Содержание к диссертации
Введение
Глава 1 Анализ особенностей транспортных систем арктических шельфовых платформ и существующих подходов к моделированию работы флота обеспечения 11
1.1 Особенности транспортных систем арктических шельфовых платформ 11
1.2 Существующие подходы к моделированию работы флота морских платформ 17
1.3 Степень разработанности темы диссертационного исследования. Постановка цели и задач работы 36
Глава 2 Моделирование процессов работы флота обеспечения морской ледостойкой стационарной платформы 42
2.1 Обоснование структуры комплексной имитационной модели и состава ее подмоделей 42
2.2 Выбор типа модели для описания транспортно-технологической системы МЛСП и входящих в нее подмоделей 50
2.3 Разработка дискретно-событийной модели операций обработки судна у МЛСП 63
2.4 Моделирование технологических процессов отгрузки нефти с МЛСП. 74
2.5 Разработка алгоритма определения доступности грузового терминала МЛСП под влиянием внешних погодных факторов 89
2.6 Формирование комплексной имитационной модели работы флота МЛСП 95 Выводы по главе 100
Глава 3 Оценка результатов модельных исследований и формирование методики планирования работы флота обеспечения МЛСП с помощью имитационного моделирования 103
3.1 Верификация имитационной модели обработки судна у МЛСП по интегральным показателям 103
3.2 Формирование методики планирования работы флота обеспечения МЛСП с помощью имитационного моделирования 114
3.3 Пример использования имитационной модели как интеллектуального средства поддержки организационных и технологических решений 125
Выводы по главе 137
Заключение 139
Список сокращений и условных обозначений 141
Список литературы 142
Приложение А Программный код модуля определения доступности терминалов по погодным условиям 155
Приложение Б Копия патента на изобретение 160
Приложение В Мероприятия по улучшению работы транспортно-технологической системы МЛСП «Приразломная» 161
- Существующие подходы к моделированию работы флота морских платформ
- Выбор типа модели для описания транспортно-технологической системы МЛСП и входящих в нее подмоделей
- Разработка алгоритма определения доступности грузового терминала МЛСП под влиянием внешних погодных факторов
- Пример использования имитационной модели как интеллектуального средства поддержки организационных и технологических решений
Существующие подходы к моделированию работы флота морских платформ
Сложность и нелинейность множества процессов, связанных с эксплуатацией шельфовых объектов, делают затруднительным, а зачастую и невозможным использование традиционных упрощенных аналитических подходов для их исследования. Для определения конфигураций морской транспортной системы, а также оценки возможностей существующего флота и береговой инфраструктуры могут быть использованы различные способы численного анализа и моделирования. Каждый из этих способов обладает разной степенью детализации и различными достоинствами и недостатками.
На рисунке 1.2 представлена предложенная в работе [27] классификация методов определения состава флота обеспечения по степени детализации рассматриваемой системы и количеству учитываемых факторов.
На рисунке стрелкой показано направление увеличения потенциальных возможностей и, одновременно, сложности методов. Произведенный анализ показал целесообразность распространения данной классификации не только на суда обеспечения, но и на транспортные суда, поскольку для последних характерны те же группы методов. В то же время, у них имеются свои особенности и отличия, вследствие чего при оценке каждой группы методов производится анализ научных работ и подходов, характерных для транспортных судов и для судов обеспечения. Рисунок 1.2 – Классификация методов определения состава флота обеспечения по степени детализации различных процессов в транспортной системе [27].
Необходимо отметить, что моделирование работы судов обеспечения является более общим случаем, чем моделирование работы транспортных судов. Это обусловлено тем, что суда обеспечения характеризуются относительно сложной логикой работы. В частности, они производят обход нескольких портов, имеют загрузку в обратном рейсе, характеризуются множеством номенклатур перевозимых грузов и т. п.
Методы указанного типа основываются на упрощенном описании процессов, происходящих внутри системы. Их отличительной особенностью является наличие эксперта – специалиста в рассматриваемой области, который на основе своего опыта, имеющейся у него статистики, а также ограниченного объема исходных данных может назначать основные проектные параметры каждого элемента системы. Для определения основных параметров транспортной системы используются упрощенные аналитические подходы, основанные, как правило, на понятии провозной способности судна на направлении, т. е. его способности перевозить определенное количество груза из начального в конечный пункт в заданном временном интервале.
В основе аналитической модели для определения требуемого числа и характеристик транспортных судов лежит простейшая эксплуатационная модель работы флота, которую можно назвать моделью бюджета времени. Суть расчетов по такой модели состоит в сложении длительности различных операций, осуществляемых судном в ходе грузоперевозок на заданном временном интервале (год, месяц), и сравнении полученной суммы с эксплуатационным временем флота. Аналитический подход к определению требуемого числа и характеристик транспортных судов (нефтяных танкеров) в зависимости от вместимости хранилищ на платформе достаточно наглядно описан в работе [38]. В ней также приведена таблица, демонстрирующая основные отличия транспортной системы для ледовых и неледовых судов (см. таблицу 1.1).
Аналитические модели транспортной системы лежат в основе большинства судостроительных моделей проектирования судна [13,58,108]. Для таких моделей вопросом первостепенной важности является детальная модель судна, позволяющая выполнять оптимизацию его главных размерений, вместимости, скорости хода, ледовых качеств, тогда как простейшая эксплуатационная модель используется лишь для вычисления значения экономического критерия для каждого из возможных вариантов проектируемого судна.
Применительно к судам обеспечения в экспертно-аналитической группе методов целесообразно выделить две подгруппы: методы для определения функционального состава флота; методы для определения количественного состава флота.
Произведенный анализ показал, что распространенное определение функционального состава флота на основе экспертно-аналитических методов, как правило, производится вне зависимости от дальнейшего применения других методов. Необходимый набор функций, которые должны быть распределены между судами, определяется исходя из общих представлений о проектируемой системе, особенностей обслуживаемых объектов, а также требований регламентов и правил. Большинство нормативных документов в этой сфере основаны на «лучшей практике» выполнения операций, т. е. сами по себе носят экспертный характер. Под «лучшей практикой» подразумеваются наиболее эффективные приемы работы флота, которые сформировались в результате длительного практического совершенствования.
Особый интерес среди нормативных документов представляют руководства [1,41–43,80–84, 94–96]. Важно отметить, что большинство указанных документов носят рекомендательный характер.
Вторая подгруппа экспертно-аналитических методов обычно используется после составления набора рассматриваемых функций, она предназначена для распределения этих функций между конкретными судами с определением их потребного количества. В процессе подобного анализа учитывается возможность использования как специализированных (выполняющих одну функцию), так и многофункциональных судов. Такой анализ проводится путем рассмотрения «критических ситуаций» отдельно по каждой функции, т. е. посредством анализа наиболее сложных эксплуатационных сценариев. Затем анализируется потребное количество судов для удовлетворения конкретного сценария и составляется таблица соответствия функций и потребного количества судов. В качестве примера такой критической ситуации может служить приведенный в [27] случай ликвидации аварийного разлива нефти (ЛАРН) в ледовых условиях, для которого необходимо два судна обеспечения (рисунок 1.3).
Как показал анализ, при определении количества судов, осуществляющих доставку грузов снабжения, на основе экспертно-аналитических методов используются провозная способность и бюджет времени флота, а также упрощенные (по сравнению с реальными) эксплуатационные схемы. Детализация по типам грузов, как правило, не производится. Например, в работе [40] предполагается либо последовательный обход буровых установок судами (линейная схема), либо челночная работа судов снабжения на одной линии. В качестве расчетного сценария принимается доставка 100 % грузов снабжения в течение времени, равного автономности платформы. При этом в качестве расчетного принимается самый неблагоприятный с точки зрения среднемесячной скорости судов период года. Также возможны различные модификации экспертно-аналитических методов применительно к работе в ледовых условиях, когда время рейса существенно изменяется в течение года [19].
Как правило, элементы экспертно-аналитических методов используются во всех других методах для получения первоначальных оценок состава флота. Это обусловлено тем, что состав и функции флота обеспечения для заданных условий проектируются в два этапа. На первом этапе экспертно определяются необходимые функции, которые должны быть выполнены судами, а на втором – флот оптимизируется по функциональному и количественному составу. Большинство отечественных работ по проектированию флота снабжения, относятся к экспертно-аналитической группе.
Выбор типа модели для описания транспортно-технологической системы МЛСП и входящих в нее подмоделей
Существует несколько определений имитационного моделирования как метода анализа сложных технических систем [9, 57]. Общая черта этих определений состоит в том, что в рамках имитационного эксперимента можно получить только одну конкретную траекторию поведения изучаемой динамической системы в модельном времени. Именно этот аспект составляет основное отличие имитационных моделей от другого класса математических методов моделирования - аналитических или качественных моделей. Другими словами, в отличие от качественных моделей, дающих полное описание поведения простых систем, имитационные модели позволяют воспроизвести на компьютере ограниченное число конкретных траекторий временной динамики, зато для сколь угодно сложных объектов.
Поэтому в настоящее время имитационное компьютерное моделирование является основным средством анализа поведения сложных систем с большим количеством влияющих факторов и причинно-следственных связей между элементами. Так, в области транспортно-логистических задач имитационные модели широко используются тогда, когда имеется относительно большое количество объектов, характеризуемых несложной физикой их движения и допускающими конечное описание внутренними моделями поведения. В основном этот класс формируют логистические задачи: исследование работы крупных транспортных узлов (портов, терминалов), создание сухопутных сетей поставок и хранения грузов (модели сетей розничных торговых точек - т. н. ритейла), производственно-транспортные задачи, задачи мультимодальных перевозок (главным образом, контейнерные перевозки). Описание таких систем методами, отличными от имитационного моделирования, является практически невозможным, что и определило использование этого подхода в настоящем диссертационном исследовании.
Проведенное автором исследование показало, что в настоящее время существуют три основных системы взглядов, подходов и концепций, используемых в качестве каркаса при построении имитационных моделей [21, 37]:
- динамические системы или системная динамика;
- дискретно-событийное моделирование;
- мультиагентные системы.
Две первые парадигмы сформировались во 2-й половине XX в. За несколько десятилетий эти концепции фактически не изменились, поэтому их часто называют традиционными. Одной из причин стабильности традиционных парадигм моделирования является их удобство для решения основных типов практических задач. Другая причина состоит в том, что традиционные парадигмы встроены в программные продукты, большая часть которых была разработана в 1960-х гг. и которые до сих пор широко используются [3].
Системная динамика – парадигма компьютерного моделирования, при которой для исследуемой системы строятся графические диаграммы информационных и материальных потоков, описывающих глобальное влияние одних параметров на другие параметры во времени. Идея моделирования сложных систем на самом верхнем уровне абстракции была предложена Д. Форрестером в конце 1950-х гг. [55, 56]. При таком подходе исследователь абстрагируется от индивидуальных объектов системы (сотрудников, машин, документов, товаров) и рассматривает только агрегированные количественные характеристики потоков таких объектов, а также взаимовлияние и взаимозависимости динамики этих потоков, Ключевая особенность системной динамики состоит в использовании единой метафоры и единой терминологии для потоков любой природы – как материальных, так и информационных.
Основным свойством моделей системной динамики является то, что они описывают поведение систем в явном виде и в непрерывном времени. При этом процесс имитации сводится к численному интегрированию в общем случае нелинейных систем дифференциальных и алгебраических уравнений большой размерности. Иными словами, при запуске имитационной модели системной динамики на компьютере происходит непрерывный итеративный пересчет вектора состояния исследуемой системы в соседние моменты времени, отстоящие друг от друга на достаточно короткий интервал, соответствующий шагу интегрирования выбранной численной схемы. Для обеспечения точности результатов расчетов этот шаг должен быть выбран достаточно малым, чтобы замена исходно непрерывного описания дискретной разностной схемой не приводила к существенному накоплению ошибок (см. рисунок 2.3). Это, в свою очередь, оказывает серьезное влияние на эффективность модельных расчетов.
Дискретно-событийное моделирование. Идея описания динамических систем в терминах временной последовательности дискретных событий была сформулирована Д. Гордоном и реализована в среде моделирования GPSS (General Purpose Simulation System). Первая версия языка GPSS была реализована в 1961 г., и с некоторыми модификациями GPSS до сих пор используется как в практических приложениях, так и в учебных целях [44].
Именно язык GPSS впервые ввел в практику парадигму потокового, или сетевого, моделирования. В соответствии с этой парадигмой исследуемая система описывается структурной (процессной) диаграммой, по элементам которой в ходе исполнения модели продвигается поток специальных логических сущностей – транзакций (заявок). Транзакции ожидают в очередях, конкурируют за использование ресурсов и блоков, осуществляющих их обработку (обслуживание), и, в конце концов, покидают систему. Структурная диаграмма, представляющая собой процесс обработки транзакций, выглядит как блок-схема, т. е. состоит из блоков, соединенных направленными связями.
Положенный в основу дискретно-событийного описания принцип представления динамики системы в виде мгновенных событий, разделенных между собой промежутками времени, в которые «ничего не происходит» формирует способы программной реализации соответствующих моделей. Каждое такое событие в модели – это программный модельный образ значимого, с точки зрения разработчика, изменения в моделируемой системе. Механизм для продвижения времени моделирования должен гарантировать, что все события происходят в правильном хронологическом порядке. Он основан на списке будущих событий. Этот список содержит все уведомления для событий, которые были намечены, чтобы произойти в будущем. Планирование будущего события означает, что в момент начала действия его продолжительность вычислена или определена (например, как выборка из статистического распределения), а событие конца действия, вместе со временем этого события, помещено в список будущих событий.
То есть в ходе исполнения модели для любого текущего момента модельного времени t существует некий план или список будущих событий, который содержит их перечень и связанные с ними времена. Планировщик событий – специальный алгоритмический блок пакета имитационного моделирования – упорядочивает события по времени так, чтобы события были размещены хронологически. Тот же блок осуществляет изменение модельного времени таким образом, что оно меняется дискретно, обновляя свое значение последовательно – от одного запланированного события в очереди будущих событий к последующему [50].
Агентное моделирование. В литературе встречается большое число определений понятия агента, но общим для них является то, что агент – это некоторая сущность, которая обладает активностью, автономным поведением, может принимать решения в соответствии с некоторым набором правил, может взаимодействовать с окружением и другими агентами, а также может изменяться во времени (эволюционировать).
Разработка алгоритма определения доступности грузового терминала МЛСП под влиянием внешних погодных факторов
В п. 2.1 было отмечено, что важным блоком комплексной имитационной модели жизненного цикла морской транспортно-технологической системы добычной платформы должен выступать формализованный алгоритм определения доступности каждого грузового терминала МЛСП по природным условиям [18]. Особенностью данного алгоритма является то, что доступность каждого грузового терминала не определяется пороговым значением только одного природного параметра (скорость ветра, направление ветра, высота волн и т. п.), а может достаточно сложным образом зависеть от сочетания значений всех параметров. При этом моделирование природных условий производится при помощи стохастического генератора погодных условий, который выдает значения 16 природных динамических параметров:
- температура воздуха, град. С;
- направление ветра, град;
- скорость ветра, м/с;
- облачность, %;
- высота облаков, м;
- видимость, м;
- высота волны (hs), м;
- высота зыби, м;
- направление зыби, град;
- направление течения, град;
- скорость течения, см/с;
- время высокой/низкой воды, дата;
- направление дрейфа льда, град;
- скорость дрейфа льда, см/с;
- сплоченность льда, %;
- толщина льда, м.
Очевидно, что число возможных сочетаний этих параметров практически не ограничено, поэтому для создания алгоритма определения доступности терминалов был использован не полный перебор возможных сочетаний параметров, а упрощенный экспертный подход, ориентированный на ключевые параметры и их пороговые совместные значения. Основными источниками данных для создания алгоритма доступности терминалов платформы «Приразломная» выступали:
- регламенты выполнения грузовых операций на МЛСП;
- обработанные статистические данные реальных грузовых операций на МЛСП;
- результаты моделирования работы судов при различных погодных и ледовых условиях, выполненные в навигационном тренажере учебного центра ГУМРФ им. адм. С. О. Макарова;
- экспертные оценки и комментарии капитанов судов, выполняющих грузовые операции на МЛСП;
В алгоритме были учтены все четыре моделируемых грузовых терминала МЛСП: юго-восточный КУПОН, северо-западный КУПОН, восточный Кран и западный Кран.
На рисунках 2.11 и 2.12 в качестве примера показаны алгоритмы определения доступности юго-восточного КУПОН и восточного крана соответственно. Доступность терминала моделируется по принципу «светофора» (этот принцип используется далее и в имитационной модели):
- «зеленый» - разрешены подход, швартовка и грузовые операции;
- «желтый» - разрешены только грузовые операции;
- «красный» - любые операции запрещены.
Условные обозначения для параметров природных условий показаны в таблице 2.2. Символы на блок-схемах имеют следующие значения:&& -логический оператор «И», - логический оператор «ИЛИ»,! - логический оператор «НЕ».
Приведем более детальное объяснение логики алгоритма определения доступности КУПОН. В начале алгоритма выполняется проверка базовых условий: дальность видимости не должна быть менее 300 м, температура – менее –40С, также должны отсутствовать сжатия льда. Если базовые условия выполняются, то производится дальнейшая проверка для случая наличия и отсутствия льда, которая в обоих случаях начинается с проверки основных регламентных условий.
При отсутствии льда эти условия заключаются в том, что направления ветра, волнения и течения укладываются в сектор доступности КУПОН, а абсолютные значения не превышают пороговых. В случае наличия льда эти требования дополняются требованиями по толщине льда при сохранении условия благоприятного направления дрейфа. Понятно, что основные регламентные условия выполняются далеко не всегда, однако это не означает, что грузовые операции невозможны, поэтому далее проверяются специфические эксплуатационные случаи.
При отсутствии льда последовательно проверяются: случай сильного ветра благоприятного направления при слабом течении произвольного направления и благоприятной волне высотой менее 3,5 м; случай произвольного слабого ветра при сильном благоприятном течении и волне менее 0,5 м; случай, когда у МЛСП установился практически штиль при слабом благоприятном течении. При наличии льда у МЛСП рассматриваются дополнительные эксплуатационные случаи: случай сплоченного толстого льда при благоприятном дрейфе (отдельно при наличии и при отсутствии ледового менеджмента); случай льда большой толщины и малой сплочённости при благоприятном направлении дрейфа.
Алгоритмы определения доступности северо-западного КУПОН и западного крана выполнены аналогично с учетом своих допустимых секторов направлений внешних воздействий ветра, волнения, течения и льда.
Расчетные значения всех принятых ограничений по ветру, волнению, видимости, ледовых условий и другим параметрам приведены непосредственно на схемах (рисунках) 2.11 и 2.12. Необходимо отметить, что при разработке алгоритмов определения доступности терминалов принимались проектные характеристики технических средств, обеспечивающих выполнение грузовых операций. Например, как видно из рисунка 2.11, допустимый сектор работы КУПОН принимается равным 130С летом и 110С зимой (без учета ледового менеджмента).
Пример использования имитационной модели как интеллектуального средства поддержки организационных и технологических решений
Создание адекватно отражающей действительность имитационной модели реальной сложной технической системы не является самодостаточной задачей для исследователя-практика. Модель ценна не сама по себе и не как полигон для проигрывания множества сценариев. Ее следует, прежде всего, рассматривать как инструмент анализа, оптимизации и поддержки различных организационных и технических решений, направленных на улучшение работы существующих или только проектируемых технических объектов.
Важнейшее качество, предоставляемое имитационной моделью – возможность замены физического эксперимента или опыта реальной эксплуатации численным экспериментом, несравнимо более дешевым и дающим возможность получить интересующие ответы в несравнимо более сжатые сроки. В качестве примера использования имитационной модели как интеллектуального ядра поддержки принятия решений приведем результаты применения модели МЛСП «Приразломная» для анализа комплекса улучшающих мероприятий, направленных на повышение устойчивости функционирования и эффективности эксплуатации транспортно технологической системы вывоза нефти и обеспечения ее грузами снабжения.
В ходе исследования на основе созданного программного инструмента была смоделирована работа более 30 различных вариантов конфигурации транспортной системы МЛСП «Приразломная». Рассмотрен анализ влияния на эффективность системы 11 улучшающих мероприятий организационно-технического характера, имеющих различный масштаб и стоимость реализации.
В ходе НИР по исследованию транспортной системы обеспечения МЛСП «Приразломная» были выявлены и проанализированы альтернативные варианты усовершенствования комплекса технических средств обустройства месторождения, позволяющие обеспечить требуемый объем отгрузки и вывоза нефти. Эти организационные и технические мероприятия, целью которых выступает повышение эффективности работы транспортно-технологической системы, носят общий характер и должны быть учтены при проектном анализе и эксплуатации других сооружений подобного типа. В настоящем параграфе дается их перечень и излагается опыт их учета в имитационной модели МЛСП. Среди вариантов усовершенствования следует отметить следующие:
- оптимизация расписаний движения судов, полетов вертолетов, пересмотр возможности выполнения совместных операций;
- увеличение эффективности существующей отгрузочной системы комплекса устройств прямой отгрузки нефти (КУПОН) - челночный танкер, включая систему хранения и отгрузки МЛСП, сокращение времени на операции по швартовке/шланговке;
- введение в строй дополнительного отгрузочного терминала;
- использование дополнительного хранилища нефти или перевалочной базы;
- корректировка планового графика добычи нефти на МЛСП с учетом ограничений, налагаемых транспортной системой обеспечения;
- уменьшение минимальной длительности используемых танкерами окон погоды;
- обоснованный пересмотр регламентов работы, например, в части разрешения одновременной грузообработки танкера и снабженца у МЛСП или разрешение работы танкера у МЛСП в момент прилета вертолета;
- снижение длительности операций по швартовке и шланговке танкера у МЛСП;
- снижение длительности ожидания танкера у МЛСП после полной загрузки (операции по оформлению документов и отбору проб нефти);
- разрешение режимов длительной эксплуатации танкеров со среднерейсовой скоростью 10,5-11,0 узл. в условиях, когда ускорение танкера необходимо из-за угрозы полного наполнения хранилища нефти на МЛСП;
- ввод с систему дополнительного ресурса в виде однотипного челночного танкера ледового плавания.
В рамках выполнения исследований также рассматривались:
- возможность использования системы управления ледовой обстановкой (УЛО), а также дополнительных судов и технических средств для обеспечения УЛО;
- возможность использования судов обеспечения без системы динамического позиционирования (ДП).
Для оценки и обоснования технических и организационных решений, позволяющих увеличить производительность отгрузки и вывоза нефти с МЛСП «Приразломная» для ряда вариантов было выполнено навигационное моделирование швартовно-грузовых операций на специализированном научно-исследовательском тренажерном комплексе, который входит в состав ГУМРФ имени адмирала С. О. Макарова и находится на территории ФГУП «Крыловский государственный научный центр». В частности, в ходе навигационного моделирования были отработаны следующие сценарии в различных гидрометеорологических и ледовых условиях:
- подход и удержание судна обеспечения в зоне работы восточного крана МЛСП;
- подход и удержание судна обеспечения в зоне работы западного крана МЛСП в ледовых условиях;
- экстренный отход судна обеспечения в зоне работы западного крана МЛСП в ледовых условиях при опасном изменении дрейфа льда;
- поведения танкера при потере хода и управляемости в случае без постановки на швартов при грузовых операциях;
- подход и удержание судна обеспечения в зоне работы восточного крана МЛСП в безледовых условиях;
- подход и удержание судна обеспечения в зоне работы восточного крана МЛСП в ледовых условиях.
Дополнительно исследовался вопрос эффективности выполнения судами обеспечения операций управления ледовой обстановкой при погрузке танкера. Таким образом, изложенные в настоящем исследовании подходы, относящиеся к математическому имитационному моделированию, были подкреплены работами из альтернативной ветви имитационного моделирования, также интенсивно развивающегося в последние годы - экспериментах с воссозданием виртуальной реальности на специальных тренажерах.
Кроме того, некоторые перечисленные выше варианты усовершенствования были исследованы в натурных экспериментах в ходе экспедиций к МЛСП «Приразломная» в 2015-2018 гг. при непосредственном участии автора. Цель экспериментов - реализация прикладных технических решений на уровне оперативного управления технологическими процессами в условиях, когда пересчет данных оказывается невозможным.
Некоторые выборочные результаты соответствующих исследований приведены в работах [15, 16, 23]. В частности, в ходе экспедиции весной 2017 года было апробировано техническое решение по разрушению нагромождения обломков льда (стамухи) вблизи МЛСП, на которое автором данной работы в составе коллектива получен патент РФ на изобретение «Способ разрушения нагромождения обломков льда вблизи ледостойких морских нефтегазовых и гидротехнических сооружений и устройство для его осуществления» (см. Приложение Б, рисунки 3.9, 3.10).
В описанных условиях очевидна потребность формирования в портовых объектах специальных комплексов организационно-технических мероприятий, направленных на оперативное принятие решений в непрерывно меняющейся обстановке.