Содержание к диссертации
Введение
Глава 1 Анализ проблем управления инновационным процессом 13
1.1 Понятие инновации и инновационного процесса 14
1.2 Экосистема инноваций 26
1.3 Математические модели распространения инноваций 31
Выводы по первой главе 38
Глава 2 Взаимное влияние инноваций в процессе их распространения 40
2.1 Корпускулярно-волновой подход к описанию процесса распространения инноваций 40
2.2 Математическая модель распространения инноваций 43
2.2.1 Распространение инноваций 43
2.2.2 Взаимодействие инноваций 48
2.2.3 Теорема о существовании взаимного влияния инноваций 49
2.2.4 Следствие теоремы о существовании взаимного влияния инноваций 51
Выводы по второй главе 54
Глава 3 Управление процессом распространения инноваций 55
3.1 Цели и критерии управления 55
3.2 Многопроектное управление 64
3.3 Задача «А»: составление расписания запуска инновационных проектов в портфеле 71
3.4 Задача «Б»: составление расписания запуска результатов инновационных проектов на рынок 74
Выводы по третьей главе 78
Глава 4 Метод управления процессом распространения инновации и его экспериментальная проверка 80
4.1 Метод управления процессом распространения инновации 80
4.2 Проведение экспериментов 84
4.3 Решение задач составления расписаний 87
4.4 Имитационная модель на основе агентного подхода 94
Выводы по четвертой главе 101
Заключение 103
Список сокращений и условных обозначений 106
Список литературы 107
Приложение А (обязательное) Классификация моделей распространения инноваций 130
Приложение Б (справочное) Решение задач составления расписаний 134
Приложение В (справочное) Разработка имитационной модели в AnyLogic 137
Приложение Г (справочное) Проведение экспериментов на базе имитационной модели 148
Приложение Д (справочное) Акты о внедрении 155
- Экосистема инноваций
- Цели и критерии управления
- Задача «Б»: составление расписания запуска результатов инновационных проектов на рынок
- Имитационная модель на основе агентного подхода
Введение к работе
Актуальность исследования. Конкурентоспособность современного предприятия связана с инновационной деятельностью и, как следствие, с выводом на рынок результатов этой деятельности, которые способны оказывать влияние на состояние экономической среды и состояние самого предприятия. Наиболее чувствительными к изменениям экономической среды являются последующие инновационные проекты (реализующие подрывные и/или поддерживающие инновации). В связи с этим возникает актуальный вопрос выявления информационных, алгоритмических зависимостей между инновациями и управления ими не только на этапе реализации проектов, но и на этапе коммерциализации (распространения).
Под распространением инноваций понимается процесс передачи инновации от ее источника к субъектам (конечным пользователям) внешних социально-экономических систем. Мерой процесса распространения инноваций предлагается считать количество продаж данной инновации.
Становление теории распространения инноваций датируется 60-мы годами прошлого века. В ее развитии можно выделить следующих исследователей: Ф. Басс, Дж. Вудлок, Як. Голденберг, М. Гудолин, П. Котлер, Б. Либай, Г. Лилиен, В. Махаджан, Дж. Мехиа, Н. Мид, В.М. Московкин, Дж. Мур, Э. Мэнсфилд, Р.М. Нижегородцев, Р. Перес, Э. Роджерс, Л. Форт, Т. Хегерстранд, Е. Шеппард, Ю.Д.
Шмидт и др. Однако существующие теория и модели распространения инноваций не позволяют получить на их базе алгоритм и методы управления процессом распространения инноваций с учетом возможного взаимовлияния и формирующихся параметров рыночной среды.
Вопросы взаимного влияния инноваций затрагивались в работах таких
ученых, как: С. Гросман, И.В. Демкин, Г. Карпентер, В. Ломакс, Л.А. Мыльников, Д.В. Перцев, С. Рамакришнан, Ш. Сринивасан, Д. Ханссенс, Дж. Хаусер, Г. Херде
и др., публикации которых показали недостаточность полученных результатов для измерения уровня взаимодействия инноваций.
Системы управления инновационными процессами (СУИП), протекающими в экономической среде, классифицируются как системы, в контуре которых присутствует оператор (или лицо, принимающее решение, далее – ЛПР). Это привносит особенность при разработке моделей и алгоритмов, на основании которых строится система управления на предприятии. Традиционно эта особенность учитывалась включением в контур управления экспертных систем, готовящих варианты решений для ЛПР. Значимость экспертных систем будет только расти по мере роста сложности объектов управления и многообразия алгоритмов решения трудно формализуемых задач, и развитие экспертных систем будет идти в направлении развития их функционала как интеллектуальных помощников, работающих с большим массивом данных, по мере того, как физические объекты будут становиться киберсоциофизическими. На данном этапе для снижения зависимости итогового управляющего решения от исходных экспертных оценок в состав СУИП предлагается ввести инструменты
имитационного моделирования для динамического формирования и коррекции решения в условиях изменения экономической среды.
