CC BY
9
ИНТЕЛЛЕКТУАЛЬНЫЕ ТЕХНИЧЕСКИЕ СИСТЕМЫ В ПРОИЗВОДСТВЕ И ПРОМЫШЛЕННОЙ ПРАКТИКЕ
INTELLIGENT TECHNICAL SYSTEMS IN MANUFACTURING AND INDUSTRIAL PRACTICE
05.02.22 ОРГАНИЗАЦИЯ ПРОИЗВОДСТВА (ПО ОТРАСЛЯМ)
(технические науки)
INDUSTRIAL ENGINEERING
DOI: 10.33693/2313-223X-2021-8-3-69-75
Теоретико-методологическое изучение системы метрологического обеспечения
Э.Б. Искендерзаде ©, Г.С. Велиев ©, Ш.В. Ахмедли ©, А.Я. Зулфугарова ©, У.Р. Исламова ©
Азербайджанский Технический Университет, Баку, Республика Азербайджан
E-mail: elchin.isgenderzade@gmail.com
Аннотация. Система метрологического обеспечения - основа управления качеством продукции на машиностроительном предприятии. Важнейшим элементом метрологического обеспечения являются реальные параметры качества. Было изучено, что административная система управления не создает условий для осуществления объективного технического управления и, как следствие, для оптимизации структуры управления, снижения себестоимости продукции и обеспечения качества. Решить эту проблему можно только путем разработки соответствующих математических моделей систем метрологического обеспечения и управления производственными процессами. Однако для построения математических моделей систем метрологического обеспечения и управления производственными процессами необходимо установить функциональные и структурные схемы технологического процесса и сформировать процесс получения графических моделей с использованием параметров надежности изделия. Модель - это упрощенная система, отражающая отдельные элементы и более важные аспекты изучаемого процесса. Один и тот же процесс можно описать разными моделями, а одна модель может описывать разные процессы. Одним из наиболее важных и сложных вопросов при моделировании является определение ключевых показателей системы, которые должны более полно отражать качество продукта. К таким параметрам можно отнести отказ, долговечность, время, затраченное на разработку и ввод продукта в эксплуатацию и т. д. Таким образом, задачу моделирования системы метрологического обеспечения можно сформулировать следующим образом: необходимо найти систему, отвечающую совокупным требованиям исходных данных и в этом случае показатели качества должны иметь наилучшие значения в соответствии с заранее выбранным высшим критерием.
Ключевые слова: качество продукции, метрологическое обеспечение, системная модель, моделирование, непрерывность, модели Булева, марковские модели
ССЫЛКА НА СТАТЬЮ: Искендерзаде Э.Б., Велиев Г.С., Ахмедли Ш.В., Зулфугарова А.Я., Исламова У.Р. Теоретико-методологическое изучение системы метрологического обеспечения // Computational nanotechnology. 2021. Т. 8. № 3. С. 69-75. DOI: 10.33693/2313-223X-2021-8-3-69-75
ИНТЕЛЛЕКТУАЛЬНЫЕ ТЕХНИЧЕСКИЕ СИСТЕМЫ В ПРОИЗВОДСТВЕ И ПРОМЫШЛЕННОЙ ПРАКТИКЕ INTELLIGENT TECHNICAL SYSTEMS IN MANUFACTURING AND INDUSTRIAL PRACTICE
DOI: 10.33693/2313-223X-2021-8-3-69-75
Theoretical and Methodological Study of the Metrological Support System
E.B. Isgandarzada ©, G.S. Valiyev ©, Sh.V. Ahmadli ©, A.Ya. Zulfugarova ©, U.R. Islamova ©
Azerbaijan Technical University, Baku, Republic of Azerbaijan
E-mail: elchin.isgenderzade@gmail.com
Abstract. The system of metrological support is the basis of product quality management at a machine-building enterprise. The most important element of metrological support is the real quality parameters. It was studied that the administrative management system does not create conditions for the implementation of objective technical management and, as a result, for the optimization of the management structure, reduction of production costs and quality assurance. This problem can be solved only through the development of appropriate mathematical models of metrological support systems and production process control. However, in order to build mathematical models of metrological support and production process control systems, it is necessary to establish functional and structural diagrams of the technological process and form a process for obtaining graphic models using product reliability parameters. A model is a simplified system that reflects individual elements and more important aspects of the process under study. The same process can be described by different models, and one model can describe different processes. One of the most important and difficult issues in modeling is the definition of key indicators of the system, which should more fully reflect the quality of the product. These parameters include failure, durability, time spent on product development and commissioning, etc. Thus, the problem of modeling a metrological assurance system can be formulated as follows: it is necessary to find a system that meets the aggregate requirements of the initial data, and in this case the quality indicators should have the best values in accordance with a previously selected higher criterion.
