智能制造企业评价指标及评估方法的探讨

本文分析了智能制造评价的意义,提出了智能制造评价模型、评价指标及评估方法。     

基于灾度辨识的钢闸门巡视检查研究

巡视检查是对钢闸门要点部位开展定期、定点的信息收集,并对警兆信息做出快速辨识和评估的重要内容。应用灾度辨识的警兆信息评估方法,综合钢闸门巡视检查的各类要素信息,明确工程最大隶属的灾度等级(Ⅰ～Ⅴ级),可作为工程日常巡视检查决策的重要软技术手段。     

术前焦虑对行择期腹腔镜卵巢囊肿剥除术患者麻醉苏醒及术后镇痛的影响

目的:分析术前焦虑对行择期腹腔镜卵巢囊肿剥除术患者麻醉苏醒及术后镇痛的影响。方法:选取2018年6月-2019年2月收治的50例择期腹腔镜卵巢囊肿剥除术患者为研究对象,依据状态-特质焦虑调查表(state-trait anxiety inventory,STAI)评分进行焦虑情况分析并分为高焦虑组与低焦虑组,各25例。分析两组术后疼痛情况与麻醉苏醒情况。结果:高焦虑组术后6、12、24 h疼痛评分分别为(3.95±0.68)、(3.17±0.43)、(2.71±0.34)分均高于低焦虑组的(2.48±0.58)、(2.16±0.37)、(2.05±0.27)分,差异均有统计学意义(t=8.224、8.902、7.601,P<0.05)。高焦虑组术后6、12、24 h麻醉用药量均明显高于低焦虑组(t=9.424、10.502、11.751,P<0.05);高焦虑组拔管时间(17.26±6.21)min与出室时间(28.13±4.62)min均明显高于低焦虑组(9.17±2.07)、(16.24±2.46)min,差异均有统计学意义(t=5.166、5.261,P<0.05);高焦虑组麻醉苏醒后并发症发生率高于低焦虑组(字2=4.367,P<0.05)。结论:术前焦虑情况较为严重的择期腹腔镜卵巢囊肿剥除术患者会出现麻醉苏醒延迟以及术后镇痛要求提升的问题。     

考虑剔除虚假云服务的制造云服务优选

随着云制造服务模式的兴起,云池中存在大量云服务并掺杂有虚假的云服务,恶意竞争的虚假云服务伤害了云服务提供商的权益,云用户也很难判别真实且优良的云服务。针对该问题,提出基于蒙特卡洛模拟估计的超体积算法来识别和剔除虚假云服务。在剔除虚假云服务的基础上,提出面向云服务可信度评估的基于遗传算法的模糊c均值聚类算法对云服务聚类并进行可信度评估,利用由层次分析法和熵值法构成的制造云服务组合赋权综合评价法,根据可信度等级结合综合评价值对云服务进行优选。以某工程机械交易云平台作为研究对象,验证了所提算法的有效性,算法能有效识别虚假云服务,确定云服务的优先顺序,并选出最佳的云服务。     

秸秆微晶纤维素用作片剂崩解剂的初步评价

对实验室自制秸秆微晶纤维素用作片剂崩解剂进行了初步评价。参照《中国药典》(2010版)中微晶纤维素的有关规定,评估自制秸秆微晶纤维素的质量;以阿司匹林为模型药物,以市售微晶纤维素(PH-101)为对照,测定秸秆微晶纤维素的溶胀性、崩解性。结果表明,自制的秸秆微晶纤维素质量符合《中国药典》有关规定,且溶胀性和崩解性优于市售微晶纤维素(PH-101),可用作片剂崩解剂。在秸秆微晶纤维素含量为20%时,崩解速度最快。     

基于贝叶斯网络的煤矿瓦斯爆炸事故致因分析

针对现有煤矿事故致因分析多以单方面因素分析为主,忽略人、机、环、管4个方面各因素间的关联性和整体性,且涉及到的事故类型较泛化等问题,从人、机、环、管4个方面选取诱发煤矿瓦斯爆炸事故的因素,并利用相关性分析筛选出相关性较强的变量;以GeNie为平台构建煤矿瓦斯爆炸致因贝叶斯网络模型,并采用交叉验证方法对其可靠性和准确性进行验证;通过贝叶斯网络参数学习、敏感性分析等对模型中各节点变量进行分析,计算不同条件下相关节点的条件概率分布和后验概率,提取诱发煤矿瓦斯爆炸事故的关键因素。分析结果表明:通风不足会大幅提高煤层瓦斯含量超标的可能性,员工培训不到位是瓦斯漏检的主要诱因;在煤矿瓦斯爆炸事故已发生的情况下,可能性最大的诱因是瓦斯含量超标,其次是瓦斯漏检;导致煤矿瓦斯爆炸事故的最关键因素是瓦斯含量超标、瓦斯漏检、顶板不稳定、法律法规不健全。     

贵州兰鑫后墨机电设备制造有限公司

<正>责州兰鑫石墨机电设备制造有限公司创立于2013年4月,是贵州省从上海长三角地区引进的重点项目。公司坐落在责州省福泉经济开发区,占地近40亩,投资1亿元人民币,是一家集研发、生产、销售高性能石墨换热设备、化工成套装备的实体企业。公司紧跟国家产业政策导向,结合贵州大力发展煤电化、煤电磷一体化战略需要,发挥公司资金、技术优势,专门从事高性能、高参数、系列化、定制化的石墨换