CC BY
29
Литература
1. Блауг, М. Кондратьев Н.Д. // 100 великих экономистов до Кейнса = Great Economists before Keynes: An introduction to the lives & works of one handred great economists of the past. — СПб.: Экономикус, 2008. — С.148-151.— 352с.
2. Гринин, Л. Е., Коротаев, А. В. Глобальный кризис в ретроспективе. Краткая история подъемов и кризисов: от Ликурга до Алана Гринспена. — 2-е изд. — М.: Либроком, 2012.— 336с.
3. Кондратьевские волны: Аспекты и перспективы / Отв. ред. А. А. Акаев и др. — Волгоград: Учитель, 2012. — 383с.
4. Хмеленко, А.И к нам вернется Кондратьев... // «Компьютерра», № 49 от
18 декабря 2002 года. Познавательно о циклах и Кондратьеве.
— • —
УДК 338.242
МОДЕЛИРОВАНИЕ РЕЗУЛЬТАТОВ НИОКР ПРИ НЕОПРЕДЕЛЕННОСТИ В РЕСУРСАХ
Великанов В.В., к.э.н., доцент кафедры управления персоналом
Волгоградский государственный социально-педагогический университет
Аннотация. В данной статье описывается принципы планирования проведения НИОКР в условиях неопределенности в объемах доступных ресурсах. При этом рассматриваются преимущественно задачи, относящиеся к верхнему уровню иерархии, а именно, задачи определения плана - графика реализации основных этапов НИОКР и необходимых для этого объемов затрат. Наиболее эффективным и современным подходом к реализации такого обоснования является использование математических моделей. При этом существенно, что модели, применяемые для решения задач этого уровня, должны учитывать не только внутренние свойства предприятия, являться моделями его организационной системы, но и учитывать с доступной полнотой свойства внешней среды предприятия. Поскольку эта полнота весьма ограничена, ввиду неполноты информации о свойствах внешней среды предприятия, принципы планирования должны предусматривать возможность коррекции плановых предложений, пересчета их по уточненным данным.
Ключевые слова: объёмные детерминированные модели, планирование инновационной деятельности на предприятии, эффективность планирования, математическое моделирование, принципы планирования, неполнота информации, внешняя и внутренняя среда предприятия.
Resume. In given article the technique of planning of carrying out of research and development on the basis of the volume determined models is described. Basically the problems concerning top level of hierarchy, namely, problems of definition of the plan - a drawing of realization of the basic stages of research and development and volumes of expenses necessary for it are considered. The most effective and modern approach to realization of such substantiation is use of mathematical models. It is thus essential that the models applied to the decision of problems of this level, should consider not only internal properties of the enterprise are models of its organizational system, but also consider with accessible completeness of property of environment of the enterprise. As this completeness is rather limited, in view of incompleteness of the information on properties
of environment of the enterprise, the planning technique should provide possibility of correction of planned offers, their recalculation under the specified data.
Keywords: volume determined models, planning of innovative activity at the enterprise, efficiency of planning, mathematical modeling, a planning technique, incompleteness of the information, the external and internal environment of the enterprise.
Актуальность вопросов изучения инновационной деятельности в целом и НИОКР в частности в последнее время крайне высока. В выступлениях президента и правительства неоднократно подчеркивалось, что переход российской экономики с ресурсного на инновационный путь развития является одной из важнейших задач, решение которой тесно связано с ее конкурентоспособностью и стабильным долгосрочным развитием. Однако научное обеспечение данного перехода недостаточно как на макро, так и на микроуровне. Для обеспечения практической деятельности необходимо четкое понимание сущности инноваций, построение эффективных моделей, учитывающих основные особенности инновационных процессов, разработка инструментов оценки и управления инновациями.
Одна из важнейших проблем современного инновационного менеджмента связана с тем, что большинство имеющихся моделей имеют ярко выраженный детерминистский характер, в то время как инновационная деятельность в целом и НИОКР в частности связаны с рисковыми процессами, которые должны описываться и управляться стохастическими методами.
Классическая задача планирования НИОКР состоит в оптимизации целевой функции (в первую очередь накопленной дисконтированной стоимости) при ряде ограничений (на наличие ресурсов, время проведения исследований, использование фундаментальных разработок и так далее). Сама идея установления детерминированного решения в условиях, когда в ограничения входят случайные параметры, приводит к формальным трудностям.
Действительно, пусть заданы ограничения общего вида
g(x, ш) <0 (1)
где по-прежнему х — вектор управления, ш — вектор неопределенных параметров, и путьх* — какой-либо план. Тогда, вообще говоря, не гарантировано, что не найдется такая реализация ш, что условие не выполнится.
g(x*, ш) < 0, (2)
Невозможность, а иногда нецелесообразность требовать, чтобы выбираемый план НИОКР удовлетворял ограничениям при любых
реализациях случайных параметров наталкивает на идею наложения несколько менее жестких условий, а именно: вместо (1) требование выполнение ограничений с вероятностью, не ниже заданной:
P{g(x ,w) <0}>1-у (3)
или, что то же самое, ограничить вероятность невыполнения ограничений:
P{g(x , w) > 0} < у (4)
Такая вероятностная концепция гарантии осуществимости плана достаточно хорошо отвечает идее внесения риска в планирование, причем параметру численно выражает значение риска (естественно, что в практических расчетах недопустимы большие значения у ). Аналогичные модификации приходится осуществить и применительно к функции цели задачи оптимального планирования.
