Содержание к диссертации
Введение
Глава I. Стратегическое управление инновационным развитием предприятия .9
1.1. Портфель инноваций как средство реализации инновационной стратегии 9
1.2. Анализ научно-методического обеспечения процедур обоснования и принятия решений в инновационном менеджменте 22
Глава II. Методологические аспекты моделирования инновационной деятельности 44
2.1. Логические основы модельного представления портфеля инноваций 44
2.2. Нечеткая логика и теория возможностей как адекватные инструменты моделирования закономерностей инновационных процессов 63
2.3. Потенциал средств инженерии знаний в решении задач отбора инновационных проектов и формирования портфеля инноваций 69
Глава III. Экономике-математическая модель формирования оптимального инновационного портфеля 75
3.1. Формализованное описание портфеля инноваций 15
3.2. Процедура предварительного отбора инновационных портфелей 87
3.3. Описание экспертной системы 91
3.4. Алгоритм работы системы нечеткого вывода 102
Глава IV. Инструментальные средства реализации методики формирования инновационного портфеля 119
4.1. Структурная модель информационной системы 119
4.2. Идентификация объекта экспериментальных расчетов 126
4.3. Экспериментальные расчеты и их анализ 131
Заключение 145
Библиографический список 148
Приложение
- Анализ научно-методического обеспечения процедур обоснования и принятия решений в инновационном менеджменте
- Нечеткая логика и теория возможностей как адекватные инструменты моделирования закономерностей инновационных процессов
- Процедура предварительного отбора инновационных портфелей
- Идентификация объекта экспериментальных расчетов
Введение к работе
Актуальность темы исследования. Актуальность темы обусловлена возрастающей инновационной активностью российских предприятий, что вполне согласуется с современными общемировыми тенденциями. Усиление роли научных знаний как стратегического ресурса и возрастающее влияние технологических инноваций как ключевых факторов успеха привели к тому, что сегодня во всем мире экономический рост предприятий определяется той долей продукции и оборудования, которые содержат прогрессивные знания и современные решения. Сегодня инновации становятся важным ресурсом обеспечения устойчивого экономического роста и повышения благосостояния наций. Именно инновационная деятельность является адекватным инструментом развития и интеграции науки, техники и технологий с производством и предпринимательством.
В связи с вышесказанным принятие инновационных решений требует разработки теоретических основ их обоснования и практических подходов к их реализации. При этом речь идет не о какой-то отдельной инновации, а об организации на стратегической основе перманентной, непрерывной по характеру своего развития инновационной деятельности, в основе которой, как правило, лежит портфельный анализ. С помощью этого инструмента оценивается вся хозяйственно-инновационная деятельность предприятия с целью распределения ресурсов: вложения средств в наиболее прибыльные и перспективные направления развития и сокращения инвестиций в неэффективные инновационные проекты.
Представляя собой совокупность инновационных проектов, портфель инноваций имеет новые качества, отличные от качеств отдельных проектов, и выступает как единица управления при осуществлении инновационной деятельности. Инновационный портфель, созданный агрегированием отдельных проектов, имеет большую ценность, чем отдельные проекты; в то же время, управление портфелем именно как комплексом проектов, может потребовать гораздо больше усилий, чем управление отдельными проектами. И само формирование
портфеля инноваций с учетом наличия имеющейся информации и ее качества является весьма нетривиальной, трудно формализуемой задачей, а интуитивные методы ее решения остаются пока чуть ли не единственными. Однако профессионалы, действующие в инновационной сфере, остро ощущают потребность опираться на потенциал современной науки, а не действовать методом проб и ошибок.
К сожалению, приходится констатировать, что современное состояние научно-методического обеспечения оценки отдельных инновационных проектов и процедур формирования портфеля инноваций не вполне адекватно ситуации принятия инновационных решений. Действующие процедуры оценивают эту ситуацию как детерминированную или, по крайней мере, вероятностно определенную и предполагают наличие оценочного критерия (показателя эффективности), по которому оцениваются различные альтернативы. Самая существенная особенность инновации - неопределенность - учитывается, в лучшем случае, через вероятности получения результатов, а соответствующие формулы трансформируются введением параметров риска в их вероятностной интерпретации.
Вопреки сложившимся подходам, многие параметры, на основе которых оценивается результат, по своей природе являются нестатистическими, а представляют собой уникальные характеристики. В этом случае концепция измерения риска не может базироваться на классических вероятностных принципах, использующих возможности неограниченного повторения одних и тех же событий в одних и тех же или исходных условиях; изменяется сам инструментарий измерения, сужается область применения линейных показателей типа математического ожидания, расширяется область использования субъективных оценок.
Таким образом, инновационно-активные предприятия вынуждены искать нетрадиционные методы планирования и управления своей деятельностью. В подобной ситуации единственный выход заключается в привлечении, кроме статистических, других источников информации, и, в первую очередь, знаний
экспертов в соответствующей предметной области, учета всех существующих аспектов проблемной ситуации и рациональной интеграции как логического мышления и интуиции человека, так и математических методов и технических средств.
В последние годы получили развитие направления исследований, ориентированные в большей степени на работу не с количественной, а с качественной информацией, получаемой непосредственно от экспертов. Особый интерес представляет инженерия знаний, как направление информатики, целью которого является изучение процессов и методов, направленных на извлечение, структурирование и формализацию качественной информации и знаний. Актуальность данных исследований определяется стремительно разрастающимися масштабами внедрения методов инженерии знаний в различных областях деятельности. Их применение к инновационной сфере является логическим приложением теории искусственного интеллекта.
Цель и задача исследования. Целью диссертационного исследования является совершенствование современного аппарата формирования портфеля инноваций на основе методов вычислительного интеллекта и инженерии знаний.
Достижение поставленной цели потребовало постановки и решения комплекса научно-практических задач:
исследование общих закономерностей и специфики осуществления инновационной деятельности;
анализ инновационных стратегий предприятия и выявление факторов, влияющих на их формирование;
систематизация и обобщение основных положений и фактов, раскрывающих роль портфеля инноваций в стратегическом развитии предприятия;
обоснование применимости методов вычислительного интеллекта и инженерии знаний и разработка на их основе математической модели для решения задачи формирования оптимального инновационного портфеля;
разработка информационной системы, позволяющей автоматизировать анализ и выбор предпочтительного портфеля;
апробация информационной системы на примере деятельности ЗАО Комсомольского-на-Амуре авиационного производственного объединения.
Объектом исследования выступают инновационно-активные предприятия Российской Федерации.
Предметом исследования являются методы, модели и процедуры информационной поддержки процесса формирования инновационного портфеля.
Теоретико-методологическая основа и методы исследования. Теоретическую и методологическую основу исследования составили труды российских и зарубежных ученых-экономистов, результаты фундаментальных и прикладных исследований в области информатики и математики. Рассмотрением теоретических концепций и методологий инновационных стратегий предприятий занимаются Р.Н. Авербух, И.В. Анникова, В.М. Аньшин, Л.С. Бляхман, В.В. Глухов, А.П. Градов, А.Н. Кобышев, Э.А. Козловская, О.П, Коробейников, И.А. Коршунов, А.Г. Кругликов, Э.И.Крылов, Б.И. Кузин, М.В. Некрасова, Л.П. Никитина, А.А. Трифилова, В.В. Царев и др.
Особенностям и проблемам инновационного процесса в России посвящены исследования И. Дежиной, С. Л. Гаврилова, Г. С. Гамидова, Т. А. Исмаилова, А. Кулагина, Л. Леонтьева, К. Микульского, К. Нижегородцева и других авторов.
Развитием математического аппарата оценки и анализа инновационной деятельности занимаются И. Ансофф, П. Н. Завлин, Ю. В. Косачев, Г. Ю. Сил-кина, Д.В. Соколов, Б. Твисс, И. А. Терехов, О. А. Туаршева, С. К. Швец и др.
