Статистическая оценка риска причинения вреда при несоответствии качества лакокрасочных покрытий Текст научной статьи по специальности «Строительство и архитектура»

Статистическая оценка риска причинения вреда при несоответствии качества _ „

С. 1449-1455

лакокрасочных покрытии

УДК 691.57:658.562:330.131.7 DOI: 10.22227/1997-0935.2019.11.1449-1455

Статистическая оценка риска причинения вреда при несоответствии качества лакокрасочных покрытий

В.И. Логанина, Т.В. Учаева

Пензенский государственный университет архитектуры и строительства (ПГУАС);

г. Пенза, Россия

АННОТАЦИЯ

Введение. В связи с увеличением удельного веса красочных составов в отделке зданий, актуализацией вопросов качества отделки строительных изделий и конструкций возникает необходимость определения степени риска причинения вреда при несоответствии качества лакокрасочных материалов и покрытий при проведении малярных работ. Материалы и методы. Для оценки риска в работе применяли в качестве красочных составов поливинилацетатце-ментную ПВАЦ, масляную МА-15, алкидную ПФ-115, вододисперсионную акриловую АК-111, кремнийорганическую КО-168 и полимеризвестковую ПИ краски. Риск рассматривали как вероятность наступления события, имеющего неблагоприятные последствия для лакокрасочного покрытия. Кроме того, был проведен расчет риска R как ожидаемого ущерба У в результате разрушения покрытия.

Результаты. Установлено, что для ряда покрытий характерна более низкая однородность значений прочности сцепления, чем это требуется, исходя из соотношения фактического и нормативного коэффициентов вариации. Значения риска г свидетельствуют о том, что вероятность адгезионного разрушения минимальна. Расчет риска R как ожидаемого ущерба У в результате разрушения покрытия вследствие нарушения адгезии показал, что значения риска R составляют от 0,068-11,18 руб. на 1 м2.

Выводы. Выявлено, что вероятность адгезионного разрушения лакокрасочных покрытий минимальна. Значения риска как ожидаемого ущерба в результате адгезионного разрушения покрытий минимальны и составляют 0,068-11,18 руб. на 1 м2 в зависимости от вида покрытия. При принятии управленческого решения о производстве ^ е вида красок руководство должно будет оценить риск экономического ущерба. 5

2. х к *

КЛЮЧЕВЫЕ СЛОВА: риск, причиненный ущерб, лакокрасочные покрытия, вероятность разрушения, прочность г Я

сцепления О

S

Valentina I. Loganina, Tatyana V. Uchaeva

Penza State University of Architecture and Construction (PGUAS); Penza, Russian Federation

О

ДЛЯ ЦИТИРОВАНИЯ: Логанина В.И., Учаева Т.В. Статистическая оценка риска причинения вреда при несоответствии качества лакокрасочных покрытий // Вестник МГСУ. 2019. Т. 14. Вып. 11. С. 1449-1455. DOI: 10.22227/1997- О cö 0935.2019.11.1449-1455 t N

r I

Statistical assessment of damnification risk due to inconformity of paint 3 3

coating quality 3 p

--§ 2

° 0

ABSTRACT 0 6

Introduction. In connection with the increase in the proportion of paint compositions in the decoration of buildings and the E 6

actualization of the building structure finishing quality issues, it is necessary to determine the degree of damnification risk if io

the quality of paints and coatings does not conform to requirements. c §§

Materials and methods. In order to assess the risk in the work, the study used polyvinyl acetate cement (PVAC) paint, MA- ET §

15 oil paint, PF-115 alkyd paint, AK-111 water-dispersion acrylic paint, KO-168 organic-silicone paint, and PI polymer lime 0 )

paint as paint compositions. The risk was considered as the probability of an event that harms the paint coating. In addition < ^

to this, a calculation of the risk R as the expected damage Y due to destruction of the coating was performed. U o

