CC BY
8
ISSN 1560-3644 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. TECHNICAL SCIENCES. 2023. No 1
Научная статья УДК 666.189.32
doi: 10.17213/1560-3644-2023-1-91-97
МОДЕЛИРОВАНИЕ КОРРЕЛЯЦИОННОЙ ЗАВИСИМОСТИ
ПАРАМЕТРОВ ВЫСОКОТЕМПЕРАТУРНОГО СИНТЕЗА И ХАРАКТЕРИСТИК ПОРИСТЫХ СТЕКЛОКОМПОЗИТОВ С ИСПОЛЬЗОВАНИЕМ ПРОГРАММНЫХ ПАКЕТОВ
Л.А. Яценко, Б.М. Гольцман, Е.А. Яценко, В.С. Яценко, С.В. Трофимов
Южно-Российский государственный политехнический университет (НПИ) имени М.И. Платова, г. Новочеркасск, Россия
Аннотация. Для моделирования и анализа взаимовлияния параметров высокотемпературного синтеза и характеристик пористых стеклокомпозитных материалов применялся дробный четырехфакторный эксперимент, проведённый с помощью программного обеспечения «STATISTICA» с использованием модуля «Планирование эксперимента». В качестве функции отклика Y выбрана удельная прочность. Разработана матрица планирования эксперимента. Получены и проанализированы кодированные и некодированные уравнения регрессии, модель рассеивания значений показателей, матрица линейной связи показателей, матрица Парето, диаграмма частоты свободных остатков, модель прогнозного распределения значений согласно закону нормального распределения, корреляционная зависимость независимых переменных. Установлено, что наибольшая связь наблюдается между показателями количества диатомита, глицерина и времени вспенивания.
Ключевые слова: синтез пористых стеклокомпозитов, методы математического моделирования, природное силикатное сырье Ростовской области, диатомит, свойства пористых стеклокомпозитов
Благодарности: данная научно-исследовательская работа выполняется при поддержке стипендии Президента РФ молодым ученым и аспирантам (конкурс 2021-2023 года), Проект СП-1337.2021.1.
Для цитирования: Яценко Л.А., Гольцман Б.М., Яценко Е.А., Яценко В.С., Трофимов С.В. Моделирование корреляционной зависимости параметров высокотемпературного синтеза и характеристик пористых стеклокомпозитов с использованием программных пакетов // Изв. вузов. Сев.-Кавк. регион. Техн. науки. 2023. № 1. С. 91-97. http://dx.doi.org/10.17213/1560-3644-2023-1 -91-97
Original article
MODELING THE CORRELATION DEPENDENCE OF HIGH-TEMPERATURE SYNTHESIS PARAMETERS AND CHARACTERISTICS OF POROUS GLASS COMPOSITES USING SOFTWARE PACKAGES
L.A. Yatsenko, B.M. Goltsman, E.A. Yatsenko, V.S. Yatsenko, S.V. Тrofimov
Platov South-Russian State Polytechnic University (NPI), Novocherkassk, Russia
Abstract. To simulate and analyze the interaction between the parameters of high-temperature synthesis and the characteristics ofporous glass-composite materials, a fractional four-factor experiment was used, carried out using the STATISTICA software using the "Experiment Planning" module. Specific strength was chosen as the response function Y. An experiment planning matrix has been developed. Coded and non-coded regression equations, a dispersion model for indicator values, a linear relationship matrix for indicators, a Pareto matrix, a frequency diagram for free residuals, a model for predictive distribution of values according to the normal distribution law, and a correlation dependence of independent variables are obtained and analyzed. It has been established that the greatest relationship is observed between the indicators of the amount of diatomite, glycerol and foaming time.
Keywords: synthesis ofporous glass-composites, methods of mathematical modeling, natural silicate raw materials of the Rostov region, diatomite, properties of porous glass-composites
Acknowledgements: this research work is carried out with the support of the scholarship of the President of the Russian Federation to young scientists and postgraduates (competition 2021-2023), the Project SP-1337.2021.1.
For citation: Yatsenko L.A., Goltsman B.M., Yatsenko E.A., Yatsenko V.S., Trofimov S.V. Modeling the Correlation Dependence of High-Temperature Synthesis Parameters and Characteristics of Porous Glass Composites Using Software Packages. Izv. vuzov. Sev.-Kavk. region. Techn. nauki=Bulletin of Higher Educational Institutions. North Caucasus Region. Technical Sciences. 2023;(1):91-97. (In Russ.). http://dx.doi.org/ 10.17213/1560-3644-2023-1-91-97
© ЮРГПУ(НПИ), 2023
ISSN 1560-3644 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION.