На основании проведенного сравнительного анализа публикаций по теме исследования можно указать на наличие противоречия, состоящего в том, что, с одной стороны, существуют возрастающие требования к наблюдаемости и управляемости процесса распространения инноваций, с другой стороны, отсутствием готовых алгоритмических решений и математических моделей по управлению этим процессом с учетом взаимного влияния инноваций.
В данном исследовании эффективность управления процессом распространения инноваций будем оценивать его результативностью: степенью приближения к поставленной цели через введенный измеримый показатель -количество продаж.
Таким образом, цель диссертационной работы состоит в повышении результативности управления инновационными процессами предприятия за счет учета взаимного влияния инноваций.
Научная задача диссертационной работы - разработка математических моделей и метода управления процессом распространения инноваций на основе эконофизического подхода.
Объектом исследования является система управления инновационным процессом на предприятии.
Предмет исследования - модели и метод управления процессом распространения инноваций с учетом их взаимного влияния.
Для достижения поставленной цели решены следующие частные задачи:
-
Провести сравнительный анализ, предложить классификацию существующих математических моделей и их возможностей для управления процессом распространения инноваций.
-
Разработать математическую модель для управления процессом распространения инноваций с учетом их взаимного влияния, основанную на эконофизическом подходе.
-
Разработать метод управления процессом распространения инноваций.
-
Выбрать средства моделирования и построить модели для управления процессом распространения инноваций.
-
Провести имитационную проверку работоспособности метода управления процессом распространения инноваций.
Научная новизна работы и положения, выносимые на защиту:
1. Математическая модель распространения инноваций, построенная на базе
развиваемого подхода эконофизики, а именно применении математического
аппарата явлений интерференции и диффузии, протекающих в физических средах,
для инновационных процессов, протекающих в социально-экономических средах.
2. Математические модели составления расписания для управления
инновационными проектами, связанные с определением момента запуска
инновационных проектов в портфеле на реализацию и запуска результатов
инновационных проектов на рынок. Математические модели отличаются:
учетом взаимного влияния инноваций и параметров среды, разбиением проектов на зависимые и независимые, учетом ограничений на ресурсы, на моменты запуска проектов и на планируемый суммарный эффект, а также возможностью выбора целевой функции, на стадии подготовки и реализации портфеля инновационных проектов;
одновременным использованием в расчетах коэффициентов взаимовлияния инноваций и диффузии, совместно задающих внутренние и внешние связи между проектами и рыночной средой, на стадии выхода на рынок продуктов инновационных проектов.
3. Метод управления процессом распространения инноваций, построенный на базе предложенной математической модели и использующий результаты решений задач составления расписаний. Отличиями метода являются:
– учет взаимного влияния инноваций;
– наличие двух этапов жизненного цикла инновационного процесса, а именно этап разработки инновации и этап коммерциализации;
– использование предложенной имитационной модели на базе агентного подхода для экспериментальной проверки.
Практическая ценность работы заключается в следующем:
1. Предложенные классификационные признаки математических моделей
распространения инноваций обеспечивают обоснованный выбор класса модели в
зависимости от цели и задач исследований инновационных процессов.
-
Агентная модель распространения инноваций, разработанная на платформе AnyLogic 7. Модель позволяет ЛПР осуществлять анализ и генерацию различных сценариев в части оценки зависимости распространения инновации от параметров среды и определения управляющих воздействий в зависимости от параметров последующих поддерживающих инноваций. Получено увеличение результативности на 7% со значениями параметров, взятых из отчетов хозяйственной деятельности предприятий.
-
Программные приложения для MS Excel, разработанные для решения поставленных задач составления расписаний. Позволяют автоматизировать работу в части внесения информации о портфелях инновационных проектов и других параметров, а также запуска решения задач с помощью эволюционного метода.
-
Полученные результаты используются в учебных материалах дисциплин «Теоретическая инноватика», «Управление инновационными процессами», «Имитационное моделирование в управлении инновациями» в Высшей школе киберфизических систем и управления СПбПУ.
Методы исследования. При проведении исследований в диссертационной работе использованы методы управления в организационно-технических системах, системного анализа, теория принятия решений и экспертных оценок, теория математической статистики, теория расписаний, теория подобия, методы математического и имитационного моделирования. Для моделирования, обработки и анализа полученных данных применялись пакеты программ Microsoft Excel,
AnyLogic 7.0.
