XiaoMi-AI文件搜索系统
World File Search System因果图
根本原因通过因果发现而通过加固学习
本文通过将因果发现与增强学习整合到供应链中的产生供应风险的新颖方法是导致供应链中交付风险的归因。随着供应链的越来越复杂，根本原因分析的传统方法难以捕获各种因素之间的复杂相互关系，通常会导致虚假的相关性和次优决策。我们的方法通过利用因果发现来确定操作变量之间的真正因果关系，并加强学习来迭代地完善因果图。此方法可以准确识别后期交付的关键驱动因素，例如运输模式和交货状态，并提供可行的见解以优化供应链性能。我们将方法应用于现实世界中的供应链数据集，证明了其在揭示交付延迟的根本原因方面的有效性，并提供了缓解这些风险的策略。这些发现对提高运营效率，客户满意度和供应链中的整体盈利能力具有重大意义。
使用... 提高印度尼西亚飞机模拟训练质量
航空安全的发展必须由可靠的飞行员能力支持。实现飞行员能力的方法之一是使用飞机模拟。本研究的目的是通过使用六西格玛 DMAIC 方法（定义、测量、分析、改进、控制）来降低 King Air B200GT/350i 飞机模拟中的差异水平。分析问题的其他工具包括帕累托图、因果图和 FMEA。需要优先改进的飞机模拟差异包括飞机控制系统的 47% 差异、建模的 30% 差异和驾驶舱 I/O 的 17% 差异。改进优先级的顺序是从维修阶段的最高 RPN 值开始排序的。实施六西格玛后，差异从 45% 降至 14%，西格玛水平从 2.53 提高到 3.16，不良质量成本从每月 6400 万印尼盾降至 2800 万印尼盾。关键词：差异、模拟、六西格玛、DMAIC。
SAPEVO-H² 基于分层结构的多标准系统：用于评估传感环境中反 RPAS 策略的决策分析
摘要：针对高级和复杂的决策场景，本研究提出了一种广泛的方法，即用序数向量表达的偏好简单聚合-多决策方法 (SAPEVO-M)。在此背景下，建模提案名为 SAPEVO-混合和分层 (SAPEVO-H 2 )，本研究的目标基于多标准分析的概念，根据多种标准和看法对替代方案进行评估，从而能够整合问题的目标，将其转录为属性并在分层模型中构建，分别通过序数和基数条目分析定性和定量数据。作为案例研究，对巴西海军针对反遥控飞机系统 (RPAS) 战略的防御战略进行了决策分析。使用基于战略选项开发与分析 (SODA) 方法的因果图方法，构建了问题情况以供数值实施，展示了目标和层次结构元素的绩效。结果，基于主观信息的处理，对目标和反 RPAS 技术进行了排名。最后，讨论了研究的主要贡献及其局限性，以及结论和对未来研究的一些建议。
SAPEVO-H² 基于分层结构的多准则系统：传感环境中评估反 RPAS 策略的决策分析
摘要：针对高级和复杂的决策场景，本研究提出了一种广泛的方法，用于序数向量表达的偏好简单聚合-多决策方法（SAPEVO-M）。在此背景下，建模提案名为 SAPEVO-混合和分层（SAPEVO-H 2 ），本研究的目标基于多标准分析的概念，根据多种标准和看法对替代方案进行评估，从而能够整合问题的目标，将其转录为属性并在分层模型中构建，分别通过序数和基数条目分析定性和定量数据。作为案例研究，对巴西海军针对反遥控飞机系统 (RPAS) 战略的防御战略进行了决策分析。使用基于战略选项开发和分析 (SODA) 方法的因果图方法，构建问题情况以供数值实施，展示目标和层次结构元素的表现。因此，基于主观信息的处理，对目标和反 RPAS 技术进行了排名。最后，讨论了研究的主要贡献及其局限性，以及结论和对未来研究的一些建议。
人工智能金丝雀：人工智能预期和民主治理的早期预警信号
我们提出了一种识别人工智能 (AI) 变革性进展的早期预警信号的方法，并讨论了这些信号如何支持人工智能的预期和民主治理。我们将这些早期预警信号称为“金丝雀”，因为金丝雀可用于对煤矿不安全的空气污染提供早期预警。我们的方法结合了专家引导和协作因果图来识别关键里程碑并确定它们之间的关系。我们给出了两个例子来说明如何使用这种方法：识别语言模型有害影响的早期预警；以及高级机器智能的进展。识别变革性应用的早期预警信号可以支持更有效地监测和及时监管人工智能的进展：随着人工智能的发展，它对社会的影响可能太大而无法追溯治理。受人工智能影响的人必须对如何治理人工智能有发言权。早期预警可以让公众有时间和精力通过民主、参与式的技术评估来影响新兴技术。我们讨论了识别早期预警信号的挑战，并提出了未来工作的方向。
