飞机的周转包括一系列地面处理活动,如登机、加油和行李装卸,这些活动需要在起飞前完成。对于维戈埃因霍温机场 (VEA) 的周转地面处理操作,使用预定义的开始和完成时间来安排这些周转活动及其资源。预定义的流程时间不考虑导致时间表混乱的任何变化。此外,通常不清楚哪些活动构成了总周转时间,这使得难以有效分配资源。从业务角度来看,希望预测执行周转及其活动所需的时间,以使运营决策更加智能。本文提出了一种流程结构感知预测 (PSAP) 方法来高质量地预测飞机在机场的周转时间。作为案例研究,我们为瑞安航空波音 737 在埃因霍温机场的周转开发了一个模型。所提出的 PSAP 模型的主要特点是它能够将周转时间预测分解为其“关键”活动的周期时间,而这些周期时间可以通过先进的机器学习算法(如人工神经网络 (ANN) 和随机森林 (RF))准确预测。通过明确定义周转过程结构,可以获得准确且透明的模型,可用于(实时)决策目的
管理。“绩效管理系统的基本结构很简单”,根据公共教育重塑中心和国家建设州能力和生产力中心的 Betheny Gross 和 Ashley Jochim (2013, p. 3) 的说法。Gross 和 Jochim 提出了一个简单的三部分流程来构建绩效管理系统:(1) 设定高绩效标准和目标;(2) 系统地评估绩效并评估进展;(3) 改进或适应。年度 SIP 的不足之处在于它倾向于将“绩效”仅定义为学生表现而不是成人表现,因此对谨慎的专业实践的变化关注太少,而这些变化会累积起来推动改进。此外,年度 SIP 很少包括衡量标准、反馈循环和持续调整专业实践的机会,这些机会可以推动学生的学习。学校改进过程最近采用了一种基于指标的改进方法,将最终目标与更直接、更可操作的目标联系起来,以便做出灵活的反应。
战略管理文献已经认识到转型战略在管理过程中的作用,它是企业层面的一项关键战略。然而,对转型战略和企业绩效的研究存在偏差,因为绩效维度的范围有限,方法论和概念化的挑战也影响了研究结果的普遍性。本文对现有概念、理论和实证研究文献进行了回顾,提出了一些问题,用于提出新的理论模型,该模型适用于扩展目前对转型战略部署和最终结果的理解。本文提出了一个综合理论框架,用于将转型战略与企业绩效联系起来,同时认识到基于组织转型的学习经验和组织特征的作用的重要性。
根据环境条款第 1-607(A)(2) 节的要求,马里兰州环境部 (MDE) 制定了处理许可证申请和其他批准的标准周转时间。MDE 每年审查并根据需要调整这些周转时间,以便为许可证申请人提供有关处理时间的最新信息。FY23 时间如下。欢迎随时提出问题和建议更改,并可以直接联系 MDE 绩效改进和客户服务办公室主任 Sue Battle-McDonald 女士,邮箱地址为 sue.battle-mcdonald@maryland.gov。
我们设想的 PPSD 是这样的:每个学生都进入现代化教室学习,配备学术、社交和情感成长所需的技术和资源;所有多语言学习者都由国家认证的教师授课;学区内的所有教师都得到授权和激励;PPSD 毕业生为取得中学后的成功做好了充分准备;学生、家庭和公民领袖对他们的学校充满信心;普罗维登斯社区对当地的公立学校感到并表现出极大的自豪感。
大修维护 (TAM) 是指定期关闭工厂或设施以进行必要的维修、大修和检查。TAM 对于确保工业运营的安全性、可靠性和效率至关重要,但它也涉及高成本、风险和不确定性。因此,有效地规划和管理 TAM 是工厂经理和工程师面临的一项关键挑战。本研究提出了一个 TAM 的长期业务计划 (LRBP),将战略、战术和运营决策整合在一个整体框架中。LRBP 旨在优化长期内 TAM 的收益和成本之间的权衡,同时考虑市场需求、生产能力、设备状况、维护资源和风险缓解等各种因素。本研究开发了一个混合整数线性规划 (MILP) 模型来制定 LRBP 问题,并将其应用于石化工厂的案例研究。结果表明,LRBP 可以显著节省 TAM 成本并提高工厂的绩效指标。本研究还进行了敏感性分析,以检验不同参数和场景对最佳 LRBP 的影响。本研究提出了一种全面而实用的方法,可以为工业工厂复杂而动态环境中的决策者提供支持,为 TAM 规划文献做出了贡献。
摘要:飞机周转过程中关键里程碑节点的自动采集是机场协同决策发展需求中的重要内容。本文提出一种基于计算机视觉的框架,自动识别航班进出站、停靠/脱离站活动并记录相应的关键里程碑节点。该框架无缝集成了计算机视觉领域的最新算法和技术,包括预处理和关键里程碑采集两个模块。预处理模块从机场地面复杂背景中提取关键里程碑节点执行者的时空信息。第二个模块针对两类关键里程碑节点,即以路内和路外为代表的基于单目标的节点和以对接和解除对接楼梯为代表的基于双目标交互的节点,分别设计了两种关键里程碑的收集方法。构建了两个数据集用于所提框架的训练、测试和评估。现场实验结果表明,所提框架可以替代目前常规的手动记录方法,有助于自动收集这些关键里程碑节点。
摘要:飞机周转过程中关键里程碑节点的自动采集是机场协同决策发展需求中的重要内容。本文提出一种基于计算机视觉的框架,自动识别航班进出站、停靠/脱离站活动并记录相应的关键里程碑节点。该框架无缝集成了计算机视觉领域的最新算法和技术,包括预处理和关键里程碑采集两个模块。预处理模块从机场地面复杂背景中提取关键里程碑节点执行者的时空信息。第二个模块针对两类关键里程碑节点,即以路内和路外为代表的基于单目标的节点和以对接和解除对接楼梯为代表的基于双目标交互的节点,分别设计了两种关键里程碑的收集方法。构建了两个数据集用于所提框架的训练、测试和评估。现场实验结果表明,所提框架可以替代目前常规的手动记录方法,有助于自动收集这些关键里程碑节点。
细胞学实验室中的分析前误差可以显着影响诊断结果和周转时间的准确性,最终影响患者护理。本文介绍了对分析前错误的评估,并提出了培养策略,以提高三级护理医院的细胞学实验室的准确性和效率。背景讨论了预先分析过程在确保可靠的细胞学诊断以及样品收集,处理和运输中遇到的常见错误中的重要性。降低误差和改进时间的策略包括员工教育,程序标准化,适当的收集和运输设备的利用,实施质量控制措施以及自动化技术的利用。通过解决分析前错误并实施培养策略,细胞学实验室可以优化诊断准确性,提高患者护理结果并提高整体实验室效率。
© 2001 - 2020 Tigercat International Inc. 保留所有权利。TIGERCAT、WIDERANGE、TURNAROUND、ER、EHS、LOW-WIDE、TEC、REMOTELOG 及其各自的徽标、TOUGH RELIABLE PRODUCTIVE、TIGERCAT TV、“Tigercat Orange”和 BETWEEN THE BRANCHES 以及企业和产品标识均为 Tigercat International Inc. 的商标,未经许可不得使用。TIGERCAT、TURNAROUND、WIDERANGE、EHS、LOW-WIDE、ER 和 REMOTELOG 及其各自的徽标均为 Tigercat International Inc. 的注册商标。