低载波频率运用时,与上述现象大体相反,过低的载波频率将引起低频运行不稳,转矩降低甚至振荡的出现数据挖掘概念综述
数据挖掘又称从数据库中发现知识（KDD）、数据分析、数据融合（Data Fusion）以及决策支持。KDD一词首次出现在1989年8月举行的第11届国际联合人工智能学术会议上。随后在1991年、1993年和1994年都举行KDD 专题讨论会，汇集来自各个领域的研究人员和应用开发者，集中讨论数据统计、海量数据分析算 法、知识表示、知识运用等问题。随着参与人员的不断增多，KDD国际会议发展成为年会。1998 年在美国纽约举行的第四届知识发现与数据 挖掘国际学术会议不仅进行了学术讨论，并且有30多家软件公司展示了他们的数据挖掘软件产品，不少软件已在北美、欧洲等国得到应用。
一、什么是数据挖掘
11、数据挖掘的历史
近十几年来，人们利用信息技术生产和搜集数据的能力大幅度提高，千万万个数据库被用于商业管理、政府办公、科学研究和工程开发等等，这一势头仍将持续发展下去。于是，一个新的挑战被提了出来：在这被称之为信息爆炸的时代，信息过量几乎成为人人需要面对的问题。如何才能不被信息的汪洋大海所淹没，从中及时发现有用的知识，提高信息利用率呢？要想使数据真正成为一个公司的资源，只有充分利用它为公司自身的业务决策和战略发展服务才行，否则大量的数据可能成为包袱，甚至成为垃圾。因此，面对”人们被数据淹没，人们却饥饿于知识”的挑战。另一方面计算机技术的另一领域——人工智能自1956年诞生之后取得了重大进展。经历了博弈时期、自然语言理解、知识工程等阶段，目前的研究 热点是机器学习。机器学习是用计算机模拟人类学习的一门科学，比较成熟的算法有神经网络、遗传算法等。用数据库管理系统来存储数据，用机器学习的方法来分析数据，挖掘大量数据背后的知识，这两者的结合促成了数据库中的知识发现（KDD：Knowledge Discovery in Databases）的产生，因此，数据挖掘和知识发现（DMKD）技术应运而生，并得以蓬勃发展，越来越显示出其强大的生命力。
数据挖掘又称从数据库中发现知识（KDD）、数据分析、数据融合（Data Fusion）以及决策支持。KDD一词首次出现在1989年8月举行的第11届国际联合人工智能学术会议上。随后在1991年、1993年和1994年都举行KDD 专题讨论会，汇集来自各个领域的研究人员和应用开发者，集中讨论数据统计、海量数据分析算 法、知识表示、知识运用等问题。随着参与人员的不断增多，KDD国际会议发展成为年会。1998 年在美国纽约举行的第四届知识发现与数据 挖掘国际学术会议不仅进行了学术讨论，并且有30多家软件公司展示了他们的数据挖掘软件产品，不少软件已在北美、欧洲等国得到应用。
22数据挖掘的概念
从1989年到现在，KDD的定义随着人们研究的不断深入也在不断完善，目前比较公认的定义是Fayyad 等给出的：KDD是从数据集中识别出有效的、新颖的、潜在有用的以及最终可理解模式的高级处理过程。从定义可以看出，数据挖掘（DataMining）就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。人们把原始数据看作是形成知识的源泉，就像从矿石中采矿一样。原始数据可以是结构化的，如关系数据库中的数据，也可以是半结构化的，如文本、图形、图像数据，甚至是分布在网络上的异构型数据。发现知识的方法可以是数学的，也可以是非数学的；可以是演绎的，也可以是归纳的。发现了的知识可以被用于信息管理、查询优化、决策支持、过程控制等，还可以用于数据自身的维护。因此，数据挖掘是一门很广义的交叉学科，它汇聚了不同领域的研究者，尤其是数据库、人工智能、数理统计、可视化、并行计算等方面的学者和工程技术人员。
特别要指出的是，数据挖掘技术从一开始就是面向应用的。它不仅是面向特定数据库的简单检索查询调用，而且要对这些数据进行微观、中观乃至宏观的统计、分析、综合和推理，以指导实际问题的求解，企图发现事件间的相互关联，甚至利用已有的数据对未来的活动进行预测。
一般来说在科研领域中称为KDD，而在工程领域则称为数据挖掘。
二、数据挖掘的步骤
KDD包括以下步骤：
1、数据准备
KDD的处理对象是大量的数据，这些数据一般存储在数据库系统中，是长期积累的结果。但往往不适合直接在这些数据上面进行知识挖 掘，需要做数据准备工作，一般包括数据的选择（选择相关的数据）、净化（消除噪音、冗余数据）、推测（推算缺失数据）、转换（离散值 数据与连续值数据之间的相互转换，数据值的分组分类，数据项之间的计算组合等）、数据缩减（减少数据量）。如果KDD的对象是数据仓 库，那么这些工作往往在生成数据仓库时已经准备妥当。数据准备是KDD 的第一个步骤，也是比较重要的一个步骤。数据准备是否做好将影 响到数据挖掘的效率和准确度以及最终模式的有效性。
2、数据挖掘
数据挖掘是KDD最关键的步骤，也是技术难点所在。研究KDD的人员中大部分都在研究数据挖掘技术，采用较多的技术有决策树、分类、 聚类、粗糙集、关联规则、神经网络、遗传算法等。数据挖掘根据KDD的目标，选取相应算法的参数，分析数据，得到可能形成知识的模式 模型。
3、评估、解释模式模型
上面得到的模式模型，有可能是没有实际意义或没有实用价值的，也有可能是其不能准确反映数据的真实意义，甚至在某些情况下是与事 实相反的，因此需要评估，确定哪些是有效的、有用的模式。评估可以根据用户多年的经验，有些模式也可以直接用数据来检验其准确性。 这个步骤还包括把模式以易于理解的方式呈现给用户。
4、巩固知识
用户理解的、并被认为是符合实际和有价值的模式模型形成了知识。同时还要注意对知识做一
致性检查，解决与以前得到的知识互相冲 突、矛盾的地方，使知识得到巩固。
5、运用知识
发现知识是为了运用，如何使知识能被运用也是KDD的步骤之一。运用知识有两种方法：一种是只需看知识本身所描述的关系或结果，就 可以对决策提供支持；另一种是要求对新的数据运用知识，由此可能产生新的问题，而需要对知识做进一步的优化
三、数据挖掘的特点及功能
31、数据挖掘的特点
数据挖掘具有如下几个特点，当然，这些特点与数据挖掘要处理的数据和目的是密切相关的。
