OBRABOTKAMETALLOV Vol. 27 No. 4 2025 191 EQUIPMENT. INSTRUMENTS 8. Demir A.G., Previtali B. Lasers in the manufacturing of cardiovascular metallic stents: Subtractive and additive processes with a digital tool // Procedia Computer Science. – 2023. – Vol. 217. – P. 604–613. – DOI: 10.1016/j.procs.2022.12.256. 9. Guerra A.J., San J., Ciurana J. Fabrication of PCL/ PLA composite tube for stent manufacturing // Procedia CIRP. – 2017. – Vol. 65. – P. 231–235. – DOI: 10.1016/j. procir.2017.03.339. 10. Chanmanwar R.M., Balasubramaniam R., Wankhade L.N. Application of manufacturing of microfl uidic devices: review // International Journal of Modern Engineering Research. – 2013. – Vol. 3 (2). – P. 849–856. 11. Çakır O. Etchants for chemical machining of aluminium and its alloys // Acta Physica Polonica A. – 2019. – Vol. 135 (4). – P. 586–587. – DOI: 10.12693/ APhysPolA.135.586. 12. Tehrani F.A., Imanian E. A new etchant for the chemical machining of St304 // Journal of Materials Processing Technology. – 2004. – Vol. 149 (1–3). – P. 404– 408. – DOI: 10.1016/j.jmatprotec.2004.02.055. 13. Allen D., Almond H. Characterisation of aqueous ferric chloride etchants used in industrial photochemical machining // Journal of Materials Processing Technology. – 2004. – Vol. 149 (1–3). – P. 224–238. – DOI: 10.1016/j.jmatprotec.2004.02.044. 14. Cakir O. Chemical etching of aluminum // Journal of Materials Processing Technology. – 2008. – Vol. 199 (1–3). – P. 337–340. – DOI: 10.1016/j.jmatprotec.2007.08.012. 15. Agrawal D., Kamble D. Optimization of photochemical machining process parameters for manufacturing microfl uidic channel // Materials and Manufacturing Processes. – 2019. – Vol. 34 (1). – P. 1–7. – DOI: 10.108 0/10426914.2018.1512115. 16. Wangikar S.S., Patowari P.K., Misra R.D. Eff ect of process parameters and optimization for photochemical machining of brass and German silver // Materials and Manufacturing Processes. – 2016. – Vol. 32 (15). – P. 1747–1755. – DOI: 10.1080/10426914.2016.1244848. 17. Multi-objective optimization of EN19 steel milling parameters using Taguchi, ANOVA, and TOPSIS approach / P.K. Jadhav, R.S.N. Sahai, S. Solanke, S.H. Gawande // Journal of Alloys and Metallurgical Systems. – 2024. – Vol. 7. – P. 100102. – DOI: 10.1016/j. jalmes.2024.100102. 18. Улучшение характеристик электроэрозионной обработки сплавов NiTi, NiCu и BeCu с использованием многокритериального подхода на основе функции полезности / В.С. Джатти, В. Сингараджан, А. Сайятибрагим, В.С. Джатти, М.Р. Кришнан, С.В. Джатти // Обработка металлов (технология, оборудование, инструменты). – 2025. – Т. 27, № 2. – С. 57–88. – DOI: 10.17212/1994-6309-2025-27.2-57-88. 19. Anita J., Das R., Pradhan M.K. Multi-objective optimization of electrical discharge machining processes using artifi cial neural network // Jordan Journal of Mechanical and Industrial Engineering. – 2016. – Vol. 10 (1). – P. 11–18. 20. Experimental study of NiTi alloy cardiovascular stent formed via SLM / H. Ji, W. Zhang, Z. Li, M. Chai, Y. Wang // Materials Today Communications. – 2024. – Vol. 41. – P. 110426. – DOI: 10.1016/j. mtcomm.2024.110426. Конфликт интересов Авторы заявляют об отсутствии конфликта интересов. © 2025 Авторы. Издательство Новосибирского государственного технического университета. Эта статья доступна по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная (https://creativecommons.org/licenses/by/4.0/)
RkJQdWJsaXNoZXIy MTk0ODM1