При построении и исследовании математической модели формирования портфеля инноваций был применен аппарат теории возможностей (Д. Дюбуа, А. Прад, Ю. П. Пытьев, Р. Ягер), нечеткой математики (А. В. Алексеев, А. Н. Борисов, Л. Заде, А. Кофман, В. В. Круглов) и экспертных систем (М. Кумбс, К. Нейлор, М. Г. І [антелеев, С. В. Родионов, Дж. Элти).
Информационную базу исследования составили данные официальной статистики Госкомитета РФ, научные доклады и тематические выпуски экономических научно-исследовательских институтов, материалы научно-практических конференций. При проведении практических расчетов использованы аналитические и отчетные материалы о деятельности предприятий Санкт-Петербурга и Комсомольска-на-Амуре.
Научная новизна исследования. Научную новизну диссертации определяют следующие ее результаты:
Построено многомерное формализованное описание отдельного инновационного проекта, учитывающее неопределенность этого проекта, которая математически выражается тем, что отдельные компоненты этого описания представлены нечеткими множествами. Разработанный подход развит при формализации портфеля инновационных проектов.
Введено понятие сбалансированного портфеля инноваций. Определены характеристики сбалансированного портфеля в составе устойчивости по возможности и устойчивости по ожидаемому эффекту.
Разработана экономико-математическая модель многоэтапного процесса, осуществляющего формирование начального множества альтернативных портфелей инноваций, первичный отбор на основе сочетаемости отдельных проектов, сбалансированности портфеля, структурного соответствия стратегии и ресурсного обеспечения, и итоговый выбор оптимального инновационного портфеля.
Создана экспертная система, воспроизводящая рассуждения человека-эксперта и позволяющая из множества альтернативных инновационных портфелей выбрать наиболее предпочтительный для предприятия.
Расширен существующий понятийный аппарат нечеткой математики введением понятий: нечеткого равенства альтернатив, приблизительного равенства нечетких множеств, модификатора «между»; предложен алгоритм нахождения нечеткого среднего; модифицировано определение нечеткого включения.
Практическая значимость полученных результатов. Практическая направленность исследования определяется тем, что разработанный в ней теоретический аппарат позволяет адекватно представить особенности инновационных процессов. Модели вполне идентифицируют отдельные инновационные проекты и их портфели, а экспертная система является инструментом для отбора оптимального инновационного портфеля и его возможных корректировок в процессе реализации.
Апробация результатов исследования. Основные результаты диссертации на различных этапах исследования представлялись в научных докладах и получили положительную оценку на международных, региональных научно-практических конференциях. Реализованная методика принята к тестированию и последующему использованию в работе научно-производственного отдела ЗАО Комсомольского-на-Амуре авиационного производственного объединения (КнААПО).
Публикации. По теме опубликовано 7 печатных работ, общим объемом 2 п. л.
Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, библиографического списка и 3 приложений. Работа содержит 147 страниц основного текста, 8 таблиц, 19 рисунков, включает список литературы из 160 наименований.
Анализ научно-методического обеспечения процедур обоснования и принятия решений в инновационном менеджменте
Проблема разработки и внедрения инноваций - комплексная проблема, охватывающая не только все стороны деятельности предприятия, но и оказывающая влияние на все общество. Большую актуальность, в связи с этим, приобретает необходимость управления данным процессом.
Часто понятие инновационной деятельности переплетается с реализацией инвестиционных проектов. Здесь необходимо определиться, что надо понимать под инновационным проектом, а что под инвестиционным, провести границу, найти сходства и различия. Наблюдаемая взаимосвязь инвестиций и инноваций является основой развития и успешного функционирования всего рынка: без инвестиций не возможна модернизация бизнеса, с другой стороны - планомерное получение прибыли и, соответственно, успешное функционирование нельзя реализовать без постоянных улучшений и каких-либо изменений. Во многих современных работах, посвященных инновациям, понятия инновационные и инвестиционные проекты не просто переплетаются, но и иногда взаимоподменяются. Распространенным случаем является использование для оценки инновационных проектов методов, разработанных для оценки инвесіиционньїх проектов.
Исследования показывают, что такой прямой перенос инвестиционного подхода на инновационный является не всегда адекватным, так как используемые при опенке инвестиций методы базируются, как правило, на определенных коммерческих показателях эффективности и не учитывают изменения внутрихозяйственных результатов функционирования предприятий при внедрении новых технологий или продуктов. Описывая данные методы, авторы умалчивают о том, как находить ряд значений необходимых для расчетов, таких как чистый доход или выручку от реализации, или текущие затраты для инновации, какие-либо статистические данные для которых отсутствуют. Таким образом, описывая «второстепенные» методы, авторы опускают описание методов нахождения главных показателей, характеризующих инновационный проект, которые необходимо использовать в моделях для расчетов. Проблема нахождения данных показателей является первостепенной для оценки и реализации инновационного проекта, так как они характеризуют особенности последнего, его отличия от инвестиционных проектов.
Р. Н. Авербух, критикуя перечисленные методы, отмечает, что инновационные проекты выходят «за рамки традиционных направлений бизнеса» и достаточно сложны в оценивании «с точки фения эффективности вложений, так как они связаны с неопределенностью» [I, с. 106]. В современной лшературе классификация неполноты информации и ее неопределенностей хорошо проработана. Наиболее полная классификация приведена в работах А. Н. Борисова и А. В. Алексеева [18]. В общем случае неполнота данных характеризуется двумя понятиями: неточность и неопределенность. Неточность относится к содержанию информации («значению»), а неопределенность - к ее истинности («уверенности»). В количественном отношении неопределенность подразумевает возможность отклонения результата от ожидаемого, или среднего, значения, как в меньшую, так и в большую сторону. В современной литературе катеїория неопределенности часто подменяется категорией риска. Основное различие между риском и неопределенностью заключается в том, известна ли количественная вероятность наступления определенных событий или нет. Надо заметить, что такой подход принят в иеокейсианской теории. Неоклассическая школа считает эти понятия тождественными.
Наиболее распространенным определением риска является возможность не получить желаемый результат или, иначе, возможность реализации неблагоприятного исхода развития ситуации. Как правило, количественно риск измеряется вероятностью наступления неблагоприятного исхода. Риск можно определить для инвестиционного проекта, основываясь на имеющейся статистики, для инноваций характерна неопределенность.
Таким образом, необходимо отметить, что понятия инновационный и инвестиционный проекты пересекаются, но не являются тождественными. Для реализации инновационного проекта действительно необходимо спланировать инвестиции, но они являются лишь следствием, а причиной является - инновация.
Деятельность предприятия по созданию и внедрению инноваций координируется с инновационным проектом, начиная с момента зарождения инноваций и заканчивая снятием товара с производства. Соответственно инновационный проект является продолжительным по времени и его реализация вызывает необходимое іь решать большое количество проблем и задач.
Оценка проектов - это нечто большее, чем простая процедура. Ее эффективное осуществление является важным элементом инновационного процесса. Данной проблематике посвящено большое количество работ, как в отечественной, так и в зарубежной литературе, описывающих как общие принципы, так и конкретные методы.
Нечеткая логика и теория возможностей как адекватные инструменты моделирования закономерностей инновационных процессов
Решение задачи формирования инновационного портфеля с использованием нечеткой логики и теории возможностей позволяет формализовать неточность и неопределенность и сформировать адекватную математическую модель-Нечеткое множество (fuzzy set) представляет собой совокупность пар: A = { juA(u)/u }, ueU, (2.1) где/іл: (/-»[0,1] - отображение множества U в единичный отрезок [0,1], называемое функцией (степенью) принадлежности нечеткого множества А. Мощь и интуитивная простота нечеткой логики как методологии разрешения проблем гарантирует ее успешное использование при принятии иннова 64 ционных решений. При этом происходит подключение человеческой интуиции и опыта эксперта. Для описания реальных явлений и событий используются нечеткие и лингвистические переменные. Нечеткая переменная характеризуется тройкой (X ,U, R(X ,и)), где X название переменной; U - универсальное множество; и - общее название (единое для всех элементов множества U) , R(X,u) - нечеткое подмножество множества U, представляющее собой нечеткое ограничение на значение переменных и, обусловленное X. Лингвистическая переменная характеризуется набором {x,T{x),U ,G,M), где х " название переменной; Т(х)- терм-множество переменной х, Т-С- множество названий лингвистических значений переменной х- причем каждое из таких значений является переменной х со значениями из V с базовой переменной и; G - синтаксическое правило (форма грамматики), порождающее название х значений переменной и; М - семантическое правило, которое ставит в соответствие каждой нечеткой переменной х ее смысл М(х), т.е. нечеткое подмножество М(х) универсального множества U. Конкретное название х- порожденное синтаксическим правилом G, называется термом. В зависимости от характера множества U (области определения) лингвистические переменные могут быть разделены на числовые и нечисловые.
Числовой называется лингвистическая переменная, у которой U с # , где R1 -(-сс,сс), и которая имеет измеримую базовую переменную. Нечеткие переменные, соответствующие значениям числовой лингвистической переменной называют нечеткими числами. Обычно используются два типа нечетких чисел: треугольные и трапециевидные. Трапециевидное нечеткое число записывается пятеркой: \m,m,a,fiji), где m и m - нижнее и верхнее значения нечеткого интервала; а и р -левый и правый коэффициеш нечеткости; h - высота нечет 65 кого интервала. Треугольное число является частным случаем трапециевидного числа, когда нижнее и верхнее значения нечеткого интервала равны (т т).
Эти методы используют аппарат теории вероятности для моделирования неопределенности, являющейся непременным атрибутом риска. К сожалению, последние оказались неэффективными при моделировании широкого класса процессов и явлений инновационной деятельности, в организации которых именно неопределенность и нечеткость играют решающую роль. Учитывая специфику инновационной сферы, особый интерес представляют методы нечеткой логики и теории возможностей, описывающих другую модель неопределенности. Если теория вероятностей построена на понятии случайности, то теория возможности на понятии нечеткости. Случайность и нечеткость различаются концептуально и теоретически, хотя и имеют много общего. Обе описывают неопределенность числами в интервале [0,1] и оперируют множествами согласно законам ассоциативности, коммутативности и дистрибутивности. Однако ключевое различие состоит в том, как пересекаются взаимоисключающие события. В классической теории вероятности их пересечение - это пустое множество, а в теории нечетких множеств - нет. В теории вероятности сумма вероятностей двух взаимно исключающих друг друга событий всегда равна единице, в то время как в теории возможностей она может быть и больше единицы. За счет отказа от этого ограничения мы приобретаем более широкие возможности для описания реальности и возникающей в ней неопределенности.
Случайность связана с вопросом: произойдет событие или нет, а нечеткость - со степенью, с которой это событие произойдет. Если говорить в общем об исследованиях и разработках инноваций, то они могут окончиться удачно, а могут и неудачно. В этом случае для оценки риска уместно использовать вероятность и оценивать ее через частоту успешного исхода для данного класса инноваций. Однако при выборе конкретного инновационного проекта, в который предприятие собирается вложить свои средства, оно пытается оценить степень ею возможной успешной реализации. Здесь более уместно применить нечеткий подход и охарактеризовать инновационный проект через степень успеха или неудачи и как следствие: возможности получения необходимой прибыли. В первом случае рассматривалась задача массовой оценки, и поэтому использовалась случайность. Во втором - конкретный проект и неопределенность, связанная с его нечетким будущим. Иногда говорят, что нечеткость - это тип детерминированной неопределенности, то есть неопределенности, связанной с конкретным объектом или ситуацией. Таким образом, если необходимо оценить риск, связанный с типовым явлением, то применяется вероятностный подход, а в случае оценки конкретного уникального объекта - нечеткий.
При использовании вероятностного подхода необходимо априори знать законы распределения вероятностей для факторов риска, либо восстановить их по рядам исторических данных. Последнее - весьма непростая статистическая процедура, невозможная в большинстве бизнес-ситуаций. Применение нечеткого подхода требует лишь задания типа функций принадлежности на каждом из факторов и несложной корректировки ее формы по некоторым опорным точкам: минимального, максимального, ожидаемого и т.п. Функцию принадлежностей в некоторых случаях можно интерпретировать как распределение возможностей. Распределение возможностей можно одновременно рассматривать как обобщение понятия множества и как «плотность» меры неопределенности. Эта двойственность допустима в теории возможностей, и, отражая противоречие между неопределенностью и неточностью, используется для единообразного представления неточной и неопределенной информации. В этом плане теория возможностей проводит четкое различие между степенью истинности и мерой неопределенности. Более подробно ознакомиться с теорией возможностей можно в работах [48, 109, 123]. Применение нечетко-множественного подхода предоставляет богатые возможности для комбинирования гибких критериев и для единого описания неточных неопределенных данных.
Процедура предварительного отбора инновационных портфелей
Для отбора «приемлемых» портфелей необходимо провести этап элиминирования, представляющий собой предварительное отсеивание алыернатив, позволяющий сузить пространство начальных альтернатив, подаваемых же 88 пертной системе, тем самым, сократив время ее работы. Данный этап включает три следующих анализа: анализ инновационной активности портфеля (ИАП-анализ); анализ сбалансированности структуры портфеля (ССП-анализ); оценка возможностей предприятия по реализации инновационных проектов (РИГТ-анализ). Анализ инновационной активности портфеля (ИАП-анализ)
Данный анализ позволяет определить соответствие структуры портфеля выбранной инновационной стратегии. Структура портфеля, определяемая вектором X, должна удовлетворять условию (2.1) соответствия выбранной стратегии.
Согласно теории возможности, неопределенность характеризуется двумя величинами: возможностью (II) и необходимостью (TV), образующими интервал доверия fn,/V].
Центр тяжести фигуры должен находится выше порогового значения к . Данное условие проверятся для всех частей і -го портфеля. Если оно не выполняется для какой-нибудь части, то і -ый портфель исключается из дальнейшего рассмотрения.
Решение задачи осуществляется исходя из предпосылки, что предприятие имеет возможность, при необходимости, привлечь требуемое количество ресурсов. Однако в ряде случаев может быть целесообразно произвести РИП-анализ на соответствие ресурсных возможностей предприятия альтернативным вариантам инновационных портфелей. Данный этап можно осуществить различными методами, например, методами сетевого анализа, для чего потребуется дополнительное исследование инновационных проектов с целью описания их в виде последовательности работ и указанием затрачиваемых ресурсов.
Итоговое множество включает в себя все возможные портфели, удовлетворяющие свойству «приемлемости».
Последним шагом является решение задачи выбора из полученного множества портфелей приоритетную альтернативу с учетом целей и желаний предприятия. Процесс выбора целесообразно осуществлять с помощью экспертной системы.
База знаний предназначена для хранения экспертных знаний (правил) о предметной области, используемых при решении задач экспертной системой.
База данных (рабочая память) предназначена для временного хранения фактов или гипотез, являющихся промежуточными решениями или результатом общения системы с внешней средой, в качестве которой обычно выступает человек, ведущий диалог с экспертной системой. Данные в рабочей памяти могут быть однородными или разделяться на уровни по типам данных. Выделение уровней усложняет структуру экспертной системы, но делает систему более эффективной. Например, можно выделить уровень планов, уровень агенды и уровень данных предметной области (уровень решений).
Интерпретатор (машина логического вывода) - механизм рассуждений, оперирующий знаниями и данными с целью получения новых данных из знаний и других данных, имеющихся в рабочей памяти (программа, моделирую 93 щая ход рассуждений эксперта на основании правил, имеющихся в базе знаний). Для этого обычно используется программно реализованный механизм дедуктивного логического вывода или механизм поиска решения в сети фреймов или семантической сети. Машина логического вывода может реализовывать рассуждения в виде: дедуктивного вывода (прямого, обратного, смешанного); нечеткого вывода; вероятностного вывода; унификации; поиска решения с разбиением на последовательность подзадач; и ДР Подсистема общения служит для ведения диалога с пользователем, в ходе которого экспертная система запрашивает у пользователя необходимые факты для процесса рассуждения, а также, дающая возможность пользователю в какой-то степени контролировать и корректировать ход рассуждений экспертной системы. Все знания, получаемые в ходе диалога с пользователем, организуются в тройку: атрибут-объект-значение. Подсистема объяснений необходима для того, чтобы дать возможность пользователю контролировать ход рассуждений и, может быть, учиться у экспертной системы. Если нет этой подсистемы, экспертная система выглядит для пользователя как «вещь в себе», решениям которой можно либо верить либо нет.
Подсистема приобретения знаний служит для корректировки и пополнения базы знаний. В простейшем случае это - интеллектуальный редактор базы знаний, в более сложных экспертных системах - средства для извлечения знаний из баз данных, неструктурированного текста, графической информации и т. д.
Работа экспертной сисіемьі разделяется на два режима: режим приобретения знаний и режим решения задачи (называемым также режимом капсуль 94
тации или режимом использования экспертной системы). В режиме приобретения знаний общение с экспертной системой осуществляет (через посредничество инженера по знаниям) эксперт. В этом режиме эксперт, используя компонент приобретения знаний, наполняет систему знаниями, которые позволяют экспертной системы в режиме решения самостоятельно (без эксперта) решать задачи из проблемной области.
В режиме решения (консультации) общение с экспертной системой осуществляет конечный пользователь, которого интересует результат и способ его получения. В режиме консультации данные о задаче пользователя после обработки их диалоговым компонентом поступают в рабочую память. Интерпретатор на основе входных данных из рабочей памяти, общих данных о проблемной области и правил из базы знаний формирует решение задачи. Экспертная система при решении задачи не только исполняет предписанную последовательность операций, но и предварительно формирует ее. Если реакция системы не понятна пользователю, то он может потребовать объяснения.
Идентификация объекта экспериментальных расчетов
Исследования применимости разработанного метода и информационной системы проводились на пяти предприятиях, относящих себя к инновационно-активными: ЗАО «Аудиторская компания «Эвентус»; ООО Технопарк Комсомольск-Амурск-Солнечный (000 Технопарк КАС); Инженерный центр Автоматизации ресурсно-сберегаемых технологий (Инженерный центр APT); 000 «Статус Технолоджи»; ЗАО Комсомольское-на-Амуре авиационное производственное объединение (КнААПО). ЗАО «Аудиторская компания «Эвентус» относиться к классу малых предприятий и занимается сферой нормирования. Заключив договор о проведении научных исследований в области выработки норм затрат для ГУП «Водоканал Санкт-Петербурга», предприятие обеспечило себя финансированием на ближайшие годы. На сегодняшний день в организации отсутствует планирование введения инноваций.
000 Технопарк КАС занимается коммерциализацией инновационных проектов, ориентированных в основном на энергосбережение. Организация является малым предприятием и в силу ограниченности своих ресурсов, также занимается одним инновационным проектом, не осуществляя планирование введения новых инноваций в ближайшем будущем.
Инженерный центр APT представляет собой малое предприятие, занимающееся инжинирингом в области насосных станций. На сегодняшний день он имеет три инновации, две из которых находятся на стадии опытно-копсірукторских разработок и одна на стадии внедрения. Инновационную стратегию инженерною центр APT можно отнести к стратегии «новагора-пос.чедоішеля».