1、处理的数据规模十分巨大。
2、查询一般是决策制定者（用户）提出的即时随机查询，往往不能形成精确的查询要求。
3、由于数据变化迅速并可能很快过时，因此需要对动态数据作出快速反应，以提供决策支持。
4、主要基于大样本的统计规律，其发现的规则不一定适用于所有数据
32、数据挖掘的功能
数据挖掘所能发现的知识有如下几种：
广义型知识，反映同类事物共同性质的知识；
特征型知识，反映事物各方面的特征知识；
差异型知识，反映不同事物之间属性差别的知识 ;关联型知识，反映事物之间依赖或关联的知识；
预测型知识，根据历史的和当前的数据推测未来数据；偏离型知识，揭示事物偏离常规的异常现象。
所有这些知识都可以在不同的概念层次上被发现，随着概念树的提升，从微观到中观再到宏观，以满足不同用户、不同层次决策的需要。例如，从一家超市的数据仓库中，可以发现的一条典型关联规则可能是”买面包和黄油的顾客十有八九也买牛奶”，也可能是”买食品的顾客几乎都用xyk”，这种规则对于商家开发和实施客户化的销售计划和策略是非常有用的。至于发现工具和方法，常用的有分类、聚类、减维、模式识别、可视化、决策树、遗传算法、不确定性处理等。归纳起来，数据挖掘有如下几个功能：
预测/验证功能：预测/验证功能指用数据库的若干已知字段预测或验证其他未知字段值。预测方法有统计分析方法、关联规则和决策树预测方法、回归树预测方法等。
描述功能：描述功能指找到描述数据的可理解模式。描述方法包括以下几种：数据分类、回归分析、簇聚、概括、构造依赖模式、变化和偏差分析、模式发现、路径发现等。
四、数据挖掘的模式
数据挖掘的任务是从数据中发现模式。模式是一个用语言L来表示的一个表达式E，它可用来描述数据集F中数据的特性，E 所描述的数据是集 合F的一个子集FE。E作为一个模式要求它比列举数据子集FE中所有元素的描述方法简单。例如，“如果成绩在81 ～90之间，则成绩优良”可称 为一个模式，而“如果成绩为81、82、83、84、85、86、87、88、89 或90，则成绩优良”就不能称之为一个模式。
模式有很多种，按功能可分有两大类：预测型（Predictive）模式和描述型（Descriptive）模式。
预测型模式是可以根据数据项的值精确确定某种结果的模式。挖掘预测型模式所使用的数据也都是可以明确知道结果的。例如，根据各种 动物的资料，可以建立这样的模式：凡是胎生的动物都是哺乳类动物。当有新的动物资料时，就可以根据这个模式判别此动物是否是哺乳动物。
描述型模式是对数据中存在的规则做一种描述，或者根据数据的相似性把数据分组。描述型模式不能直接用于预测。例如，在地球上，70 ％的表面被水覆盖，30 ％是土地。
在实际应用中，往往根据模式的实际作用细分为以下6 种：
1、分类模式
分类模式是一个分类函数（ 分 类 器），能够把数据集中的数据项映射到某个给定的类上。分类模式往往表现为一棵分类树，根据数据的 值从树根开始搜索，沿着数据满足的分支往上走，走到树叶就能确定类别。
2、回归模式
回归模式的函数定义与分类模式相似，它们的差别在于分类模式的预测值是离散的，回归模式的预测值是连续的。如给出某种动物的特征，可以用分类模式判定这种动物是哺乳动物还是鸟类；给出某个人的教育情况、工作经验，可以用回归模式判定这个人的年工资在哪个范围内，是在6000元以下，还是在6000元到1万元之间，还是在1万元以上。
3、时间序列模式
时间序列模式根据数据随时间变化的趋势预测将来的值。这里要考虑到时间的特殊性质，像一些周期性的时间定义如星期、月、季节、年 等，不同的日子如节假日可能造成的影响，日期本身的计算方法，还有一些需要特殊考虑的地方如时间前后的相关性（过去的事情对将来有 多大的影响力）等。只有充分考虑时间因素，利用现有数据随时间变化的一系列的值，才能更好地预测将来的值。
4、聚类模式
聚类模式把数据划分到不同的组中，组之间的差别尽可能大，组内的差别尽可能小。与分类模式不同，进行聚类前并不知道将要划分成几 个组和什么样的组，也不知道根据哪一（几）个数据项来定义组。一般来说，业务知识丰富的人应该可以理解这些组的含义，如果产生的模式无法理解或不可用，则该模式可能是无意义的，需要回到上阶段重新组织数据。
5、关联模式
关联模式是数据项之间的关联规则。关联规则是如下形式的一种规则：“在无力偿还贷款的人当中，60％的人的月收入在3000元以下。”
6、序列模式
序列模式与关联模式相仿，而把数据之间的关联性与时间联系起来。为了发现序列模式，不仅需要知道事件是否发生，而且需要确定事件 发生的时间。例如，在购买彩电的人们当中，60％的人会在3个月内购买影碟机
五、数据挖掘的发现任务
数据挖掘涉及的学科领域和方法很多，有多种分类法。根据挖掘任务分，可分为分类或预测模型发现、数据总结、聚类、关联规则发现、序列模式发现、依赖关系或依赖模型发现、异常和趋势发现等等；根据挖掘对象分，有关系数据库、面向对象数据库、空间数据库、时态数据库、文本数据源、多媒体数据库、异质数据库、遗产数据库以及环球网Web;根据挖掘方法分，可粗分为：机器学习方法、统计方法、神经网络方法和数据库方法。机器学习中，可细分为：归纳学习方法（决策树、规则归纳等）、基于范例学习、遗传算法等。统计方法中，可细分为：回归分析（多元回归、自回归等）、判别分析（贝叶斯判别、费歇尔判别、非参数判别等）、聚类分析（系统聚类、动态聚类等）、探索性分析（主元分析法、相关分析法等）等。神经网络方法中，可细分为：前向神经网络（BP算法等）、自组织神经网络（自组织特征映射、竞争学习等）等。数据库方法主要是多维数据分析或OLAP 方法，另外还有面向属性的归纳方法。
从挖掘任务和挖掘方法的角度而言有数据总结、分类发现、聚类和关联规则发现四种非常重要的发现任务。
51、数据总结
数据总结目的是对数据进行浓缩，给出它的紧凑描述。传统的也是最简单的数据总结方法是计算出数据库的各个字段上的求和值、平均值、方差值等统计值，或者用直方图、饼状图等图形方式表示。数据挖掘主要关心从数据泛化的角度来讨论数据总结。数据泛化是一种把数据库中的有关数据从低层次抽象到高层次上的过程。由于数据库上的数据或对象所包含的信息总是最原始、基本的信息（这是为了不遗漏任何可能有用的数据信息）。人们有时希望能从较高层次的视图上处理或浏览数据，因此需要对数据进行不同层次上的泛化以适应各种查询要求。数据泛化目前主要有两种技术：多维数据分析方法和面向属性的归纳方法。
