Корреляционно-регрессионный анализ закалки сталей в расплаве солей

Концепция управления знаниями, основные подходы и компоненты. Определение квадратов отклонений факторов, влияющих на надежность работы КЩУ при эксплуатации ТЭД. Корреляционная линейная зависимость и регрессионный анализ закалки сталей в расплаве солей.

Рубрика Экономика и экономическая теория
Вид контрольная работа
Язык русский
Дата добавления 14.04.2015
Размер файла 885,4 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Задание 1

Управление знаниями

Управление знаниями (УЗ) - Knowledge Management (КМ) - процесс интегрированной трансформации организацией своих интеллектуальных активов в прибыль и материальные ценности. Этот процесс затрагивает организационные, технические и культурные аспекты деятельности организации. УЗ предусматривает полный цикл операций с корпоративными знаниями (документами, БД и БЗ, электронным контентом и опытом персонала): идентификацию, извлечение, хранение, преобразование, распределение и использование.

УЗ делает возможным использование коллективного опыта и знаний (социального капитала) и превращения их в организационный капитал.

УЗ включает в себя совершенно разные составляющие: обмен знаниями, управление внешними потоками информации, обучение, структуризацию знаний в организации, совместную работу в социальных сетях, управление взаимоотношениями с клиентами и др.

Управление знаниями - дисциплина, которая обеспечивает интегрированный подход к созданию, организации, доступу и использованию информационных ресурсов организации: структурированные БД, текстовую информацию, документы, описывающие правила и процедуры, а также наиболее важное - неявные знания сотрудников, и др.

Управление знаниями - формальный процесс, который состоит в оценке организационных процессов, людей и технологий и создании системы, использующей взаимосвязи между этими компонентами, с целью предоставления нужной информации нужным людям и в нужное время, что приводит к повышению продуктивности.

Дуализм термина «управления знаниями» представлен на рисунке 1.

Рисунок 1. - Дуализм термина «управления знаниями»

Управление знаниями является одной из основных концепций развития бизнеса, наряду с:

* всеобщим управлением качеством;

* процессным подходом и реинжинирингом бизнес-процессов;

* электронным бизнесом;

* методологиями сбалансированной системы показателей (BSC);

* системы экономической добавленной стоимости(EVA) и др.

УЗ становится ключевой технологией, определяющей парадигму менеджмента.

Стратегические задачи УЗ:

* аудит и оценка имеющихся ресурсов знаний, их источников и информационных ресурсов корпорации;

* определение актуальных и определяющих знаний и информации для данного типа бизнеса или организации;

* определение типа сценария управления знаниями организации;

* разработка классификации организационных знаний;

* определение технологической составляющей проекта и выбор необходимых ИТ-решений.

Управление знаниями подразумевает две составляющие:

1) организационную;

2) технологическую.

Организационная часть (социально-психологическая) - представляет собой политику организации в отношении управления знаниями, т. е. разнообразные управленческие рычаги и процедуры, которые позволяют организации сохранять, структурировать, анализировать информацию для того, чтобы эффективно ее использовать в настоящем и будущем. Речь идет, например, о мотивации сотрудников к участию в обмене знаниями, их должностных обязанностях в связи с этим и т. п.

Технологии помогают осуществить эти управленческие процедуры.

Выделяют два подхода к управлению знаниями:

1. Персонифицирующий или интуитивистский подход, исходит из того, чтобы носители знания (эксперты) его хранили и им делились. Главное в управлении знаниями - это сотрудники, их мотивация, связи, культура организации, а технологии - это просто инфраструктура.

2. Информационный или технологический подход, исходит из того, что современные предприятия, особенно крупные, накопили гигантские объемы данных о клиентах, поставщиках, операциях и многом другом, хранящиеся в десятках операционных и транзакционных систем в различных функциональных подразделениях.