Общество с ограниченной ответственностью «Статус Технолоджи» работает в сфере информационных технологий и консалтинга. Работая в такой динамично развивающейся сфере и следуя своей миссии «Современные технологии - во имя России!», предприятие находится в постоянном поиске инновационных идей и товаров для их коммерциализации и внедрения. Инновационную стратегию ООО «Статус Технолоджи» можно отнести к стратегии «новатора-последователя».
КнААПО является ведущим производственным предприятием Авиационной Холдинговой Компании «Сухой», крупнейший производитель самолетов марки «СУ». Предприятие выпускает истребители Су-27, Су-30, Су-33, Су-35, а также их модификации. Реализует гражданские авиационные программы RRJ, Су-80,Бе-103иСА-20П.
Предприятие старается не упустить лидирующих позиций на отечественном и мировом рынках. Однако в силу достаточно трудного финансового и ресурсного положения как своего, так и всей сферы самолетостроения в России КнААПО придерживается инновационной стратегии «новатора-последователя», что обеспечивается за счет планомерного внедрение инноваций в производство. Половину внедряемых инноваций предприятие старается разрабатывать собственными силами, на остальные покупает лицензии. Несмотря на большие усилия, прикладываемые предприятием к внедрению нововведений, инновации составляют только 10% от общего объема продукции.
Надо отметить, что из пяти рассмотренных предприятий только КнААПО занимается планированием внедрения инноваций, основываясь на бизнес-планах и экспертных заключениях научно-технического отдела. В связи с этим апробацию экспертной системы было принято осуществлять на Комсомольском-на-Амуре авиационном производственном объединении.
Объединение имеет мощную проишодсі венную многофункциональную струкіуру, позволяющую осущесівлять собственными силами почт весь про-ишодствепный цикл. В сіруктуре своею производства КнААПО имеет: штамповочно-заготовительное производство по изготовлению различных видов продукции; гальваническое производство и лакокрасочное покрытие; изготовление металлоконструкций; изготовление технологического, нестандартного и вспомогательного оборудования; лазерная резка; литейное производство; электроно-цифровое моделирование; механообрабатывающее производство; неметаллическое производство; пневмо-гидроаппаратура, запорные устройства высокого давления, бронешланги, сборка электрожгутов и коммутационной аппаратуры; сварочное производство; современные измерительные системы; термообрабатывающее производство; тросовое производство. Внедрение инноваций на предприятии обуславливается спецификой деятельности КнААПО. Основной продукт производства - самолет, является высоко сложным техническим устройством, требующим большой точности и минимальной погрешности при производстве. Брак грозит обернуться не просто техническими неполадками, а даже человеческими жертвами. Цель деятельности ОАО КнААПО - достигнуть и удержать лидирующие позиции в области производства авиационной техники и товаров на внутренних и внешних рынках, максимально удовлетворить требования и интересы потребителей, персонала, акционеров объединения и общества. В связи с поставленной целью были разработаны базисные принципы ОАО «КнААПО»: iipoiiiowpoisaib пожелания потребителя; обеспечивать качество разработки и изготовления продукции по заказам потребителей, гарантирующей рост доходов объединения в целом, его акционеров и каждого работника в отдельности; производить продукцию высокого технического уровня и качества, удовлетворяющую требованиям потребителя; обеспечивать поставки высококачественной продукции в установленные сроки, сопровождение продукции в процессе эксплуатации, поддержание летной годности авиационной техники, всех агрегатов и систем в эксплуатации на основе организации гарантийного обслуживания и послепродажного обеспечения эксплуатации до завершения использования; соблюдать добросовестность и надежность в партнерских отношениях. Для этого необходимо до 2008 года выполнить следующие задачи: обеспечить поддержание в рабочем состоянии СМК и подтвердить её соответствие требованиям ГОСТ Р ИСО 9001-2001, ISO 9001-2000, ГОСТ РВ 15.002; обеспечить изготовление продукции с заданными показателями эксплуатационной надежности и технологичности, ресурса, межремонтных сроков эксплуатации, возможности применения ее в любых климатических условиях, ремонтопригодности.
