WWW.DISS.SELUK.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА
(Авторефераты, диссертации, методички, учебные программы, монографии)

 

Pages:   || 2 | 3 |

«Л.А. Мыльников ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ ИННОВАЦИОННЫМИ ПРОЕКТАМИ Монография Издательство Пермского государственного технического университета 2011 УДК 001.57; 338.2 ББК ...»

-- [ Страница 1 ] --

Министерство образования и науки Российской Федерации

Государственное образовательное учреждение

высшего профессионального образования

«Пермский государственный технический университет»

Л.А. Мыльников

ПОДДЕРЖКА ПРИНЯТИЯ

РЕШЕНИЙ ПРИ УПРАВЛЕНИИ

ИННОВАЦИОННЫМИ ПРОЕКТАМИ

Монография

Издательство Пермского государственного технического университета 2011 УДК 001.57; 338.2 ББК 65.23; С.8.2.3.2 М94 Рецензенты:

доктор физико-математических наук, доцент, профессор кафедры экономической кибернетики ПГУ П.М. Симонов (Пермский государственный университет);

доктор экономических наук, профессор, заведующий кафедрой «Информационные технологии и автоматизированные системы» Р.А. Файзрахманов (Пермский государственный технический университет) Мыльников, Л.А.

М94 Поддержка принятия решений при управлении инновационными проектами: монография / Л.А. Мыльников. – Пермь: Изд-во Перм. гос. техн. ун-та, 2010. – 145 с.

ISBN 978-5-398-00530- Настоящее издание посвящено вопросам поддержки принятия решения при управлении инновационными проектами и является результатом научных исследований автора в данной области за последние два года.

Может использоваться в качестве дополнительного источника при изучении дисциплин: «Управление инновационными проектами», «Управление инновационной деятельностью», «Теория инноваций», «Информационно-аналитическая поддержка инновационной деятельности».

Предназначено для студентов специальности 220601 «Управление инновациями» (ИН) дневной и заочной форм обучения, а также научных работников, специализирующихся в области управления социальноэкономическими системами, менеджеров и руководителей фирм.

УДК 001.57; 338. ББК 65.23; С.8.2.3. © ГОУ ВПО «Пермский государственный ISBN 978-5-398-00530- технический университет»,

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

ГЛАВА 1. АКТУАЛЬНОСТЬ ПРОБЛЕМЫ УПРАВЛЕНИЯ

ИННОВАЦИОННЫМИ ПРОЕКТАМИ И АНАЛИЗ

СУЩЕСТВУЮЩИХ ПОДХОДОВ

1.1. Актуальность задачи внедрения инновационных проектов на предприятиях

1.2. Существующие подходы к управлению инновациями на предприятии

ГЛАВА 2. МОДЕЛИРОВАНИЕ ИННОВАЦИОННЫХ

ПРОЕКТОВ И ПРИНЯТИЕ РЕШЕНИЙ

ПРИ УПРАВЛЕНИИ ИМИ

2.1. Моделирование инновационных проектов

2.2. Структурная модель инновационного проекта................. 2.3. Инновационный процесс

2.4. Выявление ключевых параметров для управления инновационными проектами

2.5. Прогнозирование развития параметров инновационных проектов

2.5.1. Прогнозирование развития параметров, описываемых инновационной кривой

2.5.2. Прогнозирование развития параметров, описываемых S-образной кривой

2.6. Формирование множества возможных решений.............. 2.7. Использование нечетких переменных для моделирования инновационных проектов

ГЛАВА 3. ИССЛЕДОВАНИЕ ИННОВАЦИОННЫХ

ПРОЕКТОВ МЕТОДАМИ МОДЕЛИРОВАНИЯ

3.1. Управление жизненным циклом инновационного продукта

3.2. Принятие решений при управлении инновационными проектами

ГЛАВА 4. АВТОМАТИЗАЦИЯ МЕТОДОВ

МОДЕЛИРОВАНИЯ И УПРАВЛЕНИЯ

ИННОВАЦИОННЫМИ ПРОЕКТАМИ

4.1. Логическая модель данных для решения задачи поддержки принятия решений при управлении инновационными проектами

4.2. Набор данных об инновационном проекте и способы их хранения

4.3. Возможные технические средства реализации............... ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ВВЕДЕНИЕ

Земля ограничена, а знаниям грани не предвидятся.

В настоящее время в России и в мире в целом много внимания уделяется развитию экономики на основе научных достижений, воплощенных в потребительские товары и услуги (инноваций). Правительства стран декларируют различные программы и ставят своей целью переход на новый тип экономики. Уже прошло достаточно много времени с начала деклараций, и сменилось множество названий. Сначала говорили об экономике нового типа, потом об инновационной экономике. Сейчас в Европе появился новый термин – «креативная экономика». Однако если разобраться, то движение в этом направлении очень слабое и для большинства людей незаметное. Мировой опыт показывает, что для «рывка», о котором все мечтают, необходимо создание определенных условий.

В Российской Федерации выпущено множество документов законодательного, нормативного и рекомендательного характера, принятых на федеральном и региональном уровнях, среди них:

«Основы политики Российской Федерации в области развития науки и технологий на период до 2010 года и дальнейшую перспективу», Указ Президента Российской Федерации о государственной политике по вовлечению в хозяйственный оборот результатов научно-технической деятельности и объектов интеллектуальной собственности в сфере науки и технологий №863 от 22.07.98 г. и др. Развитию инноваций регулярно уделяется большое внимание в посланиях Президента РФ и заседаниях Госсовета.





Задачи разработки инноваций и управления ими стали еще более актуальными в условиях возникшего финансового кризиса.

Поиск проектов, способных принести значительную финансовую отдачу, усилился. Многие фонды, выделяющие средства на развитие бизнеса, активизировали свою деятельность. Еще до начала финансового кризиса Россия жила в ожидании нового скачка развития — инновационного. Правительство декларировало своей задачей переход на инновационный путь развития. На самом деле, для того чтобы инновации стали регулярным продуктом деятельности, нужно уметь находить те «зерна», которые могут вырасти в инновации. Необходимо оценивать их потенциал и способы развития, предсказывать появление инноваций, искать факторы, сдерживающие инновационный путь развития, прежде всего анализируя материальные и людские ресурсы, финансовые возможности, научные заделы и их аналоги, существующие объекты интеллектуальной собственности, инфраструктуру и географическое расположение. Также нужно выявлять принципиально новые и перспективные проекты на основе анализа рынков сбыта, искать перспективные авторские коллективы, основываясь на принципе их сбалансированности по профессионализму; хранить, анализировать и изучать информацию о имеющихся инновационных, научно-исследовательских и технических разработках, результатах мониторинга инновационных пространств; помогать выбирать, ранжировать и генерировать критерии для оценки инновационной деятельности; помогать в организации сбыта; оценивать объекты интеллектуальной собственности и коммерциализовывать их [75].

Для решения перечисленных задач и перехода от деклараций к практической работе необходимы прежде всего объективные, основанные на математическом моделировании методы изучения инновационных процессов. Это одна из наиболее актуальных, но и наиболее сложных научных проблем. Сложности обусловлены динамической неустойчивостью инновационных процессов, протекающих в условиях слабой формализуемости, субъективности оценок протекающих процессов, низкого уровня автоматизации сбора информации для объективных оценок, разной степени влияния внешних и внутренних связей инновационного процесса на результат и т.д. Для реализации инновационного проекта, в том числе на самом слабо формализуемом и поддающемся прогнозным оценкам этапе научной разработки, необходимы глубокий анализ текущего состояния, прогноз будущих состояний, выработка эффективных управленческих решений на каждой стадии, выбор критериев оценки решений через методики экспертных оценок, оценка последствий принятия каждого из возможных решений и путей, к которым приведут решения, принимаемые на каждой стадии инновационного проекта.

Инновационные проекты можно отнести к слабоструктурированным процессам, характеризующимся наличием множества количественных и качественных параметров, взаимосвязь между которыми носит неопределенный характер. Правильная оценка состояния позволяет не только раскрыть потенциал инновационного проекта на начальном этапе (этапе научной разработки), но и оценить итоговые результаты, значимость и уровень ожидаемых результатов. Эти характеристики инновационного проекта требуют построения модели, способной все или большинство связей и происходящих процессов представить в виде формальных информационных показателей или объектов. Решение проблемы управления инновационными проектами путем применения методов моделирования и реализации системы поддержки принятия решений на их основе имеет особую научнопрактическую значимость на федеральном, региональном, отраслевом и корпоративном уровнях управления. Та страна или предприятие, которые смогут перестроиться на инновационный путь развития, получат преимущество на многие годы вперед, а также смогут эффективно существовать и развиваться в условиях любой финансовой конъюнктуры.

АКТУАЛЬНОСТЬ ПРОБЛЕМЫ УПРАВЛЕНИЯ

ИННОВАЦИОННЫМИ ПРОЕКТАМИ

И АНАЛИЗ СУЩЕСТВУЮЩИХ ПОДХОДОВ

1.1. Актуальность задачи внедрения инновационных Многие страны, регионы и предприятия за историю развития человечества на определенные промежутки времени становились «центрами» мира. Появление таких стран связано прежде всего с технологическими достижениями, которые в этих странах были достигнуты и приводили к военному и экономическому доминированию.

Можно привести массу примеров из Позднего Средневековья, эпохи Возрождения, Античности. В недалеком прошлом такими примерами служат технологический прорыв Германии перед приходом к власти А. Гитлера. Если перечислять фамилии работавших в то время в Германии деятелей искусства, ученых, изобретателей и промышленников, то этот список будет очень длинным и все фамилии будут иметь мировую известность:

Вальтер Гропиус, Василий Кандинский, Альберт Эйнштейн, Хуго Юнкерс (первый самолет из металла, газовая колонка), Вильгельм Майбах (двигатель внутреннего сгорания), Карл и Роберт Бош, многие другие.

Еще одним более ранним примером является Америка в период до и во время Первой мировой войны. США были самой свободной нацией в то время. В Америку ехала масса людей, которые по целому ряду причин не могли или не хотели оставаться на родине. Все эти люди получали хорошую работу, а многие создавали научные школы и современные производства. Результатом этого стала продажа современного оружия и оборудования (например, американцы придумали экскаватор, который использовался для рытья окопов) для большой европейской войны.

В результате, после войны вся Европа была должником Америки.

И именно европейское золото сделало ее передовой финансовой державой в мире. Америка того периода – это целая плеяда известнейших ученых: Александр Белл, Томас Эдисон, Никола Тесла и т.д.

Уже в современный период технологический прорыв благодаря использованию опыта и научных достижений своих сограждан и диаспор смогли сделать такие страны, как Тайвань (в 60-е, 70-е годы), Сингапур (после 1965 года, когда он получил независимость от Великобритании) [34], Китай (в 90-е и начале 2000-х).

Среди отдельных фирм – это Microsoft (с идеей дружественного программного обеспечения), Apple (с персональным компьютером, iPod-ом, iPad-ом и т.д.), Motorola (сотовый телефон) и т.д.

Такие прорывы всем нравятся, многие к ним стремятся.

Правительства многих стран декларируют различные программы и ставят своей целью переход на новый тип экономики, а предприятия стремятся выпускать продукт, который бы стал технологическим «хитом». Около четверти годового валового мирового продукта стоимостью до 6–7 трлн долларов создается сегодня именно в этом типе производства. Существующий мировой рынок лицензий по темпам роста в 3–4 раза превосходит рынки традиционных товаров и услуг. В инновационном производстве наблюдается наиболее высокий уровень добавленной стоимости и прибыли.

Прошло много времени с начала деклараций о переходе на новый тип экономики. Сначала говорили об экономике нового типа, потом инновационной экономике. Сейчас в Европе появился новый термин – «креативная экономика». Однако если разобраться, то движение в этом направлении слабое и для большинства людей незаметное. Мировой опыт показывает, что технологические прорывы были осуществлены благодаря внедрению инновационных технологий и были осуществлены в большинстве случаев спонтанно. Лишь последние из них происходили, отчасти благодаря повышенному вниманию к науке, с использованием технологий управления ими для создания необходимых условий.

Когда необходимые условия были созданы, целые страны получали преимущества в экономическом и технологическом плане. Однако до настоящего времени не существует единой теории управления и прогнозирования развития инноваций.

Если задаться вопросом, почему технологический рывок не происходит в странах, которые этого желают (например, в России), или почему единой теории не было разработано, то необходимо прежде всего постараться ответить на вопрос: что такое инновации, как ими необходимо управлять, как инновации появлялись в мире?

Первое и наиболее полное описание инновационных процессов дал в начале ХХ веке Йозеф Шумпетер, изучавший «новые комбинации» изменений в развитии экономических систем.

Несколько позже, в 30-е годы, он ввел в научный оборот и сам термин «инновация», который понимал как воплощение научного открытия в новой технологии или продукте. С этого момента концепт «инновация» и сопряженные с ним термины «инновационный процесс», «инновационный потенциал» и другие приобрели статус общенаучных категорий.

В работах зарубежных и отечественных исследователей в зависимости от объекта и предмета исследования допускается большое количество формулировок и определений инновации:

1. Результат или конечный результат инновационной деятельности, получивший реализацию в виде нового или усовершенствованного продукта, реализуемого на рынке, нового или усовершенствованного технологического процесса, используемого в практической деятельности (И.Т. Балабанов, Г.Я. Гольдштейн, С.Д. Ильенкова, Л.В. Канторович, В.Г. Медынский, Р.А. Фатхутдинов).

2. Изменение или бесконечное количество конкретных ситуаций по переходу объектов, систем, предприятий, общества в целом из одного состояния в другое, более совершенное и предполагающие нововведения и реализацию новшеств – новых средств, способов, продуктов, методов, технологий, которые необходимо придумать, разработать, изобрести (Ф. Валентна, Л. Водачек, Й. Шумпетер).

3. Процесс, направленный на реализацию результатов законченных научных исследований и разработок либо иных научнотехнических достижений в новый или усовершенствованный продукт, реализуемый на рынке, в новый или усовершенствованный технологический процесс, используемый в практической деятельности, а также связанные с этим дополнительные научные исследования и разработки. Инновационный процесс – процесс последовательного преобразования научной идеи, научного знания в инновацию; это процесс создания, внедрения и распространения нововведений, инноваций (Брайан, С.В. Валдайцев, В. Раппопорт, К. Пасс, Б. Лоус, Э. Пендлтон, Л. Чедвик, Б. Санто, Г.М. Гвишиани).

Приведенные дефиниции определяют инновацию не как единичное событие, а как постоянную реакцию на изменяющиеся обстоятельства, на противоречия социальной системы, на потребности системы. Инновационная деятельность, в свою очередь, опирается на непрерывное вовлечение в экономический оборот результатов умственного труда и интеллектуальной деятельности, важнейшими составляющими которых являются новые знания, научные разработки, передовые технологии, информация. При этом самыми ценными результатами интеллектуальной деятельности становятся те, которые обретают форму охраняемой законом интеллектуальной собственности.

Формирование интеллектуальной, информационной экономики, дополнительную или добавочную стоимость в которой создают знания и информация, требует замены традиционных организационно-управленческих систем на такие, которые способны осуществлять управление интеллектуальным капиталом.

История инноваций – это история открытий и борьбы за их право на существование, подтвержденная множеством примеров.

Например, история появления сотового телефона от идеи в году до появления прототипа в 1973 и наконец перехода к массовому выпуску и применению в 1989 (сначала только в пределах Нью-Йорка, а потом и во всем мире). История развития строительных материалов и идей от школы BauHaus (1919–1933) до массового применения железобетона и идей минимализма и ориентации на функционализм примерно с 50-х годов. В этом ряду находится множество других изобретений, без которых мы не представляем современной жизни – колесо, автомобиль, телевизор, компьютер и другие. Все эти вещи объединяет то, что они прошли долгий путь от идеи до массового использования.

Длительность этого пути связана не с тем, что были сомнения в перспективности идеи или возможностях ее применения.

Сложности были обусловлены тем, что идеи являлись прорывными, а их внедрение затрагивало множество различных сфер, что и требовало внесения множества изменений в существующие сферы деятельности.

Инновации, в отличие от многих других явлений и процессов, сочетают в себе элементы многих систем, изучаемых в отдельности (технических, технологических, организационных, экономических, юридических, управления знаниями), и используют разные механизмы управления, свойственные для каждой из этих систем.

Сложность сочетания этих систем связана не только с тем, что в каждой из них приняты свои подходы, но и с тем, что в каждой из этих систем существуют различные способы представления результатов и промежуточных данных. Это делает чрезвычайно сложной задачу разработки системной модели инновационного проекта в формальной постановке, на которой возможно было бы применение точных методов поиска решений.

Поэтому преимущества получали страны, в которых происходили большие, но продуманные изменения во всех государственных, общественных и экономических сферах, приводящие в результате к устойчивой самоорганизации инновационной системы.

Эта проблема является первой основной сложностью, связанной с появлением инноваций. Второй сложностью, которая непосредственно влияет на процесс появления и внедрения инноваций, является определение момента времени, когда необходимо вмешательство в происходящие процессы.

Каждый проект, в зависимости от области применения и сферы деятельности, описывается множеством параметров. Параметры, которыми происходит оперирование в проекте, могут быть разделены на несколько групп:

финансовые (поступления – кредиты, прибыль от продаж;

вычеты – плата по кредитам, зарплата, затраты на внедрение и модернизацию производства, приобретение комплектующих);

технологические (параметры, описывающие технологические процессы, протекающие на производстве);

технические/физические (параметры выпускаемой продукции);

другие параметры (возможности по объемам поставок комплектующих или материалов, пожелания потребителей и т.п).

Каждый параметр может быть описан функционально или графически (кривой). Например, инновационной кривой описываются экономические параметры (прибыль, объем продаж и т.п.). Технические и технологические параметры описываются S-образной кривой, которая показывает степень развития технологии и перспективы ее модернизации. Каждый параметр проекта может находиться на своей стадии развития и описываться своей функциональной зависимостью. Таким образом, задача управления проектами сводится к задаче оценки потенциала развития по каждому из параметров и выработке решений, приводящих к прогрессу по множеству из них.

В процессе развития проекта каждый параметр переживает несколько вех своего развития. Поэтому, оценив стадию, на которой находится отдельный параметр, можно оценить потенциал его роста и перспективы развития проекта. Если получится учесть взаимовлияние параметров проекта, то это позволит выработать решения, приводящие к прогрессу. Таким образом, задача генерации возможных вариантов решений сводится к задаче оптимального поиска группы значений параметров проекта.

В литературе отсутствуют системные модели инновационных проектов как сложных систем, что не позволяет эффективно решать задачи экспертизы и обоснования. Поэтому принятие решений при управлении ими рассматривается как отдельные, не зависящие друг от друга задачи, а не как единый процесс.

Развитие теории и практики управления инновациями идет в настоящее время путем решения локальных задач из-за приведенных выше двух основных сложностей. Детализация задачи привела к множеству методов и подходов, решающих небольшие специфические задачи. По причине сложности управления инновациями как единой системой в настоящее время речь идет о решении локальных задач управления в рамках одной из подсистем инновационного проекта, решении задачи в рамках одного типа инновации либо о решении задачи в рамках какой-либо одной научно-технической, организационной или технологической и т.п. идеи.

Оправдать этот подход можно существованием множества различных типов инноваций. Они зависят главным образом от отрасли хозяйства и области, в которой появляются (имеются в виду: организационные инновации, инновации в области сервиса, технологические инновации, инновации, применяемые в продуктах, которые влияют на их потребительские качества и др.).

Анализируя отдельные частные задачи, невозможно решить задачу управления любой инновацией как проектом на всем этапе его жизненного цикла даже с определенными допущениями.

По крайне мере на сегодняшний день не существует подходов, не имеющих сильной привязки к особенностям конкретной задачи или разновидности задач. Таким образом, существующие модели инновационных проектов не позволяют рассматривать все ресурсы (материальные, кадровые, интеллектуальные, инфраструктурные) инноваций во взаимосвязи и взаимозависимости. Кроме того, существующие модели не позволяют контролировать и управлять инновационным проектом на любой стадии и работать с несколькими инновационными проектами одновременно.

Крупнейшие компании мира пытаются обеспечить управляемость, гарантированность создания новых разработок. Существует множество консалтинговых компаний, которые на этом специализируются. Методы создания новых технических решений на зарубежных рынках стали самостоятельными инновационными продуктами.

Можно наблюдать множество неожиданных и неприятных ситуаций, которые могут произойти в ходе реализации проекта или развития фирмы. Эти явления могут быть связаны с кризисом в финансовом мире, кадровыми проблемами, достижением технологического предела в выпускаемой продукции и т.д. Любую непредвиденную ситуацию, например кризис или ошибки управления, можно рассматривать как проблему, о которой желательно узнать максимально рано, как только это возможно.

Третьей основной проблемой, связанной со сложившейся ситуацией в управлении инновациями, является тот факт, что управление инновациями долгое время было разделом экономической науки, которая примерно до 60-х годов ХХ века относилась к наукам слабого типа, а в России до сих пор остается гуманитарной наукой, позволяющей изменить глубину понимания проблемы, тип мышления, но не описывать закономерности, существующие в мире. Поэтому одной из причин, препятствующих развитию теории управления инновационными проектами, являлось отсутствие системных моделей инновационного проекта в понятии наук сильного типа, а также инструментария для исследования и анализа модели.

В последнее время ситуация начала меняться и стали появляться модели инновационных проектов и процессов – сначала структурные, а затем математические и имитационные, с использованием которых делаются первые попытки разработки информационных систем, поддерживающих процессы управления инновационными процессами. Это стало возможно в связи с тем, что информацию о внешней среде, в которой реализуются инновационные процессы, стало проще собирать и ее научились формализовывать, т.е. задача стала ингерентна (появилась достаточная степень согласованности создаваемых моделей со средой).

Таким образом, к инновационным проектам начинают применяться методы, традиционно используемые в моделировании технических систем, а именно – инновационный проект рассматривается с точки зрения уравнений, реакции, воздействия и параметров.

Решение проблемы моделирования основано на анализе важнейших свойств моделируемого процесса. Выбранный метод и способ моделирования должен позволить решить актуальную задачу повышения эффективности принимаемых для управления решений за счет создания и использования математической модели и ее элементов.

Четвертой сложностью, связанной с управлением инновационными проектами, является тот факт, что появление инноваций напрямую связано с научными исследованиями, модификациями, новыми применениями технологий. Это явление настолько распространено и им так сложно управлять, что оно получило специальное название – «Диффузия инноваций» (Eric von Hippel).

Оно дает разные способы продвижения инноваций горизонтальный (способ партнерства и кооперации) и вертикальный (в рамках одной организации); инновации всех типов – создающие новые рынки, новые продукты, новые способы производства, структурные инновации; работу с большим объемом информации разной размерности.

Новые технологии так же, как и инвестиционные проекты (инновации, перешедшие на стадию внедрения), имеют этапы развития, которые вносят свою специфику: фундаментальные исследования, прикладные исследования (ПИ), опытноконструкторские разработки (ОКР), внедрение в производство и производство, ликвидация или модернизация, переход к следующему проекту.