Степень достоверности и апробация результатов. Достоверность научных положений и выводов подтверждается корректным применением методов
системного анализа, математического моделирования, статистических методов, методов принятия решений, а также публикациями в рецензируемых изданиях по теме диссертации и их обсуждением на научно-технических конференциях и семинарах. Предложенные в работе модели и метод были проверены с помощью инструментов решения оптимизационных задач и имитационных экспериментов. Теория построена на известных проверяемых фактах, идея базируется на обобщении передового опыта создания математических моделей обеспечения поддержки принятия решений.
Основные результаты диссертационной работы докладывались и обсуждались на научных и практических конференциях и форумах различного уровня. В их числе: Международная научно-техническая конференция «Пром-Инжиниринг, ICIE – 2017» (Челябинск, Санкт-Петербург, 2017), Международная конференция по мягким вычислениям и измерениям «SCM–2017» (Санкт-Петербург, 2017), Международная научно-практическая конференция «Системный анализ в проектировании и управлении» (Санкт-Петербург, 2015, 2016, 2017),!Молодежная научная конференция «Информатика и кибернетика» (Санкт-Петербург, 2015, 2017), Международная научно-методическая конференция «Современное образование» (Томск, 2016), Всероссийский форум «Наука и инновации в технических университетах» (Санкт-Петербург, 2015, 2016), Научно-практическая конференция c международным участием «Неделя науки СПбГПУ» (Санкт-Петербург, 2010, 2012, 2014).
Результаты работы используются в учебном процессе Высшей школы киберфизических систем и управления Санкт-Петербургского политехнического университета Петра Великого при проведении учебных дисциплин «Теоретическая инноватика», «Управление инновационными процессами», «Имитационное моделирование в управлении инновациями», что подтверждается актом о внедрении. Предложенные модели внедрены в некоммерческой организации Агентства стратегических инициатив «Фонд развития интернет инициатив», о чем получен акт о внедрении.
Научные и практические результаты работы использованы в процессе выполнения работ по грантам Комитета по науке и высшей школе г. Санкт-Петербурга по теме «Развитие агентного подхода в управлении процессом распространения инноваций» (2017 г., диплом ПСП № 17400) и по теме «Управление инновационными процессами в территориальных экономических
системах» (2014 г., №194-14).
Публикации. По теме диссертации опубликовано 20 работ, в их числе 5 статей в научных изданиях, рекомендуемых ВАК, 2 статьи в сборниках трудов международных конференций (на англ. языке), индексируемых Scopus и Google Scholar, в соавторстве 1 монография.
Личный вклад автора. Все выносимые на защиту научные результаты получены соискателем лично.!Научная задача исследования поставлена научным руководителем – И.Л. Туккелем. Автором предложены классификационные признаки математический моделей распространения инноваций [2], разработана математическая модель распространения инноваций [1, 3], сформулированы задачи составления расписания запуска [4, 5], метод управления распространением
инноваций [1], разработана имитационная модель [9], а также выполнены их экспериментальные исследования.
Соответствие паспорту специальности. Вопросы, рассмотренные в диссертации, соответствуют следующим пунктам паспорта специальности 05.13.10 – Управление в социальных и экономических системах: п. 2 «Разработка методов формализации и постановки задач управления в социальных и экономических системах» в части разработки математической модели процесса распространения инноваций и формализации задач составления расписания запусков; п. 4 «Разработка методов и алгоритмов решения задач управления и принятия решений в социальных и экономических системах» в части создания метода управления и имитационной модели распространения инноваций.
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы (223 наименований) и приложений. Основной текст изложен на 154 страницах машинописного текста, содержит 26 рисунков и 30
таблиц.
Экосистема инноваций
Инновации зарождаются и распространяются в реальной экономической среде, обладающей различными свойствами, оказывающими определенное влияние на их формирование. Чрезмерно враждебная среда может остановить развитие прорывной инновации, а умеренная конкурентная среда наоборот, подстегнет развитие, устранив бесперспективные идеи. Ввиду этого для понимания особенностей процесса распространения инноваций необходимо рассмотреть социально-экономические системы, в которых протекают инновационные процессы, а именно инновационные системы.
Вне зависимости от масштаба, определить инновационную систему можно с точки зрения следующих позиций:
С позиции институциональной теории, как совокупность институтов, обеспечивающих производство, распространение и использование нового экономически выгодного знания [68].
С позиции сетевого подхода, как система, которая производит современные технологии и инновационные бизнесы на их основе.
С позиции структурно-функционального подхода, как систему, обеспечивающую максимизацию научно-технического прогресса при соблюдении экосистемных ограничений [69].
