CC BY
31УДК 666.972:539.2
Л.И. ЕВЕЛЬСОН, канд. техн. наук (levelmoscow@mail.ru), Н.П. ЛУКУТЦОВА, д-р техн. наук (natluk58@mail.ru), А.А. ПЫКИН, канд. техн. наук (alexem87@yandex.ru), Д.В. РОТАРЬ, инженер (lord32@inbox.ru), С.С. КУЗНЕЦОВ, студент, Р.А. ЕФРЕМОЧКИН, студент
Брянский государственный инженерно-технологический университет (241037, г. Брянск, пр-т Станке Димитрова, 3)
Изучение статистической устойчивости результатов фрактального моделирования на примере структуры наномодифицированного бетона
Представлены результаты исследований по влиянию увеличения электронного микроскопа на основные фрактальные характеристики микроструктуры наномодифицированного бетона (НБ). Изучены образцы бетона с наномодификаторами, полученными ультразвуковым диспергированием в водной среде ПАВ. С помощью компьютерной программы ImageJ совместно с плагином FracLac определены фрактальная размерность и лакунарность. Выполнена обработка полученных выборок в MS EXCEL. Анализ показал инвариантность фрактальной размерности и высокую изменчивость лакунарности по отношению к увеличению фотоснимков структуры наномодифицированного бетона. Сформулирован вывод о целесообразности применения мультифрактального анализа.
Ключевые слова: наномодифицированный бетон, микроструктура, фрактальные характеристики.
L.I. EVEL'SON, Candidate of Sciences (Engineering) (levelmoscow@mail.ru), N.P. LUKUTTSOVA, Doctor of Sciences (Engineering) (natluk58@mail.ru), A.A. PYKIN, Candidate of Sciences (Engineering), D.V.ROTAR', Engineer, S.S. KUZNETSOV, Student, R.A. EFREMOCHKIN, Student Bryansk State Technological University of Engineering (3, Stanke Dimitrova Avenue, Bryansk, 241037, Russian Federation)
Study of Statistical Stability of the Results of Fractal Modeling by the Example of Nano-Modified Concrete Structure
The paper describes the study of the effect of electron microscope magnification when photographing nano-modified material microstructure (NM) on the main fractal characteristics. The NM samples with several nano-modifiers (metakaolin, biosiliphycated nanotubes, titanium dioxide) were investigated. The objective of the study is to estimate the main statistical characteristics of the results of fractal modeling when changing the magnification of material microstructure images. The pictures of microstructures with different magnification, representing a wide range of values, were taken for the enumerated nano-modifiers. Then using the computer programme ImageJ and the plugin FracLac, the fractal dimension and lacunarity were determined for each picture. After that the samples were processing in MS EXCEL. The spot means, variances, mean-square deviations and coefficients of variation were detected. The analysis showed the invariance of fractal dimension and lacunarity of high variability regarding the magnification of material microstructure images.
Keywords: nano-modified material, microstructure, fractal characteristics.
В статье [1] был предложен подход к применению фрактального моделирования для параметрической оптимизации наномодифицированного бетона (НБ). В качестве целевой функции принимался предел прочности бетона при сжатии. Поиск сочетания значений управляющих факторов, соответствующего максимуму предела прочности, осуществлялся методом регрессионной квадратичной аппроксимации, предложенным ранее одним из авторов [2, 3]. Фрактальные характеристики структуры НБ при этом включались в состав управляющих факторов. В этом случае, согласно концепции метода, изменчивость этих характеристик должна быть значительно ниже, чем статистическая изменчивость целевой функции. В настоящей статье основное внимание уделялось увеличению при фотографировании, т. е. предпроцессорному параметру по отношению к фрактальному моделированию. Объектом исследования являлся бетон с включенными в его состав различными наномодификаторами (НМ). Предметом исследования выступали некоторые фрактальные характеристики и увеличение при фотографировании структуры материала электронным микроскопом. Массовое соотношение цемента и песка, водоцементное отношение, содержание НМ и другие физические входные факторы системы принимались одинаковыми для разных НМ. В качестве физического выхода системы рассматривался предел прочности при сжатии для бетонной смеси, твердевшей в течение 28 сут. По сравнению с работами [4, 5], в которых рассматривались вопросы влияния на фрактальные характеристики главным образом параметров алгоритмов обработки изображений, в настоящей статье описывается зависимость фрактальных характеристик от увеличения снимков.
