CC BY
4
УДК 338.245
УСТОЙЧИВОЕ РАЗВИТИЕ АРКТИКИ И АТОМНЫЙ ЛЕДОКОЛЬНЫЙ ФЛОТ
Путилов Александр Валентинович
декан факультета бизнес-информатики и управления комплексными системами НИЯУМИФИ, доктор технических наук, профессор, академик РАЕН, лауреат премии Правительства Российской Федерации в области науки и техники
Аннотация. В статье описаны принципы устойчивого развития транспортно-ло-гистических систем в Арктике. Охарактеризованы итоги и перспективы использования атомного ледокольного флота в арктической зоне с учетом экономического развития и повышения оборонного потенциала. Приведены научные основы цифровых систем управления, в частности создания рекомендательных систем для формирования глобального информационного комплекса с условным наименованием "Умная Арктика".
Ключевые слова: атомные ледоколы, арктическая зона, цифровые системы управления, рекомендательные системы.
Putilov Alexander Valentinovich, Dean of faculty Business Informatics and Control of complex systems National Research Nuclear University MEPhI, Doctor of Technical Sciences, Professor, Academician of the Russian Academy of Natural Sciences, Laureate of the Russian Government Prize in Science and Technology, Moscow, Russian Federation.
Arctic sustainable development and nuclear icebreaking fleet.
Abstract. The article describes the principles of sustainable development of transport and logistics systems in Arctic. Results and prospects are characterized and
the use of the nuclear icebreaker fleet in Arctic zone, taking into account economic development and an increase in the defense potential. The scientific foundations of digital control systems, in particular, the creation of recommender systems for the formation of a global information complex with given code name "Smart Arctic".
Keywords: nuclear-powered icebreakers, Arctic zone, digital control systems, recommendation systems.
Введение. Арктика является крупнейшим сырьевым резервом России. В ней содержатся большие запасы углеводородного и минерального сырья. Ее ресурсный потенциал создает хорошие предпосылки для долгосрочных и среднесрочных структурных преобразований, связанных с реструктуризацией промышленного производства в регионах страны, базирующихся на сырьевых потоках, поступающих с районов Крайнего Севера. Однако эффективное функционирование Арктики невозможно без активной государственной поддержки, поэтому требуется законодательное оформление специфики ее экономического пространства. Транспор-тно-логистическая система Арктики базируется, в основном, на Северном морском пути (далее - СМП), ледокольное обслуживание которого осуществляется атомными ледоколами. Рынок ледокольного обслуживания делится на две основные зоны: дельты
сибирских рек (внутренняя зона) и магистральный путь (внешняя зона). Устойчивость обслуживания этих зон также можно разделить на внутреннюю и внешнюю.
Атомный ледокольный флот. Согласно долгосрочной стратегии развития атомной отрасли дальнейшее совершенствование деятельности ФГУП "Росатомфлот", в рамках которого работают атомные ледоколы, связано с обеспечением надежности, безопасности и эффективности эксплуатации, зиждущемся на современных технологиях и высокой квалификации работников, проходящих постоянную подготовку и переподготовку, совершенствования системы управления, соответствующей мировым стандартам. Устойчивость развития рынка ледокольного обслуживания также относится к стратегическим задачам развития. Развитие Арктики имеет и конкретные экономические измерения. Например, для развития СМП государством поставлены важные экономические задачи: увеличение арктического транзита грузов к 2024 году до уровня 80 млн тонн в год; существенное повышение добычи углеводородов на шельфе; создание новых рудников для добычи полезных ископаемых на Новой Земле; развитие малой атомной энергетики.
Так, в г. Певек на Чукотке уже работает плавучая атомная теплоэлектростанция (ПАТЭС) "Академик Ломоносов". В настоящее время в составе атомного ледокольного флота успешно работают два атомных
ледокола с двухреакторной ядерной энергетической установкой мощностью 75 тыс. л. с. "Ямал", "50 лет Победы", два ледокола с однореакторной установкой мощностью около 50 тыс. л. с. "Таймыр", "Вайгач", а также атомный контейнеровоз "Севморпуть", мощность реакторной установки которого 40 тыс. л. с. ФГУП "Росатомфлот" владеет также тремя судами технологического обслуживания и судном-контейнеровозом "Россита". Два однореакторных атомных ледокола за счет небольшой осадки предназначены работать в устьях сибирских рек, что обеспечивает внутренний аспект устойчивости - эффективное использование потенциала атомного ледокольного флота на рынках внутренних перевозок в Арктике. Два двухреакторных ледокола являются основой устойчивого магистрального развития СМП и международных перевозок грузов по этому маршруту. Таким образом, эксплуатируемые сегодня четыре ледокола закрывают внутренний и внешний аспекты устойчивости ледокольного обеспечения транспортно-ло-гистической системы Арктики (Рисунок 1).
