Материал: 2357

ны в единую многокритериальную модель, дающую возможность выбирать приемлемое для субъекта производственной деятельности соотношение общественная эффективность – доходность – техническая эффективность.

Описание основных групп задач распределения дает представление о сложности поставленной задачи и росте ее размерности с повышением степени отражения действительности. Методы решения задач математического программирования (оптимизации) с одним критерием интенсивно разрабатывались последние 40 лет. Разработка таких методов, однако, отражало самый ранний и простой этап в развитии математического программирования.

Внастоящее время лица, принимающие решения (ЛПР), в значительно большей степени, чем когда бы то ни было, ощущают необходимость оценивать альтернативные решения с точки зрения нескольких критериев. Результаты исследования задач планирования и управления показывают, что в реальной постановке эти задачи являются многокритериальными. Так, в случае финансирования технико-экономических мероприятий обычно ставится задача достижения максимального экономического, технологического и экологического эффекта при минимальных вложениях, что уже означает принятие решения при четырех критериях. Оценка деятельности предприятий и планирования как системы принятия решений часто производится на основе более десятка критериев: выполнение плана производства по объему, по номенклатуре, плана реализации, прибыли по показателям рентабельности, производительности труда и т. д. [6, 101].

При решении проблемы многокритериальности часто все критерии, кроме одного, выбранного доминирующим, принимались в качестве ограничений. Оптимизация проводилась по доминирующему критерию. Однако такой подход к решению практических задач значительно снижает эффективность принимаемых решений. В связи с этим возникает настоятельная потребность постановки задачи многокритериальной (векторной) оптимизации планирования распределения ресурсов промышленного предприятия на технико-экономические мероприятия и выработках основных подходов к ее решению.

Взадачах математического программирования с одним критерием нужно определить значение целевой функция, соответствующее, например, минимальным затратам или максимальной прибыли. Однако практически в каждой реальной ситуации можно обнаружить несколько целей, противоречащих друг другу. Поэтому для эффективного решения любой из данных задач необходимо в первую очередь построить многокритериальную математическую модель, которую затем нужно оптимизировать, предварительно выбрав наиболее подходящий для этого метод.

190

Задача многокритериального математического программирования имеет вид:

max{f1(x)=F1}, max{f2(x)=F2},

...

max {fk(x)=Fk},

при x є X,

где X – множество допустимых значений переменных х; k – число целевых функций (критериев); Fi – значение i-го критерия (целевой функции), “max” – означает, что данный критерий нужно максимизировать [17].

Заметим, что по существу многокритериальная задача отличается от обычной задачи оптимизации только наличием нескольких целевых функций вместо одной. При наличии в многокритериальной задаче критериев с разной размерностью с целью устранения данной проблемы используют нормализацию критериев. Способы их нормализации представлены в табл. 3.7. В данной таблице y – элемент пространства G. G – пространство элементов произвольной природы, называемых целевыми термами (например, распределения средств в комплексе мероприятий интенсифицирующих приток нефти – множество методов увеличения нефтеотдачи, геологотехнических мероприятий) элементов x є X [17].

Из существующих способов нормализации критериев, представленных в табл. 3.7, наиболее привлекателен метод естественной нормализации. Сверткой компонент многоцелевого показателя f є F называется отображение g є (F → R1), которое преобразует совокупность компонент многоцелевого показателя f, соответствующих целевым термам y є Y, в скалярный

191

целевой показатель g(f(x|y))= g[{f(x|y)}yєY]єR1. Основными видами сверток являются линейные, минимизационные, максимизационные, произведения и функции Кобба-Дугласа.

Одним из распространенных методов решения многокритериальных задач является метод сведения многокритериальной задачи к однокритериальной путем свертывания векторного критерия в суперкритерий. При этом каждый критерий умножается на соответствующий ему весовой коэффициент (коэффициент важности).

m

Ф(x) iFi(x), i 0 .

i 1

При свертывании векторного критерия в суперкритерий возникают трудности с правильным подбором весовых коэффициентов αi. Существуют различные способы выбора коэффициентов αi. Одним из них является назначение αi в зависимости от относительной важности критериев [102].

Проблемы получения и обоснования выбора сверток составляют основное направление теории полезности. В задачах выбора решения, формализуемых в виде модели векторной оптимизации, первым естественным шагом следует считать выделение области компромиссов (или решений, оптимальных по Парето). Метод свертывания векторного критерия в суперкритерий наиболее приемлем для решения многих задач, он дает возможность менять приоритетность критериев по мере изменения внешних и внутренних производственных факторов деятельности промышленного предприятия, что делает этот метод гибким и более привлекательным относительно остальных рассмотренных выше. Задача выбора оптимальной программы повышения эффективности производства решается с помощью механизма формирования программы повышения эффективности производства.

192

Глава 4. ОСОБЕННОСТИ РАЗВИТИЯ НЕФТЕГАЗОВОГО КОМПЛЕКСА И РАЗРАБОТКА ПРОГРАММ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ

НЕФТЕГАЗОДОБЫВАЮЩИХ ПРЕДПРИЯТИЙ

4.1. Современное состояние и основные направления развития нефтегазового комплекса России

В течение длительного времени Россия и СССР в целом были крупнейшими производителями и экспортерами нефти, имея для этого достаточную и высокую качественную ресурсную базу в виде открытых и подготовленных к разработке нефтяных месторождений. В XX в. развитие нефтяной отрасли во многом проходило экстенсивным путем. При высоких дебитах и крупных запасах подобное положение обеспечивало устойчивую добычу нефти со сравнительно низкими издержками.

Российская нефтяная промышленность зародилась на Кавказе. Ему на смену пришла Волго-Уральская нефтегазоносная провинция, которую, в свою очередь, в качестве главного добывающего региона сменила Западная Сибирь. При этом каждая из вновь вводимых доминирующих провинций (существовали и другие, не игравшие решающей роли в уровнях добычи) была крупнее предыдущей по запасам и включалась в эксплуатацию в тот период, когда предшествующая доминирующая провинция находилась в зрелой фазе своего развития (рис. 4.1) [31]. Это обеспечивало для нефтегазодобычи страны в целом неуклонный рост, характерный для ранней фазы. Ввод новых крупных месторождений с большими начальными суточными дебитами скважин обеспечил высокие годовые темпы прироста добычи нефти (рис. 4.2). Наращивание объемов добычи происходило на фоне низких удельных капитальных вложений, основную часть которых составляли затраты на бурение и обустройство эксплуатационных колон

[54].

Если в 1951 1955 гг. 1 м эксплуатационного бурения обеспечивал прирост 20 т нефти, то в 1956–1960 гг. этот прирост составлял 34 т, за 1966 1970 гг. увеличение бурения в 1,38 раза привело к росту добычи нефти в 1,5 раза [35]. Результатом форсированного отбора нефти из недр явилось низкий уровень конечного коэффициента извлечения. Это было обусловлено нарушением технологически оптимальных темпов отбора нефти из пласта, преждевременными прорывами фронта закачиваемой воды и оставлением в недрах целиковых и застойных зон, извлечение из которых нефти проблематично.

193

Рис. 4.2. Темпы прироста нефтедобычи в России

Предпосылки резкого падения эффективности нефтяной отрасли неуклонно нарастали. Жесткие системы разработки нефтяных месторождений методами заводнения наряду с высокими темпами отработки запасов приводили к быстрому прогрессивному обводнению скважин и падению дебитов нефти. Сокращение добычи нефти вызвано также естествен-

194