Содержание к диссертации
Введение
Глава I. Теоретические подходы к исследованию управления инновационным развитием экономических систем 14
1.1. Исследование основ инновационного развития экономических систем 14
1.2. Роль управленческих инноваций в развитии больших циклов Н. Кондратьева экономического развития общества 33
1.3. Управленческие инновации как ключевой фактор формирования управленческих технологий и смены управленческих укладов 54
1.4. Роль УИ в увеличении темпов материализации новшеств и диффузионного распространения инноваций 75
Глава 2. Методологические основы управления инновационным развитием сложных экономических систем 85
2.1. Методологические принципы управления инновационным развитием 85
2.2. Инновационный процесс как объект управления 96
2.3. Создание национальной инновационной системы как основы перехода на инновационный путь развития 101
Глава 3. Разработка основ системы управления инновационным развитием сложных экономических систем 131
3.1. Отечественный и зарубежный опыт управления инновационным развитием 131
3.2. Разработка подхода к управлению инновационным развитием в многоуровневой экономической системе 159
3.3. Формирование основ системы управления инновационным развитием на основе поддерживающей и сопровождающей подсистем 204
Глава 4. Нейросетевое моделирование как основа электронной имитации деятельности организации 216
4.1. Принцип ограниченной рациональности и нейронное сетевое моделирование деятельности организации 216
4.2. Инновационный механизм модернизации управления организацией 224
4.3. Управление инновационным развитием организации на основе уравленческих инноваций и нейросетевого моделирования 229
Глава 5. Разработка методического обеспечения управления развитием экономической системы 233
5.1. Методические рекомендации по применению неиросетевого моделирования деятельности организации 235
5.2 Рекомендации по реализации управления инновационным развитием организации 240
5.3 Апробация предложенной методики 243
Заключение 282
Список литературы 286
Приложение 1 303
Приложение 2 306
Приложение 3 318
- Роль управленческих инноваций в развитии больших циклов Н. Кондратьева экономического развития общества
- Отечественный и зарубежный опыт управления инновационным развитием
- Принцип ограниченной рациональности и нейронное сетевое моделирование деятельности организации
- Методические рекомендации по применению неиросетевого моделирования деятельности организации
Роль управленческих инноваций в развитии больших циклов Н. Кондратьева экономического развития общества
Исследования автора данной работы позволило выявить, что в больших циклах Н.Кондратьева выход системы на устойчивые структуры-аттракторы обеспечивается развитием на этапе подъема наряду с техническими (технологическими) инновациями управленческих инноваций как ускорителей цикла обновления и необходимое условие реализации технических новшеств и, по сути, обеспечение инновационного развития.
Результаты проведенного автором исследования, представленные далее в таблице 1.2, свидетельствуют о том, что на ветвях подъема больших волн Н. Кондратьева наряду с развитием новых технологий формируются управленческие инновации, а на ветвях спада — технические (технологические) новшества.
Согласно синергетической теории сложные системы могут относительно долго существовать и развиваться, только подчиняясь закону циклов, проходя через кризисы, периодически опускаясь в хаос и выходя из него обновленными. Экономическая синергетика предполагает существование особого экономического синергетического пространства - это большие циклы Н.Кондратьева [67]. В его рамках рыночная макроэкономика развернута во времени: периоды (фазы) последовательно сменяются вместе с типами экономического роста - от интенсивного до диверсифицированного экстенсивного. Теория деловых циклов имеет огромное значение как для традиционной теории экономической динамики, так и для синергетической экономики. Традиционная теория имеет дело в основном с регулярным (периодическим) изменением переменных. В рамках этой теории невозможно удовлетворительно объяснить с помощью эндогенных механизмов нерегулярность динамики реальных экономических данных. Синергетическая экономика показала, что эндогенный хаос лежит в природе любой эволюционной экономической системы. Деловые циклы - это следствие нелинейного взаимодействия между различными экономическими и политическими факторами, они могут возникать не только в конкурентной, но и в плановой экономике.