Введение
В настоящее время к основным проблемам производства силикатных материалов относится разработка эффективных и дешевых теплоизоляционных строительных материалов. Рыночная стоимость пористых стеклокомпозиционных материалов сегодня зависит от сырьевой базы, используемой в производстве. К наиболее дорогому сырью относятся специально сваренное стекло и стеклобой строго фиксированной марки, использование которых позволяет получить качественный пористый стеклокомпозит с повышенной прочностью. Однако из-за сложности технологии производства стоимость пористого стеклокомпо-зита, полученного с использованием этого сырья, значительно превышает рыночную стоимость аналогов. В связи с этим большое количество исследований последних лет в области разработки пористых стеклокомпозиционных материалов направлено на расширение сырьевой базы и поиск альтернативного сырья. Таким образом, использование местного регионального природного сырья при разработке технологий производства силикатных материалов позволит снизить рыночную стоимость продукции и пополнить сырьевую базу [1 - 5]. Таким образом, для высокотемпературного синтеза пористых стеклокомпозитов на основе анализа месторождений природного силикатного сырья Ростовской области и физико-химических исследований сырья Ростовской области [6 - 12] выбран диатомит Мальчевского месторождения.
Методика проведения исследований
Процесс высокотемпературного синтеза пористой структуры стеклокомпозитов технологически сложен и зависит от многих факторов: состава основного сырья, режима и продолжительности термообработки, вида и количества порооб-разователя. Пористая структура стеклокомпози-ционных материалов находится в прямой зависимости от типа порообразователя и применяемого порообразующего вещества [13].
В связи со сложностью разрабатываемого состава и высокой энергоемкостью [14, 15] оправдано использование методов оптимального планирования эксперимента, благодаря которым удается снизить трудовые и материальные затраты при выполнении исследований. Основная задача состоит в том, чтобы разработать математическую модель, правильно описывающую процесс, что позволит реализовать управление этим процессом.
TECHNICAL SCIENCES. 2023. No 1
Исследования связи параметров высокотемпературного синтеза с характеристиками пористого стеклокомпозита проводились с использованием статистических методов планирования эксперимента, в которых математическое описание представлено полиномом, где Х\, Хг, Хз, Х4 ... - факторы исследуемого процесса, Y - функция отклика. В этом случае план эксперимента задает расположение экспериментальных точек в ^-мерном факторном пространстве и представляется в виде матрицы планирования (табл. 1).
Таблица 1 / Table 1
Матрица планирования дробного факторного эксперимента / Fractional factorial experiment planning matrix
№ эксперимента Xi X2 Хз Х4 Y
1 -1 -1 -1 -1 Y1
2 +1 +1 -1 -1 Y2
3 +1 -1 +1 -1 Y3
4 -1 +1 +1 -1 Y4
5 +1 -1 -1 + 1 Y5
6 -1 +1 -1 + 1 Y6
7 -1 -1 +1 + 1 Y7
8 +1 +1 +1 + 1 Y8
Каждый столбец матрицы планирования определяет значения контролируемых и управляемых параметров (факторов) исследуемого процесса, а каждая строка - условия проведения эксперимента. Для проведения дробного четырех-факторного эксперимента используется программа БТАТШТ1СА [16, 17].
Линейная многофакторная модель представляет собой уравнение прямой линии в многомерном пространстве и имеет вид формулы:
У = Во + В1X1 + В2Х2 +■■■ +ВпХп, где Х1, ■.., Хп - независимые переменные (факторы); У - зависимая переменная; Во, ■.., Вп - коэффициенты уравнения регрессии; п - количество независимых переменных.
Экспериментальная часть
Анализ предполагает использование базы данных. Для этого формируется таблица значений, где каждому значению зависимой переменной будет соответствовать значение каждой независимой переменной. В этом случае имеется одна зависимая переменная и четыре независимых переменных.
Для состава пористого стеклокомпозита на основе диатомита Мальчевского месторождения Ростовской области были выбраны следующие вариационные факторы (независимые переменные): Х1 - количество диатомита, % по массе;
ISSN 1560-3644 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION.