Key words: product quality, metrological assurance, system model, modeling, continuity, Boolean models, Markov models
FOR CITATION: Isgandarzada E.B., Valiyev G.S., Ahmadli Sh.V., Zulfugarova A.Ya., Islamova U.R. Theoretical and Methodological Study of the Metrological Support System. Computational Nanotechnology. 2021. Vol. 8. No. 3. Pp. 69-75. (In Russ.) DOI: 10.33693/2313-223X-2021-8-3-69-75
АКТУАЛЬНОСТЬ
На рис. 1 представлено схематическое описание модели произвольной технической системы.
Рис. 1. Схематическое описание произвольной модели Fig. 1. Schematic description of an arbitrary model
Любая модель может заменить исходный объект только при соблюдении строгих условий. Поэтому для одного объекта можно построить несколько «специальных» моделей, которые могут сосредоточиться на каком-либо аспекте исследуемой модели и характеристиках, отражающих объект
в разной степени. После этого сама модель выступает объектом самостоятельного исследования.
Следующий шаг - проверить полученную информацию на практике и использовать ее для построения общей теории объекта.
Итак, моделирование - это периодический процесс. Здесь знания об изучаемом объекте расширяются и уточняются, а исходная модель постоянно совершенствуется. Отсутствие информации об объекте в первый период и ошибки, недостатки в построении модели могут быть устранены в более поздние периоды.
Моделирование начинается с формирования предмета исследования - формирования системы понятий, отражающих характеристики объекта, важные для моделирования.
Отличительной особенностью моделирования сложных систем является его универсальность и разнообразие способов использования. По сути, моделирование должно отражать все процессы жизненного цикла системы, и в этом случае следует учитывать технологию моделей, реализованных на основе компьютерных технологий.
Следовательно, целью должно быть изучение какого-либо аспекта деятельности объекта. Чтобы упростить модель, они делят цель на подцели и создают более эффективные версии моделей в зависимости от полученных подцелей.
Искендерзаде Э.Б., Велиев Г.С., Ахмедли Ш.В., Зулфугарова А.Я., Исламова У.Р.
Если цель моделирования ясна, то следующая проблема - это проблема построения модели. Построение модели возможно только при наличии достаточной информации о структуре, алгоритмах и параметрах исследуемого объекта либо при выдвижении гипотезы. На основании их изучения объект идентифицируется.
Что характерно для хорошо построенной модели, так это то, что она выявляет только те закономерности, которые нужны исследователю, и не исследует свойства системы, которые не имеют отношения к исследованию.
В одних случаях более сложной проблемой является идентификация объекта, а в других - проблема построения формальной структуры объекта. Возможны сложности при реализации модели, особенно при моделировании больших и сложных динамических систем.
С этой точки зрения нет сомнений в актуальности исследований для преодоления этих трудностей.
ОБЬЕКТ И МЕТОДИКА ИССЛЕДОВАНИЙ
Если эквивалентная схема системы отказа известна и имеет форму плоского графа, то можно построить граф с бинарной структурой относительно исходного графа. Эту структуру можно интерпретировать как эквивалентную схему системы двух графов для отказа.
Фиктивная ветвь между входом и выходом системы, которая является символическим представлением функции состояния отказа системы, переходит в фиктивную ветвь после двоичного преобразования. Ветвь - это символическое описание функции отказа системы.
Эквивалентные схемы отказа и отказа системы с учетом структурной двойственности представлены на рис. 2 и 3 [3-6].
; FM
I
I
I
Рис. 2. Эквивалентная схема на случай отказа Fig. 2. Equivalent circuit in case of failure
Для рассмотренного выше случая эквивалентная схема на отказ включает 10 минимальных путей:
x1 = (10010001/ ; x2 = (ШООШО1У ; x3 = (l00310110)f ;
x4 = (10001110/ ; x5 = (10100010/ ; x6 = (10100101/ ;
x7 = (01000010 )T ; x8 = (0100001/ ; x9 = (01101001/ ;
x10 =(01110001/.
и имеет 6 минимальных сечений:
x1 = (00111111/ ; x2 = (10000111/ ; x3 = (10011010/ ;
x4 = (11111100/ ; x5 = (11100001/ ; x6 = (01011001/.
Рис. 3. Эквивалентная схема отказа Fig. 3. Equivalent failure scheme
Таким образом, схема отказа имеет 10 минимальных сечений и 6 минимальных путей неотказа соответственно.
В дальнейшем схема однозначной эквивалентности может быть описана как эквивалентная комбинированная последовательно-параллельная комбинация (рис. 4), а схема однозначной эквивалентности может быть описана как эквивалентная последовательно-параллельная комбинация (рис. 5) [7-9].
— 2— 2-
■4-8-
■4-8-7-
■5-8-7-
■5-6-7-
■3-7-
■3-6-8-
■7-8-
■6-5-8-4-8-
-а
—з— —6— — 8 —
— 3 —
— 6 — — 8 —
-CD-
—5— —6—
—з — —6—
Рис. 4. Эквивалентно-комбинированные схемы подключения при отказе системы Fig. 4. Equivalent-combined wiring diagrams in case of system failure
Наибольшую трудность при определении характеристик сложных технических систем представляет поиск всех дорог, перекрестков, минимума дорог или минимума перекрестков.
Т. 8. № 3. 2021
Computational nanotechnology
71
INTELLIGENT TECHNICAL SYSTEMS IN MANUFACTURING AND INDUSTRIAL PRACTICE
Существуют разные методы определения всех путей и участков: метод узлов, метод замкнутых контуров, методы, основанные на наборе структурных схем надежности, хорошо объясненные в работе К. Райншена [9-12].
1-1-1 4
'-в-1
1-15 —
8
|— 1 —1 -5-8-7-
-1— 3 —I -7-
р 1 —1 -3-6-7-
-2-7-
-2-h- б —H -8-
— 2 —I
— 3 —
— 5 — -8-
— 2 —I
— 3 —
— 4 — -8-
Рис. 5. Эквивалентные схемы подключения при отказе системы Fig. 5. Equivalent-combined wiring diagrams in case of system failure.
Концепция деревьев отклонения может использоваться для визуального описания изменений в сбоях системы, которые состоят из ориентированных графов с древовидной структурой. В этой концепции наступление крупного события согласуется с отказом от процесса.
Изучая возможные причины возникновения или возникновения этого основного события, они приходят к идентификации событий, которые больше не рассматриваются в качестве основы для анализа и больше не подвергаются декомпозиции, то есть не разделяются или не фрагментируются.
С помощью деревьев отклонения можно найти функцию Булева для неизбежности системы, и в этом случае основные события в деревьях отклонения могут быть выражены как булевы переменные в форме y [1-4]:
1, если происходит событие v; 0, если событие v не происходит,
и соответственно, можно поместить булевы переменные в H-образную форму [13-16]:
-H (У )
H = H(yv yv ... , yn) = H(y) =
1, если событие происходит; 0, если событие не происходит.
Тогда верны следующие утверждения:
У^ = К =1 - X;
H (y ) = 1 - F ( x ) = 1 - A (y ).
собой подмножество базовых событий, реализация которых помогает или предотвращает возникновение событие. В этом случае его можно записать как [17-18]
H (y ) = minmax yv H (y ) = minmax yv
1 <ц< m, yv 1 s, yv
W,
(1) (2)
Здесь Ма - минимальные сечения при о = 1, 2, ... , 5; = минимальные пути, при ц = 1, 2, ... , т.
