Московский экономический журнал 9/2021

Posted by redaktor
image_pdfimage_print

Научная статья

Original article

УДК 622.692.4

doi: 10.24412/2413-046Х-2021-10548

УПРАВЛЕНИЕ ТЕХНОЛОГИЧЕСКОЙ БЕЗОПАСНОСТЬЮ НЕФТЕГАЗОВОГО ПРЕДПРИЯТИЯ.

TECHNOLOGICAL SAFETY MANAGEMENT OF AN OIL AND GAS ENTERPRISE.

Янбарисова Карина Владиславовна, Уфимский государственный нефтяной технический университет, yanbarisova2000@mail.ru

Бикбулатова Диана Ринатовна, Уфимский государственный нефтяной технический университет, bikbulatova00@list.ru

Шаяхметова Лилия Каримовна, Уфимский государственный нефтяной технический университет, liliya200088@gmail.com

Садрисламова Регина Ильгизовна, Уфимский государственный нефтяной технический университет, r.sadrislamova@mail.ru

Маннанова Инна Ильнуровна, Уфимский государственный нефтяной технический университет, in.mannanova.in55@mail.ru

Yanbarisova Karina Vladislavovna, Ufa State Petroleum Technological University, yanbarisova2000@mail.ru

Bikbulatova Diana Rinatovna, Ufa State Petroleum Technological University, bikbulatova00@list.ru

Shayakhmetova Lilia Karimovna, Ufa State Petroleum Technological University, liliya200088@gmail.com

Sadrislamova Regina Ilgizovna, Ufa State Petroleum Technological University, r.sadrislamova@mail.ru

Mannanova Inna Ilnurovna, Ufa State Petroleum Technological University, in.mannanova.in55@mail.ru

Аннотация. В последнее время вопросам эффективного использования энергетических ресурсов уделяется повышенное внимание, в большинстве стран, в том числе и в России, принято множество документов, посвященных этой теме. Повышение энергетической эффективности существенно влияет на решение проблем, связанных с экономическим развитием, энергетической безопасностью, изменением климата. Не последнюю роль в энергопотреблении играют промышленные предприятия и жилищно-коммунальный сектор, располагающие высоким потенциалом энергосбережения, сопоставимым с приростом производства всех первичных энергоресурсов, по способности обеспечения экономического роста. Прямое влияние на эффективность предприятия, оказывает объем энергетических ресурсов, используемых предприятием в процессе осуществления деятельности. В отсутствии адекватного управления энергоресурсами, количество затрачиваемых ресурсов, приобретает тенденцию к росту, вызывая тем самым увеличение соответствующих расходов. Информационная система управления энергоэффективностью представляет собой эффективный инструмент позволяющий строить процессы учета энергопотребления, планирования, разработки и внедрения энергосберегающих мероприятий, формировать отчетность, анализировать данные полученные на всех этапах сбора информации и на их основе производить прогнозирование энергопотребления. Основными входными данными для подобных систем являются фактические измерения абсолютного и удельного расхода энергетических ресурсов по наблюдаемым объектам, что позволяет считать энергоэффективность измеримой величиной.

Abstract. Recently, increased attention has been paid to the efficient use of energy resources, and in most countries, including Russia, many documents on this topic have been adopted. Increasing energy efficiency has a significant impact on solving problems related to economic development, energy security, and climate change. An important role in energy consumption is played by industrial enterprises and the housing and communal sector, which have a high energy saving potential, comparable to the increase in production of all primary energy resources, in terms of the ability to ensure economic growth. The volume of energy resources used by the enterprise in the course of its activities has a direct impact on the efficiency of the enterprise. In the absence of adequate management of energy resources, the amount of resources consumed tends to increase, thereby causing an increase in the corresponding costs. The energy efficiency management information system is an effective tool that allows you to build energy consumption accounting processes, planning, development and implementation of energy-saving measures, generate reports, analyze data obtained at all stages of information collection and, based on them, predict energy consumption. The main input data for such systems are the actual measurements of the absolute and specific consumption of energy resources for the observed objects, which allows us to consider energy efficiency as a measurable quantity.