TECHNICAL SCIENCES. 2023. No 1
Х2 - количество глицерина, % по массе; Хз - температура вспенивания, °С; Х4 - время вспенивания, мин. Интервалы и шаг варьирования независимых переменных выбирались таким образом, чтобы максимально учесть все варианты. Удельная прочность, м2/с2, выбрана в качестве зависимой переменной Y (функция отклика). Удельная прочность - это отношение прочности на сжатие к относительной плотности материала. Матрица планирования в сочетании с экспериментальными результатами представлена в табл. 2.
Таблица 2 / Table 2
Матрица планирования и функция отклика физических переменных / Planning matrix and response function of physical variables
Количество Количество Температура Время Удельная
диатомита, глицерина, вспенивания, вспенивания, прочность,
X X2 Хз X, Y
75 2 800 10 11431
85 2 800 50 10378
75 8 800 50 3694
85 8 800 10 24878
75 2 860 50 808
85 2 860 10 4714
75 8 860 10 2180
85 8 860 50 4256
Рассмотрим поэтапную реализацию эксперимента с помощью программы БТЛТШТЮЛ. Для этого в программе есть модуль «Планирование эксперимента». По полученным данным значение свободного члена составляет 7744,81. То есть случайное изменение удельной прочности материала находится на достаточно высоком уровне. Значение ошибки - 1843,04. Г-критерий Стьюдента - 4,2. Табличное значение показателя - 3,18. Это говорит о том, что по критерию Стьюдента модель следует доработать для проверки ее оптимальности. Для адекватной модели табличное значение должно быть выше расчетного уровня. Таким образом, стоит дополнительно изучить качество регрессионной зависимости показателей.
Для проверки гипотез Но: Ьо = 0 и Но : 61 = 0, ¿2 = 0, Ьз = 0, 64 = 0 (Но - условное обозначение гипотез, их суть - предположение о равенстве нулю коэффициентов уравнения регрессии и свободного члена) используют расчетный уровень значимости (р для Мвап/1п1вгс, (1)Хь (2)Х2, (3)Хз, (4)Х4) для параметров 60, 61, 62, Ьз, 64. Если р < а, то гипотеза Н0 отклоняется; если р > а, то гипотеза Н0 принимается, где а - заданный уровень значимости. Р = 0,02, значение р < 0,05. Гипотеза о неадекватности модели отклоняется. Построенную модель можно принять.
Модель не исключает входящие в нее факторы. По уровню их значимости можно судить о
том, что все они оказывают существенное влияние на У. Х1 и Х2 имеют прямую зависимость с У, а факторы Хз, Х4 имеют обратную зависимость.
Коэффициент детерминации Я2 равен 0,81. То есть величина дисперсии зависимых значений модели (факторов Х1-Х4) достаточно велика. Это свидетельствует о слабом влиянии изменчивости случайной величины на величину У (удельную прочность материала).
Уравнение регрессии для закодированных значений уровней факторов имеет вид:
У = 7744,81 + 6499Х1 + 1937Х2 - 9559Хз - 6002Х4.
Так, для увеличения удельной прочности на 1 ед. измерения необходимо количество диатомита увеличить на 6499 ед., количество глицерина увеличить на 1937 ед., температуру вспенивания уменьшить на 9559 ед., время вспенивания уменьшить на 6002 ед. Значение свободной (случайной) величины в модели равно 7744,81, что свидетельствует о высоком влиянии неконтролируемых факторов.
По результатам оценки и значению ^-критерия можно сказать, что критерий Фишера низкий по своему уровню - 3,1. Табличное значение критерия Фишера для модели равно 9,12. То есть модель по критерию Фишера незначима. Стоит рассмотреть варианты ее перестроения.
^-критерий Фишера показывает степень дисперсности выборки, то есть разницу между уровнями дисперсности двух выборок. ^-критерий Фишера для Х1 составил 3,1, для Х2 - 0,28, Хз - 6,7, Х4 - 2,65.
Уравнение регрессии для некодированных значений уровней факторов имеет вид
У = 9087з,74 + 649,9зХ1 + з22,94Х2 -- 159,з2Хз - 150,07Х4.
Следовательно, для повышения удельной прочности на 1 ед. измерения необходимо увеличить показатель количества диатомита на 649,93, количество глицерина увеличить на 322,94, а температуру вспенивания снизить на 159,32 ед., время вспенивания должно быть уменьшено на 150,07 ед. При этом значение случайной величины увеличивается до 90873,74 ед.
