Техноплекс 20 мм характеристики: Технониколь Техноплекс XPS пенополистирол 20 мм купить в Москве | Цена

Содержание

Экструзионный пенополистирол ТЕХНОПЛЕКС 1200*600*20 (20 плит)

Экструзионный пенополистирол ТЕХНОПЛЕКС 1200*600*20 (20 плит)
  • Главная
  • Каталог
  • Теплоизоляционные материалы
  • Утеплитель пенополистирол экструдированный (XPS, Техноплекс)
  • Экструзионный пенополистирол ТЕХНОПЛЕКС 1200*600*20 (20 плит)

Инструкция по монтажу (видео)

2 500 р./упак

2 500 р./упак


Экструзионный пенополистирол ТЕХНОНИКОЛЬ XPS ТЕХНОПЛЕКС – это теплоизоляционный материал с равномерно распределенными замкнутыми ячейками, изготавливаемый методом экструзии из полистирола общего назначения с добавлением газообразного порообразователя и технологических добавок. Применяется для теплоизоляции в частном домостроении, в том числе «теплых полов» в квартирах, утепления балконов и лоджии, полов по грунту и фундаментов частных домов.

Экструзионный пенополистирол ТЕХНОПЛЕКС 1200*600*20 (20 плит)

Экструзионный пенополистирол ТЕХНОПЛЕКС – это теплоизоляционный материал с равномерно распределенными замкнутыми ячейками, изготавливаемый методом экструзии из полистирола общего назначения с добавлением газообразного порообразователя и технологических добавок.

Область применения:

Экструзионный пенополистирол ТЕХНОПЛЕКС специально разработаны для теплоизоляции в частном домостроении, в том числе «теплых полов» в квартирах, утепления балконов и лоджии, полов по грунту и фундаментов частных домов, крыш, стен и фасадов.

Описание:

Экструзионный пенополистирол XPS ТЕХНОПЛЕКС – это теплоизоляционные плиты, которые используются для утепления балкона, перегородок, в конструкции пола и «теплого пола». XPS ТЕХНОПЛЕКС является одним из лучших теплоизоляционных материалов для дачного и квартирного утепления.

При производстве XPS ТЕХНОПЛЕКС используются наноразмерные частицы графита. Нанографит снижает теплопроводность материала и повышает его прочность. Благодаря насыщению нанографитом плиты XPS ТЕХНОПЛЕКС приобретают светло-серебристый оттенок.

Преимущества:
  • Экономит Ваши деньги за счет лучших теплоизолирующих свойств в пересчете на м2 по отношению к другим теплоизоляционным материалам; 
  • Сохраняет тепло в 1,5 раза эффективнее обычных пенопластов и в 2 раза эффективнее, чем каменная и стекловата; 
  • Не боится влаги; 
  • Не дает усадку со временем; 
  • Не содержит формальдегидов; 
  • Не подвержен воздействию грызунов; 
  • Удобен и прост в использовании. Обеспечивает высокую скорость монтажа; 
  • Стабильные характеристики на протяжении всего срока службы; 
  • Удобная для транспортировки упаковка.

Основные физико-механические характеристики:

Прочность на сжатие при 10% линейной деформации, кПа, 20-39 мм – не менее 100
Прочность на сжатие при 10% линейной деформации, кПа, ≥40 мм – не менее 150
Прочность при изгибе, кПа – не менее 100
Теплопроводность при (25±5)ºC, Вт/(м•К), < 40 мм – не более 0. 032
Теплопроводность при (25±5)ºC, Вт/(м•К), 40-79 мм – не более 0.033
Теплопроводность при (25±5)ºC, Вт/(м•К), ≥80 мм – не более 0.037
Теплопроводность в условиях эксплуатации «А и «Б», Вт/(м•К) – не более 0.034
Водопоглощение по объему, % – не более 0.4
Коэффициент паропроницаемости, мг/(м•ч•Па) – 0.014

Группа горючести – Г4
Температура эксплуатации, ºC – в пределах от -70 до +75

Купить утеплитель экструзионный пенополистирол (ЭППС) ТЕХНОНИКОЛЬ ТЕХНОПЛЕКС можно сделав заказ на сайте или обратившись к менеджерам по указанным телефонам, наличие уточняйте заранее.

Горючесть: Г4
Теплопроводность: 0.032 Вт/(м*К)
Длина/Ширина, м: 1.2/0.6
Водопоглощение по объему, не более: 0. 4 %
Прочность на сжатие при 10% лин. деформации, кПа, не более: 100
Производитель: РОССИЯ
Технический лист Техноплекс.pdf

Вас также могут заинтересовать

Фасадная плитка ТЕХНОНИКОЛЬ HAUBERK Английский Кирпич

1 976 р./упак

Гибкая черепица Шинглас (Shinglas) Оптима Коричневая

1 309 р./упак

Ветро-влагозащитная мембрана МВН-200 Негорючая, 75м2/рулон

9 262 р./рулон

Гибкая черепица Шинглас (Shinglas) Оптима Красная

1 309 р./упак

Утеплитель минеральная вата ТИСМА TR044 50*1200*8300 (2 мата, 1м3; 19.9м2)

2 626 р. /упак

Гибкая черепица Шинглас (Shinglas) Оптима Серая

1 309 р./упак

Жидкий битум Битумаст (Bitumast) 21.5 л

2 153 р./шт.

Утеплитель ТехноНиколь каменная вата Базалит Л-30 1200*600*50 (8 плит)

876 р./упак

Мастика гидроизоляционная Экомастика 21.5 л

2 104 р./шт.

Гибкая черепица Шинглас (Shinglas) Оптима Зеленая

1 309 р./упак

LOGICPIR Ф/Ф L 1190х590х30 (8 плит) 5.62м2

7 231 р./упак

Эмульсол ЭКС-А ТК Зимний (-10) 200 л/бочка

16 667 р./шт.

Желоб D125 мм (3м) VERAT, коричневый

399 р.

/шт.

Желоб D125 мм (3м) VERAT, белый

402 р./шт.

Межвенцовый утеплитель ТермоЛен Лайт М2 10 см*20 м/рулон

191 р./рулон

ТЕХНОЭЛАСТ ЭКП Технониколь

4 189 р./шт.

Межвенцовый утеплитель ТермоЛен Лайт М2 12 см*20 м/рулон

229 р./рулон

Желоб D125 мм (3м) ТН ПВХ, темно-коричневый

530 р./шт.

Желоб D125 мм (3м) ТН ПВХ, белый

480 р./шт.

Межвенцовый утеплитель ТермоЛен Лайт М2 15 см*20 м/рулон

287 р./рулон

Заказать звонок

0 Перейти к сравнению

Пенополистирол Техноплекс 1200*600*20 мм.

20 шт. 14,4 м²

Описание

Пенополистирол Техноплекс 1200*600*20 мм. 0,290м³=14,4м² – это универсальная теплоизоляция, которая используется для утепления фундамента и отмостки частного дома; пола, в том числе по технологии «теплого пола»; а также стен, балконов и лоджий в квартире. XPS ТЕХНОПЛЕКС является надежным теплоизоляционных материалов для частного, дачного и квартирного утепления. При производстве XPS ТЕХНОПЛЕКС используются наноразмерные частицы графита. Нанографит стабилизирует теплоизоляционные и прочностные характеристики, благодаря чему теплоизоляция сохраняет свои свойства в течение всего срока службы. К тому же, благодаря насыщению нанографитом плиты XPS ТЕХНОПЛЕКС приобретают светло-серебристый оттенок. Преимущества XPS ТЕХНОПЛЕКС: Экономит Ваши деньги за счет отличных теплоизолирующих свойств в пересчете на м². Эффективно сохраняет тепло. Высокопрочный, выдерживает нагрузки до 15 тонн на кв.м. Не боится влаги, может применяться в агрессивных условиях длительного воздействия воды и атмосферных осадков. Прослужит более 40 лет – сохраняет теплоизоляционные и прочностные характеристики со временем. Устойчив к образованию плесени и грибка. Удобен и прост в использовании. Обеспечивает высокую скорость монтажа, не требует специальных навыков. 

Справочная информация

Всего в остатке по складам: 1647 шт.
Доступно к заказу в интернет магазине: 0 шт.
Минимальная партия: 1 шт.

Внешний вид представлен на фото. Просим обращать Ваше внимание на то, что производитель оставляет за собой право менять внешний вид без уведомлений.

Фотографии представляются производителем, если они есть в открытых источниках или мы их делаем сами.

Пенополистирол Техноплекс 1200*600*20 мм. 0,290м³=14,4м² – это универсальная теплоизоляция, которая используется для утепления фундамента и отмостки частного дома; пола, в том числе по технологии «теплого пола»; а также стен, балконов и лоджий в квартире. XPS ТЕХНОПЛЕКС является надежным теплоизоляционных материалов для частного, дачного и квартирного утепления. При производстве XPS ТЕХНОПЛЕКС используются наноразмерные частицы графита. Нанографит стабилизирует теплоизоляционные и прочностные характеристики, благодаря чему теплоизоляция сохраняет свои свойства в течение всего срока службы. К тому же, благодаря насыщению нанографитом плиты XPS ТЕХНОПЛЕКС приобретают светло-серебристый оттенок.

Преимущества XPS ТЕХНОПЛЕКС:

  • Экономит Ваши деньги за счет отличных теплоизолирующих свойств в пересчете на м²
  • Эффективно сохраняет тепло
  • Высокопрочный, выдерживает нагрузки до 15 тонн на кв. м.
  • Не боится влаги, может применяться в агрессивных условиях длительного воздействия воды и атмосферных осадков
  • Прослужит более 40 лет – сохраняет теплоизоляционные и прочностные характеристики со временем
  • Устойчив к образованию плесени и грибка
  • Удобен и прост в использовании
  • Обеспечивает высокую скорость монтажа, не требует специальных навыков

Характеристики

Характеристики Пенополистирол Техноплекс 120*60*2мм 20шт 14.4м² приведены в таблице ниже

Модель:Техноплекс
Водопоглощение по объему, %0,4
Материалэкструдированный пенополистирол
Горючесть, степень НГГ4
Количество в пачке плит, шт20
Количество в пачке, м214,4
Длина, мм.1200
Количество в пачке, м30,290
Паропроницаемость, мг/(м·ч·Па)0,014
Ширина, мм. 600
Высота, мм.20
Измерено в Шукур в упаковке
Вес, брутто0.4 кг
Длина120.00 см
Ширина60.00 см
Высота2.00 см

Где купить Техноплекс

Наличие Пенополистирол Техноплекс 120*60*2мм 20шт 14.4м² приведено в списке ниже. Обращаем внимание, что самостоятельно вы можете сами забрать товар с складов и розничных точек в нужном количестве. Отправка нами ограничена остатками основного склада.

Магазин Количество, шт
Основной склад Склад-магазин на Рыбинской 25Ц 0 шт
Склад-магазин на 1-й пр. Рождественского 3Б 0 шт
Магазин на Рыбинской 25М 0 шт
Магазин с. Солянка, ул. Каспийская, д. 2А 957 шт
Магазин на Рыбинской 19в 0 шт
Магазин на Аксакова 7 Б 0 шт
Магазин с. Карагали, ул. Зеленая д.22/4 690 шт
Магазин на Соликамской 74 0 шт
Остаток всего 1647
В резерве 0

ссылка на страницу с контактами, адресами и схемой расположения магазинов

Доставка

Мы осуществляем доставку по территории РФ силами различных транспортных компаний. Особой популярностью пользуются услуги “Почты России” для доставки мелких партий. Для удобства организуем доставку транспортной компанией или службами доставки

Как купить

Чтобы купить Пенополистирол Техноплекс 120*60*2мм 20шт 14.4м² необходимо нажать на кнопку . Если это единственный необходимый вам товар, то можете перейти в корзину для оформления заказа или продолжить выбор товаров.

Оплата

Если вы хотите сэкономить на стоимости доставки, рекомендуем выбрать сразу несколько понравившихся или необходимых товаров в корзине и указать их количество. Мы товар весь взвешиваем в брутто. Поэтому, прямо в корзине онлайн (в режиме реального времени) вы можете рассчитать стоимость доставки до вашего почтового отделение или города. Данный расчет сохраниться в заказе если вы не будет переходить на другие страницы. В противном случае расчет нужно будет повторить. Занимает это минуту.

Оплатить можно только уже оформленный (сохраненный) заказ. Причем сразу. Но можете дождаться звонка (если указали номер телефона) оператора, который все еще раз пересчитает и зарезервирует за вами товары. Вы вместе можете изменить состав заказа.

Оформленный заказ будет виден в вашем личном кабинет (если вы регистрировались) и продублирован на электронную почту (если указали свою). В электронном письме заказа будет ссылка, по которой только вы можете вернуться на страницу заказа и отменить ваш заказ, в случае необходимости или переоформления состава.

Экструдированный пенополистирол XPS ТЕХНОПЛЕКС 1200х600х20 мм

  • 0 отзывов
  • Станьте первым, кто оставит отзыв к этому товару: это поможет кому-то в выборе, а
    нам — улучшить сервис.

Код товара: 2.255056

Гарантия и возврат

Основные характеристики

  • Тип экструзионный пенополистирол
  • Материал пенопласт (пенополистирол)
  • Группа горючести Г4
  • Теплопроводность при (10±0,3) °C, Вт/(м•К) при 25°с, вт/м•°к 0. 032 при усл. а, вт/м•°к 0.034 при усл. б, вт/м•°к 0.034
  • Водопоглощение за 24 часа, % 2.59
  • Прочность на сжатие при 10 % 0. 1 Мпа
  • Применение балконы, перегородки, полы, система “теплый пол”

Размеры и вес

  • Длина 1200 мм
  • Ширина 600 мм
  • Толщина 20 мм
  • Кол-во в упаковке 20 шт

Все характеристики

Параметры товара в упаковке

  • Ширина 58 см
  • Длина 120 см
  • Высота 2 см
  • Вес нетто 0. 389 кг
  • Единицы измерения лист

Описание бренда

Группа компаний Bosch — это более 400 дочерних предприятий и региональных компаний в шестидесяти странах мира, которые создают практичные и вдохновляющие продукты, нацеленные на то, чтобы улучшить качество жизни своих владельцев.

Подробнее о бренде

Описание

Пенополистирол XPS ТЕХНОПЛЕКС — теплоизоляционный материал для дачного и квартирного утепления. Используется для отделки балкона, перегородок, в конструкции пола и теплого пола. Благодаря насыщению нанографитом плиты приобретают светло-серебристый оттенок. Сохраняет тепло в 1,5 раза эффективнее обычных пенопластов. Не боится влаги и не дает усадку со временем. Плотность 20-26 кг/м3. Теплопроводность 0,029Вт/(мК). Изделие не содержит формальдегидов и не подвержен воздействию грызунов. Размер — 1200х600х20 мм. Стоимость указана за лист.

Гарантия и возврат

Инструкции и техническое описание

  • Скачать PDF 311.59

9,43

Экструдированный пенополистирол XPS ТЕХНОПЛЕКС 1180х580х50 мм

7,68

Плита потолочная из пенополистирола экструдир. С1000 Сосна

6,24

Пенополистирол ППТ-25-А 30х500х1000 мм

6,36

Пенополистирол фасадный ППТ-15-Н-А, 50х500х1000 мм

10,40

Пенополистирол ППТ-25-А, 50х500х1000 мм

3,83

Пенополистирол фасадный ППТ-15-Н-А 30х500х1000 мм

6,72

Экструдированный пенополистирол XPS ТЕХНОПЛЕКС 1180х580х30 мм

8,51

Теплоизоляция Пеноплэкс Комфорт 30 9. 01 кв.м

17,35

Теплоизоляция Пеноплэкс Фундамент 50 4.85 кв.м

15,54

Экструзионный пенополистирол 1185х585х50мм “ПЕНОПЛЭКС КОМФОРТ”

6,29

Теплоизоляция Пеноплэкс Комфорт 20 13.86 кв.м

6,19

Пенополистирол ППТ-25-А 20х500х1000 мм

6,48

Пенополистирол фасадный ППТ-15-Н-А 50х500х1000 мм

5,15

Пенополистирол ППТ-15-Н-А-Р 1000х500х20 мм

9,99

Экструдированный пенополистирол XPS ТЕХНОПЛЕКС 1180х580х40 мм

31,36

Теплоизоляция Пеноплэкс Комфорт 100 2. 77 кв.м

ТехноНИКОЛЬ построит второй теплоизоляционный завод в Ульяновской области

  • 24 сентября, 2021, 2021
  • Анна Ларионова

МОСКВА (Маркет Репорт) – ТехноНИКОЛЬ, крупнейший в Европе производитель и поставщик кровельных, гидроизоляционных и теплоизоляционных материалов, провел модернизацию завода ТехноНИКОЛЬ-Ульяновск в рамках масштабной инвестиционной программы в 2021 году, сообщает компания.

Проведенный комплекс мероприятий позволил повысить производительность труда на 20 %, увеличить объем выпускаемой продукции на 25 %, а также освоить производство теплоизоляционных материалов из экструдированного пенополистирола толщиной до 500 мм. Объем инвестиций составил 262 млн руб.

Реконструкция двух производственных линий завода ТЕХНОПЛЕКС позволила увеличить скорость обработки теплоизоляционных плит и, как следствие, увеличить объем выпускаемой продукции на 25%. Также на втором технологическом агрегате по производству фрезерованных фасадных плит внедрен строгально-фрезерный станок.

Кроме того, на предприятии внедрена технология термоскрепления, которая за счет послойного соединения стандартных плит позволяет получать материалы толщиной до 500 мм с высокими теплоизоляционными характеристиками и низкими показателями водопроницаемости. поглощение.

“Сейчас спрос в сегменте теплоизоляции превышает предложение, а имеющихся мощностей недостаточно для удовлетворения растущих потребностей рынка. Дефицит строительных материалов, появившийся в 2020 году, продолжает расти. Поэтому мы планируем наращивать мощности : откроем новые предприятия в России и за рубежом и модернизируем действующие.В ближайшие 5 лет на эти цели направим до 60 млрд рублей. В области, помимо запланированной модернизации на заводе экструдированного пенополистирола, мы работаем с местным правительством, чтобы построить еще один завод», — прокомментировал Сергей Колесников, совладелец и управляющий партнер ТехноНИКОЛЬ.

“Спрос на утеплители на основе экструдированного пенополистирола постоянно растет. Основные точки роста – повышение норм энергоэффективности и активное развитие легких насыпей в дорожном строительстве, где плиты XPS толщиной до 500 мм используются в качестве теплоизоляционного слоя, который благодаря своим теплотехническим характеристикам, а также способности выдерживать длительные нагрузки и устойчивости к агрессивным средам может применяться во всех климатических зонах Российской Федерации, – рассказал Алексей Касимов, специалист по эксплуатации Директор дивизиона полимерной изоляции Корпорации ТехноНИКОЛЬ

Ранее сообщалось, что ТехноНИКОЛЬ планирует установить две новые экструзионные линии в Польше и России. Итальянская компания BG Plast (Италия) заключила контракт с ТехноНИКОЛЬ на поставку двух экструзионных линий для производства гофрированных листовых мембран с геотекстильным швом и без него, шириной 2000 мм и 4000 мм.

По данным «СканПласт» Маркет Репорт, в июле общее расчетное потребление полистирола и стирола в России увеличилось на 4% по сравнению с тем же месяцем прошлого года и составило 46 540 тонн. Общее потребление ПС в стране составило 328,9 т.80 тонн, что на 23% больше, чем в январе-июле 2021 г.

Производственная компания ТехноНИКОЛЬ управляет 56 производственными площадками в 7 странах мира (Россия, Беларусь, Литва, Италия, Великобритания, Германия, Польша). Также компания имеет 22 представительства в 18 странах мира, 20 Учебных центров, 6 Исследовательских центров, оснащенных высокотехнологичным оборудованием и квалифицированным персоналом. Центры регулярно разрабатывают и внедряют новые продукты и решения для строительной отрасли. Продукция компании поставляется в 117 стран мира. Штаб-квартиры ТехноНИКОЛЬ расположены в России, Польше, Италии, Китае и Индии.
МРК

#нефтехимия #Россия #Новости #ПС #МРЦ #Технониколь #строительство #полимеры #доски EPS #XPS-платы +Добавить все теги к фильтру

  • 24 сентября 2021, 2021
  • Маргарита Волкова

Versalis приобретает полную собственность Finproject

МОСКВА (MRC) — Химическая компания Eni SPA, Versalis, недавно подписала соглашение о приобретении оставшихся 60% промышленной группы Finproject, базирующейся в Марке, Италия, согласно пресс-релизу компании.

В июле 2020 года Versalis купила 40% компании Finproject, которая работает в сфере компаундирования и производит сверхлегкие продукты.

Дочерняя компания Eni реализовала опцион на покупку, сделка по которому, вероятно, будет закрыта в четвертом квартале этого года. Ожидается, что этот шаг сделает компанию Versalis крупным игроком на рынке полимеров с высокими эксплуатационными характеристиками. Продукция «Финпроект» используется для изготовления товаров народного потребления. Он продает сверхлегкие вспененные материалы под торговой маркой XL EXTRALIGHT.

Приобретение укрепит позиции Versalis в химической промышленности. Вероятно, это расширит присутствие компании на мировом рынке. Интеграция инновационных технологических решений Versalis с перспективами Finproject позволит компании обслуживать такие сектора, как возобновляемые источники энергии, строительство, автомобилестроение, мода и дизайн. В Finproject используется возобновляемое и переработанное сырье, что соответствует стремлению Eni к устойчивой экономике замкнутого цикла.

Продажи нефтехимической продукции Eni улучшаются. Фактически, он увеличился на 12% в годовом исчислении до 1,14 млн тонн во втором квартале 2021 года. Поскольку ожидается дальнейший рост спроса на энергоносители во второй половине 2021 года и в последующий период, выкуп Finproject, вероятно, позволит Eni генерировать более высокая прибыль от химических веществ.

Как ранее сообщал MRC, существует большая неопределенность в отношении планов Versalis по закрытию своей крекерной установки в Порто-Маргера, Италия, после сообщений местных СМИ о том, что компания сняла с рассмотрения предыдущее заявление об остановке производства весной 2022 года, заявила компания в апреле. 2021.

Согласно отчету Маркет Репорт «СканПласт», расчетное потребление полиэтилена в России в январе-июле 2021 года составило 1 396 960 тонн, что на 7% больше, чем в прошлом году. Увеличились отгрузки полимеров этилена всех марок. При этом отгрузки полипропилена на российский рынок за первые семь месяцев 2021 года составили 841 990 тонн, что на 29% больше, чем годом ранее. Предложение гомополимеров пропилена (гомополимер ПП) и блок-сополимеров пропилена (блоксополимеры ПП) увеличилось, тогда как предложение статистических сополимеров пропилена (статистические сополимеры ПП) сократилось.

Eni — итальянская транснациональная нефтегазовая компания со штаб-квартирой в Риме. Он работает в 79 странах и в настоящее время является крупнейшей промышленной компанией Италии. Итальянскому правительству принадлежит 30,3% золотой акции компании, 3,93% через государственное казначейство и 26,37% через Cassa Depositi e Prestiti. Еще 39,40% акций принадлежат BNP Paribas.
МРК

#нефтехимия #этилен #пропилен #Италия #Новости #Эни #МРЦ #состав #нефтехимия #рециклинг +Добавить все теги к фильтру

  • 24 сентября 2021, 2021
  • Анна Ларионова

НКНХ ожидает увеличения продаж каучуков и снижения продаж пластмасс в этом году

МОСКВА (Маркет Репорт) – «Нижнекамскнефтехим» (НКНХ, входит в группу ТАИФ) ожидает увеличения продаж каучуков и снижения продаж пластмасс по сравнению с прошлым годом, сообщает «Реальное время».

НКНХ ожидает реализации каучуков в этом году в объеме 686 тыс. тонн, что превысит показатель 2020 года на 16,7%. В том числе в 2021 году компания рассчитывает реализовать 258 тыс. тонн синтетических каучуков (рост на 31,6%), 211 тыс. тонн бутадиеновых каучуков (рост на 17,9%).%), 216 тыс. тонн бутилкаучуков и галобутилкаучуков (рост на 1,4%).

Прогнозируется снижение продаж пластмасс на 3% – до 714 тыс. тонн, в том числе за счет снижения продаж полипропилена на 8,7%, до 188 тыс. тонн, на фоне высокой базы прошлого года. В компании отмечают, что рост объемов товарного полипропилена в 2020 году произошел за счет снижения его внутреннего потребления заводом для товарной упаковки.

Продажи прочих пластиков, по прогнозу, в 2021 году несколько снизятся: полиэтилена – до 219,000 тонн (0,9%), полистирола и АБС-пластиков – до 308,000 тонн (0,3%).

Компания ожидает, что в этом году выручка НКНХ будет формироваться на 37% за счет реализации каучуков, 36% за счет пластмасс и 27% за счет прочей нефтехимии. По данным компании, доля НКНХ на мировом рынке синтетических каучуков составляет 36,5%, бутилкаучуков — 11,2%, бутадиеновых каучуков — 4,4%.

Согласно Ценовому отчету ICIS-MRC, Нижнекамскнефтехим (НКНХ, входит в Группу ТАИФ) 17 сентября закрыл мощности по производству полиэтилена (ПЭ) на плановый ремонт. По словам клиентов производителя, производитель приступил к плановой остановке производства линейного полиэтилена низкой плотности (ЛПНП) 17 сентября. Остановка будет краткосрочной и продлится около 10 дней. плановый ремонт с 14 сентября по 16 сентября.0009

Нижнекамскнефтехим – одно из крупнейших нефтехимических предприятий Восточной Европы, занимающее лидирующие позиции среди отечественных производителей синтетических каучуков, пластмасс и этилена. Входит в группу компаний ТАИФ, Татарстан. Номенклатура выпускаемой продукции включает более 120 наименований. Продукция акционерного общества экспортируется в 50 стран Европы, Америки и Юго-Восточной Азии. Доля экспорта в общем объеме производства составляет около 50%.
МРЦ

#нефтехимия #Новости #ПП #ПС #ПЭ #Нижнекамскнефтехим #МРЦ #полимеры #натуральная резина #синтетические каучуки +Добавить все теги к фильтру

  • 24 сентября 2021, 2021
  • Маргарита Волкова

Карпатнефтехим закрывает производство полиэтилена

МОСКВА (Маркет Репорт) — Карпатнефтехим (Калуш, Ивано-Франковская обл. ), крупнейший нефтехимический завод Украины, остановил производство полиэтилена высокого давления (ПНД), сообщает ICIS-MRC Price report.

Заказчики завода сообщили, что украинский производитель был вынужден остановить производство полипропилена 23 сентября из-за технических проблем. Отключение продлится недолго, производство полиэтилена (ПЭ) планируется возобновить к 28 сентября. Годовая производственная мощность завода составляет 120 тыс. тонн.

Карпатнефтехим – одно из крупнейших предприятий нефтехимического комплекса Украины. В настоящее время завод может ежегодно производить 300 000 тонн ПВХ, 200 000 тонн едкого натра, около 180 000 тонн хлора, а также 250 000 тонн этилена и 100 000 тонн полиэтилена.
МРК

#нефтехимия #ПЭНД #Украина #Новости #ПЭ #Карпатнефтехим #МРЦ #полимеры +Добавить все теги к фильтру

  • 24 сентября 2021, 2021
  • Анна Ларионова

BASF представил линейку добавок для переработанного пластика

МОСКВА (MRC) — BASF запустил IrgaCycle, новую линейку добавок для удовлетворения насущных потребностей в переработке пластмасс, сообщила компания.

Промышленность пластмасс ищет способы включения более высокого содержания переработанного полимерного материала во все основные области применения для достижения целей устойчивого развития, одновременно сталкиваясь с растущими опасениями потребителей и ужесточением нормативных требований по сокращению пластиковых отходов. Таким образом, основной задачей является смягчение недостатков качества полимеров, возникающих из-за термического и механического воздействия в процессе переработки.

Переработанные пластмассы часто содержат примеси и полимерные загрязнители, которые ускоряют разложение полимера и изменяют свойства материала. Следовательно, переработчики и переработчики пластика сталкиваются с проблемами качества и производительности при переработке переработанного полимерного материала. Пакеты присадок, улучшающие свойства этих переработанных пластиков, могут стать решением этой проблемы.

Ожидается, что к 2030 году производство пластмасс путем механической переработки увеличится почти втрое за счет усовершенствованных технологий и регулирования. Это соответствует росту примерно на 10 процентов в год», — говорит д-р Томас Клостер, президент подразделения Performance Chemicals компании BASF. «С IrgaCycle мы шаг за шагом расширяем наше существующее портфолио за счет конкретных решений по переработке для поддержки целей экономики замкнутого цикла для пластмасс».

Новая линейка IrgaCycle включает в себя аддитивные решения, которые могут помочь увеличить процент переработанного содержимого в нескольких областях конечного использования, таких как упаковка, автомобилестроение и мобильность, а также строительство. Эти решения решают определенные проблемы качества, связанные с переработанными смолами, такие как ограниченная технологичность, плохая долговременная термическая стабильность и недостаточная защита от атмосферных воздействий. На момент запуска продуктовая линейка включает в себя ряд различных составов присадок, и в будущем их будет больше.

«Мы разработали эти решения, основываясь на нашем обширном опыте в индустрии пластмасс, объединив высокое качество наших систем антиоксидантов и светостабилизаторов с нашим опытом применения», — говорит д-р Фолькер Бах, глобальный ведущий инноватор в BASF Plastic Additives. « Благодаря нашей глобальной структуре мы можем работать по всей цепочке создания стоимости в отрасли переработки, будь то владельцы брендов или переработчики во всех регионах».

Ассортимент IrgaCycle предлагается как часть ассортимента VALERAS. В дополнение к обеспечению циркуляции пластмасс с помощью IrgaCycle, решения VALERAS привносят значительную ценность в области устойчивого развития для пластмасс, повышая долговечность, сокращая количество отходов, экономя энергию, сокращая выбросы и способствуя сохранению биоразнообразия.

Как ранее сообщал MRC, BASF и Natural Machines объявили о своем стратегическом партнерстве в разработке технологии, позволяющей изготавливать индивидуальные маски для лица и глазные повязки на 3D-принтерах.

По данным MRC, BASF сообщил о более высокой, чем ожидалось, чистой прибыли во втором квартале, поскольку ему удалось увеличить объемы и цены благодаря высокому спросу. Низкие цены на сырьевые товары во время пандемии коронавируса повлияли на прибыль BASF в прошлом году, но немецкая группа зафиксировала быстрое восстановление в 2021 году, поскольку мировая экономика росла быстрее, чем ожидалось.

Этилен и пропилен являются основным сырьем для производства полиэтилена (ПЭ) и полипропилена (ПП) соответственно.

Согласно отчету Маркет Репорт СканПласт, расчетное потребление полиэтилена в России в первом полугодии 2021 года составило 1 176 860 тонн, что на 5% больше, чем в прошлом году. Отгрузки исключительно полиэтилена низкой плотности (ПВД) сократились. При этом отгрузки полипропилена на российский рынок за первые шесть месяцев 2021 года составили 727 160 тонн, что на 31% больше, чем годом ранее. Увеличились поставки гомополимера ПП и блок-сополимеров пропилена (блок-сополимеры ПП). Поставки статистических сополимеров пропилена (статистических сополимеров ПП) сократились.

Бизнес-структура BASF включает шесть основных сегментов: химикаты, материалы, промышленные решения, технологии обработки поверхностей, питание и уход, решения для сельского хозяйства. В конце 2020 года объем продаж BASF составил 59 млрд евро. Акции BASF торгуются на Франкфуртской фондовой бирже (BAS), на Санкт-Петербургской фондовой бирже в России и в виде американских депозитарных расписок (BASFY) в США. BASF работает в России с 1874 года, представлен в рейтинге 500 крупнейших компаний страны по объему выручки.
МРК

#нефтехимия #ПЭНД #ПЭНП #ЛПЭНП #Германия #Россия #Новости #ПП #ПЭ #БАСФ #МРЦ #устойчивое развитие #переработка #полимеры +Добавить все теги к фильтру

Экстренная помощь пациентам с COVID-19: интеллектуальная система переливания MSC в режиме реального времени, основанная на многокритериальных методах принятия решений

1. Yi Y, Lagniton PNP, Ye S, Li E, Xu R-H. COVID-19: что известно и что предстоит узнать о новой коронавирусной болезни. Стажер биологических наук. 2020;16(10):1753–1766. [Бесплатная статья PMC] [PubMed] [Google Scholar]

2. Шерин М.А., Хан С., Казми А., Башир Н., Сиддик Р. Инфекция COVID-19: происхождение, передача и характеристики коронавирусов человека. J Adv Res. 2020;24:91–98. [Бесплатная статья PMC] [PubMed] [Google Scholar]

3. Альбахри А.С., Хамид Р.А., Алван Дж., Аль-Кайс З.Т., Зайдан А.А., Зайдан Б.Б., Албахри А.О.С., Аламуди А.Х., Хлаф Дж.М., Альмахди Э.М., Табет Э. , Хади С.М., Мохаммед К.И., Алсалем М.А., аль-Обейди Дж.Р., Мадхлум Х.Т. Роль методов интеллектуального анализа биологических данных и машинного обучения в обнаружении и диагностике нового коронавируса (COVID-19): систематический обзор. J Med Syst. 2020; 44:1–11. [Бесплатная статья PMC] [PubMed] [Google Scholar]

4. Марино Л., Кастальди М.А., Розамилио Р., Рагни Э., Витоло Р., Фульджионе С., Кастальди С. Г., Серио Б., Бьянко Р., Гуида М., Селлери С. Мезенхимальный стволовые клетки из вартонова желе пуповины человека: биологические свойства и терапевтический потенциал. Стажер Дж. Стволовые клетки. 2019;12(2):218–226. [Бесплатная статья PMC] [PubMed] [Google Scholar]

5. Wang M, Yuan Q, Xie L (2018, 2018) Иммуномодуляция на основе мезенхимальных стволовых клеток: свойства и клиническое применение. Stem Cells Int:1–12 [бесплатная статья PMC] [PubMed]

6. Chan MCW, Kuok DIT, Leung CYH, Hui KPY, Valkenburg SA, Lau EHY, Nicholls JM, Fang X, Guan Y, Lee JW, Chan ВПП, Вебстер Р.Г., Маттей М.А., Пейрис Д.С.М. Мезенхимальные стромальные клетки человека уменьшают острое повреждение легких, связанное с гриппом H5N1, in vitro и in vivo. Proc Nation Acad SciUnited State Amer. 2017;113(13):3621–3626. [Бесплатная статья PMC] [PubMed] [Google Scholar]

7. Li Y, et al. Лечение мезенхимальными стромальными клетками предотвращает острое повреждение легких у мышей, вызванное вирусом птичьего гриппа H9N2. Стволовые клетки Res Ther. 2018;7(1):159. [Статья бесплатно PMC] [PubMed] [Google Scholar]

8. Armitage J et al (2018) Инфузия мезенхимальных стромальных клеток модулирует системные иммунологические реакции у пациентов со стабильной ХОБЛ: пилотное исследование фазы I. Eur Respir J:1702369 [PubMed]

9. Leng Z, Zhu R, Hou W, Feng Y, Yang Y, Han Q, Shan G, Meng F, du D, Wang S, Fan J, Wang W, Deng L , Shi H, Li H, Hu Z, Zhang F, Gao J, Liu H, Li X, Zhao Y, Yin K, He X, Gao Z, Wang Y, Yang B, Jin R, Stambler I, Lim LW, Su Х., Москалев А., Кано А., Чакрабарти С., Мин К.Дж., Эллисон-Хьюз Г., Карузо С., Джин К., Чжао Р.С. Трансплантация ACE2-мезенхимальных стволовых клеток улучшает исход пациентов с COVID-19пневмония. Старение Дис. 2020;11(2):216–228. [Бесплатная статья PMC] [PubMed] [Google Scholar]

10. Liang B et al (2020) Клиническая ремиссия тяжелобольного пациента с COVID-19, получавшего лечение мезенхимальными стволовыми клетками пуповины человека. Китай Xiv:1 [бесплатная статья PMC] [PubMed]

11. Джентиле П., Стеродимас А. Стромальные стволовые клетки жирового происхождения (ASC) как новая регенеративная немедленная терапия для борьбы с пневмонией, вызванной коронавирусом (COVID-19). Мнение Эксперта Биол Тер. 2020; 20:1–6. [Бесплатная статья PMC] [PubMed] [Google Scholar]

12. Ng A (2020, 17/05/)  Лечение стволовыми клетками в ОАЭ дает «благоприятные» результаты для пациентов с коронавирусом . Доступно: https://www.cnbc.com/2020/05/04/coronavirus-uae-stem-cell-treatment-sees-favorable-outcome.html

13. Zhang Y, et al. Внутривенное вливание желеобразных мезенхимальных стволовых клеток Уортона из пуповины человека в качестве потенциального лечения пациентов с пневмонией, вызванной COVID-19. Стволовые клетки Res Ther. 2020;11(1):207. [Бесплатная статья PMC] [PubMed] [Google Scholar]

14. Pittenger MF, Discher DE, Péault BM, Phinney DG, Hare JM, Caplan AI (2019)Перспектива мезенхимальных стволовых клеток: от клеточной биологии до клинического прогресса. npj Regene Med 4, 22(1) [бесплатная статья PMC] [PubMed]

15. Saldanha-Araujo F, Melgaço Garcez E, Silva-Carvalho AE, Carvalho JL (2020) Мезенхимальные стволовые клетки: новая часть головоломки лечения COVID-19. (на английском языке), Front ImmunoReview 11(1563):2020 [бесплатная статья PMC] [PubMed]

16. Jossen V, van den Bos C, Eibl R, Eibl D. Производство мезенхимальных стволовых клеток человека в клиническом масштабе: процесс и регуляторные проблемы. Приложение Microbiol Biotechnol. 2018;102(9): 3981–3994. [Бесплатная статья PMC] [PubMed] [Google Scholar]

17. Liang B et al (2020) Клиническая ремиссия тяжелобольного пациента с COVID-19, получавшего лечение мезенхимальными стволовыми клетками пуповины человека: отчет о клиническом случае. Medicine 99(31) [бесплатная статья PMC] [PubMed]

18. Singh S et al (2020) Аллогенные клетки, полученные из кардиосферы (CAP-1002), у пациентов с COVID-19 в критическом состоянии: серия случаев использования из сострадания. Basic Res Cardiol (4): 115, 36 [бесплатная статья PMC] [PubMed]

19. Напи Н.М., Зайдан А.А., Зайдан Б.Б., Альбахри О.С., Альсалем М.А., Альбахри А.С. (2019) Сортировка неотложной медицинской помощи и определение приоритетов пациентов в среде телемедицины: систематический обзор. Health and Technology 9(5):679–700

20. Albahri AS, Albahri OS, Zaidan AA, Zaidan BB, Hashim M, Alsalem MA, Baqer MJ (2019) На основе нескольких разнородных носимых датчиков: интеллектуальное здоровье в режиме реального времени мониторинг структурирован для дистрибьютора больниц. IEEE Access 7:37269–37323

21. Albahri O et al (2019)Отказоустойчивая структура мобильного здравоохранения в контексте носимых датчиков данных о состоянии здоровья в режиме реального времени на основе IoT, том. 7, стр. 50052–50080

22. Мохаммед К.И., Зайдан А.А., Зайдан Б.Б., Альбахри О.С., Альбахри А.С., Альсалем М.А., Мохсин А.Х. (2020)Новая методика реорганизации порядка мнений на уровни интервалов для решения нескольких случаев, представляющих расстановку приоритетов у пациентов с множественными хроническими заболеваниями. Comput Methods Prog Biomed 185:105151 [PubMed]

23. Мохаммед К.И., Джаафар Дж., Зайдан А.А., Альбахри О.С., Зайдан Б.Б., Абдулкарим К.Х., Аламуди А.Х. (2020) Единая интеллектуальная расстановка приоритетов для решения разнообразных и больших данных, полученных из нескольких пациентов с хроническими заболеваниями на основе гибридного метода принятия решений и голосования. IEEE-доступ 8:91521–91530

24. Albahri O et al (2018) Систематический обзор системы удаленного мониторинга состояния здоровья в режиме реального времени в сортировке и сенсорных технологиях на основе приоритетов: таксономия, открытые проблемы, мотивация и рекомендации, том. 42, нет. 5, с. 80 [PubMed]

25. Альмахди Э., Зайдан А., Зайдан Б., Альсалем М., Альбахри О.С., Альбахри А.С. Мобильные системы мониторинга пациентов с точки зрения сравнительного анализа: проблемы, открытые вопросы и рекомендуемые решения. J Med Syst. 2019;43(7):1–23. [PubMed] [Академия Google]

26. Альмахди Э., Зайдан А. , Зайдан Б., Альсалем М., Альбахри О.С., Альбахри А.С. Мобильные системы мониторинга пациентов: структура приоритизации с использованием многокритериальных методов принятия решений. J Med Syst. 2019;43(7):1–19. [PubMed] [Google Scholar]

27. Zaidan A, et al. Обзор приложений для диагностики рака кожи на смартфонах в процессе оценки и сравнительного анализа: последовательная таксономия, нерешенные вопросы и пути решения рекомендаций. Технологии исцеления. 2018;8(4):223–238. [Google Scholar]

28. Альбахри О.С., Зайдан А., Зайдан Б., Хашим М., Альбахри А.С., Алсалем М. Системы удаленного мониторинга здоровья в режиме реального времени в медицинском центре: обзор предоставления медицинских услуг на базе органа. сенсорная информация, открытые проблемы и методологические аспекты. J Med Syst. 2018;42(9): 1–47. [PubMed] [Google Scholar]

29. Альбахри А.С., Зайдан А., Альбахри О.С., Зайдан Б., Алсалем М. Отказоустойчивая система мобильного здравоохранения в режиме реального времени: всесторонний обзор медицинских услуг, открытые проблемы, проблемы и методологические аспекты. J Med Syst. 2018;42(8):1–56. [PubMed] [Google Scholar]

30. Салман О.Х., Зайдан А., Зайдан Б., Насеркалид Ф., Хашим М. Новая методология сортировки и определения приоритетов с использованием «больших данных» пациентов с хроническими заболеваниями сердца с помощью телемедицины окружающей среды. Int J Inf Technol Decis Mak. 2017;16(05):1211–1245. [Академия Google]

31. Калид Н., Зайдан А., Зайдан Б., Салман О.Х., Хашим М., Музаммил ХДЖОМС. На основе систем удаленного мониторинга состояния здоровья в режиме реального времени: обзор расстановки приоритетов пациентов и связанных с ними «больших данных» с использованием информационных и коммуникационных технологий датчиков тела. J Med Syst. 2018;42(2):30. [PubMed] [Google Scholar]

32. Mohammed K, et al. Системы удаленного мониторинга здоровья в режиме реального времени: обзор приоритетов пациентов с множественными хроническими заболеваниями, анализ таксономии, проблемы и процедура решения. J Med Syst. 2019;43(7):223. [PubMed] [Google Scholar]

33. Альбахри А.С. Мультибиологический лабораторный комплекс обследования для определения приоритетности пациентов с COVID-19 на основе комплексных методов АГП и группового ВИКОР. Int J Inf Technol Decis Mak. 2020;19:1247–1269. [Google Scholar]

34. Bai Y, Yao L, Wei T, Tian F, Jin DY, Chen L, Wang M (2020) Предполагаемая бессимптомная передача носителя COVID-19. Jama 323(14):1406–1407 [бесплатная статья PMC] [PubMed]

35. Yuen KS, Ye ZW, Fung SY, Chan CP, Jin D-YJC. SARS-CoV-2 и COVID-19: Наиболее важные вопросы исследования. Клеточная биология. 2020;10(1):1–5. [Бесплатная статья PMC] [PubMed] [Google Scholar]

36. C.F.D.C.a. Профилактика. (2020). Коронавирусная болезнь 2019 (COVID-19) Резюме ситуации . Доступно: https://www.cdc.gov/coronavirus/2019-ncov/summary.html#background

37. Организация WH (2020) Коронавирусная болезнь 2019 г. (COVID-19): отчет о ситуации, 72, Домашняя коронавирусная болезнь 2019 г. (COVID-19) Распространенность. https://apps.who.int/iris/handle/10665/331686

38. Kalid N, et al. На основе систем удаленного мониторинга здоровья в режиме реального времени: новый подход к приоритизации «крупномасштабных данных» пациентов с хроническими заболеваниями сердца с использованием датчиков тела и коммуникационных технологий. J Med Syst. 2018;42(4):69. [PubMed] [Google Scholar]

39. Albahri O et al (2020) Помощь врачам в ускорении лечения COVID-19: на пути к системе спасения для переливания наилучшей реконвалесцентной плазмы наиболее критическим пациентам на основе биологических требований с помощью машинного обучения и новых технологий Методы МКДМ. Comput Methods Prog Biomed:105617 [бесплатная статья PMC] [PubMed]

40. Menni C, Valdes AM, Freidin MB, Sudre CH, Nguyen LH, Drew DA, Ganesh S, Varsavsky T, Cardoso MJ, el-Saed Moustafa JS, Visconti A, Hysi P, Bowyer RCE, Mangino M, Falchi М., Вольф Дж., Урселин С., Чан А.Т., Стивс С.Дж., Спектор Т.Д. Отслеживание в режиме реального времени симптомов, о которых сообщают сами, для прогнозирования потенциального COVID-19. Нат Мед. 2020;26(7):1037–1040. [Бесплатная статья PMC] [PubMed] [Google Scholar]

41. Gandhi RT, Lynch JB, Del Rio C. Легкая или умеренная Covid-19. N Engl J Med. 2020;383(18):1757–1766. [PubMed] [Академия Google]

42. Лю Ю., Ян Л.М., Ван Л., Сян Т.Х., Ле А., Лю Дж.М. и др. Вирусная динамика при легком и тяжелом течении COVID-19. Ланцет Infect Dis. 2020;20(6):656–657. [Бесплатная статья PMC] [PubMed] [Google Scholar]

43. Masterson CH, Curley GF, Laffey JG. Модулирование распределения и судьбы экзогенно доставленных МСК для повышения терапевтического потенциала: известные и неизвестные. Интенсивная терапия Med Experi. 2019;7(1):1–21. [Бесплатная статья PMC] [PubMed] [Google Scholar]

44. Abdal Dayem A, et al. Производство мезенхимальных стволовых клеток путем перепрограммирования стволовых клеток. Int J Mol Sci. 2019;20(8):1922. [Бесплатная статья PMC] [PubMed] [Google Scholar]

45. Pittenger MF, Discher DE, Péault BM, Phinney DG, Hare JM, Caplan AI. Перспектива мезенхимальных стволовых клеток: от клеточной биологии до клинического прогресса. NPJ Регенеративная мед. 2019;4(1):1–15. [Бесплатная статья PMC] [PubMed] [Google Scholar]

46. Tsai AC, Jeske R, Chen X, Yuan X, Li Y. Влияние микроокружения на терапевтическую эффективность мезенхимальных стволовых клеток: от планарной культуры к микроносителям. Фронт Биоэнджин Биотехно. 2020;8:640. [Бесплатная статья PMC] [PubMed] [Google Scholar]

47. Криппа С., Санти Л., Босотти Р., Порро Г., Бернардо М.Э. Мезенхимальные стромальные клетки костного мозга: новая цель для оптимизации протоколов трансплантации гемопоэтических стволовых клеток при гематологических злокачественных новообразованиях и редких генетических нарушениях. Дж. Клин Мед. 2020;9(1):2. [Бесплатная статья PMC] [PubMed] [Google Scholar]

48. Han Y, Li X, Zhang Y, Han Y, Chang F, Ding J. Мезенхимальные стволовые клетки для регенеративной медицины. Клетки. 2019;8(8):886. [Бесплатная статья PMC] [PubMed] [Google Scholar]

49. Shu L et al (2020) Лечение тяжелой формы COVID-19 мезенхимальными стволовыми клетками пуповины человека. Stem Cell Res Ther 11(1):361 2020/08/18 [бесплатная статья PMC] [PubMed]

50. Альбахри А., Хамид Р.А. (2020)Расстановка приоритетов на основе обнаружения: структура многолабораторных характеристик бессимптомного COVID- 19 Носители на основе методов интегрированной энтропии – TOPSIS. Artif Intell Med:101983 [бесплатная статья PMC] [PubMed]

51. Ng Y, Li Z, Chua YX, Chaw WL, Zhao Z, Er B, Lee VJ (2020) Оценка эффективности мер наблюдения и сдерживания для первые 100 пациентов с COVID-19в Сингапуре — 2 января — 29 февраля 2020 г. Еженедельный отчет о заболеваемости и смертности 69 (11): 307 [бесплатная статья PMC] [PubMed]

52. Rajarshi K, Chatterjee A, Ray SJBR. Борьба с COVID-19 с помощью терапии мезенхимальными стволовыми клетками. Биотехно Респ. 2020;26:e00467. [Бесплатная статья PMC] [PubMed] [Google Scholar]

53. Albahri OS et al (2020) Систематический обзор методов искусственного интеллекта при обнаружении и классификации медицинских изображений COVID-19 с точки зрения оценки и сравнительного анализа: анализ таксономии, проблемы, будущие решения и методологические аспекты. J заразить общественное здравоохранение 13 (10): 1381–1396. 10.1016/j.jiph.2020.06.028 [бесплатная статья PMC] [PubMed]

54. Перес И.Дж., Кабреризо Ф.Дж., Алонсо С., Донг И., Чиклана Ф., Эррера-Вьедма ЭДЖИС. О динамических процессах консенсуса в задачах группового принятия решений. Инф. 2018; 459:20–35. [Google Scholar]

55. Hamdan S, Cheaitou AJC, Research O. Выбор поставщиков и распределение заказов с использованием экологических критериев: MCDM и многоцелевой подход к оптимизации. Вычислительная операционная Res. 2017; 81: 282–304. [Google Scholar]

56. Салих М.М., Альбахри О., Зайдан А., Зайдан Б., Джумаа Ф., Албахри А. Сравнительный анализ методов AQM для управления перегрузкой сети, основанный на расширении трапециевидного нечеткого решения интервального типа 2 методом оценки мнений. Телекоммуникации Сист. 2021;77(3):493–522. [Google Scholar]

57. Альбахри О.С., Зайдан А.А., Салих М.М., Зайдан Б.Б., Хатари М.А., Ахмед М.А., Альбахри А.С., Алазаб М. Многомерный бенчмаркинг методов управления активными очередями для контроля перегрузки сети на основе расширения нечетких решений по методу оценки мнений. Int J Intel Syst. 2021;36(2):796–831. [Google Scholar]

58. Zaidan A, Zaidan B, Alsalem M, Albahri OS, Albahri AS, Qahtan M. Многоагентная обучающая нейронная сеть и байесовская модель для детекторов кожи IoT в реальном времени: новая методология оценки и сравнительного анализа. Нейронные вычисления и приложения. 2020;32(12):8315–8366. [Академия Google]

59. Ибрагим Н. и др. Многокритериальная оценка и бенчмаркинг мобильных приложений для молодых учащихся на английском языке с точки зрения навыков LSRW. IEEE-доступ. 2019;7:146620–146651. [Google Scholar]

60. Zhang Y, Wei G, Guo Y, Wei C. Метод TODIM, основанный на кумулятивной теории перспектив для принятия решений с несколькими группами атрибутов в лингвистической пифагорейской нечеткой среде с двумя кортежами. Int J Intel Syst. 2021;36(6):2548–2571. [Google Scholar]

61. He T, Wei G, Wu J, Wei C (2021) Метод QUALIFLEX для оценки человеческого фактора в управлении строительными проектами с помощью пифагорейской двукратной лингвистической информации. J Intell Fuzzy Syst, нет. Препринт: 1–12

62. Ишизака А., Ресче Г. Метод PROMETHEE «лучший-худший» для оценки успеваемости в школе в рамках проекта ОЭСР PISA. Социально-экономический план Sci. 2021;73:100799. [Google Scholar]

63. Мохаммед Т.Дж., Альбахри А.С., Зайдан А.А., Альбахри О.С., аль-Обайди Дж.Р., Зайдан Б.Б., Ларбани М., Мохаммед Р.Т., Хади С.М. Интеллектуальная система переливания реконвалесцентной плазмы для спасения пациентов с COVID-19 в централизованных/децентрализованных больницах телемедицины на основе TOPSIS группы AHP и соответствующего компонента. Приложение Интел. 2021;51(5):2956–2987. [Бесплатная статья PMC] [PubMed] [Google Scholar]

64. Малик Р. и др. (2021) Новая структура позиционирования придорожных устройств в контексте системы связи между транспортным средством и инфраструктурой на основе AHP — энтропия для взвешивания и борда — ВИКОР для единого ранжирования. Int J Inf Technol Decis Mak:1–34

65. Алсалем М.А., Зайдан А.А., Зайдан Б.Б., Альбахри О.С., Аламуди А.Х., Альбахри А.С., Мохаммед К.И. (2019) Многоклассовая система сравнительного анализа для автоматического обнаружения и классификации острых лейкозов на основе BWM и группа-ВИКОР. J Medical Syst 43 (7): 1–32 [PubMed]

66. Салих М.М., Зайдан Б.Б., Зайдан А.А., Ахмед М.А. (2019) Обзор современного нечеткого TOPSIS в период с 2007 по 2017 год. Comput Oper Res 104: 207–227

67. Зугул О, Зайдан А.А., Зайдан Б.Б., Альбахри О.С., Алазаб М., Амомени У., Албахри А.С., Салих М.М., Мохаммед Р.Т., Мохаммед К.И., Момани Ф., Амомени Б. Новая тройная процедура для ранжирования способностей студентов-программистов на основе двух уровней AHP и групповые методики ТОПСИС. Стажер J Informa Techno Decis Making (IJITDM) 2021; 20 (01): 67–135. [Академия Google]

68. Khatari M, Zaidan A, Zaidan B, Albahri O, Alsalem M, Albahri A (2021) Многомерная система сравнительного анализа для AQM контроля перегрузки сети на основе AHP и group-TOPSIS. Int J Inf Technol Decis Mak:1–38

69. Алаа М., Альбакри ИСМА, Сингх К.С.С., Хаммед Х., Зайдан А.А., Зайдан Б.Б., Албахри О.С., Алсалем М.А., Салих М.М., Алмахди Э.М., Бакер М.Дж., Джалуд Н.С., Нидхал С., Шариф А.Х., Джасим А.Н. Структура оценки и ранжирования навыков английского языка будущих учителей на основе нечетких методов Delphi и TOPSIS. IEEE-доступ. 2019;7:126201–126223. [Google Scholar]

70. Alsalem M, et al. Систематический обзор автоматизированной многоклассовой системы обнаружения и классификации острого лейкоза с точки зрения оценки и сравнительного анализа, нерешенных проблем, вопросов и методологических аспектов. J Med Syst. 2018;42(11):1–36. [PubMed] [Google Scholar]

71. Абдулкарим К.Х., Арбай Н., Зайдан А.А., Зайдан Б.Б., Альбахри О.С., Альсалем М.А., Салих М.М. Новая мультиперспективная структура бенчмаркинга для выбора интеллектуальных алгоритмов устранения дымки на изображениях на основе методов BWM и группового ВИКОР. Int J Inf Technol Decis Mak. 2020;19: 1–49. [Google Scholar]

72. Albahri O et al (2021) Новая структура выбора больницы mHealth, поддерживающая децентрализованную архитектуру телемедицины для амбулаторных интегрированных методов лечения сердечно-сосудистых заболеваний: Haversine-GPS и AHP-VIKOR. J Ambient Intell Humaniz Comput:1–21

73. Кришнан Э., Мохаммед Р., Алнур А., Албахри О.С., Зайдан А.А., Алсаттар Х., Албахри А.С., Зайдан Б.Б., Коу Г., Хамид Р.А., Аламуди А.Х., Алазаб М. Интервал трапециевидно-нечеткое взвешенное значение типа 2 с нулевой несогласованностью в сочетании с ВИКОР для оценки приложений интеллектуального электронного туризма. Int J Intel Syst. 2021; 36: 4723–4774. [Академия Google]

74. Чжоу Ф, Чен Т-Ю. Интегрированный многокритериальный групповой подход к принятию решений для выбора экологически чистого поставщика в соответствии с пифагорейскими нечеткими сценариями. IEEE-доступ. 2020;8:165216–165231. [Google Scholar]

75. Khatari M, Zaidan AA, Zaidan BB, Albahri OS, Alsalem MA (2019)Многокритериальная оценка и сравнительный анализ методов активного управления очередью: открытые проблемы, проблемы и рекомендуемые пути решения. Int J Inf Technol Decis Making 18(04):1187–1242

76. Абдулкарим К.Х., Арбай Н., Зайдан А.А., Зайдан Б.Б., Альбахри О.С., Алсалем М.А., Салих М.М. Новая структура стандартизации и выбора для алгоритмов устранения дымки в режиме реального времени из сцен с несколькими туманами на основе нечетких методов Delphi и гибридного многокритериального анализа решений. Нейронные вычисления и приложения. 2021;33:1029–1054. [Google Scholar]

77. Lin Z, Wen F, Wang H, Lin G, Mo T, Ye X. Оценка важности узла на основе CRITIC при реконфигурации каркасной сети электросетей. IEEE Transact Circ Syst II: Express Briefs. 2017;65(2):206–210. [Google Scholar]

78. Кришнан Э., Мохаммед Р., Алнур А. и др. (2021) Интервальный трапециевидно-нечеткий взвешенный тип 2 с нулевой несогласованностью в сочетании с ВИКОР для оценки приложений интеллектуального электронного туризма. Int J Intell Syst 36: 4723–4774. 10.1002/внутр.22489

79. Петкович Д., Мадич М., Радованович М., Гечевска В. Применение метода индекса выбора производительности для решения задач механической обработки MCDM. Facta Universitatis, Серия: Mechan Engin. 2017;15(1):97–106. [Google Scholar]

80. Мохаммед Р.Т. и др. Определение важности критериев оценки конкурентных алгоритмов многокритериальной оптимизации на основе нового нечетко-взвешенного метода нулевой несогласованности. Int J Inf Technol Decis Mak 0(0):1–47

81. Виноградова И., Подвезко В., Завадскас Е.К. Пересчет весов критериев в методах MCDM с использованием байесовского подхода. Симметрия. 2018;10(6):205. [Академия Google]

