Разработка принципов повышения информативности исследования сложных объектов и систем нефтегазовой отрасли тема диссертации и автореферата по ВАК РФ 05.13.01, доктор технических наук Командровский, Виктор Георгиевич

• Командровский, Виктор Георгиевич
• доктор технических наук
• 2005

Оглавление диссертации доктор технических наук Командровский, Виктор Георгиевич

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.

Введение диссертации (часть автореферата) на тему «Разработка принципов повышения информативности исследования сложных объектов и систем нефтегазовой отрасли»

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.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Командровский, Виктор Георгиевич

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

Список литературы диссертационного исследования доктор технических наук Командровский, Виктор Георгиевич, 2005 год

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.