Если f(x , u>) — функция, выражающая эффективность плана при заданных хи w, то задачу определения детерминированного планах при случайных параметрах w естественно сформулировать в одном из следующих видов:
а)max [Mf(x ,w)/P{g(x , w) < 0} >1-у] (5)
б)тах K/P{f(x ,w) > Z g(x ,w) < 0} >1- y] (6)
Отметим прежде всего, что как (5), так и (6) представляют собой детерминированные проблемы математического программирования, отличающиеся от исходной, определенной лишь по смыслу, max {f(x ,w)/g(x ,w)) <0} только видом целевой функции и ограничений. Новые задачи включают уже не сами значении параметров w, которые при планировании неизвестны, а их вероятностные характеристики, параметры законов распределении.
Вариант б) в наибольшей степени соответствует исходной идее. Его можно трактовать, например, так: требуется поднять до предела «потолок» Z, ниже которого эффективность может опуститься только с малой вероятностью у . Тем самым характеристика риска распространяется и на оценку эффективности.
Вместе с тем вариант (а) также достаточно рационален — требуется максимизировать среднюю, ожидаемую эффективность проекта. Преимуществом его является то, что, он зачастую приводит к более простым в вычислительном смысле задачам.
Наряду с указанными вариантами фиксации уровня риска зачастую весьма полезными оказываются схемы, включающие штраф за нарушение ограничения в критерий эффективности планирования. При
этом предполагается, что штраф может назначаться либо за сам факт нарушения ограничений, либо в зависимости от величины, глубины нарушений.
Математически эти два варианта выражаются следующим образом:
в)тах [М^х, ш) - 10Р(е(х, ш) > 0}] (7)
где 10 — заданная величина штрафа за нарушение.
г)тах [М0(х ,ш) -Rш[g(x ,ш)]}] (8)
где Rш — «штрафная» функция, представимая в различной форме, но обладающая тем свойством, что
п / ч(=0, а < 0, г л
Rш(а) 1>о,а >0. (9)
Простейший вариант штрафной функции имеет вид:
п , Л 0, а < 0, , л
Rш(а) 1100, а> 0, (10)
где коэффициент 10 характеризует «цену» нарушения.
Рассмотрим подробнее частный, но важный для приложений случай, когда ограничения имеют вид
g(x) <ш,хеХ, (11)
где вектор ш может интерпретироваться как вектор неопределенного уровня располагаемых ресурсов.
Предположим дополнительно, что компоненты Ш1 вектора ш случайны и взаимно независимы, причем задана функция распределения Ш^фкаждош-й компоненты.
Заменим (11) детерминированным ограничением типа (4):
Р&(х) <ш}>1-у ,хеХ (12)
или, в силу покомпонентной независимости ш^
П Р(ё1(х) <ш!} >1-у, х е X (13)
Последнее условие можно выразить через функции распределения
П(1 - Ш4&(х)]) > 1 у, х е X (14)
Таким образом, детерминированный аналог вероятностных ограничений (11) сводится к одному более сложному по структуре ограничению.
Отметим, что из выпуклости области, определяемой (11) при любом фиксированном ш , вообще говоря, не следует выпуклость допустимой области, определенной в силу (14). Даже если выпуклость имеет место, задача оптимизации может оказаться в вычислительном отношении достаточно сложной. Для ее решения, по-видимому, наиболее эффективен метод штрафных коэффициентов или некоторые специализированные вычислительные процедуры, а также прямые методы стохастического программирования.
Практически целесообразен и несколько иной подход.
Потребуем вместо (12) выполнения ограничений
Р{&(х) <ш1}>1-у1 ,хеХ, (15)
где У\ — заданные числа.
Условия (15) преобразуются к виду
[в! (х)]) <Г1 , хбХ,
или
&(х) < Ш"1(у1 ),хеХ (16)
Таким образом, ограничения приобретают ту же структуру, что и ограничения (11) при детерминированном ш. В частности, если gi (х) линейны, X — многогранник, то и область, определяемая (16), является, как и в детерминированном варианте, многогранником, т. е. при линейной целевой функции задача оптимизации останется задачей линейного программирования. Недостатком постановки (15), (16) является отсутствие прямой логического обоснования выбора параметров . Однако если подчинить, например, выбору! условию
ПЕх(1 - п) = 1 - г (17)
где m — число неравенств (15), а у — допустимая вероятность нарушений всей системы ограничений, введенная в (4), то из выполнения (15) заведомо будет следовать выполнение (12). Иначе говоря, использование вместо одного условия (12) системы условий (15) с выбором у!, согласно (17), приводит к сужению допустимой области, но дает ее более простое описание.