1、多维数据分析方法是一种数据仓库技术，也称作联机分析处理（OLAP）。数据仓库是面向决策支持的、集成的、稳定的、不同时间的历史数据集合。决策的前提是数据分析。在数据分析中经常要用到诸如求和、总计、平均、最大、最小等汇集 *** 作，这类 *** 作的计算量特别大。因此一种很自然的想法是，把汇集 *** 作结果预先计算并存储起来，以便于决策支持系统使用。存储汇集 *** 作结果的地方称作多维数据库。多维数据分析技术已经在决策支持系统中获得了成功的应用，如着名的SAS数据分析软件包、Business Object公司的决策支持系统Business Object,以及IBM公司的决策分析工具都使用了多维数据分析技术。
采用多维数据分析方法进行数据总结，它针对的是数据仓库，数据仓库存储的是脱机的历史数据。
2、为了处理联机数据，研究人员提出了一种面向属性的归纳方法。它的思路是直接对用户感兴趣的数据视图（用一般的SQL查询语言即可获得）进行泛化，而不是像多维数据分析方法那样预先就存储好了泛化数据。方法的提出者对这种数据泛化技术称之为面向属性的归纳方法。原始关系经过泛化 *** 作后得到的是一个泛化关系，它从较高的层次上总结了在低层次上的原始关系。有了泛化关系后，就可以对它进行各种深入的 *** 作而生成满足用户需要的知识，如在泛化关系基础上生成特性规则、判别规则、分类规则，以及关联规则等。
52、分类发现
分类在数据挖掘中是一项非常重要的任务，目前在商业上应用最多。分类的目的是学会一个分类函数或分类模型（也常常称作分类器），该模型能把数据库中的数据项映射到给定类别中的某一个。分类和回归都可用于预测。预测的目的是从利用历史数据纪录中自动推导出对给定数据的推广描述，从而能对未来数据进行预测。和回归方法不同的是，分类的输出是离散的类别值，而回归的输出则是连续数值。
要构造分类器，需要有一个训练样本数据集作为输入。训练集由一组数据库记录或元组构成，每个元组是一个由有关字段（又称属性或特征）值组成的特征向量，此外，训练样本还有一个类别标记。一个具体样本的形式可为：（ v1, v2, …， vn; c ）；其中vi表示字段值，c表示类别。
分类器的构造方法有统计方法、机器学习方法、神经网络方法等等。统计方法包括贝叶斯法和非参数法（近邻学习或基于事例的学习），对应的知识表示则为判别函数和原型事例。机器学习方法包括决策树法和规则归纳法，前者对应的表示为决策树或判别树，后者则一般为产生式规则。神经网络方法主要是BP算法，它的模型表示是前向反馈神经网络模型（由代表神经元的节点和代表联接权值的边组成的一种体系结构），BP算法本质上是一种非线性判别函数。另外，最近又兴起了一种新的方法：粗糙集（rough set），其知识表示是产生式规则。
不同的分类器有不同的特点。有三种分类器评价或比较尺度：1 预测准确度；2 计算复杂度；3 模型描述的简洁度。预测准确度是用得最多的一种比较尺度，特别是对于预测型分类任务，目前公认的方法是10番分层交叉验证法。计算复杂度依赖于具体的实现细节和硬件环境，在数据挖掘中，由于 *** 作对象是巨量的数据库，因此空间和时间的复杂度问题将是非常重要的一个环节。对于描述型的分类任务，模型描述越简洁越受欢迎；例如，采用规则表示的分类器构造法就更有用，而神经网络方法产生的结果就难以理解。
另外要注意的是，分类的效果一般和数据的特点有关，有的数据噪声大，有的有缺值， 有的分布稀疏，有的字段或属性间相关性强，有的属性是离散的而有的是连续值或混合式的。目前普遍认为不存在某种方法能适合于各种特点的数据。
53、聚类
聚类是把一组个体按照相似性归成若干类别，即”物以类聚”。它的目的是使得属于同一类别的个体之间的距离尽可能的小，而不同类别上的个体间的距离尽可能的大。聚类方法包括统计方法、机器学习方法、神经网络方法和面向数据库的方法。
在统计方法中，聚类称聚类分析，它是多元数据分析的三大方法之一（其它两种是回归分析和判别分析）。它主要研究基于几何距离的聚类，如欧式距离、明考斯基距离等。传统的统计聚类分析方法包括系统聚类法、分解法、加入法、动态聚类法、有序样品聚类、有重叠聚类和模糊聚类等。这种聚类方法是一种基于全局比较的聚类，它需要考察所有的个体才能决定类的划分；因此它要求所有的数据必须预先给定，而不能动态增加新的数据对象。聚类分析方法不具有线性的计算复杂度，难以适用于数据库非常大的情况。
在机器学习中聚类称作无监督或无教师归纳；因为和分类学习相比，分类学习的例子或数据对象有类别标记，而要聚类的例子则没有标记，需要由聚类学习算法来自动确定。很多人工智能文献中，聚类也称概念聚类；因为这里的距离不再是统计方法中的几何距离 ,而是根据概念的描述来确定的。当聚类对象可以动态增加时，概念聚类则称是概念形成。
在神经网络中，有一类无监督学习方法：自组织神经网络方法；如Kohonen自组织特征映射网络、竞争学习网络等等。在数据挖掘领域里，见报道的神经网络聚类方法主要是自组织特征映射方法，IBM在其发布的数据挖掘白皮书中就特别提到了使用此方法进行数据库聚类分割。
54、关联规则发现
关联规则是形式如下的一种规则，”在购买面包和黄油的顾客中，有90%的人同时也买了牛奶”（面包+黄油 （ 牛奶 ）。用于关联规则发现的主要对象是事务型数据库，其中针对的应用则是售货数据，也称货篮数据。一个事务一般由如下几个部分组成：事务处理时间 ,一组顾客购买的物品，有时也有顾客标识号（如xyk号）。
由于条形码技术的发展，零售部门可以利用前端收款机收集存储大量的售货数据。因此，如果对这些历史事务数据进行分析，则可对顾客的购买行为提供极有价值的信息。例如，可以帮助如何摆放货架上的商品（如把顾客经常同时买的商品放在一起），帮助如何规划市场（怎样相互搭配进货）。由此可见，从事务数据中发现关联规则，对于改进零售业等商业活动的决策非常重要。
