автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Разработка принципов повышения информативности исследования сложных объектов и систем нефтегазовой отрасли

На правах рукописи

Командровский Виктор Георгиевич

Разработка принципов повышения информативности исследования сложных объектов и систем нефтегазовой отрасли

Специальность 05.13.01 - "Системный анализ, управление и обработка информации"

АВТОРЕФЕРАТ

диссертации на соискание ученой степени доктора технических наук

Москва-2005

Работа выполнена в Российском государственном университете нефти и газа имени И.М. Губкина.

Официальные оппоненты - доктор технических наук, профессор

Гливенко Елена Валерьевна,

- доктор технических наук, профессор Древc Юрий Георгиевич,

- доктор технических наук, профессор Острейковский Владислав Алексеевич.

Ведущая организация - Научно-исследовательский институт вычислительных комплексов имени МА. Карцева

Защита состоится "29" марта 2005 г. в 15 часов в аудитории 202 на заседании диссертационного совета Д212.200.09 при Российском государственном университете нефти и газа имени И.М. Губкина по адресу: 119991, г. Москва, Ленинский проспект, 65.

С диссертацией можно ознакомиться в библиотеке Российского государственного университета нефти и газа имени И.М. Губкина.

Автореферат разослан "25 "<реёраля 2005 г.

Ученый секретарь диссертационного совета, доктор технических наук, профессор

И. В.Ретинская

1. Общая характеристика работы

Актуальность темы. Объекты нефтегазовой отрасли - насосные, компрессорные, дожимные, перекачивающие станции, системы газо- и нефтепроводов, бурильные колонны, системы управления объектами, информационно-измерительные системы, станции геолого-технологических исследований, компьютеризированные станции контроля процесса бурения представляют собой сложные системы. Сложнейшими областями являются и технологии нефтегазовой отрасли, техническая диагностика механизмов и машин, геофизические измерения в скважинах и многое другое. Сложность управления здесь определена наличием огромного числа факторов управления, взаимно связанных и обусловленных; во многом недоступностью процессов непосредственному наблюдению и контролю; множеством показателей информационного обеспечения объекта управления; сложностью обеспечения качества информации; большой ценой риска аварийности работ; огромными затратами; трудностями комплексирования первичных данных и другими причинами. Специфичность сложных объектов и систем нефтегазовой отрасли во многом проявляется в неповторимости измерений.

Рост сложности таких систем в последние десятилетия проявляется в усилении информатизации их исследования, разработки и применения.

Научной базой успехов информатизации во многом являются методологии кибернетики и системного подхода, а техническим "фоном" - вычислительная техника и средства связи. История методологии системного подхода восходит к исследованиям по сложным системам.

Аксиоматика теории сложных систем основана на ряде качественных понятий, что создает проблемы в исследовании, в сложности получения (целевого) результата.

Представляется, что ученые и практики интуитивно в системном подходе делают акцент на информационную сущность рассматриваемых объектов и явлений, что проявляется в структурировании исходного объекта с целью аде-

кватности средств исследования, обработки и управления информационной значимости объекта и его связей.

Акценты системного подхода на изучение системы, перечень изменений ее при изменении окружающей среды, определение структуры (элементов) предмета или системы являются самим собой разумеющимся для главного: изучения внутренних отношений структурированных элементов, их свойств и признаков, а также связи с внешним миром. Необходим переход к сущности закономерных отношений информации внутри объектов, между ними и вне их. С позиций представления и обработки информации в сложных системах необходимо также расширить "зону" понимания первичных данных о процессах с помощью качественных методов. Методология последних сейчас частично формируется в рамках концепции Data Mining - извлечения знаний.

Присущие отмеченным моментам проблемы связаны с недостаточной проработкой принципов автоматизации исследования сложных систем на основе акцентирования информационной сущности объектов и явлений. Исключение пробелов в исследовании сложных систем актуально из-за сложности процессов и управления ими, востребования в нематематических методах извлечения знаний из первичных данных, из-за информационного характера цели функционирования системы.

Информатизация связана с вычислительной техникой, представленной широко в нефтегазовой отрасли в информационно-измерительных системах, станциях геолого-технологических исследований и в других средствах управления технологическими процессами. Эта техника и ее объекты являются сложными системами, интерес к которым объясним в научном и прикладном плане.

Все изложенное требует выявления принципов повышения информативности исследования сложных систем, обоснования этих принципов, их теоретической и практической проработки. Это и предопределяет актуальность темы данной работы.

Цель работы состоит в разработке методологии информационного подхода для системного анализа сложных нефтегазовых объектов и систем, выработке рекомендаций по реализации методологии при автоматизации исследования и проектирования систем вибрационной диагностики, геофизических измерений в скважинах, диагностики состояния газопровода, оперативного управления процессом бурения скважин, инфракрасной спектрофотометрии состава горных пород при бурении, вычислительных систем.

Задачи: сформулировать принципы автоматизации исследования сложных систем на основе акцентирования информационной сущности объектов и процессов; обосновать приложение предлагаемой методологии к сложным нефтегазовым объектам и системам, а также к структурно-функциональному синтезу вычислительных систем, адекватно отражающих свойства исходных задач.

Методы исследования. Основные методы включали системный анализ состояния теории сложных систем, вероятностные методы, в частности факторный анализ, методы дискретной математики, распознавания образов, искусственного интеллекта, методы моделирования, теории расписаний. Отмеченные методы способствовали усилению автоматизации поиска информационной сущности исследуемых объектов. Научная новизна.

1. Разработаны основы повышения информативности анализа и синтеза процессов упорядочения объектов, элементов сложных систем, их внутренних свойств и внешних отношений согласно предлагаемым принципам:

• усиления объективной информационности факторного анализа;

• учета условий классификации в постановке решаемой задачи при выборе средней величины;

• усиления роли аналитических оценок в условиях NP-ПОЛНОТЫ задач календарного планирования, выбора и расчета приоритетов работ;

• усиления интерактивности в поддержке принятия решения;

• значимости некоррелированности выборок;

• адекватности структуры вычислительных систем входным задачам.

2. Показана специфичность как сложных систем таких объектов нефтегазовой отрасли, как систем вибрационной диагностики, геофизических измерений в скважинах для контроля процессов вытеснения при эксплуатации подземного хранилища газа (далее ГИС-контроль ПХГ); выбора комплекса ГИС, диагностики гидратосостояния газопровода, оперативного управления процессом бурения нефтяных и газовых скважин; системы фильтровой инфракрасной спектрофотометрии лабораторного анализа минерального состава горных пород по керну или шламу при оперативном бурении скважин (далее ИК-спектрометрии);

3. Разработаны основы информатизации синтеза вычислительной системы как системы функциональных элементов, адекватно отражающей свойства исходных задач;

4. Разработаны методики и алгоритмы, отражающие предложенные принципы, для интерактивной оценки поддержки принятия решения в задачах нефтегазовой отрасли, для синтеза вычислительных систем, их имитационного моделирования;

5. Доказано, что в случае близости средних в эталонах двух классов отношение первых главных компонент корреляционных матриц связей (сходства) параметров объектов двух классов пропорционально отношению средних эталонов этих классов;

6. Оценено соотношение между средним арифметическим, геометрическим, квадратическим и гармоническим по их влиянию на выбор эталона класса, его равной удаленности от множества эталонов.

Положения, выносимые на защиту.

1. Принципы повышения информативности в исследовании объектов нефтегазовой отрасли как сложных систем:

• уточнение понятийного аппарата сложных систем - элемент, сложность, система;

• упорядочения внутренних свойств и внешних отношений объектов и множества элементов сложных систем на базе распознавания образов;

• доказательство и учет пропорциональности отношения средних двух классов и первых главных компонент их корреляционных матриц связей;

• соотношение дискретного и непрерывного при некоррелированности выборок;

• расширение спектра аналитических оценок числа обслуживающих устройств и времени выполнения множества работ в задачах теории расписаний;

• усиление адаптивности системы при автоматизации поддержки принятия решений;

2. Применение предлагаемой методологии исследования сложных систем к объектам нефтегазовой отрасли при акустической диагностике механизмов и машин, геофизических измерениях в скважинах, при оперативном управлении процессом бурения;

3. Информатизация структурно-функционального синтеза вычислительных систем, адекватно отражающих структуру и содержание решаемых задач;

4. Соотношение между средними арифметическими, геометрическими, квадратическими и гармоническими величинами на основе учета условий классификации в постановке задачи;

5. Методики и алгоритмы исследования сложных систем некоррелированными выборками, информатизации структурно-функционального синтеза вычислительных систем.

Практическая ценность.

Материалы диссертации использовались при проведении плановых хоздоговорных научно-исследовательских работ на кафедрах Прикладной механики, Прикладной математики и вычислительной техники, Автоматизированных систем управления РГУ нефти и газа имени И.М.Губкина, выполняемым по комплексным программам Министерства образования РФ и ряда министерств нефтегазовой отрасли.

Результаты диссертационной работы отражены в монографии и научных статьях, в учебно-методических пособиях, конспектах лекций, указаниях; использованы в учебном процессе при постановке и чтении лекций, проведении семинаров по курсам "Математические основы кибернетики", "Теория вычислительных систем", "Системы и сети телеобработки данных", "Информационно-вычислительные сети интегрального обслуживания", "Информационная технология", "Технология распознавания нечетких объектов в интеллектуальных автоматизированных системах", "Теория информации", в дипломном проектировании для специальностей 0642, 0647, 2202 и др.

Кроме того, материалы диссертации применялись на факультете повышения квалификации и в Учебном научно-исследовательском центре при РГУ нефти и газа имени И.М Губкина для руководящих работников и специалистов нефтегазовой отрасли СССР и Российской Федерации.

По отдельным разработкам диссертации получено 11 авторских свидетельств на изобретения, способы и технические решения в которых обладают новизной, практической и промышленной полезностью.

Апробация работы. Основные теоретические и практические материалы диссертации докладывались и обсуждались на:

• семинарах кафедр Прикладной математики и вычислительной техники и Автоматизированных систем управления Российского государственного университета нефти и газа имени И.М. Губкина в период 197СН-2003 гг;

• Всесоюзной конференции в 1971 г. "Исследование износа с целью выявления путей повышения срока службы и качества выпускаемых машин" (Акустический институт АН СССР, Москва);

• Всесоюзной научной конференции в 1979 г. "Методологические проблемы математического и информационного обеспечения АСУ" (Московский экономико-статистический институт);

• 2-й научно-технической конференции 14-22 января 1997 г. "Актуальные проблемы состояния и развития нефтегазового комплекса России" (Государственная академия нефти и газа имени И.М. Губкина, Москва);

• 3-й научно-технической конференции 27-29 января 1999 г. "Актуальные проблемы состояния и развития нефтегазового комплекса России" (Российский государственный университет нефти и газа имени И.М. Губкина, Москва);

• 4-й научно-технической конференции 25-26 января 2001 г. "Актуальные проблемы состояния и развития нефтегазового комплекса России" (Российский государственный университет нефти и газа имени И.М. Губкина, Москва).

Публикации. Основное содержание диссертации отражено в монографии, 37 статьях, 5 учебных пособиях, получено 11 авторских свидетельств на изобретения.

Структура и объем диссертации. Диссертация содержит введение, шесть глав и заключение, изложенные на 253 страницах машинописного текста, 27 рисунков, 30 таблиц, 9 приложений на 23 страницах. Список литературы включает 160 наименований.

2. Содержание работы Во введении обосновывается актуальность темы диссертационной работы, формулируется цель, задачи и методы исследования. Приводится структура работы, обозначающая 1) сложные объекты и системы нефтегазовой отрасли; задачи (назначение) систем; 2) проблемы, возникающие при решении задач систем; задачи решения проблем; 3) принципы повышения информативности в задачах решения проблем объектов и систем отрасли.

В первой главе обоснован выбор объектов нефтегазовой отрасли как сложных систем. К ним относятся:

1) системы вибрационной диагностики, включающие как объекты-элементы механизмы и машины, бурильную колонну, долото, породу, стенки

скважины, двигатель, что в совокупности как единое целое создает виброакустические колебания. Сложность технической диагностики определена тем, что спектр акустических сигналов работающего механизма или машины содержит смешение частотных составляющих разных кинематических пар; вибрации верха бурильной колонны отражают свойства пород текущего положения долота по глубине скважины и пород, до которых долото еще не дошло;

2) система ГИС-контроля ПХГ; сложность оценки запаса газа в ПХГ определяется поиском компромисса между количеством скважин, их географией и адекватностью запаса газа;

3) комплекс методов ГИС, дающих каротажные кривые по глубине скважины; сложен выбор методов измерений, информационно значимых в выделении границ пластов по скважине и приемлемых по стоимости;

4) система ИК-спектрометрии при оперативном бурении скважин; сложность анализа связана с наложением друг на друга характеристических полос поглощения основных породообразующих минералов осадочного комплекса;

5) система оперативного управления бурением, включающая как объект управления целый ряд подсистем-подпроцессов по объектам управления: разрушение горной породы на забое, отработка породоразрушающего инструмента и др. Целевая функция системы носит сложный векторный характер, показатели ее противоречивы. Различны роль и значения показателей процесса бурения в разных подсистемах. Отсюда следуют задачи оценки информационной значимости каждого показателя, их классификации, возможности учета ситуаций, их изменения и др. Кроме того, по каждой из подсистем необходим учет степени группового участия экспертов и удельного веса каждого показателя по каждой подсистеме;

6) система статистического учета параметров транспорта газа, задача которой - установление режима транспорта газа на основе вероятностного подхода к диагностике режима, состояния газопровода по параметрам транспорта с целью, например, диагностики его гидратосостояния;

7) система обработки геолого-технологической информации процесса бурения. Объекты системы и сложность обработки, интерпретации и исследования в целом аналогичны системам 2 и 3;

8) во многом определяемые как вычислительные системы: информационно-измерительные системы, станции геолого-технологических исследований, компьютеризированные станции контроля процесса бурения, системы автоматического управления и контроля на объектах нефтегазовой промышленности и другие системы и средства. Сложность таких систем определена проблемой адекватности их архитектур и содержания задач.