Последней, пятой, сложностью, связанной с внедрением инноваций, является большое количество слабо учитываемых факторов риска, существенно влияющих на реализацию проекта.

В связи с этим в современной теории управления организациями в последнее время складывается мнение о том, что для появления инноваций необходимо использовать те же подходы, что и в венчурном инвестировании. Это должно привести к отказу крупных корпораций от больших собственных исследовательских подразделений и передачи изысканий на аутсорсинг в научные организации [22].

Среди этих факторов наиболее часто выделяют следующие [104]:

1. Социо-факторы риска, включающие:

тип инноватора (сложившиеся научные направления и институты, отдельные научные коллективы, неорганизованные ученые и изобретатели, малые инновационные компании);

компетентность инноватора (системная компетенция, технологическая компетенция, ресурсно-распределительная компетенция);

квалификация инноватора (базовое образование, специальная подготовка);

личностный фактор (мыслительные навыки, качества личности, навыки межличностного общения);

мотивация (личностная, групповая);

обычаи делового оборота (нравственность, этика).

2. Психологические факторы:

«непримиримый фундаментализм» академических структур;

«cнобизм» к второстепенным направлениям;

cлабое восприятие инноваций российским обществом.

3. Экономические, финансовые, юридические факторы:

материальная незаинтересованность разработчиков;

финансовые риски;

4. Коммерческие факторы:

слабый отечественный высокотехнологичный (ВТ) рынок;

сложность выхода на мировой ВТ-рынок;

слабая конкурентность отечественных ВТ-продуктов.

5. Организационные факторы:

отсутствие обратной связи в процессе реализации инновации;

разрыв на границах структур, занятых в инновационном процессе;

ведомственные ограничения.

6. Маркетинговые факторы.

По мере выполнения проекта уровень знаний увеличивается и, следовательно, уровень риска снижается.

На разных этапах инновационной разработки степень воздействия факторов различна – в зависимости от начального научно-технического уровня разработки, скорости продвижения инновации, времени имитации инновации конкурентами, времени обучения и накопления опыта инноваторами, уровня обеспеченности ресурсами, уровня инертности, рациональности человеческого поведения, социальных традиций, влияния других систем. Ослабление, уменьшение неопределенности, увеличение практических знаний о проекте при его реализации ведут к очевидному снижению риска. Следовательно, самый высокий уровень сложности и неопределенности начального этапа инновационного проекта в сравнении с другими этапами определяет и самый высокий уровень риска.

Вопросам оценки реализуемости проекта под воздействием факторов риска современные исследования уделяют недостаточно внимания. В традиционном смысле реализуемость проекта является его важнейшим свойством, под которым понимается наибольшая эффективность решения комплекса финансовых, научно-технических проектных, конструкторских, производственно-технологических и огранизационно-управленческих задач для обеспечения новшества требуемого научнотехнического уровня, объема и в заданных ресурсных ограничениях и их прогноза на период выполнения проекта. Следовательно, реализуемость инновационного проекта должна рассматриваться, по меньшей мере, в научно-техническом, временном и ресурсном аспектах, т.е. на основе комплексного рассмотрения показателей.

Учитывая все рассмотренные выше сложности, не возникает сомнения в важности инновационного развития и его сложности.

Становится очевидным, что инновационный проект не может существовать сам по себе. Любой проект всегда взаимодействует с внешним миром и другими проектами в рамках прежде всего той организации, где он появился.

При рассмотрении вопроса управления группой проектов проявляется дополнительная особенность инноваций, которая не свойственна другим явлениям. Оказывается, что решить задачу инновационного развития невозможно путем простого увеличения количества проектов или уменьшением сроков их внедрения.

1.2. Существующие подходы к управлению Источником инноваций являются исследовательские и научные учреждения. Однако выпускаются изделия на предприятиях, на которых новый тип продукции необходимо внедрить, со временем модернизировать, утилизировать, переоборудовать производство под новое производство и т.д. (рис. 1, [32]).

У инновационных проектов выделяются четыре этапа (стадии) жизненного цикла (ЖЦ) инновации: фундаментальные исследования (ФИ), прикладные исследования (ПИ), опытноконструкторские разработки (ОКР), внедрение в производство.

Фирма может реализовывать или не реализовывать каждый из этих этапов, соответственно получаем разные стратегии инновационного развития фирмы [85].

Рис. 1. Пример внедрения новых технологий в производство Развитие методов управления предприятиями в начале ХХ века связывают прежде всего с именами Фредерика Тейлора и Генри Гантта. Ф. Тейлор (Frederick W. Taylor) является создателем производственного планирования как дисциплины. Он исследовал факторы, влияющие на производительность, и методы рациональной организации рабочего времени. На основе анализа тысяч экспериментов были сформулированы рекомендации по организации промышленного производства и по обучению кадров. Фредерик Тейлор выдвинул идею узкой специализации, выделил планирование как важнейший элемент организации производства и считал, что производственным планированием должны заниматься профессиональные менеджеры.

Все современные системы управления проектами и планирования предлагают представление графиков работ в виде диаграмм Гантта. В то же время диаграммы Гантта имеют ряд очевидных недостатков. Например, с помощью диаграмм Гантта неудобно планировать многовариантные взаимосвязанные цепочки работ (в строительных, военных, государственных проектах, производстве). Для таких задач в военном ведомстве США в 50-е годы были предложены методы сетевого планирования, или методы выбора «критического пути». Кроме того, диаграммы Гантта удобно применять только для одного критического ресурса — времени. При необходимости учета еще нескольких ресурсов, например технологической оснастки, диаграммы Гантта надо воспринимать как «объемные», приобретающие ряд измерений по числу учитываемых ресурсов. Это удобно для визуальной интерпретации планов, но затрудняет их анализ.

Работы Ф. Тейлора и Г. Гантта [13, 14, 15, 28] легли в основу научных дисциплин, возникших в середине ХХ века, – промышленной инженерии (Industrial Engineering), занимающейся управлением и организацией производства, а также исследования операций (Operations Research) [66]. С исследованием операций связаны работы по применению математических методов формализации человеческой деятельности, в том числе в производстве и планировании. Во многих современных производственных системах используются различные статистические и оптимизационные алгоритмы планирования. Например, в SAP R/3 [25] для прогнозирования потребностей в продукции с учетом информации о фактическом спросе за предыдущие периоды используются статистические и эвристические методы. Еще одним примером являются методы оперативного планирования, подсистемы планирования производства SAP R/3, в которых «зашиты» алгоритмы расчета даты выполнения заказа, сокращения длительности производственного цикла, минимизации переналадок оборудования и др.

В начале 60-х годов в США начались работы по автоматизации управления запасами (Inventory Control) [20, 9]. В результате активного роста крупносерийного и массового производства товаров народного потребления и торговли после Второй мировой войны стало очевидно, что использование математических моделей планирования спроса и управления запасами ведет к существенной экономии средств, «замороженных» в виде запасов и незавершенного производства. Невозможно разработать «абсолютно оптимальные методы планирования запасов», поэтому следует выбирать и адаптировать алгоритмы к специфике конкретных складских задач в зависимости от цикла производства или поставок хранимой номенклатуры, стоимости, размеров изделий, расфасовки, применяемости и спроса, объемов складов и др. Было установлено, что выбор оптимального объема партии заказа — одно из важнейших условий повышения эффективности предприятия, так как их недостаточный объем ведет к росту административных расходов при повторных заказах, а избыточный – к «замораживанию» средств. Управление складами (Inventory Control) в современных системах управления основано на математических методах управления запасами [59, 92, 96].

Первые автоматизированные системы управления запасами в промышленном производстве основывались на расчетах по спецификации состава изделия (Bill of Materials). По плану выпуска изделия формировались планы производства и рассчитывался объем закупки материалов и комплектующих изделий [3].

Конец 60-х годов связан с работами Оливера Уайта (Oliver Wight) [31], который в условиях автоматизации промышленных предприятий предлагал рассматривать в комплексе производственные, снабженческие и сбытовые подразделения. Такой подход и применение вычислительной техники впервые позволили оперативно корректировать плановые задания в процессе производства (при изменении потребностей, корректировке заказов, недостатке ресурсов, отказах оборудования).

В публикациях Оливера Уайта и Американского общества по управлению запасами и управлению производством [3] были сформулированы алгоритмы планирования, сегодня известные как MRP (Material Requirements Planning) [24] — планирование потребностей в материалах — в конце 60-х годов и MRP II (Manufacturing Resource Planning) — планирование ресурсов производства — в конце 70-х — начале 80-х годов [50].

Методы планирования на заданные интервалы времени потребностей в материалах, необходимых для изготовления изделий (MRP), учитывают информацию о составе изделия, состоянии складов и незавершенного производства, а также заказов и планов-графиков производства [31, 98].

В отличие от методов теории управления запасами, предполагающих независимый спрос на всю номенклатуру, MRP часто называют методом расчетов для номенклатуры «зависимого спроса» (т.е. формирования заказов на узлы и комплектующие изделия в зависимости от заказа на готовую продукцию). Алгоритм MRP не только выдает заказы на пополнение запасов, но и позволяет корректировать производственные задания с учетом изменяющейся потребности в готовых изделиях. Заметим, что методы MRP получили распространение в США и практически не применялись в Японии. Дело в том, что японские методы управления в машиностроении в основном были ориентированы на массовое производство, а американские — на мелкосерийное. В условиях мелкосерийного производства может меняться номенклатура и структура заказов. Изменение потребностей в готовой продукции ведет к изменению потребностей в комплектующих изделиях, сырье и материалах. В массовом производстве можно достаточно эффективно использовать более простые, объемные методы учета и планирования.

Начальным этапом планирования является прогнозирование и оценка производственных мощностей (Capacity Requirements Planning). Присутствует также этап объемного планирования (Master Production Scheduling) [12, 16]. Результаты объемного планирования являются исходной информацией для планирования потребностей в материалах (MRP), изготавливаемых и поступающих по кооперации [50].

Замкнутость системы MRP II означает наличие обратных связей для планирования в модулях, отвечающих за управление производством и учет производства (Execution, Production activity control), а также то, что модули оценки производственных мощностей, снабжения, планирования и учета функционируют как компоненты единой системы с использованием интегрированной базы данных.

Не все современные концепции управления возникали в США. Так, метод планирования и управления Just-in-time (JIT – «точно вовремя) появился в Японии на предприятиях автомобильного концерна Toyota в 50-х годах [93]. Он охватывает проектирование изделий, выбор поставщиков, обеспечение качества, планирование, учет производства и контроль (с использованием специальных бирок-ярлыков Kanban). Одна из важнейших концепций метода «точно вовремя» связана с минимизацией страховых и межоперационных заделов за счет стабилизации поставок, а также обеспечения резерва производственных мощностей. Метод «точно вовремя» не противоречит MRP и MRP II и часто предлагается в современных системах как одна из форм организации производства. Однако до сих пор он не соответствовал традиции отечественной промышленности, так как именно заделы и запасы сырья служат буфером от нестабильности поставок, смежников и растущих цен комплектующих изделий. Кроме того, в СССР считалось, что полезнее повышать значение коэффициента использования оборудования (вместо создания задела мощностей), чем рационально планировать объем межоперационных заделов, а эти два показателя – взаимосвязаны.

Методы OPT (Optimised Production Technology – оптимизированная технология производства) созданы в Израиле в 70-х годах (работы Эли Голдратт [53]). На их основе был разработан ряд программных пакетов. Методы OPT предназначены для максимизации выпуска продукции при сокращении объема запасов и производственных затрат. В их основе лежит определение «узких мест» (производственных мощностей или материальных ресурсов) и наиболее точный их учет при планировании. Методика оценки «узких мест» сохраняет актуальность и применяется в алгоритмах планирования и определения ресурсов производственных мощностей MRP II, однако она позволяет решать очень ограниченный класс задач производственного планирования.

Концепция компьютеризированного интегрированного производства (CIM, Computer Integrated Manufacturing) возникла в начале 80-х годов и связана с интеграцией гибкого производства и систем управления им. CIM с точки зрения систем управления и планирования (в качестве которых используются ERP и MRP II) предполагает интеграцию всех подсистем системы управления (управления снабжением, проектированием и подготовкой производства; планирования и изготовления; управления производственными участками и цехами; управления транспортно-складскими системами; управления обеспечением оборудованием, инструментом и оснасткой; систем обеспечения качества, сбыта, а также финансовых подсистем) [3].

Методы CALS (Computer-aided Acquisition and Logistics Support – компьютерная поддержка процесса поставок и логистики) [98, 64] возникли в 80-х годах в военном ведомстве США для повышения эффективности управления и планирования в процессе заказа, разработки, организации производства, поставок и эксплуатации военной техники. CALS предусматривает однократный ввод данных, их хранение в стандартных форматах, стандартизацию интерфейсов и электронный обмен информацией между всеми организациями и их подразделениями – участниками проекта. Методы доказали свою эффективность и переносятся в настоящее время на «гражданские» отрасли промышленности.

Новая концепция сохранила аббревиатуру CALS с более широким смыслом (Continuous Acquisition and Life circle Support — поддержка непрерывного жизненного цикла продукции). Проводится стандартизация ряда аспектов CALS в международной организации стандартизации ISO. Методы CALS могут использоваться вместе с MRP II/ERP и CIM. В отличие от них CALS позволяет управлять всем жизненным циклом продукции, включая маркетинг, управление комплексными проектами, обслуживанием при эксплуатации.

Системы ERP [18] предназначены для управления финансовой и хозяйственной деятельностью предприятий. В основе ERP лежит принцип создания единого хранилища данных (repository), содержащего всю деловую информацию, накопленную организацией в процессе ведения деловых операций, включая финансовую информацию, данные, связанные с производством, управлением персоналом или любые другие сведения.

Это устраняет необходимость в передаче данных от системы к системе. Кроме того, любая часть информации, которой располагает данная организация, становится одновременно доступной для всех работников, обладающих соответствующими полномочиями [62]. ERP – это «верхний уровень» в иерархии систем управления предприятием, затрагивающий ключевые аспекты его производственной и коммерческой деятельности, такие как:

производство, планирование, финансы и бухгалтерия, материально-техническое снабжение и управление кадрами, сбыт, управление запасами, ведение заказов на изготовление (поставку) продукции и предоставление услуг [91].

В последние годы стали быстро развиваться идеи создания интеллектуального предприятия, в котором широко используются автоматизированные человеко-машинные системы поддержки принятия управленческих решений на всех уровнях управления производством, и внедряются инновации. Если при этом достигается совместное использование интеллектуального потенциала экспертов (ЛПР) и элементов искусственного интеллекта, реализованных на ЭВМ, то говорят о той или иной степени интеллектуальности механизма управления [107].

Механизмы внедрения инновационных технологий и продукции в производство начали развиваться как отдельное направление в 2000-х годах с США, получившее название – Supply Change Optimization.

Развитие теории и практики управления инновациями пошло путем решения локальных задач. Таких локальных решений разработано так много, что даже выбор и обоснование применения разработанных подходов и решений становится отдельной непростой задачей, однако позволяет разобраться в том, какие инновации бывают и какие дополнительные сложности возникают при выборе пути реализации новшеств (например, табл. 1).

Классификация некоторых методов, используемых при управлении инновационными проектами, управления Трехуровневая модель (инвесторы–фирма–проекты) [85], модели самостоятельного финансирования (статическая модель, динамическая модель, модель конкуренции фирм на рынке инноваций) [85], модель смешанного финансироУправление вания и кредитования [45, 85], модель страхования [45, 49], финансиромодель самоокупаемости [45], противозатратная модель ванием [45], модель согласия [49], модель льготного налогообложения [73, 51, 84], модель финансирования инновационных проектов [58, 84, 85], модель распределения затрат и Модель принятия субъектом решений, базирующихся на гипотезах рационального поведения и детерминизма (при наличии вероятностной неопределенности) [44], базовая модель организационной (активной) системы (ОС) и ее расширения (модель динамической ОС, модель многоэлеУправление ментной ОС, модель многоуровневой ОС, модель ОС с организараспределенным контролем, модель ОС с неопределенноционными стью, модель ОС с ограничениями совместной деятельнопроектами сти, модель ОС с сообщением информации) [44, 86, 87, 54, 79, 80, 81, 82], модель планирования распределения корпоративных заказов, модель налогообложения и ценообразования, модель стимулирования снижения издержек управления Институци- Модель «норма поведения» [85], ональное модель общих характеристик [85, 7], управление модель Шапира–Стиглица [85, 26, 74], модель институционального управления [85, 79], (управление в условиях рефлексивная модель [85, 79, 89, 109], ограниче- модель «формирование команды» [79, 85, 27, 35, 88, 57], ния) модель репутации фирм [85] Базовые модели одно- и многоэлементных (в том числе с распределенным контролем) на основе компенсаторной, скачкообразной, пропорциональной системы стимулирования, унифицированные пропорциональные системы стимулирования, стимулирование в многоэлементных АС с неопределенностью Управление [87, 44], модели стимулирования с глобальными мотивацией ограничениями на множества допустимых действий, модель прямых приоритетов (в том числе прямое распределение ресурса), модель абсолютных приоритетов, модель обратных приоритетов (распределение ресурсов пропорциональной эффективности), модель внутренних цен, модель экспертизы [44], базовая модель теории контрактов [44, 106], Модель «дефицита» [44, 108], модель Информа- «аккордная оплата труда» [44], модель ционное «коррупция» [44], модель биполярного управление выбора [69, 101], модель рекламы товара [89, 109], качественное обслуживание [44] управления Модель «олигополия Курно» [85], модель рационального поведения [85], модель ограниченной рациональности [85, 70], модель «аккордная оплата труда» [85], оценка продолжительности этапа инновационного проекта; выбор организации-разработчика (мониторинг инновационного пространства); оценка технологического обеспечения (производственные мощности); оценка ресурсного обеспечения; оценка метода реализации инновации (вертикальная Другие или горизонтальная инновация); оценка коммерческого помодели тенциала инновации; оценка эффективности коллектива и методы, разработчиков;оценка личных и деловых качеств разработприменяечиков; оценка вариантов финансирования инновации;

мые при оценка информационно-аналитического обеспечения прорешении движения инновации; маркетинговые исследования иннолокальных вационного продукта; оценка патентоспособности и спосозадач ба защиты научно-технического результата; выбор вида управления лицензии при коммерциализации инновации; выбор спосоинноваци- ба позиционирования (метода информационного сопроонными вождения) инновации на рынке; оценка экологической эфпроектами фективности инновационного проекта; выбор формы предприятия-инноватора; научно-техническая экспертиза (оценка научно-технического уровня) инновации; оценка рисков инновационно-инвестиционного проекта; анализ соответствия цели и результатов инновационного проекта стратегии инвестиционной деятельности и выбранным приоритетам; экспертиза проекта на предмет целесообразности его реализации и объема финансирования [47, 71] Участие в разработке рассмотренных методов и многих других принимали многие известные ученые, которые работали над решением узких прикладных задач: И.Л. Туккель (моделирование различных процессов сопряженных с инновационными проектами), В.Г. Зинов (коммерциализация результатов интеллектуальной деятельности), Р.А. Фатхутдинов (внедрение инновационных продуктов), академик Л.И. Абалкин (конкурентоспособность инновационной инфраструктуры), член-корр. Д.А. Новиков (изучение проектного и процессного подходов, моделирование инновационных проектов, исследование процессов происходящих при переходе от одного проекта к другому), Ю.Д. Красовский, Eileen Barker, Elaine Dundon, J. Schumpeter (исследование особенностей экономического развития государств), Edward A. Stohr (математические методы управления продвижением, внедрение новых методов продвижения математические методы управления проектами), Ralph H. Sprague Jr. (разработка технологий управления документами, разработка структур кодирования и быстрого продвижения продуктов), Eric von Hippel (диффузия инноваций, создание инноваций из научных исследований), Michael Amberg (информационные системы сопровождения бизнеса), Marion Weissenberger-Eibl (управление знаниями, планирование высокотехнологичного производства в отдельных отраслях, составление «Дорожных карт» управления, исследование инновационных систем), Hans Georg Gemnden (управление инновациями как процессом, трансферт технологий, управление качеством, управление рисками на B2B рынках), Нобелевские лауреаты по экономике Harry Markowitz (исследования эффектов риска распределения инвестиций, корреляции и диверсификации ожидаемых инвестиционных доходов), Joseph Stiglitz (исследования в области микрои макроэкономики, разработка теории построения иерархических критериев в области экономики), Herbert A. Simon (развитие теории организации, менеджмента и управленческих решений), а также многие другие.

Специфика узких задач зависит от отрасли хозяйства и области, в которой появляются инновации (имеются ввиду: организационные инновации, инновации в области сервиса, технологические инновации, инновации, применяемые в продуктах, которые влияют на их потребительские качества и др.).

В результате специализации методов для решения задач, связанных с управлением инновационными проектами, в настоящее время существует дефицит методологических подходов к системному моделированию инновационных проектов и формализации управления ими [47, 60].

Таким образом, актуальной является задача разработки единой методологии системного моделирования без привязки к специфике инновационного проекта (предоставляющей возможность иметь уникальное «наполнение» в зависимости от специфики проекта – состава этапов и стадий, перечня оцениваемых показателей и методик их оценки), позволяющей автоматизировать процесс подготовки управленческих решений, а также создать программное обеспечение для автоматизации рутинных действий, адаптируемое под конкретную отрасль и проект.

При этом управление инновациями и производственными системами следует рассматривать во взаимодействии и с учетом подходов, существующих в смежных научных направлениях, таких как: прогнозирование; государственное управление научными исследованиями и разработками; управление научными исследованиями и разработками в организации; менеджмент; теория организационных систем; анализ инвестиционных проектов;

программно-целевое планирование и управление; информационная экономика и управление знаниями; управление проектами;

управление производством (организация производства).

МОДЕЛИРОВАНИЕ ИННОВАЦИОННЫХ

ПРОЕКТОВ И ПРИНЯТИЕ РЕШЕНИЙ

ПРИ УПРАВЛЕНИИ ИМИ

Решение задач управления и принятия решений основано на анализе свойств инновационного проекта. В научнотехнической литературе, описывающей инновационные программы и процессы, выделяется несколько этапов и описываются функции, которые необходимо выполнить управленцу на этих этапах. Общей чертой является обоснование принимаемых решений [35].

Строгое обоснование принимаемых решений возможно только на модели. Выбранный метод и способ моделирования должен позволить решить задачу повышения эффективности принимаемых для управления решений за счет использования математической модели и ее элементов.

Модель позволит исключить потери, возникающие в результате применения отдельных методов для решения локальных задач в ходе реализации проекта. Кроме того, модель позволит решать как прямую, так и обратную задачу по заданным параметрам, определять динамику развития проекта и по текущей или желаемой динамике развития определять параметры проекта.

Несмотря на все преимущества, которые открывают модели, в литературе отсутствуют системные математические и/или имитационные модели инновационных проектов как сложных систем, что не позволяет эффективно решать задачи управления, экспертизы и обоснования. Принятие решений при управлении ими рассматриваются как отдельные, не зависящие друг от друга задачи, а не как единый процесс [47, 60].

Построив модель, исследователь может: прогнозировать свойства и поведение объекта как внутри области, в которой построена модель, так и (при обоснованном применении) за ее пределами (прогнозирующая роль модели); управлять объектом, отбирая наилучшие воздействия путем испытания их на модели (управляющая роль); познать явление или объект, модель которого он построил (познавательная роль модели); получать навыки по управлению объектом путем использования модели как тренажера или игры (обучающая роль); улучшить объект, изменяя модель и испытывая ее (проектная роль).

2.1. Моделирование инновационных проектов Несмотря на то, что основная сложность, связанная с инновационными проектами, состоит в управлении, невозможно рассматривать моделирование инновационных проектов в отрыве от других задач, решаемых на моделях. Это связано со сложными взаимодействиями, происходящими с инновационными проектами. Поэтому процесс принятия решений при управлении инновациями имеет свою специфику (рис. 2).

Такой подход позволяет решать на модели все известные типы модельных задач: прямые задачи анализа, при решении которых исследуемая система задается параметрами своих элементов и параметрами исходного режима, структурой и уравнениями (требуется определить реакцию системы на действующие силы);

обратные задачи анализа, которые по известной реакции системы требуют найти силы (возмущения), заставившие рассматриваемую систему прийти к данному состоянию и вызвавшие данную реакцию; задачи синтеза, иногда называемые инверсными задачами, требующие нахождения таких параметров, при которых процессы в системе будут иметь желательный по каким-либо соображениям характер. Процессы могут быть описаны дифференциальными уравнениями или охарактеризованы некоторыми выходными данными. Индуктивные задачи, решение которых имеет целью проверку гипотез, уточнение уравнений, описывающих гипотезы, происходящие в системе, выяснение свойств элементов. К этой же группе задач следует отнести проверку, или, как говорят, апробацию программ (алгоритмов) для расчетов на ЭВМ, что особенно необходимо в условиях широкого применения ЭВМ для избегания ошибок.

Влияние неучтенных Рис. 2. Процесс принятия решения при управлении Любой проект, вне зависимости от области применения и сферы деятельности, описывается множеством параметров. Параметры, которыми происходит оперирование в проекте, могут быть разделены на несколько групп:

финансовые (поступления – кредиты, прибыль от продаж; вычеты – плата по кредитам, зарплата, затраты на внедрение и модернизацию производства, приобретение комплектующих);

технологические (параметры, описывающие технологические процессы, протекающие на производстве);

технические/физические (параметры выпускаемой продукции);

другие параметры (возможности по объемам поставок комплектующих или материалов, пожелания потребителей и т.п.).

Рис. 3. Примеры кривых, описывающих параметры проекта и находящихся Каждый параметр может быть описан функционально или графически – кривой (рис. 3). Например, инновационной кривой описываются экономические параметры (прибыль, объем продаж и т.п.). Технические и технологические параметры описываются S-образной кривой, которая показывает степень развития технологии и перспективы ее модернизации. Каждый параметр проекта может находиться на своей стадии развития и описываться своей функциональной зависимостью.

Выработка решения может происходить в разные моменты времени. Как правило, решения принимаются при переходе параметра от одной стадии к другой. Учитывая множество параметров и разницу в их развитии, необходимо отметить, что в ходе реализации проекта существует риск пройти точку, когда принятие решения станет неактуальным, так как будет пройдена условная точка невозврата.

После того как параметры спрогнозированы, можно перейти к анализу их взаимодействия и генерации множества вариантов управленческих решений на основе модели инновационного проекта (см. рис. 2).

Такое моделирование позволит определить круг возможных решений, основываясь на структуризации задачи и анализе взаимосвязей между параметрами и компонентами модели [46].

Чтобы сгенерировать и оценить возможные варианты, необходимо построить интегральную критериальную функцию, которая позволит получить формальные оценки. Для этого необходимо построить структурную модель инновационного проекта [46].

Если модель представить в виде графа, то он будет отражать не только перечень информации (показателей), но и информацию о структуре задачи. Вершинами графа могут быть стадии, фазы или этапы инновационного проекта, а дуги графа между этими стадиями или фазами будут являться местами принятия решений или оценки набора показателей инновационного проекта. Такое представление возможно в связи с тем, что в отличие от сетевого графика связи между вершинами необязательно отражают отношения предшествования, а лишь выражают возможные сочетания показателей этапов проекта.

Способ поиска решения – это нахождение одного из путей, ведущих из начальной вершины графа в конечную вершину или при решении локальной задачи между точками принятия решений.

Для окончательного принятия решения необходимо произвести оценку полученных вариантов (см. рис. 2). Для этого можно использовать метод имитационного моделирования на основе отобранных вариантов с учетом тех ресурсов, которые доступны, и по тем алгоритмам производства или оказания услуги, которые реально применяются на исследуемом производстве [71].

Использование имитационной модели в данном случае оправдано в связи с тем, что такая модель может быть построена из типовых блоков на основе логико-математического описания, в то время как для построения аналитической модели необходима ее полная разработка сначала для каждого нового случая (типа производства, управления и т.д.). Более того, разработка аналитической модели затруднительна в связи со случайным характером многих процессов при управлении и реализации инновационных проектов.

Использование описанного подхода для принятия управленческих решений позволяет повысить качество принимаемых решений.

2.2. Структурная модель инновационного проекта Для построения всех типов моделей (см. рис. 2) необходимо решить задачу идентификации модели. Ввиду сложности задачи, обусловленной различиями в предметных областях, в которых появляются модели, и недостаточной изученностью процессов, происходящих в инновационной деятельности построения универсальной модели невозможно.

Однако, решив задачу структурной идентификации инновационного проекта до уровня крупных блоков и их взаимосвязей, можно свести процесс моделирования к применению набора типовых или авторских моделей для каждой из составляющих инновационного проекта. Такой подход оправдан еще и тем, что, как было показано в главе 1, решение отдельных задач достигло высокого уровня. Значит, было бы весьма целесообразно учитывать высокие результаты, которые они позволяют достигать при решении задач локальной оптимизации (например, такие задачи, как: подбор персонала, планирование поставки ресурсов, планирование графика производства, прогнозирование развития отдельных технических или экономических параметров, маркетинговые исследования и др.). Поэтому системную модель целесообразно строить из отдельных блоков, применяя к ним принцип «черного ящика». Это особенно целесообразно в связи с тем, что эволюция технических и экономических систем идет в сторону усложнения как по количеству элементов, так и по количеству связей между ними, а структурирование модели как раз и позволяет легко вносить изменения подобного рода.

Очевидно, что структурная модель инновационного проекта должна состоять из блоков, представляющих собой сферы, которые затрагивают его внедрение (технические, технологические, организационные, экономические подсистемы, система управления знаниями), и включать механизмы управления, свойственные для каждой из этих сфер (рис. 4).

Физические параметры Требования общества Входные значения которых фиксируются или задаются при решении задач на инновационного Рис. 4. Структурная модель инновационного проекта Определив взаимосвязи между составляющими инновационного проекта на основе обобщенной структурной модели (см.

рис. 4), можно записать математическую формулировку [89]:

где А – матрица инцидентности (показывает взаимосвязь составляющих компонент инновационного проекта); n – количество компонент инновационного проекта; fi – модель компонента инновационного проекта.

Благодаря простой организации модели такой подход позволяет формализовать задачу управления несколькими проектами одновременно в рамках одной организации (когда часть компонент структурной модели проекта будет являться общей для группы проектов, а часть индивидуальной) вне зависимости от того, на какой стадии находится каждый из проектов:

где mj – описания подобные (1); fi – модели общих компонент инновационных проектов.

Кроме того, векторная запись структурной модели позволяет детализировать отдельные модели компонент инновационного проекта и рассматривать их как состоящие из составных частей.

Моделирование инновационных проектов может применяться для решения разных прикладных задач. Например, это могут быть задачи документооборота (управления информационными потоками), организации технологического процесса, движения изделий, материалов и т.п.

Определение задач, решение которых актуально в данный момент, зависит в первую очередь от того, на какой стадии находится рассматриваемый инновационный проект (рис. 5). Содержание всего инновационного проекта и его отдельных стадий зависит от особенностей инновационного проекта и решаемой задачи управления. Стадии и фазы проекта – это конкретные периоды, во время которых проводится определенная работа над проектом. На каждой стадии выполняется полный спектр работ, необходимый для реализации следующей стадии.

Описание проблемы В настоящее время разработано множество структурных моделей инновационных процессов [47, 71].

Использование процессного подхода с выявлением этапов и связей позволяет проводить оценки реализуемости инновационного проекта на каждом этапе, учитывать влияние решений, принятых на предыдущих этапах, способных оказывать нежелательное воздействие на процесс. На каждой фазе, стадии, по окончании этапа в целом может быть принято решение о целесообразности продолжения инновационного проекта, о путях его реализации. Появляется возможность отбраковать сомнительные проекты на ранних стадиях реализации и сконцентрировать ресурсы на более успешных проектах. Использование оценок, полученных на предыдущих стадиях (см. рис. 2), дает возможность основываться не на оценках, имеющих вероятностный или субъективный характер [36, 55], а на объективных сведениях, по которым лицо, принимающее решение, само оценивает возможность достижения результатов, которые необходимы для того, чтобы проект стал целесообразным в соответствии с выбранными методиками для оценки (см. раздел 3). Выделение этапов и стадий позволяет использовать оценки, на основе которых может быть проведена корректировка проекта, изменение целей.

Результат, получаемый на каждой стадии, не гарантирован и не гарантирует успешного развития проекта в дальнейшем. В случае если результат оказывается успешным, то он может быть использован в ряде проектов, а не только в одном (например, научное открытие, полученное в результате фундаментального исследования, может быть заложено в принцип действия разных изделий и т.д.).

Разработка структурной схемы позволяет определить точки принятия решений. Таковыми являются точки выхода из фазы или стадии. В каждой точке принятия решения могут применяться различные методики, а формирование списка применяемых методик может быть начато еще до окончания предыдущей стадии или фазы, исходя из знаний о специфике проекта, полученных на предыдущих стадиях, предполагаемых способах реализации ресурсов, которые имеются или были первоначально заложены под реализацию проекта и т.д. Такой подход позволяет начать работы по оценке и планированию следующей фазы или стадии до того, как она была окончательно завершена.

Применяться могут самые разные методы [46], методики и подходы к оценке параметров проекта (например, приведенные в табл. 1 и многие другие). Однако решение о том, какие методики используются в каждой точке принятия решения, определяется лицом, управляющим проектом (лицо, принимающее решение, может отобрать набор оценок для конкретного проекта и отдельного этапа, стадии, фазы инновационного проекта). При необходимости лицо, управляющее проектом, может ввести новые этапы или задачи для оценки и принятия решения. Эффективность управления этапом научной разработки инновационного проекта будет определяться адекватностью модели и объективностью критериев и применяемых методик оценки инновационного процесса.

Содержание каждого этапа инновационного проекта и отдельных стадий зависит от особенностей инновационного проекта и решаемой задачи управления. Для формирования набора методов, методик или моделей на каждом из этапов можно использовать модифицированный метод морфологического синтеза. Дерево морфологического синтеза может выглядеть, как показано на рис. 6.

научной разработки инновационного проекта Рис. 6. Пример морфологического дерева выбора методов для стадии 4) классификационный – возвращает 0 или 1, в зависимости от выполнения требования.

2.4. Выявление ключевых параметров для управления Сложность решения задачи управления инновациями связана еще и с тем, что для их решения требуются различные переменные и параметры, которыми будет описываться инновационный проект. Разработка же системной модели является задачей более высокого порядка сложности. Поэтому крайне важной является задача минимизации количества параметров и переменных, которые могут потребоваться как для решения частной научно-практической задачи, так и для решения задачи составления комплексной модели инновационного проекта. Сокращение их количества приведет к тому, что потребуется установление взаимосвязей между меньшим количеством независимых параметров.

Сокращение количества параметров задачи не является самоцелью, а требуется для упрощения поиска решений конкретных прикладных задач. Поэтому следует ожидать, что в зависимости от решаемой задачи набор переменных и параметров, которые оказывают наибольшее влияние на ответ, может оказаться различным. Учитывая это, сокращение количества переменных может быть осуществлено путем вычисления их влияния на решение той или иной прикладной задачи. Каждая задача предполагает выполнение определенного действия или их последовательности. Для решения прикладной задачи поиска набора наиболее важных переменных введем целевую функцию:

R( x1,..., xi,..., xn ), где каждому значению xi (величина штрафной функции для каждого значения каждого параметра проекта) присвоено значение {0, A, B} в зависимости от показателей g и k.

где g – индекс действия (g = 1) или бездействия (g = 0); k – показатель того, привело ли значение аргумента к желаемому результату.

Данная функция показывает правильность осуществления анализируемого действия.

Таким образом, решение прикладной задачи сводится к максимизации значения целевой функции:

где n – суммарное значение значений всех возможных значений всех параметров.

Максимальное значение целевой функции будет достигнуто, если оцениваемое значение параметра (при котором показатель ki 1) привело к желаемому действию gi.

Поскольку инновационные проекты относятся к социальноэкономическим и социально-техническим системам, которые способны адаптироваться к изменяющимся внешним условиям, для оценки значений целевой функции следует применять теорию «мягких» систем, основанную не на точных количественных измерениях, а на качественных нечетких и гипотетических представлениях о системе в виде экспертных оценок, эвристических рассуждений и т.п. [68].

Тогда введем величину pi – вероятность наступления события gi 1; ki 1 для i-го значения параметра. Вероятность того, повлияет ли конкретное значение параметра на достижение желаемого результата при выборе одного из значений, можно оценить, используя формулу (2) полной вероятности:

Тогда формула примет вид:

Особенностью решения практических задач управления инновационными проектами является тот факт, что на момент решения задачи существуют данные наблюдений за изменением параметров проекта, т.е. для каждого из параметров может быть построено множество значений, которые принимает каждый параметр инновационного проекта.

Тогда для решения задачи необходимо каждое значение параметра или диапазон значений привести в соответствие с вероятностью, при которой мы достигнем желаемого нами результата pi при выборе этого конкретного значения или диапазона значений n-го параметра.

Величина вероятности pi может определяться несколькими способами. Первый способ – это построение гистограммы распределения (рис. 7) на основе ранее собранных статистических данных решения аналогичных задач. Тогда к положительному эффекту будут приводить значения pi.

Если такая информация не доступна, тогда способ определения вероятности pi будет зависеть от того, какой параметр мы исследуем (технический, технологический, экономический, социальный и т.д.).

Рис. 7. Пример гистограммы распределения pi для одного Социальные параметры, такие как пол, уровень образования, сведения о пользовании той или иной социальной сетью, возраст, доход и т.п., могут оцениваться на основе социологических исследований. Например, известно, что женщины более подвержены стихийным покупкам и т.п. [97].

Технические, технологические и экономические параметры могут быть описаны с использованием инновационной кривой или S-образной кривой. Например, если речь идет о величине продаж, то, зная динамику изменения этого показателя во времени, можно оценить в какой точке инновационной кривой мы находимся. После этого, приняв пик кривой за 100 % продаж, оценим величину вероятности продажи в нашей точке. Аналогично можно поступить и с другими параметрами, описываемыми инновационной или S-образной кривой.

Таким образом, каждому значению параметра в соответствие будут установлены величины значений вероятности pi.

Следующим этапом решения задачи будет являться выбор порогового значенияi для pi, которые, по нашему мнеA B нию, будут приводить к R max.

В результате определения этого значения может оказаться, что существуют параметры, для которых i pi для всех значений. Такими параметрами можно пренебречь ( gi 0 ).

Для определения значения i для каждого из параметров построим его зависимость от риска (рис. 8). Риск будет определяться как var ( R j ) ( j – номер параметра.

Тогда для каждой переменной, для которой i max pi, риск будет вычисляться по следующей формуле [5]:

где n – количество параметров, для которых выполняется условие i max pi, (k1, k2 ) – интервал значений, относящихся к j-му параметру.

Из множества пар значений ( pi ; var( Ri ) ) (см. рис. 8) выбираем оптимальное сочетание этих значений, исходя из условий Куна-Таккера [102].

Рис. 8. График, иллюстрирующий выбор значения величины i Для задач, в условии которых имеются статистические данные, может быть вычислен корректировочный коэффициент i (коэффициент тесноты линейной зависимости между j -м параметром и результатом в рассматриваемой выборке), позволяющий ранжировать параметры по степени влияния на достижение результата (значимости) [52]:

где m – количество значений, которое может принимать j -й параметр.

Ключевыми будут являться параметры, для которых j [52], значимость остальных параметров может быть оценена по формуле j j 3 [52].

Для определения величин вероятности воспользуемся методом максимизации вероятности достижения цели, описанным в [102].

Таким образом, из формулы (3) окончательно получаем:

Подставив в выражение для критериальной функции R окончательно получим:

Данная задача относится к классу задач целочисленного линейного программирования. Для их решения разработаны специализированные методы (например, метод ветвей и границ) [102].

В ходе решения задачи может получиться, что будут переменные, для всех значений которых g 0. Это означает, что такие переменные не оказывают влияние на достижение конечной цели, а значит, их можно не учитывать. Соответственно, переменные, значения которых имеют g 1, необходимо учитывать при построении модели инновационного проекта.

В результате приведенных рассуждений мы получили алгоритм, позволяющий задаться допустимой степенью риска и разделить параметры на две группы (оказывающие и не оказывающие влияние на решение конкретной задачи).

Рассмотрим способ применения описанного подхода на примере задачи, предложенной в этом году для решения в рамках открытого международного соревнования Data Mining Cup (http://www.data-mining-cup.de/).

Пример данных, которые могут использоваться customernumbe numberitems int Задача формулируется следующим образом: имеется статистика продаж интернет-магазина (см. перечень доступных полей данных табл. 2), по данным которой необходимо отобрать пользователей, которым целесообразно выдать ваучер со скидкой на покупку в этом интернет-магазине. Качество принятого решения оценивается по формуле:

При этом ki 1 – если ваучер пригодился (выдан нужному человеку), gi 1 – если ваучер выдан.

Для применения алгоритма вместо полей введем параметры, которые будут частично совпадать с полями, а частично являться результатом применения арифметических операций (табл. 3).

customernumber Последовательно применяя приведенный выше алгоритм, мы получим значения для величины j, на основании значения которой могут быть отброшены некоторые переменные (см. табл. 3).

Рассмотрим вычисление значения xi на примере значений параметра K4: xi 16 (6,5 pi 5).

Каждый параметр будет иметь свои значения pi, для которых pi i. Эти значения могут быть определены по описанному алгоритму с использованием графика, приведенного на рис. 9.

На этом графике приведена зависимость количества продаж от действия по выдаче ваучера. Вероятность для параметра количества продаж может быть вычислена на основе этих данных как отношение всех клиентов, которым выдавался ваучер, ко всему количеству клиентов, попадающих в один интервал по количеству продаж (рис. 10).

Количество покупок / numberitems Рис. 9. Пример зависимости количества продаж от действия Рис. 10. Гистограмма распределения pi для параметра K Для упрощения расчетов мы использовали программу SPSS.

Программа, реализующая алгоритм вычисления весов j и расстановки вероятностей, представлена ниже.

compute K8.

if(case=1)K8=1.

if(case=2)K8=0.63.

if(case=3)K8=0.4.

if(case=4)K8=0.2.

if (case=5)K8=0.1.

execute.

compute K9.

if (model=1)K9=0.5.

if (model=2)K9=1.

if (model=3)K9=0.

execute.

compute ver.

if (givevoucher=-1) ver=(8*K1+4*K2+4*K3+16*K4+15*K5+4*K7+K8*10+K9* +K11+K12+K13+8*K14+2*K10+4*K6)/73.

if (givevoucher-1) ver=0.

execute.

Используя описанный подход, мы получили результаты, на 85 % совпавшие с решениями задачи, которые были признаны правильными и опубликованы на сайте конкурса. Важным преимуществом подхода является то, что, основываясь на формальных принципах, а не на опыте и домыслах, удается получить результат со степенью достоверности, позволяющей решать не только задачи оценки тенденций, но и задачи, требующие количественных значений.

2.5. Прогнозирование развития параметров инновационных проектов Одной из подзадач, решаемых при управлении проектами, является задача оценки потенциала развития по каждому из параметров проекта и выработке решений, приводящих к прогрессу по множеству из них. Данная задача является актуальной в первую очередь потому, что прогнозирование развития позволяет принимать не тактические, а стратегические решения, дающие результат на долгосрочную перспективу. Прогнозирование при управлении проектами возможно потому, что в процессе развития проекта его параметры переживают несколько этапов развития. Поэтому, оценив стадию, на которой находится отдельный параметр, можно оценить потенциал его роста и перспективы развития проекта.

Этапы развития параметров инновационных проектов описываются либо с помощью инновационной кривой [2], либо с помощью S-образной кривой [61]. Каждый инновационный проект имеет несколько параметров. Вид кривой, которая будет описывать параметр, зависит от того, какой параметр она описывает. Инновационной кривой описываются экономические параметры (прибыль; объем продаж; доля рынка, которую занимает фирма или продукт; количество конкурирующих фирм или продуктов; количество людей, привлеченных к работе над проектом, качество продукции и др. [19, 23, 30]). Технические и технологические параметры описываются S-образной кривой (стоимость разработки или внедрения новой технологии, индекс производительности, степень зрелости технологии или процесса и др. [5, 11, 32]), которая показывает степень развития технологии и перспективы ее модернизации (иногда инновационную и S-образную кривые не различают, и тогда последняя считается частным случаем первой).

Любой расчет, который будет осуществляться на отдаленную перспективу, не может учитывать факторы, которые возникнут в будущем, тем более обстоятельства непреодолимой силы [61]. Это в свою очередь означает, что ситуация требует постоянного мониторинга и повторных расчетов, а также анализа отклонения влияющих факторов и степени их воздействия в динамике развития проекта. Поскольку вид кривой, для которой осуществляются прогнозирования, известен, целесообразно использовать это знание и построить ее математическое описание.

Расчет одного из прогнозируемых значений позволяет оценить перспективы развития. Например, зная время t4 (рис. 13), можно оценить период, в течение которого есть возможность изменить ситуацию и принять решение, позволяющее продолжить развитие проекта.

УСТАРЕВШИЙ ПРОДУКТ

ОКНО ВРЕМЕНИ

Рис. 11. Вехи развития инновационного проекта по одному из параметров При принятии решения сначала оцениваются перспективы модернизации существующего продукта с точки зрения: возможности доведения эксплуатационных характеристик до максимума, доведения эффективности до максимума, доведения надежности до максимума, сведения стоимости до минимума (рис. 11). И лишь при достижении предела развития необходимо начинать выпуск нового продукта (начинать новый инвестиционный проект). Переходить к выпуску нового продукта также следует тогда, когда увеличение эксплуатационных характеристик по параметру, по которому происходит спад, приводит к уменьшению эксплуатационных характеристик другого параметра. Это означает, что удалось найти параметры, которые тормозят дальнейшее развитие проекта. Иначе говоря, достигнут некоторый предел развития по ряду параметров, для преодоления которого требуется внедрение нового, принципиально отличного подхода.

Рассмотрим пример с яхтой. Очевидно, что зависимость скорости и остойчивости от площади паруса и размера киля оказывает взаимоисключающие влияния. Увеличение размера паруса приводит к увеличению скорости и уменьшению остойчивости.

В этом случае выходом из ситуации становится внедрение новой технологии, например применение паровой тяги. Другим примером является замена спирали в лампах накаливания газом (для увеличения светоотдачи и преодоления проблемы, когда при высоких температурах спираль будет плавиться) и т.п.

Для такой принципиальной модернизации продукта разработаны специальные методы: метод морфологического синтеза, метод Колера, метод Мэтчетта и т.д.

Эти подходы позволяют создать модифицированный продукт. Использование этих подходов позволяет создать новый инновационный продукт со своей кривой развития и реализовать принцип, к которому стремятся многие фирмы – «не будь первым, а будь уникальным».

Новое изделие будет выступать по отношению к инновационной кривой базового продукта соинновацией, развивая основную идею, заложенную в базовый продукт. При этом нужно знать величину «окна времени», необходимую для запуска модернизированного продукта (см. рис. 11) [11]. Параметры инновационной кривой соинновации будут иметь отличия от базового продукта и подчинятся правилам, описанным в [11], а именно: иметь максимальный доход от внедрения этой инновации меньше базовой инновации на величину вложенных в ее внедрение средств (рис. 12).

Рис. 12. Кривая инновационного развития на этапе разработки Знание этих закономерностей позволяет наиболее эффективно пользоваться данными прогноза. Очевидно, что время, затраченное на внедрение нового продукта t (до момента получения прибыли от него), должно быть меньше времени, которое осталось до момента, когда выпуск основного продукта перестанет быть выгодным t4–tc (см. рис. 13). Объем средств, затрачиваемых на запуск новой продукции €, должен быть меньше объема средств, которые компания получила в виде прибыли от реализации базовой инновации. Более того, как следует из [11], величина € – это значение, на которое инновационная кривая пройдет ниже базовой, и, таким образом, с ее помощью можно вычислить прибыль, которая будет получена от реализации нового продукта. Величины € и t могут быть определены исходя из выбранного способа модернизации. При модернизации продукта всегда можно ответить на вопрос о стоимости нового продукта, цене внедрения в производство, времени до его выхода на рынок и запуска производства.

2.5.1. Прогнозирование развития параметров описываемыхинновационной кривой У параметров инновационного проекта, описываемых инновационной кривой, выделяют четыре этапа развития [61, 111, 29] (см. рис. 13): выход на рынок, рост, зрелость и спад.

Параметр (у) рентабельности Таким образом, имеются четыре точки, которые можно выделить формально в течение жизненного цикла инновационного проекта, – это точки перехода с одного этапа на другой. Первая точка для всех параметров – это точка выхода на рынок инновационного проекта, ее координаты всегда можно принять y0 = 0 и t0 = 0 (если это не так, то можно сместить координатные оси, чтобы это выполнялось). Первое значение y равно величине оцениваемого параметра, второе значение – периоду времени, когда оно достигнуто. Остальные точки для разных параметров проекта определяются по-разному.

Вторая точка – точка перехода на этап роста. Ее координаты для параметра «выручка», например, равны (переменные затраты на выпуск и реализацию продукта, t1). Третья точка – точка перехода в стадию зрелости (все суммарные затраты на выпуск и реализацию продукта, t2). Четвертая точка – точка максимальной получаемой прибыли (все суммарные затраты на выпуск и реализацию продукта + прибыль, t3) и, наконец, пятая точка – точка перехода в стадию спада (все суммарные затраты на выпуск и реализацию продукта, t4).

Точки (y1, t1), (y2, t2), (y3, t3) для объема продаж могут быть определены на основе значений точек для объема выручки исходя из того, что стоимость единицы продукции в каждый момент времени известна.

Значения точек перехода с этапа на этап для доли рынка могут быть определены из закономерности, описанной в литературе [29]. Площадь, фигуры ограниченной инновационной кривой, на этапе выхода (см. рис. 13) составляет 3 % от всей площади фигуры. Площадь фигуры, соответствующей этапу роста, составляет 13 %. Этапу зрелости до достижения точки (y3, t3) и после ее прохождения соответствует по 34 % от общей площади. Последнему этапу – этапу спада – соответствует 16 % площади фигуры, ограниченной инновационной кривой. Для других параметров проекта также существуют закономерности, некоторые из которых описаны в литературе.

Каждый этап проекта описываются своим трендом [61].

Тренды этапов (см. рис. 13) могут быть представлены в виде функционального описания. В литературе встречается несколько видов функций, которые для этого применяются. Наиболее простым и наиболее распространенным описанием является [111, 61]:

где переменные с0, с1, с3, с4, с5, с6 описывают темп роста или падения, крутизну кривых и зависят от особенностей инновационного проекта. Точки t0, t1, t2, t3, t4 – это точки перехода от одной стадии инновационного проекта к другой.

Рассмотрим подход к прогнозированию развития инвестиционного проекта на примере этих функций. Для этого введем дополнительную точку (yc, tc), значение которой нам должно быть известно из измерений (см. рис. 13). Эта точка находится на ниспадающей части стадии зрелости инновационной кривой. В ее качестве можно использовать любое усредненное значение практических данных. Однако для более точного прогноза и того, чтобы избежать значений, которые могут быть лишь колебанием кривой, в качестве значения для точки (yc, tc) лучше брать точку, не примыкающую к значению (y3, t3), а «значительно» стоящую от нее справа.

При управлении инновационным проектом наиболее важно как можно дальше отодвинуть стадию спада и таким образом продлить жизненный цикл продукта (этап зрелости). Начало спада может произойти на любом из этапов жизненного цикла – это следует из [1], видно на рис. 14. В результате можно сделать предположение, что даже самые удачные проекты, возможно, пережили свой спад досрочно, а вовремя распознанная ситуация и правильное управляющее решение могли продлить их жизненный путь. Очевидно, что наиболее интересным этапом для продления проекта является этап зрелости. Именно на этом этапе инновационный проект приносит прибыль и является наиболее интересным с точки зрения реализации. Отличительной особенностью данного этапа являются наличие прибыли и начало уменьшения значения параметра. Таким образом, на этом этапе известны три из четырех точек развития инновационного проекта. Кроме того, в случае если нам удается распознать состояние начала уменьшения значения параметра, мы сможем зафиксировать дополнительную пятую точку (yc, tc), которая не будет являться точкой перехода на новый этап.

Рис. 14. Кривая жизненного цикла фирмы по И. Адизису Из литературы известно [83, 1, 111], что кривая инновационного процесса применяется для описания самых разных инновационных проектов. Именно поэтому этот способ описания можно считать универсальным. Известно несколько типов кривых: кривая бум, кривая увлечения, сезонная кривая, кривая моды, кривая возобновления, кривая провала и т.д. Кроме того, жизненный цикл даже одного и того же товара на разных рынках неодинаков. Однако усредненные значения на периодах, охватывающих весь жизненный цикл продукта, хорошо описываются инновационной кривой (см. рис. 13).

Рассмотрим способ решения на примере поиска значения t4, которое позволяет определить оставшееся время для принятия решения (время, пока проект приносит прибыль).

Так как функция представлена в виде кусочно-заданной кривой, на границах интервалов значения функций, как и значения их производных, должны совпадать, поскольку функция является гладкой. Для этого можно использовать известные значения функции в точках перехода с одного этапа на другой.

В составной функции неизвестными являются коэффициенты функциональных описаний с0, с1, с3, с4, с5, с6, а также время t4:

Из системы легко находим (в данной системе два уравнения являются зависимыми, поэтому для нахождения семи неизвестных нам требуется восемь уравнений) значение t4:

где Рассмотрим пример расчета для оценки времени t4 на кривой жизненного цикла автомобилей «Москвич 407» (рис. 15). На графике представлены точные (сплошная линия) и усредненные данные (пунктир) по объему выпуска. На кривой усредненных значений явно видно пик, а сама кривая напоминает кривую инновационного проекта (см. рис. 13), и на ней без труда могут быть выделены стадии развития.

Рис. 15. Цикл жизни автомобиля «Москвич 407» [113] Попробуем рассчитать несколько вариантов продолжения кривой жизненного цикла после достижения пика выпуска.



Pages:   || 2 | 3 |
 
Похожие работы:

«Ю.А.НИСНЕВИЧ ИНФОРМАЦИЯ И ВЛАСТЬ Издательство Мысль Москва 2000 2 УДК 321: 002 ББК 66.0 Н69 Книга выпускается в авторской редакции Нисневич Ю.А. Н 69 Информация и власть. М.: Мысль, 2000. – 175с. ISBN 5-244-00973-7 Монография посвящена системному исследованию информационной политики как феномена, оказывающего существенное влияние как на модернизацию экономических, социальных, культурных, научнотехнических условий жизнедеятельности общества, так и его общественнополитическое устройство,...»

«Институт биологии Уфимского научного центра РАН Академия наук Республики Башкортостан ФГУ Южно-Уральский государственный природный заповедник ГОУ ВПО Башкирский государственный университет ФЛОРА И РАСТИТЕЛЬНОСТЬ ЮЖНО-УРАЛЬСКОГО ГОСУДАРСТВЕННОГО ПРИРОДНОГО ЗАПОВЕДНИКА Под редакцией члена-корреспондента АН РБ, доктора биологических наук, профессора Б.М. Миркина Уфа Гилем 2008 УДК [581.55:502.75]:470.57 ББК 28.58 Ф 73 Издание осуществлено при финансовой поддержке Фонда содействия отечественной...»

«Высшее учебное заведение Укоопсоюза Полтавский университет экономики и торговли (ПУЭТ) ПОЛИМЕРНЫЕ ОПТИЧЕСКИЕ ВОЛОКНА МОНОГРАФИЯ ПОЛТАВА ПУЭТ 2012 УДК 678.7 ББК 35.71 П50 Рекомендовано к изданию, размещению в электронной библиотеке и использованию в учебном процессе ученым советом ВУЗ Укоопсоюза Полтавский университет экономики и торговли, протокол № 5 от 16 мая 2012 г. Авторы: Т. В. Сахно, Г. М. Кожушко, А. О. Семенов, Ю. Е. Сахно, С. В. Пустовит Рецензенты: В. В. Соловьев, д.х.н., профессор,...»

«ПОЛИТИКА ЗАНЯТОСТИ В РЕГИОНАЛЬНОМ КОНТЕКСТЕ СОЦИАЛЬНО-ТРУДОВЫХ ОТНОШЕНИЙ 2013 ПОЛИТИКА ЗАНЯТОСТИ В РЕГИОНАЛЬНОМ КОНТЕКСТЕ СОЦИАЛЬНО-ТРУДОВЫХ ОТНОШЕНИЙ Саратов - 2013 УДК 321.74; 316.6 ББК 60.5 П74 Рецензенты: доктор социологических наук, профессор Ю. В. Селиванова доктор социологических наук, профессор М. В. Калинникова Авторский коллектив: И. Бабаян – 1.5, Список терминов; О. Григорьева – 2.3, Приложение, Библиография; Д. Зайцев – 1.2, 2.3, Список терминов, Библиография; Н. Ловцова – 1.4,...»

«РОССИЙСКАЯ АКАДЕМИЯ ГОСУДАРСТВЕННОЙ СЛУЖБЫ при ПРЕЗИДЕНТЕ РОССИЙСКОЙ ФЕДЕРАЦИИ В.Д. ПОПОВ ИНФОРМАЦИЯ: КАК ОТКРЫВАЕТСЯ ЯЩИК ПАНДОРЫ (Информация в системе управления) УДК 004 ББК 73 П 58 Рекомендовано к изданию кафедрой управления социальными и экологическими системами Рецензенты: А.Я. Быстряков – д-р экон. наук, проф.; В.В. Воробьев – д-р полит. наук, проф.; В.В. Силкин – д-р полит. наук, проф. Попов, В.Д. Информация: как открывается ящик Пандоры (Информация П 58 в системе управления) :...»

«Ю. В. Казарин ПОЭЗИЯ И ЛИТЕРАТУРА книга о поэзии Екатеринбург Издательство Уральского университета 2011 ББК К Научный редактор доктор филологических наук, профессор, заслуженный деятель науки Л. Г. Бабенко Рецензенты: доктор филологических наук, профессор Т. А. Снигирева; доктор филологических наук, профессор И. Е. Васильев Казарин Ю. В. К000 Поэзия и литература: книга о поэзии : [монография] / Ю. В. Казарин. — Екатеринбург : Изд-во Урал. ун-та, 2011. — 168 с. ISBN 00 Ю. Казарин — поэт, доктор...»

«МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ЭКОНОМИКИ, СТАТИСТИКИ И ИНФОРМАТИКИ Кафедра Социально-экономической статистики Верещака Е.Г., Гладышев А.В., Давлетшина Л.А., Игнатов И.В., Карманов М.В., Пеньковская Т.С., Смелов П.А. ПРИКЛАДНОЙ АНАЛИЗ ДЕМОГРАФИЧЕСКОЙ СИТУАЦИИ НА РЕГИОНАЛЬНОМ УРОВНЕ Коллективная монография г. Москва, 2010 УДК 314.06, 314.8 Прикладной анализ демографической ситуации на региональном уровне. Коллективная монография. – М.: МЭСИ, 2010 – 142 с. Рецензенты: д.э.н., проф....»

«УДК 327 ББК 68.8 Я34 Рецензент доктор технических наук, профессор В. М. Лобарев Nuclear Proliferation: New Technologies, Weapons and Treaties. Электронная версия: http://www.carnegie.ru/ru/pubs/books. Книга подготовлена в рамках программы, осуществляемой некоммерческой неправительственной исследовательской организацией — Московским Центром Карнеги при поддержке благотворительного фонда Carnegie Corporation of New York. В книге отражены личные взгляды авторов, которые не должны рассматриваться...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ Технологический институт Федерального государственного образовательного учреждения высшего профессионального образования Южный федеральный университет ПРИОРИТЕТНЫЙ НАЦИОНАЛЬНЫЙ ПРОЕКТ ОБРАЗОВАНИЕ Т.А.ПЬЯВЧЕНКО, В.И.ФИHАЕВ АВТОМАТИЗИРОВАННЫЕ ИНФОРМАЦИОННОУПРАВЛЯЮЩИЕ СИСТЕМЫ Таганpог 2007 2 УДК 681.5:658.5(075.8) Т.А.Пьявченко, В.И.Финаев. Автоматизированные информационноуправляющие системы. - Таганpог:...»

«Министерство здравоохранения и социального развития Российской Федерации Северный научный центр СЗО РАМН Северное отделение Академии полярной медицины и экстремальной экологии человека Северный государственный медицинский университет А.Б. Гудков, О.Н. Попова ВНЕШНЕЕ ДЫХАНИЕ ЧЕЛОВЕКА НА ЕВРОПЕЙСКОМ СЕВЕРЕ Монография Издание второе, исправленное и дополненное Архангельск 2012 УДК 612.2(470.1/.2) ББК 28.706(235.1) Г 93 Рецензенты: доктор медицинских наук, профессор, директор Института...»

«Омский государственный университет им. Ф. М. Достоевского Омский филиал Института археологии и этнографии РАН Сибирский филиал Российского института культурологии Н.Н. Везнер НАРОДНЫЕ ТАНЦЫ НЕМЦЕВ СИБИРИ Москва 2012 УДК 793.31(470+571)(=112.2) ББК 85.325(2Рос=Нем) В26 Утверждено к печати ученым советом Сибирского филиала Российского института культурологии Рецензенты: кандидат исторических наук А.Н. Блинова кандидат исторических наук Т.Н. Золотова Везнер Н.Н. В26 Народные танцы немцев Сибири. –...»

«ГЕНЕРАЛЬНАЯ ПРОКУРАТУРА РОССИЙСКОЙ ФЕДЕРАЦИИ А.В. Паламарчук СВОБОДА ИНФОРМАЦИИ И ЗАКОННОСТЬ: ТЕОРИЯ И ПРАКТИКА МОНОГРАФИЯ Москва l 2013 УДК 347.962 ББК 67.401.114 Б93 Паламарчук А.В. – начальник Главного управления по надзору за исполнением федерального законодательства Генеральной прокуратуры Российской Федерации, кандидат юридических наук, заслуженный юрист Российской Федерации Рецензенты: Бут Н.Д., ведущий научный сотрудник отдела проблем прокурорского надзора и укрепления законности в...»

«КАРЕЛЬСКИЙ НАУЧНЫЙ ЦЕНТР РОССИЙСКОЙ АКАДЕМИИ НАУК ИНСТИТУТ ВОДНЫХ ПРОБЛЕМ СЕВЕРА KARELIAN RESEARCH CENTRE RUSSIAN ACADEMY OF SCIENCES NORTHERN WATER PROBLEMS INSTITUTE Ю. В. Карпечко, Н. Л. Бондарик ГИДРОЛОГИЧЕСКАЯ РОЛЬ ЛЕСОХОЗЯЙСТВЕННЫХ И ЛЕСОПРОМЫШЛЕННЫХ РАБОТ В ТАЕЖНОЙ ЗОНЕ ЕВРОПЕЙСКОГО СЕВЕРА РОССИИ Петрозаводск 2010 УДК 630*116: 630*228.81 (470.1./2) ББК 43.4 (231) К 26 Гидрологическая роль лесохозяйственных и лесопромышленных работ в К таежной зоне Европейского Севера России / Карпечко Ю....»

«Межрегиональные исследования в общественных науках Министерство образования и науки Российской Федерации ИНОЦЕНТР (Информация. Наука. Образование) Институт имени Кеннана Центра Вудро Вильсона (США) Корпорация Карнеги в Нью Йорке (США) Фонд Джона Д. и Кэтрин Т. МакАртуров (США) Данное издание осуществлено в рамках программы Межрегиональные исследования в общественных науках, реализуемой совместно Министерством образования и науки РФ, ИНОЦЕНТРом (Информация. Наука. Образование.) и Институтом...»

«КАРЕЛЬСКИЙ НАУЧНЫЙ ЦЕНТР РОССИЙСКОЙ АКАДЕМИИ НАУК ИНСТИТУТ ЭКОНОМИКИ Г. Б. Козырева ПРОБЛЕМЫ ФОРМИРОВАНИЯ СОЦИАЛЬНЫХ ИНСТИТУТОВ УСТОЙЧИВОГО ЛЕСОУПРАВЛЕНИЯ Петрозаводск 2006 УДК 630*6 Проблемы формирования социальных институтов устойчивого лесоуправления / Г.Б. Козырева. Петрозаводск: Карельский научный центр РАН, 2006. 254 с. Монография посвящена вопросам устойчивого развития лесных поселений Республики Карелия. Устойчивое развитие связывается с проблемами институционального развития,...»

«РОССИЙСКАЯ АКАДЕМИЯ НАУК ДАГЕСТАНСКИЙ НАУЧНЫЙ ЦЕНТР ИНСТИТУТ ИСТОРИИ, АРХЕОЛОГИИ И ЭТНОГРАФИИ ХАЛАЕВ ЗАХИД АЛИЕВИЧ ЭТНОПОЛИТИЧЕСКАЯ И КУЛЬТУРНО-РЕЛИГИОЗНАЯ ИСТОРИЯ ДАГЕСТАНОЯЗЫЧНЫХ НАРОДОВ АЛАЗАНСКОЙ ДОЛИНЫ В XVI- XVIII вв. МАХАЧКАЛА 2012 ББК 63.3(2Р-6Д)+63.3(2)5. УДК 94(100-87). Рекомендовано к изданию решением диссертационного совета ДМ 002.053.01 при Учреждении Российской академии наук Институте истории, археологии и этнографии Дагестанского научного центра РАН от 30 сентября 2009 года...»

«Министерство образования и науки РФ Сочинский государственный университет туризма и курортного дела Филиал Сочинского государственного университета туризма и курортного дела в г. Нижний Новгород Мордовченков Н. В., Сироткин А. А. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ СИСТЕМЫ УПРАВЛЕНИЯ ПЕРСОНАЛОМ ПРОМЫШЛЕННОГО ПРЕДПРИЯТИЯ Монография Нижний Новгород 2010 ББК 65.290-2 М 79 Мордовченков Н. В. Теоретические основы систем управления персоналом промышленного предприятия: монография / Н. В. Мордовченков, А. А....»

«Е.А. Урецкий Ресурсосберегающие технологии в водном хозяйстве промышленных предприятий 1 г. Брест ББК 38.761.2 В 62 УДК.628.3(075.5). Р е ц е н з е н т ы:. Директор ЦИИКИВР д.т.н. М.Ю. Калинин., Директор РУП Брестский центр научно-технической информации и инноваций Государственного комитета по науке и технологиям РБ Мартынюк В.Н Под редакцией Зам. директора по научной работе Полесского аграрно-экологического института НАН Беларуси д.г.н. Волчека А.А Ресурсосберегающие технологии в водном...»

«Федеральное агентство по образованию ГОУ ВПО Сибирская государственная автомобильно-дорожная академия (СибАДИ) Л.И. Рыженко МЕТОДЫ УПРАВЛЕНИЯ РАЗВИТИЕМ ПОСЕЛЕНИЙ Монография Омск СибАДИ 2010 0 УДК 352:71 ББК 65.05.:38.9 Р 94 Рецензенты: д-р экон. наук., проф. Ю.П. Дусь (ОмГУ им. Ф.М. Достоевского); д-р филос. наук, проф. В.И. Разумов (ОмГУ им. Ф.М. Достоевского) Работа одобрена редакционно-издательским советом СибАДИ. Рыженко Л.И. Р 94 Методы управления развитием поселений: монография. – Омск:...»

«Федеральное агентство по образованию Государственное образовательное учреждение высшего профессионального образования Казанский государственный технологический университет В.Я. Пономарев, Э.Ш. Юнусов, Г.О. Ежкова, О.А. Решетник БИОТЕХНОЛОГИЧЕСКИЕ ОСНОВЫ ПРИМЕНЕНИЯ ПРЕПАРАТОВ МИКРОБИОЛОГИЧЕСКОГО СИНТЕЗА ДЛЯ ОБРАБОТКИ МЯСНОГО СЫРЬЯ С ПОНИЖЕННЫМИ ФУНКЦИОНАЛЬНО-ТЕХНОЛОГИЧЕСКИМИ СВОЙСТВАМИ Монография Казань, 2009 УДК 664 ББК Пономарев В.Я. Биотехнологические основы применения препаратов...»






 
© 2013 www.diss.seluk.ru - «Бесплатная электронная библиотека - Авторефераты, Диссертации, Монографии, Методички, учебные программы»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.