|
搜索
搜 索
高等教育领域数字化综合服务平台
山东省高等教育学会实验室建设研究分会成立大会暨危险化学品管理校园行活动举办
7月5日—7日，山东省高等教育学会实验室建设研究分会成立大会暨山东省危险化学品管理校园行活动在青岛大学举办。中国高等教育学会副秘书长吴英策，省教育厅二级巡视员李文生，省高等教育学会会长、山东科技大学党委书记罗公利，中国高等教育学会实验室管理工作分会副秘书长、北京大学实验室与装备管理部副部长周勇义出席大会。
山东省教育厅
2024-07-09
设计管理与色彩管理
北京工业大学
2021-04-14
“栖源”校园基础云平台
以多云缓和异构为基础架构的混合云管理平台，对接IT资源或云资源池，为学校系统提供all-in-one的IT服务管理能力。
成都华栖云科技有限公司
2021-02-01
人才需求： 财务管理、销售管理、生产管理、技术研发管理
1. 财务管理：熟悉现代企业财务管理方法并能熟练应用，梳理财务内部管理制度，建立并完善成本管理、预算管理，协调公司财务资源和业务规划等；2. 销售管理：建设强有力的业务销售团队，制定年度销售目标并组织分解落实。，可独立分析市场行情和行业动向，及时掌握最新的销售动态，为公司营销策略及新产品研发提供依据。3.生产管理：制定生产部各个科室合理有效的人员结构，使每个科室每个人员的潜能都能得到最大化的发挥；根据业务需求作出合理产能规划并合理安排生产，确保计划达成；制定作业标准，确保工人按标准作业；改善工艺，并在内部形成奖励机制，以提高作业效率；做好生产成本管理。4.技术研发管理在线材制品领域具有一定的理论基础和技术工作经验。
山东鑫大地控股集团有限公司
2021-08-27
华西青少年吸食新型毒品风险评估量表
新型毒品正在扩大对青少年的毒害，青少年对新型毒品的识别能力较差、应用新型毒品诱惑能力较弱，因此容易陷入新型毒品泥坑里。 研究开发了《华西青少年吸食新型毒品风险评估量表》，旨在识别具有陷入新型毒品泥坑风险的青少年，及时采取干预措施，帮助青少年远离新型毒品的伤害。
四川大学
2016-05-03
微生物定量风险评估及智能预警平台开发
系统开展了单增李斯特菌、肠炎沙门氏菌、蜡样芽胞杆菌、气单胞菌等食源性致病菌的定量风险评估，完善了肉类中致病菌的定量暴露评估研究体系，开展了冷却猪肉中气单胞菌暴露评估的不确定性和变异性比较，明确了阴性样品中致病菌分布对微生物定量风险评估的影响，完善了致病菌不同剂量效应模型的构建及优化，完善了食源性致病菌之一的单增李斯特菌的竞争建模、定量风险评估及风险管理等。基于以上开发整合设计了具有自主知识产权的食品安全风险预警软件，开发设计了具有自主知识产权的“食品安全风险预警软件”，进一步以微软 Excel 的加
上海理工大学
2021-01-12
浅埋煤层开采顶板涌（突）水危险性分区预测技术
矿井水害的预测防治是煤炭生产中一项重要任务。前人对煤层顶板含水层地下水水害已研究提出了比较可行的预测方法，但对浅埋煤层顶板含水层地下水、采空区积水和地表水多种水源复合水害问题还未研究出合理的预测方法。本成果以陕北侏罗纪煤田典型浅埋煤层矿井为研究区，研究提出了浅埋煤层开采顶板涌（突）水危险性分区预测的技术方法，成果已通过陕西省科技厅组织的鉴定并获陕西煤业化工集团科技进步二等奖。本成果的技术原理是：以矿井水文地质与工程地质条件分析为基础，首先确定矿井煤层顶板的充水条件（充水水源、充水通道、充水强度）；其次，进行各充水因素的富水性分区；第三，进行各充水因素的冒裂安全性分区；第四，进行各充水因素的富水性分区和冒裂安全性分区的叠加综合分析，确定矿井不同区域各主采煤层的顶板涌（突）水危险性大小级别，编制矿井涌（突）水危险性分区预测图；第五，针对各充水因素制定相应的防治水措施
西安科技大学
2021-04-11
体育赛场、危险化学品事故预警模型及应急预案编制技术
人群拥挤踩踏事故风险理论研究对于大型建筑性能化设计，人群疏散及管理等有重要应用意义。目前该研究处于起步阶段，仅仅停留在现象表面。故本课题组通过对人群拥挤踩踏事故风险特征分析提出人群拥挤踩踏事故风险理论并建立相关模型，并以此为基础建立了拥挤事故的预警模型，并提出了相应的应急预案编制技术，从而为大型体育赛场的事故的预警及其应急提供理论支持。 随着我国化学工业企业的规模和数量的快速增加，大部分化工企业都与有毒有害、易燃易爆的危险化学品打交道。做好危化品的管理，防患于未然固然是企业的大事。但
南开大学
2021-04-14
山东省高等教育学会实验室建设研究分会成立大会暨危险化学品管理校园行活动成功举办
7月5日-7日，由山东省高等教育学会主办、青岛大学承办的山东省高等教育学会实验室建设研究分会成立大会暨山东省危险化学品管理校园行活动成功举办。
青岛大学
2024-07-19
锂电池管理系统AI算法研究
本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。
解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。
在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。
目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。
西南大学
2025-05-12