Спектр выбранных объектов определен адекватностью возникающих здесь задач предложенным методологическим принципам информационного подхода.

В главе рассмотрены проблемы методологии сложных систем:

1) качественности понятий и определений;

2) человеко-машинных процедур принятия решений;

3) выбора оценок показателей системы;

4) соотношения непрерывного и дискретного;

5) неадекватности отражения в ЭВМ и ВС (далее ВС) решаемых задач;

6) ограниченности основ теории ЭВМ и ВС.

Первая проблема вытекает из общепринятой аксиоматики исходных понятий и определений сложной системы. Так, качественный характер носят понятие элемента системы, расчленение ее на элементы, само понятие сложной системы, что определяет незаконченность теории, разнообразие подходов к постановке и решению ее задач. Относительно и понятие "сложность". Формализация его относится к области теории сложности, где наиболее разработаны оценки сложности функций как вычислимых и сложности вычислений по алгоритмам.

Сложности объектов нефтегазовой отрасли отражают сложности идентификации ситуаций, состояний, явлений, процессов и других моментов, связан-

ных с работой системы распознавания. Поэтому понятие сложности во многом относится к сложности этой системы, элементами которой будут такие специфические понятия как признаки, образы, классы, алфавиты или наборы этих понятий, меры сходства-различия, алгоритмы и качество распознавания. Эти понятия аксиоматически неопределенны. Поэтому элемент должен определяться через меру, которая задает показатель качества системы через отношения элементов (понятий, переменных функционально и операционно) в пространстве и во времени. А это уже означает информационный подход к понятию элемента через анализ и синтез системы.

С изложенных позиций в объектах нефтегазовой области как сложных системах элементами являются параметр, признак или набор признаков, эталон класса, функциональная зависимость параметров, признаков, позволяющих должным образом идентифицировать состояние, т.е. отнесение системы к классу, ситуации, процессу; в частности в системе вибродиагностики объектом-элементом является квадрат амплитуды шума подшипника на определенной частоте или амплитуда вибрации в определенный момент времени верха бурильной колонны, отражающей вибрации бурового оборудования и массива горных пород во время работы долота на забое скважины; элементом может быть и определенная зависимость отмеченных параметров, например, собственный вектор матрицы связей параметров, или величина аттрактора от его интегральной корреляционной функции; в системе ГИС-контроля ПХГ элемент в выборе скважин - это скважина-эталон, как представитель класса и целого множества скважин. Множество переменно по мощности и по количеству классов в множестве скважин ПХГ с точки зрения показателя качества - оценки запаса газа; в комплексе методов ГИС элементы - это методы ГИС, или метод ГИС как эталон класса, или сегменты каротажных кривых с их границами и соответствующими показателями; в системе ИК-спектрометрии элемент -это минеральный состав горных пород керна или шлама, количественное соотношение их минералов; в системе оперативного управления бурением эле-

мент - это контролируемый параметр процесса бурения, фактор управления, информационная компонента, ее место в классе, эталон класса, ее значимость; в системе статистического учета параметров транспорта газа элементы - законы распределения плотности вероятности случайных отклонений параметров режима транспорта газа, в частности, его давлений и расходов на входе и выходе газопровода.

Целью предлагаемой информатизации структурно-функционального подхода и является, по-существу, обоснование возможности построения систем, структура и функционирование которых адекватно отражают структуру и содержание решаемых на них задач. Проблема такого отражения проистекает из алгоритмической неразрешимости понятия части целого в данной области исследований.

Вторая проблема - человеко-машинных процедур принятия решения, что определяет необходимость внесения в системный подход к проектированию сложных систем принципов кибернетики.

Третья проблема - это проблема выбора оценок показателей (сложной) системы: критериев, признаков и других характеристик, например, оценок эффективности, качества функционирования ВС, многопрограммной работы, режима разделения времени и т.д.

В главе постулируется один из принципов информационного подхода к выбору средних оценок по сложным системам на основе учета требований классификации, отнесения объекта, процесса, явления к соответствующей ситуации.

Четвертая проблема - это проблема соотношения дискретного и непрерывного, вытекающая из случайностного характера функционирования сложных систем. Рассмотрены вопросы дискретизации процесса некоррелированными выборками.

Остальные две проблемы - это проблемы ограниченности теории ВС, основу которой определяет фон-неймановская архитектура ЭВМ.

В главе приведены оценки сложности вычислений по оборудованию и времени. Для оценки на более абстрактном языковом уровне рассмотрены сигнализирующие вычислений как оценки сложности вывода в грамматиках.

Заключают первую главу проблемы теории и практики ВС и изложение информатизации структурно-функционального подхода (СФП) к их исследованию и проектированию как сложных систем, что выдвигает необходимость поиска путей их переорганизации к учету особенностей задач.

Во второй главе рассмотрены принципы повышения информативности исследования сложных систем.

Так, принцип усиления информативности факторного анализа показан на влиянии среднего вектора на первый собственный вектор матрицы связей и свойств исходных объектов.

Доказана теорема:

в симметрической вещественной матрице взаимо-

связи параметров и объектов

где число всех объектов, а число параметров, характеризующих каждый объект, координаты первого собственного вектора

полученного без вычитания среднего, соотносятся как средние значения всех объектов по соответствующим параметрам, то есть имеет место

Приведен ряд следствий из теоремы.

Принцип информативности подхода как основы упорядочения объектов, их внутренних свойств и внешних отношений на базе классификации рассмотрен на примере выбора скважин для ГИС-контроля ПХГ как задачи рас-

познавания образов. Анализ средних арифметического, квадратического, геометрического и гармонического как критериев оценки равноудаленности объектов показал, что для ГИС-контроля ПХГ очередную скважину как эталон класса целесообразно выбирать из множества скважин по максимуму среднего гармонического до скважин-эталонов.

По принципу усиления интерактивности в поддержке принятия решения, усиления реагирования системы управления на информационную изменчивость, новизну в первичных данных: предложено "ослабить" гомеостаз системы, его нечеткость путем адаптации под структуру задач, алгоритмов и программ на примере задачи экономии памяти. Подробнее изложено в главе 4.

Принцип значимости некоррелированных выборок рассмотрен при исследовании и развитии метода анализа случайных процессов. Учтены особенности работы нефтегазового оборудования, в акустическом сигнале которых замешаны периодические составляющие различного происхождения.

Принцип адекватности структуры ВС входным задачам рассмотрен согласно основным положениям СФП. Главное в синтезе то, что выбор ресурсов и распределение их в динамике решения задач идет на системе функциональных элементов (СФЭ). Существенна в СФП роль аналитических оценок (подробнее в главах 5 и 6). Синтез структуры ВС рассматривается на основе анализа задач, записанных на языке высокого уровня, и их адекватного отражения - преобразования в оптимальную структуру.

В оптимизации исходным является задание системы абстрактных машин как множества задач, каждая из которых представляет алгоритм как систему операторов и поступает в систему на интервале времени моделирования. Оптимизация состоит в замене однородных в некотором смысле операторов алгоритмов меньшим их числом из-за разнесения их функционирования во времени.

Меры близости между операторами алгоритма как оценки меры сложности определяются в основном емкостной и временной сиг-

нализирующми функциями, где й - выбранный вид грамматики, язык представления алгоритма; па - число элементов в цепочке со , Oj -_/ -ый оператор в алгоритме.

Время решения Т^ задачи (как минимально возможное) по данному представлению алгоритма определяется как длина критического пути в сети, эквивалентной графу алгоритма:

Уреш —

где: - оценка длительности действия опе-

ратора -го типа на участке критического пути

0(5,кр)= {оД"" - множество операторов алгоритма А, принадлежащих Л^р -

последний участок

Оптимизация на уровне отображения элементов и частей оптимальной системы абстрактных машин на аппаратурные компоненты производится подобно классификации на первом этапе.

В третьей главе рассмотрены реализации предложенных принципов методологии, подходы в автоматизации исследования и проектирования объектов нефтегазовой отрасли как сложных систем. Так, в системе технической диагностики объектами исследования служили подшипники качения шести классов точности с сепараторами, изготовленными из одного и того же материала. Среднее спектров шумов десяти подшипников в каждом классе принято за эталон класса. На рис.1 показаны эталоны двух близких классов (ряды 1 и 2), первая и вторая главные компоненты, полученные по матрице корреляций классов без вычитания среднего по ансамблю (пунктирная кривая ряда 4 и ряд 5), первая главная компонента, полученная по матрице корреляций этих классов с вычитанием среднего (ряд 3). Характер кривых отражает положения теоремы и следствий. Показано, что классы не разделяются по первой компоненте при расчете по методу главных компонент без вычитания среднего и разделяются по второй компоненте.

-1 & Частота (уел .ца)

Рис.1. Эталоны двух классов, 1-я и 2-я главные компоненты.

Соотношение среднего и главных компонент исследовано и в задаче оперативной обработки данных ИК-спектрометрии. Переход (см. рис.2) к пространству главных компонент однозначно разделяет объекты на два класса. Другой вывод говорит о неоднозначной зависимости веса дисперсий компонент с информативностью данных.

В задаче выбора скважин для ГИС-контроля ПХГ мерой различия скважин целесообразно брать среднее гармоническое Н. По 80-ти скважинам Ин-чукалнского ПХГ с учетом координат скважин, высоты кровли, коэффициентов газоносности и пористости рассчитывались: 1) последовательно выбираемые номера скважин-эталонов; 2) количество скважин, относящихся к каждому эталону; 3) дисперсия объектов класса - внутриклассовая, 4) межклассовая

дисперсия - дисперсия эталонов. Расчеты проведены для выбора скважин-эталонов по критериям A,G и H.

В случае Я объекты классов больше соответствуют эталону. Внизу рис.3 приведена оценка погрешности измерения 5 по разным эталонам от суммарного значения эффективной мощности пласта по всем скважинам.

Рис.2. Классификация образцов двух смесей веществ в пространстве двух главных компонент ГКЗ и ГК4

На рис.4 представлено расположение пяти классов скважин на поверхности. Класс обозначен своим маркером, в столбце которых справа указано число скважин в каждом классе. В системе оперативного управления процессом бурения формализация и решение задач структуризации факторов проводится

методами распознавания образов на основе диагонализации матрицы сходства и компонентного анализа. В главе исследуется влияние различных мер

сходства факторов (информационных компонент - ИК) при качественных и количественных их оценках. Учтены экспертные данные по всем факторам (на рис.5 - "...эксперта 1)", но отдельно по каждой подсистеме управления процессом бурения, и сводные экспертные данные по каждому из факторов в каждой подсистеме управления (на рис.5 - "...эксперта 2"). Классификация факторов процесса бурения по скалярному значению их информационной значимости позволяет иметь множество вариантов, способствовать нечеткому выводу, соответствующего природе процесса бурения и управления им (см. таблицу).

Наиболее удаленные классы Общее число классов Номера классов-эталонов Номера ИК класса (классы отделены точкой с запятой)

эталоны удаленность

4-11 76 4 4; 11; 1; 10 3,4,5;11,14;1,2, 6,7, 8; 9,10, 12, 13

4-14 75 5 4; 14; 1;10 3 4;11, 14;1,2,6,7, 8; 9,10,12,13;3,5

5-11 71 4 4; 11; 1; 10 3,4,5;11, 14;1,2, 6,7,8 9,10, 12,13

В главе приведены также результаты выбора комплекса методов ГИС с позиций предлагаемого информационного подхода. Отмечается устойчивость первых двух классов из 13-ти методов ГИС при любом разбиении, что позволяет в каждом классе взять небольшое число представителей в качестве эталонов класса и, стало быть, методов ГИС. Как ограничение перебора, показана возможность применения раскраски графа при введении порогового значения связи пар вершин.

О

-- области классов без применения МГК

■ ■ ■ ■ I области классов по первому собственному вектору МГК

Рис. 5. Классификация ИК по их экспертной значимости в оперативном управлении процессом.

Применение принципа 2 - учета условий классификации в постановке решаемой задачи при выборе средней величины при классификации методов ГИС привело к тому, что третьим эталоном выбран по среднему гармоническому метод ГИС7 как наиболее удаленный от эталонов первых двух классов

ГИСз и ГИС9. Оценка качества классификации нагляднее при визуализации результатов, например, цветовой моделью RGB. На рис.6 эти цветовые векторы представлены в черно-белом изображении.

Рис.6. Визуализация выбора комплекса методов ГИС: а) цветовой вектор средних по каждому из трех классов ГИС; б) вектор эталонов ГИС), ГИС7 и ГИС9; в) вектор ГИС?, ГИС9 и ГИС^, ближайших к среднему в каждом классе; г) вектор продуктивности пластов.

В главе рассмотрена также задача обработки геолого-технологической информации (ГТИ) при оперативном управлении процессом бурения.

Рис.7. Сегментация данных ГТИ на три и четыре класса Усиление информативности и интерактивности данных ГТИ бурения рассмотрено при сегментации по каждому показателю ГТИ и совмещении сег-

ментаций как кривых функции принадлежности сегментов по классам. Предлагаемая схема наглядней (рис.7) представляет "зоны" принадлежности слоев по глубине к сегменту и неоднородности в областях пересечения классов.

В третьей главе приведены также результаты усиления информативности статистической обработки данных диспетчерской службы при обосновании гипотезы о случайном характере отклонений параметров транспорта газа при стационарном режиме.

В четвертой главе предложены некоторые реализации исходных данных акустической диагностики механизмов и машин некоррелированными выборками. Так, предложено регистрировать за цикл работы устройства одну выборку процесса. Для исключения погрешности синхронности в устройство введен блок, генерирующий случайные моменты времени появления выборок. Это важно при исследовании процессов в области высокочастотных периодических составляющих; снижает требования к частотным характеристикам отдельных блоков устройства; упрощает связь с устройствами регистрации и др. Предложены способ и устройство для исключения погрешности при регистрации выборок при наличии подготовительного цикла работы механизма. Для снижения погрешности при изменении цикла время опроса значения амплитуды выборки отсчитывается по датчику угла поворота двигателя в циклах.

В четвертой главе рассмотрены также предложения по усилению информативности в технологии обработки данных при учете динамики реализации требований в задачах теории расписаний, что способствует ускорению вычислений. Ограничение перебора предложено осуществлять преднамеренным простоем процессоров при задании приоритетов работ с позиции их значимости в получении более коротких расписаний. Дана модификация метода динамического программирования на случай неоднородной ВС с сокращением перебора вариантов на основе предлагаемой оценки времени реализации алгоритма при учете приоритетов работ.

В главе также рассмотрена адаптация к особенностям структуры алгоритмов при приложении теории экономии памяти к параллельным режимам работы ЭВМ и ВС, к динамике реализации циклов, для повышения интенсивности использования буферных ЗУ.

В пятой главе сформулированы принципы информатизации структурно-функционального подхода к исследованию ВС:

1) рассмотрение ВС как моделей, адекватно отражающих алгоритмические структуры классов вычислительных задач;

2) формализация этапа системного проектирования ВС как синтез их структуры, синтез множества алгоритмов классов задач по сходству их элементов как по структуре и содержанию (функциональному), так и по времени реализации;

3) воплощение в программном и аппаратном обеспечении ВС идей, методов и аппарата классификации и распознавания образов.

4) оценка сложности функций, алгоритмов и вычислений как оценка сходства элементов (операторов) решаемых задач.

Выработана оптимальная стратегия поиска варианта синтеза ВС. Сокращение перебора вариантов структур ВС при синтезе полного графа всех алгоритмов, представляемого подграфами разных типов операторов, производится при суммировании результатов локальных синтезов всех подграфов.

Основные положения аналитических оценок количества вычислителей и времени реализации алгоритмов состоят в следующем.

1). Введены дополнительные компоненты аналитической нижней оценки количества вычислителей для произвольных длительностей вершин-операторов граф-схемы алгоритма.

2). Оператор представляется цепочкой одинаковых подоператоров, по времени равного каждый наибольшему общему делителю всех времен реализаций операторов алгоритма.

3). Накладывается ограничение на перемещение подоператоров цепочки во времени как единого целого.

В результате Мк- шах { Мт , Мш> Мт}\ вводится "временная" характеристика яруса - длительности Лт„ — r„+i -!"„ пребывания соответствующих множеств вершин графов Е и L на п-м ярусе. Тогда Mm — max{|£nr\Z,„|}, относящаяся к операторам для пересечения берется при произвольных как для пар подоператоров из цепочек образующих их вершин на так и для совпадающих по номерам вершин, не лежащих на

при

известная оценка при

одинаковых длительностях операторов и

при произвольных длительностях операторов предлагаемая оценка, получаемая по множеству несвязных между собой подграфов {О,} от исходного графа О при исключении в нем тех ярусов и, следовательно, операторов, которые лежат на и не перекрываются с интервалами перемещения операторов, не принадлежащих вычисление аналогично но матрица связей графа предварительно транспонирована. Минимум времени реализации алгоритмов в ВС Ут(П определяется через при заданном числе вычислителей как где нахо-

дится из соотношения:

Рассмотрены условия достоверности этих оценок оборудования и времени, приведены предложения по коррекции нижних оценок в общем случае.

В шестой главе рассмотрены четыре модели СФ-синтеза ЭВМ и ВС. Каждая модель состоит из подмоделей, описывающих: 1) ресурсы или обслуживающие устройства (вычислители) задания или ра-

боты Т = {7}}, у = 1, ..., п, заданное на Тотношение частичного порядка <, матрицу времен выполнения на 3) ограничения на ресурсы и зада-

ния; 4) меру эффективности модели СФ-синтеза.

Основой всех моделей является модель СФ-синтеза однородной ВС, т.е. Т/у—Г;. Частный случай модели: Тц = \ , -< — 0.

Модель 2 - синтез неоднородной ВС конвейерного типа с ограничением, при котором каждая из независимых работ есть цепочка произвольной длины со своей последовательностью операций.

Компьютерное моделирование подтвердило достоверность оценок времени выполнения множества работ, поступающих в систему, и оценок количества типов вычислителей и их числа в каждом типе.

В модели 3 вычислители неоднородные, нет ограничений на ""ч ; 11 т^ 11 =

одинаковы для работ выпол-

няемых на синтезированных вычислителях типа. В этом слу-

чае синтез определяет выбор типов вычислителей и их количества каждого типа при директивных значениях времени реализации.

Аналитические оценки количеств вычислителей и времени позволяют сокращать перебор вариантов расписаний реализации алгоритмов при синтезе элементов. Значения элементов матрицы Цт^Ц не меняются, изменяется индексация по у. При синтезе двух элементов £-го и 1-го типов в один Ы-ГО типа времена и сохраняются и определяют при условии, что и типы элементов заменены на тип, В результате изменяется число типов и число вычислителей каждого типа. Этот процесс в единой операторной схеме вызывает различные временные задержки. Оценка синтеза ВС для данных матриц идет при условии, что затраты на вычислитель типа равны сумме максимальной из затрат на регистровые части типов и сумме затрат на логические части этих типов. Оптимальные варианты синтеза получаются при различных ограничениях на директивное время.

Модель 4 - синтез неоднородной ВС, представляет общий случай системы заданий без ограничений на

Результат синтеза неоднородной ВС по граф-схеме алгоритма можно представить зависимостью между затратами оборудования и (за-

тратами) временем реализации алгоритма Т в дискретном ряде точек.

множество рассматриваемых вариантов.

(2,3,4)

Так, для представленной граф-схемы алгоритма со стоимостями вычислителей в 1, 2 и 3 единиц согласно их типу граничные варианты (см. рис.8) -первый

точные варианты - второй - без вычислителя третьего типа и Т= 12,

четвертый - без вычислителя третьего типа и Т = 15 и пятый - при переназначении оператора 1 на вычислитель первого типа; тогда Штриховкой выделена зона возможных решений и, следовательно, направлений поиска состава ВС, ее синтеза. В частности, варианты 1 и 5 могут быть исключены как неперспективные.

0,(вар.г) - стоимость ВС ;'-го варианта

В ~ "

Вариант

Вариант 3

Время выполнения

10

15

т на ВС 1-го варианта 20 ' ч*

Рис.8. Зависимость затрат оборудования от времени реализации алгоритма при синтезе неоднородной ВС.

1. На основе системного анализа и выявления проблем методологии сложных нефтегазовых объектов и систем разработаны принципы повышения информативности исследования и проектирования сложных систем, включающие: уточнение понятийного аппарата сложных систем, упорядочение свойств и отношений объектов и элементов сложных систем на базе распознавания образов, учет соотношения средних двух классов и первых главных компонент матрицы связей признаков объектов классов, соотношения дискретного и непрерывного при некоррелированных выборках, расширение спектра аналитических оценок количества единиц оборудования разного типа и времени реализации процесса.

2. Показано, что характер зависимостей между результатами ортогонали-зации матрицы связей параметров исходных объектов и их статистическими свойствами в значительной степени определяются свойствами их средних. Доказана теорема о прямой зависимости отношения средних эталонов двух классов от отношения первых двух главных компонент матрицы корреляционной связи данных объектов этих классов.

3. Основные результаты работы

3. Предложены способы и технические решения дискретизации некоррелированными выборками данных непрерывных процессов, порождаемых работой механизмов и машин.

4. Предложены аналитические оценки количества единиц оборудования разного типа и времени реализации процесса, как прагматические оценки для снижения сложности.

5. Разработаны основы информационного подхода к структурно-функциональному синтезу вычислительных машин и систем.

6. Показано, что учет условий классификации в постановке исходной задачи может способствовать лучшему в некотором смысле выбору средней величины, в частности среднего гармонического при выборе эталона класса.

7. Показана применимость выдвинутых в работе теоретических положений и практических рекомендаций по информатизации исследования сложных систем к решению проблем целого ряда задач нефтегазовой отрасли, относящихся к виброакустической диагностике механизмов и машин, к геофизическим измерениям в скважинах при разработке месторождения и оценке запаса газа в подземном хранилище; к оперативному управлению бурением, к инфракрасной спектрофотометрии состава горных пород по керну или шламу; к диагностике состояния газопровода; к вычислительным системам типа информационно-измерительных, станций геолого-технологического контроля и др.

По теме диссертации опубликованы следующие работы

1. Командровский В.Г. Методологические принципы информатизации исследования объектов нефтегазовой отрасли как сложных систем. Монография.- М.: ГУП Изд-во "Нефть и газ" РГУ нефти и газа им. И.М. Губкина. -2003.- 140 с.

2. Командровский В.Г. Структура исследования сложных объектов и систем нефтегазовой отрасли// Автоматизация, телемеханизация и связь в нефтяной промышленности. - М.: ВНИИОЭНГ, 2004.- №8.- с. 8-11.

3. Командровский В.Г. Обработка некоррелированными выборками случайных процессов в объектах нефтегазовой отрасли// Приборы, 2004, №4(46), с. 18-22.

4. Командровский В.Г. К оценке запаса газа в подземном хранилище. Выбор скважин для ГИС-контроля// Нефть, газ и бизнес- М.: 2004. - №1, с.46-49.

5. Командровский В. Г. О методологии информатизации исследования объектов нефтегазовой отрасли как сложных систем// Автоматизация, телемеханизация и связь в нефтяной промышленности. - М.: ВНИИОЭНГ, 2002.-№8.- с.20 - 23.

6. Командровский В.Г. К методологии информатизации исследования сложных систем. Структурно-функциональный подход// Автоматизация, телемеханизация и связь в нефтяной промышленности. - М.: ВНИИОЭНГ, 2002.-№12.-с.7-9.

7. Командровский В.Г., Моисеенко А.С. Экспресс-анализ результатов оперативного инфракрасного спектрального анализа горных пород// Автоматизация, телемеханизация и связь в нефтяной промышленности. - М: ВНИИОЭНГ, 2003.- №9.- с.4-7.

8. Командровский В.Г., Моисеенко А.С, Козюра А.В. О виброакустическом исследовании скважин как сложных систем// Автоматизация, телемеханизация и связь в нефтяной промышленности. - М: ВНИИОЭНГ, 2003.-№1.-с. 16-20.

9. Командровский В.Г., Моисеенко А.С. Использование методов распознавания образов для повышения достоверности результатов оперативного инфракрасного анализа горных пород// Автоматизация, телемеханизация и связь в нефтяной промышленности. - М.: ВНИИОЭНГ, 2002.- №9.- с.4 - 7.

10. Командровский В.Г., Юдовский О.В. К минимизации булевых функций// Автоматизация, телемеханизация и связь в нефтяной промышленности. - М.: ВНИИОЭНГ, 2004.- №7.- с. 15-16.

11. Моисеенко А.С., Орлов Л.И., Богаткин Г.К., Стрельченко В.В., Ко-мандровский В.Г., Егорова И.В. Аппаратура для полевого оперативного анализа горных пород // Приборы. - М.: 2003. - №11 (41). - с.21-27.

12. Пушкарев В.П., Командровский В.Г. Сети Петри в распараллеливании задач нефтегазовой отрасли// Автоматизация, телемеханизация и связь в нефтяной промышленности. - М.: ВНИИОЭНГ, 2004.- №1.- с. 12-20.

13. Левицкий А.З., Командровский В.Г., Сафарини О. О методах и средствах разработки информационного обеспечения для оперативного управления бурением// Автоматизация, телемеханизация и связь в нефтяной промышленности. - М: ВНИИОЭНГ, 2000.- №3.- с.7-11.

14. Левицкий А.З., Командровский В.Г., Сафарини О. Об автоматизации оперативного управления процессом бурения// Автоматизация, телемеханизация и связь в нефтяной промышленности. - М.: ВНИИОЭНГ, 1999.-№3-4.-с.2-8.