Российский ученый Н.Д. Кондратьев одним из первых в 20-х гг. XX в. предложил периодизацию экономической жизни по длинным волнам, или большим циклам (50-60 лет) [68]. Он использовал материал эмпирических исследований экономического развития Англии, Франции, Германии и США (данные об изменении индексов товарных цен, курсов ценных бумаг, заработной платы в ряде отраслей, внешнеторговых оборотов добычи и потребления угля и производства чугуна и свинца).
Предметом нашего исследования являются длительные циклические колебания социально-экономической конъюнктуры, так как именно они связаны с инновационной активностью экономической жизни общества.
Как известно, И. Шумпетер [198] первым высказал мысль о том, что ветвь подъема волны развивается на начальном этапе под воздействием повышающейся предпринимательской активности в сочетании с инновациями. Подъем ведет к рыночному насыщению. Далее начинается падение. По мере стагнации экономики размеры предпринимательского дохода резко снижаются, что стимулирует появление инноваций или кластера инновации для «запуска» следующего цикла. Такова вкратце схема волновой цикличности экономического развития по И. Шумпетеру, предложившему четырехфазо-вую схему волнового развития, в которой за подъемом следует рецессия (спад), за ней депрессия и, наконец, оживление.
И. Шумпетер объясняет верхнюю поворотную точку цикла тем, что поток инноваторов спадает, когда предпринимательская прибыль исчезает (это связано со сменой монопольного положения группы предпринимателей на рынке свободной конкуренции). Несмотря на неоднозначность объяснения возникновения и затухания инновационной активности, И. Шумпетер стал родоначальником всех инновационных концепций будущих исследователей. Основные положения его теории:
1. Двигателем прогресса в форме циклического развития является не всякое инвестирование в производство, а лишь инновации.
2. Жизненный цикл развития инновации является «процессом созидательного разрушения».
3. Многочисленные жизненные циклы отдельных нововведений образуют сгустки или «кластеры».
4. Концепция подвижного, динамического развития экономики, связанного с разными видами инноваций.
Так, подъем первой волны Н. Кондратьева (1790-1800 гг.) был обусловлен появлением паровых машин, второй (1840-1857 гг.) - распространением железных дорог, третий (1890-1911 гг.) - совместным влиянием распространения электричества и автомобилей. Таким образом, И. Шумпетер считал, что технологические нововведения - первопричина наблюдаемых колебаний экономического роста. Проанализируем работы последователей И. Шумпетера с точки зрения выявления причин спада и развития инновационной активности и влияния этих процессов на циклические колебания экономического развития.
Значительный интерес представляет работа Г. Менша «Технологический пат», вышедшая в 1975 г. Технологическим патом Г. Менш назвал закономерную паузу в поступательном развитии экономики, причиной которой он считал отсутствие базисных нововведений. Каждый длинный цикл имеет S-образную или логистическую кривую, описывающую траекторию жизненного цикла данного технического способа производства. На завершающей стадии жизненного цикла прежнего технического базиса возникает новый момент слияния двух последовательных жизненных циклов, т. е. технологический пат, или структурный кризис. По мнению Г. Менша, в рыночной экономике акцент всегда делается на улучшающие инновации (из-за лимита инвестирования капитала и людских ресурсов). Если же экономическая ситуация становится критической и улучшающие инновации больше не служат стимулом подъема, наступает технологический пат и возникает необходимость введения базисных улучшений. Г. Менш выдвинул положение о том, что «депрессия служит спусковым крючком инновации».
По мере реализации возможностей, которые представляют базисные инновации, их эффективность наталкивается на пределы со стороны как спроса, так и предложения. Спрос на продукт уменьшается во времени в связи со снижением для покупателя его предельной полезности. Одновременно уменьшается и капиталоотдача. Этими процессами Г. Менш объясняет верхнюю поворотную точку волны.
Таким образом, мотивацией для нововведений по И. Шумпетеру и Г. Меншу служат психологические (предпринимательская активность, полезность продукта), а не экономические факторы.
В отличие от рассмотренных теорий в теории длинных волн СМ. Меньшикова и А.А. Клименко [93] базисной мотивацией служат прибыль и ее норма. Механизм длинных волн создает замкнутое кольцо: прибыльность - техника - органическое строение капитала - перенакопление капитала - норма прибыли. Перенакопление капитала и его неизбежное обесценивание - результат значительных инвестиций, вызванных технической революцией.