Results. The research has established that some coatings are characterized by lower uniformity of adhesion strength values g 1

than it is required on the grounds of the relation between the actual and normative coefficients of variation. The values of ® .

risk r indicate that the probability of adhesive destruction is minimal. The calculation of the risk R as the expected damage Y 4 n

because of the coating destruction due to the violation of adhesion showed that the maximum risk R values are from 0.068 !_ £

to 11.18 rubles per square meter. s y Conclusions. It is established that the probability of paint coating adhesive destruction is minimal. The values of risk as

expected damage because of coating adhesive destruction are from 0.068 to 11.18 rubles per square meter6 depending on 1 1 the coating type. When making a managerial decision on a paint production, a risk of economic damage should be estimated.

KEYWORDS: risk, damage done, paint coating, destruction probability, adhesion strength

to to о о

© В.И. Логанина, Т.В. Учаева, 2019

Распространяется на основании Creative Commons Attribution Non-Commercial (CC BY-NC)

FOR CITATION: Loganina V.I., Uchaeva T.V. Statistical assessment of damnification risk due to inconformity of paint coating quality. Vestnik MGSU [Monthly Journal on Construction and Architecture], 2019; 14(11):1449-1455. DOI: 10.22227/1997-0935.2019.11.1449-1455 (rus.).

0> 0>

о о

СЧ СЧ

К <l> О 3

>i in с w 2 -to t

il

<D ф

Ô ë —' ~i=! О

О О

о со CM

ОТ

(л

.Е о

¿и

—- с Ю о

S*

о Е fe О

СП ^ т- _>s

"Z. £ £

ОТ °

£: w

il

ï!

О (0 ф ф

со >

ВВЕДЕНИЕ

В современных условиях развития российской экономики происходят процессы, которые резко увеличивают вероятность возникновения рискованной ситуации на предприятии. Не имеют значения характер компании, ее масштабы, отрасль, в которой она работает. Это связано с тем, что риск охватывает все сферы общества и его отдельных субъектов [1-3].

В связи с этим основным и обязательным критерием нормального функционирования современного предприятия является способность прогнозировать, осуществлять профилактику, рационально контролировать, эффективно управлять и оценивать риски. Риск связан с управлением и напрямую зависит от эффективности, обоснованности и своевременности управленческих решений [4-6]. Управленческие решения могут снизить, а иногда и полностью устранить негативные последствия риска. Именно поэтому вопрос управления рисками — актуальный и значимый [7-9].

Последние годы характеризуются увеличением удельного веса красочных составов в отделке зданий. Срок службы защитно-декоративных покрытий составляет в среднем 5-6 лет. Однако зачастую разрушение покрытий наступает значительно раньше [10, 11]. В соответствии с Федеральным законом «О техническом регулировании» от 27.12.2002 № 184-ФЗ, актуализацией вопросов качества отделки строительных изделий и конструкций возникает необходимость определения степени риска причинения вреда при несоответствии качества лакокрасочных материалов и покрытий при проведении малярных работ.

Значения показателей лакокрасочных материалов и покрытий, изложенные в нормативной документации, задаются некоторыми ограничениями, например:

X > х„

X < X < X

min — — max

(1)

нения вреда, что может нанести вред потребителю лакокрасочной продукции. В связи с этим вопросы оценки риска причинения вреда являются сегодня исключительно актуальными.

В настоящее время предложено большое число методов расчета риска [12-14]. Анализ научно-технической информации свидетельствует, что для оценки риска часто используют статистические методы, в соответствии с которыми риск рассматривается как вероятность наступления события, имеющего неблагоприятные последствия [15-17].