15. Богаткин Г.К., Командровский В.Г. Шишкин О.П. Методологические проблемы качества подготовки специалистов// Известия высших учебных заведений, Нефть и газ, 1980, №7, с.42-46.

16. Гарзанов Е.Г., Командровский В.Г., Салащенко В.А. Автоматизация управления документами в Системе "Газпромсерт"// Надежность и сертификация оборудования для нефти и газа. - М: Нефть и газ, 2001, №1. —с. 1-3.

17. Гарзанов Е.Г., Командровский В. Г., Салащенко В.А., Салащенко А.В. К проблемам информационного обеспечения работ по стандартизации и сертификации в нефтегазовой отрасли// Надежность и сертификация оборудования для нефти и газа. -М.: Нефть и газ, 2001.-№4. - с. 14 -18.

18. Григорьев Л.И., Гарзанов Е.Г., Командровский В.Г., Рамкулов М.З., Салащенко В.А. От нормативной базы АИСС "Справочник газовика" к ориентированной на систему качества и сертификацию АСУ газовой отрасли// Надежность и сертификация оборудования для нефти и газа. - М.: Нефть и газ, 2000.-№3.-с. 16-18.

19. Долгов Г.С., Командровский В.Г., Петросянц А.А. Некоторые вопросы шумовой диагностики механизмов. - Труды МИНХ и ГП имени И.М. Губкина, 1972.

20. Командровский В.Г. К вопросу проектирования оптимальной структуры вычислительной системы. - Сб. "Технические средства обработки информации". Труды МЭСИ, 1977, с.49-58.

21. Командровский В.Г. Об особенности вычислительной системы как человеко-машинной. - Сб. "Технические средства обработки информации". Труды МЭСИ, 1977, с.49-58.

22. Командровский В.Г. О методологии ЭВМ и ВС. Сб. "Задачи разработки АСУ в нефтяной и газовой промышленности". Труды МИНХ и ГП, вып. №139, 1979, с.65-69.

23. Командровский В.Г. К проблеме выбора оценок при поиске решений. - Сб. "Задачи разработки АСУ в нефтяной и газовой промышленности". Труды МИНХ и ГП, вып. № 139,1979, с.70-74.

24. Ермолаев А.И., Командровский В.Г., Симонян С.Г., Цуприков А.А., Шишкин О.П. О задачах оперативного управления и алгоритмизации процесса бурения. - Сб. "Автоматизация и оптимизация производственных процессов нефтяной и газовой промышленности". Труды МИНХ и ГП, выпуск № 147, 1979, с.53-59.

25. Командровский В.Г., Шишкин О.П., Симонян С.Г. Об использовании микропроцессорной техники в оперативном управлении процессом бурения. -Сб. "Автоматизация и оптимизация производственных процессов нефтяной и газовой промышленности". Труды МИНХ и ГП, выпуск № 147, 1979, с. 59-65.

26. Командровский В.Г. Об оценке числа вычислителей в однородной вычислительной системе. - Сб. "Техническое обеспечение систем обработки информации". Труды МЭСИ, 1982, с.26-32.

27. Командровский В.Г. Торгов Ю.И. Два этапа оптимизации синтеза вычислительных систем. - Сб. "Проектирование и применение мультимикрома-шинных систем". - М, ВЦАН СССР, 1984, с.45-60.

28. Командровский В.Г. Структурно-функциональный подход к исследованию вычислительных машин и систем. - Сборник научных трудов №231 "Моделирование и автоматизация технологических процессов нефтегазовой отрасли". - М.: МИНГ, 1992, с.50-53.

29. Ермолаев А.И., Командровский В.Г., Жардецкий А.В. Оптимизация выбора скважин для ГИС-контроля за эксплуатацией ПХГ. - Сборник научных трудов №231 "Моделирование и автоматизация технологических процессов нефтегазовой отрасли". - М.: МИНГ, 1992, с.85-88.

30. Гергедава Ш.К., Жардецкий А.В., Командровский В.Г., Овчаров ЛА., Степин Ю.П. Выбор скважин для ГИС- контроля ПХГ как задача распознавания образов. - М.: ВНИИЭГазпром, 1993, вып. 3, с.7-11 // ИС. Научно-технические достижения и передовой опыт, рекомендуемые для внедрения в газовой промышленности.

31. Долгов Г.С., Командровский В.Г., Петросянц А.А., Степин Ю.П. Классификация состояний механизмов по износу при акустической диагностике. - Тезисы докладов Всесоюзн. конференции "Исследование износа с целью выявления путей повышения срока службы и качества выпускаемых машин", М., 1971, с.105.

32. Долгов Г.С, Командровский В.Г., Петросянц А.А. Регистрация и обработка информации при оценке износа механизмов акустическим методом. - Тезисы докладов Всесоюзной конференции "Исследование износа с целью выявления путей повышения срока службы и качества выпускаемых машин", М., 1971, с. 105.

33. Командровский В.Г. Некоторые проблемы автоматизации проектирования вычислительных средств АСУ. - Тезисы докладов Всесоюзной научной

конференции "Методологические проблемы математического и информационного обеспечения АСУ", ч. 2, МЭСИ, 1979, с. 14-15.

34. Командровский В.Г., Соколов А.А. Адаптация при планировании технологических процессов в нефтегазовой отрасли. - Тезисы докладов 2-й научно-технической конференции "Актуальные проблемы состояния и развития нефтегазового комплекса России".- М.: ГАНГ, 14-22 янв. 1997, с.52.

35. Командровский В.Г., Сафарини О. О классификации информационных компонент при оперативном управлении процессом бурения. - Тезисы докладов 3-й научно-технической конференции "Актуальные проблемы состояния и развития нефтегазового комплекса России". - М.: РГУ нефти и газа, 27-29 янв. 1999, секция 6, с.43.

36. Командровский В.Г. К методологии автоматизации исследования объектов нефтегазовой отрасли как сложных систем. - Тезисы докладов 4-й научно-технической конференции "Актуальные проблемы состояния и развития нефтегазового комплекса России". - М.: РГУ нефти и газа, 25-26 янв. 2001, секция 6, с.23.

37. Командровский В.Г., Сердах М.Д. Автоматизация технологий решения конвейерной задачи. - Тезисы докладов 4-й научно-технической конференции "Актуальные проблемы состояния и развития нефтегазового комплекса России". - М.: РГУ нефти и газа, 25-26 янв. 2001, секция 6, с.23.

38. Командровский В.Г. Об имитационном моделировании комплекса технических средств АСУТП-бурения на уровне буровой. Сб. "Моделирование и оптимизация в АСУ нефтяной и газовой промышленности", 1983, с. 1021. - Рукопись депонирована в ВНИИЭГазпром 28.03.83, № 54923/2-Б83.

Получены авторские свидетельства на изобретения:

1. Командровский В.Г. Способ подачи ленточного носителя информации. Бюллетень изобретений, 1969, №12, ас № 240126 (СССР).

2. Жиров В.Ф., Командровский В.Г., Кузьмичев Д.А., Смирнов В.И. Реверсивный счетчик. Бюллетень изобретений, 1969, №7, ас №236872 (СССР).

3. Гарзанов Е.Г., Командровский В.Г. Устройство для экспрессного определения количества вещества при нейтронно-активационном анализе. Бюллетень изобретений, 1969, №12, ас № 240126 (СССР).

4. Гарзанов Е.Г., Командровский В.Г. Устройство для экспрессного определения количества вещества при нейтронно-активационном анализе. Бюллетень изобретений, 1970, ас № 273883 (СССР).

5. Волков П.Д., Командровский В.Г. Устройство для обучения и контроля успеваемости. Бюллетень изобретений, 1970, № 19, ас № 272697 (СССР).

6. Долгов Г.С., Командровский В.Г., Петросянц А.А., Степин ЮЛ. Устройство для регистрации стационарного случайного процесса. - Бюллетень изобретений, 1970, № 31, ас № 283697 (СССР).

7. Долгов Г.С., Командровский В.Г., Петросянц А.А., Степин Ю.П. Устройство для цифровой регистрации стационарного случайного процесса. -Бюллетень изобретений, 1972, № 16, ас № 338909 (СССР).

8. Долгов Г.С., Командровский В.Г., Петросянц А.А. Способ анализа стационарного случайного процесса. - Бюллетень изобретений, 1973, № 30, ас № 390535 (СССР).

9. Жиров В.Ф., Командровский В.Г., Ли В.Л., Смирнов В.И., Шнитман В.З., Андреев С.С. Буферное запоминающее устройство с ассоциативной адресацией. Бюллетень изобретений, 1973, № 37, ас №397970 (СССР).

10. Долгов Г.С., Командровский В.Г., Петросянц А.А. Спектральный анализатор стационарных случайных процессов. Бюллетень изобретений, 1974, ас №408314 (СССР).

11. Бурцев Е.В., Виноградов А.В., Командровский В.Г., Кравченко Т.А., Макарова И.И., Торгов Ю.И. Устройство для измерения параметров кровотока. Бюллетень изобретений, 1990, № 48 от 30.12.90, ас № 1616598 (СССР).

ООП Физ.ф-та МГУ. Заказ 50-100-05

05Л - OS./2,

Ч 5 V » у

Введение.

Глава 1. Методологические проблемы информатизации исследования сложных систем.

1.1. Аксиоматика сложных систем.

1.2. Проблемы методологии сложных систем в вопросах информатизации исследования и проектирования.

1.3. Объекты нефтегазовой отрасли как сложные системы.

Выводы по главе 1.

Глава 2. Принципы повышения информатизации исследования сложных систем.

2.1. Информационность подхода как основа упорядочения объектов, их свойств и отношений.

2.2. Усиление объективной информационности факторного анализа.

2.3. Некоррелированность выборок при аппроксимации непрерывных величин дискретными.

2.4. Усиление роли интерактивности в автоматизации поддержки принятия решений.

2.5. Информационный подход к структурно-функциональному синтезу систем по адекватному отражению содержания решаемых задач.

Выводы по главе 2.

Глава 3. Автоматизация исследования и проектирования объектов нефтегазовой отрасли как сложных систем.

3.1. Акустическая диагностика нефтегазового оборудования.

3.2. Выбор скважин для ГИС-контроля ПХГ.

3.3. Информационное обеспечение поддержки принятия решений при оперативном управлении процессом бурения скважин.

Ф 3.4. ГИС. Оптимальный комплекс методов.

3.5. Статистическая обработка данных транспорта газа.

3.6. Корреляционный анализ данных процесса бурения скважин.

3.7. ИК-спектроскопия состава горных пород при бурении.

Выводы по главе 3.

Глава 4. Функционирование сложной системы.

4.1. Анализ случайных процессов некоррелированными выборками.

4.2. Задачи календарного планирования. Приоритеты.

• 4.3. Адаптация.

Выводы по главе 4.

Глава 5. Информатизация структурно-функционального проектирования вычислительных систем.

5.1. Технология информатизации структурно-функционального подхода: методологические основы и принципы.

5.2. Прикладные аспекты теории сложности.

Выводы по главе 5.

Глава 6. Направления реализации структурнофункционального синтеза ЭВМ и ВС как сложных систем.

6.1. Основная модель синтеза.

6.2. Модель 1 СФ-синтеза однородной ВС.

6.3. Синтез неоднородных систем (модели 2 и 3).

6.4. Структурно - функциональный синтез ВС в общем случае (модель 4).

• 6.5. Сравнительный анализ моделей синтеза.

Выводы по главе 6.

Последние десятилетия человеческой деятельности идут под знаком информатизации. Научной базой успехов информатизации во многом являются методологии кибернетики и системного подхода, а техническим "фоном" -вычислительная техника, включая средства связи. Методология кибернетики основана на идее информации как формы организации в животном и машине независимо от материи и энергии. Исторически база этой методологии дана Н.Винером на уровне популяризации теории автоматического регулирования с выдвижением принципа обратной связи, блестяще сработавшего в критических (военных) условиях с уклоном в техническое электронно-вычислительное направление. История методологии системного подхода восходит к исследованиям по сложным системам многих отечественных и зарубежных ученых -В.М.Глушкова, Н.П.Бусленко, А.Д.Цвиркуна, Д.Б.Юдина, Л.Берталанфи, Ст.Бира, Г.Вунша, Л.А.Заде, М.Месаровича, Г.Николиса, И.Пригожина, У.Р.Эшби и др. [1, 14, 21, 28, 114, 126, 129, 137, 140, 155, 157, 160].

В технологии сложных систем первичным является выявление ситуации, объекта, явления с позиции отнесения их к классу, группе, множеству сходных в определенном смысле. Проблемность этого первичного можно считать исторически доказана в общем гносеологическом плане, правда, больше в философском. Обратим внимание на тот факт, что аксиоматика теории сложных систем, как, наверно, и аксиоматика многих научных и технических дисциплин, основана на ряде качественных, в смысле нечетких, понятий. Примером этому в самом основании математики служит определение множества Георгом Кантором: "Под множеством я понимаю вообще всякое многое, которое можно мыслить как единое, т.е. всякую совокупность определенных элементов, которая может быть связана в одно целое с помощью некоторого закона". Имеет место ограниченность любой системы аксиом - наличие антиномий, проблема доказательства предпосылок, гипотез, аксиом, которые в принципе нелогичны (Гедель, Черч). Как пример - алгоритмическая неразрешимость понятия оператора. Это создает свои трудности в исследовании и во многом определяет прогресс в науке и технике, являясь стимулом к следующему шагу в вечном движении к универсальному, всеобъемлющему, объективному.

