Scaldis

О компании

Коротко о компании

ООО «НПП «СКАЛДИС» было создано в апреле 2010 года двумя научными сотрудниками Казанского Государственного Университета: Нигматуллиным Равилем Рашидовичем и Осокиным Сергеем Игоревичем. Сейчас мы – сплоченная компания, состоящая из профессиональных ученых, программистов и инженеров, которая оказывает самые разнообразные услуги, как в сфере научно-исследовательских разработок, так и создания программного обеспечения всех уровней сложности. К сферам нашей деятельности относится проведение исследований в области диэлектрической и флуктуационно шумовой спектроскопии, исследований в области электронного парамагнитного резонанса и ядерного магнитного резонанса, разработка систем контроля качества и управления технологическими процессами, а также прочего программного обеспечения, разработка решений в области нефтехимии.

 

Наши цели – создание уникальных и инновационных решений в области контроля процессов и состояния сложных систем, а так же разработка и внедрение уникальных решений в области нефтехимии.

 

Достижения

Безусловными достижениями нашего коллектива можно считать открытие новых формул и создание таких востребованных химических соединений как: Серобетон, Серобитум, Сополимерная сера, Клей-расплав. Реализация в масштабах Российской Федерации нашего проекта "Депарафинизация нефти" и указанных выше разработок позволит перейти на более высокий уровень производства продукции на их основе с точки зрения параметра "качество/цена" и реализовать программу В.В. Путина по внедрению инновационных технологий в экономику России.

 

Научная база

Нашими учеными под руководством Равиля Рашидовича Нигматуллина разработаны и получили апробацию три новых оригинальных метода анализа шумов и сигналов, которые позволяют отразить произвольную случайную последовательность в некотором конечном базисе сравнительно малого числа параметров без привлечения каких-либо модельных (обычно гауссовых) представлений о природе шума.

 

1. Первый метод основан на процедуре оптимального линейного сглаживания (ПОЛС), с помощью которой можно оптимальным образом сгладить различные данные, основываясь на критерии минимума относительной ошибки. Этот подход был проверен на большом числе оригинальных данных, заимствованных из сейсмологии, метеорологии, финансов и ИК спектроскопии.

 

2. Второй метод основан на распознавании функции распределения детрендированных шумов сильно-коррелированных систем. Удалось строго показать, что для сильно-коррелированных систем также существует своя функция распределения, которая приближенно совпадает с известной функциейb-распределения. Это означает, что все шумы сильно-коррелированных систем могут быть сравнены между собой по параметрам этого распределения.

 

3. Третий метод позволяет разложить широкий класс сильно-коррелированных случайных функций в отрезок ряда Прони и представить их в форме амплитудно-частотных характеристик (АЧХ). Этот метод позволяет сравнивать между собой шумы различной природы по вычисленным АЧХ и закладывает основы неинвазивной шумовой метрологии.

 

Предлагаемые оригинальные методы, объединенные под аббревиатурой НИМРАД (НеИнвазивные Методы Редуцированного Анализа Данных), могут получить самое широкое применение при детектировании сверхмалых сигналов, случайных выбросов, в частности, для контроля за уровнем работы сложных квантовых систем (нанотехнологии различного уровня), для контроля качества выпускаемой продукции и мониторинга статистически сложно-организованных систем (электродвигатели, двигатели автомобилей, самолётов, электронные модули датчиков и сенсоров, живые организмы), в криминалистике для обнаружения взрывчатых веществ, наркотиков и т.д.

 

В настоящее время для анализа шумов и сигналов различного типа используются два основных метода:Фурье-анализ и Вейвлет-анализ, которые обладают целым рядом недостатков.

 

В случае Фурье-анализа одной из самых очевидных проблем является изначальное предположение о гауссовой природе шума. Дело в том, что в общем случае данное предположение неверно, а следовательно неверны и дальнейшие теоретические выкладки. Следующим недостатком является инвазивность этого метода. То есть, если исследователь применит обратные преобразования к полученному с помощью преобразований Фурье результату, он получит данные отличные от исходных.

 

Вейвлет-анализ, частично решающий вышеуказанные проблемы, обладает собственным значительным недостатком. Выбор вейвлета (функции, с помощью которой производится подбор базиса для дальнейшего разложения последовательности) производится экспертом. Таким образом, при использовании данного метода, теряется возможность автоматизации процесса анализа шумов и сигналов.

 

Разработанные нашей командой методы НИМРАД избавлены от модельного преставления о природе шума, а используемый математический аппарат не вносит ошибок в ходе преобразований. На сегодняшний день наши методы прошли аппробацию на целом ряде физических, биологических и химических процессов. Сейчас в разработке находится целый ряд программных продуктов, реализующих созданные методы для целого ряда приборов.