Для поиска знаний в массивах данных и их обработки необходимы информационные и интеллектуальные технологии, которые выявляют скрытые зависимости и правила в данных. Знания рассматриваются как точная информация по данной проблеме. Система, которая способна предоставить точный ответ на запрос - это и есть система управления знаниями.

Подход предполагает обязательную формализацию тех знаний и информации, которые особенно важны для компании. Необходима интеграция предложенных подходов, как необходим и учет всех граней управления знаниями, которое охватывает одновременно несколько аспектов менеджмента.

В концептуальной модели управления знаниями можно выделить три взаимосвязанные компоненты:

* инфраструктура знаний;

* культура знаний;

* технология знаний.

Инфраструктура знаний - две составляющие этой компоненты:

а) существующая структура и процессы организации;

б) источники знаний.

Культура знаний - компании должны обеспечить культурную среду, которая бы способствовала обмену знаниями. Создание эффективной культуры знаний включает осознание важности роли человека, как носителя знаний, и создание в человеке заинтересованности в обмене знаниями.

Технология знаний - в число основных технологий, поддерживающих управление знаниями, входят:

* исследования данных и текстов (Data mining, Text Mining) - распознавание образов, выделение значимых закономерностей из данных, находящихся в хранилищах или входных или выходных потоках.

Эти методы основываются на статистическом моделировании, нейронных сетях, генетических алгоритмах и др.;

* системы управления документооборотом (Document management) - хранение, архивирование, индексирование, разметка и публикация документов;

* средства для организации совместной работы (Collaboration) - сети intranet, технологии группвой работы, синхронные и асинхронные конференции;

* корпоративные порталы знаний;

* средства, поддерживающие принятие решений (Decision support) - экспертные системы и сети, системы, поддерживающие дискуссионные группы и т.д.

Работники знаний - это люди, которые создают информацию и знания в процессе своей деятельности, интегрируют их в бизнес или трансформируют в бизнес-решения. Это менеджеры знаний организации, финансовые и маркетинговые аналитики, плановики производства, инженеры высшей квалификации, юристы, системные интеграторы. Они ответственны за нахождение или развитие новых знаний и решений для организации, и интеграции их с существующими знаниями. Они также осуществляют советы и консультации руководству организации. Наконец, они действуют как проводники внедрения новых процедур, технологий или процессов.

Для принятия эффективных и адекватных организационных управленческих решений необходимо создание системы управления знаниями. Информация и интеллектуальные активы организации рассредоточены в базах данных и знаний, хранилищах документов, сообщениях электронной почты, отчётах и, конечно, у персонала. Необходимо организовать быстрый доступ к этим данным и знаниям, придав им удобную для использования и анализа форму. То есть, это основная задача системы управления знаниями.

Система управления знаниями создаёт в организации единое информационное пространство, организует совместную работу сотрудников для приобретения, представления и обмена знаниями, предоставляет доступ к единой базе знаний и создаёт условия для эффективного использования знаний персонала в общих интересах. Эта система организует управленческие действия на базе всех информационных ресурсов организации. Для использования этих ресурсов требуется набор специализированных продуктов, инструментов и платформ.

Система управления знаниями решает следующие основные задачи:

* организация совместной работы (совместное решение на основе мозгового штурма», Интернет , intranet, технологии групповой обработки, синхронные конференции и др.);

* управление содержимым интеллектуальных активов (создание «организационной памяти» и совместное использование опыта. Технологии управления содержимым позволяют персоналу фиксировать, систематизировать и организовывать свои идеи в хранилище, которое упрощает доступ к информации и знаниям);

* анализ (получение доступа персонала к средствам анализа рыночных, отраслевых, корпоративных, структурных и персональных данных). Необходимы новые концепции аналитических информационных систем, ориентированных на анализ данных и знаний: концепции хранилищ данных, OLAP, интеллектуального анализа данных и текстов, и др.);

* сбор, поиск и доставка информации и знаний (объединение групп, распределённых территориально и работающих в удалённом режиме при помощи порталов);

* управление документооборотом (хранение, архивирование, разметка и публикация документов).