Основным недостатком булевых моделей является то, что даже относительно простые системы могут быть менее полезными для анализа надежности, поскольку разнообразие отклонений одного и того же элемента может по-разному влиять на производительность системы.
В булевых моделях в структурной схеме надежности могут быть учтены разные возможности и типы отказов элементов, но в этом случае свойство независимости активности такого элемента будет доступно не для всех типов отказов.
Кроме того, в булевых моделях нет записей о времени отказов элементов. В целом характер отказа отдельных компонентов системы зависит от состояния других компонентов, что противоречит предполагаемой независимости компонентов булевых моделей надежности.
Если можно описать сложную техническую систему следующим образом, можно построить марковские модели. Предположим, что, система т может быть может возможной, большинство обстоятельств здесь {М = z1, z2, ... , zm}, и на момент желаемого зафиксированного времени t > 0 состояние системы Z(t) интерпретируется как случайная величина.
Поведение системы можно интерпретировать как случайный процесс во времени, то есть \1t > 0}. Такой процесс можно охарактеризовать конечным набором случаев (состояний) и непрерывной областью изменения параметров. Этот процесс можно описать как «случайный марковский процесс», Заданную неотрицательную ось t можно записать с помощью Марковских точек {[^, Zv], V = 0, 1, 2, ...}.
На рис. 6 показан пример реализации процесса: продолжительность процесса в случае V выражается разностью К + 1 - ^ = + 1, поэтому вместо последовательности Zv ] также можно посмотреть последовательность Zv],
V = 0, 1, 2, ...}.
m
I- —
Л
Li
Ц L,
Если для определения булевых функций с помощью деревьев отклонения выбран метод минимальных путей и минимальных сечений, то набор сечений (или путей) представляет
Рис. 6. Пример реализации процесса Z(t) Fig. 6. An example of the implementation of the Z(t) process
Если учитывать только точки Маркова [Lv, Zv], то для включено множество обстоятельств ZvM, тогда добавленный процесс получается {Z(t), t > 0}, этот процесс принимает значения из множества M случаев. Для M{z±, z2, z3} на рис. 7 показаны примеры реализации процессов Z(t).
Искендерзаде Э.Б., Велиев Г.С., Ахмедли Ш.В., Зулфугарова А.Я., Исламова У.Р.
At),
L1 1-2 ¿3 ¿4 <-5 ¿6 ¿7 t8 1-9 t
Рис. 7. Z(f) пример реализации процесса Fig. 7. Z(t) example of a process implementation
Случайные процессы с Марковскими свойствами можно описать выражением
p{{(< t)A(Zv = 4} 5l = tl.....*v-2=*t. ¡U =t,-1, Vl} =
= p{( <tv-i)A(Zv = zj|zv-i=z,}, <3)
где /', у, k, ... , l = 1, 2, ... , rn.
Система должна учитывать требование однородности, согласно которому часть выражения (3) не зависит от количества шагов, т.е. в этом случае верно выражение
P{(Ç < t) Л (Z )|Z , } = Q,(t).
' v V = Z^ V - 1 = zr j!v '
(4)
Здесь /', у = 1, 2, ... , т.
Для V > 1 вероятность перехода с состояния z в состояния zv _ 1 определяется выражением (5):
P.. = P{Z |Z , } = Q.
J! 1 V = ZJ 1 V - 1 = Z! J!
(5)
Если Р.. > 0 то, тогда условное распределение состояния z. с условием, что у процесс после этого перейдет в состояние 7,, и определяется выражением:
= РК < t) = Р{^< t\Zv = у Л (7 _ 1 = „)} =
—Qji(t ), i, J = 1, 2, ... , muv >1
P
Аналогично для v = 1 получаются выражения
J = Q-, M; ^ (t )=£ Q, (t ).
(6)
(7)
(8)
Если для соответствующих вероятностей можно записать:
Р№) = z| = р, (t), (9)
то тот факт, что процесс остается в состоянии z.| в любой момент времени, определяется выражением
Z P (t )=1,
(10)
Для однозначного определения полумарковского процесса можно использовать выражение [19-20]
{M, p(0), Q(t), Q(t), t} > 0, где P(0) - вероятность начальных событий;
Q (t ) = |q, (t )| , Q (t ) = |Q, (t )| .
