Современные исследования настолько наукоёмки, что просто физически невозможно обойтись без помощи вычислительной машины. Колоссальные объёмы информации требуется анализировать при исследовании процессов в различных областях науки и техники. Автоматизация исследований невозможна без описания математической модели процесса и применения численных методов. Математическая модель - это система математических соотношений, приближенно, в абстрактной форме описывающих изучаемый процесс или систему. Математическое моделирование необходимо для эффективного изучения любых процессов. В настоящее время математические модели применяются для анализа, прогнозирования и выбора оптимальных решений.

Прогнозирование глобальных процессов необходимо для человечества - исследование космоса, исследование протекающих в земной коре процессов, прогнозирование землетрясений, прогнозирование погоды, исследование глобальных изменений климата, внедрение новых экозащитных технологий, разработка энергосберегающих систем и т.п.

Планирование и оперативное управление производством применяется во всех областях экономики: управление трудовыми ресурсами, управление запасами, распределение ресурсов, планировка и размещение объектов, руководство проектом, распределение инвестиций и т.п.

Исследуются всевозможные процессы в теплоэнергетике - горение топлива в различных моделях топок, течение парожидкостных смесей в проточных частях турбогенераторов (расчёт нагрева металла и его расширение при различных граничных условиях, основывается на решении уравнений теплопроводности) и расплавленных металлов, являющихся теплоносителем первого контура, в парогенераторах атомных электрических станций, исследуется влияние струй пара на поверхность лопаток турбины, что необходимо для предотвращения их коррозионного износа, так же исследуются процессы протекания ядерных реакций в тепловыделяющих элементах (ТВЭЛах). Большинство процессов в теплоэнергетике уже давно изучено. Исследования проходят по оптимизации этих процессов и изучению глубинной сути явлений для достижения максимального эффекта при разработке энергетического оборудования. Здесь и нужна математическая модель.

Хорошую модель составить не просто. Известный математик Р.Беллман сказал так: «Если мы попытаемся включить в нашу модель слишком много черт действительности, то захлебнемся в сложных уравнениях; если слишком упростим ее, то она перестанет удовлетворять нашим требованиям». Для успешного моделирования необходимо учесть главные свойства моделируемого объекта, пренебрегать его второстепенными свойствами, уметь отделить главные свойства от второстепенных.

Можно выделить следующие основные этапы операционного исследования :

· наблюдение явления и сбор исходных данных;

· постановка задачи;

· построение математической модели;

· расчет модели;

· тестирование модели и анализ выходных данных. Если полученные результаты не удовлетворяют исследователя, то следует либо вернуться на этап 3, т.e. предложить для решения задачи другую математическую модель; либо вернуться на этап 2, т.e. поставить задачу более корректно;

· применение результатов исследований.

Таким образом, операционное исследование является итерационным процессом, каждый следующий шаг которого приближает исследователя к решению стоящей перед ним проблемы. В центре операционного исследования находятся построение и расчет математической модели.

Найдя частное решение уравнения для линейной модели, с помощью принципа суперпозиции можно получить решение в общем случае. Однако, многие модели реальных процессов оказываются нелинейными. Принцип суперпозиции здесь неприменим, и алгоритмов для построения общего решения не существует. Поэтому для нелинейных моделей законченных теоретических результатов получено немного.

Методология математического моделирования в кратком виде выражена знаменитой триадой "модель - алгоритм - программа", сформулированной академиком А. А. Самарским, основоположником отечественного математического моделирования. Эта методология получила свое развитие в виде технологии "вычислительного эксперимента", разработанной школой А. А. Самарского, - одной из информационных технологий, предназначенной для изучения явлений окружающего мира, когда натурный эксперимент оказывается слишком дорогим и сложным.

Во многих важных областях исследований натурный эксперимент невозможен, потому что он либо запрещен (например, при изучении здоровья человека), либо слишком опасен (например, при изучении экологических явлений), либо просто неосуществим (например, при изучении астрофизических явлений).

