Application of the computation procedure in Bayesian network in estimation of total cost of natural stone elements production

• Autorzy: Kusz A. , Skwarcz J. , Gryczan M.

Warianty tytułu

PL

Zastosowanie procedury obliczeniowej w sieci Bayesowskiej do wyznaczania kosztów całkowitych produkcji elementów z kamienia naturalnego

• Języki publikacji: EN

Abstrakty

EN

PL

Słowa kluczowe

EN

production process; natural stone; granite; computation; production cost; Bayesian network

• Wydawca: -
• Czasopismo: Teka Komisji Motoryzacji i Energetyki Rolnictwa
• Rocznik: 2014
• Tom: 14
• Numer: 4
• Opis fizyczny: p.59-64,fig.,ref.

Twórcy

autor

Kusz A.

• Department of Technology Fundamentals, University of Life Sciences, Doswiadczalna 50A, 20-280 Lublin, Poland

autor

Skwarcz J.

• Department of Technology Fundamentals, University of Life Sciences, Doswiadczalna 50A, 20-280 Lublin, Poland

autor

Gryczan M.

• Department of Technology Fundamentals, University of Life Sciences, Doswiadczalna 50A, 20-280 Lublin, Poland

Bibliografia

• 1. Barlow RE. Using influence diagrams.1988. In: Clarotti CA, Lindley DV, editors. Accelerated life testing and experts’ opinions in reliability, 145-57.
• 2. Bartnik G., Kalbarczyk G. and Marciniak A. W.2011. Application of the operational reliability model to the risk analysis in medical device production. Teka, Vol. XIC,366-370.
• 3. Bartnik G., Kusz A. and Marciniak A. 2006. Dynamiczne sieci bayesowskie w modelowaniu procesu eksploatacji obiektów technicznych. Inżynieria Wiedzy i Systemy Ekspertowe, Oficyna Wydawnicza Politechniki Wrocławskiej, t. II, 201-208.
• 4. Bartnik G. and Marciniak A. W. 2011. Operational reliability model of the production line. Teka, Vol. XIC, 361-365.
• 5. Berners-Lee T., Karger D.R., Stein L.A., Swick R.R., Weitzner D.J. Proposal: Semantic Web Development Retrieved from W3C 2000.
• 6.Berners-Lee, Hendler J., Lassila 0.2001. The Semantic Web. Scientific American.
• 7.Chmielecki A. 2004. Konceptualne podstawy kogni-tywistyki - krytyka i propozycje własne. Szczecin: VII Zjazd Filozoficzny.
• 8. Chun Su, Ye-qun Fu. 2014. Reliability Assessment for Wind Turbines Considering the Influence ofWind Speed Using Bayesian Network. Eksploatacja i Niezawodność -Maintenance andReliability, 16 (1), 1-8.
• 9. Cost S., Finin T., Joshi A. 2002.A Case Study in the Semantic Web and DAML+OIL. IEEE Intelligent Systems.
• 10. Dokumentacja programu BayesiaLab. http://www.bayes-ia.com, 10.06.2014.
• 11. Doguc O. and Ramirez-Marquez J.E. 2009. A generic method for estimating system reliability using Bayesian networks. Reliability Engineering and System Safety, 94, 542-550.
• 12. Halpera J., Y. 2005. Reasoning about uncertainty. The MIT Press Cambridge, Massachusetts, London.
• 13. Hołaj H., Kusz A., Maksym P., Marciniak A. W. 2011. Modelowanie problemów decyzyjnych w integrowanym systemie produkcji rolniczej. Inżynieria Rolnicza, 6 (131), 53-60.
• 14. Kocira S., Kuboń M. 2011. The operating costs machines and general type of farming. Roczniki Naukowe Stowarzyszenia Ekonomistów Rolnictwa i Agrobiznesu SERiA, Tom XIII, Zeszyt 6, 103-107.
• 15.Kusz A., Maksym P., Marciniak A. W. 2011. Bayesian networks as knowledge representation system in domain ofreliability engineering. Teka, Vol. XIC, 173-180.
• 16. Kusz A., Maksym P., Skwarcz, J. Grudziński J. 2013. The representation of actions in probabilistic networks. Teka, Vol. XII,41-47.
• 17. Kusz A., Marciniak A.W. 2010. Modelowanie niezawodności złożonych systemów bioagrotechnicznych. Inżynieria Rolnicza, 5 (114), 147-154.
• 18. Maksym P. 2011. Podstawowe zasady modelowania procesu produkcji rolniczej. Inżynieria rolnicza, 1 (126), 155-162.
• 19. Maksym P., Marciniak A. W., Kostecki R. 2006. Zastosowanie sieci bayesowskich do modelowania rolniczego procesu produkcyjnego. Inżynieria Rolnicza, 12 (87), 321-330.
• 20. Maksym P., Marciniak A. W., Kusz A. 2011. Modelowanie syntezy działań ochronnych w rolniczym procesie produkcyjnym. Inżynieria Rolnicza, 4 (129), 213-220.
• 21. Marciniak A. 2005. Projektowanie systemu reprezentacji wiedzy o rolniczym procesie produkcyjnym. Rozprawy naukowe Akademii Rolniczej w Lublinie, Wydział Inżynierii Produkcji, zeszyt 298.
• 22. Oniśko A., Marek J. DruzdzelM. J., WasylukH. 2001. Learning Bayesian network parameters from small data sets: Application of noisy-or gates. International Journal of Approximate Reasoning, 27(2), 165-182.
• 23. Pearl J. 1986. Fusion, Propagation, and Structuring in Belief Networks. Artificial Intelligence, 29(3), 241-288.
• 24. Pearl J. 1988. Probabilistic Reasoning in Intelligent Systems: Network of Plausible Inference. Morgan Kaufmann.
• 25. Tchangani A.P. 2001. Reliability analysis using Bayes-iannetworks. Stud. Inform. Control, 10(3), 181-188.