Системный анализ информационных систем поддержки принятия решений на нефтетранспортном предприятии

Актуальность темы исследования обусловлена тем, что качество запасов, с которыми работают нефтегазовые компании в данный момент, ухудшается: кратно увеличиваются неоднородность и сложность строения пластов. В нефтегазовой индустрии исторически накоплен огромный объем геологической информации, теоретически позволяющий упростить работы с такими сложными объектами, но этот массив данных не обобщен для выявления сложных системных закономерностей и принятия более робастных решений. Это ставит задачу разработки инструментов автоматизированного обобщения интеллектуальной информации, результатов ее обработки и интерпретации, а также построения и масштабирования экспертных систем. В ходе работы над созданием геологических моделей специалисты в области исследований керна, испытаний, сейсморазведочных и геофизических работ интегрируют все имеющиеся данные о строении геологического тела. Данные последовательно передаются между специалистами, упрощаются и нормализуются для интеграции различных видов исследований. В конечном счете они настолько огрубляются для использования в качестве эффективных параметров геологической модели, что итоговое представление о строении геологического объекта может оказаться достаточно далеко от реальной картины.

---

На Work5 вы можете заказать недорого контрольную работу в Томске и не переживать за качество.

---

Это ставит задачу разработки более эффективных методов организации работы с геологической информацией, снижения транзакционных издержек передачи информации. Отдельно следует отметить стремительное развитие технологий Индустрии 4.0, которые получают все большее отражение в повестке самых различных отраслей. В Блоке разведки и добычи сформированы крупные трансформационные программы, цель которых — оптимизировать бизнес-процессы подразделений и при помощи интеллектуальных систем обеспечить принятие более качественных и быстрых решений, развивающих гибкость и ценность бизнеса. Целью исследования является анализ системного анализа информационных систем поддержки принятия решений на нефтетранспортном предприятии. Для достижения данной цели предполагается решить следующие задачи: - установить роль и значение системного анализа в исследовании информационных систем поддержки принятия решений на нефтетранспортном предприятии; - рассмотреть принципы системного подхода и их применение в анализе информационных систем поддержки принятия решений на нефтетранспортном предприятии; - представить классификацию методических подходов системного анализа информационных систем поддержки принятия решений на нефтетранспортном предприятии, основные показатели и критерии оценки; - выявить особенности информационных систем поддержки принятия решений реализуемых на нефтетранспортном предприятии; - произвести оценку действующего методического обеспечения проведения системного анализа информационных систем поддержки принятия решений на нефтетранспортном предприятии; - проанализировать обоснование предложений по совершенствованию методического инструментария проведения системного анализа информационных систем поддержки принятия решений на нефтетранспортном предприятии и оценка их результативности. Объектом исследования является нефтетранспортное предприятие. Предмет исследования – системный анализ информационных систем поддержки принятия решений на нефтетранспортном предприятии. Методологической основой работы послужили методы: логический, сравнительно-правовой, историко-правовой метод, методы системного анализа, метод теоретико-правового прогнозирования. Структура работы включает в себя введение, основную часть, заключение и список использованной литературы, приложения.

На сегодня платформенная часть инструмента готова в области хранения и передачи данных некоторых распространенных типов; создан API (application programming interface — программный интерфейс), позволяющий интегрировать в систему другие приложения и алгоритмы, ведется разработка рабочих мест ключевых ролей пользователей. Платформа прошла тестирование на одном из крупных проектов ГРР, выполнив стандартный процесс ГЭО с высоким уровнем точности и существенной экономией времени относительно стандартного рутинного процесса. Система технологического менеджмента — это комплекс процессов, сервисов и ИТ-решений, направленных на непрерывное сопровождение реализации технологической стратегии. Цель развития СТМ заключается в обеспечении нового уровня эффективности компании через выявление и достижение технологического потенциала активов. Поскольку СТМ объединяет более 200 участников технологических проектов, более 50 технологических партнеров, а также консолидирует большое количество смежных направлений (управление интеллектуальной собственностью, закупочный процесс, процесс коммерциализации и т. д.), необходимо интегрировать всех участников в комплексный процесс работы с технологическим потенциалом, поддержанный распределенной моделью ответственности и КПЭ. Ключевая метрика системы технологического менеджмента (NSM) — конверсия технологического потенциала в эффект от тиражирования новых технологий — позволила переопределить и перераспределить процессы от конечного результата до первоисточников данных. Для этой задачи были оцифрованы более 1000 компонент данных по более чем 100 технологическим проектам и более чем 2 500 опытно-промышленным испытаниям и технологическим гипотезам. Сейчас в СТМ реализована значительная часть элементов data-driven management — проведен реинжиниринг бизнес-процессов управления технологическим развитием и выделены ключевые метрики, на которые нацелено внимание команды (уровень технологического потенциала активов, количество тестируемых гипотез в рамках проекта, ценность технологического портфеля). Вокруг этих метрик постепенно выстраивается система инструментов — сбора, обработки и аналитики данных, дашбордов, которые помогут активам принимать оперативные решения развития технологической повестки. Внедрение даже первых элементов data-driven подхода повысило эффективность реализации всей технологической стратегии — операционный ритм разработки технологий был оптимизирован более чем в 3 раза, ценность технологического портфеля выросла на 20 %, более чем вдвое увеличен объем тиражируемых технологических проектов. Управление процессами на основе объективных, фактических данных позволяет Блоку новых технологий сокращать издержки, повышать количество и востребованность технологий, увеличивать эффективность их внедрения, своевременно реагировать на запросы добывающих дочерних обществ и партнеров. Выстраивание процессов и потоков данных от первичной информации до уровней принятия решений должны подкрепляться последовательностью и дисциплиной в использовании этих данных со стороны лиц, принимающих решения. Вовлеченность, контроль и однозначность принятия управленческих решений на базе таких процессов является основой внедрения и развития data-driven management. Процессы в нефтегазовой компании часто насыщены большим объемом неструктурированных данных. Способы их верификации, обработки и передачи между элементами системы должны входить в периметр бизнес-процессов, поскольку именно здесь часто кроются ошибки, факторы необъективности и некорректных «интуитивных» суждений. Связка принимаемых решений и данных через единый бизнес-процесс позволяет явным образом объединить качество данных и качество принимаемых на их основе решений.

