Содержание к диссертации
Введение
1 Общий анализ проблем управления инновационной деятельностью машиностроительных предприятий ВПК 9 стр.
1.1 Роль, значение и проблемы осуществления инновационной деятельности предприятиями ВПК 9 стр.
1.2 Источники и формы финансирования инновационной деятельности предприятий 18 стр.
1.3 Особенности финансирования инновационной деятельности на машиностроительных предприятиях ВПК 27 стр.
2 Система формальных моделей управления финансированием инновационной деятельности 34 стр.
2.1 Анализ традиционных подходов к моделированию процессов принятия решений при планировании и управлении инновационной деятельностью 34 стр.
2.2 Стратегии финансирования инновационных программ, обеспечивающие сохранение требуемого уровня ликвидности 50 стр.
2.3 Построение системы моделей реализации стратегий финансирования инновационных программ 53 стр.
3 Построение, исследование и апробация оптимизационных алгоритмов решения системы моделей 63 стр.
3.1 Выбор методов оптимизации 63 стр.
3.2 Алгоритмы метода изменяющихся вероятностей 65 стр.
3.3 Генетические алгоритмы 70 стр.
3.4 Обобщение генетических алгоритмов и алгоритмов схемы МИВЕР 77 стр.
3.4.1 Связь генетических алгоритмов и алгоритмов схемы МИВЕР 77 стр.
3.4.2 Алгоритм с условными вероятностями 80 стр.
3.5 Реализация и апробация алгоритмов 84 стр.
Основные результаты и выводы 94 стр.
Список использованных источников 96 стр.
Приложение 104 стр.
- Роль, значение и проблемы осуществления инновационной деятельности предприятиями ВПК
- Анализ традиционных подходов к моделированию процессов принятия решений при планировании и управлении инновационной деятельностью
- Построение системы моделей реализации стратегий финансирования инновационных программ
- Алгоритмы метода изменяющихся вероятностей
Введение к работе
Актуальность работы. Подъем и развитие машиностроительных предприятий военно-промышленного комплекса (ВПК), повышение конкурентоспособности их продукции в современных экономических условиях невозможны без реализации инновационных процессов, совершенствования управления инновационной деятельностью. Реализация инновационных процессов является важнейшей составляющей программы конверсии, обеспечивающей гибкое реагирование на изменения рыночных потребностей. Основой совершенствования управления инновационной деятельностью предприятий является эффективное планирование финансирования инновационных процессов, что определяет успешность реализации инновационной программы и устойчивое финансово-экономическое положение предприятия.
В период существования в нашей стране административной системы управления экономикой основная часть ресурсов для реализации инновационных программ предприятий поступала из государственных фондов. Управление инновационной деятельностью сводилось к соблюдению директивно установленных нормативов и достижению запланированных показателей проектов. В рыночных условиях управление инновационной деятельностью в значительной степени зависит от эффективности использования предприятием возможностей рыночной среды и четкой системы планирования ресурсов предприятия, прежде всего — финансовых, при реализации инновационных проектов, что, в свою очередь, требует анализа возможностей получения финансирования, условий и способов его реализации в условиях конверсии.
Учет специфики финансирования инновационной деятельности машиностроительных предприятий ВПК в условиях конверсии приводит к необходимости адаптации и совершенствования существующих способов финансирования.
В частности, кроме традиционно рассматриваемых при планировании инновационной деятельности критериев доходности и риска становится особенно значимым критерий сохранения требуемого уровня ликвидности. Учет нового критерия при автоматизации процессов принятия решений по финансированию инновационной деятельности требует построения новой системы формальных моделей и определения методов их решения, что и определяет актуальность проводимого исследования.
Цель работы - повышение эффективности и обоснованности управленческих решений по инновационной деятельностью предприятий ВПК.
Для достижения указанной цели в работе решались следующие задачи.
1. Определение особенностей, источников и форм финансирования
инновационной деятельности предприятий ВПК, основных требований к
стратегиям финансирования.
2. Анализ моделей принятия решений при планировании и управлении
инновационной деятельностью.
