Приведены сведения о применении статистических методов управления качеством продукции к анализу процесса получения лакокрасочных покрытий с заданными свойствами. Предложен подход, основанный на использовании методов управления качеством на этапах проектирования и нанесения краски в процессе управления качеством отделочных работ. Приведены сведения о стабильности и воспроизводимости процесса окрашивания строительных изделий и конструкций. Рассмотрено влияние способа нанесения красочного состава, реологических свойств краски, пористости цементной подложки на качество внешнего вида покрытий. Выявлено, что в зависимости от реологических свойств красочного состава, пористости подложки, способа нанесения формируется шероховатость поверхности покрытий различной однородности по простиранию. Приведены значения статистических характеристик (математического ожидания, среднеквадратического отклонения) в зависимости от пористости цементной подложки, вида краски и ее реологических свойств. Выявлено, что независимо от способа нанесения краски меньший разброс показателей шероховатости Rа характерен для поверхности всех покрытий на зашпатлеванной подложке. Рассчитан потенциал работоспособности процесса получения покрытий с заданным качеством внешнего вида. Выявлено, что более настроен процесс получения покрытий с заданным качеством внешнего вида на зашпатлеванной подложке и вязкостью краски 0,00026·103 Па·с. Индекс воспроизводимости составляет Срk = 1,5. Это гарантирует уровень дефектности менее 0,27 %.

Ключевые слова: краска, покрытие, шероховатость поверхности, качество подложки.

Логанина Валентина Ивановна (Пенза, Российская Федерация) – доктор технических наук, профессор, заведующий кафедрой «Управление качеством и технология строительного производства», Пензенский государственный университет архитектуры и строительства (Пенза, 440028, ул. Германа Титова, 28, e-mail: loganin@mail.ru).

1. Жигарева Г.В. Обзор рынка лакокрасочных материалов России: тенденции и перспективы [Электронный ресурс]. – URL: https://www.centrlack.ru/doc/zhigareva-280219.pdf (дата обращения: 02.02.2023).

2. Лялюшко Д.С. Фасадные краски. Тенденции // Промышленная окраска. – 2008. – № 2. – С. 6–9.

3. Логанина В.И., Учаева Т.В. Статистическая оценка риска причинения вреда при несоответствии качества лакокрасочных покрытий // Вестник Моск. гос. строит. ун-та. – 2019. – Т. 14, вып. 11. – С. 1449–1455. DOI: 10.22227/1997-0935.2019.11.1449-1455

4. Саката Сиро. Практическое руководство по управлению качеством / пер с 4-го японского издания С.И. Мышкиной; под ред. В.И. Гостяева. – М.: Машиностроение, 1980. – 215 с.

5. Loganina V.I. Statistical quality assurance of the appearance of paint coatings. // Materials Today: Proceedings. – 2021. – Vol. 38, part 5. – Р. 2099–2101.  DOI: 10.1016/j.matpr.2020.03.265

6. Borovkov А.А. Mathematical Statistics. – New York: Gordon & Breach, 1998.

7. Трюб У. Качество отделки бетонных поверхностей / пер. с нем. – М.: Стройиздат, 1985. – 62 с.

8. Loganina V.I. Maintenance of quality of paint and varnish coverings of building products and designs // Contemporary Engineering Sciences. – 2014. – Vol. 7,  № 33–36. – Р. 1943–1947.

9. Шиндовский Э., Шюрц О. Статистические методы управления качеством. – М.: Мир, 1976. – 598 с.

10. Статистические методы повышения качества / пер. с англ.; под ред. Х. Кумэ. – М.: Финансы и статистика, 1990. – 304 с.

11. Статистические методы контроля качества продукции / Л. Ноулер, Дж. Хауэлл, Д. Толд, Э. Коулмэт, О. Моун, В. Ноулер. – М.: Изд-во стандартов. 1989. – 95 с.