1. Федеральный закон от 18.07.2011 г. № 223-Ф3 (ред. от 28.11.2018) «О закупках товаров, работ, услуг отдельными видами юридических лиц» // Российская газета. 2011. 22 июня. № 159. 2. Федеральный закон от 05.04.2013 г. № 44-ФЗ (ред. от 01.05.2019) «О контрактной системе в сфере закупок товаров, работ, услуг для обеспечения государственных и муниципальных нужд» // Российская газета. 2013. 12 апреля. № 80. 3. Постановление Правительства РФ от 29.03.2019 г. № 355-23 «О внесении изменений в государственную программу Российской Федерации «Развитие промышленности и повышение ее конкурентоспособности» // Собрание законодательства РФ. 2019. 15 апреля. № 15 (Ч. I). Ст. 1742. 4. Андрейчиков, А.В. Системный анализ и синтез стратегических решений в инноватике: Основы стратегического инновационного менеджмента и маркетинга. — М.: Книжный дом Либроком, 2016. — 248 c. 5. Андрейчиков, А.В. Системный анализ и синтез стратегических решений в инноватике: Учебное пособие. — М.: ЛИБРОКОМ, 2017. — 248 c. 6. Андрейчиков, А.В. Системный анализ и синтез стратегических решений в инноватике: Основы стратегического инновационного менеджмента и маркетинга. — М.: Книжный дом Либроком, 2018. — 248 c. 7. Андрейчиков, А.В. Системный анализ и синтез стратегических решений в инноватике: Модели многокритериального анализа деятельности инновационных организаций. — М.: Книжный дом Либроком, 2017. — 360 c. 8. Андрейчиков, А.В. Стратегический менеджмент в инновационных организациях. Системный анализ и принятие решений: Учебник. — М.: Вузовский учебник, НИЦ ИНФРА-М, 2017. — 396 c. 9. Антонов, А.В. Системный анализ: Учебник для вузов. — М.: Высш. шк., 2017. — 454 c. 10. Анфилатов, В.С. Системный анализ в управлении: Учебное пособие. — М.: ФиС, 2018. — 368 c. 11. Асланов, М. Системный анализ и принятие решений в деятельности учреждений реального сектора экономики, связи и транспорта. — М.: Экономика, 2017. — 406 c. 12. Алексеева М.Б. Теория систем и системный анализ: учебник и практикум для вузов. Москва : Юрайт, 2020. - 304 с. 13. Антонов А.В. Системный анализ: учебник .— 4, перераб. и доп. — Москва : ИНФРА-М, 2020 .— 366 с. 14. Белов П.Г Системный анализ и программно-целевой менеджмент рисков : учебник и практикум для вузов. — Москва : Юрайт, 2020 .— 289 с 15. Белов П.Г. Управление рисками, системный анализ и моделирование в 3 ч. Часть 1 : учебник и практикум для вузов. — Москва : Юрайт, 2020 .— 211 с. 16. Белов П.Г. Управление рисками, системный анализ и моделирование в 3 ч. Часть 2 : учебник и практикум для вузов. — Москва : Юрайт, 2020 .— 250 с. 17. Белов П.Г. Управление рисками, системный анализ и моделирование в 3 ч. Часть 3 : учебник и практикум для вузов. — Москва : Юрайт, 2020 .— 272 с. 18. Баринов, В.А. Теория систем и системный анализ в управлении организациями: Справочник: Учебное пособие. — М.: ФиС, ИНФРА-М, 2016. — 848 c. 19. Боржеш А. М. Методический подход к оценке результативности корпоративного механизма управления инновационной деятельностью // Экономика и предпринимательство. - 2017. - № 9. - C. 730735. 20. Боржеш А.М. Механизм управления инновационной деятельностью нефтегазовых корпораций: повышение результативности системы поддержки принятия решений // РППЭ. 2018. №9 (95). URL: https://cyberleninka.ru/article/n/mehanizm-upravleniya-innovatsionnoy-deyatelnostyu-neftegazovyh-korporatsiy-povyshenie-rezultativnosti-sistemy-podderzhki (дата обращения: 11.03.2022). 