Модель рассеивания значений показателей показывает ненормальное распределение значений показателей (рис. 1). Таким образом, адекватность распределения факторов влияния на показатель эффективности в данном случае не имеет места. Однако модель поддается исследованию и оценке. Для оценки вариантов оптимизации модели важно использовать инструменты исключения незначимых показателей.
ISSN 1560-3644 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION.
TECHNICAL SCIENCES. 2023. No 1
Рис. 1. Модель рассеивания значений показателей / Fig. 1. Dispersion model of indicator values
Матрица линейной связи показателей близка к линии средней (рис. 2). В целом соблюдается общая принадлежность показателей к исследованию при проведении их к стандартизации.
Рис. 2. Матрица линейной связи показателей / Fig. 2. Linear relationship matrix of indicators
Матрица Парето, представленная на рис. 3, имеет оптимизированный вид. Кумулятивное значение возрастает нормальными темпами. Модель можно считать оптимизированной.
(з1хз к
Й:1ЧШ1|1Ш-......ЖК .: jfänf
op КЖ
.•'.•- А" „гГА"
шшшштшт я mm
Оценка эффекта (абсолютное значение)
Рис. 3. Матрица Парето / Fig. 3. Pareto matrix
р-,05
Согласно данным, представленным на рис. 4, можно утверждать, что, хотя частота остатков модели не имеет четкой динамики и последовательного распределения, она отражает высокий уровень влияния и высокий объем показателя. Это говорит о том, что стоит рассматривать также и дополнительные параметры оценки, и другие факторные влияния. Модель не оптимальна для оценки и анализа.
Рис. 4. Диаграмма частоты свободных остатков / Fig. 4. Free residue frequency chart
Прогнозные значения поддаются динамике общего нормального закона распределения, существует определенный лаг динамики показателя, однако он четко выражен и связан с тем, что технология процесса четко регламентирована и не имеет случайных значений. Модель может быть качественно спрогнозирована (рис. 5).
Рис. 5. Модель прогнозного распределения значений согласно закону нормального распределения / Fig. 5. Model of predictive distribution of values according to the law of normal distribution
Стоит рассмотреть другие интервалы и показатели. Корреляционная зависимость независимых переменных представлена на рис. 6.
Наибольшая зависимость наблюдается между показателями количества диатомита (Xi), глицерина (Х2) и временем вспенивания (X).
ISSN 1560-3644 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. TECHNICAL SCIENCES. 2023. No 1
Заключение
На основании полученных результатов можно сделать следующие выводы:
1. Модель значима, поскольку все факторы имеют для нее значение и вес. Модель не исключает входящие в нее факторы. Анализ уровня значимости факторов показывает их существенное влияние на функцию отклика. Количество диатомита (Х1) и количество глицерина (Х2) имеют прямую зависимость от удельной прочности (У), а температура вспенивания (Хз) и время вспенивания (Х4) имеют обратную зависимость от удельной прочности.
2. Количество диатомита и количество глицерина следует оставить в модели, в то время как другие факторы нагрузки следует учитывать и исследовать в дополнительном объеме и интервале оценки. В дальнейших исследованиях необходимо оптимизировать модель до адекватных показателей регрессии и корреляции заданных значений.
Список источников
1. Zhao Y. [et al.]. Preparation of Sintered Foam Materials by Alkali-Activated Coal Fly Ash // Journal of Hazardous Materials. 2010. №. 174. Р. 108-112.
2. Smolii V.A. [et al.]. Influence of Granulometric Composition of Batch on Technological and Physical-Chemical Properties of Grаnulаr Рогош Silicate Aggregate // Glass Ceram. 2017. No 74(7-8). P. 270-272.
3. Monich P.R. [et al.]. Porous Glass-Ceram Ics from Alkali Activation and Sinter-Crystallization of Mixtures of Waste Glass and Residues from Plasma Processing of Municipal Solid Waste // Journal of Cleaner Production, 2018. No 188. Р. 871-878.
4. Yatsenko E.A. [et al.] Synthesis of Foamed Glass Based on Slag and a Glycerol Pore-Forming Mixture // Glass Phys. Chem. 2018. No 44(2). P. 152-155.
5. Da Silva R C. [et al.] Foam Glass Using Sodium Hydroxide as Foaming Agent: Study on the Reaction Mechanism in Soda-lime Glass Matrix // Journal of Non-Crystalline Solids. 2019. No 511. Р. 177-182.