3. Формирование стратегий финансирования инновационной
деятельности по критериям доходности, риска не возврата и уровня
ликвидности, построение системы формальных моделей реализации
стратегий.
4. Анализ полученных оптимизационных моделей и определение
методов их решения. Реализация системы моделей и методов их решения,
оценка сравнительной эффективности методов, апробация формального
аппарата поддержки принятия решений на реальных данных ФГУП ЦКБ
«Геофизика».
Методы исследования. При выполнении работы использовались методы системного анализа, оптимизации, формального моделирования, методология структурного анализа, методы теории вероятностей.
Научная новизна. Научная новизна результатов, полученных в диссертации, состоит в следующем.
1. Предложен, обоснован и формализован новый интегральный
критерий оценки эффективности управления инновационной деятельностью,
учитывающий показатель ликвидности.
2. Предложены и обоснованы стратегии финансирования
инновационной деятельности, отражающие различные методики оценки
риска, проведена формализация указанных стратегий в виде системы
моделей условной псевдобулевой оптимизации с алгоритмически
задаваемыми ограничениями и вспомогательных алгоритмов формирования
моделей.
Предложена модификация алгоритма случайного поиска с адаптацией для случая условной псевдобулевой оптимизации, позволяющая в процессе поиска использовать апостериорную информацию, получаемую как по точкам допустимой области, так и по точкам, не принадлежащим допустимой области.
Для задачи условной псевдобулевой оптимизации построен алгоритм схемы МИВЕР эмулирующий работу генетического алгоритма с ранговой селекцией.
Построен новый алгоритм схемы МИВЕР с условными вероятностями, в котором адаптация осуществляется как по каждой компоненте, так и по группам компонент.
6. Проведено исследование сравнительной эффективности алгоритмов
схемы МИВЕР и генетических алгоритмов на построенной системе моделей,
определены области их эффективного применения.
Практическая ценность.
Разработанное в диссертации модельное и алгоритмическое обеспечение по решению задач управления инновационной деятельностью представляет собой инструмент синтеза эффективных управленческих решений для ЛПР при решении задач финансирования инновационной деятельности машиностроительных предприятий ВПК.
Данные модели и алгоритмы могут быть использованы в общей системе управления предприятием в контексте синтеза эффективного управленческого воздействия как элемент системы поддержки принятия решений.
Реализация результатов работы. Разработанное автором диссертации модельное и алгоритмическое обеспечение по решению задач управления инновационной деятельностью было реализовано в виде программного приложения, которое прошло апробацию на ФГУП ЦКБ "Геофизика" при решении задач оптимизации графика финансирования инновационной программы предприятия.
Данное программное приложение внедрено в качестве инструмента в планово-экономическом отделе ФГУП ЦКБ "Геофизика" при разработке тактических и стратегических календарных планов финансирования инновационной деятельности.
Результаты диссертационного исследования используются на кафедре "Системного анализа и исследования операций" СибГАУ в курсах "Управление сложными системами", "Автоматизированные системы управления", "Прикладной системный анализ".
Основные тезисы, выносимые на защиту.
1. Предложенные стратегии согласования временной структуры
активов-пассивов предприятия обеспечивают поддержание требуемого
уровня ликвидности для различных методик минимизации риска.
Реализация предложенных стратегий при критериях максимизации доходности и минимизации риска инновационной программы может быть формализована в виде задач условной псевдобулевой оптимизации с алгоритмически задаваемыми ограничениями.
На рассматриваемой системе моделей алгоритм СПА с адаптивным учетом ограничений превосходит по эффективности базовый алгоритм СПА
и, как правило, позволяет получать лучшее решение по значению целевого функционала, чем алгоритм СПВ, но при размерности выше 40 уступает последнему по числу вычислений.
4. Сравнительный анализ схем и этапов работы генетических алгоритмов и алгоритмов МИВЕРа позволяет построить алгоритм СПА, с помощью вектора вероятностей эмулирующего работу генетического алгоритма, а на его основе алгоритм СПА с условными вероятностями, превосходящий по эффективности классические генетические алгоритмы
Структура и объем работы. Диссертация состоит из введения, трех глав, заключения, списка используемой литературы (95 наименований) и приложение. Содержание работы изложено на 107 страницах основного текста, проиллюстрировано 8 рисунками и 6 таблицами. В приложении представлены материалы, свидетельствующие о практической реализации результатов исследований и разработок автора.