- L jl Ji, j= 1, 2, m — L jl Jl, j= 1, 2..... m
(11)
Если матрицы вероятностей и совпадают и длительность процесса подчиняется закону экспоненциального распределения и зависит только от индекса , то верно выражение
Г^) = 1 - е ~к 1, (12)
В этом случае получается однородный марковский процесс с областью непрерывного изменения значений параметров.
Если матрицы вероятностей и совпадают и длительность процесса . в каком-то случае исключена из рассмотрения, то анализируется однородная Марковская цепь, добавленная к полумарковскому процессу
М, р(0), йЬ) = [р^л Ь)], ^ >0}.
Такая марковская цепь характеризуется переносом величин и описывается формулой
{M, p(0), P = (pji)}.
(13)
В приложениях к теории достоверности нет перехода от одной ситуации к другой. Поэтому для у = 1, 2, ... , т получается р.. = 0. Для двух произвольных моментов времени t и t', при условии (t' > t > 0) вероятность перехода с состояния z. на состояние z. определяется выражением
Pj, (t, t') = P [z (t') = Zj |Z (t ) = z,. ].
(14)
При , * у = 1, 2, ... , т интенсивность перехода с состояния z.¡ на состояние zjt - вероятность на момент времени ^¡Ш, , * у = 1, 2, ... , т, z. и z.t что, во временном интервале (t, t + dt) происходит переход в состояние zу, при условии, что момент t реализиуется состояние z, то есть
Z, (t )dt = P [ Z (t + dt ) = zj\Z (t ) = z,. ], i Ф j;
Z, (t )dt = -P [ Z (t + dt )ф z-\z (t ) = zj = = -{l - P [ Z (t + dt ) = z1 jZ (t ) z, ]}.
(15)
Таким образом, если существует интенсивность переходов, определяемая выражением (15), то распределение вероятностей состояний системы для всех t > 0 может быть вычислено по начальным значениям выражения
т
р „ (0) = Р[г(+0) = г,]; £р, (0) = 1. (16)
1=1
а система дифференциальных уравнений по формуле
Рр (с) = (с)рI ), у = 1, 2, ... , т. (17)
Математические исследования показывают, что технологический процесс представляет собой однородный Марковский процесс, поскольку вероятность того, что точка находится в любой момент времени t' > t, в зависимости от положения точки в момент времени ^ находится в некоторой части однозначного пространства.
Применение моделей однородных Марковских процессов также имеет свои пределы. В этом методе анализ систем возможен только в том случае, если интенсивность переходов между отдельными состояниями системы является постоянной величиной.
Computational nanotechnology
73
INTELLIGENT TECHNICAL SYSTEMS IN MANUFACTURING AND INDUSTRIAL PRACTICE
ВЫВОДЫ
Сравнительная характеристика изученных выше методов позволила сделать следующие выводы.
1. Для булевых моделей:
• разные отказы одного и того же элемента могут по-разному влиять на функциональность системы;
• отсутствует учет временной последовательности брака элементов;
• возможность контроля качества часто не рассматривается;
• не рекомендуется оценивать возможные отклонения от расчетных параметров.
2. Для марковских моделей:
• однозначно определена вероятность мгновенного положения точки t' > t в любой части пространства в момент времени t;
Литература
1. ИСО 9001-2008 «Системы менеджмента качества. Требования». М.: Стандартинформ, 2008. 26 с.
2. Гранатуров В.М. Организация, планирование и управление метрологиическим обеспечением. М.: Радио и связь, 2007. 184 с.
3. ПальчунЮ.А. и др. Математические модели систем менеджмента качества предприятий // Актуальные проблемы метрологии: Матер. междунар. научно-техн. конф. 2014. С. 305-312
4. Силаев М.А., Брянцев С.Ф. Приложение матриц и графов к анализу СВЧ-устройств. М.: Радио и связь, 2000. 128 с.