Ключевые слова: сбор информации, энергетические ресурсы, энергоэффективность, энергопотребление, процесс

Keywords: information collection, energy resources, energy efficiency, energy consumption, process

Построена структура информационной технологии сбора и обработки данных для системы управления энергоэффективностью предприятия изображена на рис.1.

Разработана ИТ с помощью средств сбора и обработки данных, в которых реализованы методы, разработанные во второй и третьей главах диссертационной работы, обрабатывает данные, полученные от подсистемы датчиков [2]. Следующий этап работы ИТ заключается в сохранении обработанных данных в формате удобном для анализа и принятия оптимальных решений по повышению энергоэффективности предприятия.

Один из первых этапов построения системы заключается в синтезе ее структуры.

Для синтеза микроконтроллерных систем необходимо разработать программный продукт, который облегчит выбор базовых элементов и генерацию вариантов сочетания элементов в единую систему (структурную схему). В то же время необходимо автоматизировать процесс отбора и сравнения базовых элементов между собой для выбора оптимального варианта структуры устройства [4]. 

Программный продукт системы устройства должен выполнять следующие функции, а именно:

  • Генерировать интерфейсы пользователя, с помощью какой оператор будет иметь возможность управлять программой, а именно: интерфейсы пользователя для ввода критериев выбора элементов из элементной базы; интерфейсы пользователя для ввода критериев синтеза микроконтроллерных систем; интерфейсы пользователя для отображения данных о элементную базу [6].
  • Модуль работы с элементной базой, а именно добавление, удаление, редактирование и просмотр информации о базе компонентов.
  • Модуль работы с результатами отбора и синтеза. Необходимо иметь функции сохранения и загрузки данных.
  • Модуль выбора элементов из элементной базы согласно заданным критериям. Модуль должен вычислять значение целевой функции для каждого элемента. С их помощью можно посортировать элементы по общей эффективности.
  • Модуль синтеза микроконтроллерных систем согласно заданным параметрам синтеза. На входе должны быть данные о базовых элементах, а на выходе сформированы альтернативы. Для каждой из альтернатив вычисляется значение целевой функции. Необходимо иметь возможность сортировать альтернативы по убыванию эффективности.

Согласно программную систему можно разделить на 5 основных модулей (Рис. 2).

В основе системы синтеза есть базовые компоненты, каждый из которых обладает собственными особенностями. Предложено использовать следующие базовые компоненты: микроконтроллеры; датчики; актюаторы; модули расширения и прочее [1].

С помощью данных базовых компонент (БК) и их сочетания можно генерировать разнообразные системы.

Блок-схема алгоритма работы программы синтеза микроконтроллерных систем приведена в приложении в, которое включает следующие шаги:

Шаг 1. Начало программы, инициализация начального меню системы

Шаг 2. Проверка корректности введенных базовых компонентов. Необходимо добавить базовые компоненты – переход на шаг 3, наоборот – переход на шаг 4.

Шаг 3. Добавить, отредактировать или удалить базовый компонент. Переход на Шаг 2.

Шаг 4. Проверка условий выбора базовых компонентов. Необходимо выбрать базовые компонент определенного типа – переход на шаг 5, наоборот – переход на шаг 9. 

Шаг 5. Считывание перечня критериев и весовых коэффициентов.

Шаг 6. Отфильтровать базовые компоненты в соответствии с критериями отбора.

Шаг 7. Вычислить значение целевой функции для каждого отфильтрованного базового компонента.

Шаг 8. Отсортировать результаты отбора и записать их в файл. Переход на Шаг 4.

Шаг 9. Считывание данных о критерии синтеза.

Шаг 10. Загрузки списка отфильтрованных базовых компонент из файлов.

Шаг 11. Полный перебор и генерация альтернатив. Учет совместимости компонент по интерфейсам.

Шаг 12. Вычисление значения целевой функции для каждой из альтернатив. Шаг 13. Сортировка результатов и их сохранения в файл.