12. Lara-Cabrera R., Gonzalez-Pardo A., Cama-cho D. Statistical analysis of risk assessment factors andmetrics to evaluate radicalisation in Twitter // FutureGeneration Computer Systems. – 2019. – Vol. 93. – P. 971–978. DOI: 10.1016/j.future.2017.10.046

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

14. Гмурман В.Е. Теория вероятностей и математическая статистика: учеб. пособие для вузов. – М.: Высшая школа, 2003. – 479 с.

15. Song P.S. Assessment of statistical variations in impact resistance of high-strength concrete and high-strength steel fiberreinforced concrete // Cement and Concrete Research. – 2005. – Vol. 35. – Р. 393–399.

Для строительства автомобильных дорог требуются большие объемы щебня, различного по своим физико-механическим свойствам и фракции. Ввиду отсутствия во многих округах Российской Федерации карьеров с каменными материалами высокой прочности возникает потребность в их доставке, что значительно увеличивает стоимость строительства. Одним из возможных способов решения данного вопроса является разработка методов, позволяющих повысить потребительские свойства щебня. Это позволит использовать малопрочный щебень в конструктивных слоях дорожной одежды.

Физико-механические характеристики щебня, его эффективное сопротивление внешним нагрузкам и воздействию разрушающих сил окружающей среды во многом определяются структурой поверхностного слоя. Наличие пор, раковин, трещин на поверхности зерен щебня будут способствовать снижению характеристик. Для направленного изменения химического состава поверхности зерен щебня могут использоваться различные химические растворы, которые позволяют создать защитные слои или повысить плотность и однородность структуры за счет химических преобразований или кольматации пор и трещин, находящихся в структуре малопрочного щебня. В статье предложен метод пропитки щебня раствором лигносульфоната как наиболее подходящий для реализации на территории Пермского края. Представлены исследования по оценке возможности повышения характеристик низкопрочного щебня карьера АО «Филипповский карьер», расположенного в Кунгурском районе Пермского края. Исследование показало эффективность использования пропитки водным раствором лигносульфоната в соотношении 1:7 щебня. Возможно увеличить марку щебня до М800 при выдержке щебня в пропиточном растворе в течение 6 ч и при температуре 60 °С.

Ключевые слова: щебень, лигносульфонат, дорожное строительство, прочность, дробимость, истираемость, физико-механические свойства.

Пугин Константин Георгиевич (Пермь, Российская Федерация) – доктор технических наук, профессор кафедры «Строительные технологии», Пермский государственный аграрно-технологический университет имени академика Д.Н. Прянишникова (Пермь, 614990, Петропавловская ул., 23); профессор кафедры «Специальности водного транспорта и управление на транспорте», Пермский филиал Волжского государственного университета водного транспорта (Пермь, 614060, бульвар Гагарина, 33, e-mail: 123zzz@rambler.ru).

Мушегян Еремия Робертович (Пермь, Российская Федерация) – аспирант кафедры «Автомобильные дороги и мосты», Пермский национальный исследовательский политехнический университет (Пермь, 614990, Комсомольский пр., 29, e-mail: eremmush@mail.ru).

1. Каменев Е.В., Каменева Е.Е. Развитие техники и технологии производства дорожного щебня в СССР (довоенный период) // Обогащение руд. – 2021. – № 3. – С. 50–55. DOI: 10.17580/or.2021.03.09

2. Курденкова И.Б. Развитие нормативной базы на щебень для асфальтобетона // Промышленное и гражданское строительство. – 2020. – № 12. – С. 38–44. DOI: 10.33622/0869-7019.2020.12.38-44

3. Кадыров А.С., Кунаев В.А., Георгиади И.В. Отходы черной металлургии и отработанные технические жидкости для получения материала дорожных оснований // Экология и промышленность России. – 2017. – Т. 21, № 12. – С. 44–48. DOI: 10.18412/1816-0395-2017-12-44-48

4. Фомин А.Ю., Хозин В.Г. Новые серосодержащие материалы для дорожного строительства // Строительные материалы. – 2016. – № 12. – С. 80–82.

5. Вдовин Е.А., Фомин А.Ю., Хафизов Э.Р. Effective stone mastic asphalt with the use of stabilizing additives of multifunctional action // Инженерно-строительный журнал. – 2019. – № 8. – С. 154–161.

6. Nazmus Sakib, Amit Bhasin, Md. Kamrul Islam. A review of the evolution of technologies to use sulphur as a pavement construction material // International Journal of Pavement Engineering, – 2021. – Vol. 22, № 3. – Р. 392–403. DOI: 10.1080/10298436.2019.1612064

7. Solovieva V., Stepanova I., Soloviev D. High-strength concrete with improved deformation characteristics for road surfaces // Lecture notes in civil engineering. – 2020. – № 50. – Р. 339–345. DOI: 10.1007/978-981-15-0454-9-35

8. A critical review on the properties and applications of sulfur-based concrete / R. Fediuk, Y.H. Mugahed Amran, M.A. Mosaberpanah [et al.] // Materials. – 2020. – Vol. 13, no. 21. – P. 1–23. DOI: 10.3390/ma13214712

9. Properties of sulfur-extended asphalt concrete / V.A. Gladkikh, E.V. Korolev, D. Husid, I. Sukhachev // MATEC Web of Conferences: 5th International Scientific Conference on Integration, Partnership and Innovation in Construction Science and Education, IPICSE 2016, Moscow, 16–17 October 2016. – Moscow: EDP Sciences, 2016. – P. 04024. DOI: 10.1051/matecconf/20168604024

10. Кунаев В.А., Кадыров А.С., Георгиади И.В. Разработка и исследование математической модели процесса гидрофобизации шлакового щебня // Вестник Казахской академии транспорта и коммуникаций им. М. Тынышпаева. – 2017. – № 4 (103). – С. 298–306.

11. Глинянова И.Ю. Теоретические основы разработки способа получения модифицированного известнякового щебня на основе отходов промышленного производства в сверхкритических жидкостных средах // Вестник Волгоградского государственного архитектурно-строительного университета. Серия: Строительство и архитектура. – 2017. – № 50 (69). – С. 24–29.

12. Фомин А.Ю., Аскарова Р.Н., Хозин В.Г. Высокопрочный серощебень из карбонатных пород для устройства оснований в конструкциях дорожных одежд // Известия Казанского государственного архитектурно-строительного университета. – 2022. – № 1 (59). – С. 54–63.

13. Фомин А.Ю., Хозин В.Г. Новые серосодержащие материалы для дорожного строительства // Строительные материалы. – 2016. – № 12. – С. 80–82.

14. Способ приготовления известнякового строительного щебня: пат. Рос. Федерация / Д.И. Гоф­ман, А.И. Лескин, М.В. Катасонов. – № 2642754; заявл. 15.11.2016: опубл. 25.01.2018.

15. Способ приготовления известнякового строительного щебня: пат. Рос. Федерация / Д.И. Гофман, А.И. Лескин, М.В. Катасонов, В.В. Артамонов. – № 2645030; заявл. 07.02.2017; опубл. 15.02.2018. бюл. № 5.

Накопление парниковых газов в атмосфере, в том числе углекислого газа, оказывает неблагоприятный эффект на глобальный климат в виде постепенного нагревания планеты. Эксперты Организации Объединенных Наций утверждают, что именно влияние человека согрело атмосферу, океан и сушу. Данное исследование было проведено в целях определения продукта или вида деятельности, выделяющего наибольшее количество парниковых газов. Для достижения поставленной цели были сформулированы следующие задачи: определить источники выбросов парниковых газов, провести их анализ, выявить объемы и классифицировать.

В статье проанализированы и представлены данные об источниках выбросов парниковых газов, образованных вследствие человеческой потребности. Классификация выбросов по источнику и по конечному использованию, а также выявление их объемов позволили установить степень влияния конкретных продуктов или видов деятельности на уровень парниковых газов в атмосфере.