Несмотря на различия и акценты в этих определениях инновационных систем, общим является стремление отразить все этапы жизненного цикла инновации: от зарождения идеи и бизнес-идеи до ее коммерциализации, т.е. проявляется стремление отразить процессный подход в приведенных определениях.
По признаку масштаба и географической территории можно выделить шесть уровней инновационных систем:
! глобальная национальная система;
! наднациональные инновационные системы;
! национальные инновационные системы (НИС);
! региональные инновационные системы (РИС);
! отраслевые или кластерные инновационные системы;
! инновационные системы предприятия (ИСП).
Развитием теории построения инновационных систем занимались такие исследователи, как Ф. Кук, Б.-А. Лундвалл, Г. Нельсон, И.Л. Туккель, Ю.В. Яковец [38, 70–73], др.
Остановимся подробнее на инновационной системе предприятия.
Инновационные системы предприятия (англ. Corporate Innovation Systems) выполняют функцию целеполагания инновационной деятельности предприятия, оказывают влияние на разработку, продвижение и использование инноваций среди других участников инновационной деятельности. Исследователь У. Гранстренд одним из первых определил ИСП, как совокупность субъектов, мероприятий, ресурсов, институтов и причинных связей, которые необходимы для эффективной инновационной деятельности предприятия [74].
ИСП представляется в структуре НИС в качестве начального звена. При этом инновационная активность предприятий является основным критерием эффективности функционирования инновационной системы как на национальном, так и на региональном уровне. По словам А.Н. Пилясова: «Совершенно по-новому, когнитивно, понимается теперь феномен предпринимательства – как процесс концентрации рассеянного в региональной среде знания и его коммерциализация внутри контура фирмы.» [75, С. 15].
Инструментом для достижения необходимого уровня показателей эффективности инновационной деятельности предприятия является Программа инновационного развития (ПИР) на предприятии. Разработка программы подразумевает определение целей и задач инновационного развития, модели развития, учитывающей не только состояние предприятия, но и состояние соответствующей отрасли, региона и страны в целом. В соответствии с распоряжением Правительства РФ от 8 декабря 2011 г. №2227-р «Об утверждении Стратегии инновационного развития Российской Федерации на период до 2020 года» компаниям с государственным участием рекомендовано разрабатывать программы инновационного развития [76]. В ПИР предприятия должны быть консолидированы и конкретизированы принятые руководством решения как в области стратегического развития, так и связанные с реализацией широкого класса инноваций [77].
Понятие инновационной системы может быть расширено за счет особенностей экосистемного подхода. Экосистемный подход рассматривает инновационные системы как живые, социальные организмы, постоянно изменяющиеся под влиянием новых мотиваций участников и новых обстоятельств [78].
В работе [69] сделано предположение, что Й. Шумпетер первым указал на эволюционную особенность инновационных систем: «Подобно Ч. Дарвину, который видел в сочетании разнообразия биологических видов и среды обитания факторы эволюции естественных экосистем, Шумпетер увидел в инновации и рынке ключевые элементы эволюции искусственных экосистем».
Направление развития теории построения инновационных систем, формирование понятия "экосистема инноваций" (далее – ЭСИ) началось с начала 1990-х годов, в том числе с трудов М. Ротшильда, где он сравнил глобальную экономику с биологическими экосистемами, в которых происходят определенные взаимодействия между участниками [79]. В 1993 году Дж. Мур представил идею предпринимательской экосистемы (business ecosystem), в которой утверждает, что отношения между компаниями аналогичны экосистеме в природе, а благодаря взаимодействию можно достичь синергетического эффекта. «Предпринимательские экосистемы конденсируются из первоначального водоворота капитала, заинтересованности клиентов и таланта, порожденного новой инновацией, так же, как успешные виды весной из природных ресурсов: солнечного света, воды и питательных веществ в почве.» [14, c. 76].
Активному развитию экосистемного подхода поспособствовало появление концепции открытых инноваций, предложенной Г. Чесбро в 2003 году. Предприятия становятся вынуждены активнее взаимодействовать со внешней средой: начиная от поиска идей и проверки жизнеспособности до выведения на рынок [80, 81].
Ч. В. Весснер развил понятие концепции экосистемы инноваций в 2005 году, обосновал переход от статической модели к динамической: взаимосвязи рассматриваются не только внутри институтов НИС, но и с окружающим миром. По его словам: «Такой подход поможет нам понять, во-первых, что система не является фиксированной, а эволюционно растет и развивается в соответствии с новыми потребностями и новыми обстоятельствами, и, во-вторых, что эта система подвержена изменениям в результате новых политических инициатив.» [82, с. 2]. В экосистеме инноваций фокус внимания смещен с участников системы на их взаимодействие, направленное на создание и развитие инноваций.
