人类在现代社会技术系统中扮演着至关重要的角色。人类可靠性分析 (HRA) 学科植根于可靠性工程,已广泛应用于各种领域,以了解、管理和预防人为错误的可能性。本文调查了与 HRA 相关的现有文献,旨在通过系统的文献计量分析以系统的方式综合文献,从而为研究领域提供清晰度。本研究采用的多方法方法结合了因子分析、多维尺度和文献计量映射,以确定主要的 HRA 研究领域。本文回顾了 1200 多篇贡献,最终目标是通过对 Scopus 数据库中索引的贡献进行大规模分析,确定当前的研究流并概述未来研究的潜力。
人类在现代社会技术系统中扮演着至关重要的角色。人类可靠性分析 (HRA) 学科植根于可靠性工程,已广泛应用于各种领域,以了解、管理和预防人为错误的可能性。本文研究了与 HRA 相关的现有文献,旨在通过系统的文献计量分析以系统的方式综合文献,为研究领域提供清晰度。本研究采用的多方法方法结合了因子分析、多维尺度和文献计量映射,以确定主要的 HRA 研究领域。本文档回顾了 1200 多篇贡献,最终目标是通过对 Scopus 数据库中索引的贡献进行大规模分析,确定当前的研究流并概述未来研究的潜力。
学院研究启动支持 (IRIS) 旨在支持印度理工学院罗帕尔分校新加入的教职员工。该资助旨在为新加入的教职员工提供未来研究方面的“助力”,而无需等待外部资助机构批准提案或学院定期招收博士生,即可为其团队增加研究人员。
病例介绍:一名 59 岁女性被诊断为早期三阴性乳腺癌,接受了手术和随后的辅助化疗。基因检测后发现乳腺癌基因 2 (BRCA2) 存在种系致病变异。完成辅助治疗 11 个月后,她的肺部和肺门淋巴结复发,并开始使用卡铂和紫杉醇进行一线化疗。然而,在开始治疗仅 3 个月后,由于出现大量有症状的 BM,她的病情出现相关进展。作为扩大准入计划 (EAP) 的一部分,sacituzumab govitecan (10 mg/kg) 开始作为二线治疗。她报告说第一轮治疗后症状缓解,并在 sacituzumab govitecan 治疗的同时接受了全脑放疗 (WBRT)。随后的 CT 扫描显示颅外部分缓解和接近完全的颅内缓解;即使由于持续的 G2 乏力而将 sacituzumab govitecan 减至 7.5 mg/kg,也没有报告 3 级不良事件。开始使用 sacituzumab govitecan 10 个月后,记录到全身疾病进展,而颅内缓解得以维持。
摘要 预测性维护是与工业 4.0 相关的概念,工业 4.0 是第四次工业革命,它监控设备在正常运行期间的性能和状况以降低故障率。本文讨论了一种预测性维护策略,以减少住宅技术设备系统的机械和电气设备故障。所开发的策略可以保证基于机器学习系统的定制维护服务,在最长 3 年的时间内大幅减少故障。所开发的策略根据统计数据评估可接受的组件故障率,并将平均劳动力成本与每次维护操作的持续时间相结合。预测策略详细阐述了实现上述目标所需的最低成本增加。对罗马一个由 16 栋建筑和 911 套公寓组成的现代住宅区进行了为期 3 年的案例研究。特别是,分析考虑了为公寓以外的外部和公共区域供电的机械、电气和照明系统,以避免由于用户行为差异而导致数据扰动。通过大数据分析进行预测性维护管理的总体好处已被证明是住宅系统的机电设备等不同工厂整体运行的实质性改善。关键词:BIM环境,设施管理