The article [1] proposed an approach to the use of fractal modeling for parametric optimization nanomodified concrete. The objective function was the compressive strength of concrete. The search of a combination of values of the control factors corresponding to the maximum compressive strength was performed by regression quadratic approximation, earlier proposed by one of the authors [2, 3]. Fractal characteristics of the NM structure were included in the control factors. In this case, according to the concept of the method, the variability of these characteristics should be substantially lower than the statistical variability of the objective function. This article focuses on the image magnification, that is preprocessing option with respect to fractal modeling. The object of the study was the concrete with different nano-modified additives. The subject of the study became some fractal characteristics and electron microscope magnification when taking images of material microstructure. The weight ratio of cement and sand, water-cement ratio, the content of NM and other physical input factors were believed the same for different NM. The compressive strength for concrete mix of 28 days was considered a physical output of the system. Compared with the work [4, 5], describing mainly the effect of the parameters of image processing algorithms on the fractal characteristics, this article deals with the dependence of fractal characteristics on image magnification.
Fig. 1 shows the sample pictures of nano-modified concrete microstructure, taken with different electron microscope magnifications. Visually, these pictures differ greatly.
The samples separately for each nano-modifier are formed from the fractal characteristics found in some pictures. To determine the degree of image magnification influence, fractal dimension and lacunarity were chosen from a wide variety of fractal characteristics. In the papers [1, 4] it
На рис. 1 представлены примеры фотографий микроструктуры наномоди-фицированного бетона, сделанные при разных увеличениях, даваемых электронным микроскопом. Визуально эти фотографии сильно различаются.
Из найденных по ряду фотографий фрактальных характеристик формируются выборки по каждому виду НМ. В работах [1, 4] предлагалось связать информационно концентрации наномо-дификаторов, технологические параметры и другие эндогенные факторы с фрактальными характеристиками и выходными прочностными величинами. В проводившихся в рамках настоящей работы расчетах изучались, прежде всего, две фрактальные характеристики микроструктуры наномодифицированных бетонов: фрактальная размерность D и лакунарность L. Для вычисления по фотографиям этих характеристик использовалась программа ImageJ (http:// imagej.net/Welcome) с плагином FracLac (http://imagej.nih. gov/ij/plugins/fraclac/ FLHelp/Introd).
Далее использовалась фрактальная размерность по Минковскому [6] — один из способов задания фрактальной размерности ограниченного множества в метрическом пространстве, определяется следующим образом:
D lim lnN(£) = lim
lnN(e), (1) £->о ln/e *-><>-In е где N(e) — минимальное число множеств диаметра е, которыми можно покрыть исходное множество.
Если предел не существует, то рассматривают верхний и нижний пределы и говорят соответственно о верхней и нижней размерности Минковского.
В вышеупомянутом программном обеспечении, применявшемся авторами для фрактального моделирования, путем выбора соответствующих настроек можно реализовать тот или иной алгоритм вычисления фрактальной размерности. В данном случае использовался алгоритм определения фрактальных размерностей по box-count (BC) методу, при котором изображение разбивается сеткой на ячейки заданных размеров. Сканирование изображения осуществляется за несколько циклов, при этом на каждом последующем цикле размеры ячеек сетки увеличиваются.
Вторая рассматривавшаяся фрактальная характеристика — лакунарность является мерой неоднородности заполнения пространства объектом. Чем выше лакунарность, тем больше в изучаемом распределении имеется пустых областей [6]. Мерой лакунарности (L) в использованной программе является изменение плотности изображения при сканировании сеткой с ячейками различных размеров. Таким образом, лакунарность зависит от размера ячейки сетки (е) и, очевидно, позиции сетки (g). Для ее расчета используется следующая формула:
(1)
ь = Ш)2,
где о — стандартное отклонение массы (для бинарного изображения — количество пикселей) фрактального агрегата в ячейках сетки заданного размера в; Ц — среднее значение массы агрегата в ячейках заданного размера е. Лакунарность определяется по наклону регрессионной линии в координатах (—1пе) — 1^.
Рис. 1. Фотографии микроструктуры НБ при различном увеличении Fig. 1. Pictures of the microstructure with different magnification
was proposed to connect concentration of nanomodifiers, technological parameters and other endogenous factors with the output strength values. To calculate the fractal dimension and lacunarity from the pictures, the program ImageJ (http:// imagej.net/Welcome) with plugin FracLac (http://imagej. nih.gov/ij/plugins/fraclac/FLHelp/Introd) was used.
Two fractal characteristics of the microstructure of nano-modified concrete: the fractal dimension D and lacunarity L. were primarily examined in the calculations in the framework of the present study.
Further the fractal dimension of Minkowski [6] is used as one of the ways to set fractal dimension of the bounded set in a metric space which is determined as follows:
In/8 =->0-1118 where N(e) is minimum number of sets of e diameter, which can cover the initial set.
If the limit does not exist, the upper and lower limits are taken in mind, and the upper and lower dimensions of Minkowski are spoken of.
A particular algorithm for calculating the fractal dimension can be implemented in the above-mentioned software used in fractal modeling by selecting the appropriate settings. In this case, the algorithm for the determination of fractal dimensions was used by the box-count (BC) method, according to which the image is divided into cells of the defined size. Scanning an image is carried out for a few cycles, increasing the cell sizes with each subsequent cycle.
The second fractal characteristics considered is lacunarity, being a measure of heterogeneity of space filling with the object. The higher lacunarity is, the more blank spaces in the studied distribution there are [6]. The measure of lacunarity (L) in the used program is the change in the image density by net scanning with the cells of various sizes. Thus, lacunarity depends on the size of the cell (e) and,
(2)
f/r- научно-технический и производственный журнал
Рис. 2. Микроструктура наномодифицирован-ного бетона с добавлением диоксида титана Fig. 2. A picture of the concrete microstructure with the titanium dioxide nano-additive
Рис. 3. Вид микроструктуры после бинаризации в программе ImageJ Fig. 3. The result of binarization in ImageJ
Рис. 4. Вид микроструктуры после выделения контуров (результат процедуры Outline) Fig. 4. The result of Outline processing
На рис. 2 представлен снимок микроструктуры бетона с добавкой НМ диоксида титана, полученный электронным микроскопом.
В соответствии с применявшейся методикой, до анализа структуры с помощью плагина FracLab, нужно произвести бинаризацию изображения, т. е. сделать его черно-белым. Для этого воспользуемся встроенным инструментом Make Binary программы ImageJ. Результат бинаризации представлен на рис. 3.
Далее выполнялась процедура, выделяющая контуры закрашенных областей. Для этого использовался инструмент Outline. Результат представлен на рис. 4.
В результате вычислений были получены фрактальные характеристики, представленные в табл. 1.
В табл. 2 представлены результаты расчета основных статистических характеристик указанных в табл. 1 выборок: дисперсия, среднеквадратическое отклонение и коэффициент вариации.
Анализ результатов, содержащихся в табл. 1 и 2, показывает, что увеличение, при котором получены фотоснимки структуры, слабо влияет на фрактальную размерность и это влияние немонотонно. По всем выборкам коэффициент вариации фрактальной размерности не превысил 2%. По лакунарности изменчивость при варьировании увеличения очень высока, явной тенденции (вида зависимости) не обнаруживается. Для разных НМ значения лакунарности также сильно различаются, но на фоне большого разброса при варьировании увеличения не получается сделать вывод о значимости этого различия — требуется провести дисперсионный анализ на больших объемах данных. В предыдущих исследованиях введение НМ во многих случаях (например, волла-стонит, серпентинит и др.) приводило к увеличению фрактальной размерности и уменьшению лакунарности по сравнению с контрольными образцами без НМ. В целом вопрос по лакунарности нуждается в дополнительном исследовании. Пока можно только констатировать высокую чувствительность лакунарности и низкую чувствительность фрактальной размерности, в частности к увеличению фотоснимков структуры материала.
