Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Investigating Vibration Transmission in Cargo Containers During Heavy-Duty Off-Road Transport

Vilau Radu, Voicu Daniela, Stoica Ramona-Monica, Ciobotaru Ticusor, Rykała Magdalena, Rykała Łukasz

Advances in Science and Technology. Research Journal

2024

Vol. 18, no 4

312--328

This article focuses on the investigation and analysis of vibrations transmitted to cargo during off-road transportation, with particular emphasis on the impact of vehicle and road surface interactions. The primary objective of the research is to quantify and characterize the amplitudes of vibrations generated by the interaction between heavy-duty truck tires and rough terrain, and their subsequent transmission to cargo containers. To achieve this, a virtual model of a tactical transportation truck was created using TruckSim software. Two characteristic off-road tracks were simulated, based on driving conditions typically experienced by heavy-duty vehicles in demanding logistical scenarios. The experimental validation of the virtual model was conducted using a heavy-duty truck outfitted with a 20 ft (6096 mm) cargo container. The results of the work include recorded acceleration data, suspension behavior, and the maximum driving speed at which the vehicle remained stable on both tracks. Moreover, the work is a direct response to the needs of the automotive industry and the military.

Application of machine learning methods to analyze customer migration risk in terms of corporate financial security

Stoica Ramona-Monica, Vilău Radu, Voicu Daniela, Grzelak Małgorzata

Systemy Logistyczne Wojsk

2023

Vol. 59, no. 2

169--188

Effective prediction of customer migration is only possible through knowledge of the customer life cycle, which is characterized by the length of the relationship between buyer and provider, i.e. customer retention. A concept of opposite importance is customer migration, defined as the partial or total abandonment of the products or services offered by a company. Its knowledge and ability to predict it is crucial in terms of ensuring the continued financial security of target companies. The primary objective of this article was to present a method for assessing the risk of telecom industry customer migration using machine learning methods. The main research problem was defined in the form of a question: is it possible to effectively support decision-making and marketing strategy development by using machine learning methods to minimise customer migration? The hypothesis of the research conducted was also defined: It is possible to effectively predict the risk of customer migration in the telecommunications industry based on machine learning models and using available databases.The objective was achieved through the use of research methods, theoretical deductions such as and induction, system analysis and synthesis, and mathematical modelling, which additionally allowed for a practical analysis of the migration of customers of the telecommunications industry. Predictors with the greatest impact on the phenomenon under study were selected. It should be noted that the gain chart indicates that, in the case of contacting the 20% of customers selected by the models, the target coverage would be at the following levels, respectively: 70% for the boosted tree model and the decision tree based on the CART algorithm, and 75% for the random forest model. The research niche addressed in the article is the development of methods for assessing migration risk using machine learning techniques. The tool developed in the article can support decision-making in the creation of marketing campaigns aimed at retaining the largest number of customers.

Skuteczne przewidywanie migracji klientów możliwe jest jedynie dzięki znajomości cyklu życia klienta, który charakteryzuje się długością relacji pomiędzy kupującym a dostawcą, czyli utrzymaniem klienta. Pojęciem o przeciwnym znaczeniu jest migracja klientów, rozumiana jako częściowa lub całkowita rezygnacja z oferowanych przez firmę produktów lub usług. Jej wiedza i umiejętność jej przewidywania jest kluczowa z punktu widzenia zapewnienia ciągłego bezpieczeństwa finansowego przejmowanych spółek. Podstawowym celem artykułu było przedstawienie metody oceny ryzyka migracji klientów branży telekomunikacyjnej z wykorzystaniem metod uczenia maszynowego. Główny problem badawczy został zdefiniowany w formie pytania: czy można skutecznie wspierać podejmowanie decyzji i rozwój strategii marketingowej poprzez wykorzystanie metod uczenia maszynowego w celu minimalizacji migracji klientów? Postawiono także hipotezę przeprowadzonych badań: Można skutecznie przewidzieć ryzyko migracji klientów w branży telekomunikacyjnej w oparciu o modele uczenia maszynowego i wykorzystując dostępne bazy danych. Cel został osiągnięty poprzez zastosowanie metod badawczych, wniosków teoretycznych takich jak indukcja, analiza i synteza systemowa oraz modelowanie matematyczne, które dodatkowo pozwoliło na praktyczną analizę migracji klientów branży telekomunikacyjnej. Wybrano predyktory mające największy wpływ na badane zjawisko. Należy zauważyć, że wykres zysków wskazuje, że w przypadku kontaktu z 20% klientów wybranych przez modele docelowe pokrycie kształtowałoby się odpowiednio na następujących poziomach: 70% dla modelu drzewa wzmocnionego i modelu opartego na drzewie decyzyjnym na algorytmie CART i 75% na losowym modelu lasu. Niszą badawczą poruszoną w artykule jest rozwój metod oceny ryzyka migracji z wykorzystaniem technik uczenia maszynowego. Opracowane w artykule narzędzie może wspomagać podejmowanie decyzji przy tworzeniu kampanii marketingowych mających na celu utrzymanie jak największej liczby klientów.