Содержание к диссертации
Введение
Глава 1. Методы и компьютерные системы для оценки инновационных решении
1.1. Основные подходы и методы оценки инноваций
1.2. Обзор многокритериальных методов принятия решений
1.3. Компьютерные системы поддержки процессов принятия решений 27
Выводы по главе 1 31
Глава 2. Разработка информационной технологии для оценки инновационных решений 33
2.1. Разработка системы поддержки принятия решений по отбору аналогов патентов технических решений, с использованием семантических сетей.
2.2. Методика разработки семантической сети 47
2.3. Метод анализа иерархий
2.4. Алгоритм расчета рыночной цены инноваций 75
Выводы по главе 2
Глава 3. Разработка качественных моделей и использование разработанной информационной технологии по оценке инновационных решений
3.1. Оценка вероятного спроса на новые пневматические виброзащитные устройства с позиции разработчика 94
3.2. Определение рыночной цены пневматического виброзащитного устройства
Выводы по главе 3 97
Заключение 98
Библиографический список
- Обзор многокритериальных методов принятия решений
- Компьютерные системы поддержки процессов принятия решений
- Методика разработки семантической сети
- Определение рыночной цены пневматического виброзащитного устройства
Введение к работе
Актуальность работы. В настоящее время в мировых экономических отношениях все более часто присутствует факт купли-продажи инновационных решений или объектов интеллектуальной собственности. Анализ современного состояния в области определения цены на данный вид собственности позволяет сделать вывод о том, что эта проблема недостаточно проработана. Между тем использование в производстве продуктов инновационных решений (патентов) позволило бы достичь наиболее высоких показателей качества готовой продукции. В мировом опыте определение цены на патенты определяется достаточно условно или примерно. Важной задачей на современном этапе является совершенствование системы и методов оценки интеллектуальной собственности с целью ее последующей купли-продажи. Именно численная оценка инновационного решения позволит купить и использовать в производстве новое изобретение, улучшая характеристики уже используемых образцов готовой продукции. Несмотря на теоретическую и практическую важность проблемы, в России она исследована недостаточно.
Зачастую информация о потребителях и их требованиях является неточной, неполной и неколичественной. В таких случаях целесообразно использовать класс методов, позволяющий проводить качественный многокритериальный анализ рынка патентов. Наиболее предпочтительными для решения данной проблемы являются многокритериальные методы принятия решений.
Степень разработанности проблемы. Существенный вклад в развитие методологии оценки интеллектуальной собственности, интеллектуального капитала, нематериальных активов внесли такие зарубежные ученые, как Г.М. Ромари, Г.В. Смис, Р.Л. Парр, Р.С. Розгаитис и др. Среди отечественных ученых, внесших существенный вклад в данное научное направление, можно отметить работы А.Н. Козырева и С.А. Смирнова.
Созданием и внедрением в практику экономических исследований методов многокритериального принятия решений занимались такие известные за-
рубежные ученые, как Р. Беллман, Л. Заде, Р.Л. Кини, Дж. Фон Нейман, Э. Парето, Б. Руа, Т. Саати, А. Сало, П. Фишберн, Р. Хамалайнен.
Значительный вклад в исследование данной проблемы внесли такие российские ученые как А.В. Андрейчиков, О.Н. Андрейчикова, Л.С. Беляев, А.Н. Борисов, A.M. Дубров, Б.А. Лагоша, О.Н. Ларичев, Е.М. Мошкович, А.О. Недосекин, Б.Б. Оразбаева, В.П. Романов, Н.В. Семушкина, А.В. Смирнов, В.Н. Тисенко, Д.С. Фалькова, Н.Г. Ярушкина и др.
В то же время, проблема оценки инновационных решений на основе современных методов многокритериального принятия решений и систем поддержки принятия решений требует своего дальнейшего разрешения, особенно в плане широкого внедрения указанных новых подходов в отечественную практику.
