CC BY
83
Алгоритм построения прогнозов параметров инновационных проектов с учетом их взаимовлияний друг на друга A forecasting algorithm for parameters of innovative projects based on their mutual influence on each other
АлкдироуРадванХалид Аспирант кафедры «Микропроцессорные средства автоматизации» Пермский национальный исследовательский политехнический университет
Мыльников Леонид Александрович к.т.н., доцент, доцент кафедры «Микропроцессорные средства
автоматизации»
Пермский национальный исследовательский политехнический университет
Аннотация: В данной статье рассматривается задача прогнозирования параметров при реализации инновационного проекта. Делается обзор используемых подходов к прогнозированию и способ их применения для решения конкретных прикладных задач. Приведен пример на котором показано, как данные прогнозирования могут применяться для принятия решений.
Abstract: This paper described the problem of predicting the parameters for an innovative project. An overview of the approaches to forecasting and how their use for specific applications.An example which shows how data can be used to predict decision-making.
Ключевые слова: управление, принятие решения, алгоритм, анализ, прогноз.
Keywords: management, decision-making, algorithm, analyze, forecast.
Введение
В условиях рынка, когда предприятия являются самостоятельными,вопросы управления затрагивают широкий пласт проблем, а значит, происходит увеличение объема и усложнения характера, выполняемых менеджерами работ.Существенно растет и ответственность, и качество принимаемых решений. Повышается роль маркетинговых исследований, позволяющих изучать динамику потребностей на рынке товаров и услуг. Научно-технический прогресс превращается в одно из орудий управленческих нововведений, направленных на создание условий для эффективной работы.
Для адекватной оценки ситуации, в которой происходит выработка решения, требуется глубокий анализ текущего состояния. Сложность принятия решений при управлении проектами состоит в том, что существующие методы используют разный набор данных. Кроме этого многие инновационные проекты имеют все признаки систем, которые функционируют в условиях ограниченных ресурсов, а также подвержены влиянию случайных факторов. Наиболее существенные из этих факторов: неопределенность взаимодействия элементов системы (инновационного проекта) при отсутствии обратной связи от результатов к ресурсам; неопределенность условий действия системы, проявляющаяся в неопределенности описания факторов среды и процессов; непредсказуемость результатов, неоднозначность целей и ориентиров, что отличает многие проекты от любых иных, являющихся целеориентированными и ценностноориентированными; динамическая неустойчивость и нелинейная
динамика системы; наличие активного субъективного элемента системы -человека.
Наиболее часто, задача управления инновационными проектами сводиться к задаче оценки потенциала развития по каждому из параметров и выработке решений, приводящих к прогрессу по множеству параметров. Учитывая субъективные и слабо учитываемые факторы требования к прогнозам повышаются.
Каждый проект, в зависимости от области применения и сферы деятельности, описывается множеством параметров. Каждый параметр может быть описан функционально или графически. Например, инновационной кривой [9] 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. [5; 6; 7]). Технические и технологические параметры (стоимость разработки или внедрения новой технологии, индекс производительности, степень зрелости технологии или процесса и др. [1; 4; 8]) описываются S-образной кривой [9], которая показывает степень развития технологии и перспективы её модернизации. Каждый параметр проекта может находиться на своей стадии развития и описываться своей функциональной зависимостью.
Таким образом, задача управления проектами сводиться 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 сводиться к задаче оптимального поиска группы значений параметров проекта.
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, в ходе реализации проекта всегда существует риск пройти точку, когда принятие решения станет не актуальным, так как будет пройдена условная точка не возврата.
Любой расчет, который будет осуществляться на отдаленную перспективу, не может учитывать факторы, которые возникнут в будущем, тем более обстоятельства непреодолимой силы [9]. Это в свою очередь означает, что ситуация требует постоянного мониторинга и повторных расчетов, а также анализа отклонения влияющих факторов и степени их влияния в динамике развития проекта. Так как вид кривой, для которой осуществляются прогнозирования известен, то целесообразно использовать это знание и построить её математическое описание.