Отечественный и зарубежный опыт управления инновационным развитием
Успешно развивать теорию и практику управления экономическими системами можно только изучая и обобщая исторический опыт как советского времени, современный опыт России, так и зарубежный.
Рассмотрим сначала коротко отечественный опыт советского периода.
Проведенный анализ позволяет выделить на стадии становления управления общественным производством в нашей стране три этапа: этап утверждения административного централизма в управлении народным хозяйством; этап хозяйственной децентрализации административного управления на основе рыночных отношений; этап формирования управления на основе централизованных среднесрочных народнохозяйственных планов.
Подводя итоги развития этого периода истории нашей страны, следует отметить, что:
1) в основном поставленные цели и задачи решались успешно в связи с тем, что на каждом этапе разрабатывалась совокупность мероприятий, взаимно дополняющих друг друга и обеспечивающих формирование целостной системы управления;
2) при этом перестройка механизма управления происходила динамично и цели реализовывались полностью создаваемыми адекватными органами управления на каждом этапе;
3) в этот период развития управления экономикой смело использовались не имеющие аналогов в мире такие управленческие инновации, как высшие органы управления: ВСНХ, СТО и др., оптимальное сочетание территориально-отраслевого управления, новые формы производственного звена: тресты (аналог современных холдинговых форм), синдикаты как крупные формы по реализации произведенной продукции и снабжению предприятий необходимыми ресурсами.
В целом, динамику изменений системы управления на основе управленческих инноваций этого периода можно представить в следующем виде (табл. 3.1).
Современный этап экономического развития России (частично - СССР) условно можно считать с момента объявления перестройки народного хозяйства, связанной с возрастанием роли интенсивных факторов в развитии экономики.
Однако необходимость интенсивного пути развития экономики появилась еще в 70-е гг. прошлого века.
Экстенсивный путь развития экономики в 30 - 50-е гг. не только был полностью оправдан тем, что в деле прироста объема производства он давал более высокие результаты, чем интенсивный, но и был единственно возможным. В 70-е гг. ситуация начинает резко меняться. Существенно возрастает значимость интенсивного пути развития экономики, причем настолько, что он становится основным. Первой причиной, приведшей к отходу от экстенсивного пути развития народного хозяйства, явилось замедление темпов капитального строительства и ввода в действие новых мощностей, которое оборачивалось не только снижением эффективности капитальных вложений, но и существенным сокращением темпов экономического роста. Второй причиной стало сокращение отдачи от увеличения производственных мощностей. Отношение темпа роста валового общественного продукта к темпу роста производственных основных фондов всех отраслей народного хозяйства в девятой пятилетке равнялось 0,69, в десятой и одиннадцатой пятилетках - 0,52. Для промышленности аналогичное отношение было равно соответственно 0,85, 0,56 и 0,52. Данная тенденция вплотную подвела к тому состоянию, когда для увеличения объема производства на 1% необходимо было производственные основные фонды увеличивать на 2%. Естественно на первый план выдвинулась задача интенсификации процесса использования имеющихся производственных мощностей.
Большое значение в переводе экономики на интенсивный путь развития принадлежало организационно-экономическим факторам производства (концентрации, специализации, кооперированию, комбинированию, управлению и т.д.). Необходимы были экономические реформы, перестройка хозяйственного механизма. Ее суть - гармоничное сочетание преимуществ централизованного планирования с расширением самостоятельности и повышением ответственности производственных объединений и предприятий. Необходимо было подчинить производство удовлетворению общественных потребностей, нацелить управление на повышение эффективности и качества. Новые задачи социально-экономического развития не только изменили содержание уже имеющихся требований, но и выдвинули ряд новых требований. Наиболее значимыми из них являются следующие: 1) управление должно обеспечивать ускоренное обновление производственных фондов и производимой продукции; 2) управление должно ориентировать производителя на запросы потребителя; 3) управление должно интенсифицировать использование всех ресурсов производственной деятельности.