如果不考虑关联规则的支持度和可信度，那么在事务数据库中存在无穷多的关联规则。事实上，人们一般只对满足一定的支持度和可信度的关联规则感兴趣。在文献中，一般称满足一定要求的（如较大的支持度和可信度）的规则为强规则。因此，为了发现出有意义的关联规则，需要给定两个阈值：最小支持度和最小可信度。前者即用户规定的关联规则必须满足的最小支持度，它表示了一组物品集在统计意义上的需满足的最低程度；后者即用户规定的关联规则必须满足的最小可信度，它反应了关联规则的最低可靠度。
在实际情况下，一种更有用的关联规则是泛化关联规则。因为物品概念间存在一种层次关系，如夹克衫、滑雪衫属于外套类，外套、衬衣又属于衣服类。有了层次关系后，可以帮助发现一些更多的有意义的规则。例如，”买外套，买鞋子”（此处，外套和鞋子是较高层次上的物品或概念，因而该规则是一种泛化的关联规则）。由于商店或超市中有成千上万种物品，平均来讲，每种物品（如滑雪衫）的支持度很低，因此有时难以发现有用规则；但如果考虑到较高层次的物品（如外套），则其支持度就较高，从而可能发现有用的规则。另外，关联规则发现的思路还可以用于序列模式发现。用户在购买物品时，除了具有上述关联规律，还有时间上或序列上的规律，因为，很多时候顾客会这次买这些东西，下次买同上次有关的一些东西，接着又买有关的某些东西。载波频率较高,此时电流输出波形比较理想,低频时转矩大,并且电机噪音小在需要低频输出大转矩及静音的场所适用但此时主元器件的开关损耗较大,整机发热较多,效率下降,出力减小与此同时无线电干扰较大,高载波频率运用时的另一个问题就是电容性漏电流增大,装有漏电保护器时可能引起其误动作,也可能引起过电流的发生,导致变频器过热保护
低载波频率运用时,与上述现象大体相反,过低的载波频率将引起低频运行不稳,转矩降低甚至振荡的出现电子制造业是目前世界上发展最快的产业，其经营过程函盖了研发、工程、采购、生产、质量、销售、物流、服务、财务控制等一系列重要环节，庞大的数据流通、频繁的业务往来、多变的排程，复杂的生产工序，让企业难以掌控，很难实现预期经营目标。
全球经济一体化的到来，促使近年来电子制造业向亚洲的转移逐步深入，中国成为电子产业发展最活跃的地区，由于中国国情的特殊性，逐渐转变为世界最大的加工工厂，同时也面临了前所未有的竞争与挑战。主要体现在：一、产业、技术融合加快，使产业结构调整压力增大；二、贸易摩擦呈增长态势，特别是在中国企业迫切要求“走出去”的情况下，国际贸易壁垒、知识产权纠纷等对中国企业出口形成障碍；三、电子产品价格不断降低，而成本却在上升，这使得电子制造商的赢利空间更加微小；四、客户要求的服务质量越来越高，环保观念逐步增强，在这样竞争激烈的环境下，企业要想发展，赢得更大的利润空间，不得不突破传统寻找新的出路；重视管理、控制过程，降低成本，提高产品良品率，才能使企业更具竞争力；精细管理，有效控制，才能掌控企业经营管理过程中的各个关键环节，提高获利能力。
电子制造业ERP行业解决方案
一、行业分析
电子制造业是目前世界上发展最快的产业，其经营过程函盖了研发、工程、采购、生产、质量、销售、物流、服务、财务控制等一系列重要环节，庞大的数据流通、频繁的业务往来、多变的排程，复杂的生产工序，让企业难以掌控，很难实现预期经营目标。
全球经济一体化的到来，促使近年来电子制造业向亚洲的转移逐步深入，中国成为电子产业发展最活跃的地区，由于中国国情的特殊性，逐渐转变为世界最大的加工工厂，同时也面临了前所未有的竞争与挑战。主要体现在：一、产业、技术融合加快，使产业结构调整压力增大；二、贸易摩擦呈增长态势，特别是在中国企业迫切要求“走出去”的情况下，国际贸易壁垒、知识产权纠纷等对中国企业出口形成障碍；三、电子产品价格不断降低，而成本却在上升，这使得电子制造商的赢利空间更加微小；四、客户要求的服务质量越来越高，环保观念逐步增强，在这样竞争激烈的环境下，企业要想发展，赢得更大的利润空间，不得不突破传统寻找新的出路；重视管理、控制过程，降低成本，提高产品良品率，才能使企业更具竞争力；精细管理，有效控制，才能掌控企业经营管理过程中的各个关键环节，提高获利能力。
二、行业特点
1、客户需求多变，交期短，插单频繁，要求制造商备料，订单变化大，难把握。
2、产品结构稳定。但产品升级快，版本多，控制复杂。
3、生产周期短，对生产计划，物料计划及采购、仓库等部门的协调配合要求高，多种生产方式并存（自制，外协）。
4、产品质量受重视，良品率要求高。
5、多品种，小批量，返工频繁，大部分生产可逆。
6、生产方式多样。有的企业按照订单生产，有的企业采用订单结合预测生产，有的企业以预测为主生产，有的可能三种生产方式兼有。
7、成本核算复杂，成本难以真正的分摊到每一个产品。
8、供应商交期不好把握，一些主元器件交期长，需做市场预测，提前预订或仓库备货。
9、供应商根据付款条件经常月底提前送货，增加库存资金积压。
10、通用物料存在物料替换，做物料计划时应充分考虑。对各部门之间的协调配合要求很高。
11、物料种类繁多，发料数量大，普通物料需要发备料，经常出现二次发备料的情况。
三、行业困扰及解决方案
1、电子产品结构复杂，物料种类繁多，性质复杂。
■解决方案
天尊ERP提供专业的物料管理模块。编码唯一性控制，人工审核物料是否生效，源码控制物料的用途，系统自动识别物料是否需要备料。ABC编码进一步优化物料管理。避免了物料重复，极大降低物料使用出错几率。
2、产品升级快，版本多，管理复杂。
■解决方案
天尊ERP提供完善的BOM管理模块。方便的BOM信息录入，通过BOM复制功能，产品升级只要复制原来的BOM，进行简单修改。即可减少工作量，又降低错误的发生概率。引进了组合BOM的理念，一个组合的BOM相当于多种产品的集合，用户通过选择产品的功能就可以得到标准的BOM。大大减少了工程部门的工作量。
3、电子产品供应商众多，如何筛选优秀的供应商是电子业管理的重点
■解决方案
天尊ERP提供供应商管理子模块，记录了供应商的基本信息。透支额度、付款条件，支付货币的设置，方便了与财务对帐。供应商业绩报表自动统计采购交期、送货品质，方便企业评估供应商，帮助企业筛选优秀供应商。
4、生产周期短，对生产计划，物料计划及采购、仓库等部门的协调配合要求高，多种生产方式并存（自制，外协）
■解决方案
