABOLICZNEGO W PRZESTRZENI NIESKOŃCZENIE WYMIAROWEJ THE INVERSE PARABOLIC PROBLEM IN THE INFINITE DIMENSIONAL SPACE

PROBLEM ODWROTNY DLA RÓWNANIA PARABOLICZNEGO W PRZESTRZENI NIESKOŃCZENIE WYMIAROWEJ THE INVERSE PARABOLIC PROBLEM IN THE INFINITE DIMENSIONAL SPACE JAN KOOŃSKI POBLEM ODWOTNY DLA ÓWNANIA PAABOLICZNEGO W PZESTZENI NIESKOŃCZENIE WYMIAOWEJ THE INVESE PAABOLIC POBLEM IN THE INFINITE DIMENSIONAL SPACE S r e s z c z e n e A b s r a c W arykule skonsruowano

Bardziej szczegółowo

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

WikiWS For Business Sharks

WikiWS For Business Sharks WkWS For Busness Sharks Ops zadana konkursowego Zadane Opracowane algorytmu automatyczne przetwarzającego zdjęce odręczne narysowanego dagramu na tablcy lub kartce do postac wektorowej zapsanej w formace

Bardziej szczegółowo

Wykład 2: Uczenie nadzorowane sieci neuronowych - I

Wykład 2: Uczenie nadzorowane sieci neuronowych - I Wykład 2: Uczene nadzorowane sec neuronowych - I Algorytmy uczena sec neuronowych Na sposób dzałana sec ma wpływ e topologa oraz funkconowane poszczególnych neuronów. Z reguły topologę sec uznae sę za

Bardziej szczegółowo

7. Wykład VII: Warunki Kuhna-Tuckera

7. Wykład VII: Warunki Kuhna-Tuckera Wocech Grega, Metody Optymalzac 7 Wykład VII: Warunk Kuhna-Tuckera 7 Warunk koneczne stnena ekstremum Rozważane est zadane z ogranczenam nerównoścowym w postac: mn F( x ) x X X o F( x ), o { R x : h n

Bardziej szczegółowo

Podstawowe algorytmy indeksów giełdowych

Podstawowe algorytmy indeksów giełdowych Podsawowe algorymy ndeksów gełdowych Wersja 1.1 San na 25-11-13 Podsawowe algorymy ndeksów gełdowych Wersja 1.1 San na 2013-11-25 Sps reśc I. Algorymy oblczana warośc ndeksów gełdowych...3 1. Warość beżąca

Bardziej szczegółowo

Wykład IX Optymalizacja i minimalizacja funkcji

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

Bardziej szczegółowo

MODELOWANIE I PROGNOZOWANIE ZAPOTRZEBOWANIA NA ENERGIĘ ELEKTRYCZNĄ W WYBRANYM REGIONIE

MODELOWANIE I PROGNOZOWANIE ZAPOTRZEBOWANIA NA ENERGIĘ ELEKTRYCZNĄ W WYBRANYM REGIONIE MODELOWANIE I PROGNOZOWANIE ZAPOTRZEBOWANIA NA ENERGIĘ ELEKTRYCZNĄ W WYBRANYM REGIONIE Marcn Zawada Kaedra Ekonomer Saysyk, Wydzał Zarządzana, Polechnka Częsochowska, Częsochowa 1 WSTĘP Proces ransformacj

Bardziej szczegółowo

Prognozowanie cen detalicznych żywności w Polsce

Prognozowanie cen detalicznych żywności w Polsce Prognozowane cen dealcznych żywnośc w Polsce Marusz Hamulczuk IERGŻ - PIB Kaarzyna Herel NBP Co dlaczego prognozujemy Krókookresowe prognozy cen dealcznych Ceny dealczne (ndywdualne produky, agregay) Isone