Для того чтобы взаимодействие систем управления организацией было наиболее эффективным, все они должны быть пронизаны единым «стрежнем» - системой управления знаниями, которая обеспечивает своевременную доставку информации, а также средства для ее обработки, анализа и принятия решений с использованием систем бизнес-интеллекта (Business Intelligence - BI).

Кроме внутренних связей, интеграция корпоративных приложений обеспечивается и благодаря использованию средств электронного бизнеса и интернет-технологий.

На сегодняшний день, к сожалению, нет программного продукта под названием «Система управления знаниями». Программные продукты являются лишь вспомогательными, но весьма эффективными, средствами. Система управления знаниями - это, скорее, стратегия, направленная на создание условий, при которых необходимые знания могут быть предоставлены сотрудникам вовремя для повышения эффективности их работы.

С точки зрения управления - это разработка комплекса мер, регламентов, шаблонов.

С точки зрения ИТ - внедрение платформ управления контентом и интеграция прикладных систем, реализующих данную стратегию.

К основным технологиям, поддерживающим систему управление знаниями, относятся:

* хранилища данных и знаний;

* инструментарий интеллектуального анализа данных и доступа к данным;

* добыча знаний в данных и текстах (Data mining, Text mining);

* выделение значимых закономерностей из данных, находящихся в хранилищах или входных или выходных потоках (эти методы основываются на статистическом моделировании, нейронных сетях, генетических алгоритмах и др.);

* оперативная аналитическая обработка данных(OLAP);

* системы управления документооборотом (Document management) - хранение, архивирование, индексирование, разметка и публикация документов;

* Интернет;

* средства для организации совместной работы (Collaboration) - сети интранет, технологии группой работы, синхронные и асинхронные конференции;

* корпоративные порталы знаний;

* средства, поддерживающие принятие решений (Decision support) - экспертные системы и сети, интеллектуальные СППР;

* системы, поддерживающие дискуссионные группы;

* ситуационные центры и другие.

На рисунке 2 показаны компоненты структуры технологии управления знаниями.

Рисунок 2. - Компоненты структуры технологии управления знаниями

Задание 2

Сумма рангов для каждого из факторов:

; (1)

Общая сумма рангов:

Средняя сумма рангов:

(2)

где - количество факторов, влияющих на надежность работы КЩУ;

Отклонение суммы рангов для каждого из факторов от средней суммы:

(3)

Квадраты отклонений:

(4)

Сумма квадратов отклонений:

(5)

Коэффициент конкордации в случае «несвязанных» рангов:

(6)

где - число экспертов, оценивающих влияние факторов;

Критерий согласия Пирсона при числе степеней свободы и числе исследуемых факторов :

(7)

По приложению 1 находим, что для и

Так как , то можно с доверительной вероятностью 96% утверждать, что мнения специалистов относительно степени влияния анализируемых факторов на надежность работы КЩУ согласуются в соответствии с коэффициентом конкордации

Ступенчатая диаграмма факторов представлена на рисунке 1.

Применив АВС-анализ для данной диаграммы, можно с уверенностью выделить группу наиболее существенных факторов, влияющих на надежность работы КЩУ при эксплуатации ТЭД:

Х2 - линейная скорость скольжения коллектора по щетке;

Х6 - твердость материала щетки;

Х4 - удельное электрическое сопротивление щетки.

Рисунок 3. - Ступенчатая диаграмма факторов

Для построения диаграммы Парето необходимо определить суммарное количество дефектов, количество дефектов, выраженное в %, и определить суммарное количество дефектов в %. На основании таблицы 1 все расчеты сводим в таблицу 2. Диаграмма Парето представлена на рисунке 2.

корреляционный регрессионный линейный сталь

Таблица 3. - Расчет для построения диаграммы Парето

Шифр дефекта

Вид дефекта

Количество дефектов, шт.

Суммарное кол-во дефектов, шт.