Результаты исследования показали, что лидирующим источником по количеству выбросов парниковых газов, в частности углекислого газа, является сектор зданий и сооружений. При этом на период эксплуатации здания приходится 85,4 % от общего объема выбросов углерода. Таким образом, лица, принимающие решения, могут добиться наибольшего сокращения выбросов углекислого газа, сосредоточив внимание на этапе эксплуатации зданий.

Исследование позволило определить ключевые области для сокращения выбросов парниковых газов и может помочь в разработке конкретных мер для их уменьшения. Реализация рекомендаций может способствовать более эффективному использованию ресурсов и снижению негативного влияния человеческой деятельности на климат. По результатам исследования даны рекомендации для строителей, архитекторов, экологов.

Ключевые слова: парниковые газы, углекислый газ, глобальное потепление, источники парниковых газов.

Гурина Екатерина Витальевна (Пермь, Российская Федерация) – магистрант кафедры «Строительный инжиниринг и материаловедение», Пермский национальный исследовательский политехнический университет (Пермь, 614990, Комсомольский пр., 29); ведущий инженер по надзору за строительством, Управление капитального строительства Пермского края (Пермь, 614990, ул. Попова, 11, e-mail: katemar201shall@gmail.com).

1. Глобальное потепление [Электронный ресурс]. – URL: https://ru.wikipedia.org/wiki/Гло­бальное_потепление (дата обращения: 18.09.2023).
2. IPCC, 2014: Climate Change 2014: Synthesis Report. Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team, R.K. Pachauri and L.A. Meyer (eds.)]. – IPCC, Geneva, Switzerland. – 151 p.
3. IPCC, 2021: Climate Change 2021: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change [V. Masson-Delmotte, P. Zhai, A. Pirani, S.L. Connors, C. Péan, S. Berger, N. Caud, Y. Chen, L. Goldfarb, M.I. Gomis, M. Huang, K. Leitzell, E. Lonnoy, J.B.R. Matthews, T.K. Maycock, T. Waterfield, O. Yelekçi, R. Yu, B. Zhou (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA. – 2391 p.
4. Что такое изменение климата? [Электронный ресурс]. – URL: https://www.un.org/ru/clima­techange/what-is-climate-change (дата обращения: 18.09.2023).
5. More bad news for the planet: greenhouse gas levels hit new highs [Электронный ресурс]. – URL: https://public.wmo.int/en/media/press-release/more-bad-news-planet-greenhouse-gas-levels-hit-new-highs (дата обращения: 22.09.2023).
6. What are greenhouse gases? [Электронный ресурс]. – URL: https://youth.wmo.int/en/con­tent/what-are-greenhouse-gases (дата обращения: 22.09.2023).
7. Climat Watch [Электронный ресурс]. – URL: https://www.wri.org/data/world-greenhouse-gas-emissions-2019 (дата обращения: 25.09.2023).
8. Выбросы парниковых газов в сельском хозяйстве растут [Электронный ресурс]. – URL: https://www.fao.org/news/story/ru/item/224429/icode/ (дата обращения: 26.09.2023).
9. Сколько углекислого газа выпускает ежедневно легковой автомобиль? [Электронный ресурс]. – URL: https://ria.ru/20081116/155272524.html (дата обращения: 22.09.2023).
10. Устойчивое развитие и экология в металлургии: обзор деятельности российских компаний [Электронный ресурс]. – URL: https://www.forbes.ru/obshchestvo/432897-ustoychivoe-razvitie-i-ekologiya-v-metallurgii-obzor-deyatelnosti-rossiyskih (дата обращения: 22.09.2023).
11. UN Alliance aims to put fashion on path to sustainability [Электронный ресурс]. – URL: https://unece.org/forestry/press/un-alliance-aims-put-fashion-path-sustainability (дата обращения: 27.09.2023).
12. Иванов А.И. Проблемы энергосбережения и пути их решения при строительстве и экс­плуа­тации недвижимости // Инновационная экономика: Перспективы развития и совершенст­вова­ния. – 2015. – № 1 (6). – С. 56–61.
13. Peng Ch. Calculation of a building's life cycle carbon emissions based on Ecotect and building information modeling // Journal of Cleaner Production. – 2016. – Vol. 112. – Part 1. – P. 453–465.
14. Повышение энергоэффективности зданий: 89 способов [Электронный ресурс]. – URL: https://energo-audit.com/povyshenie-energoeffektivnosti-zdaniy (дата обращения: 25.10.2023).
15. Распоряжение Правительства РФ от 9 июня 2020 г. № 1523-р. Энергетическая стратегия Российской Федерации на период до 2035 г. [Электронный ресурс]. – URL: https://minenergo.gov.ru/view-pdf/1026/119047 (дата обращения: 10.10.2023).

