Informacja

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

Wyszukujesz frazę "bayes" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Model konwersji wiedzy ukrytej w wiedzę jawną przy zastosowaniu algorytmu Bayes’a na przykładzie działu badawczo-rozwojowego w przedsiębiorstwie produkcyjnym
Autorzy:
Śliwa, M.
Powiązania:
https://bibliotekanauki.pl/articles/118345.pdf
Data publikacji:
2016
Wydawca:
Politechnika Koszalińska. Wydawnictwo Uczelniane
Tematy:
wiedza ukryta
algorytm Bayes’a
konwersja wiedzy
dział badawczo-rozwojowy
przedsiębiorstwo produkcyjne
tacit knowledge
Bayes algorithm
knowledge conversion
research and development
manufacturing company
Opis:
W artykule przedstawiono tematykę konwersji wiedzy ukrytej w wiedzę jawną na podstawie działu badawczo-rozwojowego w przedsiębiorstwie produkcyjnym. Sformułowano otoczenie problemu badawczego: w dziale B+R średniego przedsiębiorstwa produkcyjnego istnieje wiedza jawna i ukryta – zgromadzona w pracownikach umysłowych. W dziale realizowane są procesy biznesowe. Należy odpowiedzieć na pytanie: czy zastosowanie narzędzia wspomagającego podział wiedzy pomoże osiągnąć wymierne korzyści dla przedsiębiorstwa? Zidentyfikowano źródła wiedzy ukrytej w dziale badawczo-rozwojowym w przedsiębiorstwie produkcyjnym, następnie zaproponowano mechanizmy jej pozyskiwania. Zbadano wpływ charakterystyki pracownika na podział wiedzy ukrytej, co wpływa na wzrost know-how przedsiębiorstwa. W konsekwencji zaimplementowano algorytm Bayes’a. Model zilustrowano na przykładzie z praktyki gospodarczej. W efekcie zakłada się otrzymanie wymiernych korzyści z wynikające z podziału wiedzy, jak: redukcję kosztów, poprawek, reklamacji, szybsze zakończenie podobnego projektu i optymalny dobór kadry. W podsumowaniu pokazano kierunki dalszych prac obejmujące implementację informatyczną przedstawionego modelu oraz jego weryfikację.
Based on the reference works, in article have been showed knowledge’s conversion characteristic, based on the own research and development department in manufacturing company. Formulated surrounding the research problem: in section B+R medium manufacturing company, there is tacit and explicit knowledge gathered in the white-collar workers. In this department they are implemented business processes. It should answer the question: whether the use of a tool to support the knowledge sharing will help achieve tangible benefits for the company? It studied the effect of the characteristics of an employee on the tacit knowledge sharing, which increases on its know-how value in organization. The sources of tacit knowledge in the research and development department in a manufacturing company were identified, and then mechanisms of its collection were proposed. Consequently, Bayes’ algorithm was implemented. The model is illustrated by the example of business practice. As a result, it is assumed to receive measurable benefits, i.e. cost reduction, corrections, complaints and faster completion of a similar project, optimal selection of workers. In summary it presents directions for further work, including the IT implementation of the presented model and its verification.
Źródło:
Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej; 2016, 10; 131-145
1897-7421
Pojawia się w:
Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Model klasyfikacji wiedzy w przedsiębiorstwie produkcyjnym przy zastosowaniu algorytmu Bayes’a
Autorzy:
Dudek, A.
Patalas-Maliszewska, J.
Powiązania:
https://bibliotekanauki.pl/articles/118404.pdf
Data publikacji:
2016
Wydawca:
Politechnika Koszalińska. Wydawnictwo Uczelniane
Tematy:
model klasyfikacji wiedzy
gromadzenie danych
algorytm Bayes’a
model knowledge classification
collect data
Bayesian algorithm
Opis:
W artykule podjęto próbę zbudowania modelu klasyfikacji wiedzy w przedsiębiorstwie produkcyjnym w oparciu o algorytm Bayes’a. Pozyskiwanie, gromadzenie i przechowywanie danych i informacji działu obsługi serwisowej, możliwe jest za pomocą autorskiej aplikacji, której struktura została również przedstawiona w niniejszym artykule. Na podstawie danych i informacji zawartych w zgłoszeniach serwisowych, rejestrowanych w aplikacji, możliwe jest generowanie zdefiniowanej wiedzy. W konsekwencji, proponowany model klasyfikacji wiedzy, przy zastosowaniu algorytmu Bayes’a, daje możliwość zbudowania zbiorów użytecznej wiedzy.
This article elaborates a model of knowledge classification using a Bayesian algorithm in a manufacturing company. Further was illustrated an application, that enables you to collect, search and analyze data and information from a service department. Based on the data and information registered in the application, it is possible to generate a defined knowledge. Consequently, the proposed model for the classification of knowledge, using a Bayesian algorithm gives the opportunity to build the sets of useful knowledge.
Źródło:
Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej; 2016, 9; 85-98
1897-7421
Pojawia się w:
Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Koncepcja oceny poziomu wiedzy technicznej w dziale badawczo-rozwojowym: studium przypadku
Autorzy:
Śliwa, M.
Powiązania:
https://bibliotekanauki.pl/articles/118422.pdf
Data publikacji:
2017
Wydawca:
Politechnika Koszalińska. Wydawnictwo Uczelniane
Tematy:
inżynieria wiedzy
wiedza techniczna
wiedza ukryta
wiedza jawna
model Bayesa
knowledge engineering
technical knowledge
hidden knowledge
open knowledge
Bayes model
Opis:
W artykule zaprezentowano koncepcję oceny poziomu wiedzy technicznej w dziale badawczo-rozwojowym opracowaną na podstawie analizy literatury przedmiotu. Sporządzono charakterystykę wiedzy ukrytej i jawnej w dziale badawczo-rozwojowym w przedsiębiorstwie produkcyjnym, wyróżniono sposoby jej pozyskiwania i podziału w przedsiębiorstwie. Następnie zbudowano model Bayes’a, którego zastosowanie pozwoli na dokonanie oceny poziomu wiedzy technicznej w dziale badawczo-rozwojowym. Model został zbudowany w oparciu o wiedzę pozyskaną za pomocą wywiadów bezpośrednich z pracownikami z rzeczywistego przedsiębiorstwa produkcyjnego z branży automotive, z działu B+R. W podsumowaniu zawarto dalsze kierunki badań.
The article presents the concept of the level of technical knowledge estimation in the research and development department based on the literature analysis of the subject. The characteristics of hidden and open knowledge in the research and development department in the production enterprise were prepared, and the methods of its acquisition and division in the enterprise were distinguished. Next, the Bayes model was built, the application of which will allow to assess the level of technical knowledge in the research and development department. The model was built based on the knowledge acquired through direct interviews with employees from a real manufacturing company from the automotive industry, from the R & D department. The summary contains further directions of research.
Źródło:
Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej; 2017, 11; 87-107
1897-7421
Pojawia się w:
Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    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