Разработанная структура классов программы синтеза микроконтроллерных систем изображена в приложении В1, приложении В2 и приложении В3, которые состоят из нескольких модулей, каждый из которых разделен на пакеты Java классов [3].

Пакет классов моделей состоит из классов, которые хранят данные о базовых компонентах. В пакете находятся:

BaseComponent – класс предок для всех базовых компонент. Он содержит поля, которые являются общими для всех базовых компонент. Для примера id, цена, размеры и другие.

Microcontroller – содержит базовые данные о микроконтроллер. Класс наследуется от BaseComponent и содержит дополнительные поля для описания свойств микроконтроллера.

Sensor-содержит базовые данные о датчиках. Класс наследуется от BaseComponent и содержит дополнительные поля для описания свойств датчиков.

Actuator – содержит базовые данные о актюатор. Класс наследуется от BaseComponent и содержит дополнительные поля для описания свойств актюатора.

Shield-содержит базовые данные о модуле расширения. Класс наследуется от BaseComponent и содержит дополнительные поля для описания свойств модуля расширения.

BaseType – класс описывает тип компонентов. Для примера датчик температуры, обогреватель и тому подобное. Эти данные необходимы для того, чтобы можно было четко фильтровать базовые компоненты по их группе.

Пакет классов источников данных состоит из классов, которые имплементируют интерфейсы для работы с данными о базовых компонентах. Пакет включает:

IdataSource-это базовый интерфейс, согласно которому происходит роботам с данными. Включает в себя методы для считывания данных, обновления, удаления и поиска данных о базовых компонентах.

BaseDataSource – базовый класс для работы с данными. Он содержит общую логику для формирования SQL команд за считывание исповедей при коммуникации с БД.

MicrocontrollerDataSource – класс для работы с данными о микроконтроллеры. 

SensorDataSource – класс для работы с данными о микроконтроллеры.

ActuatorDataSource – класс для работы с данными о актюатор. 

ShieldDataSource – класс для работы с данными о модулях расширения. 

TypeDataSource – класс для работе с данными о типах элементов. 

Пакет вычислительного ядра состоит из классов, используемых для отбора базовых компонент и синтеза конфигурации микроконтроллерных компонент. Пакет включает:

SelectionCondition-класс модель для сохранения данных о критериях отбора базовых компонент. Содержит информацию о типе параметра, нижней и верхней границе разрешенных значений и тому подобное.

HardwareSelection-основной класс для фильтрации базовых компонент и вычисления значений целевых функций.

ItemToMatrixConverter-класс, который включает методы для конвертации данных о базовых компонентах в матрице, для дальнейшей обработки [5].

ItemSelectionFilter-класс, используемый для фильтрации набора базовых компонент согласно критериям отбора.

WeightCoefNormalizer-вспомогательный класс, используемый для нормализации данных о весовых коэффициентах относительной важности критериев.

ObjectiveFunctionComputer – вспомогательный класс, который вычисляет значение целевой функции для каждого из базовых компонент с учетом весовых коэффициентов [7].

HardwareSynthesis-основной класс для синтеза альтернатив сочетания компонентов между собой.

PortBallanceChecker-вспомогательный класс, используемый для проверки совместимости микроконтроллера и других компонентов по портам.

Система состоит и из других вспомогательных классов, которые используются для инициализации БД, работы с файлами и генерации интерфейсов пользователя.