Рассматривается промышленное здание вирусологической лаборатории BSL-3 третьего уровня защиты от патогенов как степени риска для жизни и здоровья человека и окружающей среды. Данная лаборатория отвечает стандартам уровня биобезопасности Biosafety level. В связи с ростом строительства вирусологических лабораторий определены основные сложности, связанные с особенностями проектирования, организации и оборудования биолабораторий. Показан пример применения генеративного дизайна при проектировании объекта, выявлены основные пути проникания вирусов через вентиляцию. С использованием нейронной сети спрогнозированы неполадки в вирусологической лаборатории, из-за которых возникали утечки патогенных биологических агентов. Показано, что нейросеть отслеживает всю работу вентиляционных систем вирусологических лабораторий на всём этапе эксплуатации строительного объекта. С помощью генеративного проектирования строительной конструкции нейросеть избежала утечек патогенов через вентиляционные сети промышленного здания вирусологической лаборатории BSL-3. Кроме того, искусственным интеллектом составлен прогноз движения технологических потоков людей внутри здания для максимальной безопасности и эффективности работы сотрудников, определены правильные и достаточные исходные данные, необходимые для обучения нейросети. Также показан результат оказания помощи нейронных сетей инженерам-технологам в определении технико-экономических показателей объекта и прогнозировании сводного сметного расчёта стоимости строительства вирусологической лаборатории. Получено оптимальное расположение вентиляционных систем, а также распределение потоков людей. С помощью генеративного проектирования строительной конструкции нейронная сеть указала места утечек патогенов через системы вентиляции промышленного здания вирусологической лаборатории BSL-3, которые могли привести к нежелательным исходам.

Ключевые слова: нейронная сеть, искусственный интеллект, проектирование системы вентиляции, промышленное здание, технологический поток, технико-экономические показатели.

Егерева Эльвира Николаевна (Москва, Российская Федерация) – кандидат физико-математических наук, доцент кафедры «Строительная и теоретическая механика», Национальный исследовательский Московский государственный строительный университет (Москва, 129337, Ярославское шоссе, 26, e-mail: egerevaen@mail.ru).

Гущина Алёна Александровна (Москва, Российская Федерация) – студент, Национальный исследовательский Московский государственный строительный университет (Москва, 129337, Ярославское шоссе, 26, e-mail: chocolate.02@mail.ru).

Водянников Михаил Алексеевич (Мытищи, Российская Федерация) – кандидат технических наук, заместитель начальника по инфраструктурному развитию и эксплуатации зданий, Федеральный научный центр гигиены имени Ф.Ф. Эрисмана Роспотребнадзора (Мытищи, 141014, ул. Семашко, 2, e-mail: vodynnikov@mail.ru).

1. Мостовой В.А., Зайцева И.В. Система прогнозирования на базе самообучающейся нейронной сети // Студенческая наука для развития информационного общества: сб. материалов V Всерос. науч.-техн. конф. – 2016. – С. 409–414.

2. Цифровое проектирование с применением генеративного дизайна / С.И. Анциферов, А.О. Лю­тенко, Е.А. Сычев, Л.А. Сиваченко, А.В. Карачевцева // Техническая эстетика и дизайн-исследования. – 2019. – Т. 1, № 4. – С. 38–44.