Количество дефектов, %

Суммарное кол-во дефектов, %

1

2

3

4

5

6

1

Царапины

26

26

41,9

41,9

2

Трещины

17

43

27,4

69,3

3

Шероховатости на рабочей поверхности

11

54

17,7

87,0

4

Сколы

3

57

4,8

91,8

5

Прочие дефекты

5

62

8,2

62

100,0

Размещено на http://www.allbest.ru/

Рисунок 4. - Диаграмма Парето

После построения определяют причины появления дефектов, и производится устранение в последовательности их значимости до тех пор, пока дальнейшее улучшение процесса окажется неоправданным с точки зрения экономики.

Вывод: анализ диаграммы показывает, что почти 70% количества дефектов приходится на два пункта - царапины и трещины. На их устранение, по-видимому, и должны быть направлены усилия в первую очередь.

Полученный вывод не может считаться окончательным, т.к. при определении очередности устранения брака, кроме количества дефектов, необходимо учитывать затраты времени на их устранение, издержки производства и т.д.

Оценим рейтинг каждого вида дефекта с точки зрения количества дефектов, затрат времени и издержек производства на их устранение (данные приведены в таблице 3). Причем величина каждого весового коэффициента значимости (KN, Kt, KЗ) определялась экспертным путем.

Таблица 4. - Исходные данные для расчета рейтингов

Шифр дефекта

Вид дефекта

Факторы

Количество дефектов на партию (XN)

Время устранения

Затраты на устранение

На ед.

Всего (Xt)

На ед.

Всего (Xз)

1

Царапины

26

2

52

15

390

2

Трещины

17

1

17

3

51

3

Шероховатости на рабочей поверхности

11

3

33

20

220

4

Сколы

3

4

12

25

75

5

Прочие дефекты

5

1

5

10

50

6

Весовой коэффициент

KN=1

Kt=2

Kз=4

Рейтинг каждого вида дефекта:

(8)

где K - весовой коэффициент соответствующего фактора;

X - стандартный коэффициент соответствующего фактора.

В первую очередь определяются стандартные коэффициенты. Для этого в каждой графе матрицы исходных данных (таблица 4) выбирается наибольшее значение соответствующего фактора, которое принимается за единицу (эталон - ). Затем все остальные значения дефектов этой графы делятся на выбранный эталон. В результате создаются матрицы стандартных коэффициентов (таблица 5).

Таблица 5. - Исходная матрица

Шифр дефекта

Факторы

Количество дефекта, N

Время устранения, t

Затраты, З

1

2

3

4

1

26

52

390

2

17

17

51

3

11

33

220

4

3

12

75

5

5

5

50

Таблица 6. - Матрица стандартных коэффициентов (Х)

Шифр дефекта

Стандартный коэффициент

ХN

Хt

Xз

1

2

3

4

1

1

1

1

2

0.65

0.33

0.13

3

0.42

0.63

0.56

4

0.12

0.23

0.19

5

0.19

0.10

0.13

По формуле (8) определяем рейтинг каждого вида дефекта:

- царапины

;

- трещины

;

- шероховатости на рабочей поверхности

;

- сколы

;

- прочие дефекты

.

В заключение для наглядности строится таблица 6 сравнения рейтинговых оценок дефектов.

Таблица 7. - Сравнение рейтинговых оценок дефектов

Вид дефекта

Рейтинг дефекта

Место

1

2

3

Царапины

7,0

1

Трещины

0.71

3

Шероховатости на рабочей поверхности

2.22

2

Сколы

0.26

4

Прочие дефекты

0.12

5

Задание 3

Строим диаграмму рассеяния для двух видов закалки (рисунок 3).

Рисунок 5. - Диаграмма рассеивания

Далее проводим регрессионный анализ, рассчитывая таблицы 7 и 8.