1. Обзор существующих подходов и виды прогнозирования
Прогнозирование заключается в основанном на соответствующем статистическом анализе описании состояния изучаемой системы или процесса через один, два или большее число тактов времени по отношению к текущему моменту времени, т.е. к настоящему. Следует отличать прогноз от предсказания. Прогноз обладает свойством научного результата. Другими словами, в его основе лежит научное обоснование, которое может быть воспроизведено и без автора прогноза. Предсказание же порождается другими инструментами - интуицией, экстрасенсорными способностями, магией, наконец. Оно воспринимается на веру, как данность. Экспертная оценка, т.е. прогноз специалиста в данной конкретной области, представляет собой некоторый промежуточный (между прогнозированием и предсказанием) вариант подхода к формированию представления о будущем. С одной стороны, эта оценка основана на субъективном представлении эксперта о возможном развитии прогнозируемого процесса, с другой, - она
учитывает многие факторы, если и не поддающиеся непосредственному измерению и формализации, то допускающие объективную интерпретацию в рамках научного обоснования эксперта. Поэтому организацию и статистический анализ экспертных оценок обычно включают в состав математического инструментария прогнозирования.
Статистические методы анализа и прогнозирования основаны обычно на глубокой обработке статистических данных, относящихся к изучаемому процессу. При всем принципиальном отличии направлений прогнозирование объединяет единая цель: определение характера протекания процесса в будущем. Множество методов решения задачи прогнозирования имеет одну общую идею: обнаружение связей между прошлым и будущим, между информацией о процессе в контролируемый период времени и характером протекания процесса в дальнейшем. От того, насколько точно описаны исследуемые связи, будет зависеть точность прогнозирования.
В классическом менеджменте считается, что прогнозирование — это метод, в котором используются как опыт, накопленный в прошлом, так и текущие допущения в отношении будущего в целях его определения. В результате этого получают картину будущего, которую можно использовать как основу при планировании. Прогноз в управлении представляет собой технологию разработки моделей развития управляемого объекта. Показатели прогноза (числовые характеристики объекта, объемы и сроки работ и тому подобное) имеют вероятностную природу. На основе прогнозов осуществляется предвидение и принимаются управленческие решения. Цель прогнозирования — получить научно обоснованные варианты тенденций развития (изменения) управляемого объекта (показателей его состояния) во времени и пространстве.
Для прогнозирования в практической деятельности применяются различные количественные и качественные методы:
Количественные методы (приемы) базируются на информации, которую можно получить, зная тенденции изменения параметров или имея
статистически достоверные зависимости, характеризующие
производственную деятельность объекта управления. Примеры этих методов анализ временных рядов, каузальное (причинно-следственное) моделирование.
Качественные методы основаны на экспертных оценках специалистов в области принимаемых решений, например методы экспертных оценок, мнение жюри (усреднение мнений экспертов в релевантных сферах), модели ожидания потребителя (опрос клиентов).
Экспертные методы. Область применения: Экономическая
конъюнктура. Решение проблем научно-технического прогресса. Развитие объектов большой сложности.
Предназначение, решаемые задачи: Для объекта, развитие которого не поддается предметному описанию, математической формализации. В условиях отсутствия достоверной статистики относительно объекта управления. В условиях большой неопределенности. При отсутствии ЭВМ. В экстремальных ситуациях.
Особенности применения: По экспертным оценкам 7-9 специалистов. Выработка коллективного мнения группы экспертов. Требуется много времени для опроса и обработки данных.
Метод эвристического прогнозирования. Область применения: Научно-технические объекты и проблемы, развитие которых плохо поддается формализации.
Предназначение, решаемые задачи: Нахождение оптимальных способов создания проектируемых (модернизируемых) систем. Выявление объективизированного представления о перспективах развития узкой области.
Особенности применения: Математический аппарат неприменим.
Специально обрабатываются прогнозные оценки объекта путем систематизированного опроса экспертов в узкой области науки, техники,
производства. Информационный массив создается набором заполненных экспертами таблиц.
Коллективная генерация идей. Область применения: Получение блока идей по прогнозированию и принятию решений.
Предназначение, решаемые задачи: Определение всего возможного круга вариантов развития управляемого объекта. Определение альтернативного круга факторов, воздействующих на объект прогноза. Получение сценария развития объекта управления.
Особенности применения: Синтез объекта прогноза, мультифакторный анализ событий со стороны определяющих это событие факторов.
Морфологический анализ. Область применения: При малом объеме информации об изучаемой проблеме для получения систематизировании по всем возможным ее решениям.
Предназначение, решаемые задачи: Прогнозирование возможного
исхода фундаментальных исследований. При открытии новых рынков, формировании новых потребностей.
Особенности применения: Структурные взаимосвязи между объектами, явлениями и концепциями. Всеобщность предполагает использование полной совокупности знаний об объекте. Необходимое требование — полное отсутствие предварительных суждений. Содержит этапы: формулирование проблемы; анализ параметров; построение «морфологического ящика», содержащего все решения; изучение всех решений.
Прогнозный граф и «дерево решений». Область применения: Структурное прогнозирование: нахождение решения проблемы при
сохранении функций, но с изменением структуры объекта.
Предназначение, решаемые задачи: Прогнозирование развития объекта в целом. Формулирование сценария достижения прогнозируемой цели, уровня цели, критерия и весов, ранжированных вершин.
Прогнозирование по аналогии. Область применения: Разрешение ситуаций, привычных для лиц, принимающих решения.
Предназначение, решаемые задачи: Решение ситуационных
управленческих задач.
Особенности применения: Использование метода при наличии аналогов объектов, процессов. Применение метода требует специальных навыков.
При решении задач прогнозирования и принятии решений существенной проблемой является количество и качество требуемой информации. Ниже приведены несколько методов (приемов и способов), позволяющих лицам, принимающим решения, с минимальными материальными и организационными затратами наполнять информационную базу данных. Существуют различные методы получения информации:
Метод структурно-морфологический:Предназначен для выявления внутреннего состава предметной области, фиксации появления принципиально новых разработок (идей, технических решений и так далее), что позволяет обоснованно формулировать стратегию научно-технического прогресса предприятия.
Метод определения публикационной активности: Поток документов, относящихся к различным областям знаний, цикличен. Отслеживая циклы, можно определить состояние разработки какой-то проблемы в стране, на предприятиях и принять меры по коррекции стратегий научно-технического прогресса в своей организации.
Метод выявления группы патентных документов: Любая организация, как правило, патентует только те идеи, которые имеют практическую значимость для ее развития и бизнеса. Изучая патенты-аналоги ведущих фирм, можно выявить направленность их деятельности и уровень решения ими интересующей вас проблемы.
Метод показателей: Каждая техническая система характеризуется набором показателей, которые совершенствуются, что отражается в
документах. Анализируя динамику изменения характеристик показателей этой системы, можно сделать вывод о тенденции ее развития.
Метод терминологического и лексического анализа: При развитии различных областей знаний происходит естественная смена терминологического аппарата. Лексический анализ текстов позволяет обнаружить на раннем этапе зарождение принципиальных инноваций и спрогнозировать действия своей организации.
2. Совместное прогнозирование развития параметров на основе существующих параметров
После того как параметры спрогнозированы можно перейти к анализу их взаимодействия и генерации множества вариантов управленческих решений на основе модели инновационного проекта.
Для этого необходимо построить структурную модель инновационного проекта [10]. 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.
Такое моделирование позволит определить круг возможных решений, основываясь на структуризации задачи и анализе взаимосвязей между параметрами и компонентами модели [10].
Любое изменение значения параметра инновационного проекта будет оказывать влияние на другие параметры этого проекта. Таким образом, учитывая это влияние можно повысить точность прогнозов, а также при принятии решения об изменении одного из значений параметров с целью
положительного изменения состояния проекта учесть возможные последствия на другие характеристики проекта.
Учет этих взаимовлияний значительно усложняет задачу т.к. сами параметры по отдельности являются сложно измеримыми, для определения их значений могут использоваться разные виды прогноза,они могут содержать ошибку. Такие системы относятся к классу «мягким» систем. Для анализа «мягких» систем П. Чекладом [з] была предложена методология «мягкого» системного анализа. Эта методология является системно организованным процессом исследования плохо определенной системы, включающем в себя ряд последовательных этапов для принятия решения по управлению ситуацией.
Задача прогнозирования совместного изменения факторов в «мягкой» динамической ситуации определяется как задача разработки субъективной модели ситуации на основе экспертно измеренных значений факторов. Эта субъективная модель фиксируется в виде ориентированного знакового графа
- когнитивной карты [1], которая будет индивидуальной для каждого
проекта. Однако через этот субъективизм заключающейся в связях и весах позволяет учесть такие слабо измеримые факторы как: особенности
конкретной инновации, особенности производства конкретного предприятия или выпускаемого изделия, социокультурные факторы существующие в месте производства и продажи и т.п.
Крупные составляющие для всех инновационных проектов будут одинаковы и могут быть выделены из существующих структурных моделей инновационных проектов (например, см. [11]).
Задача прогнозирования совместного изменения факторов в «мягкой» динамической ситуации определяется как задача разработки субъективной модели ситуации на основе экспертно измеренных значений факторов. Эта субъективная модель фиксируется в виде ориентированного знакового графа
- когнитивной карты [2], которая будет индивидуальной для каждого проекта. Однако через этот субъективизм заключающейся в связях и весах
позволяет учесть такие слабо измеримые факторы как: особенности
конкретной инновации, особенности производства конкретного предприятия или выпускаемого изделия, социокультурные факторы существующие в месте производства и продажи и т.п.
Основные составляющие модели могут быть выделены из существующих структурных моделей инновационных проектов (например, см. [14]). Тогда если у нас имеется статистика изменения данных, то мы можем методом регрессии установить взаимосвязь между параметрами на основе известной структуры когнитивной карты (см. пример такой карты реализованной в пакете SmartPLS(PartialLeastSquares) на рис. 1).
показаны основные параметры , влияющие на принятие решения при выпуске инновационного продукта и взаимосвязь между ними.
Если в качестве примера функции для выполнения операции регрессии взять Y = ВХ + Егде X - исходные данные (predictor); Y- отклик (response); В
- регрессионные коэффициенты; Е - погрешность то результаты расчета могут быть такие как показано в табл.1.
Таблица 1.
Пример данных для определения значения коэффициентов и результатов прогнозирования данных на основе применения метода регрессионного анализа.
PROFIT CAPACITY DEMAND PACKING QUALITY PLACE PRICE QUANTITY VOLUME TYPE EXPENDITURE
15 2579 68,2 1 40 15 1 3 1 1 1
34 3510 85,4 1 47 45 2 5 2 2 2
49 3568 120,8 2 54 70 3 5 3 3 3
61 3546 103,4 2 60 85 4 6 4 4 4
71 3786 96,8 3 66 80 5 6 5 5 5
80 3856 91 3 73 73 6 6 6 6 6
87 3738 111,1 3 80 66 7 7 7 7 7
93 4159 106,7 3 85 60 8 8 8 8 8
96 4161 2 3 90 54 9 9 9 9 9
99 4169 2 3 95 47 10 10 10 10 10
100 4190 3 3 100 40 11 11 11 11 11
В представленной таблице (табл. 1) и рисунке (рис. 1):PROFIT - доход, зависит от отношения места производства товара и типа упаковки (при этом влияет на цену и при этом влияет на другие параметры, как QUANTITY, EXPENDITURE);CAPACITY - емкость упаковки;БЕМАМО - ожидаемое потребление зависит от PRICE, QUANTITY;PACKING - тип упаковки;QUALITY - качество;PLACE - место производства;PRICE - цена; VOLUME - объемупаковки;TYPE - тип продукции- чем меньшее типов продукции на рынке тем большее влияние оказывает на увеличение ^m^EXPENDITURE - расход- имеет связь с двумя параметрами (доход и тип упаковки), чем меньшее расход тем большее доход.
3. Учет специфики изменения параметров и взаимовлияния их друг на друга
Как было указано выше существуют параметры, для которых используются различные способы построения прогнозов (например, в некоторых случаях могут появляться такие параметры как уровень эмансипации женщин, в степени соответствия которой той или иной закономерности нет полной уверенности). Некоторые параметры инновационных проектов подчиняются определенным закономерностям
(развитие по инновационным и S-образным кривым) которые не учитываются на прямую подходами на основе метода регрессии и когнитивных карт.Чтобы учесть эти закономерности и взаимовлияние параметров друг на друга новые значения параметров следует скорректировать, учтя для этого влияние законов развития.
Для осуществления такого учета, необходимо определить какому моменту времени в развитии проекта будет соответствовать прогнозное значение того или иного параметра в каждом из используемых методах. Эта сложность связана с различными шкалами измерения. Временная шкала инновационной и S-образной кривых соответствует реальному времени, а шкала времени подхода на основе метода регрессииили когнитивных карт измеряется шагами и к реальному времени могут быть привязаны лишь начальные значения для расчета.
Поэтому на практике нужно применять градуирование времени. Как известно протекающие процессы, могут проигрываться в обе стороны (как в будущее, так и в прошлое). Направление, в котором происходит моделирование, зависит от решаемой задачи. Для инновационных проектов искомым положением является будущее и при этом особенностью таких проектов является то, что статистическая информация о предыдущих состояниях всегда известна. Поэтому существует возможность проиграть ситуацию в прошлое, и установить какому моменту времени будет соответствовать наиболее близкое состояние параметров проекта (метод обратной верификации [30]). Полученная разница во времени & будет соответствовать времени одного шага.
Можно предположить, что существуют параметры, для прогнозирования которых не применяются методы прогнозирования отличные от метода когнитивных карт. В этом случае значения такого параметра может не уточняться и оставаться равным значению, полученному на основе регрессии.
Для учета преимуществ методов прогнозирования по отдельным параметрам и их уточнения на основе существующих между параметрами взаимосвязей при реализации конкретного проекта может быть применен следующий алгоритм рис. .
Рис. 2. Алгоритм уточнения параметров на основе совместного использования когнитивных карт и алгоритмов на основе инновационной и S-
образной кривых.
старый
новый
старый
новый
а)
в)
Рис. 3. Графики изменения объема продаж молокозавода в зависимости от времени а) творога, б) масла, в) молока.
Совместное использование различных методов прогнозирования для учета взаимовлияния параметров дает повышение точности прогноза, что подтверждается практикой применения.
В результате применения такого подхода в 2001 удалось получить графики прогнозирования изменения спроса на продукцию молокозавода (рис. 3) и тем самым увидеть ожидаемое падение после 2004 года спроса на традиционную продукцию (использование прогнозов без учета взаимовлияния параметров (прогнозирование на основе закономерностей развития) и без учета закономерностей развития (прогнозирование только на основе когнитивных карт с применением метода регрессии) не давало таких результатов). В результате этого руководство завода (г. Нытвы, Пермский край) изменило продуктовую линейку своей продукции заменив её на фасованные изделия. Тем самым увеличился сбыт продукции и стоимость за единицу. Как следствие предприятие увеличило потребление молока, отказалось от содержания собственного коровника поддержав других производителей коровника и сосредоточившись на развитии основного производства.
Заключение
Приведенный в статье пример показывает как важно использование прогнозов для принятия стратегических управленческих решений.
Из приведенных в статье рассуждений видно, что использование прогнозов при реализации инновационных проектов является на сегодняшний день актуальной задачей. В силу специфики инноваций требуется принятие решений, которые оказывают непосредственное влияние на успешность проекта в будущем.
В статье рассмотрен подход, позволяющий оценивать развитие параметров инновационных проектов совместно с учетом их взаимосвязей и взаимовлияний при управлении инновационными проектами.
Было отмечено существуют различные виды прогнозов. Поэтому исследование может быть продолжено в сторону их совместного применения в рамках общих задач и уточнения на основе сопоставления результатов.
Недостатком приведенного метода является его ограниченная степень применимости (метод может применяться только при большом количестве статистической информации), а также требует исследований, связанных с устойчивостью получаемых решений к воздействию дополнительных факторов.
Списоклитературы
1. Atkinson W. I. Nanocosm: Nanotechnology and the big changes coming from the inconceivably small. - NY, 2006. - p. 307.
2. Axelrod R. The Structure of Decision: Cognitive Maps of Political Elites.-Princeton: University Press, 1976.
3. Checkland P.B. Systems Thinking, Systems Practice.-New York: Willey, 1981.
4. Dietrich L., Schirra W. Innovationen durch IT (Erfolgsbeispiele aus der Praxis).
- Berlin: Springer-Verlag, 2006. - p. 515.
5. Midgley D.F. Innovation and New Product Marketing.- London: Redwood Burn Ltd, 2007. - p.248.
6. Parmer R., Cockton J., Cooper G. Marketing success through good management practice. - Oxford: Elsevir, 2007. - p. 375.
7. Utterback J. M. Mastering the Dynamics of Innovation.- USA: Harvard Business School Press, 1994. - p. 245.
8. Wordenweber B., Wickord W. Technologie- und Innovationsmanagement im Unternehmen. -Berlin: Springer-Verlag, 2008.-p. 252.
9. Инновационный менеджмент: Концепции, многоуровневые стратегии и механизмы инновационного развития / под ред. В.М. Аньшина и А.А.
Дагаева. - М.: Дело, 2006. - 584 с.
10. Винокур В.М., Мыльников Л.А., Перминова Н.В. Подход к прогнозированию успешности инновационного проекта // Проблемы управления. - 2007. - № 4. - С. 56-59.
11. Винокур В.М., Трусов А.В.Интеллектуальная собственность как основа инновационной деятельности. Пермь : ПГТУ, 2004. 271 с.
12. Красовский Ю.Д. Организационное поведение. М.: ЮНИТИ-ДАНА, 2004.
13. Кулинич А.А. Компьютерные системы моделирования когнитивных карт: подходы и методы/Проблемы управления. 2010. №3. с. 2-16.
14. Мыльников Л.А. Винокур В.М. Концепция построения программных систем поддержки принятия решений, для управления высоковольтными разветвленными электрическими сетями//Материалы научно-практической конференции электротехнического факультета пермского государственного технического университета.-Пермь, 2000.-С.31-35.
15. Мыльников Л.А., Трусов А.В., Хорошев Н.И. Обзор концепций информационного управления инновационными проектами / Информационные ресурсы России. 2010. №3(115). С.34-39.
16. Мыльников Л.А., Трутттников Д.Н. Моделирование систем: практикум (учебное пособие по курсу «Моделирование систем»). Пермь : ПГТУ, 2006.42 с.
17. Попов В.Л. и др. Управление инновационными проектами. М. : Инфра-М, 2007. - 335 с.
18. Яковенко Е. Г., Басс М. И., Махров Н. В.Циклы жизни экономических процессов, объектов и систем. -М : Наука, 1991-192 с.
