沟通是设计成功的关键因素。它可以看作是选择信息、在互动伙伴之间交换消息以及创造意义的社会和认知过程。如何最好地捕捉、分析和评估沟通过程,作为改进沟通实践建议的初步步骤,仍然是研究人员和从业人员面临的挑战。为此,开发了一种受成熟度网格启发的方法来审计沟通实践。本文采用成熟度网格方法,并批判性地反思了它在软件设计结构化小组研讨会中的构建和应用。这种方法有双重好处:(a)作为一种研究方法来收集对沟通的洞察,(b)作为规划实践改进的指南。得出了设计中审计沟通过程的结论。� 2006 Elsevier Ltd. 保留所有权利。
除了满足第 1 层标准外,代理机构还收集和共享合同管理绩效数据,并对其他内部/外部流程进行基准测试:• 定价(之前的定价、折扣或 KPI 指南 7 中规定的类似指标)• 代理机构使用情况(至少是通过合同承担的金额,以及尽可能获得的单位)• 解决方案性能(例如,缩短交付时间、持续降低价格、满足或实现交付日期等)。• 代理机构收集客户反馈
摘要 对于行业和政府的决策者来说,根据易于获取的开源指标(例如出版物)识别新兴技术的能力非常重要。这项工作的科学贡献是提出了一种基于出版物数量来检测新兴技术成熟度的机器学习方法。出版物数量的时间序列具有区分新兴技术和成长技术的普遍特征。我们根据这些特征训练了一个人工神经网络分类器(一种监督式机器学习算法),以预测任意技术的成熟度(新兴技术与成长技术)。通过由 22 种技术组成的训练集,我们对 6 种测试技术获得了 58.3% 到 100% 的分类准确率,平均准确率为 84.6%。为了提高分类器性能,我们用合成的时间序列技术生命周期曲线扩充了训练语料库,这些曲线是通过计算原始训练集中曲线的加权平均值形成的。在合成数据集上训练分类器可提高准确率,范围从 83.3% 到 100%,测试技术的平均准确率为 90.4%。我们的分类器的性能超过了文献中竞争的机器学习方法,后者报告的平均分类准确率最高仅为 85.7%。此外,与当前方法相比,我们的方法不需要专业知识来生成训练标签,并且可以自动化和扩展。
概述 腐蚀管理成熟度模型 (CMMM) 是由美国腐蚀工程师协会 (NACE) 创建的组织评估工具。该模型提供了一个框架,用于了解组织内腐蚀管理 (CM) 操作和实践的当前范围、制定战略目标和实施计划以支持改进腐蚀政策和实践的背景,以及评估这些目标进展情况的方法。CMMM 由 10 个领域和 5 个成熟度级别组成,详见本文档,其中包含该模型的完整定义和描述。还提供了有助于理解 CMMM 目的和用途的介绍材料。CMMM 和本文档的主要受众是寻求有关改进其腐蚀操作和实践指导的组织。受众还包括此类组织的任何利益相关者,他们将参与改进该组织的腐蚀管理和腐蚀控制。
数字化转型成熟度模型是去年经合组织自由贸易协定发布《税务管理 3.0 愿景》后的首批成果之一。该模型旨在成为知识共享和能力建设的支柱,并为其他旗舰项目提供参考点。新加坡作为咨询和起草小组主席,由 Evelyn Khoo 及其团队(Hui Yan Au、Yi Qing Soh 和 Edwin Chen)代表。我们要感谢经合组织自由贸易协定秘书处,特别是 Rex Arendsen 和 Peter Green,以及自由贸易协定咨询和起草小组的所有成员(加拿大、丹麦、芬兰、挪威、俄罗斯)和专业专家 David Regan 的贡献和支持。我们还受益于参与试点的许多税务机关的意见,以及在各个会议上分享反馈意见的税务机关的意见。
4 .1 在楼板拱腹中测试拉拔力 ...................................................... 17 4.2 拉拔试验示意图 .............................................................. 17 4.3 拉拔试验模具 .............................................................. 19 4.4 标准固化圆柱体的拉拔力和抗压强度之间的典型关系 ........................ 20 4.5 在带有可拆卸检修塞的木模板中安装拉拔插件 ........................................ 22 4.6 在垂直表面上安装钢模板 ............................................................. 23 4.7 使用圆锯钻头在拱腹模板中切割检修孔 ............................................. 24 4.8 使用圆锯获得的圆形塞子 ............................................................. 24 4.9 用螺栓、拉拔插件和圆形金属板将圆形塞子固定在胶合板上 ............................................................................. 24 4.10 木模板的反面 ............................................................................. 25 4.11 将拉拔组件连接到反面模板的 .................................. 25 4.12 将拉出式组件拧入到位 .................................. 25 4.13 涂抹油脂以填充拉出式组件和木模板之间的间隙 ............................................................................. 26 4.14 已从间隙中清除多余的油脂 ........................................ 26 4.15 将混凝土浇筑在已安装的拉出式组件上 ........................ 27 4.16 在进行拉出式评估之前,需要拆除模板的拉出式组件安装 ............................................................................. 27
将应对内部威胁作为核心任务目标的 D/A 认识到 D/A 和 InTP 领导层的共同责任和承诺,以开发 InTP 基础设施和人员,并强调在足以创建有效和持久计划的水平上解决内部威胁的重要性。InTP 在组织上允许计划高级官员直接接触 D/A 领导层,以支持检测、阻止和减轻内部威胁风险的努力。D/A 和计划领导层在所有决策论坛中积极促进 InTP 公平,以确保在 D/A 政策、法规和程序中考虑计划的利益和目标。共同责任和承诺延伸到资源:专门的 InTP 预算项目提供必要的人员、分析和技术资产,使计划能够保持和提高实现其目标的有效性。
Druva是数据安全解决方案的领先提供商,使客户能够从所有威胁中获得并恢复其数据。Druva数据安全云是一种完全管理的SaaS解决方案,可在云,本地和边缘环境中提供空调和不可变的数据保护。通过集中数据保护,Druva增强了传统的安全措施,并实现了更快的事件响应,有效的网络修复和强大的数据治理。受到6,000多个客户的信任,其中包括《财富500强》中的65个客户,在一个越来越相互联系的世界中,Druva保护业务数据。访问druva.com并在LinkedIn,Twitter和Facebook上关注我们。
免责声明:该报告是作为美国政府机构赞助的工作的帐户准备的。美国政府,其任何机构,或其任何雇员均未对任何信息,设备,产品或流程的准确性,完整性或实用性承担任何法律责任或责任,或者承担任何法律责任或责任,或者表示其使用将不会侵犯私人拥有权利。在此引用以商业名称,商标,制造商或其他方式参考任何特定的商业产品,流程或服务。本文所表达的作者的观点和观点不一定陈述或反映美国政府或其任何机构的观点和意见。
摘要 对于行业和政府的决策者来说,根据易于获取的开源指标(例如出版物)识别新兴技术的能力非常重要。这项工作的科学贡献是提出了一种基于出版物数量检测新兴技术成熟度的机器学习方法。出版物数量的时间序列具有区分新兴技术和成长技术的普遍特征。我们根据这些特征训练了一个人工神经网络分类器(一种监督式机器学习算法),以预测任意技术的成熟度(新兴技术与成长技术)。通过由 22 种技术组成的训练集,我们对 6 种测试技术获得了 58.3% 到 100% 的分类准确率,平均准确率为 84.6%。为了提高分类器性能,我们用合成的时间序列技术生命周期曲线扩充了训练语料库,这些曲线是通过计算原始训练集中曲线的加权平均值形成的。在合成数据集上训练分类器可提高准确率,范围从 83.3% 到 100%,测试技术的平均准确率为 90.4%。我们的分类器的性能超过了文献中竞争的机器学习方法,后者报告的平均分类准确率最高仅为 85.7%。此外,与当前方法相比,我们的方法不需要专业知识来生成训练标签,并且可以自动化和扩展。