Wyniki wyszukiwania - BazTech

1

Klasyfikacja i oznakowanie chemikaliów zgodnie z rozporządzeniem CLP

Janczak A.

Promotor BHP

|

2016

|

nr 4

20--24

PL

Celem rozporządzenia CLP – Classification, Labelling and Packaging – jest zapewnienie wysokiego poziomu ochrony zdrowia ludzi i środowiska, a także swobodnego przepływu substancji, mieszanin i wyrobów za pomocą zharmonizowania kryteriów klasyfikacji substancji i mieszanin oraz przepisów dotyczących oznakowania i pakowania substancji i mieszanin stwarzających zagrożenie. Niniejszy artykuł prezentuje zasady klasyfikacji oraz oznakowania chemikaliów zgodnie z CLP. Zapraszam do lektury.

2

Szkolenie osób zaangażowanych w przewóz towarów niebezpiecznych

Janczak A.

Promotor BHP

|

2015

|

nr 11

16--19

PL

Transport towarów niebezpiecznych może być realizowany poprzez transport drogowy – ADR, transport kolejowy – RID, transport materiałów niebezpiecznych śródlądowymi drogami wodnymi – ADN, transport morski materiałów niebezpiecznych – IMDG, transport lotniczy materiałów niebezpiecznych – ICAO IT.

3

Przewóz towarów niebezpiecznych w transporcie drogowym

Janczak A.

Promotor BHP

|

2015

|

nr 9

22--26

PL

Transport towarów niebezpiecznych może być realizowany poprzez: transport drogowy – ADR, transport kolejowy – RID, transport materiałów niebezpiecznych śródlądowymi drogami wodnymi – ADN, transport morski materiałów niebezpiecznych – IMDG, transport lotniczy materiałów niebezpiecznych – ICAO IT.

4

Bezpieczeństwo chemiczne podczas stosowania substancji/mieszanin na przykładzie wodorotlenku sodu

Janczak A.

Promotor BHP

|

2015

|

nr 6

14--19

PL

Bezpieczeństwo chemiczne podczas pracy z substancjami i mieszaninami chemicznymi (chemikaliami) jest istotnym problemem. W opracowaniu przedstawione zostały na przykładzie wodorotlenku sodu (NaOH) zasady stosowania, magazynowania, pierwsza pomoc w wypadku kontaktu z NaOH. Wodorotlenek sodu jest nieorganiczną substancją powszechnie stosowaną nie tylko w przemyśle chemicznym, ale także m.in.: do uzdatniania wody, w przemyśle spożywczym, metalurgii, do korekty pH przy oczyszczaniu ścieków.

5

Artificial neural network models for fault detection and isolation of industrial processes

Korbicz J., Janczak A.

Computer Assisted Mechanics and Engineering Sciences

|

2002

|

Vol. 9, No. 1

55-69

EN

The paper focuses on using of artificial neural networks in model-based fault detection and isolation. Modelling of a system both at its normal operation conditions and in faulty states is considered and a comparative study of three different methods of system modelling that use a linear model, neural network nonlinear autoregressive with exogenous input model, and neural network Wiener model is presented. Application of these models is illustrated with an example of approximation of a dependence of the juice steam pressure in the stage two on the juice steam pressures in the stages one and three of a five stage sugar evaporator. Parameters of the linear model are estimated with the recursive pseudolinear regression method, whilst the backpropagation and truncated backpropagation through time algorithms are employed for training the neural network models. All the considered models are derived based on the experimental data recorded at the Lublin Sugar Factory.

6

Parameter Estimation Based Fault Detection and Isolation in Wiener and Hammerstein Systems

Janczak A.

International Journal of Applied Mathematics and Computer Science

|

1999

|

Vol. 9, no 3

711-735

EN

Fault detection and isolation in Wiener and Hammerstein systems via generation and processing of residual sequences is considered. We assume that some models of the unfaulty Wiener and Hammerstein systems under consideration are known. For Wiener systems, we also assume that their static nonlinear subsystems are invertible. Then, based on a serial-parallel definition of the residual error, new fault detection and isolation methods are proposed.To detect and identify all the changes in both the Wiener and Hammerstein system parameters, the sequences of residuals are processed by using linear regression methods or a neural network approach.