Цель и задачи исследования. Целью диссертационного исследования является разработка информационной технологии, основанной на моделях многокритериального принятия решений для определения цены объектов интеллектуальной собственности в условиях неопределенности.
Для достижения поставленной цели необходимо решить следующие задачи:
- проанализировать существующие подходы, методы и компью
терные системы, используемые в настоящее время для оценки инновацион
ных решений и обосновать целесообразность использования при анализе ука
занной проблемы в условиях неполной, нечеткой, неколичественной
информации многокритериального метода анализа иерархий;
- разработать базу данных по патентам на технические решения;
разработать комплекс моделей на основе методов анализа иерар
хий и методику многокритериальной оценки: оценки спроса на объекты ин
теллектуальной собственности (патенты на технические решения) с позиции
разработчика; отбора аналогов из существующего в базе данных множества
патентов; определения цены на объекты инновационных решений;
- разработать на основе метода анализа иерархий систему под
держки принятия решений по отбору аналогов патентов технических реше
ний;
разработать информационную технологию определения цены на инновационные решения на основе критериев эффективности и реальной цены аналогов изделий, находящихся на рынке производственных товаров;
провести апробацию методики и моделей комплексной оценки инновационных решений на основе исходной информации для действующего предприятия Волгоградской области.
- разработать программную систему оценки компетентности груп
пы экспертов.
Объектом исследования являются инновационные решения, разрабатываемые и производимые на предприятиях.
Предметом исследования социально экономические процессы протекающие на рынке инновационных решений.
Методы исследований. В основу диссертационной работы положены основные научные положения и математический аппарат метода анализа иерархий; методы классифицирования основанные на теории «И-ИЛИ»-графов и семантических сетей; для разработки программного обеспечения использовались языки структурного и объектно-ориентированного программирования, методы проектирования информационных технологий.
Диссертационная работа выполнена в рамках п. 2.2 «Конструирование имитационных моделей как основы экспериментальных машинных комплексов и разработка моделей экспериментальной экономики для анализа деятельности сложных социально-экономических систем и определения эффективных направлений развития социально-экономической и финансовой сфер»; п.2.5 «Разработка концептуальных положений использования новых информационных и коммуникационных технологий с целью повышения эффективности управления в экономических системах» Паспорта специальностей ВАК (экономические науки) по специальности 08.00.13 - Математиче-
ские и инструментальные методы экономики (область исследования - инструментальные средства).
Основные положения диссертации, выносимые на защиту
Авторская модель определения спроса на товары промышленного назначения имеет универсальный характер, поскольку позволяет учитывать различные предпочтения потенциальных потребителей, такие как: надежность объекта инноваций с точки зрения безотказности работы, долговечности, сохраняемости, ремонтопригодности; его качество; компактность; потребность в новых материалах и технологиях при производстве и т.д. Разработанная модель может использоваться на предприятиях разрабатывающих и производящих товары промышленного назначения.
Предложена система поддержки принятия решений по отбору из максимально схожих между собой по технико-экономическим характеристикам, уже существующих на рынке, минимального числа объектов, аналогов оцениваемого объекта, на основе семантических сетей;
Алгоритм определения рыночной цены на инновационные решения относительно аналогов должен учитывать: во-первых, выявление сегментов рынка подобных товаров и оценку степени привлекательности каждого сегмента для продавца патента; во-вторых, процесс отбора ближайших аналогов, уже имеющих рыночную цену и очень близкие технико-экономические характеристики к объекту оценки; в третьих, построение иерархических качественных моделей, содержащих основные потребительские критерии эффективности изобретения и учитывающие затраты на его производство; в-четвертых, на основе вычислений векторов приоритетов объектов, использованных в построенной иерархии, иерархического синтеза приоритетов рассчитывается рыночная цена инновации;
Для удобства и своевременности определения цены, разработанных инновационных решений, необходимо создание информационной технологии включающей автоматизацию разработанного алгоритма.
