Разработка и внедрение методики рентгенофлуоресцентного определения золота в ювелирных сплавах в аналитическом центре ОАО «Красцветмет»

Для повышения экспрессности определения золота в сплавах на его основе в лаборатории рентгеноспектральных методов анализа аналитического центра Красцветмета была разработана методика рентгенофлуоресцентного анализа (РФА), в основу которой положена линейная регрессия, устанавливающая связь между содержанием золота в пробе и интенсивностями излучения входящих в анализируемый сплав элементов. Выбранное методами включения влияющего фактора и оценки корреляции невязок с влияющим фактором уравнение регрессии учитывает влияние на интенсивность линии золота таких элементов, как Ag, Cu, Zn, Ni и Pd. Для нахождения коэффициентов линейной регрессии решают систему линейных алгебраических уравнений (СЛАУ), для составления которой используют виртуальные градуировочные образцы (ВГО) — результаты анализа реальных проб (интенсивности рентгеновских линий элементов и значения содержания золота, полученные методом пробирного анализа), размещенные в электронной базе данных (БД). ВГО, для которых интенсивности линий элементов близки к измеренным для анализируемой пробы, выбирают из БД с помощью фильтра: для каждого из элементов (металлов) в пробе определяют свое значение фильтра. Созданное нами мультиверсионное программное обеспечение (МВП) для решения СЛАУ, интегрированное в лабораторную информационную систему (LIMS), включает несколько алгоритмов, реализованных на различных языках программирования. Применение разработанной методики позволило значительно сократить время анализа, при этом погрешность результатов определения золота не превышает 0,13 %, что сопоставимо с методом пробирного анализа.

1. Павлинский Г. В. Основы физики рентгеновского излучения. — М.: Физматлит, 2007. — 240 с.

2. Смагунова А. Н., Павлинский Г. В. Иркутская школа рентгеноспектрального анализа (РСА) / Журн. аналит. химии. 2005. Т. 60. С. 205 – 210.

3. Царенко В. А., Кононцев С. Г., Хабеев И. А. Измерения массовых долей платины, палладия и серебра в сплавах на основе золота рентгеноспектральным методом / Тезисы докл. XXII Междунар. Черняев. совещ. по химии, анализу и технологии платин. металлов. — М., 2019. С. 82.

4. Хабеев И. А., Мирошниченко Н. А., Блохина М. А. и др. Химико-рентгенофлуоресцентное определение малых количеств Pt, Pd, Rh, Ir в технологических растворах / Аналитика Сибири и Дальнего Востока: тезисы докл. Т. 2. — Новосибирск, 2004. С. 70.

5. Житенко Л. П., Обрезумов В. П., Бухрякова С. К. и др. Современное состояние и проблемы определения высоких содержаний платиновых металлов в сплавах и изделиях (обзор) / Заводская лаборатория. Диагностика материалов. 2008. Т. 74. № 8. С. 4 – 14.

6. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. Множественная регрессия. — М.: Диалектика, 2007. — 912 с.

7. Гантмахер Ф. Р. Теория матриц. — М.: Физматлит, 2010. — 560 с.

8. Бронштейн И. Н., Семендяев К. А. Справочник по математике для инженеров и учащихся втузов. — СПб.: Лань, 2009. — 608 с.

9. Ahmadi M., Rad B. B., Thomas M. O. Tailoring Software Development Methodologies for Reliability / J. Telecommunication, Electronic and Computer Engineering (JTEC). 2018. Vol. 10. N 3. P. 117 – 121.

10. Левкина У. С., Литвинова А. О. Повышение надежности программного обеспечения / Актуальные проблемы авиации и космонавтики. 2017. Т. 2. № 13. С. 107 – 108.

11. Завьялова О. И., Гриценко С. Н., Тынченко С. В., Царев Р. Ю. Модель формирования оптимальной программной системы по схеме блока восстановления с согласованием / Современные проблемы науки и образования. 2015. № 1-1. http://science-education.ru/ru/article/view?id=18871 (дата обращения 20.04.2020).

12. Кузнецов А. С., Ченцов С. В., Царев Р. Ю. Многоэтапный анализ архитектурной надежности и синтез отказоустойчивого программного обеспечения сложных систем. — М.: Инфа-М, 2018. — 144 с.

13. Gruzenkin D. V., Grishina G. V., Durmuş M. S., et al. Compensation model of multi-attribute decision making and its application to N-version software choice / Computer Science On-line Conference 2017. P. 148 – 157. DOI: 10.1007/978-3-319-57141-6_16.

14. Котенок А. В. Реализация алгоритмов мультиверсионного голосования / Современные наукоемкие технологии. 2007. № 8. С. 44 – 45.

15. Грузенкин Д. В., Якимов И. А., Кузнецов А. С., Царев Р. Ю. Определение метрики диверсифицированности мультиверсионного программного обеспечения на уровне алгоритмов / Фундаментальные исследования. 2017. № 6. С. 36 – 40.

16. Грузенкин Д. В., Михалев А. С. Определение метрики диверсифицированности мультиверсионного программного обеспечения на уровне языков программирования / Программная инженерия. 2019. Т. 10. № 9 – 10. С. 384 – 390. DOI: 10.17587/prin.10.384-390.

17. Мудров А. Е. Численные методы для ПЭВМ на языках Бейсик, Фортран и Паскаль. — Томск: МП «Раско», 1991. — 272 с.

18. Фаддеев Д. К., Фаддеева В. Н. Вычислительные методы линейной алгебры. Т. 1. — М.: Физматгиз, 1960.