В данной статье представлены результаты исследований по формированию методики обоснования рационального состава комплекса средств технического диагностирования (ТД) критичных элементов оборудования стартовых комплексов. Основное внимание уделяется методам построения математической модели обоснования рационального варианта построения комплекса средств технического диагностирования наземного технологического оборудования (НТО) ракетно-космических комплексов (РКК) в условиях неопределенности с учетом особенностей формирования полного множества вариантов построения; уточнением основных типов частных показателей и их физической природы; выбором способа оценивания значений коэффициентов важности частных показателей; анализом возможных способов формирования оценок частных показателей. Показано, что при построении математической модели многокритериальной целочисленной оптимизации с использовани-ем нечетких исходных данных о характеристиках объектов, средств и условий диагностирования существенным преимуществом по сравнению с известными обладают модели, разработанные с использованием метода ранжирования по максимальному удалению (РМУ) и его модификаций.

This article presents the results of studies on the development of rational methods of study of the complex of technical diagnostics (TD) of critical pieces of equipment starting complexes. The main attention is paid to manie, methods of constructing a mathematical model of the rational justification of variants of a complex of technical diagnostics of ground technological equipment (STE), rocket and space complex (RSC) in the face of uncertainty, taking into account peculiarities of the formation of a complete set of design options, clarifying the main types of private performance and their physical nature, the choice of method of estimating the values of the coefficients of the importance of particular indicators, analysis of possible ways to form estimates of particular indicators. It is shown that when constructing a mathematical model of multiobjective integer optimization with fuzzy input data on the characteristics of the objects, means and conditions of diagnosing a significant advantage in comparison with known models have developed a method of ranking the maximum removal (FIA) and its modifications.