Bardziej szczegółowo

Badania operacyjne w logistyce i zarządzaniu produkcją

Badania operacyjne w logistyce i zarządzaniu produkcją Państwowa Wyższa Szkoła Zawodowa w Nowym Sączu Badana operacyne w logstyce zarządzanu produkcą cz. I Andrze Woźnak Nowy Sącz Komtet Redakcyny doc. dr Zdzsława Zacłona przewodncząca, prof. dr hab. nż. Jarosław

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

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

Bardziej szczegółowo

Podstawy teorii falek (Wavelets)

Podstawy teorii falek (Wavelets) Podstawy teor falek (Wavelets) Ψ(). Transformaca Haara (97).. Przykład pewne metody zapsu obrazu Transformaca Haara Przykład zapsu obrazu -D Podstawy matematyczne transformac Algorytmy rozkładana funkc

Bardziej szczegółowo

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5 MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając

Bardziej szczegółowo

III. Przetwornice napięcia stałego

III. Przetwornice napięcia stałego III. Przewornce napęca sałego III.1. Wsęp Przewornce: dosarczane pożądanej warośc napęca sałego koszem energ ze źródła napęca G. Możlwość zmnejszana, zwększana, odwracana polaryzacj lb kszałowane pożądanego

Bardziej szczegółowo

Wykład 2: Uczenie nadzorowane sieci neuronowych - I

Wykład 2: Uczenie nadzorowane sieci neuronowych - I Wykład 2: Uczene nadzorowane sec neuronowych - I Algorytmy uczena sec neuronowych Na sposób dzałana sec ma wpływ e topologa oraz funkconowane poszczególnych neuronów. Z reguły topologę sec uznae sę za

Bardziej szczegółowo

ANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO

ANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO Artur Zaborsk Unwersytet Ekonomczny we Wrocławu ANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO Wprowadzene Od ukazana

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Modelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja

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

Bardziej szczegółowo

ORGANIZACJA PROCESU MAGAZYNOWEGO A EFEKTYWNOŚĆ WYKORZYSTANIA ZASOBÓW PRACY

ORGANIZACJA PROCESU MAGAZYNOWEGO A EFEKTYWNOŚĆ WYKORZYSTANIA ZASOBÓW PRACY Logstyka nauka Konrad LEWCZUK Poltechnka Warszawska, Wydzał Transportu 00-662 Warszawa, ul. Koszykowa 75, kle@t.pw.edu.pl ORGANZACJA PROCESU MAGAZYNOWEGO A EFEKTYWNOŚĆ WYKORZYSTANA ZASOBÓW PRACY Streszczene:

Bardziej szczegółowo

ANALIZA HARMONOGRAMÓW POWYKONAWCZYCH W BUDOWNICTWIE

ANALIZA HARMONOGRAMÓW POWYKONAWCZYCH W BUDOWNICTWIE ANALIZA HARMONOGRAMÓW POWYKONAWCZYCH W BUDOWNICTWIE Wocech BOŻEJKO Zdzsław HEJDUCKI Marusz UCHROŃSKI Meczysław WODECKI Streszczene: W pracy przedstawono metodę wykorzystana harmonogramów powykonawczych

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki Poliechnika Gdańska Wydział Elekroechniki i Auomayki Kaedra Inżynierii Sysemów Serowania Podsawy Auomayki Repeyorium z Podsaw auomayki Zadania do ćwiczeń ermin T15 Opracowanie: Kazimierz Duzinkiewicz,

Bardziej szczegółowo

Proces narodzin i śmierci

Proces narodzin i śmierci Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do

Bardziej szczegółowo

ZAŁĄCZNIK NR 1C KARTA USŁUGI Utrzymanie Systemu Kopii Zapasowych (USKZ)

ZAŁĄCZNIK NR 1C KARTA USŁUGI Utrzymanie Systemu Kopii Zapasowych (USKZ) Załącznk nr 1C do Umowy nr.. z dna.2014 r. ZAŁĄCZNIK NR 1C KARTA USŁUGI Utrzymane Systemu Kop Zapasowych (USKZ) 1 INFORMACJE DOTYCZĄCE USŁUGI 1.1 CEL USŁUGI: W ramach Usług Usługodawca zobowązany jest