Список источников

  1. 11th International Conference on Soft Computing and Pattern Recognition, SoCPaR 2019, and 11th World Congress on Nature and Biologically Inspired Computing, NaBIC 2019. (2021). Advances in Intelligent Systems and Computing, 1182 AISC.
  2. Liu, S., Reviriego, P., & Lombardi, F. (2021). Protection of Associative Memories Using Combined Tag and Data Parity (CTDP). IEEE Transactions on Nanotechnology, 20, 1–9. https://doi.org/10.1109/TNANO.2020.3042114
  3. Pflanz, M., & Vierhaus, H. T. (2003). Control signal protection: A new challenge for high performance processors. In Proceedings — 9th IEEE International On-Line Testing Symposium, IOLTS 2003 (pp. 173–177). https://doi.org/10.1109/OLT.2003.1214394
  4. Rodríguez-Pérez, A. (2020). My vote, my (personal) data: Remote electronic voting and the general data protection regulation. Lecture Notes in Computer Science (Including Subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 12455 LNCS, 167–182. https://doi.org/10.1007/978-3-030-60347-2_11
  5. Skouta, A., Elmoufidi, A., Jai-Andaloussi, S., & Ochetto, O. (2021). Automated Binary Classification of Diabetic Retinopathy by Convolutional Neural Networks. Advances in Intelligent Systems and Computing, 1188, 177–187. https://doi.org/10.1007/978-981-15-6048-4_16
  6. Tenentes, V., Das, S., Rossi, D., & Al-Hashimi, B. M. (2020). Run-Time Protection of Multi-Core Processors from Power-Noise Denial-of-Service Attacks. IEEE Transactions on Device and Materials Reliability, 20(2), 319–328. https://doi.org/10.1109/TDMR.2020.2994272
  7. Zhang, H., Wu, F., Zhou, H., Peng, X., Xiao, C., & Xu, H. (2015). Protection circuit design of Lithium-ion battery pack based on STM32 processor. Lecture Notes in Electrical Engineering, 355, 871–878. https://doi.org/10.1007/978-3-319-11104-9_100

References

  1. 11th International Conference on Soft Computing and Pattern Recognition, SoCPaR 2019, and 11th World Congress on Nature and Biologically Inspired Computing, NaBIC 2019. (2021). Advances in Intelligent Systems and Computing, 1182 AISC.
  2. Liu, S., Reviriego, P., & Lombardi, F. (2021). Protection of Associative Memories Using Combined Tag and Data Parity (CTDP). IEEE Transactions on Nanotechnology, 20, 1–9. https://doi.org/10.1109/TNANO.2020.3042114
  3. Pflanz, M., & Vierhaus, H. T. (2003). Control signal protection: A new challenge for high performance processors. In Proceedings — 9th IEEE International On-Line Testing Symposium, IOLTS 2003 (pp. 173–177). https://doi.org/10.1109/OLT.2003.1214394
  4. Rodríguez-Pérez, A. (2020). My vote, my (personal) data: Remote electronic voting and the general data protection regulation. Lecture Notes in Computer Science (Including Subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 12455 LNCS, 167–182. https://doi.org/10.1007/978-3-030-60347-2_11
  5. Skouta, A., Elmoufidi, A., Jai-Andaloussi, S., & Ochetto, O. (2021). Automated Binary Classification of Diabetic Retinopathy by Convolutional Neural Networks. Advances in Intelligent Systems and Computing, 1188, 177–187. https://doi.org/10.1007/978-981-15-6048-4_16
  6. Tenentes, V., Das, S., Rossi, D., & Al-Hashimi, B. M. (2020). Run-Time Protection of Multi-Core Processors from Power-Noise Denial-of-Service Attacks. IEEE Transactions on Device and Materials Reliability, 20(2), 319–328. https://doi.org/10.1109/TDMR.2020.2994272
  7. Zhang, H., Wu, F., Zhou, H., Peng, X., Xiao, C., & Xu, H. (2015). Protection circuit design of Lithium-ion battery pack based on STM32 processor. Lecture Notes in Electrical Engineering, 355, 871–878. https://doi.org/10.1007/978-3-319-11104-9_100

Для цитирования: Янбарисова К.В., Бикбулатова Д.Р., Шаяхметова Л.К., Садрисламова Р.И., Маннанова И.И. Управление технологической безопасностью нефтегазового предприятия // Московский экономический журнал. 2021. № 9. URL: https://qje.su/ekonomicheskaya-teoriya/moskovskij-ekonomicheskij-zhurnal-9-2021-34/

© Янбарисова К.В., Бикбулатова Д.Р., Шаяхметова Л.К., Садрисламова Р.И., Маннанова И.И., 2021. Московский экономический журнал, 2021, № 9.