天尊ERP根据采购提前期、制造提前期等要素，提供了物料需求可行性分析，对物料的当前库存，现行分配，当前缺料量，在单量，品质控制数量，短缺数量，本期可用数量整合分析。自动生成申购单，缩短做生产计划，物料计划的周期，增强了部门之间的协调配合。
5、电子制造业采购物料众多，价格变化快；采购订单数量繁多，跟踪困难，容易造成交期延长。
■解决方案
天尊ERP提供完整的物料价格管理，公用与特殊价格的定位；严格的采购审核，全程的采购单追踪及监控，实时反馈采购单从下单到品质（QC）质检入库的状况。配套报表有追溯功能，能分析某一阶段的采购状况。对交货日期的控制，可避免供应商月底提前送货。
6、仓库管理混乱，库存难以控制，需要的物料仓库没有备料，不需要的却出现了呆滞料。
■解决方案
天尊ERP提供理想库存的理念，存货功能能灵活设置不同用途的仓库，物料间位置可清楚知道物料在仓库的具体存放位置，规范了仓库管理；安全库存实现对物料库存的监控，提供决策依据，优化物料的库存。配套报表可追溯某一阶段进出库记录。
7、盘点困难。电子制造业物料型号规格多，盘点工作繁重，盘点周期长，需要停工，仓库冻结，影响正常作业。
■解决方案
天尊ERP提供了完整盘点管理功能。可依据仓库物料类别盘点；可对一种物料存放在仓库不同位置的数量进行统计。配套的报表把系统库存量与盘点实物数量对比，自动计算出数量及库存金额的差异。
8、生产过程管理混乱，成品/半成品报废数量多，却又难以发现是哪个环出现问题。
■解决方案
天尊ERP提出生产过程控制，精益生产的理念，降低成本，提高质量，缩短交期，改善安全，提升士气。提供的“途程”功能，灵活的班组分配，细化的生产工艺，明确的工序，使生产过程更加流畅；完整的工令功能对每个生产工序实行监控，自动统计直通率，提供良品率分析，让用户准确掌控每个生产环节。
9：成本核算复杂，电子产品零件多，采购次数频繁，物料成本核算工作量大，人工成本分摊难 。
■解决方案
天尊ERP提供行业成本、理想成本、标准成本、实际成本等多种成本相比较，精细的成本核算，把成本真正分摊到每个产品，提出目标理念，强调过程控制。
10、电子业供应商，客户复杂，存在多种付款方式，多货币的。应收、应付帐统计复杂，对帐烦琐。
■解决方案
天尊ERP提供的财务模块，实现了多货币共同使用，多汇率之间的转换，以本币核算；规范的财务流程，清晰的应收应付明细报表，最大限度的降低风险，简化对帐。
11、多点办公。
目前许多公司拥有不同的部门，存在多个办公地点，这就使多点办公成为了一种实际需求，通过对网络的应用就使多点办公成为了可能。
■解决方案
系统采用B/S结构，支持多地点多人联网 *** 作，支持远程连接，无论管理人员走到哪里都可以进入系统进行 *** 作，监控公司运作。载波频率对变频器输出电流有影响
（1）运行频率越高，则电压波的占空比越大，电流高次谐波成份越小，即载波频率越高，电流波形的平滑性越好；
（2）载波频率越高，变频器允许输出的电流越小；
（3）载波频率越高，布线电容的容抗越小（因为xc=1/2πfc），由高频脉冲引起的漏电流越大。
载波频率对电机的影响
载波频率越高，电机的振动越小，运行噪音越小，电机发热也越少。但载波频率越高，谐波电流的频率也越高，电机定子的集肤效应也越严重，电机损耗越大，输出功率越小。载波频率较高,此时电流输出波形比较理想,低频时转矩大,并且电机噪音小在需要低频输出大转矩及静音的场所适用但此时主元器件的开关损耗较大,整机发热较多,效率下降,出力减小与此同时无线电干扰较大,高载波频率运用时的另一个问题就是电容性漏电流增大,装有漏电保护器时可能引起其误动作,也可能引起过电流的发生,导致变频器过热保护
低载波频率运用时,与上述现象大体相反,过低的载波频率将引起低频运行不稳,转矩降低甚至振荡的出现考试分为基础考试和专业考试。参加基础考试合格并按规定完成职业实践年限者，方能报名参加专业考试。专业考试合格后，方可获得《中华人民共和国注册化工工程师执业资格证书》。
符合《注册化工工程师执业资格制度暂行规定》第十条要求，并具备以下条件之一者，可申请参加基础考试：
（一）取得本专业（指化学工程与工艺、高分子材料与工程、无机非金属材料工程、制药工程、轻化工程、食品科学与工程、生物工程等，详见附表1，下同）或相近专业（过程装备与控制工程、环境工程、安全工程等，详见附表1，下同）大学本科及以上学历或学位。
（二）取得本专业或相近专业大学专科学历，累计从事化工工程设计工作满1年。
（三）取得其他工科专业大学本科及以上学历或学位，累计从事化工工程设计工作满1年。
基础考试合格，并具备以下条件之一者，可申请参加专业考试：
（一）取得本专业博士学位后，累计从事化工工程设计工作满2年；或取得相近专业博士学位后，累计从事化工工程设计工作满3年。
（二）取得本专业硕士学位后，累计从事化工工程设计工作满3年；或取得相近专业硕士学位后，累计从事化工工程设计工作满4年。
（三）取得含本专业在内的双学士学位或本专业研究生班毕业，累计从事化工工程设计工作满4年后；或取得相近专业双学士学位或研究生班毕业后，累计从事化工工程设计工作满5年。
（四）取得通过本专业教育评估的大学本科学历或学位后，累计从事化工工程设计工作满4年；或取得未通过本专业教育评估的大学本科学历或学位后，累计从事化工工程设计工作满5年；或取得相近专业大学本科学历或学位，累计从事化工工程设计工作满6年。
（五）取得本专业大学专科学历后，累计从事化工工程设计工作满6年；或取得相近专业大学专科学历后，累计从事化工工程设计工作满7年。
（六）取得其他工科专业大学本科及以上学历或学位后，累计从事化工工程设计工作满8年。
截止到2002年12月31日前，符合下列条件之一者，可免基础考试，只需参加专业考试：
（一）取得本专业博士学位后，累计从事化工工程设计工作满5年；或取得相近专业博士学位后，累计从事化工工程设计工作满6年。
（二）取得本专业硕士学位后，累计从事化工工程设计工作满6年；或取得相近专业硕士学位后，累计从事化工工程设计工作满7年。
（三）取得含本专业在内的双学士学位或本专业研究生班毕业后，累计从事化工工程设计工作满7年；或取得相近专业双学士学位或研究生班毕业后，累计从事化工工程设计工作满8年。