Одним из дальнейших направлений развития экосистемного подхода явился труд В. Хвана и Г. Хоровитта «Тропический лес: секрет создания следующей Силиконовой долины», выпущенный в 2012 году [78]. Авторы утверждают, что инновационные экосистемы не просто похожи на биологические системы — они ими являются на самом деле. Многообразие и коммуникативность сообщества увеличивают вероятность появления и распространения инноваций. «Когда система обладает разнообразием, доверительными, нормативными правилами и нерациональными мотивациями, тогда артерии расширяются, позволяя идеям, таланту и капиталу быстрее распространяться по сети.» [78, с. 275-276]. Измерение скорости движения этих питательных элементов – инструмент для наблюдения за динамикой состояния здоровья инновационной экосистемы.
Согласно теории сложных систем ЭСИ относится к самоорганизующимся, саморегулирующимся и саморазвивающимся, открытым системам. Развитие и адаптация ЭСИ под изменяющиеся условия функционирования происходят в процессе ее эксплуатации [73].
Вопросы формирования инновационных экосистем затрагивались также в работах И.Р. Агамирзяна, И.А. Брусаковой, Т. Веблена, Г. Ицковича, С. Клайна, Т. Полтеровича, М. Рассела, Н.В. Смородинской, И.Л. Туккеля, Ч. Эдквиста [69, 83– 90] и др.
Как можно понять из выше сказанного, инновации распространяются в социально-экономических системах не изолированно, а определенным способом воздействуют друг на друга. Более того, распространяясь, инновация оказывает определенное влияние и на саму среду, изменяя ее параметры. Такое взаимодействие может коренным образом повлиять на характеристики инновационного процесса, особенно этапа коммерциализации, на котором собственно и происходит распространение инноваций.
В инновационной сфере вопросы взаимного влияния поднимались в таких областях, например, как построение инновационных систем и выбор технологической стратегии [91–94], при формировании портфелей инновационных проектов [22, 27, 49, 59, 95] и др. Однако вопросы влияния параметров среды на распространение инновации, в том числе отражающие количественные характеристики смежных инноваций, остаются недостаточно изученными.
Рассмотрение процесса распространения инновации в рамках ЭСИ позволит учесть наличие и влияние других инноваций, а также влияние изменяющихся параметров внешней среды на данный процесс.
Цели и критерии управления
Под управлением в кибернетическом смысле понимается процесс выработки и осуществления целенаправленных информационных воздействий на некоторую часть среды, называемую объектом управления. Выделяется три компонента – объект (управляемая подсистема), субъект (управляющая подсистема) и среда, в которой они взаимодействуют в соответствии с рисунком 3.1. Между объектом и субъектом существует канал связи, по которому в одну сторону передаются управляющие воздействия на объект, а в другую – информация о состоянии объекта (обратная связь). Объект и субъект имеют двунаправленные каналы связи также и с окружающей средой, которая не только выступает, как источник возмущений и помех, но и может изменяться под их воздействием. При таком подходе задача управления ставится как определение необходимых воздействий на объект с целью его перехода из исходного в желаемое состояние с учетом влияния окружающей среды.
Применительно к дальнейшему исследованию будем понимать под объектом управления инновационный процесс, в частности его стадии осуществления инновации и распространения инновации. К инновационному процессу в зависимости от стадии своего жизненного цикла применяются разные подходы в управлении (см. параграф 1.1).
Субъектом управления инновационным процессом является орган управления, которым может выступать координационный центр национальной инновационной системы, региональной инновационной системы, отрасли, или инновационные предприятия. Системы управления процессами, протекающими в социально-экономических средах, классифицируются как системы, в контуре которых присутствует оператор (или ЛПР). Это привносит особенность при разработке моделей и алгоритмов, на основании которых строится система управления на предприятии, которая традиционно учитывается включением в контур управления систем поддержки принятия решений (СППР), готовящих варианты решений для ЛПР. Таким образом, определение вектора управления совершается в режиме СППР для лица, принимающего решения.
Инновационной процесс протекает в неоднородной социально-экономической среде, которая оказывает непосредственное влияние на восприимчивость инноваций, на инвестиционные возможности, правовые взаимоотношения и т.д. Влияние внешней среды (возмущающее воздействие) на объект управления, как правило, носит неконтролируемый характер и выражается в случайном изменении его состояния. При этом влияние среды на эффективность инновационного процесса может быть как положительным (способствующем развитию), так и отрицательным (замедляющем развитие). Все эти параметры также нужно учитывать при формировании управляющих воздействий. Желаемое состояние объекта задается извне и называется задающим воздействием g(t) = { (t), ...,gi(t)}. Целенаправленное влияние управляющего органа на инновационный процесс называется управляющим воздействием и выражается в виде векторной функции x(t) = {хг{Ь), ...,xm(t)}. Случайные воздействия, формирующиеся во внешней по отношению к системе управления среде и оказывающиеся влияния на инновационный процесс, называются -» возмущающими b(t) — (foi(i), ...,bk(t)}.
Распространение инноваций в социально-экономической среде неравновесный процесс, стремящийся к установлению равновесия спроса U (количество инноваций U , которые потенциальный покупатель Н желает приобрести) и предложения U+ (количество инноваций U+, выпущенных на рынок). Согласно подходу, рассмотренному в параграфе 2.1, может быть выделено три основных класса управляющих воздействий:
Формирование спроса U (например, проведение маркетинговых мероприятий);
Формирование предложения U+ (например, вывод на рынок поддерживающей инновации или по другой классификации: модифицирующего или улучшающего инновационного продукта);
Изменение состояния среды (например, вывод на рынок подрывных (по другой классификации: прорывных инноваций) как изменение параметра К -присутствия других товаров со схожей идеей).
Состояние инновационного процесса определяется рядом величин p(t) — (Pi(t), ...,pr(t)}, характеризующих как управляющие воздействия и воздействия внешней среды, так и изменения внутри самого объекта. Не все величины измеряются, поэтому совокупность контролируемых выходных переменных, характеризующая состояние процесса в каждый момент времени, обозначим вектором y(t) — {Уі(0, yn(t)}. Такая совокупность является не только выходными переменными объекта управления, но и входными для управляющего органа, что образует обратную связь и обеспечивает управление по замкнутой схеме в соответствии с рисунком 3.1. Отдельные координаты векторов состояния контролируемых переменных y(t) и всех величин p(t) могут совпадать, при этом п г.
В любой момент времени t состояние y(t) выражается функцией векторов x(t), b(t) и начального состояния у (to), а именно [169]: m = Y{x(t)Mt),y{to)}. (3.1)
Под состоянием процесса распространения инновационного продукта будет пониматься состояние функции продаж, которое может быть при этом описано характерными точками. Несмотря на то, что каждый инновационный продукт имеет свою типичную кривую динамики продаж при выводе его на рынок [61], для общности и адекватной простоты предлагается аппроксимировать функцию продаж Q(t) в виде несимметричной колоколообразной кривой/f в соответствии с рисунком 3.2.
Характерные точки могут определяться как графически (например, построением касательных и средних линий к функции /(t)), так и аналитически (например, путем расчета темпов прироста).
Точка А - начало продаж, f(t) — 0;
Точка F - окончание продаж, f(t) — 0;
Точка В - точка перегиба, рост продаж начинает замедляться, /""(t)=0;
Участок АВ - зона вогнутости, f (f) 0, /"(і) 0;
Участок BC - зона выпуклости, f (t) О, f"(t) 0;
Участок DE - зона выпуклости, / (і) 0, f"(t) 0;
Участок CD - плато, на котором f (t) — 0.
Точка H разделяет отрезок BC на две зоны: BH - несильное уменьшение прироста, HC - сильное уменьшение прироста. В точке H луч, проведенный из начала координат к графику /(t), становится касательной.
Точки перегиба зачастую используются маркетологами при разработке и планировании маркетинговых кампаний, при прогнозировании будущих продаж [60, 170-172]. Однако существующие подходы носят более описательный характер, как показано в [60].
Кривую продаж можно условно разделить на три зоны:
1. AH - передний фронт: начало продаж и завоевание рынка.
2. HE - середина: замедление темпов роста продаж и стабилизация.
3. EF - задний фронт: период снижения объема продаж и уход с рынка.
Задача «Б»: составление расписания запуска результатов инновационных проектов на рынок
На стадии распространения инновации протекает процесс внедрения или применения инновации отдельными субъектами социально-экономической среды.
Пусть в социально-экономической среде существует некий локализованный источник инноваций (предприятие) и выпускает результаты инновационных проектов (инновационные товары, услуги, технологии, далее – инновационный продукт, ИП) на рынок инноваций B, обладающая характеристиками, введенными в параграфе 2.1.
Под распространением ИП в такой среде будет пониматься количество продаж или использования ИП потенциальным покупателем G.