个人空间入侵对乘客舒适度和... 的影响
随着近年来航空旅行的增加，乘客舒适度正成为一个重要问题。乘客不适和痛苦的一个常见原因是乘客个人空间受到侵犯。本文介绍了两项研究的结果，分别研究了乘客在个人空间侵犯（PSI）期间的环境心理特征以及PSI如何影响客舱舒适度设计。在研究1中，我们的调查显示PSI对不同性别、年龄、教育水平和人际关系的乘客的舒适度有不同的影响。从这些调查数据中，我们提取了14个PSI因素。在研究2中，建立了决策试验和评估实验室（DEMATEL）模型，以乘客舒适度为目标层，以确定14个PSI因素之间的相互关系。14个因素之间的因果关系通过因果图可视化。我们根据指标与PSI因素之间的对应关系，对14个飞机内饰设计指标进行了优先级排序。本研究的结果有助于理解PSI如何影响乘客舒适度，并提出改善飞机客舱舒适度设计的策略。
人工智能的工程应用
为了降低工程设计中的计算成本，昂贵的高保真仿真模型通常用数学模型来近似，这些数学模型被称为元模型。典型的元建模方法假设昂贵的仿真模型是黑盒函数。在本文中，为了提高元模型的准确性并降低构建元模型的成本，利用有关工程设计问题的知识来帮助开发一种新的元模型，称为因果人工神经网络（causal-ANN）。利用设计问题固有的因果关系将 ANN 分解为子网络，并利用中间变量的值来训练这些子网络。通过涉及设计问题的知识，因果 ANN 的准确性高于假设黑盒函数的传统元建模方法。此外，可以利用因果 ANN 的结构和贝叶斯网络理论从因果 ANN 中识别出有吸引力的子空间。本文还讨论了因果图保真度和设计变量相关性的影响。工程案例研究表明，只需少量昂贵的模拟即可准确构建因果 ANN，并且可以直接从因果 ANN 中识别出有吸引力的设计子空间。
一种基于步骤的反事实说明的方法
算法追索性是一个利用反事实解释的过程，而不仅仅是理解系统产生给定的分类的原因，还可以为用户提供他们可以采取的行动来改变其预测结果。现有的计算此类干预措施的方法（称为追索权）确定了一组满足某些Desiderata的点 - e.g。对基本因果图的干预，最大程度地减少成本函数等。需要对基本模型结构的广泛了解，这在几个领域中通常是不切实际的信息。我们提出了一个数据驱动和模型不合时宜的框架来计算反事实解释。我们介绍了步骤，这是一种计算上有效的方法，它沿数据歧管沿着数据歧管递增步骤，该步骤将用户指导用户达到所需的结果。我们表明，该步骤独特地满足了一组理想的公理。此外，通过彻底的经验和理论调查，我们表明，在沿着重要指标沿着重要指标的流行方法胜过可证明的鲁棒性和隐私保证。
双重机器学习的因果混合建模
摘要。混合建模将机器学习与科学知识相结合，以增强对自然定律的解释性，概括和遵守。尽管如此，等于等待和正则化偏见在混合建模中构成挑战，以实现这些目的。本文介绍了一种通过因果推理框架估算混合模型的新方法，该方法专门采用双机器学习（DML）来估计因果关系。我们在两个与二氧化碳通量有关的问题上展示了它对地球科学的使用。在Q 10模型中，我们证明了基于DML的杂种建模在估计因果参数方面优于最终深度神经网络（DNN）方法，证明效率，正规化方法对偏见的稳健性以及稳固性。我们的方法应用于碳通量分配，在适应异质因果效应方面具有灵活性。这项研究强调了明确定义因果图和关系的必要性，并倡导这是一种一般的最佳实践。我们鼓励在混合模型中继续探索因果关系，以使知识指导的机器学习更加可解释和值得信赖。
MBA（运营与供应链管理） - III学期MBA（运营与供应链管理） - III学期
了解生产和运营的概念和原理欣赏质量在生产管理中的重要性应用生产力提高技术I单元I转换过程模型：输入，过程和输出；操作分类；运营经理的责任；产品 /服务的新产品开发，选择和设计。II单元制造过程类型：项目，工作，批处理，线，质量，连续；服务类型：专业服务，服务商店，大众服务；植物位置；布局计划。第三单元生产计划与控制：各种过程选择，生产控制技术，总计划技术，单元IV质量管理：简介的生产计划技术；意义;商品和服务的质量特征；质量改进的工具和技术：检查表，直方图，散点图，因果图，帕累托图，过程图，统计过程控制图；质量保证；总质量管理（TQM）模型；服务质量，六西格玛的概念及其应用。单位V生产率提高技术：工作研究；方法研究；工作测量：时间研究：停止观察时间研究；工作抽样。维护：设施和设备的维护政策；失败时间；预防性与故障维护；维护过程，总生产维护（TPM）