1. 风险管理 风险分类 风险识别 风险预测 处理风险的策略 2. 质量保证 软件质量 保证质量的措施 3.配置管理 软件配置 配置管理过程

1、煤炭自燃理论； 2、煤炭自燃预测预报； 3、防灭火技术 4、均压防灭火； 5、火灾时期风流控制

一、市场调查的抽样 二、抽样方法与程序 三、抽样控制

第1节需求管理( Demand Management) 1.1需求管理的重要性 1.2生产运作管理的计划与控制系统

提出了一种轧机偏心特性曲线概念.基于偏心测试信号的循环统计量建立线性预测模型,在线确定轧机偏心补偿量数据,实现轧机偏心的实时直接数据补偿控制.该方法能够准确反映并跟踪轧机偏心扰动的实际变化,满足对轧机偏心信号进行在线实时补偿控制的要求

为了实时获得冷轧带钢酸洗溶液的浓度值,便于进行酸浓度控制,采用软测量方法实时预测酸浓度.由于酸浓度建模数据中无关成分和特异点会影响模型精度,利用正交信号校正和稳健回归相结合的方法来建立酸浓度预测模型首先利用正交信号校正对建模数据进行预处理,去除自变量中与因变量无关的成分;然后采用基于迭代加权最小二乘的稳健回归算法进行建模,降低特异点对模型的影响;最后将预测结果和多元线性回归、传统稳健回归方法和正交信号校正多元线性回归进行比较.实验结果表明:采用正交信号校正-稳健回归方法后,模型预测能力得到提高,与多元线性回归结果相比,亚铁离子质量浓度和氢离子质量浓度的相对预测误差分别从1.82%降低到1.17%、从5.87%降低到4.73%.本文提出的方法具有更好的模型预测精度,可以满足工业应用要求

热轧支持辊的健康状态在带钢板形质量和轧制稳定性控制中起着关键作用，非线性、强耦合、少样本等特点使得热轧支持辊健康状态的预测复杂，目前各大钢厂仍以定期维护和事后维修为主。本文提出了一种支持辊虚拟健康指数的构建方法以及基于Copula函数的复杂工况健康状态预测模型。首先结合支持辊弯窜辊数据表征支持辊健康状态，再使用K-means聚类方法对支持辊工况进行划分，将各工况下过程数据分别构建Copula预测模型，最后根据实际轧制计划的排布顺序融合各工况模型的预测结果。提出的基于Copula函数的预测模型在某钢厂1780热连轧产线得到应用，结果表明，该模型能够准确有效的按照轧制计划实现支持辊的健康状态预测，以更科学的策略指导支持辊更换维护

针对电加热炉多变量系统存在大惯性、慢时变、非线性及交叉耦合严重等特点,提出采用基于非参数模型的动态矩阵控制方法,并用预测补偿的思想进行解耦设计,使解耦设计大为简化.实时控制表明这种算法对多变量系统是有效的

将构造物理学的理论和方法应用于煤与瓦斯突出预测中,对地质构造控制煤与瓦斯突出机理及分布规律进行了研究,指出煤与瓦斯突出构造物理环境由构造组合特征、构造应力场、构造煤和煤层瓦斯四因素组成,探讨了煤与瓦斯突出构造物理环境各种因素控制突出的机理,提出了煤与瓦斯突出构造物理环境多种因素的综合作用控制地质构造带煤与瓦斯突出,为地质构造突出危险性判定提供了理论依据.工程实践证明,利用煤与瓦斯突出构造物理环境可以对煤与瓦斯突出进行准确地预测

1 传染病模型 2 经济增长模型 3 正规战与游击战 4 药物在体内的分布与排除 5 香烟过滤嘴的作用 6 人口预测和控制 7 烟雾的扩散与消失 8 万有引力定律的发现