МАТЕРИАЛЫ И МЕТОДЫ

Была оценена степень риска адгезионного разрушения лакокрасочных покрытий строительных изделий и конструкций. С этой целью проведена статистическая обработка результатов испытаний прочности сцепления ряда красочных составов для определения значений фактических и нормативных коэффициентов вариации. В качестве красочных составов применяли поливинилацетатцементную ПВАЦ, масляную МА-15, алкидную ПФ-115, водо-дисперсионную акриловую АК-111, кремнийорга-ническую КО-168 и полимеризвестковую ПИ краски. Прочность сцепления определялась методом отрыва шайб на образцах покрытий каждого вида.

В работе риск рассматривался как вероятность наступления события, имеющего неблагоприятные последствия для лакокрасочного покрытия [18-20]. Вероятность разрушения лакокрасочного покрытия рассчитывали по формуле

(

г =0,5-Ф

"^наиб "^пре;

i

с2 г -с2

наио пред у

(2)

где Ф — функция Лапласса; Лнап6 — наибольшее значение показателя качества покрытия; К —

Г пред

предельное значение показателя качества лакокрасочного покрытия; а — среднеквадратическое отклонение (СКО) наибольшего значения показате-

ля качества покрытия; о

-среднеквадратическое

Однако в нормативных документах, касающихся вопросов качества лакокрасочных материалов и покрытий, не отражены показатели риска причи-

отклонение предельного значения показателя качества лакокрасочного покрытия.

Среднеквадратическое отклонение предельного значения показателя качества лакокрасочного покрытия определяли как

Статистическая оценка риска причинения вреда при несоответствии качества

лакокрасочных покрытий

с =R v

пред пред п

где V — нормативное значение коэффициента вариации.

Нормативное значение коэффициента вариации V; при нормальном законе распределения рассчитывали по формуле

0.3290;?(Х -1)

(3) где п — число интервалов ряда распределения признака; К — отношение максимального значения признака к минимальному.

РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ

Результаты испытаний, представленные в виде вариационного ряда для ПВАЦ и полимеризвестко-

(4) вого покрытия, приведены в табл. 1, 2 и на рис. 1, 2.

Табл. 1. Распределение Ra ПВАЦ покрытия Table 1. Distribution of PVAC coating Ra

Величина, МПа / Value, МРа 1,0 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,1 2,4

Число появлений / Occurrence number и г 1 1 2 2 2 3 4 2 2 1

Среднее: / Average: Ra = 1,7 МПа/МРа

Табл. 2. Распределение Ra полимеризвесткового покрытия Table 2. Distribution of polymer lime coating R

Величина, МПа / Value, МРа 0,9 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 2,1

Число появлений / Occurrence number и г 1 1 1 2 2 4 3 2 1 1 1 1

< DO

<D <D W О

is

О |

c«

о W =! CO

О CD

° 3

i

3 ° SL8

о

o5 § I

Сn

<—*■ —

с w

a g

§ M Ш g

> CT)

о 9

CD ^D

[r

Ф

«> DO

■ T

ЗГ Э

«I *S с о Ф Ж

10 10 о о

Среднее / Average: Ra = 1,53 МПа/МРа

h 2 -| 1,8 -1,6 -1,4 -1,2 -1 -0,8 -0,6 -0,4 -0,2 -О -

О

1

1,2 1,4

—I—

1,6

1,

R , МПа / МРа

2,2 2,4 2,6

Рис. 1. Гистограмма распределения прочности сцепления ПВАЦ покрытия Fig. 1. Histogram of PVAC coating adhesion strength distribution

h

2 1,8 1,6 1,4 H 1,2

1 H 0,8 0,6 H 0,4 0,2 H 0

R , МПа / МРа

0 0,9 1,1 1,3 1,5 1,7 1,9 2,1

Рис. 2. Гистограмма распределения прочности сцепления полимеризвесткового покрытия Fig. 2. Histogram of polymer lime coating adhesion strength distribution

m о

о о

сч N

Полученные формы гистограмм позволяют выдвинуть гипотезу о нормальных распределениях для всех рассматриваемых совокупностей. Результаты проверки гипотез по критерию Пирсона х2 (уровень значимости а = 0,05; число степеней свободы k = s - 3, где s — число интервалов) показали хорошее согласование эмпирического закона распределения с нормальным [18-20].

