CC BY
19
2. Синопсис // Готиковедение [Электронный ресурс]. - Электронные данные. -М., сор. 2008. - Режим доступа: http://gothicology.goths.ru/
List of references:
1. Sinyaeva I.M., Maslov V.M., Romanenkova O.N., Sinyaev V.V. Marketing PR and advertising. -Moscow: Unity-Dana, 2011.
2. Synopsis // Gotikovedenie [Electronic resource]. - Electronic data. - M., 2008. - Access: http://gothicology.goths.ru/
Р.П. Куксин
аспирант филиала ФГБОУ ВПО «Национальный исследовательский
университет «МЭИ» в г. Смоленске
О. В. Багузова
аспирант филиала ФГБОУ ВПО «Национальный исследовательский
университет «МЭИ» в г. Смоленске
ИНФОРМАЦИОННАЯ СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПО УПРАВЛЕНИЮ ИННОВАЦИОННОЙ ДЕЯТЕЛЬНОСТЬЮ МЕТАЛЛУРГИЧЕСКОГО ПРЕДПРИЯТИЯ
Аннотация. Рассмотрена роль металлургического комплекса РФ, описана необходимость разработки стратегических инструментов его инновационного развития, предложен математический аппарат для мониторинга инновационной деятельности, а также приведена архитектура информационной системы поддержки принятия управленческих решений по повышению эффективности инновационной деятельности.
Ключевые слова: металлургические предприятия, инновационная деятельность, растущие пирамидальные сети.
R.P. Kuksin, Smolensk Branch of the National Research University "MPEI"
O.V. Baguzova, Smolensk Branch of the National Research University "MPEI"
INFORMATION DECISION SUPPORT SYSTEM FOR THE INNOVATION MANAGEMENT OF
METALLURGICAL ENTERPRISE
Abstract. The role of the metallurgical complex of Russia is considered, the need to design the strategic instruments of innovative development is described, the mathematical apparatus for innovation activity monitoring is proposed, and the architecture of information system to support managerial decisions making for improve the innovation efficiency is given.
Keywords: metallurgical industry, innovation activity, growing pyramidal network.
Металлургия является системообразующей отраслью экономики России, которая обеспечивает нужды таких стратегически важных отраслей, как оборонная промышленность, машиностроение, строительство, а также формирует уровень загрузки производственных мощностей естественных монополий, являясь крупнейшим потребителем энергетических и материальных ресурсов. Так, в процессе металлургического производства используется 32% электроэнергии, 25% природного газа, 10% нефте-
продуктов от всероссийского потребления, при этом транспортировка металлопродукции занимает более 20% грузовых железнодорожных перевозок [1].
В настоящее время российская металлургическая отрасль обладает достаточной устойчивостью, большим инновационным и научным потенциалом, которые подкрепляются богатой ресурсной базой страны. Однако ее развитие ограничивается рядом факторов, а именно невысоким уровнем наукоемкости металлопродукции, устаревшими технологиями и изношенным оборудованием.
Таким образом, встает необходимость разработки инструментов инновационного развития отечественной металлургии, реализация которых будет способствовать импортозамещению, ресурсо- и энергосбережению, повышению качества и конкурентоспособности продукции, что, в свою очередь, позволит осуществить мощный рывок в развитии экономики.
В современных условиях реализация инновационных проектов, в особенности в металлургической отрасли, характеризующей высокой сложностью технологических процессов, является длительным, дорогостоящим и рискованным бизнес-процессом, требующим постоянного контроля с целью минимизации потерь, связанных с отклонениями от намеченного плана. Данный факт обуславливает целесообразность проведения диагностики исполнения каждого этапа с целью предварительного выявления причин, которые в дальнейшем могут привести к срывам сроков реализации проекта и увеличению инвестиционных затрат.
Для проведения диагностики состояния сложных объектов сегодня чаще всего используются методы семантических, нейронных и гибридных сетей. Однако они имеют существенный недостаток, который заключается в сложности их обучения, связанной с нехваткой статистических данных. Указанный недостаток позволяет устранить аппарат растущих пирамидальных сетей, но для этого требуется произвести модификацию алгоритмов, что обуславливается необходимостью получения единственного решения.
В рамках рассматриваемой предметной области растущая пирамидальная сеть (РПС) - это ациклический ориентированный граф, состоящий из рецепторов и концеп-торов. Рецепторы, определяющие входную информацию для построения сети, представляют собой вершины, в качестве которых выступают результаты оценки инновационного проекта с помощью системы показателей, представленной в таблице 1. Кон-цепторы соответствуют описаниям состояния реализации данного проекта. Построение сети осуществляется путем формирования ансамблей вершин, определяющих структурные взаимосвязи между элементами сети.