3. Кошман В.Д. Перспективы применения генеративного дизайна в проектировании // Электронные системы и технологии: сб. материалов 58-й Науч. конф. аспирантов, магистрантов и студентов Белорус. гос. ун-та информатики и радиоэлектроники. – Минск, 2022. – С. 827–829.

4. Wołkowicz T. The utility and perspectives of NGS-based methods in BSL-3 and BSL-4 laboratory – sequencing and analysis strategies // Briefings in Functional Genomics. – 2018. – Vol. 17, no. 6. – P. 471–476.

5. Антонов А.Н. Создание локальных зон биологической безопасности // Медицинский алфавит. – 2011. – Т. 1, № 4. – С. 57–60.

6. Германчук В.Г., Кислицина Е.В., Шавина Н.Ю. Технические и проектные особенности специализированных лабораторий для работы с инфицированными животными // Здоровье населения и среда обитания – ЗНиСО. – 2021. – Т. 29, № 12. – С. 87–92.

7. Шишкина О.Б., Тюрин Е.А. Воздушные барьерные инженерные системы биологической безопасности для охраны окружающей среды // Медицина труда и экология человека. – 2015. – № 3. – С. 233–240.

8. Биологическая безопасность и биозащита при работе с патогенными микроорганизмами во ВНИИВВиМ / В.Н. Герасимов, А.В. Луницин, И.Е. Кислов, Д.В. Колбасов, М.Н. Худяков, К.В. Сухолейстер, О.Н. Бурдинская // Ветеринария. – 2015. – № 1. – С. 41–45.

9. Вероятность реализации биорисков при проведении работ с ПБА I–II группы / Т.А. Малюкова, А.В. Бойко, Ю.А. Панин, В.Е. Безсмертный, В.В. Кутырев // Эпидемиология и инфекционные болезни. – 2016. – Т. 21, № 3. – С. 136–145. DOI: 10.18821/1560-9529-2016-21-3-136-145

10. Эпидемиологические особенности новой коронавирусной инфекции (COVID-19). Сообщение 1: модели реализации профилактических и противоэпидемических мероприятий / В.В. Кутырев, А.Ю. Попова, В.Ю. Смоленский, Е.Б. Ежлова, Ю.В. Демина, В.А. Сафронов, И.Г. Карнаухов, А.В. Иванова, С.А. Щербакова // Проблемы особо опасных инфекций. – 2020. – № 1. – С. 1–8. DOI: 10.21055/0370-1069-2020-1-6-13

11. Physical parameters influence the microbial quality of indoor air in research laboratories:
A report from Malaysia / Y. Kuilan, A. Liyana, B. Subha, I. Hafizah, A.A. Muhamad // Kuwait Journal of Science. – 25 July 2023. – № 50. – Р. 665–673.

12. Performance-based generative design for parametric modeling of engineering structures using deep conditional generative models / Martin Juan José Bucher, Michael Anton Kraus, Romana Rust, Siyu Tang // Automation in Construction. –20 October 2023. – № 156. – Р. 105128.

13. Актуальные вопросы обеспечения биологической безопасности в лаборатории для содержания инфицированных животных / А.П. Семакова, В.Г. Германчук, М.В. Гордеева, Н.Ю. Шавина, Е.В. Кислицина // Лабораторные животные для научных исследований. – 2021. – № 1. – С. 48–55.

14. Wallace P., McCulloch E. Quality assurance in the clinical virology laboratory // Encyclopedia of Virology (Fourth Edition). – 1 March 2021.

15. Ндайирагидже И., Лапидус А.А. Искусственные нейронные сети как инструмент оптимизации производственных процессов в строительстве // Технология и организация строительного производства. – 2018. – № 4. – С. 3–6.

