案例分析思路与方法 本案例主要采用比率分析的方法，并结合因素分析法和趋势分 析法，从上市公司最核心的指标净资产收益率入手，对公司赢利能 力、资产效率、偿债能力、现金获取能力、股利政策做全面分析。 盈利能力 偿债能力 资产效率 获现能力 股利分配 净资产收益率

本文通过对四氯化钛熔盐电解机理的分析,找出四氯化钛对熔盐的溶解过程是电解的限制性环节。要强化电解过程必需加强四氯化钛蒸汽与熔盐界面处的还原能力。根据这一原理设计出一种新的篮筐式阴极,可以把四氯化钛熔盐电解法制取金属钛的电流效率提高到73.5%,金属钛的回收率为93.3%,电解所得产品合格率为96%

为了对分区分级双P型燃气辐射管喷口结构、位置进行优化，提高燃烧效率.首先对分区分级双P型燃气辐射管进行了实验和数值研究，结果发现，除NOx体积分数的误差为11.6%外，其他参数的偏差都在1%以内，证明该模型具有可靠性.在此基础上，通过研究主管和支管的喷口位置及喷口结构等参数，进行了气体温度和壁面温度的研究分析.结果显示：随着主管喷口位置向外移动，分区分级燃气辐射管表面温度的最高值逐渐减小，壁面温度的最低值逐渐增大.支管喷口位于三通管与支管交线处时，可以减少高温气体对辐射管管壁的冲击作用，提高支管径向的温度均匀性，延长辐射管使用寿命；主管喷口的形式为完全预混式喷口时，壁面温差最小；支管喷口的形式为不对称式时，分区分级燃气辐射管壁面温差最小，燃烧热效率最高

一:什么叫生产 生产就是制造产品(有形产品),提供服务(无形产品)的过程性活动。 经济学上,用生产率(Productivity)来衡量生产系统的转换功能,表示生产要素的使用效率 (生产率=产出/投入) 生产率的提高主要取决于生产过程中如何充分有效地发挥生产要素的作用 提高效率,一般通过两种方式来达到这种目的:改进生产技术和改善管理

本文把封闭力流式齿轮试验台看成具有制造误差的实际机构,并且在静态和动态的条件下,实测了齿轮试验台的载荷特性数据,从而提出了若干反映齿轮试验台的精度等级的具体性能指标:一、静态精度指标——静扭矩极差、静载荷波动率、卸载率和静效率等;二、动态精度指标——运转系数、载荷相对变动率、起动过载系数和传动效率等。并且,还根据实测的数据,提出一些改善齿轮试验数据准确性的具体办法

7050铝合金在半连铸生产过程中发生热裂和冷裂的倾向很高，不但影响了产品的质量和生产效率，还可能导致生产事故.工厂常采用试错法以找到最优的工艺参数，但这种方法成本高且效率低.运用数值模拟的方法再现铸造过程中各物理场的变化情况，已成为优化铝合金熔铸工艺非常重要的研究手段.本文通过将温度场、流场和应力场进行直接耦合，对7050铝合金的半连铸过程进行了数值模拟研究.结果显示，在糊状区沿铸锭宽度方向的应力和应变分量最大，特别是在起始铸造阶段，因而最容易在起始阶段产生垂直于宽度方向的热裂纹.冷裂与铸锭内应力集中有关，根据计算可知铸锭在冷却至200℃时冷裂倾向最大.由实际裂纹所处的部位及所需的临界尺寸可以推测，该冷裂纹极有可能是糊状区产生的热裂纹在低温时失稳扩展而形成的

提出了一种全新的快速邻居搜索方法,该方法可提高基于光滑粒子动力学的流体模拟在图形处理器上的运行效率.此外,这种新的邻居表建立方法可以对两种或者两种以上的粒子进行邻居搜索,使所有粒子能在同一背景网格下拥有独立的粒子属性.在此基础上,引入了Ghost边界粒子以加强光滑粒子动力学方法在边界模拟上的准确性,从而使流体模拟更加真实.实验证明,与传统的基于图形处理器的光滑粒子动力学模拟相比,本文方法效率更高

囿于微机系统的软、硬件配置,尤其是外存容量过小,主机速度慢等条件,微机上的情报检索系统通常效率偏低。本文介绍提高系统效率的一些新技术,特别是二叉分类树的严格倒排技术。并给出了实现算法。这些新技术已经成功地用于《MCDS》之中

HASH造表、查表方法广泛而有效地应用于计算机基本软件和应用软件的设计中,尤其在计算机的数据处理和数据库技术中,更为如此。本文使用初等的数学方法对这种先进的查找技术的效率—表平均查找长度A进行了理论上的讨论,同样得到了前人已经得到的两个理论计算公式。此外,我们还在M—150计算机上做了随机模拟试验,得到了一系列试验结果,支持和验证了理论的正确性

建立快速有效的针对大规模文本数据的聚类分析方法是当前数据挖掘研究和应用领域中的一个热点问题.为了同时保证聚类效果和提高聚类效率，提出基于\互为最小相似度文本对\搜索的文本聚类算法及分布式并行计算模型.首先利用向量空间模型提出一种文本相似度计算方法；其次，基于\互为最小相似度文本对\搜索选择二分簇中心，提出通过一次划分实现簇质心寻优的二分K-means聚类算法；最后，基于MapReduce框架设计面向云计算应用的大规模文本并行聚类模型.在Hadoop平台上运用真实文本数据的实验表明：提出的聚类算法与原始二分K-means相比，在获得相当聚类效果的同时，具有明显效率优势；并行聚类模型在不同数据规模和计算节点数目上具有良好的扩展性