Научная статья на тему 'Управление процессом эксплуатации кораблей с применением цифровых технологий'

Управление процессом эксплуатации кораблей с применением цифровых технологий Текст научной статьи по специальности «Энергетика и рациональное природопользование»

CC BY-NC
272
75
Читать
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
КОРАБЛИ / ЭКСПЛУАТАЦИЯ / МОНИТОРИНГ / ДИАГНОСТИКА / СТАТИСТИКА / МОДЕЛИРОВАНИЕ / ПРОГНОЗ / SHIPS / OPERATION / MONITORING / DIAGNOSTICS / STATISTICS / SIMULATION / FORECASTING

Аннотация научной статьи по энергетике и рациональному природопользованию, автор научной работы — Ковтун Лев Игнатьевич, Ковтун Николай Львович, Харитоненко Владимир Терентьевич, Шарков Николай Александрович

Объект и цель научной работы. В настоящее время в отечественном кораблестроении слабо используются возможности современных информационно-коммуникационных технологий для организации взаимодействия всех участников создания кораблей, особенно на стадиях эксплуатации, ремонта и утилизации техники. Целью работы является разработка предложений по автоматизированному мониторингу, диагностике и прогнозированию технического состояния морской техники для обеспечения необходимой полноты, достоверности и актуальности данных по эксплуатации кораблей и судов, что позволит более эффективно управлять их эксплуатацией. Материалы и методы. Анализируются предложения специалистов ФГУП «Крыловский государственный научный центр» по организации управления циклами эксплуатации кораблей на базе современных цифровых технологий и средств вычислительной техники. Выделяются достижения мировой морской индустрии и военного кораблестроения ВМС США в области управления сервисным обслуживанием при эксплуатации кораблей и судов. Перспективные методы управления эксплуатацией кораблей и судов отечественного ВМФ связаны с разработкой и внедрением современных цифровых технологий, которые обеспечивают постоянный контроль значимых расхождений между заданными и фактически достигнутыми значениями характеристик техники в ходе эксплуатации. Это позволит обеспечить своевременное планирование обслуживания эксплуатируемой техники, противодействие рискам опасных последствий ее отказов и поддержание высокой технической готовности флота. Основные результаты. Новые средства и технологии управления эксплуатацией кораблей на базе современных цифровых технологий автоматизированного мониторинга, диагностики и прогнозирования состояния техники должны включать решение следующих задач: формирование цифрового паспорта (портрета) эталонных численных, функциональных и диагностических характеристик основной техники кораблей и судов в процессе их приемо-сдаточных испытаний; периодическое сравнение фактических характеристик техники в течение длительной эксплуатации кораблей с их эталонными значениями для регистрации опасных тенденций их изменения; прогнозирование рисков опасных последствий ухода контролируемых параметров за пределы допусков в ближнесрочном, среднесрочном и долгосрочном горизонтах прогноза; упреждающее имитационное моделирование последствий различных вариантов противодействия развитию опасных последствий для поиска наиболее целесообразных мер снижения возможных рисков. Заключение. В статье приводятся методологические инструменты для эффективного решения задачи управления эксплуатацией кораблей и судов. Их использование позволит усилить механизм контроля, анализа и поддержания заданных значений технической готовности техники на требуемом уровне, в том числе своевременное планирование сервисного обслуживания кораблей и снижение финансовых затрат.Object and purpose of research. Currently, Russian shipbuilding makes little or no use of the capabilities offered by modern information & communication technologies in arrangement of interaction between all stakeholders at various life cycle stages of a ship, especially those of operation, repair and scrapping. This paper formulates the proposals on automated monitoring, diagnostics and technical condition forecasting for various marine assets, so as to ensure required completeness, reliability and relevance of ship operation data, which will make fleet management more efficient. Materials and methods. The study analyses the proposals of KSRC experts in organization of ship life cycle management based on state-of-the-art digital technologies and hardware. It also discusses the achievements of global marine industry and of the US Navy shipbuilding in maintenance management for in-service assets. Advanced life cycle management techniques for the Russian Navy are focused on development and induction of modern digital technologies ensuring constant monitoring of the deviations between required and actual performance parameters of in-service materiel. This will ensure timely planning of maintenance, mitigate failure risks and contribute to the high level of overall Navy readiness. Main results. New tools and methods for ship life cycle management based on latest digital technologies of automated monitoring, diagnostics and technical condition forecasting must be able to handle the following tasks: forming a digital passport (portrait) of reference numerical, functional and diagnostical parameters of main ship equipment during delivery-acceptance tests; periodical comparison of actual performance parameters shown by the assets staying in operation for a long time with their respective reference values, to predict the risks of their going beyond tolerable limits in near-, midand long-term perspective; preventive simulation of the results offered by various countermeasures so as to identify the most practicable and efficient ways to mitigate possible risks. Conclusion. The study describes methodological tools of efficient life cycle management for ships. Once adopted, they will improve monitoring, analysis and maintenance of required technical readiness levels, including timely planning and cost mitigation of scheduled maintenance.

i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по энергетике и рациональному природопользованию , автор научной работы — Ковтун Лев Игнатьевич, Ковтун Николай Львович, Харитоненко Владимир Терентьевич, Шарков Николай Александрович

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
Предварительный просмотр
i Надоели баннеры? Вы всегда можете отключить рекламу.

Текст научной работы на тему «Управление процессом эксплуатации кораблей с применением цифровых технологий»

ДРУГИЕ ВОПРОСЫ МОРСКОЙ ТЕХНИКИ

DOI: 10.24937/2542-2324-2020-2-392-141-152 УДК 656.61:004

Л.И. Ковтун, Н.Л. Ковтун, В.Т. Харитоненко, Н.А. Шарков

ФГУП «Крыловский государственный научный центр», Санкт-Петербург, Россия

УПРАВЛЕНИЕ ПРОЦЕССОМ ЭКСПЛУАТАЦИИ КОРАБЛЕЙ С ПРИМЕНЕНИЕМ ЦИФРОВЫХ ТЕХНОЛОГИЙ

Объект и цель научной работы. В настоящее время в отечественном кораблестроении слабо используются возможности современных информационно-коммуникационных технологий для организации взаимодействия всех участников создания кораблей, особенно на стадиях эксплуатации, ремонта и утилизации техники. Целью работы является разработка предложений по автоматизированному мониторингу, диагностике и прогнозированию технического состояния морской техники для обеспечения необходимой полноты, достоверности и актуальности данных по эксплуатации кораблей и судов, что позволит более эффективно управлять их эксплуатацией.

Материалы и методы. Анализируются предложения специалистов ФГУП «Крыловский государственный научный центр» по организации управления циклами эксплуатации кораблей на базе современных цифровых технологий и средств вычислительной техники. Выделяются достижения мировой морской индустрии и военного кораблестроения ВМС США в области управления сервисным обслуживанием при эксплуатации кораблей и судов. Перспективные методы управления эксплуатацией кораблей и судов отечественного ВМФ связаны с разработкой и внедрением современных цифровых технологий, которые обеспечивают постоянный контроль значимых расхождений между заданными и фактически достигнутыми значениями характеристик техники в ходе эксплуатации. Это позволит обеспечить своевременное планирование обслуживания эксплуатируемой техники, противодействие рискам опасных последствий ее отказов и поддержание высокой технической готовности флота.

Основные результаты. Новые средства и технологии управления эксплуатацией кораблей на базе современных цифровых технологий автоматизированного мониторинга, диагностики и прогнозирования состояния техники должны включать решение следующих задач: формирование цифрового паспорта (портрета) эталонных численных, функциональных и диагностических характеристик основной техники кораблей и судов в процессе их приемо-сдаточных испытаний; периодическое сравнение фактических характеристик техники в течение длительной эксплуатации кораблей с их эталонными значениями для регистрации опасных тенденций их изменения; прогнозирование рисков опасных последствий ухода контролируемых параметров за пределы допусков в ближнесрочном, среднесрочном и долгосрочном горизонтах прогноза; упреждающее имитационное моделирование последствий различных вариантов противодействия развитию опасных последствий для поиска наиболее целесообразных мер снижения возможных рисков. Заключение. В статье приводятся методологические инструменты для эффективного решения задачи управления эксплуатацией кораблей и судов. Их использование позволит усилить механизм контроля, анализа и поддержания заданных значений технической готовности техники на требуемом уровне, в том числе своевременное планирование сервисного обслуживания кораблей и снижение финансовых затрат.

Ключевые слова: корабли, эксплуатация, мониторинг, диагностика, статистика, моделирование, прогноз. Авторы заявляют об отсутствии возможных конфликтов интересов.

MISCELLANEOUS

DOI: 10.24937/2542-2324-2020-2-392-141-152 UDC 656.61:004

L. Kovtun, N. Kovtun, V. Kharitonenko, N. Sharkov

Krylov State Research Centre, St. Petersburg, Russia

Для цитирования: Ковтун Л.И., Ковтун Н.Л., Харитоненко В.Т., Шарков Н.А. Управление процессом эксплуатации кораблей с применением цифровых технологий. Труды Крыловского государственного научного центра. 2020; 2(392): 141-152.

For citations: Kovtun L., Kovtun N., Kharitonenko V., Sharkov N. Digital technologies in ship operation management. Transactions of the Krylov State Research Centre. 2020; 2(392): 141-152 (in Russian).

DIGITAL TECHNOLOGIES

IN SHIP OPERATION MANAGEMENT

Object and purpose of research. Currently, Russian shipbuilding makes little or no use of the capabilities offered by modern information & communication technologies in arrangement of interaction between all stakeholders at various life cycle stages of a ship, especially those of operation, repair and scrapping. This paper formulates the proposals on automated monitoring, diagnostics and technical condition forecasting for various marine assets, so as to ensure required completeness, reliability and relevance of ship operation data, which will make fleet management more efficient.

Materials and methods. The study analyses the proposals of KSRC experts in organization of ship life cycle management based on state-of-the-art digital technologies and hardware. It also discusses the achievements of global marine industry and of the US Navy shipbuilding in maintenance management for in-service assets. Advanced life cycle management techniques for the Russian Navy are focused on development and induction of modern digital technologies ensuring constant monitoring of the deviations between required and actual performance parameters of in-service materiel. This will ensure timely planning of maintenance, mitigate failure risks and contribute to the high level of overall Navy readiness. Main results. New tools and methods for ship life cycle management based on latest digital technologies of automated monitoring, diagnostics and technical condition forecasting must be able to handle the following tasks: forming a digital passport (portrait) of reference numerical, functional and diagnostical parameters of main ship equipment during delivery-acceptance tests; periodical comparison of actual performance parameters shown by the assets staying in operation for a long time with their respective reference values, to predict the risks of their going beyond tolerable limits in near-, mid- and long-term perspective; preventive simulation of the results offered by various countermeasures so as to identify the most practicable and efficient ways to mitigate possible risks.

Conclusion. The study describes methodological tools of efficient life cycle management for ships. Once adopted, they will improve monitoring, analysis and maintenance of required technical readiness levels, including timely planning and cost mitigation of scheduled maintenance.

Keywords: ships, operation, monitoring, diagnostics, statistics, simulation, forecasting.

критерия минимизации общих финансовых затрат на поддержание технической готовности флота. Такой процесс управления требует, безусловно, научного осмысления и обработки огромного объема данных, а также своевременного определения рисков недопустимых потерь в технической эффективности флота.

Совершенствование методики приемо-сдаточных испытаний кораблей на основе внедрения современных диагностических приборов [1, 2], а также цифровых средств автоматизированного мониторинга технического состояния оборудования позволит не только получить технически исправный корабль, но и составить эталонный цифровой паспорт (портрет) каждого экземпляра основного оборудования. Сравнение фактических характеристик техники в течение длительной эксплуатации кораблей с их эталонными значениями будет обеспечивать приборно-измеряемый контроль уровня деградационных процессов (или износа) техники, определение остаточного ресурса и выявление проблем, требующих научного и проектного решения, в том числе своевременного обновления морально устаревшей морской техники. По нашему мнению, это направление исследований с использованием современных цифровых технологий имеет своей целью повысить техническую готовность флота,

Authors declare lack of the possible conflicts of interests.