Adeel Liaquat bhatti, Aneela Tahira, Alessandro Grandone, Raffaello Mazzaro, Vittorio Morandi, Umir Aftab, Muhammad Ishaq Abro, Ayman Nafady, Kezhe Q, Antonia Infants-Molina, Alberto Vaberto Vamiero, Zafar Hussain Ibupoto, NanistrucTured CO3O4电催化剂用于OER:有机聚电信作为软模板的作用,Electrochimica Acta,第398、2021页,Adeel Liaquat bhatti, Aneela Tahira, Alessandro Grandone, Raffaello Mazzaro, Vittorio Morandi, Umir Aftab, Muhammad Ishaq Abro, Ayman Nafady, Kezhe Q, Antonia Infants-Molina, Alberto Vaberto Vamiero, Zafar Hussain Ibupoto, NanistrucTured CO3O4电催化剂用于OER:有机聚电信作为软模板的作用,Electrochimica Acta,第398、2021页,
摘要 - 人类机器的相互作用正在在康复任务中获得关注,例如控制假肢或机器人手臂。手势识别表面肌电图(SEMG)信号是最有前途的方法之一,因为SEMG信号采集是无创的,并且与肌肉收缩直接相关。但是,对这些信号的分析仍然提出许多挑战,因为类似的手势会导致相似的肌肉收缩。因此,所得信号形状几乎相同,导致分类精度低。为了应对这一挑战,采用复杂的神经网络,需要大量的记忆足迹,消耗相对较高的能量并限制用于分类的设备的最大电池寿命。这项工作通过引入生物形态来解决此问题。这个新的基于注意力集中的档案的新家族可以采取最先进的性能,同时减少4.9倍的参数和操作的数量。此外,通过引入新的主体间预训练,我们将最佳生物样品的准确性提高了3.39%,可以匹配最先进的准确性,而无需任何额外的推理成本。在平行,超低功率(PULP)微控制器单元(MCU),Greenwaves GAP8上部署我们最佳性能的生物形态,我们的推断潜伏期和能量分别为2.72 ms和0.14 MJ,比以前是先前的现有的神经网络低8.0倍,同时只有94.2 kbs y 4.2 kb,而不是先前的现有的神经网络。索引术语 - 转化器,SEMG,手势识别,深度学习,嵌入式系统
太空探索的主要挑战之一是妥善保护宇航员免受太空环境的危害。因此,宇航服是为了在舱外活动期间保护机组人员而设计的,但它们目前无法妥善承受微流星体和轨道碎片 (MMOD) 等撞击造成的损坏,如果被刺破,它们会减压和坍塌,造成灾难性的后果。在这种情况下,将自修复材料整合到宇航服中的可能性引起了科学界的关注,因为它可以实现自主损伤修复,从而提高安全性和使用寿命。然而,太空环境对这些材料的影响仍有待确定,并可能导致其整体性能显著下降。本文介绍的研究重点是应用于宇航服的第一个例子,分析了一组候选自修复聚合物在暴露于模拟太空辐射之前和之后的修复性能。在未辐照的情况下,还对双层膜和以这些聚合物为基质的纳米复合材料进行了比较。本研究还旨在通过将自修复材料的标准表征(例如:划痕、冲击和穿刺测试)与空间辐射对其影响的评估相结合,填补这两个方面的空白。了解辐射是否以及如何影响损伤恢复性能,实际上是确定给定的自修复材料是否真的可以用于太空应用的基础。通过穿刺损伤后的现场流速测量来评估自修复响应。收集最大和最小流速、它们之间的时间以及穿刺后 3 分钟内损失的空气量作为修复性能参数。对于纯材料,然后在伽马射线辐照样品上重复相同的测试,以研究暴露于模拟空间辐射后自修复性能的变化。结果表明,粘性响应较低的系统的修复性能较高,辐照后修复性能会降低。因此,需要进一步分析空间环境对所呈现材料的影响。 NASA HZETRN2015(高 Z 和能量传输,2015 版)软件也用于模拟舱外活动期间银河宇宙射线对航天服的作用。将经典的航天服多层与将标准内胆替换为每种分析材料层的配置进行比较,以确定最有希望的候选者,并确定添加纳米填料是否会显着提高屏蔽能力。