Muhammad al-xorazmiy nomidagi toshkent axborot texnologiyalari universiteti kompyuter Injiniring Fakulteti

jadval. Sanoatdagi umumiy MoCap ilovalari.

3.6. MoCap ma'lumotlarini qayta ishlash
Ko'rib chiqilgan ishlarning aksariyatida xom datchik yozuvlari ma'lumotlarni sinxronlashtirish, oldindan ishlov berish va tasniflashdan o'tdi. Ma'lumotlarni sinxronlashtirish vaqti-vaqti bilan oldindan ishlov berish bosqichining bir qismi sifatida xabar qilingan va ma'lumotlarni birlashtirish algoritmiga kiritilgan [24,34,36], ammo ko'rib chiqilgan tadqiqotlarda texnik tafsilotlar ko'pincha o'tkazib yuborilgan [27,28]; hali, sinxronizatsiya strategiyasi haqida xabar berilganda, asosiy boshqaruv bloki [36,50,51,54] yoki umumiy aloqa tarmog'i [15,31,67] ishlatilgan. Ma'lumotlar oqimining turli xil namuna olish tezligi chiziqli interpolyatsiya va o'zaro bog'liqlik [73] texnikasi yoki barcha sensorlarni ishga tushiradigan ma'lum hodisani kiritish orqali hal qilindi [29,47,49,55].
Oldindan ishlov berish bosqichida ma'lumotlar shovqinni yumshatish va ma'lumotlar oqimidagi manzillar siljishi, chet va etishmayotgan nuqtalarni (masalan, sinxronizatsiyani bartaraf etish uchun) yumshatish uchun filtrlandi, keyin birlashtirildi va qiziqishning raqamli qiymatlarini olish uchun qayta ishlandi. ; Ushbu sharhda ko'rib chiqilgan tadqiqotlarda bunga asosan past o'tkazuvchan filtrlar (masalan, n-tartibli Butterworth, toymasin oyna va median filtrlar) orqali erishildi [15,31,40,45,58,61,62,63,66,69 ,73,75,77], Kalman filtrlari [17,28,29,40,41,51,54,57,60,71,73] va EMG ma'lumotlari yig'ilganda tarmoqli o'tish filtrlari [29,49,50, 51,54]. Inertial ma'lumotlarning siljishi, odatiy inertial sensorlar muammosi, ba'zida nol tezlikni yangilash texnikasi kabi filtrlash usullarini qo'llash orqali dastlabki ishlov berish bosqichida hal qilindi [44,59,60].
Ma'lumotlar tasnifi chegaralarni o'rnatish yoki mashina o'rganish tasniflagichlari orqali olingan. Yuqori ergonomik xavfni aniqlash uchun magistralning 90° dan yuqori egilishi tanlangan [39] tomonidan yoki operatorning massa markazining joylashuvi va kaftdagi bosimning ortib borishi [31] tomonidan berilgan bo'sag'aga misol keltirildi. va-topshiriq. Bunday chegaralar kuzatuvlar yoki belgilangan modellar va standartlar (masalan, RULA: Rapid Upper Limb Assessment va REBA: Rapid Entire Body Assessment ballari) asosida olingan. Ko'rib chiqilgan ishlarning 18,6 foizida mashinani o'rganish texnikasi qo'llanilgan (7-jadval), to'g'ri bashorat qilingan natijalar sonini ko'paytirish bilan birga o'zining mustahkamligi va aniqligini oshirishga qodir bo'lgan nazoratsiz yoki yarim nazorat qilinadigan tizimni yaratishga qaratilgan. Eng ko'p ishlatiladigan algoritmlar sun'iy neyron tarmog'i (ANN), vektorni qo'llab-quvvatlash mashinasi (SVM) va tasodifiy o'rmon (RF) bo'lib, ANN va SVM asosan ikkilik yoki uch guruhli tasniflash uchun, tasodifiy o'rmon esa ko'p sinfli tasniflash uchun ishlatilgan. Ishlab chiqilgan mashinani o'rganish algoritmlarining aniqligi odatda 93% dan 99% gacha (7-jadval).

7. 
   jadval. Mashinani oʻrganishni tasniflash yondashuvlari.
   
8. 
   