Заметный вклад в определение времени выхода ИП на рынок внесли такие исследователи, как М. Акдениз, В. Бабушкин, У. Гросс, У. Джонсон, Р. Калантоне, Р. МакНелли, Д.В. Перцев, О. Поссамаи, Б. де Рейк, Р. Филиппини [27, 208–213] и др. Несмотря на значительное количество исследований, практически отсутствуют работы, в которых управление запуском инновационного продукта на рынок и управление инновационным портфелем рассматривались бы совместно, используя единый подход.
Исследователи отмечают, что правильно подобранное время запуска инновационного продукта на рынок имеет решающее значение. Ведь далеко не всегда стоит выводить инновационный продукт на рынок как можно быстрее. Например, в работе [213] показано, что откладывание запуска инновационного продукта наиболее эффективно не только в ситуации слабой конкуренции, но и при определенных условиях в более конкурентной среде. Управленческая гибкость полезна для предприятий, позволяет более эффективно планировать время запуска инновационных продуктов в зависимости от характера среды. В работе [208] подчеркивается, что быстрее разрабатывать и выводить на рынок инновационный продукт не всегда является лучшей стратегией. Необходим баланс между скоростью вывода на рынок, качеством и рентабельностью инновационного продукта. В работе [212] выявлены некоторые критические факторы, существующие на стадии концепции инновационного продукта, и определено их влияние на выбор времени выхода на рынок путем моделирования с применением байесовской сети.
В таком случае для предприятий становится актуальным определение наиболее эффективного времени запуска результатов инновационных проектов на рынок. При определении такого времени запуска предлагается учитывать: Взаимное влияние инноваций друг на друга, интенсивность которого будет измеряться через введенный в следствии (параграф 2.3) коэффициент акЛ, определяемый через единый объем рынка.
Влияние внешней среды на распространение ИП, интенсивность которого будет измеряться через введенный коэффициент диффузии d (параграф 2.2), зависящий от свойств среды распространения ИП и природы инновации. Предложенные коэффициенты определяются экспертами и зависят от набора параметров (см. параграф 2.3), описывающих сущность инновационных продуктов и зависящих от конкретного портфеля инновационных проектов. При оценке коэффициентов применяются различные экспертные методы, примеры которых приведены в параграфе 3.2.
Перейдем к математической постановке задачи.
Пусть имеется п инновационных продуктов (далее - продукт) в составе портфеля, готовых к запуску на рынок Е, тогда множество всех продуктов будет Т — {1, 2, ...,т} множество допустимых для расписания квантов времени номеров событий, в которые может осуществляться выполнение ограничений. S; Є Т - время начала продаж продукта щ, Tt Є Т - момент времени, когда продажи продукта щ становятся равными 0, і — 1, ...,п. ttET - длительность продаж. Вектор S — (s1, s2,..., sn) называется расписанием запуска продуктов на рынок.
Mt - прогнозируемый объем продаж продукта щ на рынке Е без учета взаимного влияния к моменту времени Т;, Е - теоретически возможный объем продаж, Mt Q Е, 0 \Mt\ \Е\.
Обозначим через множество Z Q U - множество продуктов, определимых как зависимые через объем рынка, где Zk Г\ Zj — 0, к Ф j, k,j — 1,2 ...,, к и j -порядковые номера групп зависимых проектов, $ - количество групп зависимых проектов, 1 п/2. Группа состоит из продуктов Zk — [zkl, ...,zkm, ...,гкЛ}, ZkQZ. M? - объем продаж зависимого продукта zt Є Z, I - порядковый номер зависимого продукта, I — 1,..., Я, Я - количество зависимых продуктов.
Множество Y QU - множество независимых продуктов, Y = {ylf ...уу}, у -количество независимых продуктов, 0 у n, My - объем продаж независимого продукта yv Є Y, v - порядковый номер независимого продукта, v — 1,... ,у.
Сумма зависимых и независимых продуктов равна числу всех продуктов в портфеле п: Х + у = п.
Для каждой пары, состоящей из подгруппы проектов Zkl (см. следствие) и проекта zl Є Zk, в выбранном диапазоне старта продаж s — sk — sb s Є Ж вводится коэффициент взаимовлияния afeZ(s), afeZ(s) 0.
Для каждого продукта щ экспертным путем считается коэффициент dt (s) для выбранного времени старта продаж s, зависящий от свойств среды распространения продукта и природы инновации.
Объем продаж независимых продуктов:
MY = Zv=idv(s) My. (3.10)
Объем продаж зависимых продуктов зависит от коэффициента взаимовлияния:
Mz — Jyk=1Mk, (3.11)
Мк — Yif=i ak,l(s ) (s) kl- (3-12)
Для определенности в качестве целевой функции возьмем объем продаж портфеля инновационных продуктов: М — MY + Mz - max
Необходимо найти такие начала продаж инновационных продуктов рассматриваемого портфеля, обеспечивающие максимальный объем продаж М - max и удовлетворяющие всем ограничениям.