Далее было произведено сопоставление полученных результатов с найденными ранее из реальных испытаний и замеров физических характеристик (предел прочности при сжатии после 28 сут и пористость) исследовавшихся наномодифицированных бетонов [7—10]. Результаты приведены в табл. 3—9.
Как видно из табл. 3—9, непосредственно прямую связь, инвариантную относительно увеличения снимков, между двумя рассматривавшимися фрактальными характеристиками и двумя физическими установить
obviously, on the cell location (g). The following formula is used for its calculation:
£ = (°A02, (2)
where a is the standard weight deviation (the number of pixels are for binary images) of fractal aggregates in the cells of the given size e; is the average aggregate weight in the cells of the given size e. Lacunarity is determined from the slope of the regression line in the coordinates (—1m) — lnZ.
Fig. 2 shows an electron microscope picture of the concrete microstructure with the titanium dioxide nano-additive.
In accordance with the methodology, before the structure analysis with the plugin FracLab an image binarization (monochrome image) should be made. In this case the built-in tool Make Binary of ImageJ is used. The binarization result is shown in Fig. 3.
Then the contours of the painted segments were enhanced with the tool Outline. The result is shown in Fig. 4.
As a result of the calculation, fractal characteristics were obtained. They are shown in Table 1.
Table 2 shows the computed results of the basic statistical characteristics of the samples specified in Table 1: variance, mean-square deviation and coefficient of variation.
The analysis of the results in Tables 1 and 2 shows that the magnification of these structure images has little effect on the fractal dimension, and this influence is not monotonous. The variation coefficient of fractal dimension did not exceed 2% in all samples. By lacunarity, changeability by varying magnification is very high; the distinct tendency (dependence) is not detected. Lacunarity also varies greatly for different na-no-modifiers. But it is impossible to make a conclusion concerning the importance of this difference on the background of the large spread at varying magnification. The variance analysis on the basis of large data volumes is needed. In the previous studies, the addition of nano-modifiers (e. g., wol-lastonite, serpentinite and others) led in many cases to an increase in the fractal dimension and decrease in lacunarity as compared to control samples without nano-modifiers. In general, the lacunarity problem needs further study. In particular, high sensitivity of lacunarity and low sensitivity of fractal dimension to the magnification of the material structure images can be just only stated for the time being.
Then, the obtained results were compared with those taken from the earlier actual tests and measurements of physical characteristics of the investigated nano-modified materials (the compressive strength in 28 days and porosity) [6—15]. The results are shown in Tables 3—9.
As it can be seen from Tables 3—9, it is difficult to establish a direct link, invariant with respect to image magnification, between the two fractal characteristics considered and
Таблица 1 Table 1
Наномоди-фикатор Nano-modifier Масштаб (увеличение фотоснимка) Scale (image magnification) Фрактальная размерность Fractal dimension Лакунарность Lacunarity Среднее арифметическое фрактальной размерности Arithmetic mean of fractal dimension Среднее арифметическое лакунарности Arithmetic mean of lacunarity
100X 1,9087 0,0074
500X 1,8882 0,0106
1 ^ о 1кх 1,9108 -0,0093
§ jg % t 3кх 1,9106 0,0043 1,889 -0,0013
5кх 1,898 0,0095
10кх 1,8868 0,0014
50кх 1,8202 -0,033
100X 1,9072 0,018
( s 500х 1,9076 0,0108
1кх 1,9117 0,0028
5 " -g 3кх 1,9111 -0,0167 1,8987 -0,0002
SlCÛ Ш Ш m 5кх 1,9226 0,0117
10кх 1,8857 0,0074
50кх 1,8453 -0,0354
100х 1,898 0,0102
