CC BY
40
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
METHOD FOR MEASURING OF THE IONIZATION FRACTION OF THE METAL ATOM FLUX
Tsar’gorodsev Yu.P., Associate Prof. Department of Physics MFSU, Cand., Poluektov N.P., Professor Dr technical. Sciences Department of Physics MFSU, Usatov I.I., chief engineer Department of Physics MFSU, Evstigneev A.G., chief engineer Department of Physics MFSU
poluekt@mgul.ac.ru
Department of Physics, Moscow State Forest University 1st Institutskaya street, 1, 141005, Mytischi, Moscow region, Russia
An optical method for determining the degree of ionization of the metal atom flux у used for the films deposition in deep submicron structures used for the creation of modern VLSI. The degree of ionization of the metal atoms flux is defined as the ratio of the ion flux to the total flux, which includes atoms and ions. We have developed a new method using laser radiation, which allows to measure directly у in plasma (in situ). This method is based on the reflection of the thin metal film when the reflection coefficient is linearly dependent on the film thickness. On the front of the wafer surface (facing to plasma) is deposited metal film. Semiconductor laser beam was directed onto the back surface plate and passing through it is reflected from the surface on which the deposited metal film. Large thickness (20 mm) of the plate was chosen to dilute away beams reflected from the front and back surfaces of the quartz plate, and thereby eliminate interference. The substrate used transparent quartz plate size 120Ч30Ч20 mm3. The thickness of the depositedfilm (about 10 nm) is much smaller than the wave length, therefore the interference in the film can be neglected. The incidence angle is about 30. In front of the substrate were installed two grids with cells of 70 um. The first grid is electrically isolated and has a floating potential (its value is in the range -24 + -5 V). First mesh does not miss much of the plasma electrons and thereby reduces plasma perturbation. The second mesh is isolated from the first and flange on which are fixed. In the second grid may be bias to the positive potential from 0 to 30 V, which inhibits the ions flow and the ions does not take place on the substrate. In this case, the film is deposited by metal atoms only. At zero potential on the second grid the film is deposited by metal atoms and ions. This method was tested in a magnetron discharge with a hollow cathode with power of 0.5 - 4 kW. Results obtained by the optical method have an agreement within 5 % with results by the gridded quartz microbalance.
Key words: ionization fraction of atom flux, film deposition, hollow cathode magnetron discharge.
This work was supported CCU «Plasma technology of micro and nano-films»
ВЫБОР ОПЕРАТОРНЫХ УРАВНЕНИЙ И СТРУКТУРЫ ПРОЦЕССОРНЫХ ИЗМЕРИТЕЛЬНЫХ СРЕдСТВ дЛЯ автоматизации СБОРКИ изделий В ПРИБОРОСТРОЕНИИ
М.С. УСАЧЕВ, ст. преподаватель каф. управления автоматизированными производствами лесопромышленного комплекса МГУЛ,
В.А. ДОРОШЕНКО, проф. каф. управления автоматизированными производствами лесопромышленного комплекса МГУЛ, д-р техн. наук
usachevmaksim@mail. ru ФГБОУ ВПО «Московский государственный университет леса» 141005, Московская обл., г Мытищи-5, ул. 1-я Институтская, д. 1, МГУ
Сборка является завершающим и определяющим этапом производственного процесса в приборостроении.