Попытка формализовать проблемность основана на следующих посылках.

Проблемность определяется через неопределенность, нечеткость, неоднозначность. Эти понятия напрямую связаны с предположением о наличии неоднородности, с ее поиском, оценкой энтропии (по К. Шеннону), выявлением информативности, выявлением этих понятий через количественно-качественные показатели информации.

Более конкретно, проблемность проявляется через сложность получения ответа, хотя само понятие сложности многоплановое субъективно-объективное. Так, согласно Николису Г. и Пригожину И. "сложность представляет собой нечто, относящееся к разнообразным проявлениям жизни" [107]. Вместе с тем существует целая теория сложности, во многом относящаяся к 13-й проблеме Гильберта - сложности функций и вычислений, и мерами которой являются всякого рода сигнализирующие типа тьюринговых, количество вариантов, размерность задач и т.п. Снижение сложности идет по пути эвристик, эффективность которых предопределяется их соответствием здравому смыслу. Для усиления соответствия необходима большая информативность (конечно, через меру, критерий), максимизация взаимной информации между входом и выходом системы автоматизации.

На этой идее и основана развиваемая в работе концепция, методология и принципы по усилению информационного подхода в исследовании сложных систем, т.е. основная идея излагаемого научного направления в автоматизации исследования объектов как сложных систем - это идея информационности, принцип информации как главное, что несколько противоречит принятому статусу принципа оптимальности. Казалось бы, в теории информации К. Шеннона принцип оптимальности главенствует - например оптимальное кодирование по Шеннону-Фэно и Хаффмену. Однако это оптимальное кодирование основано на максимуме информации, поиск которого предлагается вести упорядочением с позиции неоднородности, ее максимума. Все остальное - это уже "детали" практического приложения. Забвение же основной идеи сейчас снято успехами микроэлектроники, системотехники, средств мировой коммуникации. Похоже, что идея Шеннона о максимуме информации несколько опередила свое время, хотя в вопросах кодирования, передачи по каналу связи, приему информации эта идея во многом нашла свое применение.

Информация связана с неоднородностью. Отнесение ее к определенному классу превращает исследуемый процесс в формальное, мало информативное, логически определенное явление. Так, "математизирование" в теории нечетких множеств - это путь к выхолащиванию из этой теории самой сути ее предназначения - учета человечности, обеспечения творчества в принятии решений. Пожалуй, те разделы науки, которые максимально математизированы, наименее способствуют ее развитию. Поэтому и тезис, что любая наука настолько является таковой, насколько в ней присутствует математика, сомнителен. Информация также связана с непредсказуемостью, маловероятным раскрытием содержания объекта или заранее известного сообщения. Примером влияния априори маловероятного выбора может служить история создания нейроком-пьютерных сетей. В свое время, несколько десятков лет тому назад, Новиков А. (США) и Глушков В.М. (СССР) ввели теоремы о большой длине обучающей последовательности в распознавании образов, что задержало (с учетом и целого ряда других факторов) построение таких сетей практически до нашего времени. Теоремы перекликаются с тезисом, что глобальная структура не может быть установлена по структуре ее части, сколь большой она бы ни была [1].

Из системного подхода проистекает принятый в работе структурно-функциональный подход (СФП) и структурно-функциональный синтез. Вместе с тем, СФП основывается на принципе информационного подхода (ИП), т.е. на выявлении информационных отношений, сравнений, анализа и синтеза с единой информационной точки зрения. Сначала идет анализ и синтез отношений внутри вещей, предметов, их элементов и их отношений с внешним окружающим миром, т.е. классификация внутренних отношений свойств и их внешних отношений; после этого по признакам последних анализируются и синтезируются свойства на базе (относительной) информации.

Цель ИП - структурирование исходного объекта по информационной значимости и взаимосвязи, в технологии получения для него и по нему (по относящейся к объекту задаче) конечного результата как отображения "среды" (системы - вычислительной, программной, .) на структуру (и через нее на содержание, функцию) объекта, задачи, алгоритма.

Неким аналогом такого структурирования может служить объектно-ориентированнное программирование: есть объекты, есть техника (методика, методология) их структурирования - взаимнооднозначное соответствие (система предшествования) в единой технологической цепочке взаимосвязи объектов по их функциональной принадлежности (соответствие им ресурсов - среды отображающей системы). Но предлагается универсальность средств среды, не оценивается сложность объектов в технологии и показатели адекватности средств этим функциям с точки зрения времени и затрат стоимости и критерия общей эффективности - нет оптимальности соответствия, так как нет оценок информативности при организации структуры среды под структуру объектов и систему в целом. В проблемно-ориентированных вычислительных системах (ВС) аппаратно-программная архитектура более адекватна структуре и содержанию решаемого класса задач, но достигается это за счет специализации ВС. При поступлении задач других классов эффективность таких ВС падает.

В свете информатики, информатизации как процесса взаимозависимости и взаимного дополнения информации, человека, и вычислительной техники представляется, что человечество интуитивно в системном подходе или подобном ему по смыслу другим подходам делает акцент на информационную сущность рассматриваемых объектов и явлений. Этот акцент означает, что участие человека в принятии управленческого решения соответствует основному научному принципу максимума взаимной информации, связанному причинно с неоднородностью - информативностью, а уже от него делается переход к принципу оптимальности. Системный подход "эволюционизировал" в структурно-функциональный, который, как представляется, больше соответствует предложенной информационной сути всех явлений, событий, процессов. Другими словами, больший акцент делается на отношения, связи, взаимовлияния и другие особенности объектов, явлений, процессов как внешнего, так и внутреннего характера между составляющими объекты элементами, выявления проблемно-сти ситуаций, алгоритмической сложности решений, аналитических их оценок и других аспектов. Такой подход точнее определить как структурно-функциональный, как лучше соответствующий информационной сути явлений, событий, процессов. И дело здесь не в названии, а в том, что в методологии такого подхода ведущее место занимает упорядочение, классификация, разбиение объектов самого широкого плана на классы, (под) множества с некими общими свойствами. По результатам классификаций внутренних отношений свойств и их внешних отношений по признакам этих последних идет анализ и синтез свойств объектов на базе (относительной) информации. Последнее предложение относится уже к области теории такого подхода.

Системный подход связан с 1) изучением предмета (системы), т.е. с тем, что видим первоначально, 2) перечнем изменений его при изменении условий "существования" (окружающей среды) , 3) определением структуры (элементов) предмета или системы. Отметим, что эти акценты являются само собой разумеющимся для главного: изучения скрытых (внутренних) отношений структурированных элементов, их свойств и признаков, а также с внешним миром (внешней информацией - внешними отношениями). Таким образом, переход к классификации, анализу, синтезу и т.п. - есть переход к глубинной сущности закономерных отношений, как информации внутри объектов, между ними и вовне их. Отношения выясняются посредством выявления "корреляционного эффекта информации" (подробнее см.[138]). В конечном итоге, с позиций предлагаемого акцента на природу сложных систем, целью исследования является информационный процесс, как искусственный, как технология исследования и проектирования таких систем. Отсюда следует неизбежность автоматизации, изучения возможностей алгоритмизации.

Тематика проведенного исследования связана с такими сложнейшими областями нефтегазовой отрасли, как, например, технологии бурения, процессы бурения и управления ими; техническая диагностика механизмов и машин без их разборки, работающих в сложных, подчас недоступных условиях; геофизические измерения в скважинах для контроля процессов вытеснения при эксплуатации подземных хранилищ газа и многое другое. Здесь и обилие информационно-измерительных систем с огромным количеством данных, получаемых, передаваемых, обрабатываемых, хранимых, представляемых, и разнообразия математических моделей.

В то же время, впечатляющи успехи в области искусственного интеллекта, компьютерного воплощения распознавания речи и письма, перевода с разных языков, принятия решений в условиях неопределенности, агрегирования информации. Однако, как представляется, достижения эти еще далеки от понимания сущности, абстрагирования и обобщения, творчества и интуиции. Поэтому с позиций представления и обработки информации в АСУ, где человеческий фактор играет превалирующую роль, желательно расширить "зону человечности" видения, понимания первичных данных о процессах с помощью качественных методов, которые более адекватны неколичественным процессам мышления, "в которых - по Л.Заде - нечеткость принимается как универсальная реальность человеческого существования. ". В настоящее время такие методы во многом уже представляют собой не искусство, а методы точных наук, прежде всего математики. Имеются в виду методы распознавания образов (об этом еще в 1983 году говорил академик Дородницын А.А. [42]). Это и хорошо, и плохо. Хорошо, так как для выбора оценки все-таки нужны. Плохо, так как регламентируется свобода, интуиция. Поэтому до включения алгоритмов, работающих на управленческое решение, необходимо первичные данные процесса представить в виде, удобном для изменения их представления в желаемом, "разностороннем" для ЛПР (лицу, принимающему решение) виде, путем воздействия им по линии "нечеткой обратной связи", без навязывания ему направления изменения, без какого-либо ограничения свободы.

Почему это так важно?

Во-первых, процессы в нефтегазовых отраслях и управления ими сложны: зависят от множества факторов, элементов взаимосвязанных как в биологическом механизме, где ". почти все зависит почти от всего, где мельчайший элемент играет свою роль, где все основано на информации, на сообщениях и зависит от способа обработки этих сообщений." [96, с. 10]. Так, корреляция факторов процесса бурения требует рассмотрения их с разных сторон: усиления одних, ослабления других, изменения их взаимного соотношения в целом (интегрально) и по частям (в векторном представлении), представления и интерпретации в разных пространствах и по-разному в каждом из пространств.

Во-вторых, из-за желания независимости (либо отсрочки выбора) от множества существующих математических моделей (так, в том же бурении скважин известно более 10 моделей буримости).

В-третьих, применение математической модели, ее результатов— это уже навязывание определенного выбора, после которого возврата может и не быть. Ошибочность решения здесь чревата большими потерями из-за возможных осложнений и аварий. Риск снижается, если первоначальные данные дополнительно оценены по сходству-различию в разных сочетаниях, группировках, сжатиях. Другими словами, если математическая модель соответствует принципу гомеостаза, устойчивости системы, минимуму энтропии результата, то направленность исследования в данной работе усиливает реагирование системы управления на информационную изменчивость, новизну в первичных данных, в конечном счете, на свободу, гибкость системы, нечеткость гомеостаза.

В-четвертых, состояние "информационности мировоззрения", в котором находится человечество (похоже, что это надолго), предопределяет следование научного исследования общему принципу, как правило, принципу оптимальности, основанному на понятии информации, а исследуемые процессы подчиняются принципу максимума информации. Отсюда и принятие решения ЛПР рассматривается как творческий процесс, сущностью которого является накопление информации. Обеспечение возможности для такого накопления и составляет важную задачу исследования.

Приведем пример значимости принципа максимума информации из области медицинской диагностики. Дифференциальный манометр как датчик сигналов с конечностей, височных долей применяют при диагнозе состояния сердечно-сосудистой системы человека. Но такой датчик индифферентен к плохо дифференцируемым сигналам. Преобразование этого датчика позволило интегрально ставить диагноз (см. авторское свидетельство [13]).

В-пятых. Распознавание образов универсально в том плане, что имеет место в любой АСУ, да и в системах вообще. Обычно оно предшествует реакции, выбору, поведению системы. И хотя по целям оно подчинено целям системы, вторично, однако значимость велика. Оно самое раннее, первичное к данным, выявляет информацию как средство достижения целей системы. Цели и определяют поведение ее, управляющие воздействия. Но так как информация должна сделать это поведение менее случайным, менее хаотичным, более направленным и эффективным, то информация - и средство, и цель. Отсюда сама цель функционирования системы носит информационный характер. Этим общим смыслом и определяется правомерность применения информационного подхода к функционированию АСУ и ее развития, гибкости, самонастройки, адаптации. А так как интеллектуализация информационных и компьютерных технологий во многом следует копированию в технических системах свойств биологических, то изложенная интерпретация и специфичность работы как научного исследования сказанным подтверждает свою научную новизну и актуальность, значимость, целесообразность.

Прежде чем сформулировать на основе вышесказанного задачи предлагаемого исследования сделаем три важных, на наш взгляд, замечания.

Прежде всего, информатизация связана с автоматизированными процессами, технологиями получения, обработки, хранения и передачи информации с помощью вычислительной техники (как симбиоза средств вычислительных, связи, программных и т.д.). Кроме того, акцентирование внимания на вычислительную технику естественно в силу ее значимости в формировании техносферы и в обеспечении, по В.И. Вернадскому, ноосферы. Однако сама вычислительная техника, ее объекты, например, такие как информационно-вычислительные системы и сети, есть сложные системы, интерес к исследованию которых объясним в общечеловеческом научном и прикладном плане. Наконец - акцент на природу исследования сложных систем как информационного процесса на базе структурно-функционального подхода неизбежно связан с автоматизацией, т.е. о алгоритмизацией с участием или без участия человека как ЛПР.

Вышесказанное позволяет выделить ряд методологических принципов автоматизации исследования сложных систем на основе акцентирования информационной сущности рассматриваемых объектов и явлений.

