知识型员工流失风险和管理

知识型员工是指“那些利用知识和信息工作的人”，他们具备专门的知识和技能，在工作上具有较强的自主性；他们了解自身知识对企业的价值，更多地忠诚于自己的专业，而较低地忠诚于所在的企业；他们追求自我价值的实现，追求终身就业能力，有很强的学习意愿，需要经常更新知识；     

滴注式气体渗碳稀土催渗的生产试验

在实验室试验的基础上,结合生产,对经滴注式气体渗碳稀土催渗的易磨损件进行了跟踪观测,并与未经稀土催渗的渗碳件进行了对比。结果表明,前者渗碳层到基体的过渡较均匀,渗碳深度增加,工件服役寿命提高60％以上。     

基于HyperXtrude数值模拟下不同导电率对铝包钢母线成形性能的影响

基于Hyper Xtrude数值模拟软件,以SLB350连续挤压包覆机为原型,分析了钢丝线径为Φ4 mm,包覆母线导电率分别为20%IACS,30%IACS和40%IACS,其所对应的平均铝层厚度分别为0.32,0.65和1.22 mm时挤压模具定径带处的速度场、温度场和等效应力场的分布情况。结果表明,在钢丝线径一定时,随着导电率的不断增加,铝包钢母线铝层截面面积随之增大,模具定径带处流动速度、温度和等效应力不断下降。最后,分别进行了3种导电率包覆母线同心度检测实验,实验数据与模拟结果一致,证明了此数值模拟可有效指导实际生产。     

全球标签印刷业的未来发展与展望

正Mike Fairley先生根据普华永道及其它一些评测机构按购买力平价(PPP)计算的至2050年国民生产总值的排名趋势,畅谈未来几十年影响全球标签印刷业发展的主要因素。过去几年,全球标签印刷业发生巨变,具体表现在以下几个方面:全球化、数字化、来自环境可持续发展的压力、工作流程自动化、消费者需求与期望值的改变、企业对盈利能力的担忧以及人才的培养和引     

建筑工程安全生产管理及消防保证措施研究

建筑工程在进行施工的时候,因为其行业自身的特点,安全事故问题会比较突出.所以在进行施工的时候,一定要做好安全生产管理及消防保证措施,这样才能降低安全事故发生的概率,保障施工人员的人身安全.本文主要从现场施工的有关部门和人员进行入手,分析安全事故产生的原因,然后提出相关的解决方法,由此建立起科学、有效的安全生产管理体系和消防保证措施,提高建筑工程的安全性.     

近代河南城市建筑的进程

河南位居内陆的地理位置,载高履厚的文化遗产,根基深厚的建筑制度,影响其城市建筑近代化的历程。矿产开发城市焦作,地方行政城市开封,洛阳西工兵营军事建筑群,华北重镇新乡,避暑胜地信阳鸡公山别墅区,安阳陵园建筑群,货物集散城市郑州,构成河南近代城市建筑进程。     

河南城镇化发展之路

城镇化是经济发展到一定阶段的产物,是一个国家和地区经济发展和社会进步的重要标志,是在社会经济发展过程中随着生产要素向城市集聚而带来的人口由农村向城市转移的过程。人口与生产要素的这种转移,在提升经济水平的同时,也促进了社会消费水平的提高。人口向城镇集聚的活动自古有之,因受生产力发展水平限制,进展极为缓慢,     

QuEChERS/UPLC-MS/MS法同时测定梅花鹿鹿茸中7种镇静剂

采用分散固相萃取的前处理技术,建立了一种UPLC-MS/MS(ultra performance liquid chromatography-tandem mass spectrometry)法同时测定梅花鹿鹿茸中7种镇静剂的检测方法。鹿茸样品以2%氨水乙酸乙酯为提取剂,200 mg C₁₈为净化剂。液相色谱条件:ACQUITY BEH C₁₈柱(2.1 mm×100 mm,1.7 μm),流动相A为0.1%甲酸乙腈,B为水,柱温35 ℃;质谱条件:正离子模式(ESI+),多反应监测(multiple reaction monitoring,MRM)模式,鹿茸中镇静剂含量采用外标法定量。结果表明,7种镇静剂在0.3~100 ng/mL内线性关系良好,决定系数R2均大于0.992,7种镇静剂的LOD(limits of detection)为0.3 μg/kg,LOQ(limit of quantitation)为1 μg/kg,平均加样回收率为82.6%~107.3%,相对标准偏差RSD(relative standard deviation)均小于5%。该方法具有操作简便,净化效果显著,灵敏度高、准确性好、检出限低等优点,可用于梅花鹿鹿茸中7种镇静剂的检测。     

果蔬中螺虫乙酯的检测技术及消解动态研究进展

为全面了解水果、蔬菜和土壤中螺虫乙酯的残留水平及代谢情况,合理评价螺虫乙酯的用药安全性,文章从登记情况、限量标准、检测技术、消解动态、残留现状等方面综述了螺虫乙酯的研究进展,针对存在的问题提出了相关建议。     

基于Spark的ItemBased推荐算法性能优化

MapReduce计算场景下,复杂的大数据挖掘类算法通常需要多个MapReduce作业协作完成,但多个作业之间严重的冗余磁盘读写及重复的资源申请操作,使得算法的性能严重降低。为提高ItemBased推荐算法的计算效率,首先对MapReduce平台下ItemBased协同过滤算法存在的性能问题进行了分析;在此基础上利用Spark迭代计算及内存计算上的优势提高算法的执行效率,并实现了基于Spark平台的ItemBased推荐算法。实验结果表明：当集群节点规模分别为10与20时,算法在Spark中的运行时间分别只有MapReduce中的25.6%及30.8%,Spark平台下的算法相比MapReduce平台,执行效率整体提高3倍以上。