Таблица 8. - Закалка в расплаве солей

Количество легированных присадок, хi

Количество отбракованных валов, уi

Х2

У2

х·у

1

2

3

4

5

1

2

1

4

2

2

3

4

9

6

3

8

9

64

24

4

12

16

144

48

5

10

25

100

50

6

15

36

225

90

7

22

49

484

154

8

20

64

400

160

9

26

81

676

234

10

22

100

484

220

n = 11

23

121

529

253

Таблица 9. - Закалка в машинном масле

хi

уi

х2

у2

х·у

1

2

3

4

5

1

10

1

100

10

2

12

4

144

24

3

12

9

144

36

4

11

16

121

44

5

13

25

169

65

6

14

36

196

84

7

12

49

144

84

8

14

64

196

112

9

17

81

289

153

10

18

100

324

180

11

24

121

576

264

Коэффициент корреляции:

(9)

где , - показатели рассеяния:

- при закалке сталей в расплаве солей:

(10)

(11)

(12)

- при закалке в машинном масле:

Выявлена положительная корреляционная линейная зависимость. Теснота связей между X и Y большая (близка к + 1).

Рассчитаем уравнение корреляции:

(13)

- при закалке сталей в расплаве солей:

(14)

(15)

где:

(16)

(17)

- при закалке в машинном масле:

Определим точки для построения линий:

- при закалке сталей в расплаве солей:

при х = 4: у4 = - 0,98 + 2,63·4 = 9,54;

при х = 10: у10 = - 0,98 + 2,63·10 = 25,32;

- при закалке в машинном масле:

при х = 4: у4 = 7,46 + 1,14·4 = 12,02;

при х = 10: у10 = 7,46 + 1,14·10 = 18,86.

Вывод: при заданной норме отработке 24 ч. на стенде принимается:

а) закалка в солях;

б) количество легированных присадок - 8 условных единиц.

Размещено на Allbest.ru

...

Подобные документы

  • Направление деятельности ОАО "Татнефть", его место на рынке. Система управления компанией. Исследование зависимости прибыли от совокупных активов компании методом корреляционно-регрессионного анализа. Анализ и прогнозирование деятельности предприятия.

    курсовая работа [600,9 K], добавлен 30.10.2011

  • Многомерный корреляционный, регрессионный анализ. Многошаговый регрессионный анализ. Метод отсева факторов по t-критерию. Вариационные характеристики. Корреляционный анализ. Многомерный регрессионный анализ. Многошаговый регрессионный анализ.

    курсовая работа [80,1 K], добавлен 01.10.2005

  • Сущность и виды производственных показателей предприятия. Основные производственные показатели и примеры их расчета. Статистические методы изучения производственных показателей предприятия. Корреляционно-регрессионный метод. Компьютерная статистика.

    курсовая работа [1,2 M], добавлен 11.05.2008

  • Этапы корреляционно-регрессионного анализа, построение корреляционной модели и определение функции, отражающей механизм связи между факторным и результативным признаками. Измерение тесноты корреляционной связи, расчет индекса корреляции и дисперсии.

    лекция [38,1 K], добавлен 13.02.2011

  • Корреляционно-регрессионный анализ как объект статистического изучения, система статистических показателей, его характеризующих. Особенности и принципы применения метода корреляционно-регрессионного анализа. Построение статистического ряда распределения.

    курсовая работа [453,1 K], добавлен 28.01.2014

  • Характеристика методов выполнения оценок параметров больших множеств по данным выборочного наблюдения. Особенности работы с большими массивами данных. Расчет основных показателей совокупности. Корреляционно-регрессионный анализ. Анализ рядов динамики.

    курсовая работа [1,2 M], добавлен 24.08.2010

  • Роль корреляцонно-регрессионного анализа в обработке экономических данных. Корреляционно-регрессионный анализ и его возможности. Предпосылки корреляционного и регрессионного анализа. Пакет анализа Microsoft Excel.

    курсовая работа [68,4 K], добавлен 11.06.2002

  • Общая организационно-экономическая характеристика СПК "им. Красина". Анализ развития растениеводства и животноводства колхоза. Корреляционно-регрессионный анализ влияния урожайности, фодообеспеченности и фондовооруженности на выход зерна организации.