К таким принципам, на наш взгляд, относятся: 1. Усиление объективной информационности факторного анализа;

2. Учет условий классификации в постановке решаемой задачи при выборе средней величины;

3. Усиление роли аналитических оценок в условиях задач календарного планирования, выбора и расчета приоритетов работ;

4. Усиление интерактивности в поддержке принятия решения;

5. Значимость некоррелированности выборок;

6. Адекватность структуры вычислительных систем входным задачам.

Обоснование этих принципов, их теоретическая разработка и иллюстрация и составляют цель данной работы.

Постановка цели и задач исследования Цель работы состоит в разработке методологии информационного подхода для системного анализа сложных нефтегазовых объектов и систем, выработке рекомендаций по реализации методологии при автоматизации исследования и проектирования систем вибрационной диагностики, геофизических измерений в скважинах, диагностики гидратосостояния газопровода, оперативного управления процессом бурения скважин, инфракрасной спектрометрии состава горных пород при бурении, вычислительных систем.

Задачи: сформулировать принципы автоматизации исследования сложных систем на основе акцентирования информационной сущности объектов и процессов; обосновать приложение предлагаемой методологии к сложным нефтегазовым объектам и системам, а также к структурно-функциональному синтезу вычислительных систем, адекватно отражающих свойства исходных задач.

Структура диссертационной работы представлена следующей схемой [94].

Сложные объекты и Проблемы, Принципы системы нефтегазо- возникающие при повышения информавой отрасли. решении задач систем. тивности в задачах ре

Задачи Задачи шения проблем объекназначение) систем. решения проблем. тов и систем отрасли.

1 2 3

Структура работы (продолжение)

1 Диагностика: а) состояний механизмов и машин по спектрам акустических сигналов; б) прогноз твердости породы при бурении скважины по вибродиаграмме верха бурильной колонны Проблемы: а) разделение близких спектров акустических сигналов разных объектов при смешении частот; б) прогноз твердости породы по вибродиаграммам верха колонны, в которых смешаны свойства пород на забое и ниже по глубине. Задача: поиск признаков, отражающих структуру различия близких классов объектов.

2 ГИС-контроль процессов вытеснения при определении запаса газа в подземном хранилище Проблема: выбор набора скважин для проведения ГИС. Задача: нахождение меры для выбора скважин-эталонов

3 Оперативная ИК-спект-рофотометрия минерального состава горных пород при бурении Проблема: наложение полос поглощения в спектрах от ИК-фильтров основных минералов. Задача: поиск признаков, отражающих структуру различия близких классов объектов

4 Установление режима транспорта газа при статистическом учете параметров транспорта. Проблемы: а) проверка гипотезы о случайном характере отклонений параметров транспорта при стационарном режиме, б) неопределенность реакций на изменения режимов и значений параметров транспорта газа. Задача: поиск признаков, отражающих структуру параметров транспорта газа

5 Комплекс методов ГИС для определения разреза по глубине скважины Проблема: зависимость сегментации кривых каротажа от выбора методов (затрат). Задача: построение (нечеткого) вывода о сегментации

6 Оперативное управление бурением: повышение скорости бурения и качества заканчиваемых скважин, снижение себестоимости их проводки и др. Проблема: оценки информационной значимости факторов управления в векторной целевой функции системы с противоречивыми показателями. Задача: поиск признаков и меры оценки информационной значимости факторов бурения, отражающих структуру их различия/сходства с учетом группового участия экспертов

Структура работы (продолжение)

7 Обработка ГТИ процесса бурения по уточнению геологического разреза скважины Проблемы и задачи во многом аналогичны отмеченным по выбору комплекса ГИС.

8 Дискретизация показаний датчиков с учетом требований аппаратно-программных средств Проблема: избыточность и корреляция данных при квантовании по Котельникову; выбор интервала отсчета при некоррелированной выборке. Задача: поиск аппаратно-алгоритмического отражения структуры множества сигналов некоррелированных выборок.

9 Вычислительные машины и системы: ИИС, станции геолого-технологических исследований, компьютеризированные станции контроля процесса бурения; технологическое оборудование, станции контроля процесса цементирования; системы автоматического управления и контроля на объектах нефтегазовой промышленности, энергетические установки Проблемы: 1) неадекватность структуры ВС (как схем конечных автоматов) структуре и содержанию входных задач; 2) дифференциации: ориентации универсальных структур ВС на классы задач, развития принципов распараллеливания, многопроцессорности, конвейеризации, перестройки структуры в динамике вычислений под структуры задач, алгоритмов и программ; 3) NP-полноты задач теории расписаний в планировании работ. Задачи: 1) адаптация ВС как снятие условий ограничения структуры; 2) прогноз варианта синтеза с учетом отражения содержания задач на структуру аппаратно-программных средств.

Принципы повышения информативности в задачах решения проблем объектов и систем отрасли 3

Концепция разработки: информационное усиление поиска структурных свойств объектов. Разработка принципов информационной сущности объектов - парадигма независимости признаков. Приложение к исследованию сложных объектов и систем нефтегазовой отрасли.

Выводы по работе

1. На основе системного анализа и выявления проблем методологии сложных объектов и систем нефтегазовой отрасли разработаны принципы повышения информативности исследования и проектирования сложных систем, включающие:

- уточнение понятийного аппарата сложных систем,

- упорядочение свойств и отношений объектов и элементов сложных систем на базе распознавания образов,

- учет соотношения средних двух классов и первых главных компонент матрицы связей признаков объектов классов,

- соотношение дискретного и непрерывного при некоррелированных выборках,

- расширение спектра аналитических оценок количества единиц оборудования разного типа и времени реализации процесса.

2. Показано, что характер зависимостей между результатами ортогонали-зации матрицы связей параметров исходных объектов и их статистическими свойствами в значительной степени определяется их средними. Доказана теорема о прямой зависимости отношения средних эталонов двух классов от отношения первых двух главных компонент матрицы корреляционной связи данных объектов этих классов, что позволяет проводить поиск признаков, отражающих структуру различия близких классов объектов.

3. Предложены способы и технические решения дискретизации некоррелированными выборками данных непрерывных процессов, порождаемых работой механизмов и машин, что позволяет вести поиск аппаратно-алгоритмического отражения структуры множества сигналов некоррелированных выборок при исключении избыточности и корреляции данных при квантовании по Котельникову.

4. Предложены аналитические оценки количества единиц оборудования разного типа и времени реализации процесса как прагматические оценки для снижения сложности, что позволяет снижать проблему перебора вариантов в задачах теории расписаний при структурно-функциональном синтезе, создает основу адекватного соответствия архитектуры ЭВМ и ВС решаемым задачам.

5. Аналитически и на ряде ретроспективных данных показано, что учет условий классификации в постановке исходной задачи способствует лучшему выбору эталона класса по среднему гармоническому.

6. Показана применимость выдвинутых в работе теоретических положений и практических рекомендаций по информатизации исследования сложных систем к решению проблем целого ряда задач нефтегазовой отрасли, относящихся к виброакустической диагностике механизмов и машин, к геофизическим измерениям в скважинах при разработке месторождения и оценке запаса газа в подземном хранилище; к оперативному управлению бурением, к инфракрасной спектрофотометрии состава горных пород по керну или шламу; к диагностике состояния газопровода; к вычислительным системам типа информационно-измерительных, станций геолого-технологического контроля и др.

Заключение

В настоящее время весьма стремительно входит в жизнь человечества термин "Глобализация " как объединение усилий, возможностей, координация и кооперация деятельности в различных сферах. Для принятия решения необходимы координации усилий специалистов в разных приложениях. Здесь важна организация команды разработчиков, что определяет поддержку и их, и специального инструментария повторного использования соответствующего обеспечения. Инструментарий должен обеспечивать взаимодействие с разными службами и структурами, отслеживать огромный объем информации, обеспечивать бесконфликтность инструментальных средств и методов работы, т.е. все то, что создает истинное сообщество разработчиков. Сказанное акцентирует внимание на актуальность систем поддержки принятия решений (СПГТР) при работе с данными в любой предметной области. При этом СППР мыслится как информационно-аналитическая система, для которой необходим соответствующий интерфейс, в частности графический. Сейчас велик интерес к СППР, воплощаемых в так называемых центрах ППР (ЦППР - Decision Support Centre Solutions), центрах принятия стратегических решений (ЦПСР), Ситуационных центрах (СЦ) или Ситуационных комнатах (СК - Situation Room), центрах виртуальной реальности (Realyty Centre), Визионариумах (Vyzionarium, термин ввела компания SGI; ее продукт SGI MineSet - визуальный инструмент аналитика), интеллектуальных зданиях и других подобных структурах Методология центров связана с реализацией новейших исследований и достижений в области усиления интеллектуальных и эвристических способностей ЛПР, а воплощение методик - с интеграцией новейших информационных технологий.

Такие ИТ определяют возможности по решению накопившихся проблем. К их числу относится проблема массовой автоматизации традиционных групп ППР и ПР по учету, воплощению форм ассоциативно-образного мышления человека, исходя из биологической специализации одного из полушарий его мозга по открытости, качественной ориентации, интуитивно параллельного оперирования впечатлениями, фразами, решениями, качественному анализу схожести объектов ф по содержанию. "Старая" методология, существующие ИТ, их обеспечение воплощают специализацию другого полушария мозга на количественную ориентацию, закрытость, аналитичность упорядоченных логических и численных действий статистической обработки, экстраполяции, планирования, выводов и ПР. Так, принципиальным недостатком статистических методов считают то, что они опираются на парадигму усредненных характеристик выборок, часто фиктивных в реальных сложных жизненных феноменах [50]. Более того, статистические методы бессильны в решении задач применения и интерпретации геологических и геофизических данных при бурении на нефть и газ, задач гидромеханики и разработки месторождений, оценок запасов объемным методом, ® многокритериального выбора лучших объектов из имеющихся [127,128]. Пожалуй, эта парадигма средних и породила такое разнообразие средних (по Джини [34] 18 аналитических, 14 аналитических взвешенных, 7 неалитических, 9 неаналитических взвешенных). Как отмечается в [127], это было бы полезно, если бы указывался метод выбора средних для постановок конкретных задач. Но, как считают там же, это - проблема будущего, а сейчас можно указать лишь вид среднего (иногда), авдекватный изучаемой ситуации. Предложенный в данной работе подход усиления информационности в выборе оценок при определении эталона класса похоже меняет положение, так как обладает свойством универсальности, относясь к обязательному моменту любого исследования в ПНР. Недостаточность аналитических методов стараются скомпенсировать отражением в методологии причинных нелогичных и нечетких, размытых множеств, немонотонных логик, нечетких систем.

Главное в методологии - это акцент на наличие парадокса и недостаточности ^ осмысления собранных данных в контексте ситуации решением проблемы группировки их и корреляции связей между данными. Необходимы механизмы л антиципации (догадки, предвосхищения). Новая методология больше подчеркивает класс алгоритмов, методов инструментария по усилению ЛПР на уровне таких понятий как парадигма, категории (не абстрактные символы, а концепты познавательных моделей на не логических рассуждениях), интуиция, эмоции. Воплощается это в генетических алгоритмах, в artifical life, брейнпьютерных сетях, адаптационных, самоорганизующихся типа "бактериальных" сетей в зависимости от местоположения, обмена генетической информацией, приоритетами пакетов данных [2,43]. Визуализация (виртуализация как эффект личного присутствия) групповой работы гармонизирует интересы участников, лучше нивелирует ошибки, обеспечивает интерактивное уточнение нюансов работы, выявляет проблемы, вырабатывает подходы к решению, сглаживанию противоречий. Но это, конечно, в разумном сочетании традиционного и виртуального видов коллективной работы. В этой связи хотелось бы напомнить об известном средстве оценки объективности согласования мнений коллектива как традиционными средствами ("конкордации", методами согласования типа Delphi и др.), так и об адаптационных автоматных схемах коллективного поведения, предложенных в свое время Цетлиным М.Л. и его учениками (см.[15,с. 141]). Проблема отставания в задаче массовой автоматизации традиционных групп все та же: неформализуемость знаний, необходимость учета форм мышления человека. Решение предлагается искать по пути универсализации: закрытые знания специалистов разных областей визуализировать с возможностью ассоциативно-образной переструктуризации доступной информации. Примером может служить модуль аналитического database mining (data mining переводится как "добыча данных", "извлечение знаний"), включающий генераторы ассоциативных связей, дерева решений, свидетельств и утилиту определения значимости признаков. Эти составляющие набора инструментальных средств Mine Set воплощают числовые оценки качественных понятий ассоциации [2].

Из новых ИТ отметим разработки по релевантности ресурсов сети решаемой задаче. Такая ИТ соответствует принятой в аналоговой технике адекватности пространственно-временной структуры технической системы структуре, а через нее и содержанию решаемой задаче. Эффективность от специализации в этом случае наибольшая. Неким аналогом специализации являются различные конвейеры вычислений в ЭВМ и в некоторых вычислительных системах, встроенные или структурируемые перед решением задач.