Новый фактор развития СМП - это возвращение в Арктику Военно-Морского Флота Российской Федерации, создание и восстановление стратегически важных военных баз с активным участием атомного ледокольного флота. Доказательством этого факта стали успешные операции атомоходами ФГУП "Росатомфлот" по проводке караванов кораблей Северного флота осенью 2013-2015 годов. Задачи обеспечения ар-
Устойчивость
Внешний аспект устойчивости -формирование эффективных взаимоотношений с субъектами рынка
Стратегическая устойчивость -способность эффективно взаимодействовать с субъектами рынка
:
Тактическая устойчивость -способность действовать в соответствии с установленными нормами и правилами
Внутренний аспект устойчивости -эффективное использование потенциала
Стратегическая устойчивость -формирование
устойчивых преимуществ на основе использования потенциала
Тактическая устойчивость -соответствие бизнес-процессов требованиям эффективности
Рисунок 1. Внешний и внутренний аспект устойчивости ледокольного обеспечения транспортно-логистической системы Арктики
ктических гарнизонов Минобороны России решает и лихтеровоз "Севморпуть". Ввод в эксплуатацию уникального атомного транспортного судна состоялся весной 2016 года.
Атомный ледокол "Ямал"
Атомный ледокол "Таймыр" ^Щ
Атомное транспортное судно (лихтеровоз) "Севморпуть"
Устойчивое развитие транспортно-логистической системы. Рассмотрим перспективы устойчивого развития ледокольного обеспечения транспортно-ло-гистической системы Арктики1. Скоро в состав ФГУП "Росатомфлот" войдут три новых универсальных атомных ледокола проекта 22220, строительство которых ведется на верфи ООО "Балтийский завод -Судостроение" в г. Санкт-Петербурге. Они предназначены для самостоятельной про-
водки крупнотоннажных судов, круглогодичного лидирования караванов в Западном районе Арктики. Двухосадочная конструкция атомоходов позволяет им работать в арктических водах и в устьях полярных рек. Головной ледокол "Арктика" уже вошел в опытную эксплуатацию. Первый серийный ледокол "Сибирь" спущен на воду. Второй серийный атомоход "Урал" пока находится на стапелях. Универсальные атомные ледоколы проекта 22220 станут самыми большими и мощными в мире и займут лидирующее место в обеспечении российского наследия в Арктике. Их технические характеристики: длина - 173,3 м, ширина - 34 м, водоизмещение - 33,5 тыс. т. Ледоколы смогут проводить караваны судов с углеводородным сырьем с месторождений Ямальского, Гыданского полуостровов на рынки стран Азиатско-Тихоокеанского региона в арктических условиях, пробивая лед толщиной до 3 метров. А в дальнейшем планируется создание атомных ледоколов нового поколения (проект "Лидер"), которые кардинальным образом улучшат ледокольное обслуживание транспортно-логистической системы Арктики в 30-е годы XXI века.
Стратегическая и тактическая устойчивость может быть оценена в экономическом разрезе как вероятность выполнения задач ледокольного обеспечения в условиях меняющейся ледовой обстановки, гидрометеорологических условий, реализации арктических проектов. Модели оценки такой стратегической устойчивости почти разработаны, но необходимы исходные данные, отражающие всю ситуацию в регионах реализации арктической транспортно-логи-стической системы2.
Управление Арктикой в цифровую эпоху. Для моделирования логистических процессов и оценок экономических показателей этой деятельности необходимо создать единый цифровой ресурс с использованием технологий искусственного интеллекта для эффективного обеспечения различных проектов в Арктике, в том числе в интересах развития бизнеса3. Должен быть реализован проект с условным наи-
менованием "Умная Арктика", в котором было бы предусмотрено объединение всех информационных ресурсов, которые сегодня имеются, Это те, которые изучают погоду, ледовую обстановку, производственные вопросы. Их следовало бы объединить в единый информационный портал с максимальным задействованием искусственного интеллекта, методов математического моделирования и прогнозирования, а также обработки и анализа больших данных для того, чтобы более эффективно проводить все процессы в арктической зоне. Эта задача должна быть особо ориентирована на использование искусственного интеллекта для оптимизации всех управленческих и бизнес-процессов. Тогда может быть осуществлена цифровая трансформация СМП.
Пролегая вдоль северных берегов России по морям Северного Ледовитого океана (Ба-ренцово, Карское, Лаптевых, Восточно-Сибирское, Чукотское и Берингово), он соединяет европейские и дальневосточные порты России, а также устья судоходных сибирских рек в единую транспортную систему. Длина такой транспортной артерии составляет 5 600 км от пролива Карские Ворота до Бухты Провидения. Транспортировка углеводородной и иной продукции на рынки Азии и Европы по трассе СМП может служить реальной альтернативой существующим транспортным связям между странами Атлантического и Тихоокеанского бассейнов через Суэцкий и Панамский каналы. Например, расстояние от порта Мурманск до портов Японии через СМП составляет около 6 тыс. миль (длительность транзита -до 18 дней), а через Суэцкий канал - более 12 тыс. миль (длительность транзита - до 37 дней). В период с 2021-2022 гг. ожидается существенное увеличение грузопотока углеводородной продукции. По прогнозам он будет достигать 20 млн т в год. Это связано с вводом в эксплуатацию в порту Сабетта завода по сжижению природного газа.
Также произошли существенные изменения в системе управления Арктикой. В 2018 году Правительство Российской Федерации наделило Госкорпорацию
"Росатом" полномочиями инфраструктурного оператора СМП. В декабре 2019 года был утвержден План развития инфраструктуры СМП до 2035 года. Проект "Северный морской транзитный коридор" (СМТК) был инициирован в Госкорпорации "Роса-том" в 2019 году и предполагает создание комплексной транспортно-логистической системы для осуществления международных транзитных морских грузоперевозок на маршруте Азия - Европа, строительство коммерческого флота и двух транспортно-логистических узлов. Реализация проекта будет осуществляться ООО "Русатом Карго" - предприятием Госкорпорации "Роса-том", отраслевым логистическим оператором. Для любой управляющей структуры в цифровую эпоху необходимо использовать так называемые рекомендательные системы - цифровых помощников в обработке и анализе больших данных для выработки управленческих рекомендаций.
Научная основа совершенствования экономического управления в Арктике.
Главное назначение рекомендательных систем - это помощь в обработке и анализе данных, основывающаяся на прогнозировании поведения пользователей по отношению к объекту информационного поиска. На основании прогноза поведения формируются другие рекомендации, позволяющие сфокусировать внимание пользователей на похожие информационные объекты, с которыми они ранее не сталкивались.
Рассмотрим формальную постановку задачи для рекомендаций, где U - множество пользователей и D - множество объектов. Необходимо найти функцию r r : U х D ^ R, которая формирует рекомендацию R таким образом, что для любого пользователя значение r между ним и объектом d максимально:
Ум е U, du = arg (max r(u,d))
deD
Выделяют четыре вида рекомендательных систем:
1. Рекомендации, формируемые экспертным методом: связи между объектами уста-
навливаются вручную или на основе ранее определенных правил. Но этот способ не теряет свою актуальность только при небольшом перечне рекомендуемых объектов.
2. Коллаборативная фильтрация информации: рекомендации основываются на оценках пользователей по отношению к просмотренным объектам. Рекомендации могут строиться на поиске схожих пользователей по отношению к рассматриваемому пользователю (user-based) или на поиске похожих объектов по отношению к объектам с оценками, выставленными ранее рассматриваемым пользователем (item-based).
3. Контентная фильтрация информации: рекомендации для рассматриваемого пользователя складываются из понравившихся ему объектов с учетом присвоенных каждому объекту набору параметров.
4. Гибридная фильтрация информации: используется комбинация подходов, основанных на контентной и коллаборативной фильтрации, что приводит к повышению качества формируемых рекомендаций.
Как отечественные, так и зарубежные разработки свидетельствуют о серьезном прогрессе в точности, эффективности, быстроте действия и достоверности рекомендательных систем в различных сферах реального сектора экономики при использовании цифровых технологий. Для Арктики не удалось обнаружить в научной литературе описаний похожих результатов, поэтому основная задача состоит в нахождении объектов, являющихся рекомендательными системами, и довести данные разработки до использования при экономическом управлении развитием в Арктике. При этом ли-
тература богата результативными данными по математическим методам и алгоритмам машинного обучения, используемыми в различных рекомендательных системах3. Теоретическую базу, которую можно использовать в подобных разработках, составляют фундаментальные труды мировых ученых о разработке методов и алгоритмов обработки данных, принципов формирования ансамблевых подходов, подходов работы с "большими данными", принципов Data Mining и Text Mining, теории автоматизированного управления, поддержки принятия решений и системного анализа.