Для получения единственного решения была проведена модификация исходного аппарата РПС, предложенного В.П. Гладуном [2], путем следующих выполнения действий:
1) введения элементов математической статистики, используемых для определения силы связанности понятий и частоты их использования с целью расстановки приоритетов в ходе обучения пирамиды,
2) осуществления комплексирования промежуточных результатов в процессе распознания,
3) расчета дополнительных критериев диагностики, на основе поэтапного анализа которых принимается решение о соответствии состояния проекта намеченному плану, что позволяет существенно снизить трудозатраты.
Таблица 1 - Система показателей мониторинга инновационного проекта
Этап инновационного проекта Показатели
Маркетинговые исследования рынка Оценка инновационного потенциала предприятия. Суммарный объем капитальных вложений. Дисконтированный срок окупаемости инвестиций. Чистый дисконтированный доход. Индекс доходности инвестиций. Внутренняя ставка доходности инвестиций.
Научно- исследовательские работы (НИР) Оценка составляющих инновационного потенциала. Длительность процесса разработки. Объем капитальных вложений на НИР. Срок реализации проекта. Внутренняя ставка доходности инвестиций. Общая вероятность успеха инновационного проекта.
Опытно-конструкторские работы (ОКР) Оценка составляющих инновационного потенциала. Длительность процесса проектирования. Объем капитальных вложений на ОКР. Срок реализации проекта. Внутренняя ставка доходности инвестиций. Общая вероятность успеха инновационного проекта.
Выпуск установочной серии и технологические испытания Дисконтированный срок окупаемости инвестиций. Длительность процесса подготовки производства. Длительность производственного цикла. Дисконтированный срок окупаемости инвестиций. Внутренняя ставка доходности инвестиций. Срок реализации проекта.
Промышленный выпуск Операционные затраты. Рентабельность продаж. Точка безубыточности. Точка платежеспособности. Объем экспорта научно-технической продукции. Дисконтированный срок окупаемости инвестиций. Чистый дисконтированный доход.
Предложенный для проведения мониторинга реализации инновационного проекта математический аппарат был реализован в информационной системе, которая построена на основе гипертекстовой архитектуры, что позволяет организовать удаленный доступ. Данная возможность значительно снижает предъявляемые к системе программно-аппаратные требования и позволяет пользователю работать в удобном для него браузере. Кроме того, этот вариант организации приложения повышает информационную безопасность, поскольку данные хранятся на удаленном сервере, а для доступа к ним необходимо пройти двухуровневую проверку.
Разработанная информационная система поддержки принятия решений реализована в постреляционной СУБД Caché 5.2, осуществляющей обработку больших объемов слабоструктурированной информации с высокой скоростью. Инструментальные средства СУБД позволяют создавать CSP-приложений, характеризующиеся высокой производительностью за счет их выполнения в непосредственной близости от хранилища данных, а поддержка стандарта XML обеспечивает обмен данными между различными платформами. Для объяснения результатов диагностики системой выводится графическое изображение фрагмента РПС, программа для построения которого реализована в мультимедий-
ной среде Adobe Flash CS3, предназначенной для создания векторной анимации и интерактивных приложений, а также для интеграции видеороликов в Web-страницы.
На рисунке 1 показана структура информационной системы поддержки принятия решений с помощью диаграммы компонентов, используемой в методологии UML.
Рисунок 1 - Общая диаграмма компонентов (методология UML)
Как представляется, применение разработанной информационной системы поддержки принятия решений обеспечит повышение эффективности инновационной деятельности за счет своевременной разработки и реализации комплекса управленческих мер, выработанных на основании детального анализа отклонений результатов исследования состояния инновационного проекта от запланированных.
Список литературы:
1. Стратегия развития металлургической промышленности на период до 2015 года // Министерство промышленности и торговли РФ [Электронный ресурс]. - Электронные данные. - М., сор. 2004-2009. - Режим доступа: http://www.minprom.gov.rU/activity/metal/strateg/2
2. Гладун, В.П. Растущие пирамидальные сети // Новости искусственного интеллекта. - 2004. - №1. - C. 30-40.
List of references:
1. The development of strategy of the metallurgical industry for the period up to 2015 // Ministry of Industry and Trade [Electronic resource]. - Electronic data. - M., 2004-2009. - Access: http://www.minprom.gov.rU/activity/metal/strateg/2
2. Gladun, V.P. Growing pyramidal networks // News of Artificial Intelligence. - 2004. - № 1. - P.
30-40.
