XiaoMi-AI文件搜索系统
World File Search System管理决策
研究机器学习方法用于预测时间序列时的研究时，在戒严项目中做出管理决策viktor
摘要本文将强调现代世界中预测时间序列的重要性。该主题的相关性是基于组织和个人根据过去数据的分析来预测事件的条件。时间序列预测在IT项目的计划，风险管理和战略决策中起着至关重要的作用，使其成为现代分析和戒严管理的关键组成部分。还将详细讨论用于时间序列预测的机器学习方法的主题。将审查主要方法，包括指数平滑，Arima（自回旋的集成移动平均线）和一种混合方法，该方法结合了不同的方法以提高预测准确性。指数平滑是一种基于先前观察的加权平均值，是一种简单有效的方法。Arima反过来是一种经典的统计方法，将自动估计，集成和移动平均值与模型时间序列结合在一起。时间序列预测中的混合方法是两种或多种方法的组合，在这种情况下，包括一种改进的方法，具有依赖Mape的权重，从而使方法的权重根据其时间序列数据的性能而适应。文献综述涵盖了使用机器学习方法预测时间序列的相关科学作品。不同的方法，将讨论它们的优势和局限性，以提供对该领域现状的完整理解。使用实际数据和提出的方法，将进行预测。本文还将介绍时间序列预测方法的实际实施结果，包括指数平滑，Arima和混合方法。
Chinook库存策略：2023公共投入调查结果和管理决策
公共投入过程是更广泛的管理决策与DNR鱼类和野生动植物（DFW）战略计划相吻合的一部分，该计划呼吁该机构在吸引公民的同时珍视生物学，生态和社会科学，以推进保护保护。具体来说，该计划要求DFW进行积极的对话，以增强信任和透明度，征求公众意见并将公众意见纳入决策过程，并了解公众的愿望和期望。作为一家资源有限的小型渔业机构，使用电子交付的调查来征集公众投入是最佳选择，即直接参与渔业管理中的公众投入。
可靠性指标对预测过程管理决策支持系统的使用、接受和偏好的影响
摘要 尽管数据、模拟技术和预测分析的可用性不断提高，但目前尚不清楚用户是否会信任决策支持系统 (DSS)，以及在何种条件下会信任。DSS 旨在通过更准确的预测和建议，帮助用户在专业任务中做出更明智的决策。这项混合方法用户研究通过分析 DSS 用户界面中集成可靠性指示对首次使用不确定情况下的流程管理的潜在影响，为信任校准研究做出了贡献。十位专门从事建筑数字工具的专家被要求在一个改造项目场景中测试和评估两个版本的 DSS。我们发现，虽然用户表示他们需要完全访问所有信息才能做出自己的决定，但 DSS 中的可靠性指示往往会让用户更愿意做出初步决策，用户会根据指示的可靠性调整他们的信心和依赖性。DSS 中的可靠性指示还增加了主观有用性和系统可靠性。根据这些发现，建议在可靠性指示设计中，从业者考虑在 DSS 用户界面中显示多个粒度级别的可靠性信息组合，包括可视化，例如交通信号灯系统，并为可靠性信息提供解释。进一步的研究方向
人工智能对项目管理决策的影响
Kolbjørnsrud、Amico 和 Thomas（2016）提到人工智能的主要设计目的是赋予人们权力并提高他们的生产力。它认为人工智能可以像人类大脑一样学习、推理、适应和执行任务。这一结论的证据是，一些科技公司和初创公司已经开发出帮助他们使用人工智能解决社会面临的一些问题的系统。在组织层面，人工智能的使用对 PMIS 等多种技术有影响。虽然过去的研究表明使用人工智能可能会导致糟糕的决策，但这项研究认为，项目经理如果使用得当，就可以利用人工智能的好处。该研究的一部分是关于人工智能如何影响 PMIS 提供的信息有助于管理者理解他们如何在运行各种项目时使用人工智能来改善他们的决策。讨论人工智能在管理中的利弊，为管理者提供了一系列见解，他们可以使用这些见解来确定如何获得人工智能的回报（Maleszak & Zaskórski，2015）。这项研究的假设是，在数据收集过程中部署人工智能将提高管理信息系统中的数据完整性。这反过来又引出了这样的论点：在数据管理过程中实施人工智能将由于拥有更高质量的数据而增强决策过程。多项研究表明，对管理信息系统的大量投资也带来了数据收集，汇编和整理方面的一些问题。正是这个原因，使用它们的公司仍然会做出错误的决定。这项研究将回顾一些可能导致这种结果的因素。多项研究还表明，人工智能对企业用于推动各种运营的信息系统有重大影响。因此，本研究力图检验上述假设，以确定人工智能在PMIS研究和实施中的作用，以帮助项目经理对各项操作的实施和管理做出更好的决策。
驾驶舱中的神经科学工具：迈向有意义的疲劳风险管理决策支持系统
摘要。疲劳的飞行员容易出现认知障碍，从而降低他们的表现和对高安全标准的遵守。鉴于当前航空业面临的挑战，我们报告了我们正在进行的关于重新评估机组人员人为因素研究的项目的早期阶段。我们的动机源于航空组织需要为运营航空环境开发决策支持系统，能够为组织的疲劳风险管理工作提供信息。为此，关键标准是需要尽可能减少干扰并为安全系统增加信息价值。摆脱合规性疲劳风险管理中的问题和临床研究的侵入性，我们报告了一种神经科学方法，能够产生可以轻松集成到运营层面决策支持系统中的标记。报告我们实时项目的初步阶段，我们评估了适合开发跟踪细微飞行员状态（例如困倦和微睡眠事件）的系统的工具。
国家级航空安全风险管理决策框架
从航空业早期开始，航空业的组织就一直致力于预防事故发生。自 1908 年发生第一起造成人员伤亡的航空事故以来，人们为提高航空业的安全性付出了很多努力。国际民用航空组织 (ICAO) 成立于 1945 年，其宗旨是努力使航空成为最安全的运输方式。ICAO 发布的致命事故率统计数据支持了这些努力，1968 年的数据有了显著改善，详情见 [1]。自 2004 年以来，事故率一直相对稳定，没有显著改善，平均每 1000 万次航班发生 4 至 5 起致命事故。这可能是因为航空安全 (AS) 已达到安全效益与其成本相平衡的程度，参见 [2]，他们认为这一程度可能在 20 世纪 80 年代末就已达到。然而，日益放松管制和竞争，以及未来几十年空中交通量预计增加，可能会危及当前的安全水平。彻底消除航空事故和严重事故征候是一个理想的目标，但显然无法实现。近年来，无风险系统的概念已发展为以安全管理为中心的观点，旨在支持实现“生产”和“保护”之间平衡的资源分配过程。在本上下文中，[3] 将安全定义为通过持续的危险过程，将人员伤害或财产损失的风险降低到可接受水平或维持在可接受水平以下的状态