5. Isgandarzada E.B., Ahmadli Sh.V., Valiyev H.S. Complex shape detal's 3D model's in the Hexagon Tigo SF 05.06.05 machine for metrolog-ical support PS DMIS CAD++ program performance // Science and Education: Materials of the XII International Research and Practice Conference. July 1-2, 2016. Munich, Germany. Pp. 82-88.
6. Искендерзаде Э.Б., Велиев Г.С., Ахмедли Ш.В., Исламова У.Р. Экспериментальное исследование метрологических параметров контроля качества // Computational nanotechnology. 2021. № 2. С. 87-93.
7. ИСО 9004-4-1993 «Управление качеством и элементы системы качества». Ч. 4: Руководящие указания по улучшению качества.
8. Исикава К. Японские методы управления качеством / пер. с англ. М.: Экономика, 1998. 286 с.
9. Международные стандарты ИСО серии 9000 на системы качества: версии 2000. М.: Изд-во стандартов, 2005. 56 с.
10. Миттаг И., Ринне X. Статистические методы обеспечения качества / пер. с нем.; под. ред. Б.Н. Маркова. М.: Машиностроение, 2005. 340 с.
11. Осипов Ю.И. и др. Управление качеством в машиностроении. М.: Наука, 2009. 399 с.
12. ШиндовскийЭ., Шюрц О. Статистические методы управления качеством / пер. с англ. М.: Мир, 2006. 598 с.
13. Шонбергер Р. Японские методы управления производством / пер. с англ. М.: Экономика, 2008. 219 с.
14. Yavas B.F. A comprasion on the quality perceptions of U.S. and firms the elektroniks industry // Management Int. Rev. 2005. Vol. 36. No. 2. Рр. 171-178.
15. Howland R. Testing a key part of manufacturing processing // Automation and Control. 2000. No. 7. Рр. 27-31.
16. Jaran J., Gruna F. Quality control: Handbook. New York, 2008. Рр. 54-56.
17. Quality street may be a dead end // Management Decis. 2004. Vol. 32. No. 5. Рр. 12-13.
18. Центральный Научно-Исследовательский Институт Машиностроения. URL: http://new.tsniimash.ru/main.php?id=127
19. Вестник машиностроения. URL: http://www.mashin.ru/
20. Вестник Южно-Уральского государственного университета. URL: http://vestnik.susu.ac.ru/
• если интенсивность переходов между различными состояниями системы постоянна, возможен анализ системы;
• возможность контроля качества часто не рассматривается;
• не рекомендуется оценивать возможные отклонения от расчетных параметров.
3. Для метода линейного программирования:
• все переменные и факторы должны быть определены и количественно определены;
• возможность контроля качества часто не рассматривается;
• оценивать возможные отклонения от расчетных параметров не предлагается.
4. Для метода динамического программирования:
• целевая функция и ограничения характеризуются нелинейной зависимостью;
• предлагается оценить возможные отклонения от расчетных параметров.
References
1. ISO 9001-2008 "Quality management systems. Requirements". Moscow: Standartinform, 2008. 26 p.
2. Granaturov V.M. Organization, planning and management of metrological support. Moscow: Radio and communication, 2007. 184 p.
3. Palchun Yu.A. and other Mathematical models of quality management systems of enterprises. Actual problems of metrology. Mater. int. scientific and technical conf. 2014. Pp. 305-312. (In Rus.)
4. Silaev M.A., Bryantsev S.F. Application of matrices and graphs to the analysis of microwave devices. Moscow: Radio and communication, 2000, 128 p.
5. Isgandarzada E.B., Ahmadli Sh.V., Valiyev H.S. Complex shape detal's 3D model's in the Hexagon Tigo SF 05.06.05 machine for metrological support PS DMIS CAD++ program performance. Science and Education: Materials of the XII International Research and Practice Conference. July 1-2, 2016. Munich, Germany. Pp. 82-88.
6. Isgandarzada E.B., Valiyev G.S., Ahmadli Sh.V., Islamova U.R. Experimental study of metrological parameters of quality control. Computational nanotechnology. No. 2. 2021. Pp. 87-93.
