Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "statistical distributions" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    Optimal maintenance strategy on medical instruments used for haemodialysis process
    Optymalna strategia konserwacji urządzeń medycznych wykorzystywanych w procesie hemodializy
    Autorzy:
    Tan, Cher Ming
    Narula, Udit
    Lai, Lu An
    Pandey, Sumit
    Tung, Jung Hua
    Yi Li, Chung
    Powiązania:
    https://bibliotekanauki.pl/articles/301733.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    reliability based maintenance
    dialysis machines
    genetic algorithm
    reliability analysis
    statistical distributions
    operational availability
    konserwacja oparta na niezawodności
    aparaty do dializy
    algorytm genetyczny
    analiza niezawodności
    rozkłady statystyczne
    gotowość operacyjna
    Opis:
    Haemodialysis machines are one of the important medical equipment which is used to treat renal failures and minimum downtimes are thus essential. Uninterrupted and constant use of these machines in hospitals worldwide makes them vulnerable to failures if not maintained properly. Consequently, the maintenance cost for dialysis machine is high. A method to implement a cost effective maintenance strategy is demonstrated in this work. Root Cause Based Maintenance (RCBM) strategy is employed at the component level to optimize the Reliability Based Maintenance schedules derived from the existing maintenance and failure data. In order to minimize the average cost of maintenance for Haemodialysis machines and ensure their high operational availability, a Cost-Model is derived, and Genetic Algorithm is employed for optimization in this work. The application of RCBM strategy results in cost saving of about 60% of the cost incurred using current maintenance scheme. Statistical and optimization calculations are performed using Reliasoft’s Weibull++ and MATLAB tools respectively.
    Aparaty do hemodializy to ważne urządzenia medyczne wykorzystywane w leczeniu niewydolności nerek, dlatego ich przestoje muszą być jak najkrótsze. Ciągłe, nieprzerwane korzystanie z tych urządzeń w szpitalach na całym świecie sprawia, że, w przypadku braku właściwej konserwacji, są one podatne na awarie. W związku z tym koszty konserwacji aparatów do dializy są wysokie. W prezentowanej pracy przedstawiono metodę wdrażania ekonomicznej strategii konserwacji. Wykorzystano strategię konserwacji opartą na analizie przyczyn źródłowych uszkodzenia (RCBM). Zastosowano ją na poziomie części składowych w celu optymalizacji harmonogramów konserwacji opartej na niezawodności (RBM) tworzonych na podstawie istniejących danych dotyczących konserwacji i uszkodzeń. Aby móc zminimalizować średni koszt konserwacji aparatów do hemodializy i zapewnić ich wysoką gotowość operacyjną, opracowano model kosztowy, a optymalizację przeprowadzono za pomocą algorytmu genetycznego. Zastosowanie strategii RCBM daje około 60-procentową oszczędność kosztów, jakie ponosi się przy użyciu obecnie wykorzystywanego programu konserwacji. Obliczenia statystyczne i optymalizacyjne wykonano, odpowiednio, przy użyciu oprogramowania Weibull ++ i MATLAB firmy Reliasoft.
    Źródło:
    Eksploatacja i Niezawodność; 2019, 21, 2; 318-328
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Spatial and temporal aspects of prior and likelihood data choices for Bayesian models in road traffic safety analyses
    Przestrzenny i czasowy aspekt wyboru rozkładów apriorycznych i danych dla funkcji wiarygodności dla modeli bayesowskich w analizach bezpieczeństwa ruchu drogowego
    Autorzy:
    Nowakowska, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/1365610.pdf
    Data publikacji:
    2017
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    Bayesian regression model
    informative prior distributions for model parameters
    likelihood data
    statistical classifier
    road accident severity
    road accident features
    model regresji bayesowskiej
    informatywne rozkłady aprioryczne parametrów modelu
    wiarygodność bayesowska
    klasyfikator statystyczny
    status wypadku drogowego
    cechy wypadku drogowego
    Opis:
    In a Bayesian regression model, parameters are not constants, but random variables described by some posterior distributions. In order to define such a distribution, two pieces of information are combined: (1) a prior distribution that represents previous knowledge about a model parameter and (2) a likelihood function that updates prior knowledge. Both elements are analysed in terms of implementing the Bayesian approach in road safety analyses. A Bayesian multiple logistic regression model that classifies road accident severity is investigated. Three groups of input variables have been considered in the model: accident location characteristics, at fault driver’s features and accident attributes. Since road accidents are scattered in space and time, two aspects of information source choices in the Bayesian modelling procedure are proposed and discussed: spatial and temporal ones. In both aspects, priors are based on selected data that generate background knowledge about model parameters – thus, prior knowledge has an informative property. Bayesian likelihoods which modify priors are data that deliver: (1) information specific to a road – in the spatial aspect or (2) the latest information – in the temporal aspect. The research experiments were conducted to illustrate the approach and some conclusions have been drawn.
    Parametry bayesowskiego modelu regresji nie są wartościami stałymi tylko zmiennymi losowymi opisanymi przez pewne rozkłady aposterioryczne. W celu zdefiniowania takiego rozkładu łączy się dwa źródła informacji: (1) rozkład aprioryczny, który reprezentuje wcześniejszą wiedzę o parametrze modelu oraz (2) funkcję wiarygodności (wiarygodność bayesowską), która uaktualnia wiedzę a’priori. Oba te elementy są przedmiotem badań w kontekście wykorzystania podejścia bayesowskiego w analizach bezpieczeństwa ruchu drogowego. Badaniom podlega model wielokrotnej regresji logistycznej, który klasyfikuje status zdarzenia drogowego. W modelu uwzględniono trzy grupy zmiennych objaśniających: charakterystyki miejsca lokalizacji wypadku, cechy kierującego sprawcy oraz atrybuty wypadku. Ponieważ wypadki drogowe są rozproszone w czasie i przestrzeni, zaproponowano i poddano dyskusji dwa aspekty wyboru źródeł informacji w procedurze modelowania bayesowskiego: czasowy i przestrzenny. W obu podejściach rozkłady aprioryczne są definiowane na podstawie danych wybranych jako te, które generują uogólnioną wiedzę o parametrach modelu, tworząc tło podlegające modyfikacji – w ten sposób wiedza aprioryczna ma cechę informatywności. Wiarygodność bayesowska, modyfikująca rozkłady a’priori, jest definiowana za pomocą danych wprowadzających: (1) informację specyficzną dla wybranej drogi – w przypadku aspektu przestrzennego lub (2) informację najnowszą – w przypadku aspektu czasowego. Zaproponowane podejście zilustrowano w eksperymentach badawczych i przedstawiono wynikające z nich wnioski.
    Źródło:
    Eksploatacja i Niezawodność; 2017, 19, 1; 68-75
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-2 z 2

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies