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 "Krawczynska, A." wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    Modelling labour productivity rates for reinforcement works
    Modelowanie norm pracochłonności robót zbrojarskich
    Autorzy:
    Krawczyńska-Piechna, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/230598.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    roboty zbrojarskie
    technologiczność
    pracochłonność
    szacowanie pracochłonności
    drzewo decyzyjne
    klasyfikator agregowany
    reinforcement works
    buildability
    labour estimation
    decision tree
    classifier ensemble
    Opis:
    Construction planning always requires labour productivity estimation. Often, in the case of monolithic construction works, the available catalogues of productivity rates do not provide a reliable assessment. The paper deals with the problem of labour estimation for reinforcement works. An appropriate model of labour prediction problem is being introduced. It includes, between others, staff experience and reinforcement buildability. In the paper it is proposed, that labour requirements can be estimated with aggregated classifiers. The work is a continuation of earlier studies, in which the possibility of using classifier ensembles to predict productivity in monolithic works was investigated.
    Planowanie rzeczowe i kosztowe każdego przedsięwzięcia budowlanego wymaga analizy nakładów pracy. Od pewnego czasu obserwuje się w polskim budownictwie stopniowy spadek dostępności wysoko kwalifikowanej kadry pracowniczej. Z drugiej strony projekty konstrukcyjne obiektów żelbetowych są coraz bardziej złożone i jednocześnie „odchudzane”. Sprawia to, że prawidłowa ocena pracochłonności robót staje się coraz bardziej istotna. Problemy zaobserwowane na różnych krajowych budowach w przeciągu ostatniego roku stały się inspiracją do przeprowadzenia wstępnych badań w temacie pracochłonności prac zbrojarskich. Praca stanowi kontynuację wcześniejszych badań nad modelowaniem pracochłonności robót wykonywanych w technologii MBB i zaprezentowano w niej możliwość modelowania norm wykonania zbrojenia przy użyciu drzew decyzyjnych (pojedynczych i agregowanych).
    Źródło:
    Archives of Civil Engineering; 2019, 65, 3; 87-99
    1230-2945
    Pojawia się w:
    Archives of Civil Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Predicting the length of a post-accident absence in construction with decision trees and their ensembles
    Szacowanie czasu trwania powypadkowej nieobecności w pracy w budownictwie z zastosowaniem drzew decyzyjnych i ich rodzin
    Autorzy:
    Krawczyńska-Piechna, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/231086.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    nieobecność w pracy
    nieobecność powypadkowa
    drzewo decyzyjne
    predykcja
    rodziny klasyfikatorów
    budownictwo
    post-accident absence
    decision tree
    prediction
    classification ensembles
    construction
    Opis:
    Produkcja budowlana jest jedną z najbardziej wypadkowych – zarówno w kraju, jak i na całym świecie, o czym świadczą badania naukowe oraz liczne statystyki i raporty. O ile liczne statystyki powypadkowe są cennym źródłem danych o wypadkach, o tyle znacznie cenniejsze dla zarządzających bezpieczeństwem na budowie i zajmujących się planowaniem robót są proste w interpretacji modele, pozwalające przewidywać zagrożenia i oceniać ich skutki. Badania w tym obszarze prowadzą m.in. [1,2,3,4,5,17,18]. W pracy skoncentrowano się na zagadnieniu długości nieobecności powypadkowej pracownika. Jest ona bowiem nie tylko uciążliwa dla pracodawcy z przyczyn organizacyjnych, ale także świadczy, co potwierdza [4,5], o poziomie bezpieczeństwa na budowie. W artykule skupiono się na analizie możliwości predykcji czasu trwania powypadkowej absencji pracownika przy użyciu drzew decyzyjnych i ich rodzin. Przedmiotem rozważań jest zatem N-elementowy zbiór U obserwacji – tj. odnotowanych wypadków w pracy. Każdą obserwację należącą do zbioru U charakteryzuje wektor [xi1, xi2, …, xiL, yi] tzw. atrybutów obserwacji. Wyróżniamy L atrybutów objaśniających (tzw. predyktorów): X1,…, XL oraz 1 atrybut objaśniany Y. Zmienne xi1, xi2, …, xiL , yi opisują wartości atrybutów i-tej obserwacji. Reprezentację zbioru U można zatem zapisać jako równanie (2.1). Dysponując określonym zbiorem obserwacji U, chcemy znaleźć relację pomiędzy długością powypadkowej absencji pracownika Y a okolicznościami wystąpienia wypadku X=[X1,…, XL] w postaci modelu.
    Work safety control and analysis of accidents during the construction performance are some of the most important issues of the construction management. The paper focuses on the post-accident absence as an element of the occupational safety management. The occurrence of the post-accident absence of workers can be then treated as an indicator of building performance safety. The ability to estimate its length can also facilitate works planning and scheduling in case of the accident. The paper attempts to answer the question whether it is possible and how to use decision trees and their ensembles to predict the severity of the post-accident absence and which classification algorithm is the most promising to solve the prediction problem. The paper clarifies the model of the prediction problem, introduces 5 different decision tress and different aggregation algorithms in order to build the model. Thanks to the use of aggregation methods it is possible to build classifiers that predict precisely and do not require any initial data treatment, which simplifies the prediction process significantly. To identify the most promising classifier or classifier ensemble the prediction accuracy measures of selected classification algorithms were analyzed. The data to build the model was gathered on national (Polish) construction sites and was taken from literature. Models obtained within simulations can be used to build advisory or safety management systems allowing to detect threats while construction works are being planned or carried out.
    Źródło:
    Archives of Civil Engineering; 2020, 66, 3; 365-376
    1230-2945
    Pojawia się w:
    Archives of Civil Engineering
    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