6. Il'ina V.P., Shelekhova T.S. Diatomites of Karelia for Glass Production // Glass and Ceramics. 2009. No 66(3-4). P. 109-112.
ISSN 1560-3644 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. TECHNICAL SCIENCES. 2023. No 1
7. Yatsenko E.A. [et al.]. Peculiarities of the use of Siliceous Raw Materials of the Russian Far East in the Integrated Pipeline Protection // MATEC Web of Conferences. 2018. No 242. 01016.
8. Manevich V.E. [et al.]. Diatomite - Siliceous Material for the Glass Industry // Glass and Ceramics. 2012. No 69(5-6). P. 168-172.
9. Yatsenko E.A., Goltsman B.M., Ryabova A.V. Complex Protection of Pipelines Using Silicate Materials Based on Local Raw Materials of the Far East // Materials Science Forum. 2019. No 945. P. 46-52.
10. Ivanov K.S., Radaev S.S., Selezneva O.I. Diatomites in Granular Foam-Glass Technology // Glass and Ceramics. 2014. No 71(5-6). P. 157-161.
11. Яценко Л.А., Яценко Е.А., Гольцман Б.М. Перспективы использования природного силикатного сырья Ростовской области для производства пористых стеклокомпозитов // Изв. вузов Сев.-Кавк. регион. Техн. науки. 2021. № 3 (211). С. 85-90.
12. Яценко Л.А. [и др.]. Синтез пористого стеклокомпозита на основе природного силикатного сырья Ростовской области // Изв. вузов Сев.-Кавк. регион. Техн. науки. 2021. № 4 (212). С. 87-92.
13. Шилл Ф. Пеностекло. М.: Стройиздат, 1965. 307 с.
14. Минько Н.И., Пучка О.В., Бессмертный В.С. [и др.] Пеностекло. Научные основы и технология. Воронеж: Научная книга, 2008. 167 с.
15. Демидович Б.К. Пеностекло. Минск: Наука и техника, 1975. 248 с.
16. Яценко Л.А. Аналитический обзор современных программных средств для исследования химико-технологических процессов и их оптимизации // Сборник избранных статей по материалам научных конференций ГНИИ «Нацразвитие». Санкт-Петербург, 2021. С. 208-21з.
17. Яценко Л.А. [и др.]. Применение методов математической статистики для исследования влияния параметров синтеза на свойства пористых стеклокомпозитов // Изв. вузов. Сев.-Кавк. регион. Техн. науки. 2022. № 2. С. 88-94.
References
1. Zhao Y. et al. Preparation of Sintered Foam Materials by Alkali-activated Coal Fly Ash. Journal of Hazardous Materials. 2010; (174):108-112.
2. Smolii V.A. et al. Influence of Granulometric Composition of Batch on Technological and Physical-Chemical Properties of Grаnulаr Рогош Silicate Aggregate. Glass Ceram. 2017; 74(7-8):270-272.
3. Monich P.R. et al. Porous Glass-ceramics from Alkali Activation and Sinter-crystallization of Mixtures of Waste Glass and Residues from Plasma Processing of Municipal Solid Waste. Journal of Cleaner Production. 2018; (188):871-878.
4. Yatsenko E.A. et al. Synthesis of Foamed Glass Based on Slag and a Glycerol Pore-forming Mixture. Glass Phys. Chem. 2018; 44(2):152-155.
5. Da Silva R.C. et al. Foam Glass Using Sodium Hydroxide as Foaming Agent: Study on the Reaction Mechanism in Soda-lime Glass Matrix. Journal of Non-Crystalline Solids. 2019; (511): 177-182.
6. Il'ina V.P., Shelekhova T.S. Diatomites of Karelia for Glass Production. Glass and Ceramics. 2009; 66(3-4):109-112.
7. Yatsenko E.A. et al. Peculiarities of the Use of Siliceous Raw Materials of the Russian Far East in the Integrated Pipeline Protection. MATEC Web of Conferences. 2018; (242):01016.
8. Manevich V.E. et al. Diatomite - Siliceous Material for the Glass Industry. Glass and Ceramics. 2012; 69(5-6):168-172.
9. Yatsenko E.A., Goltsman B.M., Ryabova A.V. Complex Protection of Pipelines Using Silicate Materials Based on Local Raw Materials of the Far East. Materials Science Forum. 2019; (945):46-52
10. Ivanov K.S., Radaev S.S., Selezneva O.I. Diatomites in Granular Foam-Glass Technology. Glass and Ceramics. 2014; 71(5-6): 157-161.