В условиях перестройки управление должно изменяться таким образом, чтобы оно, во-первых, соответствовало уровню современных задач, во-вторых, способствовало интенсивному прогрессу и, в-третьих, обеспечивало переход экономики из существующего состояния в состояние, отвечающее требованиям дальнейшего успешного развития общества. Как видно, изменение управления необходимо по двум причинам. Первая причина состоит в том, что существующее управление не может эффективно устранять возникающие проблемы и решать на должном уровне новые задачи. Второй причиной является то, что управление должно обеспечить перевод экономики в новое состояние. Это означает, в частности, что управление должно обеспечить собственную перестройку. То есть современное управление должно быть одновременно и управлением нового типа, и управлением перехода к нему.
Данная особенность присуща не только современному управлению, она характерна для всякого управления переходного времени.
Очень важно, чтобы при этом управление не только обеспечивало ускоренное развитие прогрессивных отраслей экономики, но и обеспечивало целенаправленное свертывание отживших производств, даже несмотря на наличие потребности в производимой ими продукции или же достаточно высокую рентабельность.
В-третьих, от управления требовалось, чтобы оно обеспечило создание материально-технических УСЛОВИЙ ДЛЯ развития новых прогрессивных отраслей экономики. В-четвертых, управление должно будет обеспечить необходимое обновление технологического парка станков и оборудования на всех предприятиях, которые продолжат функционирование после перехода экономики на качественно новый уровень. В условиях перехода управление должно обеспечивать обновление без ориентации на текущую экономическую эффективность, так как во многих случаях эта эффективность или отсутствует вообще или даже обновление может привести к временному падению эффективности. Еще в 60 - 70-е гг. от управления потребовалось, чтобы оно обеспечило ориентацию производства на потребителя. Это требование особенно становится необходимым в условиях перестройки. Реализация данного требования возможна только при замене существующей системы управления, сформированной для осуществления следующих функций: выработка централизованных заданий, распределение этих заданий между производителями, обеспечение исполнителей заданий ресурсами и осуществление контроля выполнения заданий. Как видно, для ориентации производителя на запросы потребителя необходимы кардинальные изменения в управлении. Сердцевиной этих изменений является смена исходной точки осуществления управления - на место плановых заданий по ПРОИЗВОДСТВУ определенной продукции, вырабатываемых централизованно, исходя из потребностей общества в целом, ПРИХОДЯТ потребности отдельных членов общества, различных организаций, предприятий, подсистем общества и общества в целом.
Принцип ограниченной рациональности и нейронное сетевое моделирование деятельности организации
В постнеклассической науке рассматриваются человекоразмерные саморазвивающиеся системы, поэтому требуются усилия из разных областей и дисциплин.
Так, принцип ограниченной рациональности, выдвинутый Гербертом Саймоном [236], используется во многих работах по искусственному интеллекту. Концепция ограниченной рациональности основана на 3-х предпосылках:
- экономические агенты ограничены в способностях определять цели и просчитывать долгосрочные последствия принимаемых ими решений,
- они пытаются реализовать свои цели и решить поставленные перед ними задачи не все сразу, а последовательно,
- они ставят перед собой цели определенного уровня, более низкого, чем максимально возможный для них. Индивидуумы в своем поведении руководствуются принципом удовлетворенности.
По сути, ограниченная рациональность - это целенаправленные действия хозяйствующих субъектов, когда принятие наиболее эффективных решений затруднено в связи с отсутствием времени или информации. При теоретико-познавательном описании ситуаций, относящихся к различным типам рациональности, требуется вводить каждый раз особую идеализацию познающего субъекта.
В данном исследовании используется неиросетевое моделирование как основа электронной имитации деятельности организации с целью обеспечения перехода на устойчивый режим инновационного развития путем модернизации управления организацией, а также исследования влияния модернизации управления организацией на экономические показатели его деятельности.
Искусственные нейронные сети (ИНС) [103,205] строятся по принципам организации и функционирования их биологических аналогов. Они способны решать широкий круг задач распознавания образов, идентификации, прогнозирования, оптимизации, управления сложными объектами. Термин «нейронные сети» сформировался к середине 50-х годов ХХвека. Основные результаты в этой области связаны с именами У. Маккалоха, Д. Хебба, Ф. Ро-зенблатта, М. Минского, Дж. Хопфилда. Многочисленные проблемы в математике, статистике, технике, науке, медицине и экономике могут рассматриваться как проблемы оптимизации. Задачей оптимизации является нахождение решения, которое удовлетворяет системе ограничений и максимизирует или минимизирует целевую функцию.
Искусственный нейрон имитирует в первом приближении свойства биологического нейрона. На вход искусственного нейрона поступает некоторое множество сигналов, каждый из которых является выходом другого нейрона. Каждый вход умножается на соответствующий вес, аналогичный си-наптической силе, и все произведения суммируются, определяя уровень активации нейрона. На рис. 4.1 представлена модель, реализующая эту идею.
Нейрон является составной частью нейронной сети, он состоит из элементов трех типов: умножителей (синапсов), сумматора и нелинейного преобразователя. Синапсы осуществляют связь между нейронами, умножают входной сигнал на число, характеризующее силу связи (вес синапса). Сумматор выполняет сложение сигналов, поступающих по синаптическим связям от других нейронов, и внешних входных сигналов. Нелинейный преобразователь реализует нелинейную функцию одного аргумента - выхода сумматора. Эта функция называется функцией активации или передаточной функцией нейрона. Нейрон в целом реализует скалярную функцию векторного аргумента. Математическая модель нейрона В общем случае входной сигнал, весовые коэффициенты и смещение могут принимать действительные значения, а во многих практических задачах - лишь некоторые фиксированные значения. Выход (у) определяется видом функции активации и может быть как действительным, так и целым.
Искусственная нейронная сеть может рассматриваться как направленный граф со взвешенными связями, в котором искусственные нейроны являются узлами. По архитектуре связей искусственные нейронные сети могут быть сгруппированы в два класса, представленные на рис. 4.2: сети прямого распространения, в которых графы не имеют петель, и рекуррентные сети, или сети с обратными связями.
В наиболее распространенном семействе сетей первого класса, называемых многослойным перцептроном, нейроны расположены слоями и имеют однонаправленные связи между слоями. На рис. 4.2 представлены типовые сети каждого класса. Сети прямого распространения являются статическими в том смысле, что на заданный вход они вырабатывают одну совокупность выходных значений, не зависящих от предыдущего состояния сети. Рекуррентные сети являются динамическими, так как в силу обратных связей в них модифицируются входы нейронов, что приводит к изменению состояния сети.
Многослойные сети не могут привести к увеличению вычислительной мощности по сравнению с однослойной сетью лишь в том случае, если акти-вационная функция между слоями не будет линейной. Вычисление выхода слоя заключается в умножении входного вектора на первую весовую матрицу с последующим умножением (если отсутствует нелинейная активационная функция) результирующего вектора на вторую весовую матрицу.
Методические рекомендации по применению неиросетевого моделирования деятельности организации
Классические методики малоэффективны в практической задаче моделирования деятельности организации. Это связано с тем, что невозможно достаточно полно описать реальность с помощью небольшого числа параметров модели, либо расчет модели требует слишком много времени и вычислительных ресурсов. В частности, рассмотрим проблемы, возникающие при решении задачи воздействия на устойчивость организации. В реальной задаче ни одна из функций не известна точно - известны лишь приблизительные или ожидаемые значения прибыли и затрат. Для того чтобы избавиться от неопределенности, мы вынуждены зафиксировать функции, теряя при этом в точности описания задачи. Детерминированный алгоритм для поиска оптимального решения (симплекс-метод) применим только в том случае, если все данные функции линейны. В поставленной задаче оценки эффективности комплексного использования инструментов управления это условие не выполняется. Хотя данные функции можно аппроксимировать линейными, решение в этом случае будет отличаться от оптимального. Если одна из функций нелинейна, то симплекс-метод неприменим, и остается два традиционных пути решения этой задачи.
Первый путь - использовать метод градиентного спуска для поиска максимума прибыли. В данном случае область определения функции прибыли имеет сложную форму, а сама функция - несколько локальных максимумов, поэтому градиентный метод может привести к неоптимальному решению. Второй путь - провести полный перебор вариантов различных после довательностеи использования инструментов управления. Если каждая из 10 функций задана в 100 точках, то придется проверить около 10 вариантов, что потребует не менее нескольких месяцев работы современного компьютера.
Отметим также, что статистические методы хорошо развиты только для одномерных случайных величин. Если же есть необходимость учитывать несколько взаимосвязанных факторов, то придется обратиться к построению многомерной статистической модели. Однако такие модели либо предполагают гауссовское распределение наблюдений (что не выполняется на практике), либо не обоснованы теоретически.
Существует ряд факторов, осложняющих определение и оценку лучшей модели оценки влияния комплексного использования инструментов управления:
сложность существующих моделей ограничена используемыми способами оценки. Поэтому эти способы выступают как ограничения, которые являются препятствием для аналитиков при выборе оптимальной модели. Выбор в пользу той или иной модели порой осуществляется исходя из вычислительной сложности алгоритма, а не точности модели;
стандартные методы оценки работают при условии нормального распределения совокупности исходных данных. Многочисленные исследования показывают, что финансовые коэффициенты, используемых в прогнозировании устойчивости, не распределены по гауссовому закону;
преобразования, применяемые к исходным данным отчетности, иногда не в состоянии отразить неочевидные взаимосвязи между переменными.
Таким образом, для решения поставленной задачи необходимо применять усовершенствованный математический аппарат, на роль которого более всего подходят искусственные нейронные сети.
Использование нейросетевой технологии уместно в случаях, когда формализация процесса решения трудна или вообще невозможна. Они являются очень мощным инструментом моделирования, поскольку нелинейны по своей природе.
Нейронная сеть применяется в первую очередь тогда, когда неизвестен точный вид связи между входом и выходом. Достаточно лишь точно знать, что связь между входными и выходными данными существует. При этом сама зависимость будет выведена в процессе обучения нейронной сети.
Подводя итог вышесказанному, можно отметить, что по сравнению с традиционными технологиями нейронные сети обладают следующими преимуществами:
универсальность: нейронные сети не зависят от свойств входных данных, для них не существует требования к определенному типу распределения требования к линейности целевых функций;
не существует проблемы размерности: они способны моделировать зависимости в случае большого числа переменных;
в отличие от статистических исследований не требуют большого объема данных;
ускоряют процесс нахождения зависимости за счет одновременной обработки данных всеми нейронами.
В рамках данной работы разработана конфигурация на базе известной модели нейронной сети для оценки устойчивости.
Для построения нейронной сети необходимо разработать ее топологию, определить механизм обучения и процедуру тестирования. Наиболее целесообразным как основы для моделирования применения инструментов управления в данном случае представляется выбор трехслойного персеп-трона и алгоритма обратного распространения в качестве обучающего (рис. 5.1).
Каждый элемент сети строит взвешенную сумму своих входов с поправкой в виде слагаемого и затем пропускает эту величину активации через передаточную функцию, и таким образом получается выходное значение этого элемента. Элементы организованы в послойную топологию с прямой передачей сигнала. Такую сеть легко можно интерпретировать как модель вход-выход, в которой веса и пороговые значения (смещения) являются свободными параметрами модели. Такая сеть может моделировать функцию практически любой степени сложности, причем число слоев и число элементов в каждом слое определяют сложность функции.
В качестве исходных данных нейронной модели необходимо смоделировать деятельность организации в течение как минимум одного года. Эти данные используются для обучения, тестирования модели, а также для основных расчетов.
Входными элементами модели являются также определенные группы инструментов управления, которые в зависимости от последовательности их использования оказывают влияние на другие инструменты и факторы, определяющие изменение выбранного параметра оптимизации.
Суммирующий блок, соответствующий телу биологического элемента, складывает взвешенные входы алгебраически, создавая выход, который мы будем называть NET. В векторных обозначениях это может быть компактно записано следующим образом: NET = XW.
Сигнал NET далее, как правило, преобразуется активационной функцией F и дает выходной нейронный сигнал OUT. Активационная функция может быть обычной линейной функцией:
OUT = K(NET), где К - постоянная, пороговой функции
OUT = 1, если NET Т, OUT = 0 в остальных случаях, где Т некоторая постоянная пороговая величина, или же является функцией, более точно моделирующей нелинейную передаточную характеристику биологического нейрона и представляющей нейронной сети большие возможности.
Похожие диссертации на Развитие экономических систем на основе управленческих инноваций