Роль, значение и проблемы осуществления инновационной деятельности предприятиями ВПК
Рассмотрим некоторые особенности машиностроительного производства ВПК в условиях конверсии, оказывающих влияние на инновационный процесс.
Одной из таких особенностей является специфический тип инновационных процессов. Как известно, наименее ресурсоемкими являются организационные инновационные процессы, направленные на совершенствование (изменение) организационной структуры, сущность которых заключается преимущественно в изменении административных (управленческих) связей на предприятии. Срок реализации подобных инновационных процессов зависит от размеров предприятия и по данным экспертов составляет от 1,5 до 5 месяцев. Наиболее сложными и рискованными с точки зрения эффективного внедрения являются продуктовые и технологические инновационные процессы, которые, чаще всего ресурсо- и наукоемкие, требуют привлечения значительного объема инвестиций и могут быть успешно осуществлены предприятиями с высоким научно-производственным потенциалом. Срок реализации продуктовых инновационных процессов существенно зависит от требуемой глубины перестройки существующего технологического процесса и, по данным западных маркетологов, изменяется от полугода до шести лет. Особенностью инновационного процесса машиностроительного предприятия ВПК, осуществляющего конверсию, является использование технологических инновационных процессов, прошедших стадию НИОКР (т.е. отсутствие стадий фундаментальных, поисковых и прикладных исследований; частичное или полное отсутствие стадий проектно-конструкторских работ), и адаптация их к выпуску гражданской продукции. Срок реализации технологических инновационных процессов [5; 6] занимает 2-3 года и составляет 81,1% от всего объема инноваций ВПК в условиях конверсии.
Существенной особенностью инновационного процесса машиностроительного производства ВПК в условиях конверсии является специфический характер назначения продукции.
Машиностроение производит средства труда - машины, оборудование, приборы и вычислительную технику, передаточные устройства, транспортные средства - для всех сфер народного хозяйства. Кроме того, оно производит предметы потребления, в основном, длительного пользования. В общем объеме продукции машиностроения средства производства составляют 88,9%, предметы потребления - 11,1% [4]. Для предприятий ВПК, выпускающих продукцию оборонного назначения, осуществление инновационной деятельности в условиях конверсии будет заключаться в адаптации имеющихся средств труда к производству гражданской продукции.
Еще одной из особенностей машиностроительного производства ВПК в условиях конверсии, оказывающей влияние на инновационный процесс, является специфическая структура основных и оборотных фондов.
Структура основных фондов предприятия (отрасли) зависит от характера изготовляемой продукции и технологических процессов ее производства, размера предприятия, типа производства, уровня технического оснащения, уровня специализации, форм организации производства, географического размещения предприятия.
Важнейшей частью основных фондов в промышленности ВПК является специфический состав оборудования, производственно-технический аппарат и характер технологических процессов производства. Именно они определяют технический уровень производства, являются активной частью основных фондов, непосредственно обусловливающей объем промышленного производства. Предприятия ВПК характеризуются высоким удельным весом этой части основных фондов. Это свидетельствует о том, что при прочих равных условиях наибольший экономический эффект будут обеспечивать основные фонды.