«Прогрессивные» испытания кораблей и система управления их эксплуатацией в течение всего срока службы

"Progressive" testing and life cycle management system for ships

Статья продолжает обсуждение вопроса, поднятого в публикациях Ю.Н. Мясникова [1, 2] в Трудах Крыловского государственного научного центра (КГНЦ). В них автор вводит новое для кораблестроения понятие - «прогрессивные» испытания кораблей флота, которые предполагают усиление процесса единения теории и практики, взаимно обогащающего триаду «наука - производство -эксплуатация» как в прямой, так и в обратной последовательности. Это означает, по нашему мнению, что после сдачи кораблей флоту процесс технико-экономического анализа и управления циклами его эксплуатации должен находиться под контролем науки на базе современных цифровых технологий мониторинга технического состояния морской техники вплоть до списания кораблей из состава флота. При этом необходимо учитывать всю историю эксплуатации каждого корабля, невосполнимый физический износ и моральное устаревание техники для ее обновления с учетом

сбалансировать выделяемые финансовые ресурсы государства и полученный эффект на базе более полной и достоверной информации. Создание лаборатории «прогрессивных» испытаний или информационно-аналитического центра на базе КГНЦ должно обеспечить необходимый инструмент управления жизненным циклом кораблей ВМФ на стадии их эксплуатации.

Следует отметить, что термин «прогрессивные» испытания не вполне ясно отражает существо предложений Ю.Н. Мясникова. Поэтому целесообразно воспользоваться международной терминологией, близкой к задачам управления жизненным циклом продукции судостроения на стадии эксплуатации флота. При этом ключевыми словами для термина, поясняющего смысл «прогрессивных» испытаний, является «аналитико-статистическая цифровая технология» обработки результатов эксплуатации техники, учитывающая также оценку доверия к результатам непрерывного мониторинга или периодических испытаний. Необходимость статистического подхода к задаче оценивания результатов измерения определена в [3].

Однако если отойти от терминологических споров, то следует признать факт, что флот и судостроительная промышленность заинтересованы в создании информационно-управляющих систем для своевременного противодействия физическому износу, моральному устареванию морской техники с учетом необходимости снижения затрат на сервисное обслуживание кораблей и судов. Передовая практика мировой морской индустрии показала возможность решения этой задачи с учетом внедрения стационарных, бортовых и мобильных средств автоматизированного мониторинга, диагностики и прогнозирования состояния контролируемой техники.

Это направление действенного участия науки на стадии эксплуатации флота соответствует мировым тенденциям в передовой морской индустрии [4] и «Национальной стратегии развития искусственного интеллекта на период до 2030 года» [5].

Анализ достижений мировой морской индустрии в области управления производством и эксплуатацией морской техники Achievements of global marine industry in life cycle management

Важнейший тренд в морской индустрии в конце ХХ века, сформулированный в международных стандартах серии ИСО, связан с организацией работ по сложной наукоемкой технике по контрактам на изготовление продукции и ее последующее сервисное обслуживание. Таким образом, создается линейка продукции определенного назначения, которая обеспечивает постоянное развитие флота с учетом требований заказчиков и производственных возможностей исполнителей работ.

На рис. 1 представлена структура информационно-управляющей системы цифрового предприятия в виде многоконтурной системы с обратной связью, решающая «интеллектуальные» задачи управления производством [6]. Эта структура уже апробирована и существует для ведения финансово-хозяйственной деятельности предприятия, которое производит продукцию машиностроения. Здесь система высшего уровня ERP (Enterprise Resource Planning) формирует, как правило, бизнес-задачи, например снижение затрат, обеспечение объемов и качества производства.

Рис. 1. Структура информационно-управляющей системы цифрового предприятия в виде многоконтурной системы с обратной связью, решающая «интеллектуальные» задачи управления производством

Fig. 1. Components of information & control system (a digital enterprise) as a multi-circuit closed-loop system for "smart" management of industrial processes

Рис. 2. Перечень основных «интеллектуальных» задач управления производством на MES-уровне, разделенных на 2 группы: планирование основного производственного процесса и планирование ремонтов и/или сервисного обслуживания объектов собственного производства

Fig. 2. Main tasks of "smart" management at MES-level, splitted into 2 groups: planning of main production process and planning of repairs / maintenances of products

ERP уровень

« Я я S a S m p

S о S*o

Я

ч

w а С

Календарное планирование ремонтов и обслуживание

5.3. Классификация отказов и определение сроков устранения

5.2. Прогнозирование состоянияи отказов оборудования

5.1. Мониторинг состояния оборудования

1. Календарное планирование производственного процесса

2. Выбор сценариев исполнения плановых задач

3. Пошаговое исполнение плановых задач

4. Регули - технологичес на кажд рование ких процесов ом шаге

Оборудование + SCADA

Указанные бизнес-задачи передаются в систему производственного уровня MES (Manufacturing Execution System), где содержатся алгоритмы или технологические инструкции для их решения. Работа систем MES-уровня в информационном контуре с автоматизированной системой управления технологическим процессом (АСУ ТП или SCADA) обеспечивает выполнение этих инструкций. При этом на всех уровнях управления нижний уровень является поставщиком данных о состоянии объекта или статусе решаемых задач для верхнего уровня информационно-управляющей системы предприятия. Алгоритмы, применяемые для выработки управляющих воздействий различных уровней, являются «интеллектуальной начинкой» информационных систем предприятия. Если адаптировать изложенную иерархию информационно-управляющих систем для коммерческих судов или кораблей, то можно выделить, соответственно, высший контур целеполагания «судовладелец - руководство судна», средний контур планирования «руководство судна - экипаж» и, наконец, нижний контур исполнения «экипаж - судно».

На рис. 2 представлен перечень основных «интеллектуальных» задач управления производством на MES-уровне, разделенных на две группы: планирование основного производственного процесса и планирование ремонтов и/или сервисного обслуживания объектов морской техники [6]. В целом

календарное планирование производственного процесса подчинено задаче оптимизации загрузки производственных ресурсов предприятия (или судна), а планирование ремонтов и обслуживания объектов собственного производства зависит от предиктив-ной (прогнозной) диагностики технического состояния оборудования. Тогда для решения задачи оптимального управления необходимо применение так называемых методов теории искусственного интеллекта (ИИ), который кратко определяется как «комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма)» [5, с. 4, п. 5а].

Анализ зарубежного опыта военного кораблестроения ВМС США

USN experience

Анализ зарубежного опыта военного кораблестроения ВМС США подтверждает вышеизложенные тенденции в развитии эффективных систем управления жизненным циклом ВМС и отмечает активное использование нормативно-технических регламентов гражданского судостроения в послевоенные годы. Академик В.М. Пашин в докладе руководству ВМФ в 2003 г. обратил внимание на это обстоятельство как на выгоду от прямой и обратной кон-

версии результатов практических достижений гражданской и военной отрасли морской индустрии: «ВМС США, начиная с 1960 года, активно использует мировой нормативный опыт гражданского судостроения при создании боевых надводных кораблей, именуемых за рубежом как COTS технологии (commercial off the shelf или «использовать с полки»). Извечная погоня за прибылью со стороны коммерческих судоходных компаний и нежелание платить большие компенсации страховым компаниям привели к тому, что были нормированы буквально все вопросы, все «отжато» с целью извлечения прибыли, т. е. ничего лишнего, но и ничего не забыто. Подобный эффект является следствием объединения усилий американских военных и гражданских направлений в области судостроения. Это пример прямой и обратной конверсии. При этом от последней конверсии во многом зависит судьба военного флота США».

Важным достижением коммерческого и военного судостроения в США является разработка прогнозных математических моделей исполнения плановых задач производства и сервисного обслуживания морской техники. Среди них следует выделить подход model-predictive control (управление на базе прогнозного моделирования), направленный на выработку будущих управляющих воздействий на объект с учетом изменения его динамики во времени. В настоящее время широкое распространение приобрели статистические и нейросетевые прогнозные модели, на базе которых реализованы такие технологии, как:

■ виртуальные датчики или анализаторы [7], экстраполирующие замеры технологических параметров между их поступлениями;

■ виртуальные наблюдатели [8], осуществляющие оценивание ненаблюдаемых (не измеряемых) технологических параметров. Схема функционирования систем предиктивной диагностики с включением модели объекта в структуру его управления по обратной связи [6] представлена на рис. 3.

В соответствии с мировой практикой гражданской морской индустрии, регулируемой в требованиях Морских классификационных регистров, ВМС США осуществляет сервисное обслуживание кораблей с учетом их фактического технического состояния (condition based maintenance) на базе непрерывной статистической обработки текущей информации с помощью бортовых автоматизированных систем мониторинга оборудования и устройств.

Эти работы финансируются по единому контракту на производство и сервисное обслуживание кораблей и судов ВМС, что позволило США обеспечить примерное равенство финансовых затрат на приобретение и владение продукцией кораблестроения [9, с. 52]. При этом следует учесть использование современных функционально-стоимостных методов ценообразования или Activity-Based Costing/Management (ABC/M) -метода учета и управления затратами по видам деятельности (прямой перевод термина, принято -го в зарубежной нормативно-методической документации) для продукции военного назначения. Эти направления совершенствования всего механизма управления экономикой страны учитывают новые технологии комплексного управления стоимостью, разрабатываемые Международной ассоциацией развития стоимостного инжиниринга,

Рис. 3. Схема функционирования систем предиктивной диагностики с включением модели объекта в структуру его управления по обратной связи

Fig. 3. Flow chart of predictive diagnostic systems including the object to their closed-loop control system

которые в англоязычной терминологии получили наименование Total Cost Management Framework [10] или «Основы комплексного управления стоимостью».

Перспективы совершенствования механизма управления приемо-сдаточными испытаниями и сервисным обслуживанием кораблей и судов Российской Федерации

Possible ways to improve delivery-acceptance testing and regular maintenance management for Russian ships and vessels

Передовой международный опыт в области морской индустрии, соответствующий рекомендациям Международной ассоциации классификационных обществ (МАКО) и резолюциям Международной морской организации (ИМО), аккумулируется в национальных стандартах и правилах классификации и постройки морских судов, например в требованиях «Российского морского регистра судоходства». Начиная с 2008 года в части VII «Механические установки» [4] включен раздел 10 «Системы мониторинга технического состояния механизмов» и подраздел 10.10 «Требования к анализу тенденции изменения диагностических параметров и прогнозу технического состояния». Система мониторинга, совмещенная с системой централизованного контроля, должна содержать функции безразборных процедур диагностирования механизмов для проведения их обслуживания и ремонта по фактическому состоянию [4, п. 10.3.3] (condition based maintenance). В то же время прогноз неприемлемого ухудшения технического состояния механизмов должен использоваться для календарного планирования их обслуживания и ремонта (time based maintenance).

«Система мониторинга технического состояния должна предусматривать фиксирование измеренных значений диагностических параметров, анализ тенденций их изменений, прогноз технического состояния объекта контроля. Прогноз состояния выполняется на базе предыстории изменения диагностических параметров с достаточным числом их измерений» [там же, с. 68, п. 10.3.6]. «Системы мониторинга технического состояния могут быть выполнены на базе встроенных (стационарных) систем мониторинга состояния, переносных

средств контроля или могут сочетать в себе и то, и другое» [там же, с. 68, п. 10.3.1]. Объективный приборно-измеряемый контроль должен обеспечить численную оценку выработки технического ресурса оборудования и прогнозирование его остаточного ресурса в ходе эксплуатации корабля с использованием методов многокомпонентного статистического анализа контролируемых параметров оборудования, сбора и хранения их предыстории для каждого экземпляра основного оборудования.

В настоящее время определены также возможные технологии решения столь сложных научно-практических задач в соответствии с мировым трендом развития «Индустрии 4.0» [11]. Система управления жизненным циклом продукции судостроения должна минимизировать временные и стоимостные затраты на создание, содержание и обновление судов и кораблей при условии, что их число, качество и техническая готовность не будут ниже заданных значений.

В [5] в качестве приоритетного направления отмечается использование новой технологии ИИ, имеющей междисциплинарный и межотраслевой характер в экономике хозяйствующих субъектов. В п. 21 прилагаемой «Национальной стратегии развития искусственного интеллекта на период до 2030 года» указано, что технологии ИИ способствуют повышению «эффективности процессов планирования, прогнозирования и принятия управленческих решений (включая прогнозирование отказов оборудования и его превентивное техническое обслуживание, оптимизацию планирования поставок, производственных процессов и принятия финансовых решений)» [5, с. 9].

Современные цифровые технологии ИИ дадут максимальный эффект в области управления данными (сбор, хранение, аналитика, интерпретация данных), которые часто связывают с термином big data. Соответствующие методы анализа данных включают статистические и нейросетевые прогнозные модели (например, квантильную регрессию, метод опорных векторов и т.п.). Для наших исследований представляют интерес публикации [12-14] по машинному обучению и прогнозированию временных рядов. Все изложенное требует разработки специального интеллектуального вычислителя, реализующего принцип прогнозного управления типа model-predictive control (MPC), т.е. выработку будущих управляющих воздействий на объект с учетом изменения его динамики во времени.