Ввиду известного произвола и в выборе исходного «допуска» на выполнимость плана у подобное упрощение представляется разумным.
Проведенный анализ показывает, что при реалистической постановке задач планирования НИОКР недопустимо ориентироваться на средние значения ресурсов, получаемые, например, путем обработки статистических данных о выполнении ОКР в предшествующие периоды времени. Подобное планирование связано с недопустимо высоким риском невыполнения плана. Снижение риска (уменьшение «допуска» у ) всегда связано со снижением эффективности планирования, поскольку планирование должно ориентироваться на сниженные уровни располагаемых ресурсов.
Если дисперсии малы, то потерю плановой эффективности можно оценить с помощью приближенных формул параметрического программирования. Если задача оптимального планирования формулируется, как задача линейного программирования и если найдены оценки ресурсов Х^, то потери в плановой эффективности, вызванные неопределенностью, можно приближенно оценить величиной
I Х^^ (18)
где Х[ — параметр, зависящий от заданного уровня риска (см. (20),
(23)).
Используя (18), можно построить график зависимости плановых потерь проекта от «склонности к риску».
Для информационных технологий или близких к ним типов технологии, использующих непрерывно управляемые операции, особую роль играет повышение стабильности за счет создания систем автоматической стабилизации режима работы.
Использование методики учета потерь от нестабильности ресурсов, описанной выше, дает принципиальную возможность оценить экономически эффект внедрения систем автоматической стабилизации, а точнее — эффект совместного использования систем стабилизации и оптимального планирования, позволяющего предельно использовать достигаемую стабильность ресурсов.
В заключение отметим, что само описание допустимой области зачастую является вероятностным, поскольку ее границы определяются регрессионным анализом экспериментальных данных. Не останавливаясь на детальном рассмотрении этой проблемы, необходимо указать лишь то, что в соответствии с общей схемой и здесь флюктуирующие границы можно заменить нижними доверительными границами. Но даже для линейной регрессии доверительная граница оказывается квадратичной, что заведомо затрудняет вычисления.
Литература
1. Анализ методов исследования и прогнозирования инновационной активности на региональном уровне / А.Ф. Московцев, Р.А. Косенков, В.В. Великанов, А.Б. Симонов, В.Н. Цыганкова // Вопросы инновационной экономики. -2012. - № 2. - С. 15-29.
2. Бережная Е.В., Бережной В.И. Математические методы моделирования экономических систем. М.: Финансы и статистика, 2007. - 275 с.
3. Бондаренко Н.И. Долгосрочный прогноз и управление многоуровневыми социально-экономическими системами. Методология. Теория. Практика. Великий Новгород: 2006. - 189 с.
4. Великанов, В.В. Методика планирования НИОКР на основе объёмных детерминированных моделей / В.В. Великанов, А.А. Сидунов // Известия ВГПУ. Серия "Социально-экономические науки и искусство". - 2012. - № 3. - С. 107-110.
5. Венецкий И.Г., Венецкая В.И. Основные математико-статистические понятия и формулы в экономическом анализе. М.: Статистика, 2004. - 356 с.
6. Вентцель Е.С. Исследование операций. Задачи, принципы, методология. М.: Высшая школа, 2001. - 318 с.
7. Капица С.П., Курдюмов С.П., Малинецкий Г.Г. Синергетика и прогнозы будущего. М.: Наука, 1997. - 297 с.
— • —
УДК 378.014.54
ХАРАКТЕРИСТИКИ СТРАТЕГИЧЕСКОГО УПРАВЛЕНИЯ МАРКЕТИНГОМ В ВЫСШИХ УЧЕБНЫХ ЗАВЕДЕНИЯХ
Гомаюнова Т. М., студентка
Волгоградский государственный социально-педагогический университет
Аннотация. Экономическая ситуация, сложившаяся в России в результате развития рыночной экономики, характеризуется расширением рынка услуг за счет сужения доли материального производства, созданием новой системы взаимоотношений между субъектами рынка, пересмотром принципов и методов управления экономикой. Знания становятся одной из высших ценностей и источником конкурентных преимуществ. Разумеется, система образования нуждается в развитии и реформировании. Значимым при этом является разумное сочетание инноваций и традиций — лишь так можно обеспечить успешность трудоустройства и последующей деятельности главного продукта российского высшего учебного заведения— её выпускников.
Ключевые слова: экономика, трудоустройство, рынок, образование.
Abstract. The economic situation in Russia as a result of a market economy, characterized by the expansion of the services market by narrowing the share of material production, the creation of a new system of relations between subjects of the market, the revision of the principles and methods of economic management. Knowledge has become one of the highest values and source of competitive advantage. Of course, the education system is in need of development and reform. Important in this case is a reasonable combination of innovation and tradition - only way to ensure the success of employment