В табл. 3 приведены числовые значения фактического и нормативного значений коэффициентов вариации, а также максимально допустимого значения СКО для некоторых защитно-декоративных покрытий. Исходя из требований нормативной документации, предельное значение прочности сцепления ^пред лакокрасочных покрытий строительных изделий и конструкций должно быть не менее 0,6 МПа.

Анализ данных свидетельствует, что для ряда покрытий характерна более низкая однородность значений прочности сцепления, чем это требуется, исходя из соотношения фактического и нормативного коэффициентов вариации. Максимально допустимое значение среднеквадратического отклонения °пред при статистической управляемости процесса окрашивания для некоторых покрытий (ПВАЦ, ПИ,

ПФ-115) должно быть меньше фактических и соответствовать значениям, указанным в табл. 3. Представленные в табл. 3 значения риска г свидетельствуют, что вероятность адгезионного разрушения минимальна. Значение риска для исследуемых покрытий составляет 0,00034-0,0559. Однако спустя 120 сут увлажнения значение вероятности разрушения для полимеризвестковых покрытий составляет 0,1168, для ПВАЦ покрытий — 0,0618.

Расчет риска R как ожидаемого ущерба У в результате разрушения покрытия вследствие нарушения адгезии проводился по формуле

R = rY,

(5)

где г — вероятность разрушения адгезии покрытия; У — ожидаемый ущерб в результате разрушения покрытия, руб.

Принимаем стоимость покраски в среднем 200 руб. на 1 м2. Результаты расчета риска R, как ожидаемого ущерба У, приведены в табл. 4.

Результаты расчета свидетельствуют, что максимальные значения риска R характерны для окраски масляной МА-15, алкидной ПФ-115, по-лимеризвестковой красок. Значения риска R пос-

* ф

U 3

> (Л

с и 03 *

¡1

OU ф

О %

---' "t^

о

о о

Табл. 3. Значения коэффициентов вариации показателей прочности сцепления покрытий Table 3. Values of coating adhesion strength variation coefficients

Вид покрытия / Coating type

s

и v £

ад й

I ai

n

е an

о и

g S

£ о s о

S & р / де аи

1 ^

р

О о

v

V à* 'о u

S3 1

S &

н в за е т он не

а

Я ^ рф

£ S

a

aria

v

<+4 4©

О о4 U Й ^

a

> §

ve cie

£ Ë ae a о rc

ê §

ее чд

ие

s &

р п

де

ен

S §

u ¡2 О о

о ai

с с:

en d i re ity

5 д t

ua

6 a

ГЛ СТ f

Значение риска / Risk value r

о со см

со

CO

.E о

dl"

• a LO О

о EE

fe ° a> ^

Z £ £

CO °

E w

ïl

О (0 ф ф

ta >

На основе краски ПВАЦ / Based on PVAC paint

1,7

0,313/18,41

15,48

0,26

0,0035/0,0618*

На основе полимеризвестковой краски / Based on polymer lime paint

1,53

0,296/19,34

15,33

0,23

0,0066/0,1168*

На основе вододисперсионной акриловой АК-111 краски / Based on AK-111 water-dispersion acrylic paint

1,5

0,225/15

14,7

0,22

0,0021/0,04*

На основе кремнийорганической КО-168 краски / Based on KO-168 organic-silicone paint

1,7

0,204/12

14,0

0,24

0,00034/0,0015*

На основе масляной МА-15 / Based on MA-15 oil paint

0,9

0,126/14

15,1

0,14

0,0559/0,14*

На основе ПФ-115 краски / Based on PF-115 alkyd paint

1,2

0,192/16

14,8

0,18

0,0301/0,1*

Примечание. *Над чертой приведены значения риска R после отверждения покрытий, под чертой — после 120 сут увлажнения.