Рассматриваемый подход к СФС ВС и ИИС как их частного вида некоторым образом соответствует успехам Data Mining в области эволюционного программирования. Привлекательность последнего в его особенности как алгоритмического языка (программирования), близкого к "универсально-желаемому" (хотя это и недостижимо), по обнаружению класса зависимостей, близкого по своей сути к языку транслятора как выводов в определенном виде грамматики, языке представления алгоритмов. Как известно, первый этап работы транслятора - это грамматический разбор и составление последовательности для выявления повторяющихся участков в записях на входном языке операторов, формирования из них процедур-функций и др. объектов [63]. Программы PolyAnalist эволюционного программирования [43] строят сложные формулы, выражающие зависимости в данных ( в нашем случае под данными понимаем и алгоритмическую структуру входных задач, их алгоритмов), комбинируя более простые формулы, находя в итоге точную формулу для искомого отношения. В ИИС в общем достаточно более точные формулы найдены: классы процедур, алгоритмов обработки данных определен, записан на определенном входном языке или внутреннем "машинном", наиболее увязанном (взаимно) с соответствующими вычислительными средствами как универсальными, так и специальными для целей обработки специфических данных различных датчиков ГТИ, ГИС и т.д. Так, в нефтегазовой отрасли находят применение конволверы для быстрого преобразования Фурье, спектрометры, газоанализаторы и др. устройства (регистраторы, преобразователи, накопители, интерпретаторы, классификаторы, сортировщики,.), включающие аппаратурное воплощение алгоритмов, и стало быть, программные достаточно сложные по вычислительным процедурам преобразования.

Многие объекты нефтегазовой отрасли, системы и технологии их процессов относятся к сложнейшим областям и системам, во многом определяемым машиностроительным комплексом как фондообразующим в стране. Рост сложности таких систем проявляется в последние время в усилении информатизации их исследования, разработки, применения. Одной из форм внедрения достижений науки и техники при этом является автоматизация, в частности АСУ разного типа.

Вместе с тем, автоматизация (на современном подходе к ней, состоянии развития ее научной и технической базы) часто начинает служить тормозом развития производства, предприятия и т.п., так как снижает гибкость производственных процессов, способность в короткие сроки обновлять продукцию и диверсифицировать производство [27,54].

Представляется, что такая критика есть следствие недостаточной теоретической и практической проработки принципов автоматизации исследования сложных систем на основе акцентирования информационной сущности объектов и явлений. Исключение пробелов в исследовании сложных систем актуально из-за сложности процессов и управления ими, из-за желания независимости от множества существующих моделей, ограничивающих реагирование системы управления на новизну в первичных данных, из-за состояния "информационности мировоззрения", в котором находится человечество, и из-за информационного характера цели функционирования системы [27,88,144]. Укажем лишь на значимость принципа информационного подхода как основы упорядочения объектов, их свойств и отношений на базе распознавания образов и принципа ослабления гомеостаза системы, усиления роли интерактивности в автоматизации поддержки принятия решения.

Несмотря на критику, автоматизация, в частности сборочных процессов на базе конвейеризации, принята как одно из основных направлений концепции инновационной политики России, являясь приоритетным направлением технологического перевооружения общемашиностроительных производств. Согласно исследованиям РАН [54] Россия сосредоточила свои усилия главным образом в технологиях добычи полезных ископаемых и на некоторых сферах высоких технологий (ядерная физика, запуск спутников). Объекты, явления, процессы, ситуации в этих отраслях создают такие сложные системы, что связанные с ними усилия требуют самых новейших микро- и макро-технологий. Движение возможно, прежде всего (!), на пути усиления отмеченного выше информационного подхода в области исследований научно-фундаментального плана. Проблемы на пути такого усиления и пути их преодоления рассмотрены в [27].

Таким образом, предлагаемая в данной работе методология усиления технологий обработки данных (извлечения знаний) основана на отмеченных выше принципах усиления информативности оценок обработки данных, функционирования сложных систем и управления для целей ППР. В этом новизна. Проистекает она из-за недостаточности, «слабости» математических методов в решении сложных задач, более свойственных человеческой практике. Слабость математических методов - в их неприспособленности для целей нематематического анализа и синтеза информации для ППР. В этом видится парадокс: принципиальная недостаточность математики и необходимость ее применения в новой системе оценки информации. Математика оборачивается сильной стороной в симбиозе с интуицией человека, в функции главным образом средства, сильного «фона» (в хорошем смысле, благодаря ее способности доказательства непротиворечивости суждений) совместно с человеческой практикой как позитивного критерия истины.

Изложенная позиция того же порядка, что и соотношение диалектического единства знания вообще: 1) количественного, аналитического, логического, математического и 2) качественного, интуиционистского, ассоциативного, нематематического. Второе ближе соответствует природе человека, мыслящего образами, ассоциациями.

Замечание по системному подходу того же порядка: не исключение его, не замена его информационным подходом, как об этом постулируется в [138], а придание ему информационности с отмеченных выше позиций данной работы. Доказательство сказанному видится в условности понятия элемента системы вообще, его алгоритмической неразрешимости по аналогии с понятием оператора.

И, наконец, последнее замечание (не по значимости). Действительно [43], в новых ИТ видение проблемы коллективом специалистов и экспертов подразумевает, что их образование и опыт теперь более важны, чем ранее, так как требуют взаимодействия на более высоком уровне.

252

1. Абовский Н.П. Творчество: системный подход, законы развития, принятие решений. -М: СИНТЕГ, 1998. - 312 с.

2. Аджиев В. Mine Set визуальный элемент аналитика // Открытые системы, №3 (23), 1997, с.73-77.

3. Акустическая диагностика и контроль на предприятиях топливно-энергетического комплекса/ В.М. Баринов, А.И. Гриценко, A.M. Карасевич и др. -М.: Наука, 1998.-304 с.

4. Ахо А.В., Хопкрофт Д.Э., Ульман Д.Д. Структура данных и алгоритмы. -М.: Мир, 2001.

5. Андреев С.С., Жиров В.Ф., Командровский В.Г., Ли В.Л., Смирнов В.И., Шнитман B.C. Буферное запоминающее устройство с ассоциативной адресацией.- Бюллетень изобретений, 1973, №37, а.с. №397970 (СССР).

6. Барский А.Б. Планирование параллельных вычислительных процессов. -М.: Машиностроение, 1980. 192 с.

7. Бен-Ари. Языки программирования. Практический сравнительный анализ: Пер. с англ. М.: Мир, 2000. - 366 с.

8. Бетелин В.Б., Бобков С.Г., Зендрикова С.А. и др. Теоретические оценки эффективности супер-ЭВМ с распределенной памятью. М.: НИИСИ РАН, 2003.- 180 с.

9. Бройдо В.Л. Вычислительные системы, сети и телекоммуникации. -СПб.: Питер, 2003.- 688 с.

10. Брукшир Дж.Г. Введение в компьютерные науки. Общий обзор, 6-е издание: Пер. с англ. М.: Издательский дом "Вильяме", 2001. - 688 с.

11. Бурцев Е.В., Виноградов А.В., Командровский В. Г., Кравченко Т.А., Макарова И.И., Торгов Ю.И. Устройство для измерения параметров кровотока. Бюллетень изобретений, 1990, № 48 от 30.12.90, а. с. № 1616598 (СССР)

12. Бусленко Н.П., Калашников В.В., Коваленко И.Н. Лекции по теории сложных систем. М.: Сов. радио, 1973.

13. Варшавский В.И., Поспелов Д.А. Оркестр играет без дирижера. М.: Наука, 1984.

14. Ватанабе С. и др. Оценка и отбор параметров в задачах распознавания образов. Сб.: "Автоматический анализ сложных изображений".- М.: Мир, 1969.

15. Виленкин С.Я., Трахтенгерц Э.А. Математическое обеспечение управ-^ ляющих вычислительных машин. М.: Энергия, 1972.

16. Воеводин В.В., Воеводин Вл.В. Параллельные вычисления. СПб.: БХВ-Петербург, 2002. - 608 с.

17. Водяхо А.И., Горнец Н.Н., Пузанков Д.В. Высокопроизводительные системы обработки данных. М.: Высшая школа, 1997.

18. Временная инструкция по предупреждению и ликвидации гидратов в сис-Ф теме добычи и транспорта газа / Авторы: Ю. Ф. Макогон, А. Г. Малышев, А. Д.

19. Седых и др.- М.: ВНИИГАЗ, 1983.

20. Вунш Г. Теория систем. М.: Сов. радио, 1978. - 288 с.

21. Гарзанов Е.Г., Командровский В.Г. Устройство для экспрессного определения количества вещества при нейтронно-активационном анализе. Бюллетень изобретений, 1970, а.с. № 273883 (СССР).

22. Гарзанов Е.Г., Командровский В. Г., Салащенко В.А. Автоматизация управления документами в Системе "Газпромсерт"// Надежность и сертификация оборудования для нефти и газа. М.: Нефть и газ, 2001. - №1. - с. 1-3.

23. Геловани В.А., Башлыков А.А., Бритков В.Б., Вязилов Е.Д. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях с использованием информации о состоянии природной среды. М.: Эдиториал УРСС, 2001.-304 с.

24. Геофизические методы исследования скважин. Справочник геофизика/ Под ред. В.М. Запорожца. М.: Недра, 1983.

25. Голицын Г.А., Петров В.М. Информация поведение - творчество. - М.: Наука, 1991.-224 с.

26. Горелик A.JL, Гуревич И.Б., Скрипкин В.А. Современное состояние проблемы распознавания: Некоторые аспекты.- М.: 1985.

27. Джини К. Средние величины. М.: Статистика, 1970.

28. Долгов Г.С., Командровский В.Г, Петросянц А.А., Степин Ю.П. Устройство для регистрации стационарного случайного процесса. Бюллетень изобретений, 1970, №31, а.с. №283697 (СССР).

29. Долгов Г.С., Командровский В.Г., Петросянц А.А. Некоторые вопросы шумовой диагностики механизмов. Труды МИНХ и ГП им. И.М. Губкина, 1972.

30. Долгов Г.С., Командровский В.Г., Петросянц А.А. , Степин Ю.П. Устройство для цифровой регистрации случайного стационарного процесса. Бюллетень изобретений, 1972, №16, а.с. №338909 (СССР).

31. Долгов Г.С., Командровский В.Г., Петросянц А.А. Способ анализа стационарного случайного процесса. Бюллетень изобретений, 1973, №30, а.с. №390535 (СССР).

32. Долгов Г.С., Командровский В.Г., Петросянц А.А. Спектральный анализатор случайных стационарных процессов. Бюллетень изобретений, 1974, а.с. №1408314 (СССР).

33. Дородницын А. А. Проблемы математического моделирования в описательных науках. Кибернетика, 1983, №4, с.6-10.

34. Дюк В., Самойленко A. Data Mining. СПб.: Питер, 2001. - 368 с.

35. Ермолаев А.И., Командровский В.Г., Жардецкий А.В. Оптимизация выбора скважин для ГИС-контроля за эксплуатацией ПХГ. Сб. научных трудов №231 " Моделирование и автоматизация технологических процессов нефтегазовой отрасли". М.: МИНГ, 1992, с.85-88.

36. Ершов А.П. Введение в теоретическое программирование (беседы о методе). М.: Наука, 1977.

37. Жиров В. Ф., Командровский В. Г., Ли В. Л., Смирнов В. И., Шнитман В.З., Андреев С. С. Буферное запоминающее устройство с ассоциативной адресацией. Бюллетень, изобретений, 1973, № 37, а.с.№397970 (СССР).

38. Инструкция по расчету оптимального расхода ингибиторов гидратообра-зования.- М.: ВНИИГАЗ, 1987.

39. Каляев А.В., Левин И.И. Многопроцессорные системы с перестраиваемой архитектурой: концепции развития и применения// Наука производству, 1999, № 11, сс. 11-18.

40. Касьянов В.Н., Евстигнеев В.А. Графы в программировании: обработка, ф визуализация, применение.- М.: Наука, 2003.

41. Кершенбаум В .Я., Петухов Ю.С., Шарафиев Р.Г. Машиностроительный комплекс России: состояние, проблемы, тенденции развития // Надежность и сертификация оборудования для нефти и газа, 2000, №3, сс.3-6.

42. Колин Уайт. Аналитика на лету: ZLE-предприятие // Enterprise Pather, 2001, №23.

43. Командровский В.Г. О проектировании вычислительной системы как сложной. Сб."Технические средства обработки информации", Труды МЭСИ, 1975, с.50-58.

44. Командровский В.Г. К вопросу проектирования оптимальной структуры вычислительной системы. Сб."Технические средства обработки информации", Труды МЭСИ, 1975, с.69-81.

45. Командровский В.Г. Теория вычислительных систем.Ч.1. Учебное пособие. М.: МИНХ и ГП имени И.М.Губкина, 1977.

46. Командровский В.Г. Об особенности вычислительной системы как человеко-машинной. Сб. "Технические средства обработки информации". Труды МЭСИ, 1977, с.49-58.

47. Командровский В.Г. О методологии ЭВМ и ВС. Сб. "Задачи разработки АСУ в нефтяной и газовой промышленности". Труды МИНХ и ГП, вып. 139, 1979, с.65-69.

48. Командровский В.Г. К проблеме выбора оценок при поиске решений. Труды МИНХ и ГП, вып. 139, 1979, с.70-74.

49. Командровский В.Г. Некоторые проблемы автоматизации проектирования вычислительных средств АСУ. Тезисы докладов Всесоюзн. научн. кон-фер."Методологические проблемы математическ. и информационного обеспечения АСУ", ч. 2, МЭСИ, 1979, с.14-15.