На этом этапе формируются основные показатели качества выпускаемой продукции. При этом одной из основных операций является операция контроля технологического процесса сборки. Операции контроля в некоторых процессах сборки занимают от 25 до 50 % времени всего технологического цикла. Для повышения эффективности процесса необходимо выполнение автоматического контроля на всех стадиях сборки изделия. Основными видами контроля являются: входной контроль собираемых деталей и комплектующих изделий; промежуточный контроль, выполняемый в процессе сборки или после окончания определенного этапа; окончательный контроль собранного изделия после завершения всего процесса. Анализ методов достижения точности при автоматической сборке, технологии и оборудования на основе гибких производственных систем при сборке прецизионных изделий и сборке на основе роботизированных технологических комплексов, показал наличие множества параметров и признаков в целом технологического процесса сборки. Приведенные множества параметров и признаков определяют множество измерительных задач системы контроля качества сборки на всех ее этапах и, прежде всего, определяют структуру построения измерительных средств с различными функциональными измерительными функциями. Множество измерительных задач определяют соответствующие уравнения измерений и структуру измерительных средств с различным уровнем интеллекта. Это требует разработки и применения интеллектуальных процессорных измерительных средств (ПрИС), начиная с первого уровня интеллекта, которому соответствует однофункциональный процессорный измеритель, обеспечивающий выполнение измерительной задачи по жесткой программе, и кончая многофункциональными ПрИС, выполняющими итеративные адаптивные измерения целого ряда измерительных задач на основе соответствующих уравнений измерения, структуры ПрИС и априорной информации. Для решения такой задачи для автоматической сборки в приборостроении с учетом приведенных параметров и признаков необходимо разработать метод и ал-
ЛЕСНОЙ ВЕСТНИК 4/2014
189
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
горитм формального перехода от параметров и признаков технологических операций к операторным уравнениям измерения и структуре ПрИС для автоматизации сборки изделий. В статье предложен метод и алгоритм автоматизированного перехода от параметров и признаков технологического процесса сборки к операторным уравнениям и структуре процессорных измерительных средств для систем контроля сборки в приборостроении.
Ключевые слова: операторные уравнения измерения, процессорные измерительные средства, параметры и признаки технологического процесса, матрицы расстояний между множествами, среднегрупповое расстояние между множествами, уровни интеллекта измерительных средств.
При решении задач автоматизации процесса сборки изделий в приборостроении и вообще в машиностроении одним из основных вопросов является разработка интеллектуальных процессорных средств измерения размеров. В структуру таких средств входят: первичный преобразователь, измерительный преобразователь, аналого-цифровой преобразователь и процессорный модуль [1]. Основой для создания интеллектуальных средств измерения являются операторные уравнения, определяющие структуру процессорных измерительных средств (ПрИС). Основное операторное уравнение имеет вид [1-6]
X* = R2 K Ri у, где X - результат измерения;
R1 - преобразование, выполняемое в аналоговой форме;
К - аналого-цифровое преобразование;
R2 - преобразование, выполняемое в числовой форме;
Y - входное воздействие.
Наиболее распространенной классификацией измерений в метрологии является разделение на прямые и косвенные измерения и соответствующие им операторные уравнения [1]. Операторные уравнения и уровни интеллекта процессорных измерительных средств представлены в табл. 1.
Многовариантность параметров и признаков технологического процесса сборки определяет выбор операторных уравнений и структур ПрИС как непосредственно воспринимающих измерения в методах сборки. Цель предлагаемой работы - формирование множества параметров и признаков процесса сборки изделий и разработка метода и алгоритма формализованного перехода от параметров и признаков к операторным уравнениям и структуре ПрИС.
Основными при сборке изделий в приборостроении (машиностроении) являются [7-10] методы: полной взаимозаменяемости
деталей сборочных единиц; неполной взаимозаменяемости (сборка с подбором деталей); групповой взаимозаменяемости (селективная сборка); регулировки при сборке деталей с применением компенсаторов; с индивидуальной пригонкой деталей при сборке.
Структурная схема автоматической сборки методом полной взаимозаменяемости показана на рис. 1. При такой сборке достаточно контролировать размеры деталей Д1, Д2,..., Дп. Сборка осуществляется сборочным автоматом. Особенность этого метода - гарантированное обеспечение требуемого размера замыкающего звена сборочной единицы в процессе сборки, то есть достаточно контролировать размеры деталей. При этом требуется более высокая точность изготовления и контроля деталей.