82. Энайзан О., Зайдан А.А., Алви НХМ, Зайдан Б.Б., Алсалем М.А., Албахри О.С., Албахри А.С. Электронные системы медицинских карт: система проверки поддержки принятия решений по проблемам личности, безопасности и конфиденциальности с использованием многопланового анализа. Технологии исцеления. 2020;10(3):795–822. [Google Scholar]

83. Памучар Д., Эчер Ф., Чирович Г., Арлашиди М.А. Применение улучшенного метода наилучшего наихудшего результата (BWM) в реальных задачах. Математика. 2020;8(8):1342. [Google Scholar]

84. Хамид Р.А., Альбахри А.С., Альбахри О.С. и др. (2021) Теория Демпстера-Шейфера для классификации и гибридные модели многокритериального анализа решений для расстановки приоритетов: структура телемедицины для пациентов с сердечными заболеваниями. J Ambient Intel Human Computing. 10.1007/s12652-021-03325-3

85. Дарко А., Чан А.П.С., Амеяу Э.Е., Овусу Э.К., Пярн Э., Эдвардс Д.Дж. (2019) Обзор применения процесса аналитической иерархии (AHP) в строительстве. Int J Constr Manag 19(5):436–452

86. Баффо Г. Изучение полезности процесса аналитической иерархии (AHP) в ранжировании деятельности по обеспечению средств к существованию для эффективных и устойчивых мероприятий по развитию сельских районов в развивающихся странах. Оценить план программы. 2019;72:197–204. [PubMed] [Google Scholar]

87. Бен-Ассули О., Кумар Н., Арази О., Шабтай И. (2020) Использование процесса аналитической иерархии для измерения сложности медицинского диагноза. Health Inform J 26 (1): 218–232 [PubMed]

88. Рой Дж., Чаттерджи К., Бандйопадхьяй А., Кар С. (2018)Оценка и выбор мест медицинского туризма: грубая аналитическая иерархия, основанная на многоатрибутном подходе сравнения площадей с аппроксимацией границ. Expert Systems 35(1):e12232

89. Содро А.Х., Шейх Ф.К., Пирбхулал С., Лодро М.М., Шах М.А. (2017)Выбор телемедицинских услуг на основе медицинского QoS с использованием процесса аналитической иерархии. В Справочнике по крупномасштабным распределенным вычислениям в интеллектуальном здравоохранении (стр. 589–609). Спрингер, Чам

90. Dachyar M, Tjiptadi AT (2019) Выбор площадок производителем оригинального оборудования (OEM) компаний традиционной медицины в Индонезии с использованием метода аналитического иерархического процесса (AHP). В серии конференций IOP: Материаловедение и инженерия (том 598, № 1, стр. 012090). IOP Publishing

91. Rong Y et al. Клинические характеристики и факторы риска у пациентов с COVID-19 легкой и средней степени тяжести с ложноотрицательной нуклеиновой кислотой SARS-CoV-2», (на английском языке). J Med Virology, стр. 10.1002/jmv .26242

92. Варгезе Г.М., Джон Р., Манеш А., Картик Р., Абрахам О.К. Клиническое ведение COVID-19. Индийское медико-санитарное исследование. 2020;151(5):401–410. [Бесплатная статья PMC] [PubMed] [Google Scholar]

93. Phua J, Weng L, Ling L, Egi M, Lim CM, Divatia JV, Shrestha BR, Arabi YM, Ng J, Gomersall CD, Nishimura M, Koh Y, du B, Азиатская группа клинических испытаний в области интенсивной терапии Интенсивная терапия коронавирусной болезни 2019 (COVID-19): проблемы и рекомендации. Ланцет Респир Мед. 2020;8(5):506–517. [Бесплатная статья PMC] [PubMed] [Google Scholar]

94. Сюй И, Сюй З, Лю С, Цай Л, Чжэн Х, Хуан Ю, Чжоу Л, Хуан Л, Лин Ю, Дэн Л, Ли Дж, Чен С, Лю Д, Линь З, Чжоу Л, Он W, Zhong N, Liu X, Li Y. Клинические данные пациентов с COVID-19, поступивших в отделения интенсивной терапии в провинции Гуандун, Китай: многоцентровое ретроспективное обсервационное исследование, (на английском языке) Front Med. 2020;7:576457–576457. [PMC free article] [PubMed] [Google Scholar]

95. Xie Y, Bowe B, Maddukuri G, Al-Aly Z. Сравнительная оценка клинических проявлений и риска смерти у пациентов, госпитализированных с covid-19и сезонный грипп: когортное исследование. БМЖ. 2020;371:m4677. [Бесплатная статья PMC] [PubMed] [Google Scholar]

96. Spinner CD и др. Влияние ремдесивира по сравнению со стандартной терапией на клиническое состояние через 11 дней у пациентов с COVID-19 средней степени тяжести: рандомизированное клиническое исследование. ДЖАМА. 2020;324(11):1048–1057. [Бесплатная статья PMC] [PubMed] [Google Scholar]

97. Shen C, et al. Лечение 5 тяжелобольных пациентов с COVID-19 плазмой реконвалесцентов. ДЖАМА. 2020;323(16):1582–1589. [Бесплатная статья PMC] [PubMed] [Google Scholar]

98. Ганди Р.Т., Линч Дж.Б., Дель Рио К. Легкая или умеренная Covid-19. N Engl J Med. 2020;383(18):1757–1766. [PubMed] [Google Scholar]

99. Prescott HC, Girard TD. Восстановление после тяжелой формы COVID-19: использование уроков выживания после сепсиса. ДЖАМА. 2020;324(8):739–740. [PubMed] [Google Scholar]

100. Yi P, et al. Факторы риска и клинические признаки ухудшения состояния пациентов с COVID-19 в Чжэцзяне, Китай: одноцентровое ретроспективное исследование. BMC Infect Dis. 2020;20(1):943. [Бесплатная статья PMC] [PubMed] [Google Scholar]

101. Chen SL, Feng HY, Xu H, Huang SS, Sun J, Zhou L, Fang M (2020) Модели ухудшения состояния у пациентов с умеренным течением COVID- 19: многоцентровое ретроспективное когортное исследование. Front Med 7:839 [бесплатная статья PMC] [PubMed]

102. Flaherty GT, et al. COVID-19 у взрослых пациентов с ранее существовавшими хроническими сердечными, респираторными и метаболическими заболеваниями: критический обзор литературы с клиническими рекомендациями. Тропические болезни, Travel Med Vac. 2020;6(1):16. [Бесплатная статья PMC] [PubMed] [Google Scholar]

103. Borlongan MC, Borlongan MC, Sanberg PR (2020)Разочарованный комфорт с covid-19 и потенциал реконвалесцентной плазмы и клеточной терапии. Трансплантация клеток. 10.1177/0963689720940719 [бесплатная статья PMC] [PubMed]

104. Mahendiratta S, et al. Терапия стволовыми клетками при COVID-19: объединенные данные по SARS-CoV-2, SARS-CoV, MERS-CoV и ОРДС: систематический обзор. Биомед Фармаколог. 2021;137:111300. [Бесплатная статья PMC] [PubMed] [Google Scholar]

105. Van Oosterhout C, Hall N, Ly H, Tyler KM. COVID-19эволюция во время пандемии – влияние новых вариантов SARS-CoV-2 на борьбу с болезнями и политику общественного здравоохранения. Вирулентность. 2021;12(1):507–508. [Бесплатная статья PMC] [PubMed] [Google Scholar]

106. Basiri A, Pazhouhnia Z, Beheshtizadeh N, Hoseinpour M, Saghazadeh A, Rezaei N. Регенеративная медицина в лечении COVID-19: реальные возможности и спектр обещаний. Stem Cell Rev Rep. 2021;17(1):163–175. [Бесплатная статья PMC] [PubMed] [Google Scholar]

107. Peng H, et al. Синергическая роль реконвалесцентной плазмы и мезенхимальных стволовых клеток в лечении тяжелобольных COVID-19пациенты: клинический случай. Стволовые клетки Res Ther. 2020;11(1):291. [PMC бесплатная статья] [PubMed] [Google Scholar]

На основе нечеткой среды T-сферы: комбинация FWZIC и FDOSM для определения приоритетов получателей доз вакцины против COVID-19

1. Альбахри А., Хамид Р.А. Роль методов интеллектуального анализа биологических данных и машинного обучения в обнаружении и диагностике нового коронавируса (COVID-19): систематический обзор. J Med Syst. 2020;44(7):122. [Бесплатная статья PMC] [PubMed] [Google Scholar]

2. Альбахри О. Систематический обзор методов искусственного интеллекта при обнаружении и классификации медицинских изображений COVID-19 с точки зрения оценки и сравнительного анализа: анализ таксономии, проблемы, будущие решения и методологические аспекты. J заразить общественное здравоохранение. 2020;13(10):1381–1396. [Бесплатная статья PMC] [PubMed] [Google Scholar]

3. Альбахри А. Мультибиологическая лабораторная система обследования для определения приоритетности пациентов с COVID-19 на основе интегрированных методов AHP и группового метода VIKOR. Int J Inf Technol Decis Mak. 2020;19(05): 1247–1269. [Google Scholar]

4. Альбахри О. Помощь врачам в ускорении лечения COVID-19: к системе спасения для переливания наилучшей реконвалесцентной плазмы наиболее критическим пациентам на основе биологических потребностей с помощью МЛ и новых методов MCDM. Вычислительные методы Программы Биомед. 2020;196:105617. [Бесплатная статья PMC] [PubMed] [Google Scholar]

5. Аламуди А. Анализ настроений и его применение в борьбе с COVID-19 и инфекционными заболеваниями: систематический обзор. Приложение Expert Syst. 2020:114155. [Бесплатная статья PMC] [PubMed] [Google Scholar]

6. Альбахри А., Хамид Р.А. Приоритизация на основе обнаружения: структура многолабораторных характеристик для бессимптомных носителей COVID-19 на основе интегрированных методов энтропии-TOPSIS. Артиф Интелл Мед. 2020:101983. [Бесплатная статья PMC] [PubMed] [Google Scholar]

7. Мохсин А. Стеганография изображений на основе PSO-блокчейна: к новому методу безопасного обновления и обмена данными о COVID-19 в архитектуре разведки децентрализованных больниц. Приложение Multimed Tools. 2021;80(9):14137–14161. [Бесплатная статья PMC] [PubMed] [Google Scholar]

8. Мохаммед Т.Дж. Интеллектуальная система переливания реконвалесцентной плазмы для спасения пациентов с COVID-19 в централизованных/децентрализованных больницах телемедицины на основе TOPSIS группы AHP и соответствующего компонента. Приложение Интел. 2021: 1–32. [Google Scholar]

9. Альбахри А.С., Альбахри О.С., Зайдан А.А., Алнур А., Альсатта Х.А., Мохаммед Р. Интеграция нечетко-взвешенного нулевого несоответствия и нечеткого решения методами оценки мнений в среде ортопары q-звеньей: тематическое исследование распространения COVID-19доз вакцины. Интерфейсы компьютерного стенда. 2021:103572. doi: 10.1016/j.csi.2021.103572. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

10. Williamson E.J. Факторы, связанные со смертью от COVID-19 при использовании OpenSAFELY. Природа. 2020;584(7821):430–436. [Бесплатная статья PMC] [PubMed] [Google Scholar]

11. Хезам И.М., Найим М.К., Фул А., Альрашиди А.Ф. Вакцина против COVID-19: нейтрософический подход MCDM для определения приоритетных групп. Результаты Физ. 2021;20:103654. [Бесплатная статья PMC] [PubMed] [Google Scholar]

12. Дулинг К. 2020. Приоритизация вакцин против COVID-19: соображения рабочей группы. [Google Scholar]

13. Альбахри А.С. Новая динамическая нечеткая структура принятия решений для получателей доз вакцины против COVID-19. J Adv Res. 2021 г.: 10.1016/j.jare.2021.08.009. под давлением. [CrossRef] [Google Scholar]

14. Liburd L.C., Hall J.E., Mpofu J.J., Williams S.M., Bouye K., Penman-Aguilar A. Обеспечение справедливости в отношении здоровья в практике общественного здравоохранения: основы, перспективные стратегии и аспекты измерения. Анну Рев Общественное здравоохранение. 2020;41 [PubMed] [Академия Google]

15. Дель Кармен Мунгиа-Лопес А., Понсе-Ортега Х.М. Справедливое распределение потенциальных вакцин против COVID-19 с использованием стратегии, основанной на оптимизации. Process Integr Optim Sustain. 2021: 1–10. [Google Scholar]

16. В.Х. Организация . Всемирная организация здравоохранения; 2020. Система ценностей СКГЭ ВОЗ для распределения и приоритизации вакцинации против COVID-19, 14 сентября 2020 г. [Google Scholar]

17. Бубар К.М. 2021. Стратегии приоритизации вакцин против COVID-19 на основе моделей по возрасту и серологическому статусу. [Бесплатная статья PMC] [PubMed] [Google Scholar]

18. Zaidan A.A., Zaidan B.B., Al-Haiqi A., Kiah M.L.M., Hussain M., Abdulnabi M. Оценка и выбор пакетов программного обеспечения EMR с открытым исходным кодом на основе интегрированных AHP и TOPSIS. Дж. Биомед Информ. 2015;53(8):390–404. [PubMed] [Google Scholar]

19. Zaidan A., Zaidan B., Hussain M., Haiqi A., Kiah M.M., Abdulnabi M. Многокритериальный анализ для задачи выбора программного обеспечения OS-EMR: сравнительное исследование. Система поддержки Decis. 2015;78(4):15–27. [Google Scholar]

20. Абдуллатеев Б.Н., Элиас Н. Ф., Мохамед Х., Зайдан А., Зайдан Б. Проблемы оценки и выбора пакетов OSS-LMS. СпрингерПлюс. 2016;5(1):248–255. [Бесплатная статья PMC] [PubMed] [Google Scholar]

21. Яс К.М., Задайн А., Зайдан Б., Лакулу М., Рахматулла Б. На пути к разработке основы для оценки и сравнительного анализа детекторов кожи на основе моделей искусственного интеллекта с использованием многокритериальных методов принятия решений. Intern J Pattern Распознавание Artif Intel. 2017;31(03):1759002. [Google Scholar]

22. Зайдан Б., Зайдан А. Программно-аппаратные подходы к цифровым водяным знакам и стеганографии на основе FPGA: к новой методологии оценки и сравнительного анализа с использованием многокритериальных методов принятия решений. J Circuits Syst Comput. 2017;26(07):1750116. [Академия Google]

23. Зайдан Б.Б., Зайдан А.А., Карим Х.А., Ахмад Н.Н. Новый подход, основанный на многомерной оценке и сравнительном анализе методов сокрытия данных. Int J Inf Technol Decis Mak. 2017;0(0):1–42. [Google Scholar]

24. Кадер М., Зайдан Б., Зайдан А., Али С., Камалуддин М. Методология решения задачи отбора футболистов на основе многокритериального анализа. Измерение. 2017; 111:38–50. [Google Scholar]

25. Джумаа Ф., Зайдан А., Зайдан Б., Бахбиби Р., Кахтан М., Сали А. Техника выполнения ордеров по подобию идеального решения для решения сложных ситуаций в многокритериальной оптимизации каналы слежения телекоммуникационных приемников основной полосы частот GPS. Телекоммуникации Сист. 2018;68(3):425–443. [Академия Google]

26. Зайдан А., Зайдан Б., Салман О.Х., Калид Насер, Хашим М. Новая методология сортировки и определения приоритетов с использованием «больших данных» пациентов с хроническими заболеваниями сердца с помощью телемедицины. Int J Inf Technol Decis Mak. 2017;16(05):1211–1245. [Google Scholar]

27. Зайдан Б., Зайдан А. Сравнительное исследование подходов к сокрытию информации при оценке и сравнительном анализе, основанных на многомерном анализе с использованием метода TOPSIS с различными методами нормализации, разделения и контекста. Измерение. 2018; 117: 277–294. [Google Scholar]

28. Аламуди А. Систематический обзор оценки медицинских приложений: мотивация, проблемы, рекомендации и методологический аспект. Технологии здоровья. 2020: 1–17. [Google Scholar]

29. Зугул О., Зайдан А.А., Зайдан Б.Б., Альбахри О.С., Алазаб М., Амомени У. Новая тройная процедура ранжирования способностей студентов-программистов на основе двух уровней AHP и групповых методов TOPSIS. Int J Inf Technol Decis Mak. 2020 [Академия Google]

30. Албахри А., Хамид Р.А., Албахри О., Зайдан А. Приоритизация на основе обнаружения: структура многолабораторных характеристик бессимптомных носителей COVID-19 на основе интегрированных методов энтропии-TOPSIS. Артиф Интелл Мед. 2021;111:101983. [Бесплатная статья PMC] [PubMed] [Google Scholar]

31. Албахри А., Зайдан А., Альбахри О., Зайдан Б., Альсалем М. Отказоустойчивая система мобильного здравоохранения в режиме реального времени: всесторонний обзор услуг здравоохранения, раскрывает проблемы, проблемы и методологические аспекты. J Med Syst. 2018;42(8):1–56. [PubMed] [Академия Google]

32. Альбахри О. Систематический обзор системы удаленного мониторинга здоровья в режиме реального времени в сортировке и сенсорных технологиях на основе приоритетов: таксономия, открытые проблемы, мотивация и рекомендации. J Med Syst. 2018;42(5):1–27. [PubMed] [Google Scholar]

33. Альбахри А.С. Телемедицина на основе IoT для профилактики заболеваний и укрепления здоровья: современное состояние. Приложение J Netw Comput. 2021;173:102873. [Google Scholar]

34. Малик Р. Новая структура позиционирования придорожных объектов в контексте системы связи между транспортным средством и инфраструктурой на основе AHP — энтропия для взвешивания и Борда — ВИКОР для равномерного ранжирования. Int J Inf Technol Decis Mak. 2021: 1–34. [Академия Google]

35. Давуд К.А. Новая мультиперспективная система оценки юзабилити для выбора программного обеспечения с открытым исходным кодом на основе методов BWM и группового ВИКОР. Int J Inf Technol Decis Mak. 2020 [Google Scholar]

36. Хамид Р.А., Альбахри А., Альбахри О., Зайдан А. Теория Демпстера-Шейфера для классификации и гибридные модели многокритериального анализа решений для расстановки приоритетов: основа телемедицины для пациентов с сердечными заболеваниями. J Ambient Intel Humaniz Comput. 2021: 1–35. [Академия Google]

37. Аламуди А. Подход к программным вычислениям на основе машинного обучения для вменения больших отсутствующих масштабов и неэталонных данных. Фракталы солитонов хаоса. 2021;151:111236. [Google Scholar]

38. Абдулкарим К.Х. 2020. Новая многоцелевая система сравнительного анализа для выбора интеллектуальных алгоритмов устранения дымки на изображениях на основе методов BWM и группового ВИКОР; стр. 1–49. [Google Scholar]

39. Альбахри О. Новая структура выбора больницы мобильного здравоохранения, поддерживающая децентрализованную архитектуру телемедицины для интегрированных методов амбулаторного лечения сердечно-сосудистых заболеваний: Haversine-GPS и AHP-VIKOR. J Ambient Intel Humaniz Comput. 2021: 1–21. [Академия Google]

40. Албахри О., Зайдан А., Зайдан Б., Хашим М., Альбахри А., Алсалем М. Системы удаленного мониторинга здоровья в режиме реального времени в медицинском центре: обзор предоставления медицинских услуг на основе информация датчика тела, открытые проблемы и методологические аспекты. J Med Syst. 2018;42(9):1–47. [PubMed] [Google Scholar]

41. Альбахри О.С. Многомерный бенчмаркинг методов управления активными очередями для контроля перегрузки сети, основанный на расширении нечеткого решения методом оценки мнений. Int J Intel Syst. 2021;36(2):796–831. [Google Scholar]

42. Напи Н.М., Зайдан А.А., Зайдан Б.Б., Альбахри О.С., Альсалем М.А., Альбахри А.С. Сортировка неотложной медицинской помощи и определение приоритетов пациентов в среде телемедицины: систематический обзор. Health Technol (Берл) 2019;9(5):679–700. 01.11.2019. [Google Scholar]

43. Энайзан О. Системы электронных медицинских карт: система проверки поддержки принятия решений по личным проблемам, проблемам безопасности и конфиденциальности с использованием многопланового анализа. Технологии здоровья. 2020;10(3):795–822. [Google Scholar]

44. Zaidan A., Zaidan B., Alsalem M., Albahri O., Albahri A., Qahtan M. Многоагентная обучающая нейронная сеть и байесовская модель для детекторов кожи IoT в реальном времени: новый методология оценки и сравнительного анализа. Приложение для нейронных вычислений. 2020;32(12):8315–8366. [Google Scholar]

45. Zaidan A., Zaidan B., Alsalem M., Momani F., Zughoul O. Новая мультиперспективная структура найма для отбора кандидатов в программисты на основе AHP и групповых методов TOPSIS. Int J Inf Technol Decis Mak. 2020;18(4):1–73. [Академия Google]

46. Ибрагим Н. Многокритериальная оценка и сравнительный анализ мобильных приложений для молодых учащихся на английском языке с точки зрения навыков LSRW. IEEE-доступ. 2019;7:146620–146651. [Google Scholar]

47. Джумаа Ф., Задаин А., Зайдан Б., Хамза А., Бахбиби Р. Параметр проектирования, основанный на множестве измерений, для оптимизации каналов отслеживания GPS-приемника в статической и динамической реальности. многолучевое окружение с временным позиционированием. Измерение. 2018;118:83–95. [Академия Google]

48. Зугул О. Всестороннее понимание критериев успеваемости учащихся в различных областях образования. IEEE-доступ. 2018;6(4):73245–73264. [Google Scholar]

49. Салих М.М., Зайдан Б., Зайдан А., Ахмед М.А. Обзор современного состояния нечеткого TOPSIS в период с 2007 по 2017 год. Comput Oper Res. 2019;104:207–227. [Google Scholar]

50. Альбахри А. На основе нескольких разнородных носимых датчиков: интеллектуальный мониторинг здоровья в режиме реального времени, структурированный для дистрибьютора больниц. IEEE-доступ. 2019;7:37269–37323. [Google Scholar]

51. Альбахри О. Отказоустойчивая платформа мобильного здравоохранения в контексте носимых датчиков данных о состоянии здоровья в режиме реального времени на основе Интернета вещей. IEEE-доступ. 2019;7:50052–50080. [Google Scholar]

52. Алмахди Э., Зайдан А., Зайдан Б., Альсалем М., Албахри О., Альбахри А. Мобильные системы мониторинга пациентов с точки зрения сравнительного анализа: проблемы, открытые проблемы и рекомендуемые решения. J Med Syst. 2019;43(7):207. [PubMed] [Google Scholar]

53. Alsalem M. Многоклассовая система сравнительного анализа для автоматического обнаружения и классификации острых лейкозов на основе BWM и group-VIKOR. J Med Syst. 2019;43(7):212. [PubMed] [Google Scholar]

54. Альмахди Э., Зайдан А., Зайдан Б., Альсалем М., Альбахри О., Альбахри А.Дж. Мобильные системы мониторинга пациентов: структура приоритизации с использованием многокритериальных методов принятия решений. J Med Syst. 2019;43(7):219. [PubMed] [Google Scholar]

55. Тарик И. МОГСАБАТ: метаэвристический гибридный алгоритм для решения задач многокритериальной оптимизации. Приложение для нейронных вычислений. 2020;32:2018. [Google Scholar]

56. Зайдан А. Обзор приложений для диагностики рака кожи на смартфонах в оценке и сравнительном анализе: последовательная таксономия, открытые проблемы и пути решения рекомендаций. Технологии здоровья. 2018;8(4):223–238. [Академия Google]

57. Алсалем М. Систематический обзор автоматизированной многоклассовой системы обнаружения и классификации острого лейкоза с точки зрения оценки и сравнительного анализа, открытых проблем, проблем и методологических аспектов. J Med Syst. 2018;42(11):204. [PubMed] [Google Scholar]

58. Калид Н., Зайдан А., Зайдан Б., Салман О.Х., Хашим М., Музаммил Х.Дж. Системы удаленного мониторинга здоровья в режиме реального времени: обзор приоритизации пациентов и связанных с ними «больших данных». ” с использованием информационных и коммуникационных технологий датчиков тела. J Med Syst. 2018;42(2):30. [PubMed] [Академия Google]

59. Алмахди Э., Зайдан А., Зайдан Б., Альсалем М., Альбахри О., Альбахри А. Мобильные системы мониторинга пациентов: структура приоритезации с использованием методов принятия решений по многим критериям. J Med Syst. 2019;43(7):219. [PubMed] [Google Scholar]

60. Мохаммед К. Системы удаленного мониторинга состояния здоровья в режиме реального времени: обзор приоритетов пациентов с множественными хроническими заболеваниями, анализ таксономии, проблемы и процедура решения. J Med Syst. 2019;43(7):223. [PubMed] [Академия Google]

61. Хатари М., Зайдан А., Зайдан Б., Албахри О., Алсалем М. Многокритериальная оценка и бенчмаркинг для методов активного управления очередью: открытые проблемы, проблемы и рекомендуемые пути решения. Int J Inf Technol Decis Mak. 2019;18(04):1187–1242. [Google Scholar]

62. Алаа М. Структура оценки и ранжирования навыков английского языка учителей до начала работы на основе нечетких методов Delphi и TOPSIS. IEEE-доступ. 2019;7:126201–126223. [Google Scholar]

63. Талал М. Всесторонний обзор и анализ приложений для защиты от вредоносных программ для смартфонов. Телекоммуникации Сист. 2019;72(2):285–337. [Google Scholar]

64. Албахри А.С. Разработка платформы mHealth на основе IoT для различных случаев пациентов с сердечными заболеваниями. Технологии здоровья. 2021 24.07.2021. [Google Scholar]

65. Chen T., Wang Y.-C., Wu H.-C. об. 9. Многопрофильный институт цифровых публикаций; 2021. Анализ влияния наличия вакцины на выбор альтернативного поставщика в условиях пандемии COVID-19: подход cFGM-FTOPSIS-FWI. (Здравоохранение). 1, с. 71. [Бесплатная статья PMC] [PubMed] [Google Scholar]

66. Дизбай И.Э., Озтюркоглу О. Определение значимых факторов, влияющих на потребность в вакцинах, и факторных взаимосвязей с использованием нечеткого метода DEMATEL. Международная конференция по интеллектуальным и нечетким системам. 2020: 682–689. Спрингер. [Google Scholar]

67. Салих М.М., Альбахри О., Зайдан А., Зайдан Б., Джумаа Ф., Альбахри А. Бенчмаркинг методов AQM управления перегрузкой сети на основе расширения интервального трапециевидного нечеткого решения типа 2 с помощью метод оценки мнений. Телекоммуникации Сист. 2021: 1–30. [Академия Google]

68. Мунир М., Махмуд Т., Хуссейн А. Алгоритм для T-сферического нечеткого MADM на основе ассоциированных операторов геометрического агрегирования с непосредственной вероятностью. Артиф Интелл Ред. 2021:1–29. [Google Scholar]

69. Гулерия А., Баджай Р.К. Т-сферические нечеткие мягкие множества и их операторы агрегации с применением в принятии решений. Научный Иран. 2021;28(2):1014–1029. [Google Scholar]

70. Зенг С., Гарг Х., Мунир М., Махмуд Т., Хуссейн А. Многоатрибутный процесс принятия решений с немедленным вероятностным интерактивным усреднением операторов агрегирования Т-сферических нечетких множеств и его применение при выборе солнечных батарей. Энергии. 2019;12(23):4436. [Google Scholar]

71. Улла К., Махмуд Т., Гарг Х. Оценка производительности поисково-спасательных роботов с использованием Т-сферических нечетких операторов агрегации Хамахера. Int J Fuzzy Syst. 2020;22(2):570–582. [Google Scholar]

72. Улла К., Хассан Н., Махмуд Т., Ян Н., Хассан М. Оценка инвестиционной политики на основе многоатрибутного принятия решений с использованием интервальнозначных Т-сферических операторов нечеткой агрегации. Симметрия. 2019;11(3):357. [Академия Google]

73. Зенг С., Мунир М., Махмуд Т., Наим М. Некоторые Т-сферические нечеткие интерактивные операторы агрегации Эйнштейна и их применение для выбора фотогальванических элементов. Матем. пробл. инж. 2020;2020 [Google Scholar]

74. Гарг Х., Мунир М., Улла К., Махмуд Т., Ян Н. Алгоритм Т-сферического нечеткого многоатрибутного принятия решений на основе усовершенствованных интерактивных операторов агрегации. Симметрия. 2018;10(12):670. [Google Scholar]

75. Лю П., Чжу Б., Ван П. Многоатрибутный подход к принятию решений, основанный на сферических нечетких множествах, для задачи выбора проекта исследований и разработок в Юньнани Байяо. Int J Fuzzy Syst. 2019;21(7):2168–2191. [Google Scholar]

76. Quek S.G. Многоатрибутное принятие решений с множественным восприятием на основе обобщенных T-сферических операторов нечеткого взвешенного агрегирования на нейтрософских множествах. Математика. 2019;7(9):780. [Google Scholar]

77. Махмуд Т., Улла К., Хан К., Ян Н. Подход к решению проблем принятия решений и медицинской диагностики с использованием концепции сферических нечетких множеств. Приложение для нейронных вычислений. 2019;31(11):7041–7053. [Google Scholar]

78. Мунир М., Калсум Х., Улла К., Махмуд Т., Чу Ю.-М. Т-сферические нечеткие гибридные операторы агрегации Эйнштейна и их приложения в многоатрибутных задачах принятия решений. Симметрия. 2020;12(3):365. [Академия Google]

79. Улла К., Гарг Х., Махмуд Т., Ян Н., Али З. Коэффициенты корреляции для Т-сферических нечетких множеств и их применение в кластеризации и принятии решений по множеству атрибутов. Мягкий компьютер. 2020; 24(3):1647–1659. [Google Scholar]

80. Ву М.-К., Чен Т.-Ю., Фан Ж.-П. Мера расходимости Т-сферических нечетких множеств и ее приложения в распознавании образов. IEEE-доступ. 2019;8:10208–10221. [Google Scholar]

81. Джин Х., Джа Ризви С.К., Махмуд Т., Ян Н., Улла К., Салим С. Интеллектуальная и надежная структура для обнаружения аномалий, медицинской диагностики и поиска кратчайшего пути на основе интервала -значная T-сферическая нечеткая информация. Матем. пробл. инж. 2020;2020 [Google Академия]

82. Ju Y., Liang Y. , Luo C., Dong P., Gonzalez E.D.S., Wang A. T-сферический нечеткий метод TODIM для многокритериальной групповой задачи принятия решений с неполной информацией о весе. Мягкий компьютер. 2021;25(4):2981–3001. [Google Scholar]

83. Mahmood T., Warraich M.S., Ali Z., Pamucar D. Обобщенный метод MULTIMOORA и операторы взвешенной агрегации с приоритетом Dombi на основе T-сферических нечетких множеств и их приложения. Int J Intel Syst. 2021 [Google Scholar]

84. Озлю Ш., Карааслан Ф. Коэффициент корреляции T-сферических колеблющихся нечетких множеств типа 2 и их применение в кластерном анализе. J Ambient Intel Humaniz Comput. 2021: 1–29. [Google Scholar]

85. Мохаммед Р. Определение важности критериев оценки конкурентных алгоритмов многокритериальной оптимизации на основе нового нечетко-взвешенного метода нулевой несогласованности. Int J Inf Technol Decis Mak. 2021: 1–47. [Google Scholar]

86. Кришнан Э. Трапециевидно-нечеткие взвешенные интервалы типа 2 с нулевой несогласованностью в сочетании с ВИКОРом для оценки интеллектуальных приложений электронного туризма. Int J Intel Syst. 2021 [Google Scholar]

87. Аркуб О.А. Адаптация алгоритма воспроизводящего ядра для решения нечетких интегродифференциальных уравнений Фредгольма–Вольтерра. Приложение для нейронных вычислений. 2017;28(7):1591–1610. [Google Scholar]

88. Аркуб О.А., Аль-Смади М., Момани С., Хаят Т. Применение алгоритма воспроизводящего ядра для решения двухточечных нечетких краевых задач второго порядка. Мягкий компьютер. 2017;21(23):7191–7206. [Google Scholar]

89. Аркуб О.А., Мохаммед А.-С., Момани С., Хаят Т. Численные решения нечетких дифференциальных уравнений методом гильбертова пространства с воспроизводящим ядром. Мягкий компьютер. 2016;20(8):3283–3302. [Google Scholar]

90. Рани П., Мишра А.Р., Саха А., Памукар Д. Пифагорейский нечетко-взвешенный подход на основе дискриминации к оценке устойчивых биоэнергетических технологий для сельскохозяйственных отходов. Int J Intel Syst. 2021;36(6):2964–2990. [Google Scholar]

91. Махмуд Т., Ахммад Дж. , Али З., Памукар Д., Маринкович Д. Интервальные операторы нечеткого мягкого среднего агрегирования T-Spherical и их применение в принятии решений по нескольким критериям. Симметрия. 2021;13(5):829. [Google Scholar]

92. Ашраф С., Абдулла С. Моделирование экстренного принятия решений для COVID-19 на основе сферической нечеткой информации. Int J Intel Syst. 2020;35(11):1601–1645. [Google Scholar]

93. Шараф И.М., Халил Э.А.-Х.А. Сферический нечеткий подход TODIM для выбора поставщика экологичного оборудования для охраны труда и техники безопасности. Int J Manag Sci Eng Manag. 2020: 1–13. [Академия Google]

94. Зайдан А.А. 2021. Новое расширение пифагорейского метода нечеткой оценки мнений, основанное на мощном операторе среднего значения Бонферрони, для оценки и сравнительного анализа систем распознавания жестового языка. [Google Scholar]

95. Салих М.М., Зайдан Б., Зайдан А. Нечеткое решение методом оценки мнений. Приложение Soft Comput. 2020:106595. [Google Scholar]

96. Калид Н. На основе систем удаленного мониторинга здоровья в режиме реального времени: новый подход к приоритизации «крупномасштабных данных» пациентов с хроническими заболеваниями сердца с использованием телесных датчиков и коммуникационных технологий. J Med Syst. 2018;42(4):69. [PubMed] [Google Scholar]

97. Альбахри О.С., Зайдан А.А., Салих М.М., Зайдан Б.Б., Хатари М.А., Ахмед М.А. Многомерный бенчмаркинг методов активного управления очередью для контроля перегрузки сети на основе расширения нечеткого решения методом оценки мнений . Int J Intel Syst. 2021;36(2):796–831. [Google Scholar]

98. Абдулкарим К.Х., Арбай Н., Зайдан А.А., Зайдан Б.Б., Альбахри О.С., Альсалем М.А. Новая структура стандартизации и выбора для алгоритмов удаления тумана в реальном времени из многотуманных сцен на основе нечеткой Delphi и гибридной многокритериальные методы анализа решений. Приложение для нейронных вычислений. 2021;33:1029–1054. [Google Scholar]

99. Мохаммед К. Новый метод реорганизации порядка мнений на уровни интервалов для решения нескольких случаев, представляющих приоритеты у пациентов с множественными хроническими заболеваниями.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *