“未来工厂”(FoF)是一个具有自主信息流和决策能力的互联生产环境,它构成了制造业的数字化转型,以提高效率和竞争力。透明度、可比性和可持续的质量都需要可靠的测量数据、处理方法和结果。该项目将为工业应用中测量数据的完整生命周期建立一个计量框架:从具有数字预处理输出的单个传感器的校准能力到工业传感器网络中与机器学习(ML)相关的不确定性量化。在实际测试平台中的实施将展示实际适用性并为行业未来的采用提供模板。需要
“未来工厂”(FoF)是一个具有自主信息流和决策的互联生产环境,它构成了制造业的数字化转型,以提高效率和竞争力。透明度、可比性和可持续的质量都需要可靠的测量数据、处理方法和结果。该项目将为工业应用中测量数据的完整生命周期建立一个计量框架:从具有数字预处理输出的单个传感器的校准能力到与工业传感器网络中的机器学习(ML)相关的不确定性量化。在实际测试平台中的实施将证明其实际适用性,并为行业未来的采用提供模板。需要
人体测量分析对于人体工程学设计至关重要。然而,在多民族社会中,由于没有公布人体测量数据,人体工程学设计是一项严峻的挑战。为了解决这一差距,本研究专注于开发此类数据,这些数据可以为工作空间和设备的几何设计提供信息。这项研究针对的是工业领域选定工作场所的员工。总共记录了七十九 (79) 种志愿者的不同身体尺寸,这些尺寸基于预定的标志。志愿者在坐姿和站姿时手动进行测量。结果提供了纳米比亚劳动力的人体测量特征样本,可以作为工作空间和设备设计的基础。这些数据与美国的数据进行了比较,美国是设备的常见市场来源(尤其是在采矿业)。这些结果将有助于制定纳米比亚标准的一部分,该标准将纳米比亚工业的人体工程学指南纳入其中。最后,本研究表明需要对所有工业部门的所有工人进行更全面的人体测量调查。本研究成功地建立了更广泛的人体测量调查应以此为基础的指南和方法。关键词 人体测量分析、人体工程学设计、实证研究、纳米比亚 1.简介 为了有效和适当的人体工程学工程设计,相关的人体测量数据至关重要。因此,为此目的开发此类数据势在必行。开发大量人体测量数据至关重要,这些数据可以为工作空间和设备的几何设计提供信息(Del Prado-Lu,2007;Robertson 等人,2008;这将对心理社会工作环境、肌肉骨骼健康(Schneider,Irastorza,2010;Golubovich 等人,2013;Denis 等人,2008)、工人的工作效率和生产力(Robertson 等人,2008;Garcia-Herrero 等人,2012;Botha 和 Bridger,1998)产生影响。但是,有些工作场所是特定于特定环境的,这是由当地人口的人体测量决定的。例如,飞机座椅、拖拉机驾驶室、办公家具和控制面板的设计可能必然需要特定于特定环境的测量特定的地方民族。这些环境的特殊要求可能为某些部件的本地制造提供机会。尽管如此,在某些情况下,人体测量数据很少,甚至不存在。此外,在一个独特的多民族社会中,可能很难为工程设计开发通用的人体测量数据。这是纳米比亚的独特情况。为解决这一差距,本研究的目的是开发人体测量数据,这些数据可以为纳米比亚工作空间和设备的几何设计提供信息。因此,这项研究涵盖了纳米比亚不同地区的选定工作场所。在这一努力中,研究考虑了两个目标:
全球公认的“国际单位制”,通常称为 SI,有七个“基本单位”,可从中形成派生单位,支撑每种类型的测量。作为英国国家计量研究所 (NMI),NPL 为测量结果和 SI 单位的可追溯性提供信心——我们是全国最高的参考点。NPL 还将其国家标准与世界各地合作 NMI 的标准进行比较。我们在测量标准的开发中发挥着关键作用,从研究到实际服务,为客户带来影响和长期利益,通常是通过与国家和国际质量基础设施合作伙伴的合作。计量学还为物理测量数据以及用于处理测量数据的算法或方法提供信心。
版本 2,2020 年 7 月 24 日。此版本包含对第 2.3 节和图 1 中有关单变量和多变量示例的更正,以及对图 2 中 M09 和 M10 尺寸图示的更正。摘要 2015 年,澳大利亚皇家海军 (ASRAN) 的人体测量调查完成,为 RAN 常驻作战人员提供了全面的数字和手动人体测量数据,可用于船舶、设备和服装的设计和评估。ASRAN 包括对 1322 名澳大利亚皇家海军 (RAN) 常驻人员(232 名女性和 1090 名男性)的测量,年龄在 18-54 岁之间。共采集了 87 个测量值,包括手动和数字测量值。本文档介绍了采集的人体测量百分位数数据,并提供了有关如何应用数据的信息,以及有关长期趋势、个人设备和服装校正因子的信息,以及使用人体测量数据时应考虑的其他津贴。还提供了可帮助满足多变量设计要求的边界人体模型数据。本文件取代了所有以前的 RAN 人体测量数据和指导文件。本报告是对 RAN 初步人体测量指导的修订。发布限制已批准公开发布
发现G6 PDU如何提供全面,准确,能源测量数据以有效地使用电源资源,提高正常运行时间,衡量功率使用效率并推动绿色数据中心计划以节省能源和金钱
我们考虑如何从两个时间和任意数量的量子比特的量子实验中分辨出与测量数据相关的时间顺序。我们定义了一个时间箭头推理问题。我们考虑在时间反转下对称或不对称的初始状态和最终状态的条件。我们通过伪密度矩阵时空状态表示时空测量数据。有一个完全正向和迹保持 (CPTP) 的正向过程和一个通过基于反转单元膨胀的替代恢复图获得的反向过程。对于不对称条件,协议确定数据是否与单元膨胀恢复图或 CPTP 图一致。对于对称条件,恢复图产生有效的 CPTP 图,实验可以在任一方向进行。我们还讨论了将该方法应用于 Leifer-Spekkens 或过程矩阵时空状态。
摘要:电池电动汽车(BEV)的车辆市场份额越来越大。为了确保在板座牵引力电池下大部分大部分大部分的安全操作,必须在现实条件下预先开发和测试。当前标准通常不能为环境和终生测试提供足够的现实要求,因为这些要求主要基于具有内燃机(ICE)的汽车测量的数据。在这项工作之前,对两辆电池供电的电动汽车和一辆电池供电的商用迷你卡车进行了振动测量,对各种路面和其他影响。测量数据经过统计评估,因此可以对在电池组壳体测得的振动以及影响参数的散布的各种参数的影响。通过基于现有的测量数据创建负载功能,可以质疑当前标准,并在开发振动过程中获得的新见解,用于对BEV进行现实测试的现实测试。
摘要。作为基本海洋空间地理信息,海藻地形在海洋观察和科学研究中起着至关重要的作用。随着对高精度测深模型的需求不断增长,多层感知器(MLP)神经网络用于在此pa-per中整合多源海洋测量数据。全球海洋的一种新的测深模型,跨越180°E – 180°W和80°S – 80°N,称为山东科学技术大学2023年海洋测量图(SDUST2023BCO),已构建,网格大小为1'×1'。使用的多源海洋测量数据包括山东科学技术大学发布的重力异常数据,垂直重力梯度以及Scripps海洋学研究所(SIO)发布的垂直偏转数据,以及由中心国家D'Etudes eTudes Spatiales(cesne)发布的均值dy-namic Topograth数据。首先,从多源海洋大地测量数据中组织了输入和输出数据以训练MLP模型。第二,在相关点处的输入数据被馈入MLP模型以获得预测测深。最后,已经为全球海洋区域构建了一个分辨率为1'×1'的高精度测深模型。通过与船舶寄生的单光束测深数据和GEBCO_2023和TOPO_25.1模型进行比较,评估了SDUST2023BCO模型的有效性和可靠性。结果表明SDUST2023BCO模型是准确且可靠的,有效地捕获和反映了全球海洋测深信息。SDUST2023BCO型号可在https://doi.org/10.5281/Zenodo.13341896(Zhou等,2024)获得。
○目前包括参与者提供的调查答复、身体测量数据、来自 EHR 和可穿戴设备的数据以及基因组数据 ●调查浏览器:详细说明每个调查中包含的问题 ●研究项目目录:研究人员工作台内每个研究项目的描述