PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 6

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  prognostic model
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote Systemy inteligencji biznesowej w prognozowaniu zużycia gazu ziemnego
Chrulski Tomasz
Przemysł Chemiczny
|
2021
|
T. 100, nr 12
1170--1172
PL
Dokonano przeglądu popularnych aplikacji informatycznych w zakresie analityki biznesowej, które mogą posłużyć do prognozowania zużycia gazu ziemnego. Przeglądu dokonano, opierając się na ogólnej wiedzy teoretycznej związanej z tym zagadnieniem, i pod kątem rodzaju wykorzystywanych modeli prognostycznych przez poszczególne aplikacje. Przedstawiono perspektywy rozwoju narzędzi informatycznych w zakresie analityki biznesowej.
EN
A survey was conducted with the use of an electronic questionnaire on the used business intelligence systems among employees from the energy industry. Power BI and Tableau were the most popular among the surveyed respondents. Popular IT applications in the field of business analytics that can be used to forecast natural gas consumption were reviewed.
2
Content available Degradation assessment of bearing based on machine learning classification matrix
Kumar Satish, Kumar Paras, Kumar Girish
Eksploatacja i Niezawodność
|
2021
|
Vol. 23, no. 2
395--404
EN
In the broad framework of degradation assessment of bearing, the final objectives of bearing condition monitoring is to evaluate different degradation states and to estimate the quantitative analysis of degree of performance degradation. Machine learning classification matrices have been used to train models based on health data and real time feedback. Diagnostic and prognostic models based on data driven perspective have been used in the prior research work to improve the bearing degradation assessment. Industry 4.0 has required the research in advanced diagnostic and prognostic algorithm to enhance the accuracy of models. A classification model which is based on machine learning classification matrix to assess the degradation of bearing is proposed to improve the accuracy of classification model. Review work demonstrates the comparisons among the available state-of-the-art methods. In the end, unexplored research technical challenges and niches of opportunity for future researchers are discussed.
3
Content available remote Prognozowanie przedziału czasowego z maksymalnym w ciągu doby z użyciem gazu przez kotłownię
Nowak Bogdan, Bartnicki Grzegorz
Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN
|
2019
|
nr 109
93--109
PL
Działania mające na celu poprawę efektywności energetycznej systemów zaopatrzenia w ciepło wymagają korzystania z coraz bardziej złożonych metod. Podstawowe sposoby zmniejszenia zużycia ciepła poprzez stosowanie lepszej izolacji cieplnej mają coraz bardziej ograniczone możliwości iwymagają stosunkowo dużych nakładów finansowych. Dobre efekty mogą być osiągane przez coraz lepsze dopasowanie rozwiązań technicznych, sposobów regulacji czy zasad eksploatacji źródła ciepła do warunków konkretnego obiektu zasilanego wciepło. Wymaga to jednak zarówno badań identyfikujących skuteczność takich metod, jak inarzędzi służących do opisu wybranych elementów systemu czy jego całości. Artykuł przedstawia wyniki badań przeprowadzonych dla kotłowni gazowej zasilającej w ciepło grupę budynków mieszkalnych. Celem było zbudowanie modelu, który prognozowałby dla konkretnego dnia przedział czasowy, w którym występuje maksymalne zużycie gazu. Dysponując pomiarami zużycia gazu wkolejnych godzinach doby, zdecydowano się zbudować model prognostyczny wyznaczający tę część doby, w której takie maksimum wystąpi. W opracowanym modelu zdecydowano się zastosować procedurę lasów losowych (random forest). Do utworzenia modelu zastosowano pakiet mlr (Kassambara), w którym przeprowadzono również strojenie hiperparametrów modelu na bazie danych historycznych. W oparciu o odrębne dane dla innego okresu działania kotłowni przedstawiono wyniki oceny jego jakości. Uzyskano skuteczność niemal 44%. Strojenie modelu wpłynęło na poprawę jego zdolności predykcyjnych.