   

3.7. O'quv dizaynlari va aniqligini baholash
Umuman olganda, ko'rib chiqilgan tadqiqotlar Tao va boshqalar bundan mustasno, yigirma nafardan kam ishtirokchidan iborat kichik namunalar bilan bog'liq. [56], Muller va boshqalar. [38] va Hallman va boshqalar. [74] mos ravishda 29, 42 va 625 ishtirokchini jalb qilgan. O'n sakkiz, 13 va 8 ta tadqiqot IMU sensorlarini mos ravishda yuqori, to'liq va pastki tanaga joylashtirdi, oltita muallif esa IMUni mashinalarga biriktirdi (8-jadval). Inertial birliklardan foydalangan 41 ta tadqiqotdan (barcha ishlarning 70%) mualliflarning aksariyati uchtadan kamroq sensordan foydalangan (25 ta tadqiqot, 8-jadval), yetti guruh esa 17 ta sensordan foydalangan. To'liq tana harakatlarini suratga olish uchun Xsens MVN kabi tizimlar bilan biomexanik modelni ishlab chiqdi. Oldindan ishlab chiqilgan modellarni qabul qilmagan barcha tadqiqotlar uchun sensorning joylashuvi 4-rasmda grafik tarzda tasvirlangan. Oltita tadqiqot EMG datchiklari [29,49,50,51,54,57], ikkitasi kuch plitalari [73] bilan harakatni kuzatish texnologiyalari bilan birga olib borildi. ,75], ikkita bosimli paspaslar bilan [61,62] va biri asbobli poyabzal bilan [73]. Ikkita ishda Oculus Rift virtual reallik garniturasidan sanoat korxonalarini masofadan turib baholash va robot elementlarini boshqarish uchun ham foydalanilgan [39,43]. Ishlab chiqilgan tizimlarning kuzatuv aniqligi oltita ishda [14,15,55,59,73,77] oltin standart MoCap tizimlari (masalan, Vicon yoki Optotrack; 8-jadval, qalin) bilan bevosita baholandi, bunda tasniflash yoki Jarayonning aniqligi ko'pincha video yoki telefon kameralarini vizual tekshirish bilan baholanadi [15,29,36,44,60,63,69]. Har bir ko‘rib chiqilayotgan tadqiqot uchun sanoat turi, dastur va MoCap tizimi o‘rtasidagi bog‘liqlikni ko‘rsatadigan batafsil diagramma 5-rasmda ham keltirilgan.

4. 
   rasm. Ko‘rib chiqilgan tadqiqotlarda IMUlarning joylashuvi. Oldindan ishlab chiqilgan modellar bundan mustasno.
   
5. 
   
   

5-rasm. Har bir koʻrib chiqilayotgan tadqiqot uchun sanoat turi, dastur va MoCap tizimi oʻrtasidagi munosabatlar. Har bir filialning yuqori qismidagi indekslar har bir blok bilan bog'liq bo'lgan tadqiqotlar sonini belgilaydi.
8-jadval. Tadqiqot loyihalari va topilmalarning qisqacha mazmuni.

4. Munozara
Sanoat 4.0 ilg'or sezgir echimlarni talab qiladigan yangi jarayonlarni joriy qildi. Sanoatda MoCap texnologiyalaridan foydalanish yillar davomida barqaror o'sib bormoqda, bu ilg'or pozitsiyani baholash, avtomatlashtirilgan qarorlar qabul qilish jarayonlarida yordam berish, infratuzilmani tekshirishni yaxshilash, teleoperatsiyani ta'minlash va inson ishchilarining xavfsizligini oshirish imkonini beradigan aqlli echimlarni ishlab chiqishga imkon beradi. . Sanoatda qo'llanilgan MoCap tizimlarining aksariyati IMU-ga asoslangan (tadqiqotlarning 70 foizida, 3-jadval), kameraga asoslangan sensorlar esa kamroq qo'llanilgan (40%), bu ularning ishlash va qayta ishlash tezligining oshishi bilan bog'liq. xarajat va boshqa funktsional cheklovlar, masalan, ishchilar va mexanizmlar tomonidan kamera to'siqlari eng qiyin muammolar sifatida bildirilgan [25,45,55]. Topilmalar shuni ko'rsatadiki, qabul qilinadigan optimal MoCap tizimini tanlash birinchi navbatda dastur turiga bog'liq (5-rasm); Masalan, monitoring va sifat nazorati asosan IMU sensorlari orqali amalga oshirildi, unumdorlikni esa kameraga asoslangan (markersiz) tizimlar orqali oshirish. Sanoat turi MoCap tizimini tanlashga ta'sir ko'rsatgan ikkinchi omil bo'ldi (5-rasm); masalan, qurilish maydonchalarida bo'lgani kabi, jismoniy makonni sozlash va konfiguratsiyasi vaqt o'tishi bilan o'zgarib turadigan yuqori dinamik muhitda taqiladigan inertial sensorlar eng yaxshi variant edi, chunki ular operatorning sog'lig'i va xavfsizligini ishonchli va doimiy baholashni ta'minlaydi. . Atrof-muhit cheklovlari ma'lum va doimiy bo'lgan sanoat robotlarini ishlab chiqarishda sog'liq va xavfsizlik masalalari birinchi navbatda kameraga asoslangan tizimlar tomonidan hal qilindi.
IMUlardan foydalanishning ko'payishi ma'lumotlarni qayta ishlash va inertial tizimlar bilan to'g'ridan-to'g'ri o'lchanmaydigan parametrlarni baholash uchun ilg'or algoritmik usullarni (masalan, Kalman filtrlari va mashinani o'rganish, 7-jadval) rivojlanishiga yordam berdi [17]. Optoelektronik texnologiyalar inson va robot hamkorligi vazifalarini [33] va robot traektoriyasini rejalashtirishni [32,46,52] yaxshi va yuqori kuzatuv aniqligi bilan bajardi, chunki bunday ilovalardagi qulay sharoitlar (masalan, cheklangan ish hajmi va ma'lum robot konfiguratsiyalari) ) bu kameralarga to'siqlardan qochish imkonini berdi. Umuman olganda, ko'rish va inertial sensorlarni o'z ichiga olgan gibrid tizimlar shovqinli va yuqori dinamik sanoat muhitida kuzatuv samaradorligini oshirganligi aniqlandi, bu esa kameraga asoslangan tizimlarga ta'sir ko'rsatishi mumkin bo'lgan inertial sensorlar va uzoq muddatli okklyuzionlarning drift muammolarini qoplaydi [15,40] ]. Masalan, Papaioannou va boshqalarda. [40], gibrid tizimdagi okklyuzion tufayli kelib chiqqan traektoriyani kuzatish xatosi kameraga asoslangan kuzatuv tizimining taxminan yarmini tashkil etdi.
Ishchilar salomatligi va xavfsizligi eng samarali tadqiqot sohasi ekanligi aniqlandi. Kiyiladigan sensorlar klinik sharoitlarda fiziologik parametrlarni (masalan, yurak urishi tezligi, qon bosimi, tana harorati, VO2) masofadan nazorat qilish uchun keng qo'llanilsa ham, faqat bitta tadqiqotda [26] bunday ko'rsatkichlarni o'lchash uchun bir nechta sensorlar ishlatilgan. sanoat stsenariylari. Bunga ishchilar organining me'yoriy funktsiyasidan ko'ra, ishdan bo'shatishga olib kelishi mumkin bo'lgan ish bilan bog'liq hodisalarning oldini olishdan manfaatdor bo'lgan sohalar bilan bog'liq bo'lishi mumkin. Kutilganidek, salomatlik va xavfsizlik boʻyicha tadqiqotlar eng keng tarqalgan tayanch-harakat tizimi kasalliklari (masalan, bel ogʻrigʻi) va jarohatlar (masalan, notoʻgʻri tana holati tufayli sayr qilish yoki jarohatlar), ishchilar ogʻir biomexanik yuklar yoki yuqori xavf bilan shugʻullanadigan sohalarga qaratilgan. baxtsiz hodisalar (masalan, qurilish, 5-jadval) tadqiqotga turtki bo‘lgan sohalar bo‘ldi. Charchoq va postural bezovtalik ham kiyinadigan inertial MoCap texnologiyalari [27,39,49,71,72] tomonidan muvaffaqiyatli aniqlandi. MoCap tizimlari EMG sensorlari bilan birlashtirilganda (8-jadval), umumiy jismoniy faoliyat davomida ishchilarning mushak-skeletlari topildi va postural bahosi yaxshilandi (5-jadval) [29,48,49,50,51,54,57]. Inertial sensorlar, shuningdek, qurilish sanoatidagi sayohatlar va qulashlar kabi xavfli hodisalarni aniqlash uchun yaxshi natijalarni ko'rsatdi [44,58,60,65,66,69,75], ammo ishlatilgan IMUlarning joylashuvi va raqamlari ta'sir qilishi haqida xabar berilgan. sub'ekt ichidagi faoliyatni aniqlash bo'yicha [26]. Misol uchun, ma'lum anatomik bo'limlarga (masalan, son va bo'yin) joylashtirilgan kamroq IMU butun tanada taqsimlangan ko'p sonli IMUga qaraganda o'xshash vazifalarni tasniflash samaradorligini ko'rsatdi [36]. Kim va boshqalarda. [36], sub'ektning son va boshidagi atigi ikkita IMUga asoslangan vazifa tasniflagichi butun tanaga joylashtirilgan 17 ta IMUga asoslangan klassifikatorning 0,7983 aniqligiga nisbatan 0,7617 aniqlikka erishdi. Faoliyatni aniqlash IMU tomonidan ham yaxshi bajarildi va faoliyat davomiyligini o'lchash bilan birgalikda ish joylarida ishchilarning mahsuldorligini baholash imkonini berdi [24]. Ushbu mavzu o'tgan yillardagi tadqiqotlarning 10% dan ortig'i uchun ham qiziqish markazida bo'lgan (6-jadval). Biroq, baholash identifikatsiya yoki cl ishtirok etgandavazifalarni birlashtirish [26], tez-tez IMU (kuch xujayralari, harorat sensorlari va boshqalar) bilan bir qatorda ikkilamchi sensorlar kerak edi.
Mashinani o'rganishga asoslangan klassifikatorlar kabi katta ma'lumotlar oqimini talab qiluvchi samarali ma'lumotlarni tasniflash algoritmlarini ishlab chiqishda ham yutuqlar haqida xabar berilgan (7-jadval). Bunday algoritmlardan foydalanish jami 59 ta asardan 11 tasida hujjatlashtirilgan va juda yuqori aniqlik bilan birga kelgan. Ko'rib chiqilgan algoritmlarning tasnifi natijalari ko'rib chiqilgan ishlar o'rtasida katta farq qildi va faoliyat va charchoqni aniqlashdan asbob holatini kuzatish va ob'ektni aniqlashgacha bo'lgan ilovalarni qamrab oldi (7-jadval). Biroq, odatda mutaxassislar tomonidan qo'lda yorliqlashni talab qiladigan katta o'quv ma'lumotlar to'plamiga bo'lgan ehtiyoj odatda jalb qilingan juda kichik namunaviy o'lchamlarga zid edi (8-jadval) va shu sababli mashinani o'rganishni isbotlashdan tashqari kengroq foydalanishga to'sqinlik qilishi mumkin edi. sanoatda qo'llaniladigan holatlarda tushuncha. Taqdim etilgan tasniflash algoritmlarining real vaqt rejimida ishlash qobiliyatiga oid umumiy ma'lumotlarning etishmasligi, shuningdek, real hayotda qo'llanilishi mumkin bo'lgan kamchilik sifatida aniqlandi, bu esa ushbu muammoni hal qilish uchun ko'proq ishlash kerakligini ko'rsatadi. Shunga qaramay, ko'rib chiqilgan ishlar odatda MoCap sensorlarining ish joyidagi faoliyatni aniqlash, asboblarni tekshirish va ergonomik baholash uchun echimlarni taqdim etish uchun mashinani o'rganish yechimlari bilan birgalikda ko'rsatib