Регулярное выполнение осмотра и определение технического состояния жилых многоэтажных кирпичных зданий является обязательным требованием нормативной документации. В последние десятилетия наблюдается рост дефицита квалифицированных работников в сфере жилищно-коммунального хозяйства, что приводит к уменьшению уровня услуг по обслуживанию зданий и более быстрому ухудшению их технического состояния. В статье приведен краткий обзор современных методов автоматизации определения дефектов (компьютерного зрения) на поверхности изделий в различных областях производства и существующих программ для определения технического состояния зданий на основе имеющейся информации о дефектах. Опыт использования компьютерного зрения в дефектоскопии показывает, что данные методы контроля и диагностирования дефектов уже успешно применяются как в нефтедобыче, так и в изготовлении металлических изделий. Однако в сфере жилых домов подобные методы пока не используются. Целью работы является разработка программы, нацеленной на автоматизацию процесса определения технического состояния кирпичных многоэтажных зданий и диагностирования причин возникновения дефектов. С ее помощью можно было бы снизить зависимость от индивидуальных качеств и опыта эксперта, а также сузить зону поиска причин дефектов на ранних этапах обследования. Данная программа позволит обеспечить более точную и объективную оценку технического состояния жилых домов, а также сэкономить время и ресурсы на обследование и ремонт. Предлагается для определения дефектов на фотографиях использовать сверточные нейронные сети, а для анализа причин их возникновения интеллектуальные системы на основе мягких вычислений.

Ключевые слова: дефекты, нейронные сети, техническое состояние, программа, жилые кирпичные здания.

Крылов Сергей Андреевич (Пермь, Российская Федерация) – аспирант кафедры «Строи­тельные конструкции и вычислительная механика», Пермский национальный исследовательский политехнический университет (Пермь, 614990, Комсомольский пр., 29, e-mail:
serishca@mail.ru, 89922218495).

Кашеварова Галина Геннадьевна (Пермь, Российская Федерация) – доктор технических наук, профессор, заведующая кафедрой «Строительные конструкции и вычислительная механика», Пермский национальный исследовательский политехнический университет (Пермь, 614990, Комсомольский пр., 29, e-mail: ggkash@mail.ru).