Note. *Risk R values after coating curing (before the slash) and after 120-day damping (after the slash).

Статистическая оценка риска причинения вреда при несоответствии качества

лакокрасочных покрытии

Табл. 4. Значения риска как ожидаемого ущерба Table 4. Values of risk as expected damage

Вид покрытия / Coating type Значение риска R как ожидаемого ущерба, руб. на 1 м2 / Value of risk R as expected damage, ruble per square meter

На основе краски ПВАЦ / Based on PVAC paint 0,7/12,36*

На основе полимеризвестковой краски / Based on polymer lime paint 1,32/23,36*

На основе вододисперсионной акриловой АК-111 / Based on AK-111 water-dispersion acrylic paint 0,42/8*

На основе кремнийорганической КО-168 / Based on KO-168 organic-silicone paint 0,068/0,2*

На основе масляной МА-15 / Based on MA-15 oil paint 11,18/28*

На основе ПФ-115 / Based on PF-115 alkyd paint 6,02/20*

Примечание. *Над чертой приведены значения риска R как ожидаемого ущерба после отверждения покрытий, под чертой — после 120 сут увлажнения.

Note. *Values of risk R as expected damage after coating curing (before the slash) and after 120-day damping (after the slash).

ле отверждения покрытий составляет от 1,32 до 11,18 руб. на 1 м2. После 120 сут увлажнения значение риска R как ожидаемого ущерба составляет для этих красок 20-23,36 руб. на 1 м2.

ЗАКЛЮЧЕНИЕ И ОБСУЖДЕНИЕ

Установлено, что вероятность адгезионного разрушения лакокрасочных покрытий минимальна. Значение риска как ожидаемого ущерба в результате адгезионного разрушения покрытий

составляет 0,068-11,18 руб. на 1 м2 в зависимости от вида покрытия. В процессе эксплуатации (менее 3-х лет) при гарантийном сроке риск как ожидаемый ущерб возрастает и составляет для этих красок 20-23,36 руб. на 1 м2.

Данные значения говорят о необходимости учета влияния риска на экономический ущерб предприятия и потребителя. При принятии управленческого решения о производстве данного вида красок руководство должно будет направить усилия на совершенствование рецептуры красок.

ЛИТЕРАТУРА

1. Quinlivan L., Steeg S., Elvidge J., NowlandR., Davies L., Hawton K. et al. Risk assessment scales to predict risk of hospital treated repeat self-harm: A cost-effectiveness modelling analysis // Journal of Affective Disorders. 2019. Vol. 249. Pp. 208-215. DOI: 10.1016/jjad.2019.02.036

2. Zulaiha Z., Ali M.I., Ramli N.I. AHP-based analysis of the risk assessment delay case study of public road construction project: an empirical study // Journal of Engineering Science and Technology. 2019. Vol. 14. Issue 2. Pp. 875-891.

3. Lara-Cabrera R., Gonzalez-Pardo A., Camacho D. Statistical analysis of risk assessment factors and metrics to evaluate radicalisation in Twitter // Future Generation Computer Systems. 2019. Vol. 93. Pp. 971978. DOI: 10.1016/j.future.2017.10.046

4. Учаева Т.В., Иванова Д.С., Духанина Е.В. Формирование системы риск-менеджмента на предприятиях инвестиционно-строительного комплек-

са // Региональная архитектура и строительство. 2018. № 1 (36). C. 190-193.