EN
The heat supply systems energy efficiency improvement requires the use of increasingly complex methods. The basic ways to reduce heat consumption is by using better thermal insulation, although they have more and more limited possibilities and need relatively large financial outlays. Good effects can be achieved by the better heat source adaptation to the conditions of aspecific facility supplied with heat. However, this requires research that identifies the effectiveness of such solutions as well as the tools used to describe selected elements of the system or its entirety. The article presents the results of tests carried out for agas boiler room supplying heat to agroup of residential buildings. The goal was to build amodel that would forecast the day range in which the maximum gas consumption occurs for agiven day. Having measurements of gas consumption in subsequent hours of the day, it was decided to build aforecasting model determining the part of the day in which such amaximum would occur. To create the model the random forest procedure was used along with the mlr (Kassambara) package. The model’s hyperparameters were tuned based on historical data. Based on data for another period of boilerroom operation, the results of the model’s quality assessment were presented. Close to 44% efficiency was achieved. Tuning the model improved its predictive ability.
4
Content available Modelowanie prognostyczne zmian w wielkości produkcji stali w Polsce do 2020 roku
Gajdzik B., Szymszal J.
Prace Instytutu Metalurgii Żelaza
|
2016
|
T. 68, nr 4
26--33
PL
Celem niniejszej publikacji jest przedstawienie zmian w wielkości produkcji stali w krajowym hutnictwie. Na podstawie statystycznych wielkości produkcji za lata 2000–2015 wykonano modelowanie prognostyczne na kolejne 5 lat. Uzyskane prognozy stały się podstawą do opracowania scenariusza bazowego.
EN
The aim of the article is to present changes in steel production in Poland. Based on statistical volume of production for 2000-2015, prognostic modelling for the next 5 years was carried out. The prognosis is helpful for establishing a baseline scenario.
5
Content available The application of the process modelling of anodic wet-stripping of CrN multi-layer coatings for characteristics prediction
Bujak J., Ruta R., Trzos M.
Problemy Eksploatacji
|
2006
|
nr 4
7-16
EN
The paper presents the results of experimental research on a process of anodic wet-stripping of CrN multi-layer coatings. The stripping rate was correlated with the coating structure and the current density of the stripping process. The experimental data was statistically analysed and regression models of stripping thickness were created as a function of stripping time. The obtained results indicated that the anodic wet-stripping process can be described by means of linear function only in the case of one-layer coatings. Moreover, the general neural network model was created as a complex model including both quantitative and qualitative variables characterising the wet-stripping process. The developed models enable the estimation of the character and time of the stripping process, depending on the coating thickness, structure and current parameters.
PL
W artykule przedstawiono wyniki badań eksperymentalnych anodowego procesu rozpuszczania złożonych powłok CrN. Uzyskane wyniki poddano analizie statystycznej, w rezultacie której wyznaczono modele regresyjne przebiegu procesu rozpuszczania w funkcji czasu. Ponadto wykorzystując sztuczne sieci neuronowe opracowano kompleksowy model procesu rozpuszczania anodowego. Opracowane modele umożliwiają oszacowanie przebiegu i czasu rozpuszczania w zależności od grubości powłoki oraz zastosowanych parametrów prądowych.
6
Content available remote Analiza modeli prognostycznych zacierania adhezyjnego
Nosal S., Wojciechowski Ł.
Tribologia
|
2001
|
nr 3
483-492
PL
W referacie została przeprowadzona analiza modeli prognostycznych zacierania adhezyjnego, rekomendowanych do obliczeń inżynierskich rzeczywistych węzłów tarcia. Modele te analizowano pod kątem wykorzystania w nich informacji z testów standardowych oraz dotyczących materiału i warstwy wierzchniej. Stwierdzono, że stopień wykorzystania tych informacji jest niewielki.
EN
In this paper was carried out the analysis of prognostic models of the adhesive scoring, recommended for engineering calculations of real, frictional tribosystems. These models were analyzed from the utilization point of view in them information from standard tests and concerning the material and the surface layer. It was found, that the degree of utilization this information is not large.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.