berdi. Ushbu topilmalar sanoat ilovalari uchun taqiladigan tizimlar bo'yicha tadqiqot faoliyati ishchi matolarga osongina o'rnatilishi mumkin bo'lgan yechimlarga qanday ketayotganini ta'kidladi. Shuning uchun kiyinish, yuvilishi, batareyaning ishlash muddati, ma'lumotlarni saqlash va chekka hisoblash kabi asosiy omillarni yaxshilash muhim bo'ladi. Uskuna dizaynidagi bunday yaxshilanish ma'lumotlar yig'ish hajmi va sifatiga bevosita ta'sir qiladi. Bu, shuningdek, dasturiy ta'minotni ishlab chiqishga foydali ta'sir ko'rsatadi, ayniqsa mashinani o'rganish ilovalari uchun, agar katta miqdordagi ma'lumotlar kerak bo'lsa. Shu munosabat bilan, bunday tizimlardan foydalanish qulayligini va ma'lumotlarni qayta ishlashni yaxshilashga yordam beradigan qayta ishlash algoritmlarini yanada rivojlantirish va tijorat maqsadlarida tarqatishga harakat qilish kerak.
Ishlab chiqilgan MoCap tizimining [14,55] aniqligi va kuzatuv ish faoliyatini bevosita baholashga odatda yuqori aniqlikdagi kameraga asoslangan tizim bilan taqqoslash orqali erishildi. Bu hozirgacha eng ishonchli jarayon, chunki u to'g'ri asosli haqiqat ma'lumotini kafolatlaydi. Biroq, algoritmik jarayonlarning ishlashi (masalan, tana holatini baholash yoki o'tkazib yuborilgan yiqilishni aniqlash) odatda videoyozuvlarning vizual kuzatuvlari [69] yoki ushbu sohadagi mutaxassislar tomonidan taqdim etilgan asosiy haqiqat [78] bilan tasdiqlangan va shuning uchun tegishli usulning to'g'riligini potentsial ravishda yo'naltiradi. Savdoda mavjud bo'lgan MoCap yechimlaridan foydalanishga kelsak, ularning cheklovlari, afzalliklari va sanoat ilovalariga qo'llanilishi (4-jadval) taqqoslandi, shu bilan birga tayyor MoCap tizimlarining aniqligi ham van der Kruk va Reijne tomonidan keng ko'rib chiqildi. [82].
Ko'rib chiqilgan barcha ishlar alohida-alohida o'rta va past xavf-xatarlarga moyil deb baholangan bo'lsa ham (2-jadval), tadqiqot darajasidagi asosiy cheklash ko'rib chiqilgan ishlarning yarmidan ko'pi (51%) moliyalashtirish va to'g'ri hisobot bermaganligi edi. ziddiyatli manbalar. Bu, ayniqsa, to'g'ridan-to'g'ri benefitsiar sanoat tomonidan olib boriladigan tadqiqotlarda yoki kelajakda tijoratda mavjud bo'lishi mumkin bo'lgan MoCap tizimlarini ko'rsatadigan ishlarda muhim tarafkashlik manbasining belgisi bo'lishi mumkin. Ushbu sharhning cheklanishi potentsial nashrning noto'g'riligi va tadqiqotlar bo'yicha tanlab hisobot berishdan kelib chiqadi, bu sohada to'liq dalillar to'planishiga ta'sir qilishi mumkin. Muvaffaqiyatsiz bo'lgan yoki ilmiy jurnallarda tarqatilmagan MoCap ilovalarini o'z muassasalariga kiritish bo'yicha sanoat organlarining urinishlari ushbu sharhda e'tibordan chetda qolishi mumkin. Nihoyat, ko'rib chiqish darajasidagi yana bir cheklash qisqa ko'rib chiqish muddati bilan bog'liq bo'lib, bu xulosalar hisobotini besh yil ichida qisqartirdi; biroq tanlangan ko‘rib chiqish davri xulosalar asoslanishi va tendentsiyalarni ko‘rsatish uchun yetarli miqdordagi yozuvlarni qaytardi (masalan, 3-rasm), shu bilan birga ko‘rib chiqilgan maqolalarning tadqiqotlar dizayni va asosiy topilmalar kabi ko‘plab jihatlari haqida hisobot berishni osonlashtirdi. (8-jadval).
5. Xulosalar