При использовании метода неполной взаимозаменяемости (рис. 2) заранее неизвестно, в каком изделии требуемый размер замыкающего звена не обеспечивается. Для этого его необходимо контролировать в каждой сборочной единице, что требует дополнительной контрольной позиции в сборочной линии или сборочном автомате. Детали Д Д2,..., Д после контроля собираются в сборочном автомате (сборочной линии). Собранная единица проходит контроль сборки в контрольном автомате. Часть сборочных единиц, попавших в процент отклонения, отбрасываются. Такая сборочная единица разбирается в разборочном автомате, составляющие детали возвращаются для повторной сборки в другом сочетании. Если некоторые детали невозможно установить при сборке, то срабатывает контрольно-блокировочное устройство, которое прерывает сборочный процесс, выводит из зоны сборки необработанные детали и возвращает сборочный автомат в исходное состояние. При этом методе сборки помимо измерения размеров необходимо учитывать способы перемещения в зоне измерения:
190
ЛЕСНОЙ ВЕСТНИК 4/2014
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
Таблица 1
Операторные уравнения и уровни интеллекта процессорных измерительных средств
Operator equations and levels of intelligence processor measuring tools
Типовые операторные уравнения Выбор операторных уравнений и структуры процессорных измерительных средств Уровни интеллекта процессорных измерительных средств
Прямые обыкновенные неитеративные измерения (ПОНИ) Однофункциональные: ФИ - операторные уравнения; АИ - алгоритм измерения
Прямые обыкновенные итеративные измерения (ПОИИ) Многофункциональные: Фш - операторные уравнения; АИ. - алгоритмы измерения; А** - правила выбора алгоритма измерения.
Прямые с усреднением неитеративные измерения (ПУОИ)
Прямые с усреднением итеративные измерения (ПУИИ) Неитеративные адаптивные: ФИ. - операторные уравнения; АИ. - алгоритмы измерения; Аы - правила выбора алгоритма измерения; массив данных
Косвенные обыкновенные неитеративные измерения (КОНИ)
Косвенные обыкновенные итеративные измерения (КОИИ) Итеративные адаптивные: ФИ. - операторные уравнения; АИ. - алгоритмы измерения; Аы - правила выбора алгоритма измерения; массив данных
Косвенные с усреднением неитеративные измерения (КУНИ)
Косвенные с усреднением итеративные измерения (КУИИ) Итеративные адаптивные с самообучением: Фш - операторные уравнения; АИ. - алгоритмы измерения; А** - правила выбора алгоритма измерения; А - программно-алгоритмическое обеспечение для расширения алгоритмов измерения и правил выбора (АЬг); массив данных
Типовые структуры процессорных измерительных средств
Параметры и признаки технологических операций
Рис. 1. Метод полной взаимозаменяемости Fig. 1. The method of complete interchangeability
ориентированное и неориентированное перемещение; продольное или поперечное, поштучное или групповое.
При автоматической сборке с групповой взаимозаменяемости (селективная сборка) (рис. 3) детали Д1, Д2,..., Дп должны быть рассортированы по размерным группам сортировочным автоматом и размещены в накопитель. Предварительная сортировка на размерные группы требует информации о
размерах всех деталей. Для того чтобы при сборке не перепутались некоторые детали с деталями другой размерной группы, необходимо дополнительно их маркировать. При такой сборке кроме размеров деталей (диаметр, длина, минимальное значение или максимальное значение параметра, выделение минимального или максимального значения параметра) необходимо учитывать способы перемещения в зоне измерения.