Bardziej szczegółowo

Dobór procesora sygnałowego w konstrukcji regulatora optymalnego

Dobór procesora sygnałowego w konstrukcji regulatora optymalnego Pomary Automatyka Robotyka 10/2008 Dobór procesora sygnałowego w konstrukc regulatora optymalnego Marusz Pauluk Potr Bana Darusz Marchewka Mace Rosół W pracy przedstawono przegląd dostępnych obecne procesorów

Bardziej szczegółowo

MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Prokop jproko@sgh.waw.pl

MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Prokop jproko@sgh.waw.pl MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Proko roko@sgh.waw.l Statyka dynamka olgoolstyczne struktury rynku. Modele krótkookresowe konkurenc cenowe w olgoolu.. Model ogranczonych mocy rodukcynych ako wyaśnene

Bardziej szczegółowo

Zarządzanie ryzykiem w przedsiębiorstwie i jego wpływ na analizę opłacalności przedsięwzięć inwestycyjnych

Zarządzanie ryzykiem w przedsiębiorstwie i jego wpływ na analizę opłacalności przedsięwzięć inwestycyjnych dr nż Andrze Chylńsk Katedra Bankowośc Fnansów Wyższa Szkoła Menedżerska w Warszawe Zarządzane ryzykem w rzedsęborstwe ego wływ na analzę ołacalnośc rzedsęwzęć nwestycynych w w w e - f n a n s e c o m

Bardziej szczegółowo

XXXV Konferencja Statystyka Matematyczna

XXXV Konferencja Statystyka Matematyczna XXXV Konferencja Saysyka Maeayczna MODEL OTOWOŚCI SYSTEMU TECHNICZNEO Karol J. ANDRZEJCZAK karol.andrzejczak@pu.poznan.pl Polechnka Poznańska hp://www.pu.poznan.pl/ PRORAM REERATU 1. WPROWADZENIE 2. ORMALIZACJA

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,

Bardziej szczegółowo

Harmonogram czyszczenia z osadów sieci wymienników ciepła w trakcie eksploatacji instalacji na przykładzie destylacji rurowo-wieżowej

Harmonogram czyszczenia z osadów sieci wymienników ciepła w trakcie eksploatacji instalacji na przykładzie destylacji rurowo-wieżowej Mariusz Markowski, Marian Trafczyński Poliechnika Warszawska Zakład Aparaury Przemysłowe ul. Jachowicza 2/4, 09-402 Płock Harmonogram czyszczenia z osadów sieci wymienników ciepła w rakcie eksploaaci insalaci

Bardziej szczegółowo

PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK

PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK Założena Nech oznacza ozom (warość) badanego zjawska (zmennej) w kolejnch momenach czasu T0, gdze T 0 0,1,..., n 1 oznacza worz szereg czasow. zbór numerów czasu. Cąg

Bardziej szczegółowo

DYNAMIKA KONSTRUKCJI

DYNAMIKA KONSTRUKCJI 10. DYNAMIKA KONSTRUKCJI 1 10. 10. DYNAMIKA KONSTRUKCJI 10.1. Wprowadzenie Ogólne równanie dynamiki zapisujemy w posaci: M d C d Kd =P (10.1) Zapis powyższy oznacza, że równanie musi być spełnione w każdej

Bardziej szczegółowo

Zagadnienia do omówienia

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

Bardziej szczegółowo

Regulamin promocji 14 wiosna

Regulamin promocji 14 wiosna promocja_14_wosna strona 1/5 Regulamn promocj 14 wosna 1. Organzatorem promocj 14 wosna, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 lutego 2014 do 30