Моделирование в нефтедобыче

Основной задачей нефтедобывающих предприятий является добыча, начальная переработка и продажа нефти. Для ее выполнения необходимо множество вспомогательных производств, предназначенных для создания и поддержки необходимой инфраструктуры.

На основе математического моделирования создаются трехмерных числовые геолого-технологические модели месторождений. Анализируются разработки и выработки запасов нефти, а так же эффективность применения способов добычи. Разрабатываются программные комплексы для анализа и интерпретации данных исследований скважин, а так же для нахождения способов повышения нефтеотдачи пластов.

Управление нефтедобывающим производством

Управление нефтедобывающим производством является очень сложной задачей из-за необходимости интеграции и взаимного согласования деятельности множества организаций и подразделений, принятия решения в условиях многих неопределенностей, связанных с часто недостаточными знаниями о процессах, происходящих в недрах. В этих условиях предприятие не может обойтись без специализированных средств, осуществляющих информационную поддержку принятия решений, повышающих эффективность работы предметных специалистов, приводящих к более оптимальным решениям по управлению.

От функционирования информационной системы (ИС) компании напрямую зависит эффективность работы самой компании, и как следствие, её конкурентоспособность. Компаний, в производственном процессе которых используются значительные объемы данных, в наше время становится все больше. Одной из них является ОАО «Татнефть», где проводилась моя дипломная работа.

Постановка задачи

Даже с успешно введенным в эксплуатацию приложением со временем возникают проблемы производительности, так как меняется сама система: происходит рост хранимой информации, появляются новые пользователи, изменяется состав данных. Поэтому, чтобы не допустить ухудшения характеристик как отдельных приложений, так и всей системы в целом, требуется исследование ИС и использование специальных методов, повышающих скорость доступа к данным. Управление большими и сверхбольшими базами данных, проектирование и разработка приложений для них имеет свои особенности.

Задачей дипломной работы являлось определение возможных действий, необходимых при решении типовых проблем производительности серверов Oracle, не изменяющих бизнес-логику и структуру SQL-запроса, так как для эксплуатирующихся систем это, как правило, невозможно.

Реализация

Основные технологические системы «Татнефть» это OilServer - информационно-аналитический комплекс управления нефтедобывающим производством. Это самая большая БД «Татнефти». В её состав входит более 450 таблиц. Объем хранящейся в ней информации занимает около 40Гб. Энергосервер – это прикладная система, предназначенная для информационного обеспечения процессов, связанных с энергоснабжением. В её состав входит более 150 таблиц. Объем хранящейся в ней информации занимает около 20Гб.

Этапы оптимизации производительности
Локализация проблем производительности	Анализ проблемных запросов	Устранение проблем производительности
1. Регистрация обращений пользователей. 2. Мониторинг выполнения запросов (с помощью StatsPack).	1.Анализ плана выполнения запроса (с помощью ExplainPlan) 2.Анализ характери-стик объектов (таблиц, индексов и триггеров), используемых в процессе выполнения запроса. 3.Анализ настроек сервера БД.	1.Настройка индексов (селективность, эффектив-ность, оптимизация группы индексов). 2.Оптимизация параметров объектов (фрагментация, сцепление). 3.Оптимизация параметров сервера (буферный кэш, разделяемый пул, размер области сортировки и т.п.)

Средства Oracle для оптимизации производительности

StatsPack (сбор статистики)

ExplainPlan (анализ запросов)

Оптимизатор (эффективность доступа к данным)

Пример процесса оптимизации

1) Процесс установки пакета StatsPack

С:\oracle\RDBMS\ADMIN>sqlplusinternal

SQL*PLUS: Release 8.1.6.0.0 - ProductiononSunMar18 11:52:32 2001

(c) Copyright 1999 Oracle Corporation. All rights reserved.

Connected to:

Orade8i Enterprise Edition Release 8.1.6.0.0 – Production