Рассмотрим объекты основных элементов функциональной схемы рекомендательных систем (Рисунок 2):
• Объект управления - блок с перечнем рекомендаций, соответствующий интересам пользователя в определенный момент времени, например при проводке судов через СМП.
• Управляющий объект - набор алгоритмов классификации, позволяющий на основе задающего воздействия u(t) и сигнала от измерительного или аналитического устройства формировать наиболее перти-нентные значения рекомендаций.
• Обученная модель представляет собой рассматриваемые элементы и правила, по которым управляющий объект будет выполнять классификацию, например с использованием истории проводки судов через СМП.
• Исполнительное устройство - это веб-сервер, который дополняет содержательной информацией из базы данных полученные идентификаторы значений от управляющего объекта и передает управ-
Рисунок 2. Общий принцип работы рекомендательных систем
ляющее воздействие x(t).
• Измерительное или аналитическое устройство выполняет сбор данных по реакции пользователя на полученные рекомендации и преобразует их в формализованные значения z(t) поведения пользователя, например на странице интернет- сайта.
Выходными параметрами схемы из Рисунка 2 являются рекомендации, представляющие наибольший интерес для пользователя. Применимость рекомендательных систем не ограничивается какими-то определенными сферами деятельности и может быть использована в различных системах, особенно содержащих научные сведения по Арктике. Научная рекомендательная система (НРС) представляет собой специальный модуль, который может быть установлен поверх базы данных системы с научной информацией и использоваться независимо от поисковой системы. Это системы Google Scholar, Scopus, Web of Science, Mendeley, eLibrary, Cyberleninka и другие. Использование НРС может позволить включить в системы экономического управления в Арктике научные результаты и закономерности, полученные в мировом научном пространстве, ранее не использованные для этих целей.
Генерируемые аналитические данные в современном мире становятся активом, способным приносить дополнительную экономическую выгоду тем, кто умеет правильно работать с информацией и грамотно ее использовать. Технология, отвечающая за способы хранения и обработки данных большого объема, получила название "большие данные". Но технология "большие данные"также имеет ряд других значимых параметров. К наиболее часто используемым относятся объем данных (Volume), скорость прироста данных и скорость их обработки (Velocity), разнообразие данных (Variety). Количество "V", которое присутствует в этих моделях, постоянно увеличивается и иногда составляет более 40 параметров.
Для апробирования подходов к созданию рекомендательных систем зачастую используются возможности создания и освоения на их основе образовательных технологий.
При этом в процессе обучения, подготовки или переподготовки кадров выявляются как положительные, так и отрицательные стороны предлагаемых подходов, которые можно исправить в ходе тестирования. Подготовка кадров для развивающейся атомной энергетики - это широкое поле применения современных информационных технологий, платформенных подходов и новых образовательных систем3. Особенно важно в образовательном процессе подчеркнуть целый ряд правовых аспектов работы в Арктике2, требующих своего разрешения. Кроме того, образование на базе рекомендательных систем будет полезно для повышения квалификации сотрудников органов управления регионального уровня, которые должны хорошо разбираться и в содержательных инновациях в Арктике, и в правовых коллизиях с ними связанных.
Результаты будущего развития экономической системы управления в Арктике.
В системе управления экономическим развитием арктической зоны можно выделить несколько значимых потенциальных результатов, на которые должны быть направлены усилия разработчиков, инженеров, управленцев и экономистов4-8.
1. Совершенствование принципов формирования различных видов и типов рекомендательных систем, использование контентной фильтрации информации, способствующих устранению проблем функционирования рекомендательных систем "холодный старт" или "новый пользователь", устойчивая идентификация экономического контекста для пользователей и улучшение временных характеристик принятия решений при экономическом управлении в Арктике.
2. Из практики использования рекомендательных систем известно, что существенной проблемой при работе со слабоструктурированными данными является несоответствие между структурами данных обучающей выборки и генеральной совокупности. Поэтому для уменьшения этого потенциального несоответствия необходимо использовать ансамблевые методы об-
работки больших данных в Арктике при формировании системы экономического управления.
3. Развитие новых методов и алгоритмов обогащения признакового пространства слабоструктурированных данных позволит выделить новый значимый признак - тип искомого результата информационного поиска, приводящий к повышению пертинент-ности самого информационного поиска при экономическом управлении в Арктике.
4. Создание методов и алгоритмов ансамблевой классификации на основе энтропии позволит стабилизировать и усовершенствовать точность работы ансамбля на больших объемах слабоструктурированных данных, например для логистической и экономической обстановки в конкретных регионах Арктики.
5. В итоге разработанные методы и алгоритмы совершенствования систем управления могут быть реализованы в рекомендательной системе для экономического развития, которую можно охарактеризовать как "Умная Арктика". Первым шагом формирования этой многоаспектной рекомендательной системы может стать создание Экспертно-консультативного совета при Президиуме НТС Госкорпорации "Роса-том", который также может получить наименование "Умная Арктика".
Многоаспектные рекомендательные системы могут обеспечить пользователям информационных ресурсов учет влияния на экономические решения внешней среды
(Рисунок 3). Информация о внешней среде (анализ больших данных об исторической практике реализации в Арктике различных проектов, транспортно-логистических систем, аппаратуры связи и коммуникаций) может быть обобщена экспертным методом. Для этого следует в предлагаемый экс-пертно-консультативный совет вовлекать специалистов различного профиля и путем проведения экспертных панелей, телекоммуникационных сессий обеспечивать учет разнородной информации о внешней среде как субъекта, так и объекта управления.
Заключение. На базе имеющегося опыта использования рекомендательных систем предлагается разработать программно-технические решения, предназначенные для прогнозирования поведения пользователей информационными ресурсами при реализации экономического управления в Арктике в отношении объектов информационного поиска, а также формирования рекомендаций для объектов, с которыми конкретный пользователь еще не встречался. Метод, повышающий пертинентность информации, может быть реализован экспериментальным образцом программного комплекса в рекомендательной системе сбора информации по подготовке экономических решений в арктической зоне. Программа должна позволять выполнять сбор и хранение поведенческих данных, устанавливать корреляционные зависимости между пользовательскими профилями и формировать информационные
Информация о внешней среде
Воздействие внешней среды
Рисунок 3. Схема управления региональной социально-экономической системой арктической зоны
с учетом воздействия внешней среды
предложения исходя из анализа поведенческих данных. На основе разработанных методов и алгоритмов могут быть реализованы модули, совокупность которых составит основу системы поддержки экономического управления "Умная Арктика".
Список литературы
1. Путилов А.В., Червяков В.Н., Матицин И.Н. Цифровые технологии прогнозирования и планирования развития атомной энергетики // Энергетическая политика.-2018, № 5.-С. 87-98.
2. Матятина А.П., Путилов А.В. Комплексное решение освоения и развития Севморпути // Научно-технический проект полного инновационного цикла развития Арктики.- М: Научный консультант, 2020.-С 69-96.
3. Путилов А.В., Матицин И.Н., Королев С.А. Большие данные, их обработка и анализ - основа планирования развития Арктики // Труды Вольного экономического общества
России.-2019.- т. 216.-С. 158-165.
4. Гусева А.И., Киреев В.С., Кузнецов И.А., Бочкарёв П.В. Исследование алгоритмов многомерной классификации научных данных// Фундаментальные исследования. - 2015. № 11, ч. 5. - С. 868-874.
5. Лексин В. Н., Порфирьев Б. Н. Российская Арктика сегодня: содержательные новации и правовые коллизии // Экономика региона.-2018.-Т. 14.- вып. 4.- С. 1117-1128.
6. Путилов А.В., Стриханов М.Н., Тихомиров Г.В. Подготовка кадров для развивающейся атомной энергетики // Известия вузов. Ядерная энергетика.- 2019.- № 2.- С. 208-217.
7. Кузнецов И.А. Метод автоматизированной классификации научных статей по типу результата в научных аналитических системах // Современные наукоемкие технологии.- 2018. -№ 2 - С. 59-63.
8. Kuznetsov, I. A. Development of algorithms ensemble in case of the solution of the task of statistical classification in recommender systems / Kireev V. S., Kuznetsov I. A. // International Journal of Applied Engineering Research.- 2016. Vol. 11, № 9.- P. 6613-6618.
