监理18年下选择题真题解析

简介: 46

B

A B 开发阶段包括系统分析 设计 实施 验收等工作

B

C

A DNS功能 负载均衡IP就近访问 主机健康检查 网络健康检查 集中和分布式域名解析 支持多ISP接入应用 易管理性 与不同操作系统和网络环境兼容

D C接入层交换机功能 适应恶劣环境 满足建设网络要求 有性价比 相对于Voip做到透明的程度,对VOIP网路线路不能产生影响 支持组播,满足多媒体和视频流要求 支持SNMP RMON等网管协议 支持远程管理 指出IEEE 802.1P 使得QoS有保证 可以利用 IEEE802.1Q VLAN中继线路架构在任何端口创建VLAN中继线路,因而保证VPN功能 所有端口支持802.1x用户认证功能

C B IMAP邮件访问协议,主要作用是获取邮件下载邮件 处于应用层

B D

C

D

错4

A D 网络传输系统包括 布线系统 数字序列 有线电视

D C NAS是为了作为文件服务器设的设备 姜独立数据整合为大型的数据中心 便于不同主机访问的技术

D 强调随装随测要求,保障施工质量 加快施工速度

D 线槽直埋长度超过6m设置拉线盒 便于布放线缆和维修 做好防水 按一层两层设置的应预埋至少两根以上

C B 过线盒必须有支架卡关固定 路径每根暗管转弯角不能有 SZ弯出现 暗管用金属管 预埋在墙体中间的暗管内径不宜超过50mm 明敷管路采用丝扣连接或压扣连接 暗管用焊接