Bardziej szczegółowo

ZASTOSOWANIE KLASYCZNEGO ALGORYTMU GENETYCZNEGO DO ROZWIĄZANIA ZBILANSOWANEGO ZAGADNIENIA TRANSPORTOWEGO

ZASTOSOWANIE KLASYCZNEGO ALGORYTMU GENETYCZNEGO DO ROZWIĄZANIA ZBILANSOWANEGO ZAGADNIENIA TRANSPORTOWEGO Studa Materały. Mscellanea Oeconomcae Rok 6, Nr 2/22 Wydzał Zarządzana Admnstrac Unwersytetu Jana Kochanowskego w Kelcach Z a r z ą d z a n e f n a n s e Rafał Prońko ZASTOSOWANIE KLASYCZNEGO ALGORYTMU

Bardziej szczegółowo

Minister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha 25 00-918 Warszawa Dnia 03 czerwca 2009 r.

Minister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha 25 00-918 Warszawa Dnia 03 czerwca 2009 r. Mnster Edukacj arodowej Pan Katarzyna HALL Mnsterstwo Edukacj arodowej al. J. Ch. Szucha 25 00-918 arszawa Dna 03 czerwca 2009 r. TEMAT: Propozycja zmany art. 30a ustawy Karta auczycela w forme lstu otwartego

Bardziej szczegółowo

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4. Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Stanisław Cichocki Natalia Nehrebecka. Wykład 2 Sansław Cchock Naala Nehrebecka Wykład 2 1 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 2 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 3 Szereg czasowy jes pojedynczą realzacją pewnego

Bardziej szczegółowo

FINANSOWE SZEREGI CZASOWE WYKŁAD 3

FINANSOWE SZEREGI CZASOWE WYKŁAD 3 FINANSOWE SZEREGI CZASOWE WYKŁAD 3 dr Tomasz Wójowcz Wydzał Zarządzana AGH 3800 3300 800 300 800 300 800 0 0 30 40 50 60 70 Kraków 0 Tomasz Wójowcz, WZ AGH Kraków przypomnene MA(q): gdze ε są d(0,σ ).

Bardziej szczegółowo

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

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

Bardziej szczegółowo

NAFTA-GAZ marzec 2011 ROK LXVII. Wprowadzenie. Tadeusz Kwilosz

NAFTA-GAZ marzec 2011 ROK LXVII. Wprowadzenie. Tadeusz Kwilosz NAFTA-GAZ marzec 2011 ROK LXVII Tadeusz Kwlosz Instytut Nafty Gazu, Oddzał Krosno Zastosowane metody statystycznej do oszacowana zapasu strategcznego PMG, z uwzględnenem nepewnośc wyznaczena parametrów

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca

Bardziej szczegółowo

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

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

Bardziej szczegółowo

PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH

PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH Z a k ł a d U b e z p e c z e ń S p o ł e c z n y c h Wprowadzene Nnejsza ulotka adresowana jest zarówno do osób dopero ubegających

Bardziej szczegółowo

Kombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz

Kombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz Noaki do wykładu 005 Kombinowanie prognoz - dlaczego należy kombinować prognozy? - obejmowanie prognoz - podsawowe meody kombinowania prognoz - przykłady kombinowania prognoz gospodarki polskiej - zalecenia

Bardziej szczegółowo

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe

Bardziej szczegółowo

Regulamin promocji zimowa piętnastka

Regulamin promocji zimowa piętnastka zmowa pętnastka strona 1/5 Regulamn promocj zmowa pętnastka 1. Organzatorem promocj zmowa pętnastka, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 grudna

Bardziej szczegółowo

Programowanie genetyczne w zastosowaniu do harmonogramowania procesu magazynowego

Programowanie genetyczne w zastosowaniu do harmonogramowania procesu magazynowego Konrad Lewczuk 1 Wydzał Transportu Poltechnk Warszawskej Programowane genetyczne w zastosowanu do harmonogramowana procesu magazynowego 1. WPROWADZENIE Procesy magazynowe są stotną częścą procesów logstycznych

