浅谈班组安全管理

班组是企业管理的基层单位,也是企业安全管理的最终落脚点,班组安全管理工作的好坏直接影响着企业各项经济指标的实现。据相关数据显示:企业中85%的事故主要是由班组安全管理不到位,安全活动流于形式,危险点分析不全面,人员存在"违章、麻痹、不负责任"的思想造成的。因此,搞好班组安全管理工作尤为重要。那么如何搞好班组安全管理工作呢?笔者认为应做好以下几方面工作:     

基于波动率测量误差的波动率预测模型

本文研究了一种基于波动率测量误差的波动率预测模型,并做了非线性扩展,期望改进预测效果.考虑到文献中关于波动率可能长记忆性和非线性并存的观点,本文以具有长记忆特征的HAR(heterogeneous autoregressive)模型为基础,加入波动率测量误差后模型持续性有所提高,结合非线性的时变参数模型则达到结构变化和减弱异方差的效果.本文用2652天的沪深300高频数据计算的已实现极差波动率来验证模型效果.固定参数下,在HAR型模型中加入测量误差作为调节变量可以较显著地改善样本外预测效果.时变参数下,加入测量误差的HARQ型模型预测效果大多优于对应的HAR型模型.时变参数模型总体上可以改善固定参数模型的预测效果,尤其在预测期较长的情况下改善均是显著的.     

超超临界机组叶片钢KT5331晶粒长大行为

通过在不同温度下等温奥氏体化,研究KT5331钢奥氏体晶粒长大行为,并探讨析出相对奥氏体晶粒长大行为的影响机理. 研究表明,KT5331钢奥氏体晶粒长大可分为三个阶段:1075℃以下,由于含W和Nb的析出相钉扎作用,晶粒长大缓慢;1075℃以上,含W和Nb的析出相溶解,钉扎作用减弱,随加热温度和保温时间延长晶粒迅速长大;1225℃及以上,δ铁素体析出,晶粒尺寸随加热温度升高而急剧减小. 通过拟合分别得到晶粒粗化温度以下( 950~1075℃)和晶粒粗化温度以上(1100~1200℃)的晶粒长大模型.