ЛЕСНОЙ ВЕСТНИК 4/2014
191
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
Рис. 2. Метод сборки с подбором деталей (метод неполной взаимозаменяемости) Fig. 2. Assembly method with the selection of items (a method of partial interchangeability)
Рис.3. Метод групповой взаимозаменяемости (селективная сборка) Fig. 3. Interchangeability group method (selective assembly)
Требуемой точности при сборке методом регулирования размера (рис. 4) можно достигнуть при использовании неподвижных и подвижных компенсаторов. Детали-компенсаторы, поступающие на сборку, измеряются в контрольно-сортировочном автомате. Происходит сортировка по размерам на группы. Рассортированные детали-компенсаторы подаются в накопитель. Детали для сборки через измерительное устройство и микропроцессорное устройство дают информацию для устройства выбора размеров компенсатора и подачи на сборку вместе с деталями сборки. При такой сборке увеличивается объем и разнообразие параметров и признаков, влияющих на выбор операторных уравнений и структуры ПрИС, в том числе влияния способов перемещения и ориентации деталей и деталей-компенсаторов.
Метод пригонки при сборке деталей (рис. 5) так же, как и метод регулировки (рис.
4), обеспечивает высокую точность размера замыкающего звена с помощью компенсаторов, но при этом требуется дополнительная обработка компенсатора. Размер детали компенсатора 1 измеряется измерительным устройством, сигнал с которого подается на элемент сравнения. На второй вход подается сигнал с задающего устройства. Сигнал о размерах детали на сборку поступает также на вход задающего устройства. При наличии разностного сигнала на выходе элемента сравнения сигнал передается на вход регулятора, что является командой на дополнительную обработку детали-компенсатора. При этом требуется применение двух измерительных устройств, для которых необходимо обосновать операторное уравнение и структуры ПрИС.
192
ЛЕСНОЙ ВЕСТНИК 4/2014
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
Рис. 4. Метод регулировки при сборке деталей Fig. 4. Adjustment method when assembling parts
Рис. 5. Метод пригонки при сборке деталей Fig. 5. Method for the assembly of parts fits
Прецизионная сборка в основном выполняется с помощью гибких производственных систем. Состав оборудования и гибкость системы для прецизионной сборки определяется методом достижения заданной точности сборки. Основой достижения необходимой точности является сборка методом взаимозаменяемости и групповой взаимозаменяемости. Отличие в составах и схемах компоновки оборудования определяется местом и временем производимого процесса контроля и комплектования деталей сборочных единиц. При этом увеличивается объем измерительных задач на множестве параметров и признаков операций контроля, комплектования и использования
измерительной информации в процессе переналадки гибкой производственной системы с применением компьютерных технологий.
В результате анализа процесса сборки различными методами выделены исходное множество параметров и признаков для формирования эталонных множеств, определяющих выбор операторных уравнений и структур ПрИС (рис. 6): х1 - объект измерения; х2 - измерение минимального значения размера детали; х3 - измерение максимального значения размера детали; х4 - выделение минимального значения размера детали; х5 - выделение максимального значения размера детали; х6 - чистовая поверхность детали; х7 - черновая поверхность детали;
ЛЕСНОЙ ВЕСТНИК 4/2014
193
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
Рис. 6. Параметры и признаки технологического процесса сборки в приборостроении Fig. 6. Settings and features in the assembly process instrumentation
х8 - продольное перемещение в зоне измерения; х9 - поперечное перемещение в зоне измерения; х - ориентированная подача в зоне измерения; хп - неориентированная подача в зоне измерения; х - поштучная подача в зоне измерения; х - групповая подача в зоне измерения.
На основе выделенного множества формируются эталонные множества (рис. 6), правило формирования которых заключается в следующем. В каждое эталонное множество входит признак объекта измерения (х^, один из измеряемых параметров (х х х х5). Элементами эталонных множеств не могут одновременно быть два взаимоисключающих признака х6, х7; х8, х9; х10, х11; х12, х13. Число эталонных множеств определяется числом измеряемых размеров (х2, х3, х4, х5) и числом взаимоисключающих признаков n = 2m1+m2, где m1 - число измеряемых размеров; т2 - число взаимоисключающих признаков.
Каждому эталонному множеству соответствует определенное операторское уравнение и в итоге структура ПрИС. К прямым измерениям относятся измерения, в которых воздействие на вход измерительного устройства осуществляется самой измеряемой величиной. При косвенных измерениях на вход воздейству-
ет величина, функционально связанная с измеряемой. Обыкновенные измерения - измерения, при которых результат измерения соответствует моменту измерения (разовые измерения без усреднения). Это соответствует измерению чистовой поверхности детали (х6). Усредненные измерения - измерения, при которых результат измерения соответствует временному интервалу измерения, то есть несколько измерений для повышения точности результата измерения. Это соответствует измерению черновой поверхности детали (х7). Итеративные измерения - измерения, при которых выполняются циклы измерений с целью сравнения и выделения требуемых размеров, что соответствует выделению минимального или максимального значения размера (х х5) при неориентированной подаче (х). Неитеративные измерения - измерения, при которых нет необходимости выполнения циклов измерения. Это соответствует измерениям при ориентированной подаче (х).
В целом предложенный алгоритм выбора операторных уравнений измерений и структуры ПрИС представлен на рис. 7. На основе исходных данных технологических операций сборки изделий (блок 1) формируется упорядоченный ряд параметров и признаков
194
ЛЕСНОЙ ВЕСТНИК 4/2014
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
Рис. 7. Алгоритм выбора операторного уравнения и структуры процессорных измерительных средств Fig. 7. Algorithm selection operator equation and the structure of the processor measuring tools
технологических операций в целом (блок 2). Формирование эталонных множеств (блок 3) и соответствующих им операторных уравнений выполняется по правилам, изложенным выше. Сформированные эталонные множества проверяются на разнородность для исключения неопределенностей в процессе выбора операторных уравнений. Для этого выполняется ряд операций (блоки 4-8). С этой целью
формируется симметричная матрица расстояний (блок 4) между эталонными множествами D1 = \aj\. Строки и столбцы матрицы D1 соответствует эталонным множествам. Элементы матрицы определяются на основе выражения
MtnMj
MxjMj
где i=MЭlMЭ1,..., МЭп; j=M3V M^..^ МЭп.
ЛЕСНОЙ ВЕСТНИК 4/2014
195
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
Числитель отражает число общих элементов двух эталонных множеств, знаменатель - суммарное число разных элементов двух множеств. На основе матрицы D1 определяется пороговое расстояние между эталонными множествами (блок 5), исключая нулевые значения диагонали симметричной матрицы d = (d + d )/2. С учетом порогового расстояния формируются построчные кластеры, элементами которых являются множества, расстояния между которыми меньше или равны пороговому расстоянию d.. < dn (блок 6). На основе матрицы D1 и выделенных построчных кластеров формируются группы сходных и разнородных множеств. Для оптимизации разбиения этих групп определяется среднегрупповое расстояние (блок 7)
т __
р —М____________
с2
л,т
1=1
где i = 1, 2,..., m - число кластеров;
Aj - число пар множеств, входящих в кластеры, расстояние между которыми удовлетворяет условию d . < dn,
C2 - число внутри группового расстоя-
ния в кластерах;
n - число элементов (множеств) в кластере.
С учетом данных матрицы D и среднегруппового расстояния R1 выполняется проверка эталонных множеств на разнородность (блок 8). Множества являются разнородными при условии, что расстояние между ними больше среднегруппового расстояния d > R.
Для непосредственного выбора операторного уравнения и структуры ПрИС для конкретных операций сборки изделий формируются множества параметров и признаков этих операций относительно измерительных параметров (блок 10). Для выделения сходных множеств и соответствующих им операторных уравнений формируется матрица расстояния D2 = \d.| (блок 11). Строки матрицы соответствуют технологическим множествам (множества операций сборки), столбцы - эталонным множествам. В блоках 12-14 повторяются операции блоков 5-7. В блоке
15 выделяются сходные множества матрицы расстояний D Множества являются сходными, если выполняется условие d.. < R2, где R2 - среднегрупповое расстояние между множествами технологических операций и эталонными множествами. Сходным множествам соответствуют операторные уравнения измерений и соответствующие им структуры ПрИС [3]. При этом формируется результирующая таблица, в которой указываются операции сборки и соответствующие им операторные уравнение измерения, структура ПрИС и необходимый уровень интеллекта ПрИС. На основе предложенного метода и алгоритма перехода от технологических параметров и признаков к операторным уравнениям и структуре ПрИС разработана программа автоматического выбора в среде MATHCAD.
Библиографический список
1. Цветков, Э.Н. Процессорные измерительные средства/ Э.Н. Цветков - Л.: Энергоатомиздат, 1989. - 224 с.
2. Катыс, П.Г. Интеллектуальные видеодатчики систем машинного видения/ П.Г. Катыс, Г.П. Катыс // Датчики и системы. - 2001. - № 9. - С. 42-48
3. Целищев, Е.С. Новый подход к построению универсальной структуры информационного обеспечения процесса проектирования систем контроля/ Е.С. Целищев, Н.С. Кудряшов, А.В. Глязнецова // Датчики и системы. - 2010. - № 6. - С. 28-34
4. Раннев, Г.Г. Измерительные информационные системы. - М.: Академия, 2010. - 336 с.
5. Дорошенко, В.А. Структурный синтез процессорных средств для измерения размеров объектов / В.А. Дорошенко, М.С. Усачев // Вестник МГУЛ - Лесной вестник, 2011. - № 4. - С. 136-141.
6. Усачев, М.С. Математическое описание компоновки распределенных систем управления с оценкой структурной избыточности и сложности / М.С. Усачев, В.А. Дорошенко // Вестник МГУЛ - Лесной вестник, 2013. - № 3. - С. 196-202.
7. Ласуков, А.А. Автоматизация сборки в машиностроении/ А.А. Ласуков; Юргинский технологический институт. - Томск: Томский политехнический университет, 2010. - 176 с.
8. Валетов, В.А. Технология приборостроения / В.А. Валетов, Ю.П. Кузьмин, А.А. Орлова, С.Д. Третьяков. - СПб: СПбГУ ИТМО, 2008. - 336 с.
9. Фуфаев, Э.В. Компьютерные технологии в приборостроении/ Э.В. Фуфаев, Л.И. Фуфаева. - М.: Академия, 2009. - 334 с.
10. Осетров, В.Г. Технологические процессы в сборочном производстве машиностроения. - Ижевск: ИжГТУ, 2009.
196
ЛЕСНОЙ ВЕСТНИК 4/2014
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
CHOICE OF OPERATOR EQUATIONS AND PROCESSOR MEASURING TOOLS STRUCTURE FOR AUTOMATION PRODUCT ASSEMBLY IN INSTRUMENT MANUFACTURE
Usachev M.S., Lecturer Department. control of automated manufacturing timber industry MFSU, Doroshenko V.A., prof.
Univ. control of automated manufacturing timber industry MFSU, Dr. Sc. Sciences
usachevmaksim@mail.ru
Moscow State Forest University (MSFU) 1st Institutskaya st., 1, 141005, Mytischi, Moscow reg., Russia
Assembling is the final and crucial step in the process of production in the instrument manufacturing. On the assembling s step main parameters of quality of manufactured product become formed. In that time one of the main operations is operation of technical process control in assembling. In some assembling’s processes operations of control take 25-50 % of all time of technological assembling cycle. It is necessary to carry out automatic control in all steps ofproduct’s assembling to make higher the efficiency of the process. The basic types of control in the assembling’s process are: the input control of details’ assembling and product’s components; the intermediate control that can be made in the process or in the end of any step of assembling; the final control of a product in the end of all assembling process. The analysis of accuracy’s achievement while the automatic assembling, it’s technology and furnishing, based on flexible production’s systems while the precision wares ’ assembling and the assembling which is based on robotic technological complexes, showed that in all technological process of assembling are a lot ofparameters and signs. These sets of options and signs determine a lot of metric tasks of the system ofassembling’s quality control in all steps of it, andfirst of all it determines the structure of metric means ’ with different metric functions. Most of metric tasks determine the appropriate equations of metric means with different intellectual level.