Bardziej szczegółowo

Za: Stanisław Latoś, Niwelacja trygonometryczna, [w:] Ćwiczenia z geodezji II [red.] J. Beluch

Za: Stanisław Latoś, Niwelacja trygonometryczna, [w:] Ćwiczenia z geodezji II [red.] J. Beluch Za: Stansław Latoś, Nwelacja trygonometryczna, [w:] Ćwczena z geodezj II [red.] J. eluch 6.1. Ogólne zasady nwelacj trygonometrycznej. Wprowadzene Nwelacja trygonometryczna, zwana równeż trygonometrycznym

Bardziej szczegółowo

WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH

WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH Metrologa Wspomagana Komputerowo - Zegrze, 9-22 05.997 WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH dr nż. Jan Ryszard Jask, dr nż. Elgusz Pawłowsk POLITECHNIKA lubelska

Bardziej szczegółowo

1. Komfort cieplny pomieszczeń

1. Komfort cieplny pomieszczeń 1. Komfort ceplny pomeszczeń Przy określanu warunków panuących w pomeszczenu używa sę zwykle dwóch poęć: mkroklmat komfort ceplny. Przez poęce mkroklmatu wnętrz rozume sę zespół wszystkch parametrów fzycznych

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Stanisław Cichocki Natalia Nehrebecka. Wykład 2 Sansław Cchock Naala Nehrebecka Wykład 2 1 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 4. Zmenne znegrowane 2 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 4. Zmenne znegrowane 3 Szereg

Bardziej szczegółowo

Regulamin promocji upalne lato 2014 2.0

Regulamin promocji upalne lato 2014 2.0 upalne lato 2014 2.0 strona 1/5 Regulamn promocj upalne lato 2014 2.0 1. Organzatorem promocj upalne lato 2014 2.0, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa

Bardziej szczegółowo

5. OPTYMALIZACJA GRAFOWO-SIECIOWA

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

Bardziej szczegółowo

POMIAR PARAMETRÓW SYGNAŁOW NAPIĘCIOWYCH METODĄ PRÓKOWANIA I CYFROWEGO PRZETWARZANIA SYGNAŁU

POMIAR PARAMETRÓW SYGNAŁOW NAPIĘCIOWYCH METODĄ PRÓKOWANIA I CYFROWEGO PRZETWARZANIA SYGNAŁU Pomiar paramerów sygnałów napięciowych. POMIAR PARAMERÓW SYGNAŁOW NAPIĘCIOWYCH MEODĄ PRÓKOWANIA I CYFROWEGO PRZEWARZANIA SYGNAŁU Cel ćwiczenia Poznanie warunków prawidłowego wyznaczania elemenarnych paramerów

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Równania różniczkowe. Lista nr 2. Literatura: N.M. Matwiejew, Metody całkowania równań różniczkowych zwyczajnych.

Równania różniczkowe. Lista nr 2. Literatura: N.M. Matwiejew, Metody całkowania równań różniczkowych zwyczajnych. Równania różniczkowe. Lisa nr 2. Lieraura: N.M. Mawiejew, Meody całkowania równań różniczkowych zwyczajnych. W. Krysicki, L. Włodarski, Analiza Maemayczna w Zadaniach, część II 1. Znaleźć ogólną posać

Bardziej szczegółowo

Problem plecakowy (KNAPSACK PROBLEM).