50. Командровский В.Г. Оценки сложности алгоритмов и вычислений. Учебное пособие.- М.: Изд. МИНХ и ГП им. И. М. Губкина, 1983. 83 с.

51. Командровский В.Г. Торгов Ю.И. Два этапа оптимизации синтеза вычислительных систем. Сб. " Проектирование и применение мультимикромашинныхсистем". М.: ВЦАН СССР, 1984, с.45-60.

52. Командровский В.Г. Сборник задач и упражнений по курсу "Теория вычислительных систем". Учебное пособие. М.: МИНХ и ГП имени И.М. Губкина, 1985. - 72 с.

53. Командровский В.Г. Сборник задач и упражнений по теории вычислительных систем. Ч. 2. Учебное пособие. М.: МИНГ имени И.М. Губкина, 1987.-80 с.

54. Командровский В.Г. Выбор комплекса технических средств в АСУ бурового производства. Метод, указания для слушателей ФПК и студентов факультета А и ВТ. М.: МИНГ имени И.М. Губкина, 1988. - 24 с.

55. Командровский В.Г. Сегментация программ в вычислительной системе. Метод, указания к лаб. работе по курсу. МИНГ имени И.М. Губкина, 1988.- 16 с.

56. Командровский В.Г. О статистической обработке данных транспорта газа. Библиограф. Указатель ВИНИТИ "Депонированные научные работы", № 3, 1989, с.86, рукопись №1121 гз-88 Деп.

57. Командровский В.Г., Степин Ю.П. О планировании зависимых работ в однородной вычислительной системе. Деп. ВИНИТИ 10.06.9, № 2419-В91. Библиограф. Указатель ВИНИТИ "Депонированные научные работы", 1991, №10, б/о44.

58. Командровский В.Г. Раскраска вершин графа при циклических вычислениях. Деп. ВИНИТИ 25.12.91, № 4787-В91. См. Библиограф. Указатель ВИНИТИ "Депонированные научные работы", 1992, № 4, б/о 356.

59. Командровский В.Г. О применении алгоритма Дейкстры для поиска критического пути. Деп. ВИНИТИ 04.03.92, № 703-В92. См. Библиограф. Указатель ВИНИТИ "Депонированные научные работы", 1992, № 7, б/о 37.

60. Командровский В.Г. Структурно-функциональный подход к исследованию вычислительных машин и систем. Сборник научных трудов № 231 "Моделирование и автоматизация технологических процессов нефтегазовой отрасли". М.: МИНГ, 1992, с.50-53.

61. Комаидровский В.Г. Оценка времени выполнения работ в конвейерной вычислительной системе. Деп. ВИНИТИ 06.05.93, № 1203-В93.

62. Командровский В.Г. Планирование по приоритетам зависимых работ в неоднородной вычислительной системе. Деп. ВИНИТИ 05.04.95, № 938-В95.

63. Командровский В.Г. Динамическое планирование зависимых работ в однородной вычислительной системе. Деп. ВИНИТИ 05.04.95 № 939-В95.

64. Командровский В.Г. Планирование работ. Конвейеризация вычислений. Методические указания к лабораторной работе по курсу "Системы и сети телеобработки данных". М.: ГАНГ, 1997. - 17 с.

65. Командровский В.Г. Планирование зависимых работ в двухпроцессорной неоднородной вычислительной системе. Деп. ВИНИТИ 31.01.97, № 279-В97.

66. Командровский В.Г., Фахразиев Э.Р. Оптимизация размещения данных в системе дистанционного образования. Тезисы докладов "Дистанционное обучение в Республике Коми (проблемы и перспективы)". Ухта: УИИ, 1998, с.14-15.

67. Командровский В.Г., Сердах М.Д. Компьютерные технологии решения конвейерной задачи. Методическое пособие к лабораторной работе по курсу. -М.: РГУ нефти и газа, 2000. 17 с.

68. Командровский В.Г. О методологии информатизации исследования объектов нефтегазовой отрасли как сложных систем // Автоматизация, телемеханизация и связь в нефтяной промышленности. М.: ВНИИОЭНГ, 2002.-№8.-с.20 -23.

69. Командровский В.Г. К методологии информатизации исследования сложных систем. Структурно-функциональный подход // Автоматизация, телемеханизация и связь в нефтяной промышленности. М.: ВНИИОЭНГ, 2002.- №12.-с.7-9.

70. Командровский В.Г., Моисеенко А.С., Козюра А.В. О виброакустическом исследовании скважин как сложных систем // Автоматизация, телемеханизация и связь в нефтяной промышленности. М.: ВНИИОЭНГ, 2003.- №1.- с. 16-20.

71. Командровский В.Г. Методологические принципы информатизации исследования объектов нефтегазовой отрасли как сложных систем. М.: ГУП Изд-во "Нефть и газ" РГУ нефти и газа им. И.М. Губкина. - 2003. - 140 с.

72. Командровский В.Г., Моисеенко А.С. Экспресс-анализ результатов оперативной ИК-спектрометрии горных пород при бурении// Автоматизация, телемеханизация и связь в нефтяной промышленности. М.: ВНИИОЭНГ, 2003.-№9.-с. 12-15.

73. Командровский В.Г. К оценке запаса газа в подземном хранилище. Выбор скважин для ГИС-контроля// Нефть, газ и бизнес.- М.: 2004. №1, с.46-49.

74. Командровский В.Г. Обработка некоррелированными выборками случайных процессов в объектах нефтегазовой отрасли // Приборы + автоматизация, 2004, №4(46), с. 18-22.

75. Командровский В.Г., Юдовский О.В. К минимизации булевых функций// Автоматизация, телемеханизация и связь в нефтяной промышленности. М.: ВНИИОЭНГ, 2004.- №7.- с. 15-16.

76. Командровский В.Г. Структура исследования сложных объектов и систем нефтегазовой отрасли// Автоматизация, телемеханизация и связь в нефтяной промышленности. М.: ВНИИОЭНГ, 2004.- № 8.- с. 16-19.

77. Котов В.Е. Теория параллельного программирования. Прикладные аспекты. Киев: Кибернетика, 1974, №1, сс. 1-16; №2, сс. 1-8.

78. Кофман А. Введение в теорию нечетких множеств. М.: Физматгиз, 1987.300 с.

79. Левин В.И., Мирецкий И.Ю. Оптимальное планирование работ в конвейерных системах//АиТ, 1996, №6, сс.3-30.

80. Левицкий А.З., Командровский В.Г., Сафарини О. Об автоматизации оперативного управления процессом бурения // Автоматизация, телемеханизация и связь в нефтяной промышленности. М.: ВНИИОЭНГ, 1999.- № 3-4.- С. 2 - 8.

81. Левицкий А.З., Командровский В.Г., Сафарини О. О методах и средствах разработки информационного обеспечения для оперативного управления бурением // Автоматизация, телемеханизация и связь в нефтяной промышленности. -М.: ВНИИОЭНГ, 2000.- №3.- С. 7 11.

82. Максвелл А., Лоули Д. Факторный анализ как статистический метод.1. М.: Мир, 1967.

83. Максимей И.В. Функционирование вычислительных систем (измерения и анализ).- М.: Сов. радио, 1979. 272 с.

84. Митропольский Ю.И. Мультиархитектурная вычислительная суперсистема// Труды Всероссийской научной конференции "Методы и средства обработки информации" (1 октября 3 октября 2003 г., г. Москва) - М.: Издательский отдел факультета ВМиК МГУ, 2003.

85. Мирский Г.Я. Аппаратурное определение характеристик случайных процессов. М.: Энергия, 1972. - 455 с.

86. Моисеенко А.С., Орлов В.И., Богаткин Г.К., Стрельченко В.В., Командровский В.Г., Егорова И.В. Аппаратура для полевого оперативного анализа горных пород// Приборы + автоматизация, 2003, №11 (41), с.21-27.

87. Немнюгин С.А., Стесик O.JI. Параллельное программирование для многопроцессорных вычислительных систем. СПб.: БХВ-Петербург, 2002.- 400 с.

88. Николис Г., Пригожин И. Познание сложного. Введение: Пер. с англ. -М.: МИР, 1990.-344 с.

89. Отчеты по теме № 46 "Проверка качества сборки машин методом шумовой диагностики". МИНХ и ГП им. И.М. Губкина, 1968-1970.

90. Отчет по теме № 69/88 "Разработка научно-методических основ создания банка данных АСУПГеофизика (на базе СУБД ИНЕС)", №ГР01870082578 М.: МИНГ им. И.М. Губкина, 1988.

91. Павлов Б.В. Кибернетические методы в диагностике механизмов и машин. М.: Машиностроение, 1974.

92. Панфилов И.В., Половко A.M. Вычислительные системы. М.: Сов. радио, 1980. - 241 с.

93. Поспелов Д.А., Пушкин В.Н. Мышление и автоматы. М.: Сов. радио, 1972. - 224 с.

94. Пушкарев В.П., Командровский В.Г. Ориентированные графы как подмножество сетей Петри// Автоматизация, телемеханизация и связь в нефтянойпромышленности. М.: ВНИИОЭНГ, 2004.- №1.- с. 26-29.

95. Рейнгольд J1.A. Структурирование информации. Системный подход. М.: Наука, 2004. - 200 с.

96. Розоноэр Л.И. О случайных логических сетях. 1. // Автоматика и телемеханика, 1969, №5. 134 с.

97. Солонина А., Улатович Д., Яковлев JL Алгоритмы и процессоры цифровой обработки сигналов. СПб.: БХВ-Петербург, 2002.- 464 с.

98. Теория расписаний и вычислительные машины/ Под ред. Э.Г. Коффмана. -М.: Наука, 1984.

99. Толстов А.Г. Приложение методов принятия решений при распознавании образов к задачам вибрационной диагностики. М.: ИРЦ Газпром, 1994. - 32 с.

100. Трахтенгерц Э.А. Программное обеспечение автоматизированных систем управления. М.: Статистика, 1974. - 288 с.

101. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. М.: СИНТЕГ, 1998. - 376 с.

102. Трахтенброт Б.А. Сложность алгоритмов и вычислений. Новосибирск: Наука, 1967.

103. Труды Всероссийской научной конференции "Методы и средства обработки информации" (1 октября 3 октября 2003 г., г. Москва) - М.: Издательский отдел факультета ВМиК МГУ, 2003.

104. Труды Всероссийской научной конференции "Высокопроизводительные вычисления и их приложения" (30 октября 2 ноября 2000 г., г. Черноголовка) -М.: Изд-во МГУ, 2000.

105. Тюхтин B.C. Теория автоматического опознания и гносеология. М.: Наука, 1976. - 190 с.

106. Уилкинсон Дж. X. Алгебраическая проблема собственных значений. М.: Наука, 1970.-400 с.

107. Фролов Ю.В. Интеллектуальные системы и управленческие решения. -М.: МГПУ, 2000.- 294 с.

108. Хургин Я.И. Нечеткие методы в нефтегазовой отрасли. М.: РГУ нефти и газа, 1995.

109. Хургин Я.И. Нечеткие методы в гидромеханике. М.: РГУ нефти и газа, 2000.

110. Цвиркун А.Д. Структура сложных систем. М.: Сов. радио, 1975.

111. Шалыто А.А. Логическое управление. Методы аппаратной и программной реализации алгоритмов. СПб.: Наука, 2000. - 780 с.

112. Шишкин О.П., Богаткин Г.К., Командровский В.Г. Методологические проблемы качества подготовки специалистов// Известия высших учебных заведений, Нефть и газ, 1980, №7, с.42-46.

113. Шишкин О. П., Командровский В.Г. О применении метода программно

114. Ф целевого планирования и управления в исследовании и развитии комплексатехнических средств АСУТП-бурения. Библиографич. указатель ВИНИТИ "Депонированные научные работы", №5, №671 гз-84 Деп. 1985, с. 103, рукопись.

115. Юзвишин И.И. Информациология. М.: Финансы и статистика, 1996. -210 с.

116. A. Geist, A. Beguelin, J. Dongarra, W. Jiang, R. Manchek, V. Sunderam. PVM:Parallel Virtual Machine. A Users' Guide and Tutorial for Networked Parallel Computing The MIT Press, Cambridge, 1994.

117. Gottinger H.W. Intelligent decision support systems.// Decision support systems. №8, 1992.

118. Jeffrey D. Ullman. Elements of ML Programming. Prentice Hall, 1994.

119. Harel D., Gery E. Executable object modeling with statecharts// Computer.1997. №7.

120. MATLAB. The language of technical computing. Version 5.2. MA: Math Works, Inc. 1998.щ 153. Micro Mentor: understanding and applying micro programmable controllers. Allen-Bradley Inc., 1995.Highes T.A. Programmable controllers. Instrument Society of

121. America (ISA) Publications, 1997.

122. Ran A.S. Patterns of events / Patterns languages of programm design. Ed. J.O. Coplien, D.C. Schmidt. MA: Addson-Wesley, 1995.

123. Reeves C.R. Modern heuristic techniques for combinatorial problems. Black-well Scientific Publications, Oxford, 1993.

124. Series 90-70. State logic control system. User's manual. NA: GE Fanuc Automation. 1998.

125. Turban E. Decision support and expert systems. Maxwell Macmillian. New1. York. 1990.

126. Zadehn L.A. Fuzzy logic, neural networks and soft computing// Communi-caitions of the ACM. v. 37, №3, 1994, p. 77-84.