Научная новизна работы:
Предложена модель определения спроса на товары промышленного назначения - пневматические виброзащитные устройства (ПВЗУ), позволяющая учитывать различные предпочтения потенциальных потребителей такие как: надежность объекта инноваций с точки зрения безотказности работы, долговечности, сохраняемости, ремонтопригодности; его качество; компактность; потребность в новых материалах и технологиях при производстве и т.д.;
Разработана система поддержки принятия решений по отбору аналогов патентов ПВЗУ, на основе семантических сетей, позволяющая осуществлять выбор минимального числа объектов максимально схожих с оцениваемым объектом по технико-экономическим характеристикам из существующего на рынке множества аналогичных конструкций, имеющих вполне конкретные ценовые характеристики;
Разработан и обоснован алгоритм определения рыночной цены на инновационные решения относительно аналогов, который включает четыре этапа: 1) выявление сегментов рынка подобных товаров и оценку степени привлекательности каждого сегмента для продавца патента; 2) процесс отбора ближайших аналогов, уже имеющих рыночную цену и очень близкие технико-экономические характеристики к объекту оценки; 3) построение иерархичесішх качественных моделей, содержащих основные потребительские критерии эффективности изобретения и учитывающие затраты на его производство; 4) на основе вычислений векторов приоритетов объектов, использованных в построенной иерархии, иерархического синтеза приоритетов расчет рыночной цены инновации.
Разработана информационная технология определения цены инноваций на ранних стадиях их создания, основанная на автоматизации всех этапов алгоритма оценки.
Теоретическая и практическая значимость работы Теоретическая значимость работы состоит в возможности использования на предприятиях при процедуре комплексной оценки объектов интеллектуальной собственности новых подходов на основе методов многокритери-
ального принятия решений (метода анализа иерархий). Разработанные методики, модели и алгоритмы способны повысить эффективность решений по определению рыночной цены инноваций.
Практическая значимость работы составляют:
инструментальное программное средство в виде информационной технологии, позволяющей решать задачи в области определения рыночной цены инноваций;
модель определения спроса на товары промышленного назначения -пневматические виброзащитные устройства (ПВЗУ) в условиях быстро меняющейся экономической ситуации, позволяющая учитывать различные предпочтения потенциальных потребителей такие как: надежность объекта инноваций с точки зрения безотказности работы, долговечности, сохраняемости, ремонтопригодности; его качество; компактность; потребность в новых материалах и технологиях при производстве и т.д.;.
Апробация результатов работы
По теме диссертации опубликовано 3 печатных работы, общим объемом 1,7 п.л. Исследование проводилось в рамках проекта РФФИ № - 04-07-96502 «Разработка системы, основанной на знаниях, для принятия стратегических социально - экономических, технологических и политических решений в условиях неопределенности», а также проекта РГНФ № 03-02-12009в «Интеллектуальная система многокритериального принятия решений в условиях неопределенности и риска».
Разработанные методики и модели комплексной оценки апробированы на действующих предприятиях Волгограда.
Структура и объем диссертации. Работа состоит из введения, трех глав, общих выводов по диссертации, библиографического списка литературы и приложений.
Обзор многокритериальных методов принятия решений
Существуют системы, ориентированные на решение задач безусловной оптимизации функций многих переменных и задач нелинейного программирования. Описание задачи производится в этой систем на определенном языке запроса.
СППР диалоговая оптимизация ориентирована на решение задач векторной оптимизации. В ней используется заданная аналитически векторная целевая функция предпочтения и шесть векторно - релаксационных алгоритмов поиска. Решение задачи в системе осуществляется в два этапа. На первом этапе выявляется множество Парето оптимальных вариантов. На втором этапе осуществляется анализ выявленного множества на основе качественной информации о критериях. При решении задачи пользователь указывает, какие из критериев необходимо улучшить, какие не должны изменяться, а какие не существенны. На основании проделанной процедуры формируется система ограничений на значения критериев и определяется новая область допустимых значений.
Недостатками этих систем является то, что они не позволяют решать задачи многокритериального принятия решений в условиях неопределенности. СППР DELTA предназначена для решения задач многокритериального выбора дискретных альтернатив при наличии нечетких ограничений и неопределенности исходов. Система основана на методах теории полезности. Она позволяет вводить нечеткие ограничения, строить интегральную функцию распределения субъективной вероятности и одномерные функции полезности. Результаты получаются на основании вычисления математического ожидания функции полезности. Однако в данном подходе не достаточно развиты методологические аспекты определения субъективной вероятности исходов.
Система MUFCAP позволяет осуществлять многокритериальный выбор из дискретного множества альтернатив, как при определенных условиях, так и в условиях риска и неопределенности. Она реализует принципы теории полезности. Система позволяет определить альтернативы и критерии, обозначить интервалы их возможных значений, построить одномерные критериальные функции полезности, выявить шкалирующие константы для построения многомерной функции полезности и вычислить математическое ожидание многомерной функции полезности. Аппроксимирование однокритериальных функций полезности возможно линейными, кусочно - линейными и экспоненциальными функциями.
Система ISPOT, реализованная в Японии, предназначена для решения задач многокритериального выбора в условиях определенности на аналитически заданном непрерывном множестве альтернатив. Поздние версии этой системы ориентированы на решение задач с нечетко поставленными целями. При этом множество альтернатив задается линейными равенствами и неравенствами.
В ее основу положен принцип последовательной косвенной оптимизации. Определение оптимального решения в системе происходит следующим образом. Определяется пространство недоминируемых альтернативных решений, а затем на нем отыскивается окончательное решение на основе системы предпочтений ЛПР. Система предпочтений задается с помощью оценки коэффициентов замещения. Для этой цели используются разные методы: метод парных сравнений; точечных оценок, нечетких лингвистических оценок. Приоритет альтернатив определяется на основе функций предпочтения, которые задаются аппроксимированной суммой экспоненциальных выражений, суммой логарифмических или же суммой степенных функций. Данная система позволяет работать с нечеткими оценками.
САППР ICOPSS/1 реализует все основные принципы и возможности системы MUFCAP. Кроме того, она позволяет задавать функции полезности и функции распределения оценок в табличной форме, а также обеспечивает проверку чувствительности полученного решения. Функции полезности, распределения и кривые безразличия отображаются в системе графически. Су щественным недостатком системы ICOPSS/1 является ограничение на количество альтернатив. Допускается рассмотрение не более трех альтернатив.
СППР ВЫБОР (ВЫделение Бинарных Оценок Решений) предназначена для решения задач многокритериального выбора дискретных альтернатив в условиях определенности. В основу системы заложен метод выделения недоминируемых альтернатив. При анализе альтернатив используются алгоритмы компенсации и свертки критериев. Альтернативы могут оцениваться количественно и качественно. Недостатками системы можно считать ограничение на количество одновременно анализируемых критериев и альтернатив: критериев не более 10, и альтернатив не более 20. В системе не используются методы для оценки согласованности экспертных оценок и проверки полученных результатов на чувствительность.
СППР SDMIS (simulation and decision making interactive system) предназначена для интерактивного решения задач многокритериальной оценки и выбора в условиях определенности. Система использует нечеткую исходную информацию, как для оценки дискретных альтернатив, так и для оценки критериальных предпочтений ЛПР. Кроме того система позволяет учитывать динамику предпочтений. Алгоритм работы с системой состоит из следующих действий: выявление, ввод важности критериев и анализ их независимости, параметризация модели выбора. Результат вычисляется на основе принципа максимизации оценочной функции, используются методы теории ценности и теории нечетких множеств. Система спроектирована открытой и поэтому позволяет использование новых методов. Недостатки системы - жесткое ограничение на количественные характеристики задачи и методологические требования к независимости критериев друг от друга.
СППР «Pilot» и «ОЦЕНКА И ВЫБОР» использует линейную свертку, парные сравнения, метод анализа иерархий, функции ценности Фишберна, двухуровневый доминантный анализ по Парето. Система позволяет проводить оценку согласованности мнений группы экспертов, оценку последовательности суждений каждого эксперта, вводить иерархию абсолютных или
Компьютерные системы поддержки процессов принятия решений
Нахождение множества классификационных признаков, характеризующих исследуемый класс технических систем осуществляется тремя способами.