Problem plecakowy (KNAPSACK PROBLEM). Problem plecakowy (KNAPSACK PROBLEM). Zagadnene optymalzac zwane problemem plecakowym swą nazwę wzęło z analog do sytuac praktyczne podobne do problemu pakowana plecaka. Chodz o to, by zapakować maksymalne

Bardziej szczegółowo

WNIOSKOWANIE STATYSTYCZNE

WNIOSKOWANIE STATYSTYCZNE Wnioskowanie saysyczne w ekonomerycznej analizie procesu produkcyjnego / WNIOSKOWANIE STATYSTYCZNE W EKONOMETRYCZNEJ ANAIZIE PROCESU PRODUKCYJNEGO Maeriał pomocniczy: proszę przejrzeć srony www.cyf-kr.edu.pl/~eomazur/zadl4.hml

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

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

Bardziej szczegółowo

Arytmetyka finansowa Wykład z dnia 30.04.2013

Arytmetyka finansowa Wykład z dnia 30.04.2013 Arytmetyka fnansowa Wykła z na 30042013 Wesław Krakowak W tym rozzale bęzemy baać wartość aktualną rent pewnych, W szczególnośc, wartość obecną renty, a równeż wartość końcową Do wartośc końcowej renty

Bardziej szczegółowo

2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1)

2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1) Wykład 2 Sruna nieograniczona 2.1 Zagadnienie Cauchy ego dla równania jednorodnego Równanie gań sruny jednowymiarowej zapisać można w posaci 1 2 u c 2 2 u = f(x, ) dla x R, >, (2.1) 2 x2 gdzie u(x, ) oznacza

Bardziej szczegółowo

ANALIZA SZEREGÓW CZASOWYCH

ANALIZA SZEREGÓW CZASOWYCH ANALIZA SZEREGÓW CZASWYCH Szereg czasow zbór warośc baanej cech lub warośc baanego zjawska zaobserwowanch w różnch momenach czasu uporząkowan chronologczne. Skłank szeregu czasowego:. enencja rozwojowa

Bardziej szczegółowo

Regulamin promocji fiber xmas 2015

Regulamin promocji fiber xmas 2015 fber xmas 2015 strona 1/5 Regulamn promocj fber xmas 2015 1. Organzatorem promocj fber xmas 2015, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 grudna 2015

Bardziej szczegółowo

cz.2 dr inż. Zbigniew Szklarski

cz.2 dr inż. Zbigniew Szklarski Wykład 1: Prąd sały cz. dr nż. Zbgnew Szklarsk szkla@agh.edu.pl hp://layer.uc.agh.edu.pl/z.szklarsk/ Pasma energeyczne pasma energeyczne - 198 Felx Bloch zblżane sę aomów do sebe powoduje rozszczepene

Bardziej szczegółowo

Ekonometryczne modele nieliniowe

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

Bardziej szczegółowo

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. LXVIII Egzamin dla Aktuariuszy z 29 września 2014 r.

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. LXVIII Egzamin dla Aktuariuszy z 29 września 2014 r. Komsa Egzamnacyna dla Aktuaruszy LXVIII Egzamn dla Aktuaruszy z 29 wrześna 14 r. Część I Matematyka fnansowa WERSJA TESTU A Imę nazwsko osoby egzamnowane:... Czas egzamnu: 0 mnut 1 1. W chwl T 0 frma ABC

Bardziej szczegółowo

Ekonometria egzamin 01/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.

Ekonometria egzamin 01/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora. mę, nazwsko, nr ndeksu: Ekonometra egzamn 1//19 1. Egzamn trwa 9 mnut.. Rozwązywane zadań należy rozpocząć po ogłoszenu początku egzamnu a skończyć wraz z ogłoszenem końca egzamnu. Złamane tej zasady skutkuje

Bardziej szczegółowo

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4 Zad. 1. Dana jest unkcja prawdopodobeństwa zmennej losowej X -5-1 3 8 p 1 1 c 1 Wyznaczyć: a. stałą c b. wykres unkcj prawdopodobeństwa jej hstogram c. dystrybuantę jej wykres d. prawdopodobeństwa: P (

Bardziej szczegółowo

liniowym w przeciwnym przypadku mówimy o programowaniu nieliniowym.