It needs development and application of intellectual processor measuring tools (PMT), beginning from the first level of the intellect, that is the same with the single function processor meter, that is needed for decision of the metric task with the help of rigorous program, andfinishing with the multifunctional PMTs that make iterative measurements of lots metric tasks, based on appropriate equations of measurement, the structure of PMT and the priori information. To decide this task for automatic assembling in the instrument manufacturing with using all parameters and signs is necessary to make a method and algorithm offormal transition out of technological operation’s parameters and signs to operator metric equations and PMT’s structure for automation of product’s assembling. In article is proposed the method and algorithm of automation transition out of technological operation’sparameters and signs of assembling to the operator levels and structure of processor measuring tools for systems of assembling’s control in the instrument manufacturing.
Key words: operator equations measurement, processor measurement means, parameters and signs of technological process, distance matrix between the sets, group average distance between the sets, levels of intelligence measuring means
References
1. Tsvetkov, E.N. Protsessornye izmeritel’nye sredstva [Processor measuring tools], Leningrad: Energoatomizdat Publ., 1989, 224
p.
2. Katys P.G., G.P. Katys Intellektual’nye videodatchiki sistem mashinnogo videniya [Intelligent video sensors of machine vision systems], Moscow, Datchiki i sistemy [Sensors & Systems], 2001, no 9, pp. 42-48
3. Tselishchev E.S., Kudryashov N.S., Glyaznetsova A.V Novyypodkhod kpostroeniyu universal’noy struktury informatsionnogo obespecheniya protsessa proektirovaniya sistem kontrolya [New approach to construction a universal structure of information support of the design process systems of control], Moscow, Datchiki i sistemy [Sensors & Systems], 2010, no 6, pp. 28-34
4. Rannev G.G. Izmeritel’nye informatsionnye sistemy [Measurement and Analysis Information Systems], Moscow, Akademiya,
2010, p. 336
5. Doroshenko V.A., Usachev M.S. Strukturnyy sintez protsessornykh sredstv dlya izmereniya razmerov ob»ektov [Structural synthesis of the processing means for measuring the size of objects], Moscow State Forest University Bulletin - Lesnoi Vestnik,
2011, no.4, pp.136-141
6. Usachev M.S., Doroshenko V. A. Matematicheskoe opisanie komponovki raspredelennykh sistem upravleniya s otsenkoy strukturnoy izbytochnosti i slozhnosti [The mathematical description of the layout of distributed control systems with the assessment of structural redundancy and complexity], Moscow State Forest University Bulletin - Lesnoi Vestnik, 2013, no.3, pp.196-202
7. Lasukov A.A. Avtomatizatsiyasborki v mashinostroenii [Build automation in mechanical engineering], Tomsk, Tomsk Polytechnic University Publ., 2010, 176 p.
8. Valetov V.A., Kuz’min Yu.P, Orlova A.A., Tret’yakov S.D. Tekhnologiya priborostroeniya [Instrumentation technology], S. Petersburg: St. Petersburg State University of Information Technologies, Mechanics and Optics Publ., 2008, 336 p.
9. Fufaev E.V. Fufaeva L.I. Komp’yuternye tekhnologii v priborostroenii [Computer technology in instrument], Moscow, Akademiya, 2009, 334 p.
10. Osetrov V.G. Tekhnologicheskie protsessy v sborochnom proizvodstve mashinostroeniya [Technological processes in assemblyline production engineering], Izhevsk, Izhevsk State Technical University Publ., 2009.
ЛЕСНОЙ ВЕСТНИК 4/2014
197
