简介：摘要：充分灵活的应用精益生产可以提升企业的生产制造水平，同时有效地提升企业的竞争力。从精益生产的概念入手，深入进行分析国内医疗设备制造企业普遍存在的生产水平落后的问題，结合实际的公司生产情况和当前医疗设备行业的特点与精益生产的基本原理，为中国医疗设备制造企业设计一个包含结构体系、推行体系和评估体系的实施精益生产系统的参考模型。明确具体的生产流程，通过价值流分析、流程程序分析、工序产能平衡分析等工具发现生产中存在的浪费和不足之，为企业生产制造提供方向、理论与方法依据。

简介：摘要：为了更好地保证冶金企业的健康发展，就需要不断提升企业安全生产管理的水平，但是在现实中，由于种种原因，企业的安全管理工作依然存在诸多问题需要解决，只有企业采取科学的措施对这些问题加以改进，才能不断地提升安全管理工作的质量，进而保证企业的正常的生产经营，使工作人员免受伤害。

简介：摘要：石油化工业生产具有物料种类繁多,数量大等特点,是污染较为严重的行业之一。本文在详细了石油化工业产污环节的基础上,针对石油产污环节提出了清洁生产方案,对减少石油化工业环境污染具有积极意义。 

简介：摘要：现如今我国在实际发展过程中，各种危险化学品的应用越来越多，使用的范围越来越大，人们需要高度重视危险化学品企业安全生产的监管工作，确保企业的安全生产，提升实际的安全发展水平。

简介：摘要安全生产是施工建设永恒不变的主题，为了进一步贯彻落实“安全第一，预防为主，综合治理”的安全生产方针，如何在保证工程施工项目的质量、安全、进度及成本要求的情况下，较经济、高质量地进行安全生产管理及对各类安全生产事故隐患的排查和整治，彻底消除事故隐患，保障人民群众生命财产安全。

简介：摘要：在当前复杂多变的生产环境，企业不断提升技术管理的现代化水平已成为煤矿行业发展的关键。煤矿企业应积极引进先进的信息技术，优化设备管理流程，提高设备运行效率。本文围绕煤矿机电技术管理对煤矿安全生产的有效作用，深入探讨了煤矿安全生产中做好机电技术管理的有效措施，旨在促进煤矿产业的可持续发展。

简介：摘要近年来，随着我国工人对于生产安全需求的提高，同时国家对于煤矿安全生产的重视程度的加深，我国的各位学者在煤矿安全生产主要影响因素的安全对策与管理等方面进行了一系列的研究。近几年，由于我国的煤矿安全事故发生的频率逐渐提高，我国社会上的各大企业以及政府不得不加强对于煤矿安全生产的管理，从而提高煤矿安全生产的环境质量。

简介：摘要：随着油田物联网快速发展，油井数字化技术应用日益广泛，在生产中的作用日益明显，不仅可以提高设备运行的安全可靠性，而且可以降减生产成本，减轻工人的劳动强度，促进油田企业的经济效益提升。鉴于此，本文介绍了边缘计算概念，油井智能生产边缘计算系统框架，油井智能生产算法模型核心技术，供与同行交流探讨，共同促进边缘计算技术在原油开发中的大力应用。

简介：摘要：近年来，国民经济飞速增长，能源行业的发展也迎来新的春天，煤炭行业的发展越来越好。煤炭生产环境复杂、危险给煤炭的生产带来较大的阻力。煤炭生产过程中，安全事故的发生，不仅影响煤炭开采效率，同时给井下工作人员的人身安全带来极大的威胁。为了降低安全事故的发生概率，必须重视煤矿生产过程中的安全问题。

简介：摘要：近年来,随着节能、环保观念的不断落实和保护环境意识的提高,减少水处理过程中产生的污染已成为当今各企业工作的重点,化工企业作为社会水污染大户当然也不例外。但是就实际化工工艺分析中,其中问题较多,处理策略不科学、不合理,就化工工艺存在的问题和处理对策进行了简单的分析,旨在为同行日后工作提供帮助。 

简介：摘要目的建立一种能预测肝细胞癌(HCC)患者腹腔镜肝切除术(LH)术后复发的极端梯度上升法(XGBoost)模型。方法回顾性选取2013年1月—2016年9月在承德医学院附属医院首次接受LH治疗的原发性HCC患者440例为研究对象，确诊方式为病理诊断。使用随机数表法，以2∶8的比例将研究对象分为训练组(n＝88)和验证组(n＝352)。采用Kaplan-Meier法绘制无复发生存曲线，并采用Log-rank检验比较两组的生存情况；采用训练组建立COX回归模型和XGBoost模型，筛选预测LH术后复发的独立预测因素；采用受试者工作特征曲线(ROC)分析两种模型的预测能力，并在验证组中进行内部验证；采用Hosmer and Lemeshow Test来评价两种模型的校准度，以P>0.05为模型与实际情况拟合度良好。结果多因素COX回归模型和XGBoost模型均筛选出了癌栓、分化程度低、肿瘤微血管浸润、肿瘤个数、肿瘤较大、乙肝表面抗原阳性是肿瘤复发的独立预测因素(HR＝2.477、0.769、1.786、1.905、1.544、1.805；95%CI: 1.465～4.251、0.619～0.819、1.263～2.546、1.354～2.704、1.272～1.816、1.055～2.555)。XGboost模型评分依次为32、29、24、18、16、11分。训练组中COX回归模型和XGBoost模型预测复发的曲线下面积(AUC)分别为0.746(0.730～0.762)和0.802(0.785～0.818)，XGBoost模型预测能力较强，且在验证队列中也得到了证实。结论本研究建立和验证了能够预测接受LH的HCC患者术后复发的XGBoost模型。该模型可应用于临床工作中，辅助医师为患者制订个性化的术后监测方案。HCC患者复发率高，预后差，早发现、早诊断、早治疗、加强术后复诊是改善患者预后的重要措施。