Способ 1. Перебираются обобщенные функциональные подсистемы и сочетания, выявляются функционально-значимые отношения, из которых определяются классификационные признаки.
Способ 2. Сопоставляются отдельные функциональные подсистемы и их сочетания с заранее построенным множеством функционально-значимых отношений.
Способ 3. Исследуются взаимодействия обобщенных функциональных подсистем с частями информационной модели, описывающей окружающую среду.
Методика разработки семантической сети
Семантическая сеть - это инструмент, обеспечивающий способ эффективного индексирования технических систем, путем составления поисковых образов, отображающих основные функционально - структурные свойства технических объектов некоторым подмножеством признаков и их значений, а также позволяет формировать запросы на поиск требуемых решений в базе данных. Семантическая сеть должна:
1) обеспечивать возможность составления поисковых образов с достаточной степенью полноты так, чтобы исключить возможность потери экспертом, выполняющим эти процедуры, важных признаков, характеризующих технические системы;
2) исключать возможность формирования поисковых образов и запросов из противоречивых и несовместимых классификационных признаков и их значений, например, включать в один список признаки, характеризующие разные отряды, семейства, роды и т.д.; 3) снижать степень неоднозначности индексирования одинаковых тех нических систем разными специалистами; 4) минимизировать затраты времени на составление поисковых образов и запросов и упростить процедуру по их формированию.
Семантическая сеть основана на систематике класса технических объектов. Функциональная и структурная (конструктивная) классификации, образующие систематику в целом, представляют собой иерархические многоуровневые графы. Число иерархических уровней у функциональной классификации, как правило, невелико и колеблется от одного до трех, в то же время структурная классификация может иметь до десяти и более иерархических уровней.
Иерархическим уровням структурной классификации примерно сопоставлены таксономические категории, заимствованные из систематики живых организмов: отряд, семейство, род, вид, модификация: 1) отряд - технические объекты, относящиеся к рассматриваемому классу объектов и имеющие одинаковую технологию или одинаковый способ функционирования; 2) семейство - технические объекты, принадлежащие к одному отряду и имеющие в отличие от характеристики отряда одинаковую внутреннюю главную функцию; 3) род - технические объекты, принадлежащие к одному семейству и отличающиеся от последних наличием одного и того же материального носителя для реализации внутренней главной функции; 4) вид - технические объекты, принадлежащие к одному роду и имеющие одинаковую структуру элементов для выполнения внутренней главной функции; 5) модификация - технические объекты, принадлежащие к одному виду и имеющие одинаковые наименования параметров, для которых в каждой модификации имеются различные соотношения параметров. Совместный анализ функциональной и структурной классификаций позволил установить, что каждому конструктивному таксону (отряд, семейство, род, вид, модификация) соответствует вполне определенное множество функциональных признаков.
Варианты выбора признаков из систематики Первая схема (рис. 2.2.1. - а) характерна для случая, когда образ технической системы начинает формироваться с множества конструктивных (структурных) признаков, после чего следует переход на множество функциональных признаков или выход из систематики. По этой схеме предпочтительно формировать образы технических систем в тех случаях, когда индек сируются существующие решения или в техническом задании строго задана структура технической системы конкретизированная до уровня рода, вида или модификации.
Формирование образа классификационными признаками осуществляется в данном случае в направлении от верхних иерархических уровней структурной классификации к нижним с возможностью перехода с і-го структурного таксона на і-ое множество функциональных признаков, составленное по описанным ранее правилам.
Вторая схема (рис. 2.2.1. - б ) характерна для случая, когда образ технической системы начинает формироваться с множества функциональных признаков, после чего следует переход на множество конструктивных признаков или выход из систематики.
По этой схеме предпочтительно формировать запрос, определив либо первоначально только функциональные свойства искомого объекта, либо функциональные свойства, а затем структурные особенности искомого объекта. Такая постановка задачи характерна для тех случаев, когда пользователь не имеет ограничений на структуру, либо эти ограничения «размыты» и предполагают многоальтернативность структур. Отсутствие ограничений на структуру отражает ситуацию, в которой синтезируется новая система, не важно какой структуры, но с определенным набором функций. Это позволяет последовательно отыскать в индексированном множестве известные технические системы наиболее близкие по функциональным свойствам.
Формирование образа классификационными признаками осуществляется в данном случае в направлении от множеств функциональных признаков составленных по правилам к соответствующим множествам структурных признаков и далее вниз по иерархическим уровням.
Третья и четвертая схемы (рис. 2.2.1. - в, г ) в отличие от первой и второй имеют обратную связь. Эта обратная связь устанавливает поочередный выбор функциональных и конструктивных признаков по иерархии систематики сверху вниз. Такая схема выбора признаков позволяет постепенно на каж дом шаге уточнять образ технической системы функциональной и структурной компонентами, а поэтому наиболее приемлема для случая формирования запроса при «жестких» ограничениях на функциональный и структурный облик искомой технической системы или при индексировании сложных по функционально-структурному составу технических решений.
Логическая структура, изображенная на рисунке 2.2.2., обобщающая приведенные выше схемы, является базой для разработки стратегий формирования функционально-конструктивных образов технических систем.
Методика разработки семантической сети
Нахождение множества классификационных признаков, характеризующих исследуемый класс технических систем осуществляется тремя способами.
Способ 1. Перебираются обобщенные функциональные подсистемы и сочетания, выявляются функционально-значимые отношения, из которых определяются классификационные признаки.
Способ 2. Сопоставляются отдельные функциональные подсистемы и их сочетания с заранее построенным множеством функционально-значимых отношений.
Способ 3. Исследуются взаимодействия обобщенных функциональных подсистем с частями информационной модели, описывающей окружающую среду.
Методика разработки семантической сети
Семантическая сеть - это инструмент, обеспечивающий способ эффективного индексирования технических систем, путем составления поисковых образов, отображающих основные функционально - структурные свойства технических объектов некоторым подмножеством признаков и их значений, а также позволяет формировать запросы на поиск требуемых решений в базе данных. Семантическая сеть должна:
1) обеспечивать возможность составления поисковых образов с достаточной степенью полноты так, чтобы исключить возможность потери экспертом, выполняющим эти процедуры, важных признаков, характеризующих технические системы;
2) исключать возможность формирования поисковых образов и запросов из противоречивых и несовместимых классификационных признаков и их значений, например, включать в один список признаки, характеризующие разные отряды, семейства, роды и т.д.; 3) снижать степень неоднозначности индексирования одинаковых тех нических систем разными специалистами;
4) минимизировать затраты времени на составление поисковых образов и запросов и упростить процедуру по их формированию.
Семантическая сеть основана на систематике класса технических объектов. Функциональная и структурная (конструктивная) классификации, образующие систематику в целом, представляют собой иерархические многоуровневые графы. Число иерархических уровней у функциональной классификации, как правило, невелико и колеблется от одного до трех, в то же время структурная классификация может иметь до десяти и более иерархических уровней.
Иерархическим уровням структурной классификации примерно сопоставлены таксономические категории, заимствованные из систематики живых организмов: отряд, семейство, род, вид, модификация:
1) отряд - технические объекты, относящиеся к рассматриваемому классу объектов и имеющие одинаковую технологию или одинаковый способ функционирования;
2) семейство - технические объекты, принадлежащие к одному отряду и имеющие в отличие от характеристики отряда одинаковую внутреннюю главную функцию;
3) род - технические объекты, принадлежащие к одному семейству и отличающиеся от последних наличием одного и того же материального носителя для реализации внутренней главной функции;
4) вид - технические объекты, принадлежащие к одному роду и имеющие одинаковую структуру элементов для выполнения внутренней главной функции;
5) модификация - технические объекты, принадлежащие к одному виду и имеющие одинаковые наименования параметров, для которых в каждой модификации имеются различные соотношения параметров. Совместный анализ функциональной и структурной классификаций позволил установить, что каждому конструктивному таксону (отряд, семейство, род, вид, модификация) соответствует вполне определенное множество функциональных признаков.
Множество TS всех технических систем рассматриваемого класса отображается конструктивно-функциональными признаками следующим обра зом: [кои О f-Ko {Кси С f-Kc, [Кр а Р 1 f:Kp {Кви В 1 f:Ke, {Км и М f:K. o,} Ol,f:Ko2 = 02J:Kot = 0,,f:Ko„ C, f:TS Cx,f:Kc2 =} C2,f:Kc, = C,,f:Kc„ Puf:Kp2 = P2,f:Kp, = P„f:Kp, = P, Вп/:Кв2 = B2,f:Ke, = B,,f:Kes = Bs\ M\,f:K.M2 = M1,f:KJ\ii = Мп/:Кмг = Mr Здесь: Ко, Kc, Kp, Kb, Km - множества конструктивных признаков описывающих соответственно отряды (« О »), семейства (« С »), роды («Р»), виды (« В »), модификации («М») технических систем; Ко;, Kc;, Крі, Кв., Kmj - соответственно і-ое множество конструктивных признаков, характеризующее отряд, семейство, род, вид, модификацию; О, С, Р, В, М - множества функциональных признаков отображающих соответственно отряды (« О ») , семейства (« С »), роды («Р»), виды («В»), модификации («М») технических систем; О і, С і, Р ;, В і, М і - соответственно і-ое множество функциональных признаков, характеризующее отряд, семейство, род, вид, модификацию; n, т, 1, s, г - соответственно число отрядов, семейств, родов, видов, модификаций на соответствующем иерархическом уровне.
Множества функциональных признаков, соответствующие конструктивным признакам формируются по следующим правилам: . Варианты выбора признаков из систематики Первая схема (рис. 2.2.1. - а) характерна для случая, когда образ технической системы начинает формироваться с множества конструктивных (структурных) признаков, после чего следует переход на множество функциональных признаков или выход из систематики. По этой схеме предпочтительно формировать образы технических систем в тех случаях, когда индек сируются существующие решения или в техническом задании строго задана структура технической системы конкретизированная до уровня рода, вида или модификации.
Формирование образа классификационными признаками осуществляется в данном случае в направлении от верхних иерархических уровней структурной классификации к нижним с возможностью перехода с і-го структурного таксона на і-ое множество функциональных признаков, составленное по описанным ранее правилам.
Вторая схема (рис. 2.2.1. - б ) характерна для случая, когда образ технической системы начинает формироваться с множества функциональных признаков, после чего следует переход на множество конструктивных признаков или выход из систематики.
По этой схеме предпочтительно формировать запрос, определив либо первоначально только функциональные свойства искомого объекта, либо функциональные свойства, а затем структурные особенности искомого объекта. Такая постановка задачи характерна для тех случаев, когда пользователь не имеет ограничений на структуру, либо эти ограничения «размыты» и предполагают многоальтернативность структур. Отсутствие ограничений на структуру отражает ситуацию, в которой синтезируется новая система, не важно какой структуры, но с определенным набором функций. Это позволяет последовательно отыскать в индексированном множестве известные технические системы наиболее близкие по функциональным свойствам.
Формирование образа классификационными признаками осуществляется в данном случае в направлении от множеств функциональных признаков составленных по правилам к соответствующим множествам структурных признаков и далее вниз по иерархическим уровням.
Определение рыночной цены пневматического виброзащитного устройства
Учитывая то, что реальная цена оцененного нами объекта составляет 4000 рублей, можно считать полученную погрешность допустимой, поскольку процентное ее выражение не превышает 10%. Отклонение расчетных данных от фактических может объясняться случайными колебаниями цен на рынке, неполной согласованностью экспертных суждений или спецификой непараметрических методов анализа (при обработке количественных показателей с помощью рангов часть информации может быть потеряна).