    курсовая работа [633,4 K], добавлен 01.03.2015

  • Экономико-статистический анализ эффективности продаж облигаций. Сводка и группировка. Средние величины и показатели вариации. Дисперсионный и корреляционно-регрессионный анализ. Ряды динамики. Средняя балансовая прибыль по нескольким предприятиям.

    курсовая работа [372,0 K], добавлен 29.04.2013

  • Экстраполяция и прогнозирование, средние показатели в рядах динамики. Корреляционно-регрессионный анализ. Выявление основной тенденции изменения урожайности зерновых. Анализ влияния урожайности зерновых и размера посевной площади на валовой сбор зерна.

    курсовая работа [715,8 K], добавлен 28.08.2012

  • Основы построения регрессионных моделей: метод наименьших квадратов; двухмерная линейная концепция корреляционного и регрессионного анализа. Показатели статистической обработки информации: дисперсия, математическое ожидание и стандартное отклонение.

    контрольная работа [80,8 K], добавлен 27.11.2012

  • Виды инфляционных процессов. Корреляционно-регрессионный анализ влияния уровня безработицы на уровень инфляции. Выявление основных тенденций изменения среднегодового уровня инфляции в России. Анализ абсолютных и относительных показателей ряда динамики.

    курсовая работа [263,2 K], добавлен 15.12.2015

  • Понятие трудовых ресурсов. Группировка сельскохозяйственных предприятий по обеспеченности трудовыми ресурсами. Корреляционно-регрессионный анализ связи между обеспеченностью трудовыми ресурсами и фондовооруженностью. Динамика фондоотдачи предприятия.

    курсовая работа [98,7 K], добавлен 28.04.2014

  • Понятие и виды инфляционных процессов. Статистико-экономический анализ инфляции в России, показатели ее уровня. Корреляционно-регрессионный анализ абсолютных и относительных показателей ряда динамики. Тенденции изменения среднегодового уровня инфляции.

    курсовая работа [168,2 K], добавлен 07.02.2016

  • Анализ эффективности производства зерна методом статистических группировок. Изучение динамики методом укрупнения периодов. Корреляционно-регрессионный анализ факторов, влияющих на производство продукции в сельскохозяйственных предприятиях России.

    курсовая работа [324,2 K], добавлен 15.06.2014

  • Организационно-экономическая характеристика ЗАО "Степное", анализ его финансовой устойчивости. Оценка ликвидности, платежеспособности и деловой активности предприятия. Корреляционно-регрессионный анализ влияния факторов на коэффициент текущей ликвидности.

    курсовая работа [989,6 K], добавлен 30.11.2014

  • Показатели наличия и использования оборотных фондов. Коэффициент закрепления оборотных фондов. Абсолютные и относительные показатели наличия. Корреляционно-регрессионный анализ в статистике оборотных фондов. Статистический ряд распределения организаций.

    курсовая работа [598,7 K], добавлен 23.01.2012

  • Выявление основных социоэкономических детерминантов, оказывающих влияние на студенческую миграцию. Исследование процесса поступления выпускников в ВУЗы. Корреляционная матрица факторов образовательной миграции. Кластерный и регрессионный анализ.

    курсовая работа [118,0 K], добавлен 19.09.2016

  • Классификация затрат, технико-экономические факторы и резервы снижения себестоимости продукции. Анализ динамики себестоимости молока и эффективности производства, корреляционно-регрессионный анализ влияния различных факторов на себестоимость молока.

    курсовая работа [62,3 K], добавлен 26.04.2010

  • Организационно–экономическая характеристика предприятия "Вираж". Эффективность использования капитала. Статистический анализ, динамика и баланс основных производственных фондов. Корреляционно–регрессионный анализ влияния факторов на рост фондоотдачи.

    курсовая работа [819,7 K], добавлен 12.02.2012

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.