Основные и оборотные производственные фонды тесно взаимосвязаны. От оптимального использования основных фондов зависит использование оборотных фондов. Технический прогресс ri передовые формы организации производства являются главными факторами, влияющими на эффективность использования оборотных средств и их оборачиваемость. Предприятия ВПК, характеризующиеся применением высокопроизводительных автоматических машин и механизмов, механизацией и автоматизацией технологических процессов и транспортных операций между рабочими местами, участками и цехами, активно воздействующими на длительность производственного цикла, сокращают время осуществления инновационного процесса и уменьшают размеры оборотных средств в незавершенном производстве. Такое же влияние оказывают применение роботов, гибких автоматизированных производств, автоматических линий, создание более прогрессивных конструкций изделий, внедрение прогрессивной малоотходной и безотходной технологии. Уменьшаются удельные расходы сырья, основных материалов и покупных полуфабрикатов на единицу продукции. В результате интенсификации машиностроительного производства возрастает однодневный расход сырья и материалов и, следовательно, увеличивается абсолютная сумма оборотных средств в материальных запасах. Прогрессивные методы обработки, малоотходная и безотходная технология ведут к более рациональному использованию материалов, сокращению отходов и уменьшению брака, обеспечивают заданный выпуск продукции с меньшими оборотными средствами в материальных запасах, инструменте и т.д.
Значительное влияние на инновационный процесс машиностроительных предприятий ВПК в условиях конверсии оказывает специфический характер концентрации, специализации и кооперирования. Концентрация производства выражается в увеличении выпуска количества продукции (потребительных стоимостей) в натуральном выражении и характеризуется, с одной стороны, более быстрым ростом производства на крупных предприятиях, а с другой - увеличением удельного веса крупных предприятий в общем выпуске продукции всей отрасли. Предприятия ВПК характеризуются высочайшей концентрацией и масштабом производства, наличием многоплановых, охватывающих весь процесс производства громоздких линий, множественностью технологических операций. Указанные факторы определяют высокую степень инерции производства по отношению к внедрению новых видов продукции.
Анализ традиционных подходов к моделированию процессов принятия решений при планировании и управлении инновационной деятельностью
Принятие решений инвестиционного характера, как и любой другой вид управленческой деятельности, основывается на использовании различных формализованных и неформализованных методов и критериев. Степень их сочетания определяется разными обстоятельствами, в том числе и тем, насколько менеджер знаком с имеющимся аппаратом, применимым в том или ином конкретном случае. В отечественной и зарубежной практике известен ряд формализованных методов, расчеты с помощью которых могут служить основой для принятия решений в области финансирования инновационной деятельности. Какого-то универсального метода, пригодного для всех случаев жизни, не существует. Тем не менее, имея некоторые оценки, полученные формализованными методами, пусть даже в известной степени условные, легче принимать окончательные решения [46].
Безусловно, некоторые из приведенных характеристик при классификации проектов не являются абсолютными и в определенном смысле достаточно условны. Цели, которые ставятся при оценке проектов, могут быть различными, а результаты, получаемые в ходе их реализации, не обязательно носят характер очевидной прибыли. Могут быть проекты, сами по себе убыточные в экономическом смысле, но приносящие косвенный доход за счет обретения стабильности в обеспечении сырьем и полуфабрикатами, выхода на новые рынки сырья и сбыта продукции, достижения некоторого социального эффекта, снижения затрат по другим проектам и производствам и др. В этом случае традиционные критерии оценки целесообразности принятия проекта, основанные на формализованных алгоритмах, могут уступать место неким неформализованным критериям.
Развитие информатики, важность проблемы интеллектуализации программного обеспечения, растущий спрос на новые информационные технологии - определяют актуальность разработки моделей принятия решений, практически пригодных для использования в сферах производства и управления [47]. Важнейшим направлением современной теоретической и прикладной информатики является разработка и исследование моделей принятия решений на основе знаний как специальной формы представления информации. Знаниеориентированные (knowledge-based) модели привлекают математиков-прикладников как объект теоретических исследований, направленных на изучение полноты представления, адекватности, точности, и имеют практическое значение как основа принятия решений в экспертных системах и системах поддержки принятия решений. Они востребованы разработчиками экспертных систем и в значительной степени определяют прогресс в области искусственного интеллекта.
Теоретическое значение моделей принятия решений при неполной информации состоит в расширении методов прикладной математики, в частности, развитии методов оптимизации, применимых для широкого класса информационных систем с повышенным уровнем интеллектуализации.