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

Bardziej szczegółowo

Optymalizacja belki wspornikowej

Optymalizacja belki wspornikowej Leszek MIKULSKI Katedra Podstaw Mechank Ośrodków Cągłych, Instytut Mechank Budowl, Poltechnka Krakowska e mal: ps@pk.edu.pl Optymalzacja belk wspornkowej 1. Wprowadzene RozwaŜamy zadane optymalnego kształtowana

Bardziej szczegółowo

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego Portel nwestycyjny ćwczena Na podst. Wtold Jurek: Konstrukcja analza rozdzał 5 dr chał Konopczyńsk Portele zawerające walor pozbawony ryzyka. lementy teor rynku kaptałowego 1. Pożyczane penędzy amy dwa

Bardziej szczegółowo

Poszukiwanie optymalnego wyrównania harmonogramu zatrudnienia metodą analityczną

Poszukiwanie optymalnego wyrównania harmonogramu zatrudnienia metodą analityczną Mieczysław POŁOŃSKI Wydział Budownictwa i Inżynierii Środowiska, Szkoła Główna Gospodarstwa Wieskiego, Warszawa, ul. Nowoursynowska 159 e-mail: mieczyslaw_polonski@sggw.pl Poszukiwanie optymalnego wyrównania

Bardziej szczegółowo

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

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

Bardziej szczegółowo

XLI OLIMPIADA FIZYCZNA ETAP WSTĘPNY Zadanie teoretyczne

XLI OLIMPIADA FIZYCZNA ETAP WSTĘPNY Zadanie teoretyczne XLI OLIMPIADA FIZYCZNA ETAP WSTĘPNY Zadane teoretyczne Rozwąż dowolne rzez sebe wybrane dwa sośród odanych nże zadań: ZADANIE T Nazwa zadana: Protony antyrotony A. Cząstk o mase równe mase rotonu, ale

Bardziej szczegółowo

OCENA OBCIĄŻENIA PRACĄ URZĄDZEŃ W ASPEKCIE HARMONOGRAMOWANIA PROCESU TRANSPORTU WEWNĘTRZNEGO

OCENA OBCIĄŻENIA PRACĄ URZĄDZEŃ W ASPEKCIE HARMONOGRAMOWANIA PROCESU TRANSPORTU WEWNĘTRZNEGO Tomasz AMBROZIAK *, Konrad EWCZUK * OCENA OBCIĄŻENIA PRACĄ URZĄZEŃ W ASPEKCIE HARMONOGRAMOWANIA PROCESU TRANSPORTU WEWNĘTRZNEGO Streszczenie Proces transportu wewnętrznego (PTW) realizowany jest w obiektach

Bardziej szczegółowo

gdzie E jest energią całkowitą cząstki. Postać równania Schrödingera dla stanu stacjonarnego Wprowadźmy do lewej i prawej strony równania Schrödingera

gdzie E jest energią całkowitą cząstki. Postać równania Schrödingera dla stanu stacjonarnego Wprowadźmy do lewej i prawej strony równania Schrödingera San sacjonarny cząsk San sacjonarny - San, w kórym ( r, ) ( r ), gęsość prawdopodobńswa znalzna cząsk cząsk w danym obszarz przsrzn n zalży od czasu. San sacjonarny js charakrysyczny dla sacjonarngo pola

Bardziej szczegółowo

ZESTAW ZADAŃ Z INFORMATYKI

ZESTAW ZADAŃ Z INFORMATYKI (Wpsue zdaąc przed rozpoczęcem prac) KOD ZDAJĄCEGO ZESTAW ZADAŃ Z INFORMATYKI CZĘŚĆ II (dla pozomu rozszerzonego) GRUDZIEŃ ROK 004 Czas prac 50 mnut Instrukca dla zdaącego. Proszę sprawdzć, cz zestaw zadań

