CC BY
17
Нехорошева Алиса Николаевна, магистрант, gerdaredn@yandex. ru, Россия, Тула, Тульский государственный университет.
ANALYSIS OF BASIC OPPORTUNITIES AND PROPERTIES OF GEOTEXTILES AT LAND MANAGEMENT
D.V. Aksenova, V.N. Koval, A.N. Nekhorosheva
The paper uses questions of the use of geotextiles in land management. Descriptions are given of laying methods, fields of its application and production method.
Key words: land management, modern materials, geotextiles, threads, polypropylene, fiberglass, geo-cloth, land management, materials.
Aksenova Daria Viktorovna, undergraduate, gerdaredn@yandex. ru, Russia, Tula, Tula State University,
Koval Viktoriya Nikolayevna, undergraduate, gerdaredn@yandex. ru, Russia, Tula, Tula State University,
Nekhorosheva Alisa Nikolaevna, undergraduate, gerdaredn@yandex.ru, Russia, Tula, Tula State
University
УДК 004.021
КИБЕРФИЗИЧЕСКОЕ УПРАВЛЕНИЕ СОРТИРОВКОЙ ФРАГМЕНТОВ РИСУНКА КАРТИНЫ
Е.И. Громаков, А.Ю. Зарницын, А.В. Цавнин, С.В. Леонов
В статье описывается лабораторная установка для выполнения исследований киберфизиче-ского управления сортировкой фрагментов рисунков картины, которые установлены на подвижных платформах и управляемы супервизорным модулем оптического распознавания с заданием им в реальном времени траектории их перемещения. В рамках исследования разработана онтология необходимых сервисов киберфизической системы управления мобильными платформами с использованием алгоритма МАРЕ-К.
Ключевые слова: киберфизическая система, мультиагентные системы управления, МАРЕ-К алгоритм, мобильная робототехника, онтология автоматизации.
В современном мире практически во всех отраслях производства и экономики возникает потребность обработки большого количества данных и управления какого-либо процессом, выдерживая определённые критерии оптимизации. Это влечёт за собой необходимость создания новых локальных методов оптимизации и принятия решений, либо создание новых архитектур управления и распределения. Сегодня, одним из таких решений являются киберфизические системы.
Национальный институт стандартов и технологий (NIST) [1] определяет киберфизические системы (Cyber-Physical Systems, CPS) как совокупность цифровых, аналоговых, физических и человеческих компонентов, функционирующие посредством интегрированной физики и логики. Особенностями киберфизических систем является управление физическими объектами (активами технологического процесса) с использованием сетевых протоколов, в частности, TCP/IP. По сути, CPS является распределенной системой управления, с виртуально реконфигуриуемым управлением физическими объектами.
Структуры киберфизических систем описаны и анализируются в большом числе публикаций, например [2-7]. Однако, лабораторные исследования особенностей киберфизического управления реальными объектами и оценка эффективности такого управления выполнены недостаточно. Вопросам сетевого и виртуального управления физическими объектами и процессами уделяется много внимания [1], но экспериментальных исследований сравнительно мало. Это обусловлено стереотипным подходом применения компьютерных сетей [2]. Согласно этому подходу сети рассматривают как средства телекоммуникации, а не как средства управления физической средой. Управление в CPS реализуется за счет виртуальных агентов в сетевом пространстве на основе моделей состояния физических объектов, которые носят как непрерывный, так и дискретный характер. Согласованная работа этих агентов является необходимой основой для обеспечения эффективности процесса управления.
Несмотря на недостаточный объем экспериментальных исследований, предполагается, что именно CPS в будущем станут основой критически важных инфраструктур производств Industry 4.0 и новейших высокотехнологичных услуг.
В CPS основой управления с автономным поведением физических объектов являются контуры автоматического управления с непрерывными во времени и событийными циклами информационных потоков, алгоритмы которых обеспечивают эффективность управления физическим процессом.
Сегодня, самым наглядным примером CPS является автоматизированные склады Amazon, где множество автономных мобильных роботов осуществляют процесс транспортировки товаров в установленные интеллектуальным агентом, супервизором места. Такие склады представляют собой сложную совокупность подвижных автономных платформ, обеспечивающих перемещение складских контейнеров в условиях событийного супервизорного управления. Задача совместного функционирования автономных платформ перемещений товаров на таких крупных складах может быть рассмотрена как типовая производственная задача мультиагентного управления сортировкой контейнеров в контексте киберфи-зических систем.