ш œ 500х 1,8917 0,0183
¡5 X s ° 1кх 1,8906 0,0001
1- Q Si £ 3кх 1,8976 0,0074 1,8844 -0,0589
"F § Ü 5кх 1,8858 -0,0029
ci i- 10кх 1,8735 -0,0422
50кх 1,8597 -0,403
Таблица 2 Table 2
Наномоди-фикатор Nano-modifier Дисперсия фрактального размера Variance of fractal dimension Дисперсия лакунарности Variance of lacunarity Среднее квадратичное отклонение фрактального размера Mean-square deviation of fractal dimension Среднее квадратичное отклонение лакунарности Mean-square deviation of lacunarity Коэффициент вариации фрактального размера Variation coefficient of fractal dimension Коэффициент вариации лакунарности Variation coefficient of lacunarity
Метакаолин Metakaolin 0,001 0,0002 0,032 0,0155 0,0169 11,923
Биосидифициро-ванные нано-трубки Biosiliphycated Nanotubes 0,0007 0,0004 0,026 0,019 0,0137 95,1293
Диоксид титана Titanium Dioxide 0,0003 0,0234 0,0159 0,153 0,0084 2,5987
Таблица 3 Table 3
Увеличение 100x / Magnification 100x
Наномоди-фикатор Nano-modifier Фрактальная размерность Fractal dimension Лакунарность Lacunarity Прочность, МПа Strength, MPa Пористость, отн. ед. Porosity, relative units Место (лакунарность) Location (lacunarity) Место (фрактальная размерность) Location (fractal dimension)
Метакаолин Metakaolin 1,9087 0,0074 43,8(3) 0,041(3) 3 1
Биосидифициро-ванные нанотрубки Biosiliphycated Nanotubes 1,9072 0,018 59,1(1) 0,045(2) 1 2
Диоксид титана Titanium Dioxide 1,898 0,0102 44,8(2) 0,048(1) 2 3
Таблица 4 Table 4
Увеличение 500х / Magnification 500х
Наномоди-фикатор Nano-modifier Фрактальная размерность Fractal dimension Лакунарность Lacunarity Прочность, МПа Strength, MPa Пористость, отн. ед. Porosity, relative units Место (лакунарность) Location (lacunarity) Место (фрактальная размерность) Location (fractal dimension)
Метакаолин Metakaolin 1,8882 0,0106 43,8(3) 0,041(3) 3 3
Биосидифициро-ванные нанотрубки Biosiliphycated Nanotubes 1,9076 0,0108 59,1(1) 0,045(2) 1 2
Диоксид титана Titanium Dioxide 1,8917 0,0183 44,8(2) 0,048(1) 2 1
Таблица 5 Table 5
Увеличение 1кх / Magnification 1кх
Наномоди-фикатор Nano-modifier Фрактальная размерность Fractal dimension Лакунарность Lacunarity Прочность, МПа Strength, MPa Пористость, отн. ед. Porosity, relative units Место (лакунарность) Location (lacunarity) Место (фрактальная размерность) Location (fractal dimension)
Метакаолин Metakaolin 1,9108 -0,0093 43,8(3) 0,041(3) 3 2
Биосидифициро-ванные нанотрубки Biosiliphycated Nanotubes 1,9117 0,0028 59,1(1) 0,045(2) 1 1
Диоксид титана Titanium Dioxide 1,8906 0,0001 44,8(2) 0,048(1) 2 3
Таблица 6 Table 6
Увеличение 3кх / Magnification 3кх
Наномоди-фикатор Nano-modifier Фрактальная размерность Fractal dimension Лакунарность Lacunarity Прочность, МПа Strength, MPa Пористость, отн. ед. Porosity, relative units Место (лакунарность) Location (lacunarity) Место (фрактальная размерность) Location (fractal dimension)
Метакаолин Metakaolin 1,9106 0,0043 43,8(3) 0,041(3) 2 2
Биосидифициро-ванные нанотрубки Biosiliphycated Nanotubes 1,9111 -0,0167 59,1(1) 0,045(2) 3 1
Диоксид титана Titanium Dioxide 1,8976 0,0074 44,8(2) 0,048(1) 1 3
Таблица 7 Table 7
Увеличение 5кх / Magnification 5кх
Наномоди-фикатор Nano-modifier Фрактальная размерность Fractal dimension Лакунарность Lacunarity Прочность, МПа Strength, MPa Пористость, отн. ед. Porosity, relative units Место (лакунарность) Location (lacunarity) Место (фрактальная размерность) Location (fractal dimension)
Метакаолин Metakaolin 1,898 0,0095 43,8(3) 0,041(3) 2 2
Биосидифициро-ванные нанотрубки Biosiliphycated Nanotubes 1,9226 0,0117 59,1(1) 0,045(2) 1 1
Диоксид титана Titanium Dioxide 1,8858 -0,0029 44,8(2) 0,048(1) 3 3
Таблица 9 Table 9
Таблица 8 Table 8
Увеличение 10кх / Magnification 10кх
Наномоди-фикатор Nano-modifier Фрактальная размерность Fractal dimension Лакунарность Lacunarity Прочность, МПа Strength, MPa Пористость, отн. ед. Porosity, relative units Место (лакунарность) Location (lacunarity) Место (фрактальная размерность) Location (fractal dimension)