Ushbu tizimli tahlil sanoat 4.0 tizimi sanoat muhitini asosan ishchilarning salomatligi va xavfsizligini yaxshilash, mehnat unumdorligini oshirish va sanoat jarayonini yaxshilash uchun MoCap echimlarini asta-sekin kiritishga qanday olib kelganini ta'kidladi. Tadqiqotlar asosan qurilish, robot ishlab chiqarish va avtomobilsozlik sohalarida olib borildi. IMUlar hali ham bunday ilovalar uchun birinchi tanlov sifatida ko'riladi, chunki ular nisbatan sodda, iqtisodiy jihatdan samarali va sanoat ish jarayoniga minimal ta'sir ko'rsatadi.stsenariylar. Bundan tashqari, inertial sensorlar yillar davomida ishlash (masalan, kam quvvat iste'moli, modullik) va o'lcham talablarini, asosan, kiyinish mumkin bo'lgan tayyor tizimlar ko'rinishida tana faoliyatini monitoring qilish uchun qo'llashni oldi.
Kelgusi yillarda ilg'or sanoat dasturlarida qo'llaniladigan sensorlar va tizimlar o'rnatilgan funktsiyalar va o'rnatilgan algoritmlar, masalan, mashinani o'rganish va Kalman filtrlari bilan aqlli bo'ladi, ular IMU tomonidan olingan ma'lumotlar oqimini qayta ishlashga kiritiladi. , ularning funksionalligini oshirish va yuqori aniqlikdagi (va qimmat) kameraga asoslangan MoCap tizimlarining o'rnini bosuvchi vositani taqdim etish uchun. Bundan tashqari, ishchilar va ish joylariga kamroq xalaqit berish uchun tizimlar kichikroq va ko'chma bo'lishi kutilmoqda, shu bilan birga real vaqt rejimida (bio) fikr-mulohazalar sanoat xodimlari tomonidan bunday texnologiyalarni qabul qilish va qabul qilishga yordam berish uchun sog'liq va xavfsizlik dasturlariga hamroh bo'lishi kerak. . Kinect kabi markersiz MoCap tizimlari arzon va muayyan tasniflash va faoliyatni kuzatish vazifalari uchun etarli aniqlikni taklif qiladi; biroq, ulardan foydalanish qulayligi va ma'lumotlarni qayta ishlash vazifalarini bajarish qobiliyatini yaxshilaydigan ishlov berish algoritmlarini yanada rivojlantirish va tijorat maqsadlarida tarqatishga harakat qilish kerak. Optoelektronika so'nggi yillarda robototexnika sohasida, xususan, hamkorlik tizimlarini tadqiq qilish sohasida keng va doimiy ravishda qo'llanilgan va inson operatorlari xavfsizligini oshirishi ko'rsatilgan. Kelajakda optoelektron sensorlar narxining pasayishi va yanada ixcham va amalga oshirish uchun qulayroq gibrid va ma'lumotlarni birlashtirish yechimlari, shuningdek, yangi avlod taqiladigan linzasiz kameralar [83,84,85] kamroq to'siqlarga olib keladi. ish joylarida va boshqa sanoat tarmoqlarida kameraga asoslangan yondashuvlarning amaliyligini yaxshilash.
Muallif hissalari
Kontseptualizatsiya, M.M., D.-S.K., S.T., B.O. va M.V.; metodologiyasi, M.M. va D.-S.K.; rasmiy tahlil, M.M. va D.-S.K.; tergov, M.M. va D.-S.K.; ma'lumotlar kuratsiyasi, M.M. va D.-S.K.; yozish — asl qoralama tayyorlash, M.M. va D.-S.K.; yozish — koʻrib chiqish va tahrirlash, M.M., D.-S.K., S.T., B.O. va M.V.; vizualizatsiya, M.M. va D.-S.K.; nazorat, S.T., B.O. va M.V.; moliyalashtirishni sotib olish, S.T., B.O. va M.V. Barcha mualliflar qo'lyozmaning nashr etilgan versiyasini o'qib chiqdilar va rozi bo'ldilar.
Moliyalashtirish
Ushbu tadqiqot qisman Irlandiya Ilmiy Jamg'armasi tomonidan 16/RC/3918 (CONFIRM) raqamli Grant doirasida moliyalashtirildi, bu Yevropa mintaqaviy taraqqiyot jamg'armasi doirasida birgalikda moliyalashtiriladi. Ushbu nashrning jihatlari Irlandiya Ilmiy Jamg'armasining moliyaviy ko'magida 12/RC/2289-P2 (INSIGHT) va 13/RC/2077-CONNECT grantlari doirasida Yevropa mintaqaviy taraqqiyot jamg'armasi doirasida birgalikda moliyalashtiriladigan tadqiqotlardan kelib chiqqan.
Manfaatlar to'qnashuvi
Mualliflar ushbu maqolada keltirilgan ishlarga ta'sir ko'rsatishi mumkin bo'lgan raqobatbardosh moliyaviy manfaatlar yoki shaxsiy munosabatlarga ega emasligini e'lon qiladilar.
Ilova A
A1-jadval. Ma'lumotlar bazasini qidirish satrlari.