Целью данной работы является разработка лабораторного стенда для исследований алгоритмических особенностей сетевого (киберфизического) управления перемещением мобильных платформ в процессе сборки фрагментов картины в условиях пространственных ограничений среды перемещения.
Структурная схема предлагаемого варианта лабораторной установки показана на рис. 1. Установка представляет собой аппаратно-программный комплекс, включающий в себя локальную сеть из восьми компьютеров, управляющих процессом сборки картины, закрепленных соответственно за автономным супервизором видеообзора фрагментов картины и 7-ью мобильными платформами. Фрагменты картины установлены на отдельных платформах. Платформы выполнены на основе недорогих базовых наборов Lego-конструкций и являются физическими активами CPS. Локальные контроллеры платформ также подключены к общей сети.
Видеосенсор осуществляет мониторинг расположения подвижных платформ и непрерывно транслирует информацию супервизору, выполненному на базе настольного персонального компьютера (ПК). Супервизор осуществляет кадрирование принятого видеопотока и на основании заранее разработанных алгоритмов оценивает координаты расположения каждого физического агента (рис.2). На основе изначального взаимоположения формируется дорожная карта, т.е. очередность и направление движения каждой платформы на каждой итерации до желаемой конфигурации. Физические устройства в ходе эксперимента могут осуществлять как одновременное, так и поочередное движение. Управление движением каждого из агентов осуществляется с помощью локальной ЭВМ (контроллера), которая, в свою очередь, является подчиненным для супервизора и по приходу от него событийного сигнала по TCP/IP осуществляет контроллерное управление платформой.
В данной работе задачей киберфизического управления перемещением мобильных платформ является обеспечение их поочередных ортогональных перемещений в горизонтальной плоскости таким образом, чтобы за конечное число итераций каждая платформа заняла свое положение в соответствии с правильным расположением своей части изображения в картине.
Рис. 2. Результат распознавания сегментов картины
Под термином виртуальный агент понимаются киберкомпоненты и программные сущности, получающие информацию через систему датчиков о состоянии управляемых ими процессов и осуществляющие действия на них через систему актуаторов. При этом их реакция рациональна в том смысле, что процессы, выполняемые ими, направлены на достижение определённых целей [3].
Агентная программа платформы может быть математически описана как алгоритмическая функция, которая оценивает позиционное положение мобильной платформы и проецирует результат визуального восприятия графики отдельного фрагмента картины на действие, которое контроллер платформы посредством актуатора должен выполнить, чтобы переместить фрагмент в положение, соответствующее его месту на физически собираемой картине.
Целью агентов в эксперименте является сборка из фрагментов установленной супервизором картины при ограничениях перемещений в пространстве, накладываемой геометрией поля перемещений. Классическим примером агентного управления физическим слоем CPS является алгоритм МАРЕ-К типа, показанным на рис. 3.
Рис. 3. Алгоритм MAPE-K цикла
На рис. 3 показаны: Monitor -измерение; Analyse - фильтрация (восстановление) сигнала; Plan - формирование дорожной карты; Execute - выработка алгоритмов; Knowledge - спецификация управления CPS; Sensor - чувствительный элемент (датчик); Actuator - исполнительный механизм; Managed Element - управляемый объект.
В эксперименте на основе предлагаемой лабораторной установки в процессе выполнения возложенных на виртуальный агент задач, последний должен в соответствии с МАРЕ-К-циклом управлять перемещением мобильной платформы и сборкой фрагментов картины.
Алгоритм позиционирования реализуется на основе автоматического контура управления мобильной платформы, алгоритм перемещения платформы при сборке картины выполняется в соответствии с дорожной картой на основе алгоритма дискретно-событийной системы, а алгоритм выбора платформы для перемещения по месту в картине выполняется управляющим автоматом супервизора. Спецификация управления платформой (Knowledge) устанавливается до эксперимента путем разработки модели знаний агента.
Выбор мобильной платформы и ее траектории движения является результатом работы алгоритма планирования. Необходимая точность позиционирования платформы по его месту на физически собираемой картине обеспечивается контуром автоматического управления.