Метакаолин Metakaolin 1,8868 0,0014 43,8(3) 0,041(3) 2 1
Биосидифициро-ванные нанотрубки Biosiliphycated Nanotubes 1,8857 0,0074 59,1(1) 0,045(2) 1 2
Диоксид титана Titanium Dioxide 1,8735 -0,0422 44,8(2) 0,048(1) 3 3
Увеличение 50кх / Magnification 50кх
Наномоди-фикатор Nano-modifier Фрактальная размерность Fractal dimension Лакунарность Lacunarity Прочность, МПа Strength, MPa Пористость, отн. ед. Porosity, relative units Место (лакунарность) Location (lacunarity) Место (фрактальная размерность) Location (fractal dimension)
Метакаолин Metakaolin 1,8202 -0,033 43,8(3) 0,041(3) 1 3
Биосидифициро-ванные нанотрубки Biosiliphycated Nanotubes 1,8453 -0,0354 59,1(1) 0,045(2) 2 2
Диоксид титана Titanium Dioxide 1,8537 -0,0632 44,8(2) 0,048(1) 3 1
трудно. Представляется целесообразным провести дополнительное исследование с увеличенным числом НМ и особое внимание при этом обратить на сравнение ранжировок.
Заключение. На основе полученных результатов можно сделать следующие общие выводы.
1. Увеличение, с которым сделаны фотографии микроструктуры электронным микроскопом, влияет на фрактальные характеристики. Фрактальная размерность изменяется сравнительно мало, в то время как разброс значений лакунарности высок.
2. Учитывая, что в предыдущих исследованиях авторами была установлена высокая степень инвариантности фрактальной размерности относительно вида НМ, можно сделать вывод, что пары «фрактальная размерность — лакунарность» будет, скорее всего, недостаточно для оптимизации свойств материала на основе регрессионных моделей. Однако целесообразно провести дополнительное исследование, ориентированное на сравнение ранжировок при большем числе различных НМ.
3. Требуется вернуться к первоначальной кибернетической модели, представленной в [1], и уточнить выбор экзогенных и эндогенных факторов с учетом результатов проведенных исследований изменчивости основных фрактальных характеристик. Особое внимание следует обратить на мультифрактальный анализ, первая попытка использовать который в рассматриваемой проблеме описана в [1]. Представляется целесообразным продолжить исследовать муль-тифрактальные характеристики структуры наномо-дифицированных материалов.
4. Предлагается продолжить исследования по многомерному кибернетическому моделированию наномоди-фицированных материалов с совместным применением количественных, качественных, морфологических, фрактальных и мультифрактальных параметров.
the two physical ones. It seems rational to conduct a further study with a larger number of nano-modifiers, special attention being paid to the ranging comparison.
Conclusion. On the basis of these results the following general conclusions can be made.
1. The magnification of microstructure images made with an electron microscope affects the fractal characteristics. Fractal dimension varies relatively little, while spread in lacunarity values is high.
2. Given that in the previous studies, a high degree of invariance of fractal dimension with respect to the type of a nano-modifier was established, it can be concluded that the pair «fractal dimension — lacunarity» will not be enough to optimize the properties of the material on the basis of regression models. However, it is reasonable to conduct an additional study aimed at the ranging comparison with a larger number of different nano-modifiers.
3. It is necessary to return to the initial cybernetic model presented in the paper [1] and to specify the choice of exogenous and endogenous factors, taking into account the results of the studies of the variability of main fractal characteristics. Particular attention should be paid to the multifractal analysis; the first attempt to use it in the considered problem being described in the paper [1]. It seems appropriate to continue the study of the multifractal characteristics of the structure of nano-modified materials.