Под принятием решений обычно понимается выбор наиболее предпочтительного варианта достижения поставленной цели из некоторого множества допустимых альтернатив. В [48], например, принятие решение определяется как действие над множеством альтернатив, в результате которого получается подмножество выбранных альтернатив. Такой выбор традиционно рассматривается как одна из составляющих кибернетического подхода и практически воплощается в большинстве современных интеллектуализированных информационных систем [49]. Каждый процесс принятия решения является динамическим процессом [50], который «в идеале» состоит из изображенных на рисунке 3.1.1 фаз. Схема фаз подходит для пояснения значимости инвестиционного расчета в ходе принятия инвестиционных решений. Фаза постановки проблемы. На первом шаге возникает идея осуществления инвестиции. Предпосылкой для такого «толчка» является то, что инвестор обнаруживает ситуацию «недостатка» и стремится ее устранить.
Для этой цели он сначала должен детально проанализировать свое исходное положение. Кроме того, он должен иметь ясное представление о целях своих инвестиционных действий, чтобы суметь вывести критерии принятия решения, которые позволят ему определить инвестиционную альтернативу как наилучший шаг для достижения целей.
Фаза поиска. На следующем шаге необходимо определить возможности действия инвестора и выяснить последствия этих возможностей. Эта задача требует применения методов прогнозирования. Но так как человек имеет лишь очень ограниченные знания о том, что будет завтра, необходимо выяснить и учесть альтернативные варианты развития будущих событий.
Построение системы моделей реализации стратегий финансирования инновационных программ
Исходной информацией для определения коэффициента «бета» служит ковариационная матрица, построенная на основании данных, полученных методом субъективных вероятностей, отклонения критерия оптимизации по каждому инновационному проекту от ожидаемого. Ковариационная матрица позволяет получать значения среднеквадратического отклонения доходности как отдельных проектов, так и портфеля в зависимости от значения среднеквадратичного отклонения рыночного индекса. Таким образом, определение значений коэффициента «бета» для каждого инновационного проекта допускается выполнять с помощью рыночного индекса. Однако применение рыночной модели делает необходимым определение рыночного индекса.
Увеличение диверсификации приводит к снижению общего риска портфеля [80]. Это происходит вследствие сокращения собственного риска портфеля инновационных проектов, в то время как рыночный риск портфеля остается приблизительно таким же.
Можно заметить, что чем более диверсифицирован портфель инновационных проектов (т.е. чем больше проектов в него входит), тем больше в портфеле проектов с меньшим объемом инвестиций (І/). При этом значение ftpG не меняется существенным образом, т.к. «бета» портфеля является средним значением «беты» проектов, входящих в портфель, то нет оснований предполагать, что увеличение диверсификации портфеля вызовет изменение «беты» портфеля. Таким образом, можно утверждать, что: диверсификация приводит к усреднению рыночного риска.
Чем больше диверсифицирован портфель, тем меньше становится собственный риск портфеля и, следовательно, общий риск портфеля инновационных проектов. Таким образом диверсификация существенно уменьшает собственный риск.
Вся принципиальная трудность изложенной модели состоит в построении ковариационной матрицы, непосредственно не наблюдаемой.
Теперь вкратце хотелось бы изложить причины, которые заставляют нас отказаться в данном случае от традиционной схемы расчета риска инновационного портфеля. При формировании портфеля инвестиций, например, инвестиционного фонда, в большей степени ориентированного на инвестиции в ценные бумаги, диверсификация имеет огромное значение, поскольку поведение стоимости ценных бумаг стороннего эмитента в достаточной степени неопределенно. Дело в том, что в случае биржевого игрока, банка, в меньшей степени инвестиционного фонда, диверсификация портфеля преследует одну единственную цель - а именно снижение так называемого несистематического риска портфеля. Достигается это, как мы уже видели, включением в портфель проектов, доходности которых слабо коррелируют между собой. Для предприятия таким образом определяемая диверсификация при формировании оптимального портфеля инвестиций может обернуться серьезной проблемой. Реальные инновационные проекты на предприятии обычно тесно связаны между собой и реализация одних проектов часто предполагает реализацию других. В такой ситуации стандартный метод расчета риска портфеля естественно оставит вне портфеля какие то из рассматриваемых взаимосвязанных проектов. Поэтому от диверсификации в привычном экономическом смысле придется отказаться. В качестве показателя риска будем использовать вероятностную оценку не реализации проекта, то есть потери вложенных средств, получить которую экспертными методами не составляет принципиальной трудности. При этом мы будем исходить из предположения, что специалистами предприятия проанализировано множество проектов, и из него удалены взаимоисключающие проекты.