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Statystyka. Zmienne losowe

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

Bardziej szczegółowo

MIKROPROCESOROWY MODEL OBIEKTU TERMICZNEGO DO TESTÓW REGULATORÓW TEMPERATURY

MIKROPROCESOROWY MODEL OBIEKTU TERMICZNEGO DO TESTÓW REGULATORÓW TEMPERATURY Danel KUCHARSKI Marcn WESOŁOWSKI MIKROPROCESOROWY MODEL OBIEKTU TERMICZNEGO DO TESTÓW REGULATORÓW TEMPERATURY STRESZCZENIE Aryuł przedsawa moŝlwość dagnosy uładów regulaorów emperaury z wyorzysanem modelowana

Bardziej szczegółowo

8. Optymalizacja decyzji inwestycyjnych

8. Optymalizacja decyzji inwestycyjnych dr nż. Zbgnew Tarapata: Optymalzacja decyzj nwestycyjnych, cz.ii 8. Optymalzacja decyzj nwestycyjnych W rozdzale 8, część I przedstawono elementarne nformacje dotyczące metod oceny decyzj nwestycyjnych.

Bardziej szczegółowo

RÓWNOWAGA STACKELBERGA W GRACH SEKWENCYJNYCH

RÓWNOWAGA STACKELBERGA W GRACH SEKWENCYJNYCH Stansław KOWALIK e-mal: skowalk@wsb.edu.pl Wyższa Szkoła Bznesu Dąbrowa Górncza RÓWNOWAGA STACKELBERGA W GRACH SEKWENCYJNYCH Streszczene Praca dotyczy nekooperacynych sekwencynych ger dwuosobowych o sume

Bardziej szczegółowo

Sortowanie szybkie Quick Sort

Sortowanie szybkie Quick Sort Sortowane szybke Quck Sort Algorytm sortowana szybkego opera sę na strateg "dzel zwycęża" (ang. dvde and conquer), którą możemy krótko scharakteryzować w trzech punktach: 1. DZIEL - problem główny zostae

Bardziej szczegółowo

Plan wykładu. Sztuczne sieci neuronowe. Neuronu dyskretny. Neuron dyskretny (perceptron prosty)

Plan wykładu. Sztuczne sieci neuronowe. Neuronu dyskretny. Neuron dyskretny (perceptron prosty) Plan wykładu Dzałane neuronu dyskretnego warstwy neuronów dyskretnych Wykład : Reguły uczena sec neuronowych. Sec neuronowe ednokerunkowe. Reguła perceptronowa Reguła Wdrowa-Hoffa Reguła delta ałgorzata

Bardziej szczegółowo

TRANZYSTORY POLOWE JFET I MOSFET

TRANZYSTORY POLOWE JFET I MOSFET POLTECHNKA RZEZOWKA Kaedra Podsaw Elekroiki srukcja Nr5 F 00/003 sem. lei TRANZYTORY POLOWE JFET MOFET Cel ćwiczeia: Pomiar podsawowych charakerysyk i wyzaczeie paramerów określających właściwości razysora

Bardziej szczegółowo

Dotyczy: opinii PKPP lewiatan do projektow dwoch rozporzqdzen z 27 marca 2012 (pismo P-PAA/137/622/2012)

Dotyczy: opinii PKPP lewiatan do projektow dwoch rozporzqdzen z 27 marca 2012 (pismo P-PAA/137/622/2012) 30/04! 2012 PON 13: 30! t FAX 22 55 99 910 PKPP Lewatan _..~._. _., _. _ :. _._..... _.. ~._..:.l._.... _. '. _-'-'-'"." -.-.---.. ----.---.-.~.....----------.. LEWATAN Pol~ka KonfederacJa Pracodawcow

Bardziej szczegółowo

Laboratorium ochrony danych

Laboratorium ochrony danych Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz

Bardziej szczegółowo

ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1

ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1 ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1 mgr inż. Żanea Pruska Maeriał opracowany na podsawie lieraury przedmiou. Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X,

Bardziej szczegółowo