Алгоритм выбора перемещений платформ и их траектории перемещения представляет собой сортировку помеченных квадратов фрагментов картины (рис.2), установленных на мобильном роботе и является вариантом алгоритма сортировки в игре «Пятнашки», но с иным количеством перемещаемых элементов. Алгоритм поиска решения построен на основе поиска в ширину [4].
При разработке алгоритма перемещений была выбрана аналогия с игрой «Пятнашки» в силу того, что в данном эксперименте группа мобильных платформ располагается в ограниченном пространстве, а также для самих платформ допустимы только ортогональные траектории перемещения. В ходе начальной инициализации средствами технического зрения производится сопоставление каждого фрагмента графического изображения с порядковым номером сегмента в исходном изображении.
Программа расчета представлена в виде функции на языке Matlab. В качестве входного параметра функция принимает начальное положение мобильных платформ, представляющее собой матрицу STATE2XA , содержащую номера элементов, которые расположены в заданных позициях (рис. 5), внутри заданной среды перемещения.
6 7 4 1
8 5 3 2
Рис. 4. Пример матрицы начального состояния эксперимента (под номером 8 в матрице обозначен свободный участок, необходимый для движения платформ)
Представленная на рис. 4 матрица начального состояния эксперимента является формализацией расположения платформ с соответствующими номерами сегментов графического изображения (рис. 2)
Выходными данными для функции являются два массива:
1) Numbers, содержащий номера элементов, которые должны двигаться на каждой итерации;
2) Directions, содержащий направления движения соответствующего элемента из массива
Numbers.
Размер выходных массивов равен числу итераций до конечного заданного расположения. На самой первой итерации производятся смены мест элемента (мобильной платформы) под номерами 1-7 с элементом под номером 8. Каждой смене соответствует формирование нового состояния (новой матрицы, отличающейся от предыдущей расположением одного элемента). Например, для начального состояния на рис. 1, далее возможны два варианта перемещения (см. рис. 5).
Рис. 5. Возможные перемещения элементов из начального состояния Count=1
В зависимости от направления перемещения элемента, в переменную записывается флаг направления (влево, вправо, вперед, назад). В программе предусмотрен счетчик количества состояний Count, инкремент которого производится после каждой итерации. Кроме того, для каждого состояния, включая начальное, формируется ключ, позволяющий исключать повторяющиеся состояния. Для формирования ключа, матрицы преобразуются в одномерные массивы, согласно выражению (2) элементы которого далее представляются как коэффициенты полинома при степенях числа 10 (3).
STATE'k = STATE,}, k = 1,imax ■ Jmax , i = 12, j = 14 (2)
k
K = ^ STATE l-10k~l (3)
l=1
Таким образом, получается уникальное целое восьмизначное число K, которое однозначно характеризует каждое из состояний. Более наглядно процесс формирования ключа представлен на рис. 6.
6 7 4 8
2 5 3 1
6 7 * « 2 6 3 1
I
6 ■ 10' + 7 ■ 106 + 4 • 10; + 8 ■ 10" + 2 ■ 10' + 5 ■ 10- + 3 • 10" + 1 ■ 10° = 67482531 Рис. 6. Формирование ключа каждого состояния
В ходе решения задачи определения очередностей и построения индивидуальных траекторий платформ все их уникальные состояния описываются трехмерный массивом. Заполнение данного массива происходит до первого появления выигрышного состояния. Для определения непосредственно пути решения, каждое состояние обладает также уникальным путевым идентификатором, который формируется путем конкатенации значения переменной Count для текущего состояния и значения переменной Count предыдущего для него состояния. Графическое представление процедуры формирования путевого идентификатора представлено на рис. 7.
Переменная ID имеет встроенный в Matlab тип cell (ячейка) и представляет собой массив номеров, составленный из чисел. Использование массива типа cell позволяет хранить в каждом элементе массивы номеров разной длины.
В результате, после одноразового выполнения расчетной программы супервизор определяет последовательность номеров мобильных платформ и направление их перемещения на каждой смене состояния конечного автомата виртуального агента платформы.
Рис. 7. Формирование путевого идентификатора каждого состояния
Для позиционного управления платформами была выбрана схема управления, структурная схема которой показана на рис. 8.
Супервизор МАРЕ-К
MCllO.IKIUC.IbHblii vmeK Мооалмая хтек Да« шк
пл;т|юрмы платформа «вндеосснсор!
Управляющий -1-
Дпскретнашя состояния
vjad
Рис. 8. Структурная схема управления перемещением платформы
Супервизор сравнивает заданную картину с ее фрагментами на платформах (сигнал видеосенсора). Далее, согласно результатам работы алгоритма формирования индивидуальных траекторий, дискретно событийная система управления (DES) супервизора с помощью управляющего автомата осуществляет активацию нужной платформы с передачей ей направления и дорожной карты движения до нужного размещения фрагмента. ПИД-регулятор супервизора задает скорость перемещения отдельных платформ, а управление скоростью с использованием прогнозирующих моделей (МРС-управлению) обеспечивает потребное позиционирование мобильных платформ фрагментов картинки. Математическая модель платформы может быть получена из системы кинематических уравнений связи координатного перемещения мобильной платформы с ее скоростью перемещения. Для разных вариантов реализации подвижных платформ модель в пространстве состояний может быть получена с использованием пакета Матлаб Identification Toolbox. Для этого необходимо заранее снять реакцию мобильной платформы по скорости при различных заданиях по скорости перемещения.
Синтез MPC и ПИД-регуляторов, по полученной модели, может быть осуществлён посредством инструмента Simulink Control Design, коэффициенты модели рассчитываются с учётом дискретности вычислительного устройства.
На рис. 9 спецификация процесса сборки устанавливает задание картинки сборки фрагментов. Управляющий автомат (DES) реализует автоматный алгоритм, который может быть представлен в виде выражения вида
G = (S,X,Y,s0,d,1),
где S — конечное непустое множество автоматных состояний, S = { sе S' | S/,i = 1,g } , g - число комбинаций, полученное алгоритмом сортировки. В данном случае, g = 8! ; X — входной алфавит (конечное множество входных символов) X = { х е X' | X/, i = 1,7 } ; Y - конечное непустое множество выходных символов, в данном случае набор флагов и индекс отдельной платформы; s0 — начальное состояние - двумерный массив STATE2X4 ; d — функция переходов, определяющая состояние автомата, такая
что d(s,S)={ r : q->r } , где q - предыдущее состояния, r - следующее состояние; l - функция
выходов;
В ходе работы была формализована и составлена автоматная модель функционирования лабораторной установки, однозначно описывающая все возможные состояния и варианты бесконфликтного и неблокирующего перемещения платформ (рис.9). Для описанной модели входными данными являются координаты мобильной платформы, которые представляются как пара чисел, номер строки и столбца матрицы положения (i; j), представленной на рис. 6, а также необходимый набор служебных флаговых переменных, который однозначно определяет траекторию движения мобильной платформы. Обозначив
флаговую переменную FLAGS = [T,D], поворот мобильной платформы налево, без поворота или направо будет соответствовать тройке T ={1;0; -1} , а двойка D = {1; -1} будет определять направление движения, соответственно, вперед или назад.
После получения супервизором всех необходимых входных данных его арбитр осуществляет выбор и маршрутизацию платформ. В зависимости от значений (i; j), арбитр выбирает конкретную платформу. Состояния каждого из агентов обозначены на рис. 9 как «Платформа i x j». Смена состояний автомата платформы описывается своей собственной более детальной автоматной моделью перемещения платформы (рис. 11). По завершении перемещения платформы арбитр выполняет переход в состояние «Начало» по условию Fi j .
/ = 1, / = 4
I Платформа 1 Г
I >• I ' 1,4
Рис. 9. Управляющий автомат киберфизической системы управления
После определения условного перехода выбранной платформы в предписанное состояние в соответствии с автоматной моделью осуществляется ее перемещение. При ортогональном перемещении платформы в плоскости возможны 4 направления движения: вперед, назад, влево и вправо. В связи с особенностями механической реализации ходовой части платформы для перемещения влево и вправо ей необходимо предварительно осуществить поворот на 90 градусов влево или вправо, а затем осуществить линейное перемещение до предписанного местоположения, после чего, вновь выполнить поворот на 90 градусов в противоположном направлении, как это показано на рис. 11.
•
1_1 ■til—I
V
Рис. 10. Схема перемещения платформы
¡¡.AGS
FLAGS, - 1__ /--=° FLAGS, =-1 \
[ ГВ°ЕВТ ) h!.Af<\ = J "а"" ^LFLAGSj = -1 ( ПОЛОТА)
FLAGS, = l\ FLAGi; -1 /ЬбРАТЧЫ Л J ¡ё) У FLAGS, = -1 (движение W--. Г^ ^Ч FLAGS, = -1
FLAGS, =1 \n.AGS, =0 FLAGS, =-\ J FLAGS, = 0/ J
^возврдтГ к, Рис. 11. Модель знаний отдельного агента (платформы)
В результате была разработана программно-аппаратная установка киберфизического управления перемещением (сортировкой) мобильных платформ для приведения их к заданному взаимному расположению в условиях пространственных ограничений среды.
Процесс сортировки выполняется под управлением супервизора. Супервизор выполнен на основе отдельного компьютера, оптической камеры и программного обеспечения для распознавания и сегментации изображений фрагментов картинки, закрепленных на отдельных платформах. Для исполнительной части мобильной платформы на основе электропривода (актуатора), управляемого собственным контроллером позиционирования подвижной платформы Lego-конструкции, разработана модель в виде виртуального агента.
Лабораторный аппаратно-программный комплекс обеспечивает киберфизическое управление группой мобильных платформ с закрепленными на них фрагментами изображения, находящейся в ограниченной прямоугольной области, характерной для складских помещений с робототехническими средствами управления. За каждой мобильной платформой закреплен отдельный лабораторный компьютер. Все компьютеры, связанные с мобильными платформами, объедены TCP/IP сетью.
Для выполнения перемещения мобильной платформы ее контроллер получает от супервизора событийный сигнал дорожной карты ее движения. Сигнал непрерывного автоматического МРС-регулятора, реализованного на лабораторном компьютере, управляет скоростью перемещения платформы. Путем позиционных поворотов и последовательного перемещения платформ достигается сборка заданной картины из отдельных фрагментов изображения.
Достоинством лабораторной киберфизической установки является возможность прототипного масштабирования ее сложности как за счет увеличения числа автономных платформ, так и за счет введения дополнительных ограничений, связанных с геометрией пространственной среды, заданием трудностей оптического распознавания рисунков на фрагментах, событийностью аварийных остановок отдельных мобильных платформ.
Одним из главных преимуществ возможных экспериментов на лабораторной установке (MPC-управление, оптические методы измерения и контроля, оптическое распознавание объектов и их контуров в режиме реального времени, событийное управление) является выполнение различных задач агентами киберфизического управления сортировкой.
Список литературы
1. Амбарцумян А. А. Супервизорное управление структурированными динамическими дискретно-событийными системами. М.: Автоматика и телемеханика, 2009. №8. С. 15б-17б.
2. Tarek Abdelzaher. Research challenges in feedback computing: An interdisciplinary agenda.In 8th International Workshop on Feedback Computing, San Jose, California, 2013.
3. Амбарцумян А. А. Метод прямого синтеза супервизора для структурированных дискретно событийных систем //Автоматика и Телемеханика, 2010. №8. С. 1 бВ-188.
4. Karl-Erik Ârzén, Anders Robertsson, Dan Henriksson, Mikael Johansson, H. Hjalmarsson, and Karl Henrik Johansson. Conclusions of the ARTIST2 roadmap on control of computing systems. ACM SIGBED (Special Interest Group on Embedded Systems) Review, 3(3), 200б.
5. Васильев А.В. Реконфигурируемая транспортная платформа для малогабаритных мобильных роботов // Робототехника и техническая кибернетика, 2014. № 2 (3). С. б7-71.
6. Саяпин П.Л., Пак В.Г. Модуль поддержки обмена данными между роботами-поисковиками при групповом взаимодействии // Информатика и Кибернетика (ComCon-20^). СПб., 201б. С. 113-115.
7. An improved compliant joint design of a modular robot for descending big obstacles / S.P. Teja, S. Harsha, A. Siravuru, S.V. Shah, K.M. Krishna // AIR'15 Proceedings of the 2015 Conference on Advances in Robotics. Goa, India, 2015. Art. бВ. doi: 10.1145/2783449.2783518.
8. Hopcroft J.E., Motwani R., Ullman J. D. Automata Theory, Languages, and Computation. 3rd ed. — Cambridge: Pearson, 200б. 750 p.
9. Gros C. Cellular Automata and Self-Organized Criticality. In Complex and Adaptive Dynamical Systems; Springer: Berlin/Heidelberg, Gemany, 2013. P. 157-190.
10. Проталинский И.О., Щербатов И.А. Архитектура системы взаимодействия промышленных манипуляторов // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика, 2009. № 2. С. 7б-82.
11. Varughese S.K, Prasad A., Devadhas G., Vijayan S. Recent Developments in Control of Car like Robot using MP-MPC 2018 International Conference on Control. Power, Communication and Computing Technologies (ICCPCCT), 2018. P. 59б - 599.
Громаков Евгений Иванович, канд. техн. наук, доцент, gromakov@tpu. ru, Россия, Томск, Национальный исследовательский Томский политехнический университет,
Зарницын Александр Юрьевич, ассистент, ayz10@tpu.ru, Россия, Томск, Национальный исследовательский Томский политехнический университет
Цавнин Алексей Владимирович, ассистент, avc14@tpu.ru, Россия, Томск, Национальный исследовательский Томский политехнический университет,
Леонов Сергей Владимирович, канд. техн. наук, доцент, Leonov@tpu.ru, Россия, Томск, Национальный исследовательский Томский политехнический университет
CYBER-PHYSICAL MANAGEMENT OF SORTING PICTURE PICTURE FRAGMENTS E.I. Gromakov, A. Yu. Zarnitsyn, A. V. Tsavnin, S. V. Leonov
The article describes a laboratory setup for performing studies of cyber-physical control of sorting fragments of picture patterns that are installed on mobile platforms and controlled by a supervisor optical recognition module with the task of real-time trajectory of their movement. As part of the study, an ontology of the necessary services of the cyberphysical system for managing mobile platforms using the MARE-K algorithm has been developed.
Key words: cyberphysical system, multi-agent control systems, MARE-K algorithm, mobile robotics, automation ontology.
Gromakov Evgeny Ivanovich, candidate of technical sciences, docent, gromakov@tpu. ru, Russia, Tomsk, National Research Tomsk Polytechnic University,
Zarnitsyn Alexander Yuryevich, assistant, ayzl0@tpu.ru, Russia, Tomsk, National Research Tomsk Polytechnic University,
Tsavnin Alexey Vladimirovich, assistant, avc14@tpu.ru, Russia, Tomsk, National Research Tomsk Polytechnic University,
Leonov Sergey Vladimirovich, candidate of technical sciences, docent, Leonov@tpu.ru, Russia, Tomsk, National Research Tomsk Polytechnic University
УДК 655.05
АНАЛИЗ ВОПРОСА ЭКОЛОГИЧНОСТИ В ПОЛИГРАФИЧЕСКОЙ ПРОМЫШЛЕННОСТИ
Д.Г. Маркова
Рассматривается вопрос экологичности в полиграфическом производстве, факторы, говорящие за и против использования электронных и печатных книг, а также возможные решения.
Ключевые слова: полиграфия, экология, электронные и печатные книги.
Современный мир всё больше уходит в электронный формат, и если часть отраслей претерпели ряд изменений, которые не оказали негативного влияния со стороны экономики, то другие предприятия вынуждены подстраиваться и развиваться максимально быстро, дабы не потерять себя на рынке.
На сегодняшний момент развитие целлюлозно-бумажной и полиграфической отраслей промышленности продиктовано тремя основными факторами:
снижение спроса на печатные книги;
высокие требования к качеству вырабатываемой продукции и вариативности ассортимента;
открытый вопрос экологичности.
И если первые два фактора, влияя на полиграфическую отрасль, оставляют надежду на светлое будущее, рост и реорганизацию, то последний говорит о том, что рано или поздно полиграфия может прийти к тяжелому кризису. Однако нельзя однозначно сказать, что все нападки со стороны защитников экологии имеют место быть. Конечно, если верить СМИ, где часто мелькают громкие слова о том, что никакая книга не стоит вырубленного леса, можно поверить, что переход на цифровые технологии - это лучшее решение для спасения окружающей среды. Однако если отнестись к вопросу со всей серьёзностью и внимательно изучить все за и против, можно сделать совсем другой вывод. Например, многие предприятия полиграфической промышленности оспаривают нападки защитников природы и говорят о том, что общественность часто вводят в заблуждение, предоставляя непроверенную информацию. И действительно, многие люди, предпочитая печатные издания, при вопросе об экологичности, не обосновывая конкретными фактами свой ответ, склоняются больше к электронным книгам. Это подтверждает опрос, который был проведён при написании данной статьи. Согласно общественному мнению,