5. Мебадури З.А., Учаева Т.В., Луничкина Е.В. Формирование механизмов управления рисками на строительном предприятии // Вестник БГТУ им. Шухова. 2018. № 7. C. 131-135. DOI: 10.12737/ article_5b4f02c4dabc18.49431446

6. Cantos W.P., Juran I. Infrastructure aging risk assessment for water distribution systems // Water Supply. 2019. Vol. 19. Issue 3. Pp. 899-907. DOI: 10.2166/ ws.2018.139

7. Adimalla N., Qian H., Wang H.K. Assessment of heavy metal (HM) contamination in agricultural soil lands in northern Telangana, India: an approach of spatial distribution and multivariate statistical analysis // Environmental Monitoring and Assessment. 2019. Vol. 191. Issue 4. DOI: 10.1007/s10661-019-7408-1

8. Hrustalev B.B., Moses A., Uchaeva T.V. Risk and uncertainty in economic modelling of complex

< 00

<d е t с

i

G Г сУ

0 w

n CO

1 z У -b

J to

^ I

n °

0 »

01

О n

i N

П 2

» 0

A CD

Г 6

c Я

h О

С о

• )

if

® 4

«> DO

■ т

s □

s У с о <D X

10 10 о о

№ о

о о

сч N

¡г Ф

U 3 > (Л С И 2

03 *

si

<U ф

О %

---' "t^

о

о о

о со ГМ

(Л (Л

.Е о

£ ° • a Ю сэ

S *

сэ ЕЕ

Ё5 °

О) ^

т-

2: £ £

ю °

a «я s1

iE 35

О (П

ф ф

со >

building systems // MATEC Web of Conferences. 2018. Vol. 193. P. 05028. DOI: 10.1051/matecco-nf/201819305028

9. Busby J.S. The co-evolution of competition and parasitism in the resource-based view: A risk model of product counterfeiting // European Journal of Operational Research. 2019. Vol. 276. Issue 1. Pp. 300-313. DOI: 10.1016/j.ejor.2018.12.039

10. Loganina V.I. Increasing the Durability of Paint and Varnish Coatings in Building Products and Construction. Woodhead Publishing, 2019. 202 p. URL: https://www.elsevier.com/books/increasing-the-durabil-ity-of-paint-and-varnish-coatings-in-building-products-and-construction/ivanovna/978-0-12-817046-5

11. Loganina V. Crack Resistance of Paint Coatings, Cement Concretes // Coatings and Thin-Film Technologies, 2019. DOI: 10.5772/intechopen.78537 URL: https://www.intechopen.com/books/coatings-and-thin-film-technologies/crack-resistance-of-paint-coatings-cement-concretes

12. Аронов И.З., Гельгор В.И., Ковальчук О.В. Методы оценки риска причинения вреда при потреблении пищевых продуктов // Методы оценки соответствия. 2006. № 9. С. 38-43.

13. АроновИ.З. Общая методология оценки риска причинения вреда и основные модели анализа риска // Сертификация. 2008. № 2. С. 5-10.

14. Uchaeva T. V., Loganina V.I. Analysis of the Risk at the Finishing of the Building Products and Construction of Paint Compositions // Case Studies in Construction Materials. 2018. Vol. 8. Pp. 213-216. DOI: 10.1016/j.cscm.2018.01.001

Поступила в редакцию 29 апреля 2019 г. Принята в доработанном виде 14 июня 2019 г. Одобрена для публикации 29 октября 2019 г.

Об авторах: Валентина Ивановна Логанина — доктор технических наук, профессор, заведующая кафедрой управления качеством и технологии строительного производства; Пензенский государственный университет архитектуры и строительства (ПГУАС); 440028, г. Пенза, ул. Германа Титова, д. 28; РИНЦ ID: 369481, Scopus: 6602801860, ResearcherID: 5558-2015, ORCID: 0000-0001-7532-0074; loganin@mail.ru;

Татьяна Владимировна Учаева — кандидат экономических наук, доцент кафедры экономики, организации и управления предприятием; Пензенский государственный университет архитектуры и строительства (ПГУАС); 440028, г. Пенза, ул. Германа Титова, д. 28; РИНЦ ID: 757831, ORCID: 0000-0002-3792-4720; uchaevatv@mail.ru.

15. Александровская Л.Н., Аронов И.З., Елизаров А.И. и др. Статистические методы анализа безопасности сложных технических систем. М. : Логос, 2001. 230 с.