4. It is proposed to continue the research of multidimensional cybernetic modeling of nanomodified materials with the joint use of quantitative, qualitative, morphological, fractal and multifractal parameters.
References
1. Evelson L., Lukuttsova N. Application of statistical and multi-fractal models for parameter optimization of nano-modified concrete. International Journal of Applied Engineering Research. 2014. Vol. 10. No. 5 (2015), pp. 12363-12370.
Список литературы
1. Evelson L., Lukuttsova N. Application of statistical and multi-fractal models for parameter optimization of nano-modified concrete // International Journal of Applied Engineering Research. 2014. Vol. 10. No. 5 (2015), pp. 12363-12370.
2. Евельсон Л.И. Параметрическая оптимизация гидрогазового поглощающего аппарата ГА-500. Динамика, на-груженность и надежность подвижного состава: Межвуз. сб. науч. тр. Днепропетровск: ДИИТ, 1985. С. 29-36.
3. Евельсон Л.И., Рыжикова Е.Г. Численный метод оптимизации на основе планирования вычислительного эксперимента // Вестник БГТУ. 2015. № 1. С. 14-19.
4. Evelson L., Lukuttsova N. Some practical aspects of fractal simulation of structure of nano-modified concrete. International Journal of Applied Engineering Research. 2015. Vol. 10. Is. 19, pp. 40454-40456.
5. Евельсон Л.И., Лукутцова Н.П., Николаенко А.Н., Хомякова Е.Н., Ривоненко Я.А. Некоторые практические аспекты фрактального моделирования структуры нанокомпозиционного материала // Строительные материалы. 2015. № 11. С. 24-27.
6. Мандельброт Б. Фрактальная геометрия природы. М.: Институт компьютерных исследований, 2002. 656 c.
7. Лукутцова Н.П., Пыкин А.А. Устойчивость наноди-сперсных добавок на основе метакаолина // Стекло и керамика. 2014. № 11. С. 7-11.
8. Lukuttsova N., Ustinov A. Additive based on biosiliphy-cated nanotubes // International Journal of Applied Engi-neeringResearch. 2015. Vol. 10. No. 19, pp. 40450-40453.
9. Lukuttsova N., Lesovik V., Postnikova O., Gornostaeva E., Vasunina S., Suglobov A. nano-disperse additive based on titanium dioxide // International Journal of Applied Engineering Research. 2014. Vol. 9. No. 22, pp. 15903-15911.
10. Lukuttsova N., Kolomatskiy A., Pykin A., Nikolaenko A., Kalugin A., Tugicova M. environmentally safe schungite-based nano-dispersion additive to concrete // International Journal of Applied Engineering Research. 2014. Vol. 9. No. 22, pp. 16701-16709.
2. Evelson, L.I., Keglin B.G., Manashkin L.A. Parametric optimization of hydrogas absorbing apparatus GA-500. Dynamics, loading, and reliability of rolling stock. Interuniversity collection of scientific papers. Dnepropetrovsk: DlIT. 1985, pp. 29—36. (In Russian).
3. Evelson L.I., Ryzhikova E.G. Numerical method of optimization based on computer experiment planning. Vestnik BSTU. 2015. No. 1, pp. 14-19. (In Russian).
4. Evelson L., Lukuttsova N. Some practical aspects of fractal simulation of structure of nano-modified concrete. International Journal of Applied Engineering Research. 2015. Vol. 10. Is. 19, pp. 40454-40456.
5. Evel'son L.I., Lukuttsova N.P., Nikolaenko A.N., Khomyakova E.N., Rivonenko Ya.A. Some practical aspects of fractal simulation of a structure of nano-compos-ite material. Stroitel'nye Materialy [Construction Materials]. 2015. No. 11, pp. 24-27.
6. Mandelbrot B. Fraktal'naya geometriya prirody [Fractal nature geometry]. M.: Institute of Computer Science. 2002. 656 p.
7. Lukuttsova N., Pykin A. Stability of metakaolin-based nano-dispersed additives. Glass and Ceramics. 2014. No. 11, pp. 7-11.
8. Lukuttsova N., Ustinov A. Additive based on biosiliphy-cated nanotubes. International Journal of Applied Engineering Research. 2015. Vol. 10. No. 19, pp. 4045040453.
9. Lukuttsova N., Lesovik V., Postnikova O., Gornostaeva E., Vasunina S., Suglobov A. nano-disperse additive based on titanium dioxide. International Journal of Applied Engineering Research. 2014. Vol. 9. No. 22, pp. 15903-15911.
10. Lukuttsova N., Kolomatskiy A., Pykin A., Nikolaen-ko A., Kalugin A., Tugicova M. environmentally safe sc-hungite-based nano-dispersion additive to concrete. International Journal of Applied Engineering Research. 2014. Vol. 9. No. 22, pp. 16701-16709.
Корпорация ТехноНИКОЛЬ планирует производство каменной ваты с использованием ШАТ1С 1Т РпеасЮг
Группа Компаний АйтиКонсалт завершила проект по разработке программного комплекса SIMATIC И Preactor для планирования производства на заводах Корпорации ТехноНИКОЛЬ по выпуску теплоизоляции на основе каменной ваты. Внедрение проводилось одновременно на шести заводах в разных городах, чтобы успеть запустить систему перед началом строительного сезона.
Основной целью проекта являлось создание комплексной информационной системы, обеспечивающей:
• автоматический расчет оптимального производственного плана с учетом заданных критериев;
• автоматический расчет сроков отгрузки продукции с учетом пожеланий клиентов и реальных возможностей производства.
SIMATIC IT Preactor была интегрирована в существующую ИТ-инфраструктуру предприятия, так как исходные данные находятся в различных системах в разных форматах - 1С:ОКС, 1С:Завод, Oracle SNO, INFOR EAM.
Внедренная система SIMATIC IT Preactor позволяет получать в автоматическом режиме более качественное производственное расписание за счет использования специально разработанного алгоритма, учитывающего особенности производства продукции на каждом из заводов корпорации, - совмещение сливов металла с наладками, порядок переходов с одной продукции на другую, влияние износа линий и др.
Также значительно сократилось время на формирование и актуализацию производственного расписания. До внедрения SIMATIC IT Preactor планировщик затрачивал ежедневно более одного часа рабочего времени, сейчас процедура расчета расписания с использованием системы занимает несколько минут.
«Кроме расчета качественного производственного расписания с учетом оптимизации по нескольким критериям, система также позволяет автоматически обрабатывать заявки клиентов - сообщила директор по логистике направления «Минеральная изоляция» Корпорация ТехноНИКОЛЬ Т. Бертова. - Ответ публикуется в кабинете клиента на сайте предприятия и
содержит срок поставки по каждой позиции. При этом учитываются текущие складские запасы, загрузка производственных линий, а также анализируются и отклоняются неправильно оформленные заявки с нарушением условий по минимальной партии отгрузки, кратности поддону и другим параметрам. Хочется отметить, что теперь за меньшее время мы делаем более качественное расписание».
Кратко о Корпорации ТехноНИКОЛЬ.
Корпорация ТехноНИКОЛЬ является крупнейшим в России и Европе производителем и поставщиком кровельных, гидроизоляционных и теплоизоляционных материалов. Более 200 млн человек во всем мире живут и работают в зданиях, построенных с использованием материалов Корпорации ТехноНИКОЛЬ. Сейчас Корпорация ТехноНИКОЛЬ - это 6500 сотрудников, работающих на более 40 заводах в России, Украине, Белоруссии, Литве, Чехии и Италии с ежегодным оборотом более 69 млрд р. Около 20% продукции ежегодно реализуется на экспорт. Клиентами Корпорации являются организации и физические лица в России, странах СНГ, Балтии, Восточной и Центральной Европы. http://www.tn.ru
Кратко о Группе компаний АйтиКонсалт.
Группа АйтиКонсалт является единственным в России Золотым партнером PREACTOR (Gold Solution Provider of Preactor, http://preactor. com/Partners/Find-A-Partner.aspx?country=Russian%20Federation#. VpY1X8Tbx9s) и специализируется на комплексной автоматизации производственных и сервисных предприятий. Более 650 предприятий России используют поставляемые решения. http://www.gk-it-consult.ru