Выводы по главе 3
1. Оценка инновационных решений всегда происходит в условиях, которые характеризуются значительной долей неопределенности, неполноты информации. Наличие большого числа критериев оценки затрудняет процесс определения цены. В связи с этим, методы анализа иерархий являются перспективными инструментами в области оценки.
2. Методы анализа иерархий позволяют провести совокупный анализ привлекательности сегментов и требований потребителей с учетом различных рыночных факторов. Данные методы анализа рыночной среды, могут быть существенно обобщены и применены для более широкого класса задач, а также для ряда смежных проблем.
3. С помощью комплекса методов анализа иерархий решены практические задачи определения рыночной цены на пневматические виброзащитные устройства. Заключение
Рынок инновационных решений является одним из самых динамичных рынков в условиях информационной экономики. Несовершенство российского законодательства в сфере обмена инновациями, отсутствие, до недавнего времени (2001г.), стандартов оценки интеллектуальной собственности, привели к формированию отношения ненужности объектов интеллектуальной собственности, оценки их как неэкономических объектов, неспособных влиять на эффективность экономической деятельности предприятий.
Анализ существующих подходов, методов и компьютерных систем для выявления спроса на инновации и определения их цены позволил: - выявить ряд недостатков существующих методов по оценке инноваций, не позволяющих в полной мере эффективно рассчитывать рыночную цену изобретения, в связи с этим предлагается использовать многокритериальные методы принятия решений - метод анализа иерархий, позволяющий работать с плохоформализуемой нечеткой, неполной, неколичественной исходной информацией, увеличивающий достоверность полученных результатов. - увеличить эффективность принимаемых в исследуемой области решений с использованием разработанного комплекса качественных моделей на основе метода анализа иерархий: оценки спроса на объекты интеллектуальной собственности (патенты на технические решения) с позиции разработчика; отбора аналогов из существующего в базе данных множества патентов; определения цены на объекты инновационных решений; - производить отбор аналогов оцениваемого объекта инноваций в исследуемой предметной области с помощью разработанной и сформированной базы данных по патентам на технические решения, которые существуют в настоящее время на рынке пневматических виброзащитных устройств. База данных основана на теории «И-ИЛИ»-графов и семантических сетей. - увеличить своевременность и качество определения цены на инновационные решения с использованием разработанной информационной техно логии, которая, в свою очередь, основана на критериях эффективности и реальной цене аналогов изделий, находящихся на рынке производственных товаров.
В результате проведенного исследования обобщим сильные и слабые стороны применения методов принятия решений в определении цены.
Слабые стороны: критичность к подбору аналогов (частично устраняется с помощью статистических методов или путем комбинирования затратного и рыночного подходов); влияние субъективных факторов при вынесении суждений экспертами о предпочтительности альтернатив (частично выявляется путем расчета индексов и отношении согласованности); возможное удвоение поправок в случае использования сильно коррелированных параметров объектов (выявляется с помощью специализированных пакетов статистического анализа); низкая эффективность (по сравнению с регрессионными методами) на развитых рынках, где информация по сделкам очень обширна и доступна.
Сильные стороны: возможность всеобъемлющего, наиболее полного учета параметров (каждый объект рассматривается как уникальный и неповторимый, что согласуется с действительностью); эффективную работу с неполной, нечеткой информацией; удобство представления и обработки качественных параметров с помощью порядковых шкал; относительная простота вычислений, способствующая эффективной реализации методик в виде компьютерных программ.
Таким образом, применение методов принятия решений наиболее эффективно в оценке объектов со следующими характеристиками: ограниченностью рыночной информации по сделкам купли - продажи, большая вариация цен и относительно низкая конкуренция среди риэлтерских компаний (обычно стимулирующая инвестиции в специальные средства анализа и оценки). Другой вариант - оценка нестандартных, редких объектов.
