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 "real-time model" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Real-time positioning of equipment and material tracking of waste streams in surface coal mining – a case study
    Autorzy:
    Vrublová, Dana
    Kapica, Roman
    Smelik, Stanislav
    Smeliková, Markéta
    Powiązania:
    https://bibliotekanauki.pl/articles/1853868.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    geologia
    koparka kołowa
    górnictwo odkrywkowe
    bucket wheel excavator
    geology
    GNSS
    digital terrain model
    opencast mining
    real-time
    Opis:
    The primary objective of the case study is to improve monitoring, controlling, planning and managing the extraction processes in surface lignite mining. Under the North Bohemian Lignite Basin (also Most Basin) conditions and the Sokolov Basin, wheeled excavators are deployed as the main technology for extracting coal and overlying rock. Their real-time spatial position can be tracked based on data from GNSS technology, inclinometers, and incremental rotary encoders. The measured data is sent to a remote server and stored in the database. It also serves to calculate volumes of extracted masses. Volume calculation, space position visualisation, and wheel boom movements are performed in KVASoftware. It is a program designed for modelling and designing quarries. Knowing the position of the wheel against the digital terrain (quarry), the model is essential for the implementation of many risk-elimination applications, namely with respect to the geological conditions, occupational safety, observance of the profile grade line, the area of extraction, qualitative parameters of the raw material, etc. The mathematical model of backfilling extracted materials is also an integral part of the above-mentioned system.
    Źródło:
    Archives of Mining Sciences; 2021, 66, 2; 249-264
    0860-7001
    Pojawia się w:
    Archives of Mining Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Utilization mathematical and physical models derived therefrom real-time models for the optimization of heating processes
    Wykorzystanie matematycznych i fizycznych modeli niedziałających w czasie rzeczywistym do optymalizacji procesu nagrzewania
    Autorzy:
    Špička, I.
    Heger, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/357018.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    heating process
    mathematical and physical model
    real time control
    optimal control
    proces ogrzewania
    model matematyczny i fizyczny
    kontrola czasu rzeczywistego
    kontrola optymalna
    Opis:
    Heating of materials is energy and costly operations. On those reasons optimization is highly desirable. One of the possible solutions to optimize heating in real time is to use a large number of fast simulations on the basis of them the optimization algorithms have chosen the most appropriate option of the heating control. This solution implies the use of extremely fast but sufficiently accurate simplified mathematical models of heating, the structure and parameters of them are defined based on accurate modelling using computationally intensive but slower classical mathematical-physical models. Based on the operating data of the reheating furnace was build an accurate model of heating. Using the simplified model simulation of heating was done with different heating conditions with downtime during heating. Proposed algorithms including the simulations show that the proposed strategy leads to verifiable savings during heating.
    Nagrzewanie materiałów jest procesem energochłonnym i kosztowny. Dlatego optymalizacja tych procesów jest bardzo pożądana. Jednym z rozwiązań umożliwiających optymalizacje nagrzewania w czasie rzeczywistym jest przeprowadzenie dużej liczby szybkich symulacji, na podstawie których algorytmy optymalizacji wybierały najodpowiedniejszą wersję sterowania nagrzewaniem. Rozwiązanie takie zakłada stosowanie niezwykle szybkich ale wystarczająco dokładnych uproszczonych matematycznych modeli nagrzewania, których struktura i parametry określane są na podstawie dokładnych, ale wolno działających klasycznych modeli matematyczno-fizycznych. Na podstawie danych eksploatacyjnych pieca grzewczego zbudowano model dokładny, a następnie korzystając z jego wersji uproszczonych przeprowadzono symulacje dla różnych warunków nagrzewania uwzględniając przestoje w trakcie nagrzewania. Zaproponowane algorytmy wraz z wynikami symulacji pokazują, że proponowane podejście prowadzi do znaczących oszczędności w trakcie nagrzewania.
    Źródło:
    Archives of Metallurgy and Materials; 2013, 58, 3; 981-985
    1733-3490
    Pojawia się w:
    Archives of Metallurgy and Materials
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Using Big Data in Innovation Research
    Używanie Big Data w badaniach nad innowacjami
    Autorzy:
    Nawojczyk, Maria
    Królewski, Jarosław
    Powiązania:
    https://bibliotekanauki.pl/articles/577410.pdf
    Data publikacji:
    2016-09
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    Big Data
    social sciences computing
    analysis in real time
    social innovation
    social change
    model to study innovations
    Mixed-Methods Research
    informatyka społeczna
    analiza w czasie rzeczywistym
    innowacje społeczne
    zmiana społeczna
    model badania innowacji
    łączone metody badawcze
    Opis:
    One of the major contemporary trends revolutionizing social-sciences computing is, inter alia, the so-called Big Data effect, meaning fast and multidimensional analyses of large volumes of data. Technologies related to Big Data (Volume, Velocity, Variety) have considerable impact on the tools of contemporary sociologists, providing them with immense data resources in real time. Big Data is a term encompassing all data, the analysis of which may bring quantifi able benefi ts, not only in terms of business but also in science and research. Modern technologies change and greatly impact the methodology of research conducted, giving rise to numerous questions and doubts both strictly methodological and ethical in nature. One of the main challenges related to Big Data is the possibility of using large data agglomerates as early as at the stage of conceptualizing and operationalizing the subject of social-sciences computing. The possibility of transforming raw data into pieces of information, and then into knowledge, may soon become an indispensable and desirable element applied in social engineering in establishing the practical applications of research and in predicting future social phenomena. The latter could be particularly useful in such an important and sensitive fi eld as innovation research. Two cases of innovation: a social and technological ones are discussed in the paper. Using these two cases we will present a model of analyzing innovations in real time. The proposed model is a new approach to study innovations.
    Jednym z głównych, współczesnych trendów przynoszących rewolucyjne zmiany w informatyce społecznej jest efekt Big Data, czyli szybkiej wielowymiarowej analizy wielkich zbiorów danych. Technologie związane z Big Data mają znaczący wpływ na narzędzia badawcze jakimi mogą posługiwać się współcześni socjologowie. Dają im one możliwość dostępu do źródeł danych w czasie rzeczywistym. Big Data to termin odnoszący się do wszystkich danych, których analiza może przynieść policzalne efekty, zarówno w kategoriach ekonomicznych jak i badawczych. Nowe technologie wpływają w znaczącym stopniu na metodologię badań, przynosząc szereg pytań i wątpliwości tak natury metodologicznej jak i etycznej. Jednym z wyzwań związanych z Big Data jest możliwość posługiwania się wielkimi zbiorami danych na wczesnych etapach konceptualizacji i operacjonalizacji problemów i hipotez badawczych. Przekształcanie surowych danych w informacje i wiedzę stanie się nieodłącznym elementem nie tylko inżynierii społecznej ale również praktyki badawczej dającej lepsze możliwości predykcyjne naukom społecznym niż to miało miejsce dotychczas. Te możliwości wydają się szczególnie użyteczne w badaniach nad innowacjami. Przedstawiamy je w szczegółach na dwóch przykładach innowacji – jednej technologicznej i drugiej społecznej. Przykłady te służą nam do zaprezentowania modelu, który stanowi nowe podejście do badania innowacji
    Źródło:
    Zagadnienia Naukoznawstwa; 2016, 52, 4(210); 431-450
    0044-1619
    Pojawia się w:
    Zagadnienia Naukoznawstwa
    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