16. Кислицына Л.В. Оценка потенциального риска причинения вреда здоровью вследствие употребления населением пищевых продуктов по Приморскому краю // Здоровье. Медицинская экология. Наука. 2016. № 3 (66). С. 188-192. DOI: 10.18411/ hmes.d-2016-139

17. Culhane F., Teixeira H., Nogueira A.J.A., Borgwardt F., Trauner D., Lillebo A. et al. Risk to the supply of ecosystem services across aquatic ecosystems // Science of the Total Environment. 2019. Vol. 660. Pp. 611-621. DOI: 10.1016/j.scito-tenv.2018.12.346

18. Mohandes S.R., ZhangX. Towards the development of a comprehensive hybrid fuzzy-based occupational risk assessment model for construction workers // Safety Science. 2019. Vol. 115. Pp. 294-309. DOI: 10.1016/j.ssci.2019.02.018

19. Гмурман В.Е. Теория вероятностей и математическая статистика : уч. пос. для вузов. М. : Высшая школа, 2003. 479 с.

20. Yang Z., Li X., Chen C., Zhao H., Yang D., Guo J. et al. Reliability assessment of the spindle systems with a competing risk model // Proceedings of the Institution of Mechanical Engineers, Part O: Journal of Risk and Reliability. 2019. Vol. 233. Issue 2. Pp. 226234. DOI: 10.1177/1748006x18770343

REFERENCES

1. Quinlivan L., Steeg S., Elvidge J., Nowland R., Davies L., Hawton K. et al. Risk assessment scales to predict risk of hospital treated repeat self-harm: A cost-effectiveness modelling analysis. Journal of Affective Disorders. 2019; 249:208-215. DOI: 10.1016/j. jad.2019.02.036

2. Zulaiha Z., Ali M.I., Ramli N.I. AHP-based analysis of the risk assessment delay case study of public road construction project: an empirical study.

Journal of Engineering Science and Technology. 2019; 14(2):875-891.

Статистическая оценка риска причинения вреда при несоответствии качества

лакокрасочных покрытий

3. Lara-Cabrera R., Gonzalez-Pardo A., Camacho D. Statistical analysis of risk assessment factors and metrics to evaluate radicalisation in Twitter. Future Generation Computer Systems. 2019; 93:971-978. DOI: 10.1016/j.future.2017.10.046

4. Uchaeva T.V., Ivanova D.S., Duhanina E.V. Formation of the risk management system at the enterprises of the investment and construction complex. Regional architecture and construction. 2018; 1(36):190-193. (rus.).

5. Mebaduri Z.A., Uchaeva T.V., Lunich-kina E.V. The formation mechanisms of risk management in construction company. Bulletin of Belgorod State Technological University named after V.G. Shukhov. 2018; 7:131-135. DOI: 10.12737/ article_5b4f02c4dabc18.49431446 (rus.).

6. Cantos W.P., Juran I. Infrastructure aging risk assessment for water distribution systems. Water Supply. 2019; 19(3):899-907. DOI: 10.2166/ws.2018.139

7. Adimalla N., Qian H., Wang H.K. Assessment of heavy metal (HM) contamination in agricultural soil lands in northern Telangana, India: an approach of spatial distribution and multivariate statistical analysis. Environmental Monitoring and Assessment. 2019; 191(4). DOI: 10.1007/s10661-019-7408-1

8. Hrustalev B.B., Moses A., Uchaeva T.V. Risk and uncertainty in economic modelling of complex building systems. MATEC Web of Conferences. 2018; 193:05028. DOI: 10.1051/matecconf/201819305028

9. Busby J.S. The co-evolution of competition and parasitism in the resource-based view: A risk model of product counterfeiting. European Journal of Operational Research. 2019; 276(1):300-313. DOI: 10.1016/j. ejor.2018.12.039

10. Loganina V.I. Increasing the durability of paint and varnish coatings in building products and construction. Woodhead Publishing, 2019; 202. URL: https://www.elsevier.com/books/increasing-the-durabil-ity-of-paint-and-varnish-coatings-in-building-products-and-construction/ivanovna/978-0-12-817046-5

11. Loganina V. Crack resistance of paint coatings, cement concretes. Coatings and Thin-Film Technologies. 2019. DOI: 10.5772/intechopen.78537 URL:

Received April 29, 2019.