Проведенный системный анализ процессов планирования и управления инновационной деятельностью дает нам инструментарий и методологию построения системы поддержки принятия управленческих решений по финансированию инновационной деятельности предприятия.
Перечисленные в предыдущем разделе критерии оптимальности имеют один существенный недостаток - в них никак не учитывается ликвидность временной структуры активов — пассивов предприятия. Управление активами и пассивами представляет собой попытку минимизировать подверженность ценовому риску за счет выдерживания определенных пропорций между активами и пассивами для достижения целей предприятия (например, достижения установленного уровня доходов) с одновременной минимизацией риска [81]. Суть такого вида управления рисками заключается именно в нахождении «правильных» соотношений между балансовыми активами и балансовыми пассивами. Нами предлагаются следующие стратегии согласования временной структуры активов-пассивов предприятия.
Алгоритмы метода изменяющихся вероятностей
В предыдущем разделе задача оптимизации инвестиционного портфеля предприятия формализована нами как «задача о ранце» с булевыми переменными. В нашей постановке рассматриваемая задача сводится к задаче псевдобулевой оптимизации [2] с, в общем случае, алгоритмически заданными ограничениями.
Поскольку множество допустимых решений дискретной экстремальной задачи есть конечное множество, то для ее решения может быть использован метод полного перебора [14]. Перебрав все возможные варианты решений, мы гарантированно получаем оптимальное решение.
Таким образом, полный перебор является универсальным методом решения задач дискретной оптимизации. При этом реальные задачи, аналогичные решаемой нами, не решаются полным перебором на современных ЭВМ (исключая суперЭВМ из-за их недоступности и дороговизны) за приемлемое время уже на размерностях выше 40 [13]. Однако метод чрезвычайно удобен в качестве оценки сверху количества вычислений целевого функционала, необходимых для достижения оптимума. Применение регулярных методов [85-91] целочисленного линейного программирования (например метода ветвей и границ) для решения данной задачи также вызывает определенные трудности из-за характера ограничений.
Для решения задач данного класса и такой размерности, как решаемая здесь задача, наиболее приемлемыми являются эвристические алгоритмы. Кроме того, эвристический алгоритм определяется как алгоритм со следующими "удобными" для нас свойствами. Он обычно находит хорошее, хотя не обязательно оптимальное решение. Простота реализации эвристического алгоритма по сравнению с любым известным точным алгоритмом (гарантирующим оптимальное решение) не вызывает сомнения.
Понятие "хороший" и "обычно" в первом свойстве меняются от задачи к задаче. Поэтому если для решения задачи все известные точные алгоритмы требуют непозволительно больших затрат машинного времени, то мы можем охотно принять любое нетривиальное приближенное (субоптимальное) решение, которое может быть получено за разумное время. С другой стороны, уже имея быстрое, близкое к оптимальному решение, мы можем стремиться все же к точному решению. Для решения системы моделей согласования временной структуры предлагается использовать два эвристических подхода — алгоритмы схемы МИВЕРа и генетические алгоритмы.
Базовым алгоритмом схемы МИВЕР является случайный поиск с адаптацией (СПА). Его недостатком при решении задач условной оптимизации (с ограничениями) является то, что точки, в которых ограничения нарушаются, в процессе поиска не участвуют. Нами предлагается вместо одного вектора вероятностей, поощрающего только точки из допустимой области, рассматривать два - один для поощрения допустимых дочек, а другой для поощрения точек не принадлежащих допустимой области, но по расстоянию наиболее близких к лучшим точкам допустимой области. Тем самым будет обеспечиваться двойная сходимость к лучшим точкам. Ниже приводится алгоритм СПА с адаптивным учетом ограничений.