7. ISO 9004-4-1993 "Quality management and elements of the quality system". Part 4: Guidelines for improving quality.
8. Ishikawa K. Japanese methods of quality management. Translit. from English. Moscow: Economics, 1998. 286 p.
9. International standards ISO 9000 series for quality systems: Version 2000. Moscow: Publishing House of Standards, 2005. 56 p.
10. Mittag I., Rinne X. Statistical methods of quality assurance. Translit. from Germany. B.N. Markov (ed.). Moscow: Mashinostroenie, 2005. 340 p.
11. Osipov Yu.I. et al. Quality management in mechanical engineering, Moscow: Nauka, 2009. 399 p.
12. Shindovsky E., Shyurtz O. Statistical methods of quality management. Translit. from English. Moscow: Mir, 2006. 598 p.
13. Schonberger R. Japanese methods of production management. Translit. from English Moscow: Economics, 2008. 219 p.
14. Yavas B.F. A comprasion on the quality perceptions of U.S. and firms the elektroniks industry. Management Int. Rev. 2005. Vol. 36. No. 2. Pр. 171-178.
15. Howland R. Testing a key part of manufacturing processing. Automation and Control. 2000. No. 7. Pр. 27-31.
16. Jaran J., Gruna F. Quality control: Handbook. New York, 2008. Pр. 54-56.
17. Quality street may be a dead end. Management Decis. 2004. Vol. 32. No. 5. Pр. 12-13.
18. Central Scientific Research Institute of Mechanical Engineering. URL: http://new.tsniimash.ru/main.php?id=127
19. Bulletin of Mechanical Engineering. URL: http://www.mashin.ru/
20. Bulletin of the South Ural State University. URL: http://vestnik. susu.ac.ru/
Искендерзаде Э.Б., Велиев Г.С., Ахмедли Ш.В., Зулфугарова А.Я., Исламова У.Р.
Статья проверена программой Антиплагиат. Оригинальность - 93,24%
Рецензент: Лысенко В.Г., доктор технических наук, профессор; главный научный сотрудник ФГУП «ВНИИМС»
Статья поступила в редакцию 03.08.2021, принята к публикации 15.09.2021 The article was received on 03.08.2021, accepted for publication 15.09.2021
СВЕДЕНИЯ ОБ АВТОРАХ
Искендерзаде Эльчин Б., доктор технических наук, профессор; Лауреат Государственной Премии по литературе «Кызыл Келме», Заслуженный педагог Азербайджанской Республики, Почетный деятель культуры Азербайджанской Республики, Почетный ученый Европы, посол культуры UNESCO; заведующий кафедрой «Метрологии и стандартизации» Азербайджанского технического университета. Баку, Республика Азербайджан. ORCID: https://orcid.org/0000-0003-2822-1000; E-mail:isgenderzadeh@rambler.ru Велиев Г.С., докторант, ассистент Азербайджанского технического университета. Баку, Республика Азербайджан
Ахмедли Ш.В., докторант, старший преподпва-тель Азербайджанского технического университета. Баку, Республика Азербайджан. ORCID: https://orcid. org/0000-0001-8413-1267
Зулфугарова А.Я., докторант Азербайджанского технического университета. Баку, Республика Азербайджан Исламова У.Р., докторант Азербайджанского технического университета. Баку, Республика Азербайджан
ABOUT THE AUTHORS
Elchin B. Isgandarzada, Dr. Sci. (Eng.), Dr. Sci. (Phil.), professor; Head at the Department "Metrology and Standardization" of the Azerbaijan Technical University. Baku, Republic of Azerbaijan. ORCID: https://orcid. org/0000-0003-2822-1000; E-mail: elchin.isgenderzade@ gmail.com
G.S. Valiyev, PhD, assistant at the Azerbaijan Technical University. Baku, Republic of Azerbaijan Sh.V. Ahmadli, PhD, senior lecturer at the Azerbaijan Technical University. Baku, Republic of Azerbaijan. ORCID: https://orcid.org/0000-0001-8413-1267 AZulfugarova, PhD at the Azerbaijan Technical University. Baku, Republic of Azerbaijan U.R. Islamova, PhD at the Azerbaijan Technical University. Baku, Republic of Azerbaijan
Т. 8. № 3. 2021
Computational nanotechnology
75
