34 resultados para Industrial organization.
Resumo:
[ES] El conjunto industrial achelense de Puyo (Lannemezan, Hautes-Pyrénées), descubierto por G. Laplace en 1954 en posición estratigráfica rissiense, está compuesto por 360 ejemplares líticos tallados en cuarcita local. Este efectivo industrial se reparte entre: 218 piezas retocadas (en las que se han definido 226 tipos primarios), 136 lascas y 6 núcleos. Tecnológicamente, la mayor parte de las industrias parecen estar en relación con un debitado sobre yunque; técnica de talla que ha procurado unas lascas con unos atributos muy específicos, en las que, en varios casos, son más que evidentes sus analogías morfológicas con los "hachereaux". En este sentido, la elevada presencia de "hachereaux" bien formateados y de otras piezas hacheroides más elementales, menos elaboradas, así como de varias formas particulares de utillaje macrolítico (ojivas, puntas), nos ha llevado a plantear una propuesta de definición y clasificación analítica particular para estos temas. La contribución global de estas piezas macrolíticas es superior a la de los útiles convencionales o más habituales. Por último, en lo que concierne a la valoración tipológica, este original complejo achelense está definido esencialmente, además de por los más numerosos tipos hacheroides, por una casi similar presencia de denticulados y una importante contribución de puntas carenoides. Más complementariamente, deben estimarse las aportaciones de ojivas y raederas, y son francamente minoritarios los restantes grupos tipológicos considerados (de cantos tallados, truncaduras, puntas planas, abruptos, raspadores, "becs", fragmentos de piezas bifaciales indeterminadas y "écaillés").
Resumo:
375 p.
Resumo:
In multisource industrial scenarios (MSIS) coexist NOAA generating activities with other productive sources of airborne particles, such as parallel processes of manufacturing or electrical and diesel machinery. A distinctive characteristic of MSIS is the spatially complex distribution of aerosol sources, as well as their potential differences in dynamics, due to the feasibility of multi-task configuration at a given time. Thus, the background signal is expected to challenge the aerosol analyzers at a probably wide range of concentrations and size distributions, depending of the multisource configuration at a given time. Monitoring and prediction by using statistical analysis of time series captured by on-line particle analyzers in industrial scenarios, have been proven to be feasible in predicting PNC evolution provided a given quality of net signals (difference between signal at source and background). However the analysis and modelling of non-consistent time series, influenced by low levels of SNR (Signal-Noise Ratio) could build a misleading basis for decision making. In this context, this work explores the use of stochastic models based on ARIMA methodology to monitor and predict exposure values (PNC). The study was carried out in a MSIS where an case study focused on the manufacture of perforated tablets of nano-TiO2 by cold pressing was performed
Resumo:
210 p.