С целью обеспечения междисциплинарного характера и полноты совершенствования управления эксплуатацией и сервисным обслуживанием продукции кораблестроения необходимо использовать все разработанные в КГНЦ средства для натурных испытаний. Например, в обсуждаемых «прогрессивных» приемо-сдаточных испытаниях кораблей и судов должны использоваться имеющиеся мобильные комплексы контроля полей верхней полусферы и электромагнитной совместимости для диагностики радиоэлектронного и электротехнического оборудования, а также контроль магнитного и электрического полей корабля. Кроме того, специалистами КГНЦ в 2013 г. была разработана многоканальная автоматизированная информационно-измерительная система в ОКР «Мониторинг-Супер» для контроля маневренных и мореходных характеристик судов, ходовой вибрации механизмов и корпуса корабля, кавитационных процессов на гребных винтах и характеристик прочности судовых конструкций. Опытные образцы комплекса прошли натурные испытания в реальных условиях плавания научно-экспедиционного судна «Академик Трешников» в рамках 58-й Российской Антарктической экспедиции 2012-2013 гг. Эти испытания подтвердили их высокую эффективность и возможность при необходимости передавать в береговые службы детальную информацию о состоянии корабля, еще находясь в море. Это позволит заблаговременно подготовить специалистов сервисных предприятий к проведению соответствующих ре-монтно-восстановительных работ и обеспечить экипажу своевременные рекомендации и неотложную помощь.

Основные результаты

Main results

Для решения задач развития флота на верхнем уровне управления «судовладелец - флот» (рис. 1) целесообразно использовать методологию имитационного моделирования этих процессов для продукции военного кораблестроения. Соответствующая методология представлена в трудах академика В.М. Пашина, В.Т. Томашевского, И.А. Рябинина и других [15-17]. Эта задача, как указывал академик В.М. Пашин, в общем случае является «во-первых, динамической, охватывающей значительный период времени, и, во-вторых стохастической, т.е. с неоднозначно определенными входными данными» [15, с. 49]. Последнее положение подтверждается переходом отечественного метрологиче-

ского обеспечения на современные международные правила статистической оценки результатов измерений по принципу «неопределенности» [3]. При этом оптимизация целевых параметров планирования развития флота должна учитывать экономические ограничения производства, сервисного обслуживания и ремонтов кораблей и судов. Соответствующий математический аппарат имитационного моделирования Марковских процессов и дифференциальных уравнений А.Н. Колмогорова предложен, например, в [18, 19] для формирования не только планов производства корабельной техники, но и ее содержания и обновления.

В среднем контуре управления «руководство судна - экипаж» для достижения целей и общих задач, поставленных судовладельцем (рис. 2), необходимо использовать хорошо известный методический аппарат сетевого планирования судостроительных и судоремонтных работ, диаграммы Ганта и сети Петри. Кроме того, программные разработки для ЭВМ-интегрированного пакета инструментальных CASE-средств фирмы Computer Associates [20] позволяют облегчить проведение обследования предприятия и сформировать информационные базы данных, функциональные модели и системы имитационного моделирования процессов предприятия во времени. Этот инструмент служит для поиска наиболее эффективных технологических процессов путем проверки возможных альтернатив управленческих решений при планировании основного производственного процесса.

Если планирование основного производственного процесса (рис. 2) может базироваться на известных отработанных методических инструментах, то планирование ремонтов и/или сервисного обслуживания объектов собственного производства (а также объектов морской техники на кораблях и судах при их использовании по прямому назначению) требует разработки предиктивной (прогнозной) диагностики технического состояния оборудования. Это новое направление исследований, по нашему мнению, должно базироваться на аналити-ко-статистическом методе обработки всех текущих контролируемых технологических и диагностических параметров основного корабельного оборудования с использованием методов машинного обучения. Математической основой таких цифровых технологий является квантильно-регрессионный анализ результатов измерений в виде функций случайных величин контролируемых параметров [21]. Тогда зарегистрированный тренд изменения параметров в область недопустимых значений, имею-

щий аналитическое описание, например в виде кусочно-линейной регрессии как функции времени эксплуатации корабля (или выработки ресурса соответствующего оборудования), позволит определить время наступления этого неблагоприятного события с некоторой вероятностью. Однако такой прогноз не является конечным результатом моделирования процесса эффективного управления эксплуатацией кораблей и судов, т.к. он не отвечает на вопрос, что делать с этим прогнозом. Тогда в качестве инструмента принятия управленческого решения должна использоваться технология упреждающего имитационного моделирования исследуемых процессов для проверки возможных альтернатив действий оператора технологического процесса (рис. 3).

Наиболее сложной задачей является поиск управленческого решения по упреждающему противодействию опасным прогнозам с определенной вероятностью их осуществления, которые представляются в соответствующих матрицах рисков [22, 23]. В этом случае модель объекта должна иметь логическое описание причинно-следственных связей конъюнктивно-дизъюнктивного типа в иерархически организованных комплексах контролируемого оборудования, включающие локальные подсистемы, общесудовые системы и корабельные комплексы. В общем случае процесс принятия управленческих решений должностными лицами корабельного экипажа должен также включать привлечение при необходимости органов военного управления ВМФ для обеспечения безопасности мореплавания, планирования своевременного сервисного обслуживания корабля, а также заводских ремонтов и т.п. мероприятий. При этом необходимо учитывать опасность последствий отказов оборудования и вероятность их возникновения в краткосрочном, среднесрочном или долгосрочном горизонте прогноза.

Заключение

Conclusion

Перспективы управления эксплуатацией отечественных кораблей в XXI веке связаны с изменением концепции управления кораблестроением -от тезиса «реагировать и выправлять выявленные недостатки в ходе реальной морской практики», передовая морская индустрия переходит к тезису «прогнозировать их и упреждать». Это позволит уменьшить число ошибок в этой области знаний о морской технике на базе более достоверной

информации и цифровых технологий упреждающего моделирования контролируемых процессов на всех стадиях производства и эксплуатации кораблей.

Изложенные выше предложения по совершенствованию процессов управления эксплуатацией кораблей на базе современных цифровых технологий планируется выполнить в ОКР «Разработка технологии и программного обеспечения для многокомпонентного статистического анализа текущего и прогнозируемого технического состояния морской техники с целью управления жизненным циклом кораблей и судов» (1 этап -«Разработка макета цифровой технологии и его демонстрационные испытания», 2 этап - «Разработка цифровой технологии и ее квалификационные испытания»).

Основные публикации авторов по этому направлению исследований представлены в [19, 21, 23-32], включая программные разработки ЭВМ и поясняющие их материалы, которые подтверждают компетенции авторов в обсуждаемой области знаний и готовность их участия в разработках соответствующих цифровых технологий управления эксплуатацией.

Библиографический список

1. Мясников Ю.Н. Прогрессивные испытания кораблей флота // Труды Крыловского государственного научного центра. 2019. Вып. 3(389). С. 157-164.

2. Мясников Ю.Н. Междисциплинарные инновационные технологии в судостроении // Труды Крылов-ского государственного научного центра. 2019. Вып. 1(387). С. 184-186.

3. ГОСТ 34100.1-2017. Неопределенность измерения. Часть 1. Введение в руководства по выражению неопределенности измерения. Москва: Стандарт-информ, 2017. VI, 22 с.

4. Правила классификации и постройки морских судов. Часть VII. Механические установки. Санкт-Петербург: Российский морской регистр судоходства, 2019. 81 с.

5. О развитии искусственного интеллекта в Российской Федерации (вместе с «Национальной стратегией развития искусственного интеллекта на период до 2030 года»): [утв. Указом Президента РФ от 10.10.2019 № 490] // КонсультантПлюс: справ.-правовая сист.: [сайт]. URL: http://www.consultant.ru/ document/cons_doc_LAW_335184/ (дата обращения: 01.03.2020).

6. Некрасов И.В., Лежнин Д.В. Технология искусственного интеллекта в задачах управления производ-

ством // Rational Enterprise Management. 2019. № 1-2. С. 40-4S.

7. Лежнин Д.В., Некрасов И.В. Уточнение и интерполяция лабораторных измерений с помощью технологии виртуальных анализаторов // Автоматизация в промышленности. 201S. № 3. С. 31-34.

S. Некрасов И.В., Жагфаров И.Ф., Кондратьев А.Д. Нейросетевое оценивание ненаблюдаемых процессов на примере зашлаковывание нефтехимического реактора // Нефтегазохимия. 2017. № 4. С. 32-3б.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

9. Атомные подводные лодки многоцелевого назначения ВМС Великобритании // ВМС и кораблестроение. Дайджест зарубежной прессы. Санкт-Петербург: Крыловский государственный научный центр. 2013. № б7, снец. вып. 2. С. 43-5S.

10. Основы комплексного управления стоимостью / под ред. А.В. Цветкова. Москва: ПМСОФТ, 2017. 331 с.

11. Шульц Т., Некрасов И.В., Лежнин Д.В. Обзор модели стандартной архитектуры и компонентов «Industry 4.0» // Автоматизация в промышленности. 201S. № 10. С. 39-4б.

12. Воронцов К.В., Егорова Е.В. Динамически адаптируемые композиции алгоритмов прогнозирования // Искусственный интеллект. 200б. № 2. С. 277-2S0.

13. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов. Москва: Финансы и статистика, 2003. 41б c.

14. ЛюгерДж.Ф. Искусственный интеллект: Стратегии и методы решения сложных проблем. Москва: Вильямс, 2003. 8б4 c.

15. Пашин В.М. Оптимизация гражданских судов и но-полнения флота в системе формирования судостроительных программ // Машиностроение: энциклопедия: В 40 т. Т. IV-20: Корабли и суда. Кн. 1. Общая методология и теория кораблестроения. Раздел IV. Расчет и конструирование машин. Санкт-Петербург: Политехника, 2003. С. 47-51.

16. ТомашевскийВ.Т., ЧетвертаковМ.М. Методология имитационного моделирования в задачах прогнозирования развития флота // Машиностроение: энциклопедия: В 40 т. Т. IV-20: Корабли и суда. Кн. 1. Общая методология и теория кораблестроения. Раздел IV. Расчет и конструирование машин. Санкт-Петербург: Политехника, 2003. С. 43-47.

17. Томашевский В. Т. Надежность, живучесть и безонас-ность кораблей и судов // Машиностроение: энциклопедия: В 40 т. Т. IV-20: Корабли и суда. Кн. 1. Общая методология и теория кораблестроения. Раздел IV. Расчет и конструирование машин. Санкт-Петербург: Политехника, 2003. С. б08-744.

1S. Королюк С.М. Метод и модель прогноза динамики развития количественного состава и функциональ-

ных характеристик вида вооружения в зависимости от ассигнований на закупки, ремонт и эксплуатацию // Вестник академии военных наук. 2009. № 4(29). С. 114-121.

19. Ковтун Н.Л. Технико-экономический анализ жизненного цикла перспективного флота // Труды Крыловского государственного научного центра. 2018. Вып. 3(385). С. 77-84.

20. Маклаков С.В. Создание информационных систем с AllFusion Modeling Suite. Москва: ДИАЛОГ-МИФИ, 2005. 432 c.

21. Ковтун Н.Л. Имитационный статистический анализ параметров технологических процессов на судах для прогнозирования надежности техники // Вестник Государственного университета морского и речного флота имени адмирала С.О. Макарова. 2016. № 5(39). С. 215-224.

22. ГОСТ Р ИСО/МЭК 31010-2011. Менеджмент риска. Методы оценки риска. Москва: Стандартинформ, 2012. IV, 69 с.

23. Мониторинг, упреждающее моделирование и ситуационный анализ аварийных процессов и мер противодействия для систем автоматизированного управления сложными комплексами машиностроения морской техники: программа для ЭВМ 2010613335 Рос. Федерация / Ковтун Л.И., Шарков Н.А., Ковтун Н.Л.; № 2010613335; опубл. 20.05.2010. 1 с.

24. Ковтун Л.И. Современные информационные технологии в процессах управления аварийным судном (кораблем) // Машиностроение: энциклопедия: В 40 т. Т. IV-20: Корабли и суда. Кн. 1. Общая методология и теория кораблестроения. Раздел IV. Расчет и конструирование машин. Санкт-Петербург: Политехника, 2003. С. 668-674.

25. Шарков Н.А. Анализ и синтез иерархически-ин-тегрированных человеко-машинных комплексов управления морской техникой в аварийных условиях на базе интеллектуальных технологий // Труды ЦНИИ им. акад. А.Н. Крылова. 2010. Вып. 54. С. 49-76.

26. Ковтун Л.И. Супервизорная система автоматизированного управления иерархически структурированными организационно-техническими комплексами морской техники с использованием имитационно-вычислительных симуляторов // Труды ЦНИИ им. акад. А.Н. Крылова. 2010. № 54. С. 5-48.

27. Ковтун Л.И., Шарков Н.А. Интеллектуальный интерпретатор критических событий и их последствий в корабельной АСУ на базе упреждающего имитационного моделирования и ситуационного анализа контролируемых процессов // Имитационное моделирование. Теория и практика (ИММ0Д-2011): материалы V Всероссийской научно-практической

конференции (19-21 октября 2011 года, Санкт-Петербург): В 2 т. Т. 1. Санкт-Петербург, 2011. С. 181-188.

28. Ковтун Л.И., Шарков Н.А., Ковтун Н.Л. Информационные технологии для систем управления жизненным циклом кораблей и судов на базе нейроинфор-матики // Сборник материалов XIV Международной научно-практической конференции «Информационные технологии в судостроении - 2013». Санкт-Петербург, 2013. С. 53-61.

29. Ковтун Л.И., ШарковН.А. Целевые функции и прогнозное моделирование в системе управления жизненным циклом сложных объектов судостроения и технологических комплексов морской транспортной системы // Региональная информатика (РИ-2014): материалы XIV Санкт-Петербургской международной конференции (Санкт-Петербург, 29-31 октября 2014 г.). Санкт-Петербург, 2014. С. 272.

30. Программный комплекс моделирования и ситуационного анализа комплексных аварийных процессов для управления борьбой за живучесть корабля при затоплении энергетических отсеков: программа для ЭВМ 2017660729 Рос. Федерация / Ковтун Л.И., Шарков Н.А., Ковтун Н.Л, Кузьменко А.В.; № 2017617630; заявл. 31.07.2017; опубл. 25.09.2017. 1 с.

31. ШарковН.А., Ковтун Л.И., ХаритоненкоВ.Т., Ко-втун Н.Л. Создание интегрированной системы управления сервисным обслуживанием морской техники на основе анализа ее фактического состояния с учетом контролируемых технологических параметров // Труды Крыловского государственного научного центра. 2018. Спец. вып. 1. С. 97-105.

32. Шарков Н.А., Ковтун Н.Л. Имитационное моделирование процессов управления жизненным циклом продукции судостроения с использованием методов нейронечетких систем // Труды ЦНИИ им. акад. А.Н. Крылова. 2013. Вып. 78(362). С. 171-180.

References

1. Yu. Myasnikov. Progressive tests of ships // Transactions of the Krylov State Research Centre. 2019. Vol. 3(389). P. 157-164 (in Russian).

2. Yu. Myasnikov. Interdisciplinary innovative technologies in shipbuilding // Transactions of the Krylov State Research Centre, 2019. Vol. 1(387). P. 184-186 (in Russian).

3. Standard GOST 34100.1-2017. Measurement uncertainty. Part 1. Introduction to measurement uncertainty guides. Moscow: Standartinform, 2017. VI, 22 pp. (in Russian).

4. Rules for Classification and Construction of Sea-Going Ships. Part VII. Machinery installations. St. Petersburg: Russian Maritime Register of Shipping, 2019.

5. On artificial intelligence developments in the Russian Federation (along with National Strategy of Artificial Intelligence Developments till 2030). Approved by the Directive of the President of the Russian Federation No. 490 dt. October 10, 2019 // Consultants legal consultancy system, URL: http://www.consultant.ru/ document/cons_doc_LAW_335184/, accessed on March 01, 2020 (in Russian).

6. I. Nekrasov, D. Lezhnin. Artificial intelligence technology in production management // Rational Enterprise Management. 2019. No. 1-2. P. 40-48 (in Russian).

7. D. Lezhnin, I. Nekrasov. Update and interpolation of laboratory measurements by means of virtual analysers // Avtomatizatsiya v promyshlennosty (Industrial Automation). 2018. No. 3. P. 31-34 (in Russian).

8. I. Nekrasov, I. Zhagfarov, A. Kondratyev. Neural network-based assessment of non-observable processes. Case study: petrochemical reactor poisoning // Oil & Gas Chemistry. 2017. No. 4. P. 32-36 (in Russian).

9. Navy and Shipbuilding Nowadays. Digest of foreign press. St. Petersburg: Krylov State Research Centre, 2013. No. 67. Special issue 2. P. 43-58 (in Russian).

10. Fundamentals of integrated cost management. Under editorship of A. Tsvetskov. Moscow: PMSOFT, 2017. 331 p. (in Russian).

11. T. Shulz, I. Nekrasov, D. Lezhnin. Industry 4.0 model: review of standard architecture and components // Avtomatizatsiya v promyshlennosty (Industrial Automation). 2018. No. 10. P. 39-46 (in Russian).

12. K. Vorontsov, Ye. Yegorova. Dynamically-adaptive compositions of forecasting algorithms // Artificial Intelligence. 2006. No. 2. P. 277-280 (in Russian).

13. Yu. Lukashin. Adaptive methods for short-term forecasting of time series. Moscow: Finances & Statistics, 2003. 416 pp. (in Russian).

14. G. F. Luger. Artificial Intelligence: Structures and Strategies for Complex Problem Solving. Moscow: Williams, 2003. 864 p. (Russian translation).

15. V. Pashin. Optimization of merchant vessels and newbuildings in the system of shipbuilding program planning // Encyclopedia of Engineering. In 40 vol. Vol. IV-20. Ships. Book 1. Overall methodology and theory of shipbuilding. Section IV. Engineering design and calculations. St. Petersburg: Politekhnika, 2003. P. 47-51 (in Russian).

16. V. Tomashevsky, M. Chetvertakov. Imitative simulation methodology for fleet development forecasts // Encyclopedia of Engineering. In 40 vol. Vol. IV-20. Ships. Book 1. Overall methodology and theory of shipbuilding. Section IV. Engineering design and calculations. St. Petersburg: Politekhnika, 2003. P. 43-47 (in Russian).

17. V. Tomashevski. Reliability, survivability and safety of ships // Encyclopedia of Engineering. In 40 vol. Vol. IV-20. Ships. Book 1. Overall methodology and theory of shipbuilding. Section IV. Engineering design and calculations. St. Petersburg: Politekhnika, 2003. P. 608-744 (in Russian).

18. S. Korolyuk. Forecasting method and model for numbers and capabilities of weapon systems depending on acquisition, repair and operation funding // Proceedings of Military Science Academy. 2009. No. 4(29). P. 114-121 (in Russian).