（四）取得本专业大学本科学历或学位后，累计从事化工工程设计工作满8年；或取得相近专业大学本科学历或学位后，累计从事化工工程设计工作满9年。
（五）取得本专业大学专科学历后，累计从事化工工程设计工作满9年；或取得相近专业大学专科学历后，累计从事化工工程设计工作满10年。
（六）取得其他工科专业大学本科及以上学历或学位后，累计从事化工工程设计工作满12年。
（七）取得其他工科专业大学专科学历后，累计从事化工工程设计工作满15年。
（八）取得本专业中专学历后，累计从事化工工程设计工作满25年；或取得相近专业中专学历后，累计从事化工工程设计工作满30年。
参加考试由本人提出申请，所在单位审核同意，到当地考试管理机构报名。考试管理机构按规定程序和报名条件审核合格后，发给准考证。参加考试人员在准考证指定的时间、地点参加考试。
[编辑本段]注册化工工程师执业资格基础考试大纲
公共基础考试科目和主要内容
1．数学（考题比例 20% ）
11 空间解析几何 向量代数、直线、平面、柱面、旋转曲面、二次曲面和空间曲线等方面知识。
12 微分学 极限、连续、导数、微分、偏导数、全微分、导数与微分的应用等方面知识，掌握基本公式，熟悉基本计算方法。
13 积分学 不定积分、定积分、广义积分、二重积分、三重积分、平面曲线积分、积分应用等方面知识，掌握基本公式和计算方法。
14 无穷级数 数项级数、幂级数、泰勒级数和傅立叶级数等方面的知识。
15 微分方程 可分离变量方程、一阶线性方程、可降阶方程及常系数线性方程等方面的知识。
16 概率与数理统计 概率论部分，随机事件与概率、古典概率、一维随机变量的分布和数字特征等方面的知识。 数理统计部分，参数估计、假设检验、方差分析及一元回归分析等方面的基本知识。
2．热力学（考题比例 9% ）
21 气体状态参量、平衡态、理想气体状态方程、理想气体的压力和温度的统计解释。
22 功、热量和内能。
23 能量按自由度均分原理、理想气体内能、平均碰撞次数和平均自由程、麦克斯韦速率分布律。
24 热力学第一定律及其对理想气体等值过程和绝热过程的应用、气体的摩尔热容、焓。
25 热力学过程、循环过程。
26 热机效率。
27 热力学第二定律及其统计意义、可逆过程和不可逆过程、熵。
3．普通化学 （考题比例 14% ）
31 物质结构与物质状态 原子核外电子分布、原子与离子的电子结构式、原子轨道和电子云概念、离子键特征、共价键特征及类型。 分子结构式、杂化轨道及分子空间构型、极性分子与非极性分子、分子间力与氢键。 分压定律及计算。 液体蒸气压、沸点、汽化热。 晶体类型与物质性质的关系。
32 溶液 溶液的浓度及计算。 非电解质稀溶液通性及计算、渗透压概念。 电解质溶液的电离平衡、电离常数及计算、同离子效应和缓冲溶液、水的离子积及pH、盐类水解平衡及溶液的酸碱性。 多相离子平衡及溶液的酸碱性、溶度积常数、溶解度概念及计算。
33 周期律 周期表结构：周期与族、原子结构与周期表关系。 元素性质及氧化物及其水化物的酸碱性递变规律。
34 化学反应方程式，化学反应速率与化学平衡 化学反应方程式写法及计算、反应热概念、热化学反应方程式写法。 化学反应速率表示方法、浓度与温度对反应速率的影响、速率常数与反应级数、活化能及催化剂概念。 化学平衡特征及平衡常数表达式，化学平衡移动原理及计算，压力熵与化学反应方向判断。
35 氧化还原与电化学 氧化剂与还原剂、氧化还原反应方程式写法及配平。 原电池组成及符号、电极反应与电池反应、标准电极电势、能斯特方程及电极电势的应用、电解与金属腐蚀。
36 有机化学 有机物特点、分类及命名、官能团及分子结构式。 有机物的重要化学反应：加成、取代、消去、缩合、氧化、加聚与缩聚。 典型的有机物的分子式、性质及用途：甲烷、乙烷、苯、甲苯、乙醇、酚、乙醛、乙酸乙酯、乙胺、苯胺、聚氯乙烯、聚乙烯、聚丙烯酸酯类、工程塑料（ABS）、橡胶、尼龙66。
4 工程力学 （考题比例 15% ）
41 理论力学
411 静力学 平衡、刚体、力、约束、静力学公理、受力分析、力对点之矩、力对轴之矩、力偶理论、力系的简化、主矢、主矩、力系的平衡、物体系统（含平面静定桁架）的平衡、滑动摩擦、摩擦角、自锁、考虑滑动摩擦时物体系统的平衡、重心。 412 运动学 点的运动方程、轨迹、速度和加速度、刚体的平动、刚体的定轴转动、转动方程、角速度和加速度、刚体内任意一点的速度和加速度。 413 动力学 动力学基本定律、质点运动微分方程、动量、冲量、动量定律。 动量守恒的条件、质心、质心运动定理、质心运动守恒的条件。 动量矩、动量矩定律、动量矩守恒的条件、刚体的定轴转动微分方程、转动惯量、回转半径、转动惯量的平行轴定律、功、动能、势能、动能定理、机械能守恒、惯性力、刚体惯性力系的简化、达朗伯原理、单自由度系统线性振动的微分方程、振动周期、频率和振幅、约束、自由度、广义坐标、虚位移、理想约束、虚位移原理。
42 材料力学 （建议采用"结构"专业考试大纲"材料力学"科目的内容编写，但应简化以下内容）
421 轴力和轴力图、拉及压杆横截面和斜截面上的应力、强度条件、虎克定律和位移计算、应变能计算。 422 剪切和挤压的实用计算、剪切虎克定律、剪应力互等定理。 423 外力偶矩的计算、扭矩和扭矩图、圆轴扭转剪应力及强度条件、扭转角计算及刚度条件扭转应变能计算。 424 静矩和形心、惯性矩和惯性积、平行移轴公式、形心主惯矩。 425 梁的内力方程、剪力图和弯矩图， q、 Q 、M之间的微分关系、弯曲正应力和正应力强度条件、弯曲剪应力和剪应力强度条件、梁的合理截面、弯曲中心概念、求梁变形的积分法、迭加法和卡氏第二定理。 426 平面应力状态分析的数解法和图解法、一点应力状态的主应力和最大剪应力．广义虎克定律．四个常用的强度理论。 427 斜弯面、偏心压缩（或拉伸）拉-弯或压-弯组合，扭-弯组合。 428 细长压杆的临界力公式、欧拉公式的适用范围、临界应力总图和经验公式、压杆的稳定校核。
5 电工学 （考题比例 10% ）
51 电场与磁场：库仑定律、高斯定律、环路定律、电磁感应定律。
52 直流电路：电路基本元件、欧姆定律、基尔霍夫定律、叠加原理、戴维南定理。