A VPN技术机制 数据安全性 隧道机制 QOS保证 不透明包传输

A 漏洞扫描 支持入侵检测系统联动 灵活的时间和规则自定义功能 快速检索事件和规则信息功能

D

B软件管理和工程文档化、标准化,并综合成该组织的标准软件过程。 所 有项目均使用经批准、裁剪的标准软件过程来开发和维护软件。属于第三级 已定义级

D 软件配置管理过程满足要求 有效性 可见性 可控性

错3

D C测试团队在集成项目的软件详细设计阶段编写单元测试计划

C 集成测试通常由承建单位组织实施

A 软件维护主要分为:纠正性维护、适应性维护、预防性维护、完整性维护。

D 面向对象的模型包括 用例模型 类对象模型 对象-关系模型

D B 面向对象系统设计内容 用力设计、类设计、子系统设计

B

A

B 发起人修改或发布项目章程

C D 项目进度管理计划常用工具 甘特图 关键路径 计划评审技术  挣值分析是成本控制

A

错3

D 质量 进度 投资 变更

C

B

C A信息化工程监理规范 GB19668.1-2014

B 量不大工期短风险不大 总价合同 对甲方是优势

A D 合同管理 履约管理的重点是索赔管理

C

B C 系统缺陷导致无法满足应用属于技术资源风险

B

C A编制监理实施细则按专业分工编制是最常用且易组织的方式

错4

B D监理规划步骤  规划信息的收集与处理 项目规划目标确认 确定监理工作 工作分解 PDCA

A C 信息系统工程的实体、功能使用价值各方面都列入质量目标范围 质量控制贯穿全过程  

C 项目的质量保证计划 在承建单位的质量保证计划的基础上建立起来

C 易于纠偏质量控制点

A

C 质量技术有法律效力的都需要总监一人签字

B D不影响紧后最早的开始时间 自由时差 最早开始-紧前最早完成

C

A承建单位写项目进度计划报审表 报送监理单位

D B 实施阶段 设差承建单位施工进度计划 确认满足项目控制进度计划要求 研制定预防工期索赔措施 做好工期索赔处理 实施阶段不签署开工控制,早就完成了

错4

D

1. ‌基础公式:EAC = AC + ETC‌

‌解释‌:实际成本(AC)加上剩余工作的重新估算成本(ETC)。适用于原始预算(BAC)完全失效或项目条件发生重大变化的情况。

‌示例‌:若项目已花费25万美元(AC),剩余工作需重新估算为9.6万美元(ETC),则EAC = 25 + 9.6 = 34.6万美元。

2. ‌典型偏差公式:EAC = BAC / CPI‌

‌解释‌:预算总成本(BAC)除以成本绩效指数(CPI)。假设当前成本偏差将持续到项目结束(CPI稳定),适用于最常见的考试或实际项目场景。

‌示例‌:若BAC为500万美元,CPI为0.8(成本超支),则EAC = 500 / 0.8 = 625万美元。

3. ‌非典型偏差公式:EAC = AC + (BAC - EV)‌

‌解释‌:实际成本加上剩余预算(BAC - 挣值EV)。假设当前偏差是特例,未来将按原计划执行。

‌示例‌:若AC = 100万,BAC = 500万,EV = 200万,则EAC = 100 + (500 - 200) = 400万。

4. ‌综合绩效公式:EAC = AC + [(BAC - EV) / (CPI × SPI)‌

‌解释‌:实际成本加上经成本和进度绩效(CPI与SPI)调整的剩余预算。适用于成本和进度同时偏差且需综合考量的复杂场景。

‌示例‌:若AC = 100万,BAC = 500万,EV = 200万,CPI = 0.8,SPI = 0.9,则EAC = 100 + (300 / 0.72) ≈ 516.7万。

其他变体公式

‌EAC = AC + (BAC - EV) / CPI‌:仅考虑成本偏差的未来影响(CPI调整剩余预算)。

‌EAC = AC + (BAC - EV) / (CPI × SPI√2)‌:对综合绩效公式的修正,假设偏差影响随时间减弱。

‌关键术语‌:

‌AC(Actual Cost)‌:实际已发生成本。

‌BAC(Budget at Completion)‌:项目总预算。

‌EV(Earned Value)‌:已完成工作的预算成本。

‌CPI(Cost Performance Index)‌ = EV / AC,成本绩效指数。

‌SPI(Schedule Performance Index)‌ = EV / PV,进度绩效指数。

C 成本控制不能脱离技术和进度独立存在 基础是事先对项目进行成本预算 确保各项任务在预算范围内进行 事前事后都控制

B

A B竣工结算成本计划执行审核内容 设计变更是否有设计部门和监理工程师的变更设计手续  竣工的额外支出要有财务部门、监理工程师和甲方的签证手续

D A 信息系统变更 政府规定新的技术规范 总体设计和需求不够周密详细 新技术出现提出新的设计方案 建设方换人了需要变更,和监理单位、承建单位是否换人无关

C

C 变更控制系统包括 配置管理 变更控制委员会CCB 变更沟通产生的信息

B A合同管理原则 实时纠偏、充分协商、公正处理

A B索赔是建设、承建、监理三方的利益体现  经济补偿、不可抗力也可索赔

D 知识产权 重点保护建设单位的知识产权

错4

B 信息系统安全管理 关键任务保证两人以上完成

D A自然老化失效破坏了信息网络系统的可用性 不能用了

A 计算机机房建在第三层到第六层

D 变更初审之后需要三方确认后实施

C B月报内容 工程概况 工程质量控制 工程进度控制 管理协调 下月监理计划 监理总评价 改制尽管夏总

A C总结报告工程质量综述包括 测试结论、质量事故、模块修改过程

A 只在核定业务范围内工作数据组织协调的合法合规

D 增加交往频率属于时空上的接近

A 监理单位在准备阶段了解建设单位需求,协助建设单位在确定招标方式 招标过程提出建议

D 突发的紧急的都要开监理专题会

错2































目录
相关文章
|
4月前
|
Web App开发
|
5月前
|
人工智能 JSON 自然语言处理
除了MCP我们还有什么?
本文详细描述 agents.json ,涵盖了其背景、工作原理、与 OpenAPI 的关系等内容。
464 94
除了MCP我们还有什么?
|
4月前
|
人工智能 前端开发 JavaScript
打造一款响应式图片画廊
这段内容介绍了使用 CodeBuddy 辅助开发一个响应式图片画廊页面的过程。项目采用了 CSS Grid 和 Masonry 布局实现不等高图片排列,通过 Lightbox 实现大图预览与键盘切换,并加入了无限滚动加载和分类筛选功能。在开发中,CodeBuddy 提供了从 HTML 结构到交互逻辑的全面支持,帮助解决了布局空白、图片自适应等问题,展现了 AI 助手在前端开发中的高效辅助能力。
107 12
|
4月前
|
机器学习/深度学习 人工智能 算法
智创 AI 新视界 -- 提升 AI 推理速度的高级方法(16 - 2)
本文深度聚焦提升 AI 推理速度,全面阐述模型压缩(低秩分解、参数量化)、硬件加速(GPU、TPU)及推理算法优化(剪枝感知推理、动态批处理)。结合图像识别等多领域案例与丰富代码示例,以生动形象且专业严谨的方式,为 AI 从业者提供极具价值的技术指南,助力突破 AI 推理速度瓶颈,实现系统性能跃升。
|
4月前
|
存储 人工智能 安全
MCP 规范新版本特性全景解析与落地实践
MCP Specification 在 2025-03-26 发布了最新的版本,本文对主要的改动进行详细介绍和解释
1222 145
|
5月前
|
人工智能 自然语言处理 供应链
为什么一定要做Agent智能体?
作者通过深入分析、理解、归纳,最后解答了“为什么一定要做Agent”这个问题。
1058 41
为什么一定要做Agent智能体?
|
4月前
|
数据采集 存储 人工智能
智创 AI 新视界 -- 优化 AI 模型训练效率的策略与技巧(16 - 1)
本文深度聚焦 AI 模型训练效率优化,全面涵盖数据预处理(清洗、归一化、增强)、模型架构(轻量级应用、剪枝与量化)、训练算法与超参数调优(自适应学习率、优化算法)等核心维度。结合自动驾驶、动物图像识别、语音识别等多领域实际案例,佐以丰富且详细的代码示例,深度剖析技术原理与应用技巧,为 AI 从业者呈上极具专业性、可操作性与参考价值的技术宝典,助力高效优化模型训练效率与性能提升。
智创 AI 新视界 -- 优化 AI 模型训练效率的策略与技巧(16 - 1)
|
4月前
|
人工智能 PyTorch 算法框架/工具
ACK AI Profiling:从黑箱到透明的问题剖析
本文从一个通用的客户问题出发,描述了一个问题如何从前置排查到使用AI Profiling进行详细的排查,最后到问题定位与解决、业务执行过程的分析,从而展现一个从黑箱到透明的精细化的剖析过程。
|
4月前
|
IDE 搜索推荐 程序员
《CodeBuddy:像哆啦A梦一样智能的编程助手》
本文介绍腾讯云代码助手CodeBuddy——智能编程伙伴,宛如哆啦A梦般的存在。它具备智能辅助、个性化学习、多场景适配等优势,支持主流IDE与多种编程语言,保护代码隐私并开源透明。通过上下文理解、实时错误检测等功能提升开发效率;根据编码风格优化建议,构建知识图谱。下载链接提供,安装后即可在IDE中使用,助你成为更高效的开发者。
428 17
《CodeBuddy:像哆啦A梦一样智能的编程助手》
|
4月前
|
存储 NoSQL 算法
Redis设计与实现——数据结构与对象
Redis 是一个高性能的键值存储系统,其数据结构设计精妙且高效。主要包括以下几种核心数据结构:SDS、链表、字典、跳跃表、整数集合、压缩列表。此外,Redis 对象通过类型和编码方式动态转换,优化内存使用,并支持引用计数、共享对象和淘汰策略(如 LRU/LFU)。这些特性共同确保 Redis 在性能与灵活性之间的平衡。