简介：摘要：大豆是我国农业种植产业中重要的一种经济作物和油料作物，大豆作物富含营养，蛋白质的含量非常丰富，还含有大量脂肪酸和维生素等，长期食用有利于身体健康。近年来，我国大豆产品市场需求量逐日攀升，为了能够进一步的提高大豆种植业的生产效益，必须积极探索高效栽培技术，促进大豆种植产业的进一步发展。本文主要研究提高大豆种植生产效益的栽培技术。

简介：摘要目的比较9种机器学习模型对幕上深部自发性脑出血（SICH）患者发生早期血肿扩张及预后不良情况的预测性能。方法回顾性研究。纳入2015年1月—2019年5月4家医院幕上深部SICH患者420例。其中男275例、女145例，年龄25~90（61.0±12.9）岁。420例患者按照7∶3的比例，采用完全随机法分为训练集294例和验证集126例。患者在72 h内复查CT，若血肿体积比初始体积增长>6 mL或>33%，判定存在早期血肿扩张。采用改良的Rankin评分量表（mRS）评估预后，以mRS>3分判定为预后不良。比较训练集和验证集的基线资料。采用随机森林、极限梯度提升算法（XGboost）、梯度爬升决策树、自适应提升算法、朴素贝叶斯、logistic回归、支持向量机、K近邻、多层感知机9种机器学习算法对早期血肿扩张及预后不良分别构建预测模型；在训练集中，依据各模型的灵敏度和特异度绘制受试者操作特征曲线，采用3折交叉验证取曲线下面积（AUC），比较各模型对早期血肿扩张及预后不良情况的预测性能，并在验证集测试模型的可靠性。结果训练集和验证集患者基线资料比较差异均无统计学意义（P值均>0.05）。420例患者中，早期脑血肿扩张的患者有117例（27.86%）；399例患者获随访，其中预后不良的患者有210例（52.63%）。预测早期血肿扩张：训练集中，9种机器学习模型的AUC为0.590~0.685，其中以XGboost模型最高，AUC为0.685±0.024；在验证集中，XGboost模型AUC为0.686［95%可信区间（CI）0.578~0.721］。预测预后不良：9种机器学习模型的AUC为0.703~0.852，其中logistic回归模型最高，AUC为0.852±0.041；而在验证集中，logistic回归模型AUC为0.894（95%CI 0.862~0.912）。结论9种机器学习算法模型中，XGboost对幕上深部SICH早期血肿扩张的预测性能最佳，而logistic回归模型对预后不良的预测性能最高；对于不同临床结局的预测，应选用合适的机器学习模型。

简介：摘要目的观察不同血容量状态下颅高压的急性呼吸窘迫综合征(ARDS)猪模型，增加呼气末正压(PEEP)后，其血流动力学状态、颅内压(ICP)及脑氧分压(PtiO2)的变化。方法选取雄性14～16月龄巴马小型猪12头，随机数字表法随机分成低血容量组和正常血容量组。建立ARDS和颅高压模型。自5 cmH2O(1 cmH2O＝0.098 kPa)水平逐步增加PEEP 5 cmH2O，直至25 cmH2O。采用重复测量的方差分析，并应用Sidak法进行多重比较和P值的校正。结果随着PEEP逐渐增加，正常血容量组ICP逐渐升高，而低血容量组ICP逐渐下降；当PEEP在5、10、15 cmH2O时，两组间ICP值分别为(25.83±1.47) mmHg(1 mmHg＝0.133 kPa)比(27.00±1.63) mmHg、(27.33±1.75) mmHg比(27.67±2.21) mmHg、(28.83±1.72) mmHg比(27.5±2.06) mmHg，差异均无统计学意义(t＝0.793、0.227、0.906，P值均>0.05)；当PEEP在20、25 cmH2O时，两组间ICP值分别为(31.33±2.07) mmHg比(26.5±3.35) mmHg、(31.67±2.94) mmHg比(25.83±3.67) mmHg，差异均有统计学意义(t＝3.284、3.964，P值均<0.01)。随着PEEP逐渐增加，两组PtiO2均逐渐下降，其中低血容量组下降更明显；在各PEEP水平时，两组间PtiO2值分别为(19.83±2.64) mmHg比(14.33±3.50) mmHg、(18.67±2.50) mmHg比(12.33±3.88) mmHg、(17.67±3.88) mmHg比(10.67±3.88) mmHg、(15.33±2.34) mmHg比(9.17±3.54) mmHg、(13.67±3.61) mmHg比(6.67±2.73) mmHg，差异均有统计学意义(t＝2.333、3.319、3.668、3.231、3.668，P值均<0.05)。结论PEEP对血流动力学、颅内压、脑代谢作用受不同容量状态的影响。低血容量状态下，PEEP逐渐上升，其心输出量、血压和PtiO2下降更明显。