53 正弦交流电路：正弦量三要素、有效值、复阻抗、单相和三相电路计算、功率及功率因素、串联与并联谐振。
54 安全用电常识。
55 RC和RL电路暂态过程：三要素分析法。
56 变压器和电动机：变压器的电压、电流和阻抗变换、三相异步电动机的使用、常用继电－接触器控制电路。
57 运算放大器：理想运放组成的比例，加法、减法和积分运算电路。
58 变频、调频基本知识。
6．流体力学（考题比例 8%）
61 流体的主要物理性质。
62 流体静力学。 流体静压强的概念。 重力作用下静水压强的分布规律、总压力的计算。
63 流体动力学基础。 以流体为对象描述流动的概念。 流体运动的总流分析、恒定总流连续性方程、能量方程和动量方程。
64 流体阻力和水头损失。 实际流体的两种流态-层流和紊流。 圆管中层流运动、紊流运动的特征。 沿程水头损失和局部水头损失。 边界层附面层基本概念和绕流损失。
65 孔口、管嘴出流，有压管道恒定流。
66 相似原理和量纲分析。
67 流体运动参数（流速、流量、压强）的测量。
7 计算机与数值方法 （考题比例 12% ）
71计算机基础知识：硬件的组成及功能、软件的组成及功能、数制转换。
72 Windows *** 作系统。
73 计算机程序设计语言 程序结构与基本规定、数据、变量、数组、指针、赋值语句、输入输出的语句、转移语句、条件语句、选择语句、循环语句、函数、子程序（或称过程）顺序文件、随机文件。 注：鉴于目前情况，暂采用FORTRAN语言。 74 数值方法 误差、多项式插值与曲线拟合、样条插值、数值微分、数值求积的基本原理、牛顿－柯特斯公式、复合求积、龙贝格算法。 常微分方程的欧拉方法、改进的欧拉方式、龙格－库塔方法、方程求根的迭代法、牛顿－雷扶生方法（Newton-Raphson）。 解线性方程组的高斯主元消去法、平方根法、追赶法。
8．工程经济概念 （考题比例 6% ）
81 熟悉基本原理和方法。 经济效果的评价方法和可比原理。 投资及生产成本的估算方法。 年费用、预期值、破损分析、现值、利-耗分析、价值和贬值。
82 熟悉投资方案的选择。 各类投资方案的选择方法。
83 熟悉设备更新的经济分析。 设备更新方案的原则。 设备经济寿命的确定方法。
84 了解技术经济预测方法。 预测方面的基本概念及各类预测技术。
85 了解投资风险与决策。 风险与决策的概念。 各种风险决策方法。
86 了解研究开发中的技术经济。 研究开发项目的各种评价方法。
9 职业道德 （考题比例 6% ）
91 熟悉工作人员的职业道德和行为准则（个人与同事,个人与单位,个人与用户的关系）。
专业基础考试科目和主要内容
1．物理化学（考题比例 20%）
掌握基本理论和概念,熟悉典型计算和应用。
11 气体的P、V、T性质 (如果在上午考试的"热力学"科目中已经包括,此项可以不列)。
12 热力学第一定律 (同上。)
13 热力学第二定律(同上)。
14 多组分系统热力学(同上,但本内容上午考试的"热力学"科目中不深)。
15 化学平衡：理想气体反应的化学平衡、实际反应的化学平衡。
16 相平衡：单组分系统二组分系统气液平衡、二组分系统液固平衡、三组分系统。
17 电化学：电解池、原电池和法拉第定律、电解质溶液、原电池、电解和极化。
18 表面现象：表面张力、润湿现象、弯曲液面的附加压力和毛细现象、固体表面的吸附作用、等温吸附、溶液表面的吸附、表面活性物质。
19 化学动力学基础:化学反应的速率方程、复合反应的速率与机理、反应速率理论。
110 各类特殊反应的动力学:溶液中反应和多相反应；光化学、催化作用。
111 胶体化学。 胶体分散系统及其基本性质、憎液溶胶的稳定与聚沉、乳状液、泡沫、悬浮液和气溶胶、高分子化合物溶液。
2 化工原理（考题比例 50%）
掌握基本理论和概念,熟悉基本单元设备的计算和应用, 熟悉化工原理典型系统和单元设备（精馏系统及板式精馏塔,气体吸收系统及填料吸收塔,换热系统及列管式换热器,干燥系统及干燥器）的工艺设计。 (在上午考试的"流体力学"科目中已经包括的一部分流体力学内容,不再重复列入在"化工原理"科目的考试内容中)。
21 流体输送机械 液体输送设备，离心泵、其他类型泵。 气体输送和压缩设备。
22 非均相物系的分离:流态化和气力输送沉降、过滤、流态化、气力输送。
23 液体搅拌 机械搅拌装置和混合机理:搅拌器的性能、搅拌功率、搅拌器的放大。
24 传热 热传导、两流体间的热量传递、对流传热系数、热辐射、换热器。
25 蒸发 蒸发设备：单效蒸发、多效蒸发。
26 气体吸收 气液相平衡、传质机理和吸收速率、吸收塔的计算、填料塔与填料。
27 蒸馏 二元系的气液平衡、蒸馏方式、二元系精馏的设计型计算、板式塔、多元系精馏。
28 固体干燥 湿空气的性质和湿度图、干燥器的物料衡算、干燥速率和干燥时间、干燥器。
29 液液萃取 概念及萃取 *** 作的流程和计算、萃取设备。
210 浸取 概念、设备及过程的计算。
3 过程控制 （考题比例 6%）
31 了解过程控制系统的基本概念、熟悉自动控制的组成并能根据工艺需要提出控制方案要求。
32 熟悉被控对象的特性。
33 熟悉工艺参数的特性及转换技术。 熟悉测量过程，熟悉四大工艺参数（压力、流量、温度、液位）的主要测量及转换方法、原理，了解常用仪表的基本工作原理、特点、性能指标、使用场合，了解误差分析。
34 显示仪表 了解自动电子电位差计的测量原理。 了解数字式显示仪表的基本组成及使用方法。
35 自动调节仪表 了解基本和常用调节规律的输入-输出的关系特性、特点及应用。
36 执行器 了解执行器的基本组成、气动薄膜调节阀的结构特点及应用。 了解调节阀的流量特性。 了解调节阀的气开、气关形式及控制器的正反作用的选择方法。
37 熟悉简单控制系统的工艺设计方案。
38 了解计算机控制系统的组成及特点，了解过程控制计算机接口技术的知识和过程控制计算机硬件、软件技术的知识。
4 化工设计基础（考题比例 15%）