19. N. Kovtun. Techno-economic life cycle analysis for prospective commercial fleet // Transactions of the Krylov State Research Centre. 2018. Vol. 3(385). P. 77-84 (in Russian).

20. S. Maklakov. Development of information systems in AllFusion Modeling Suite. Moscow: DIALOG-MIFI, 2005. 432 p. (in Russian).

21. N. Kovtun. Imitational statistical analysis of technological processes aboard ships for materiel reliability forecasting // Proceedings of Admiral Makarov State University of Maritime and Inland Shipping. 2016. No. 5(39). P. 215-124 (in Russian).

22. GOST R ISO / MEC 31010-2011. Risk management. Risk assessment techniques. Moscow: Standartinform, 2012, IV, 69 pp. (in Russian).

23. L. Kovtun, N. Sharkov, N. Kovtun. Monitoring, preventive simulation and situation analysis of emergencies and countermeasures for automated control systems of complex marine engineering objects. Computer software 2010613335 Russian Federation, Application No. 2010613335, publication date 20 May 2010, 1 pp. (in Russian).

24. L. Kovtun. Modern information technologies for damaged ship control // Encyclopedia of Engineering. In 40 vol. Vol. IV-20. Ships. Book 1. Overall methodology and theory of shipbuilding. Section IV. Engineering design and calculations. St. Petersburg: Politekhnika, 2003. P. 668-674 (in Russian).

25. N. Sharkov. Analysis and synthesis of hierarchically-integrated man-machine control systems for damaged marine structures based on intellectual technologies // Transactions of the Krylov State Research Centre. 2010. Vol. 54. P. 49-76 (in Russian).

26. L. Kovtun. Supervisory system for automated control over hierarchically structured organizational & technical marine systems with help of computer-based simulations // Transactions of the Krylov State Research Centre. 2010, Vol. 54. P. 5-48 (in Russian).

27. L. Kovtun, N. Sharkov. Intelligent interpreter of critical events and their consequences in marine automated control system based on preventive simulation

and situation analysis of target processes // Materials of the Vth All-Russian scientific & practical conference Imitative Simulation: Theory and Practice (IMMOD 2011). October 19-21, 2011, St. Petersburg. In 2 vol. Vol. 1. St. Petersburg, 2011. P. 181-188 (in Russian).

28. L. Kovtun, N. Sharkov, N. Kovtun. Neural information-based technologies for ship life cycle management // Compendium of papers, XIVth International scientific & practical conference MORINTECH-PRACTIC Information technologies in shipbuilding 2013. St. Petersburg, 2013. P. 53-61 (in Russian).

29. L. Kovtun, N. Sharkov. Target function and foresight simulations in life cycle management system for complex marine structures and shipping infrastructure // Compendium of papers, XIVth international conference Regional Informatics 2014 (RI 2014). October 29-31, St Petersburg, 2014. St. Petersburg, 2014. P. 272 (in Russian).

30. Software package for simulation and situation analysis of complex emergency processes for ship damage control in case of power compartment flooding. Computer software. 2017660729 Russian Federation / L. Kovtun, N. Sharkov, N. Kovtun, A. Kuzmenko. No. 2017617630, application date 31.07.2017; publication date 25.09.2017. 1 p. (in Russian).

31. N. Sharkov, L. Kovtun, V. Kharitonenko, N. Kovtun. Development of an integrated service management system for marine facilities based on analysis of their actual condition as per performance monitoring parameters // Transactions of the Krylov State Research Centre. 2018. Special Issue 1. P. 15-24 (in Russian).

32. N. Sharkov, N. Kovtun. Lifetime management simulation for shipbuilding production using the method of neuro-fuzzy systems // Transactions of the Krylov State Research Centre. 2013. Vol. 78(362). P. 171-180 (in Russian).

Сведения об авторах

Ковтун Лев Игнатьевич, д.т.н., ведущий научный сотрудник ФГУП «Крыловский государственный научный центр». Адрес: 196158, Россия, Санкт-Петербург, Московское шоссе, д. 44. Тел.: +7 (812) 415-45-38. E-mail: levkovtun@yandex.ru.

Ковтун Николай Львович, ведущий инженер ФГУП «Крыловский государственный научный центр». Адрес: 196158, Россия, Санкт-Петербург, Московское шоссе, д. 44. Тел.: +7 (812) 415-45-38. E-mail: kovtun5@yandex.ru. Харитоненко Владимир Терентьевич, к.т.н., ведущий научный сотрудник ФГУП «Крыловский государственный научный центр». Адрес: 196158, Россия,

Санкт-Петербург, Московское шоссе, д. 44. Тел.: +7 (812) 415-45-38. E-mail: xvt1@bk.ru. Шарков Николай Александрович, к.т.н., ведущий научный сотрудник ФГУП «Крыловский государственный научный центр». Адрес: 196158, Россия, Санкт-Петербург, Московское шоссе, д. 44. Тел.: +7 (812) 415-45-38. E-mail: nicolaysharkov@yandex.ru.

About the authors

Lev I. Kovtun, Dr. Sci. (Eng.), Lead Researcher, Krylov State Research Centre. Address: 44, Moskovskoye sh., St. Petersburg, Russia, post code 196158. Tel.: +7 (812) 415-45-38. E-mail: levkovtun@yandex.ru.

Nikolai L. Kovtun, Lead Engineer, Krylov State Research Centre. Address: 44, Moskovskoye sh., St. Petersburg, Russia, post code 196158. Tel.: +7 (812) 415-45-38. E-mail: kovtun5@yandex.ru.

Vladimir T. Kharitonenko, Cand. Sci. (Eng.), Lead Researcher, Krylov State Research Centre. Address: 44, Moskovskoye sh., St. Petersburg, Russia, post code 196158. Tel.: +7 (812) 415-45-38. E-mail: xvt1@bk.ru. Nikolay A. Sharkov, Cand. Sci. (Eng.), Lead Researcher, Krylov State Research Centre. Address: 44, Moskovskoye sh., St. Petersburg, Russia, post code 196158. Tel.: +7 (812) 415-45-38. E-mail: nicolaysharkov@yandex.ru.

Поступила / Received: 03.03.20 Принята в печать / Accepted: 04.06.20 © Коллектив авторов, 2020

i Надоели баннеры? Вы всегда можете отключить рекламу.