21. Вдовин В.М. Теория систем и системный анализ : учебник / Российский университет кооперации ; Российский университет кооперации ; Национальный исследовательский Московский государственный строительный университет .— Москва : Дашков и К, 2020 .— 642 с. 22. Волкова В.Н. Теория систем и системный анализ : учебник для вузов. — Москва : Юрайт, 2020 .— 462 с . 23. Горохов А.В. Основы системного анализа : учебное пособие для вузов. — Москва : Юрайт, 2020 .— 140 с. 24. Долганва О.И. Моделирование бизнес-процессов : учебник и практикум для академич. бакалавриата; Гос. ун-т управления.— Москва : Юрайт, 2019 .— 290 с. 25. Дрогобыцкая К.С. Архитектурные модели экономических систем : мнография; Финансовый университет при Правительстве Российской Федерации .— Москва : Вузовский учебник, 2019 .— 301 с. 26. Жмудь В.А. Системы автоматического управления высшей точности : учебное пособие для вузов. — Москва : Юрайт, 2020 .— 211 с. 27. Заграновская А.В. Теория систем и системный анализ в экономике : учебное пособие для вузов. — Москва : Юрайт, 2020 .— 266 с. 28. Звягин Л.С. Системный анализ деятельности предприятий в экономике и финансах: учебное пособие.— Москва : КноРус, 2020 .— 589 с. 29. Лойко А.О. Применение систем поддержки принятия решений на промышленных предприятиях // Вестник МФЮА. 2019. №2. URL: https://cyberleninka.ru/article/n/primenenie-sistem-podderzhki-prinyatiya-resheniy-na-promyshlennyh-predpriyatiyah (дата обращения: 11.03.2022). 30. Сальников В.А., Галимов Д.И. Конкурентоспособность отраслей Российской промышленности текущее состояние и перспективы // Проблемы прогнозирования 2018. № 2. С. 15 31. Сизова Ю. С. Развитие технопарковых структур в московском регионе: динамика, факторы, перспективы //Экономика и предпринимательство. - 2016. - № 3-1(68-1). - С. 270-272. 32. About Sonangol EP. [An electronic resource]. Access mode: http://www.sonangol.co.ao/English/ AboutSonangolEP/Strategy/Pages/Strategy.aspx (дата обращения: 11.03.2022). 33. BP Technology Outlook 2018. [An electronic resource]. Access mode: https://www.bp.com/content/dam/bp/ en/corporate/pdf/technology/bp-technology-outlook-2018.pdf (дата обращения: 11.03.2022). 34. Chevron. [An electronic resource]. Access mode: https://www.chevron.com/technology (дата обращения: 11.03.2022). 35. Clemencia Nogueira. Angola - Oil and Gas. [An electronic resource]. Access mode: https:// www.export.gov/article?id=Angola-Oil-and-Gas (дата обращения: 11.03.2022). 36. Number crunching with Big Data. BP Magazine. 2014. [An electronic resource]. Access mode: https:// www. bp. com/en/global/corporate/bp-magazine/innovations/number-crunching-with-big-data. html (дата обращения: 11.03.2022). 37. PetroChina. [Электронный ресурс]. Режим доступа: http://www.petrochina.com.cn/ptr/yjykf/ gsjscommon.shtml (дата обращения: 11.03.2022). 38. Research & Development, Exploring New Directions. Total. [An electronic resource]. Access mode: https://www.total.com/sites/default/files/atoms/files/total_ep_rd_brochure_2015_gb.pdf (дата обращения: 11.03.2022). 39. Shell Global. [An electronic resource]. Access mode: https://www.shell.com/energy-and-innovation/ overcoming-technology-challenges/innovation-through-research-and-development.html (дата обращения: 11.03.2022). 40. Technology & Innovation. Petroleo Brasileiro S. A. [An electronic resource]. Access mode: http:// www.petrobras