41 工艺设计 了解工艺设计和工程设计涵义、类型及分类 ，不同设计阶段的工作内容及其主要工作顺序。 了解化工设计的前期工作内容、工作顺序和具体要求，厂址选择、项目建议书、可行性研究和设计任务书。 了解化工工艺设计基础资料收集、设计方案的编制,工艺计算的内容和要求,熟悉物料衡算和能量衡算的基本方法。 了解化工工艺流程设计,明确工艺流程设计的主要任务（技术合理性）,了解工艺流程设计的方法和工艺流程图的绘制。 了解车间的平、立面布置图，理解设备布置的基本内容，工艺、建筑、设备对车间布置的基本要求和应综合考虑的事项。 了解管道布置图和管道布置设计的一般要求和基本规范，熟悉管道常用配件、各种管子和阀门的规格材料、性能及用途。 了解工艺对相关专业（化工设备和机械、过程控制、土建、公用工程等）设计的一般性工程知识和设计所提要求的基本内容。 了解工艺设计说明书的编写内容和要求。
42 工艺设计安全 熟悉工艺设计安全性涉及的安全因素。 了解消防、防爆、防毒、劳动安全卫生的基本内容和一般性要求，以及应遵循的基本规范。
43 工艺设计经济分析 熟悉工艺设计经济合理性应分析的因素,基本内容和一般性要求。 了解设计方案评价的要求和准则，评价的一般方法 。
5 化工污染防治（考题比例 9%）
51 环境污染控制原则 熟悉工业污染控制的基本原则，综合利用知识。
52 废水处理 了解废水处理的一般方法。 了解非均相废水的处理技术和有机废水的生物处理技术、焚烧知识。
53 废气处理 了解化工废气处理的一般方法 。 了解废气中颗粒污染物的净化技术以及气态污染物的吸收、吸附、催化转化等净化技术和焚烧知识。
54 废渣处理 了解固体废物处理处置的一般方法。 了解固体废物预处理技术、污泥浓缩和脱水，有关固化、热解、焚烧技术知识。
55 环境噪声控制 了解噪声控制基本概念，声源性质、声压和声速的表示方法,声场中的能量关系。 了解噪声控制的一般方法、吸声、隔声和消声器基本知识。 了解工业区和居民区等各类场所噪声控制的范围和要求。
[编辑本段]注册化工工程师执业资格专业考试大纲
1．物料、能量平衡 （试题比例为16%）
掌握工艺过程的物料、能量平衡设计分析方法及对系统和单元设备计算技能。
11 工业过程和化工过程的物料、能量（包括损耗）分析，化学反应式。
12 过程计算和物料平衡、能量平衡，过程质量守恒和能量守恒定律。
2．热力学过程 （试题比例为10%）
掌握热力学过程设计分析方法，以及对系统和单元设备计算技能。
21 物质的物理和化学性质：物质的物理性质的估算和换算，理想气体和混合气体，溶液性质。
22 热力学第一定律和能量：工业应用的基本设计知识和计算技能，包括相平衡、相图、潜热、PVT数据和关系、化学热平衡、反应热、燃烧、热力学过程、蒸发和结晶、热能综合利用、蒸汽和冷凝水平衡。
23 热力学第二定律和熵：工业应用的基本设计知识和计算技能。
24 动力循环：制冷和热泵。
3．流体流动过程（试题比例为14%）
掌握主要类别流动过程的设计分析方法，工业应用及对系统和单元设备计算技能。
31 伯努利方程应用，如管道水力计算、通过床层的流体流动、两相流等。
32 流体输送机械工艺参数的计算。
33 固体输送、筛分和粉碎。
34 气、液、固分离。
4．传热过程 （试题比例为14%）
掌握传热过程设计分析方法，工业应用及对系统和单元设备工艺计算技能。
41 能量守恒理论知识和在工业实际问题中的应用。
42 传导、对流、辐射热传递过程的分析、计算。
43 热交换器的工艺设计。
5．传质过程 （试题比例为14%）
掌握传质过程设计分析方法,工业应用及对系统和单元设备计算技能。
51 质量平衡理论知识和在工业应用中的计算技能。
52 对吸收、吸附、解吸、蒸馏、干燥、萃取、增湿和除湿等过程的分析和计算。
6．化学反应动力学（试题比例为6%）
掌握工业实现化学反应过程的设计分析，工业应用及对系统和单元设备计算技能。
61 化学反应动力学基本原理及工业应用。
62 化学反应器类型比较和选择。
63 化学反应器的工艺计算及分析：依据速率模型和/或产品分布（停留时间分配和相应转化率）来设计工业反应器，理想等温反应器（单级和多级间歇式反应器、活塞流反应器和连续搅拌罐式反应器）及单一绝热和非等温的单相和多相反应的反应器分析。
64 反应器的工艺控制。
7．化工工艺设计（试题比例为10%）
掌握化工装置工艺设计方法和技能。
71 工艺方案优化设计。
72 工艺流程图（PFD）。
73 设计压力和设计温度的确定。
74 能耗计算。
75 设备（容器、热交换器、塔器、泵、风机、压缩机等）工艺参数的确定；了解特殊制造要求、材料性质及防腐蚀要求。
76 过程控制（检测、分析、指示和控制）方案的确定。
77 熟悉工艺装置中的消防、劳动安全卫生、环境保护法规和应用。
8．化工工艺系统设计（试题比例为10%）
掌握化工装置工艺系统设计方法和技能。
81 装置内工艺和公用工程管道及仪表流程图（PID、UID）。
82 系统阻力降分析，管道中可压缩流体和不可压缩流体的阻力计算，管道、阀门的噪声控制，设备的接管要求，机泵压差要求。
83 阀门和安全阀、爆破片、限流孔板、阻火器等的设置原则及有关数据表；管道数据表。
84 设备标高和泵的净正吸入压头（NPSH）。
85 熟悉工厂的设备布置设计要求。
86 熟悉工厂的管道布置要求，熟悉设备、管道的绝热和涂漆要求。
87 通用安全分析方法，熟悉HAZOP（危险与可 *** 作）分析和故障树形图分析、列表法。
9．工程经济分析（试题比例为3%）
熟悉在工程项目中运用工程经济分析方法的技能。
91 工程造价基本知识，技术经济分析的有关数据及评价方法,设计方案评价的要求和准则。
92 费用组成分析、工程定额和工程量计算规则。
93 了解概算、预算和成本估算方法。
10．化工工程项目管理（试题比例为3%）
熟悉化工工程项目管理，熟悉我国有关基本建设法律法规。
101 工程招标形式和程序，投标程序和策略，工程中标条件和评价方法，工程承包合同管理，工程成本和资源控制，工程索赔。
102 工程项目管理概念和基本知识。
103 工厂设计知识（内容、程序和阶段），我国有关基本建设法律法规。
104 本专业在工程项目实施各阶段（咨询、项目前期工作、报价、设计、采购、施工、监理、开车等）的职责、工作程序、文件内容和表达深度。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）