11. Yatsenko L.A., Yatsenko E.A., Goltsman B.M. Prospects for the Use of Natural Silicate Raw Materials of the Rostov Region for the Production of Porous Glass Composites. Izv. vuzov. Sev.-Kavk. region. Techn. nauki = Bulletin of Higher Educational Institutions. North Caucasus Region. 2021; (3):85-90. (In Russ.)
12. Yatsenko L.A. et al. Synthesis of Porous Glass Composites Based on Natural Silicate Raw Materials of the Rostov Region. Izv. vuzov. Sev.-Kavk. region. Techn. nauki=Bulletin of Higher Educational Institutions. North Caucasus Region. Technical Sciences. 2021; (4):87-92. (In Russ.)
13. Shill F. Foam glass. Moscow: Stroiizdat; 1965. 307 p.
14. Minko N.I. et al. Foam glass, Scientific basis and technology. Voronezh: Scientific the book; 2008. 167 p.
15. Demidovich B.K. Foam glass. Minsk: Science and Technology; 1975. 248 p.
16. Yatsenko L.A. Analytical Review of Modern Software Tools for the Study of Chemical-technological Processes and their Optimization. Collection of selected articles based on the materials of scientific conferences of the HNRI "National Development". St. Petersburg, 2021. Pp. 208-213.
17. Yatsenko L.A. et al. Application of Mathematical Statistics Methods to Study the Influence of Synthesis Parameters on the Properties of Porous Glass Composites. Izv. vuzov. Sev.-Kavk. region. Techn. nauki=Bulletin of Higher Educational Institutions. North Caucasus Region. Technical Sciences. 2022;(2):88-94. (In Russ.)
Сведения об авторах
Яценко Любовь Александровнав - инженер, luba488@yandex.ru
Гольцман Борис Михайлович - канд. техн. наук, доцент, кафедра «Общая химия и технология силикатов», boriuspost@gmail.com
Яценко Елена Альфредовна - д-р техн. наук, профессор, зав. кафедрой «Общая химия и технология силикатов», e_yatsenko@ mail.ru
Яценко Владислав Сергеевич - аспирант, кафедра «Общая химия и технология силикатов», vladd_06@inbox.ru
Трофимов Сергей Вячеславович - аспирант, кафедра «Общая химия и технология силикатов», 23zarj23@mail.ru
ISSN 1560-3644 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. TECHNICAL SCIENCES. 2023. No 1
Information about the authors
Yatsenko Lyubov' A. - Engineer, luba488@yandex.ru
Goltsman Boris M. - Candidate of Technical Sciences, Assistant Professor, Department «General Chemistry and Technology of Silicates», boriuspost@gmail.com
Yatsenko Elena A.- Doctor of Technical Sciences, Professor, Head of Department «General Chemistry and Technology of Silicates», e_yatsenko@mail.ru
Yatsenko Vladislav S. - Graduate Student, Department «General Chemistry and Technology of Silicates», vladd_06@inbox.ru Trofimov Sergey V. - Graduate Student, Department «General Chemistry and Technology of Silicates», 23zarj23@mail.ru
Статья поступила в редакцию/the article was submitted 22.02.2023; одобрена после рецензирования /approved after reviewing 09.03.2023; принята к публикации / acceptedfor publication 10.03.2023.
Дополнение
к статье А.С. Ильиных, А.С. Пикалов, М.С. Галай, В.К. Милорадович «Повышение производительности рельсошлифовальных поездов методом скоростного шлифования», опубликованной в журнале «Изв. вузов. Сев.-Кавк. регион. Техн. науки». 2022. №4. С. 46-56.
Статья А.С. Ильиных, А.С. Пикалов, М.С. Галай, В.К. Милорадович «Повышение производительности рельсошлифовальных поездов методом скоростного шлифования», опубликованная в №4, 2022 г, с. 46-56, выполнена на основе результатов исследований с использованием мер государственной поддержки на развитие кооперации российских образовательных организаций высшего образования, государственных научных учреждений и организаций реального сектора экономики, реализующих комплексные проекты по созданию высокотехнологичного производства, предусмотренных постановлением Правительства Российской Федерации от 9 апреля 2010 г. N 218 по теме «Высокопроизводительная технология скоростного шлифования рельсов и оборудование для её реализации на основе интеллектуальных цифровых модулей», соглашение N 075-11-2022-014 от «08» апреля 2022 г.