Adopted in a revised form on June 14, 2019.

Approved for publication October 29, 2019.

https://www.intechopen.com/books/coatings-and-thin-film-technologies/crack-resistance-of-paint-coatings-cement-concretes

12. Aronov I.Z., Gel'gor V.I., Koval'chuk O.V. Methods for assessing the risk of causing harm when consuming foodstuffs. Means of Conformity Assessment. 2006; 9:38-43. (rus.).

13. Aronov I.Z. General methodology for assessing the risk of harm and the main models of risk analysis. Certification. 2008; 2:5-10. (rus.).

14. Uchaeva T.V., Loganina V.I. Analysis of the risk at the finishing of the building products and construction of paint compositions. Case Studies in Construction Materials. 2018; 8:213-216. DOI: 10.1016/j. cscm.2018.01.001

15. Aleksandrovskaya L.N., Aronov I.Z., Elizarov A.I. et al. Statistical methods for analyzing the safety of complex technical systems. Moscow, Logos Publ., 2001; 230. (rus.).

16. Kislitsyna L.V. Assessment of the potential risk of harm to health due use community food for the Primorsky region of Russia. Health. Medical Ecology. The Science. 2016; 3(66):188-192. DOI: 10.18411/ hmes.d-2016-139 (rus.).

17. Culhane F., Teixeira H., Nogueira A.J.A., Borgwardt F., Trauner D., Lillebo A. et al. Risk to the supply of ecosystem services across aquatic ecosystems. Science of the Total Environment. 2019; 660:611-621. DOI: 10.1016/j.scitotenv.2018.12.346

18. Mohandes S.R., Zhang X. Towards the development of a comprehensive hybrid fuzzy-based occupational risk assessment model for construction workers. Safety Science. 2019; 115:294-309. DOI: 10.1016/j. ssci.2019.02.018

19. Gmurman V.E. Probability theory and mathematical statistics: proc. manual for universities. Moscow, Higher school Publ., 2003; 479. (rus.).

20. Yang Z., Li X., Chen C., Zhao H., Yang D., Guo J. et al. Reliability assessment of the spindle systems with a competing risk model. Proceedings of the Institution of Mechanical Engineers, Part O: Journal of Risk and Reliability. 2019; 233(2):226-234. DOI: 10.1177/1748006x18770343

< DO

<D e t о

i H k 1

G Г

c¡¡¡

о n

I S

y -ь

J CD I

n

S 3 о

о n

& N

П 2 s 0

S 6

r 6 c Я

h о

Bionotes: Valentina I. Loganina — Doctor of Technical Sciences, Professor, Head of the Department of Quality Management and Technology of Construction Production; Penza State University of Architecture and Construction (PGUAS); 28 German Titov st., Penza, 440028, Russian Federation; ID RISC: 369481, Scopus: 6602801860, ResearcherID: 5558-2015, ORCID: 0000-0001-7532-0074; loganin@mail.ru;

Tatyana V. Uchaeva — Candidate of Economic Sciences, Associate Professor of the Department of Economics, Organization and Management of an Enterprise; Penza State University of Architecture and Construction (PGUAS); 28 German Titov st., Penza, 440028, Russian Federation; ID RISC: 757831, ORCID: 0000-0002-37924720; uchaevatv@mail.ru.

С о

• ) ¡r

® 4

«> 00

■ Г

s S

s у с о <D *

10 10 о о