1. Жилищное хозяйство в России. 2022: стат. сб. / Росстат. – M., 2022. – С. 83.
2. Кашеварова Г.Г., Тонков Ю.Л. Экспертная система для практической диагностики строи­тельных конструкций // ACADEMIA. Архитектура и строительство. – 2022. – № 2. – С. 85–91.
3. Ульянов А.Н. Метод и средства оптоэлектронного контроля качества поверхности листо­вого металлопроката: дис. … канд. техн. наук: 05.11.13 / Ульянов Андрей Николаевич; науч. рук. В.А. Царев; СПбГУАП. – СПб., 2006. – 192 c.
4. Цапаев А.П., Кретинин О.В. Методы сегментации изображений в задачах обнаружения дефектов поверхности // Компьютерная оптика. – 2012. – № 3 (36). – С. 448–452.
5. Цапаев А.П. Методы и алгоритмы распознавания изображений для обнаружения дефектов внутренней поверхности труб с целью автоматизации визуального контроля: дис. … канд. техн. наук: 05.13.17 / Цапаев Алексей Петрович; науч. рук. О.В. Кретинин; Нижегородский государствен­ный технический университет им. Р.Е. Алексеева. – Нижний Новгород, 2013. – 118 c.
6. Software for roof defects recognition on aerial photographs / D.A. Yudin, A.E. Naumov, A.V. Dolzhenko, E. Patrakova // Journal of Physics: Conference Series. – 2018. – № 1. – P. 1–9.
7. Roof Defect Segmentation on Aerial Images using Neural Networks / D.A. Yudin, V. Adeshkin, A.V. Dolzhenko, A. Polyakov, A.E. Naumov // Conference: 22nd International Conference on Neuroinformatics, 2020. Studies in Computational Intelligence. – 2021. – № 925. – P. 175–183.
8. Интеллектуализация технологических процессов строительно-технической экспертизы / А.Е. Наумов, Д.А. Юдин, А.В. Долженко, А.А. Прахова, А.С. Кучеренко // Вестник Белгородского государственного технологического университета им. В.Г. Шухова. – 2022. – № 12. – С. 28–38.
9. Черныш А.С., Поляков А.И. Методика оценки состояния ограждающих конструкций зда­ний на территории жилой застройки подлежащей реновации // Вестник Белгородского государст­вен­ного технологического университета им. В.Г. Шухова. – 2023. – № 1. – С. 53–60.
10. Детектирование и распознавание дефектов внутренней поверхности металлических труб / А.И. Гайдар, П.Ю. Якимов, А.Е. Викторенков, А.В. Шустанов // Сб. тр. по материалам VI Между­нар. конф. и молодёжной школы «Информационные технологии и нанотехнологии». – 2020. – № 4. – С. 741–749.
11. Мазур И.П. Контроль качества поверхности листового проката // Инновационные техноло­гии в металлургии и машиностроении: материалы VI Междунар. молодеж. науч.-практ. конф. «Инновационные технологии в металлургии и машиностроении. Уральская научно-педагогическая школа имени профессора А.Ф. Головина». – 2012. – № 1. – С. 359–365.
12. Суворова А.Г., Адамов В.Г. Компьтеризация визуальной дефектоскопии поверхности сляба // Междунар. науч.-техн. конф. «Информатика и компьютерные технологии – 2009». – 2009. – № 1. – С. 269–274.
13. Субботин А.Н., Жданов В.С. Применение методов машинного обучения для управления про­цессом дефектоскопии железнодорожного полотна // Междунар. науч. конф. по проблемам упра­вления в технических системах. – 2021. – № 1. – С. 68–71.
14. Князева Н.В., Назойкин Е.А., Орехов А.А. Применение искусственного интеллекта для обнаружения дефектов в строительных конструкциях // Строительство и архитектура. – 2023. – № 3 (40). – С. 18–18.
15. Machine learning in construction: From shallow to deep learning / Xu, Yayin & Zhou, Ying & Sekuła, Przemysław & Ding, Lieyun // Developments in the Built Environment. – 2021. – Vol. 6 (6). – Article № 100045. DOI: 10.1016/j.dibe.2021.100045
16. Krizhevsky A., Sutskever I. and Hinton. Imagenet classification with deep convolutional neural networks // Advances in Neural Information Processing Systems. – 2012. – Vol. 25 (2). DOI: 10.1145/3065386
17. Kim B., Cho S. Automated Vision-Based Detection of Cracks on Concrete Surfaces Using a Deep Learning Technique // Sensors (Basel). – 2018. – Vol. 18 (10). – Article № 3452. DOI: 10.3390/s18103452.
18. Тонков Ю.Л. Математические модели для идентификации категории технического состояния строительных конструкций на основе нечеткой логики: дис. … канд. техн. наук: 05.13.18 / Тонков Юрий Леонидович; науч. рук. Г.Г. Кашеварова; Пермский национальный исследовательский политехнический университет. – Пермь, 2018. – 208 с.
19. Соколов В.А. Диагностика технического состояния конструкций зданий и сооружений с использованием методов теории нечетких множеств // Инженерно- строительный журнал. – 2010. – № 5. – С. 31–37.
20. Панкевич О.Д., Штовба С.Д., Штовба Д.П. Диагностика причин трещин строительных конструкций на основе мягких вичислений // Автомобільні дороги і дорожнє будівництво. – 2004. – № 69. – С. 179–184.
21. Кашеварова Г.Г., Тонков Ю.Л., Фурсов М.Н. Нечеткая экспертная система диагностики повреждений строительных конструкций // Вестник Волжского регионального отделения Россий­ской академии архитектуры и строительных наук. – 2014. – № 17. – С. 167–173.
22. Платунов В.Ю., Кашеварова Г.Г. Определение остаточного ресурса зданий перегрузочных узлов в стальном каркасе, эксплуатирующихся в агрессивной среде предприятия калийной промыш­ленности // Вестник Пермского национального исследовательского политехнического университета. Прикладная экология. Урбанистика. – 2023. – № 1 (49). – С. 41–52.