Постановка задачи «Б» отличается одновременным использованием в расчетах коэффициентов взаимовлияния инноваций и диффузии, совместно задающих внутренние и внешние связи между проектами и рыночной средой. Это позволяет динамически корректировать моменты выхода на рынок текущего проекта из оставшихся в портфеле. Решение задачи
Проиллюстрируем поставленную задачу «Б» в виде схемы в соответствии с рисунком 3.5.
D ,елевая функция Портфель инновационных продуктов U Разработка расписания Прогнозируемый объем продаж Mt Расписание запуска S
Поставленная дискретная задача составления расписания в условиях заданных ограничений на ресурсы является NP-трудной. Для верификации данной задачи был также, как и для задачи из параграфа 3.3, выбран инструмент «Поиск решения» приложения Microsoft Excel. Пример решения задачи приведен в параграфе 4.3.
Имитационная модель на основе агентного подхода
Развитие теории и практики применения имитационного моделирования на промышленных предприятиях активно началось в 1970-х годах: Н.П. Бусленко, А.А. Вавилов, Т. Нейлор, Р.Ф. Шеннон, Б.Ф. Фомин, Г. Ортнер, А.И. Якимов [215– 222] и др.
В настоящее время все большее внимание уделяется моделям, которые смогут предсказать влияние выбранной стратегии на процесс распространения инновационных продуктов предприятия. С учетом неопределенности, нелинейности и нестационарности среды, в которой протекают инновационные процессы, целесообразно искать модели в классе имитационных.
Одним из видов математических моделей являются имитационные модели. Основное отличие имитационных моделей состоит в том, что вместо аналитического описания взаимосвязей между входами и выходами исследуемой системы строят алгоритм, отображающий последовательность развития процессов внутри исследуемого объекта, а затем «имитируют» поведение объекта на компьютере [223]. Для описания поведения объектов вводятся правила, которые могут быть как эвристическими, так и основанными на объективных физических законах. Имитационная модель представляет собой алгоритм функционирования системы во времени, имитирующий элементарные явления, составляющие процесс, с сохранением их логической структуры и последовательности протекания, что позволяет по исходным данным получить сведения о состояниях процесса в определенные моменты времени и оценить параметры исследуемой системы [223]. Такие модели не всегда подходят для получения точных количественных результатов. Но они всегда полезны для качественного анализа различных ситуаций.
Из предлагаемых средств для имитационного моделирования систем была выбрана современная платформа AnyLogic 7, обладающая удобным графическим интерфейсом и позволяющая в качестве языка пользователя использовать объектно-ориентированный язык Java для разработки конкретных моделей. Выбор был обоснован, прежде всего, тем, что AnyLogic инструмент имитационного моделирования, который поддерживает все подходы к созданию имитационных моделей: дискретно-событийный, системно-динамический, агентный и их комбинацию [224, 225]. Таким образом, предоставленные возможности позволяют не ограничиваться одним способом описания моделируемых процессов в ходе построения модели, а подбирать подходящий под цели исследования. Платформа AnyLogic совместима с распространенными операционными системами и обладает возможностями интегрирации с внешними данными, в том числе работает с Big Data, что обеспечивает возможность встраивания разработанной модели в контур современных информационных систем на предприятии.
Использование агентного подхода и подхода системной динамики позволяет строить адекватные модели процессов распространения инноваций и в последнее время начало широко использоваться [226–230]. Агентное моделирование является инструментом, который позволяет моделировать разрозненные элементы системы и использует подход «снизу-вверх»: в основании лежит набор основных элементов, взаимодействие которых создает обобщенное поведение системы [231].
Разработанная в виде приложения на языке Java на платформе AnyLogic 7 имитационная модель позволяет оценивать зависимость распространения инновации от параметров среды и определять управляющие воздействия в зависимости от параметров последующих поддерживающих инноваций. Основные настройки и исходные коды приведены в приложении В.
В предлагаемой модели был использован агентный подход. Каждый инновационный продукт, разрабатываемый на предприятии, представляет собой популяцию агентов, а копии инновационного продукта – отдельных агентов. Было создано несколько популяций агентов для имитации очередности их запуска на рынок (как прорывных, так и поддерживающих инноваций). Поведение каждой популяции агентов задается диаграммой состояний, позволяющей определить возможные состояния агента, переходы между состояниями и события, вызывающие эти переходы. Жизненный цикл инновационного продукта естественным образом представляется в виде такой диаграммы: начинается в состоянии готовности к выпуску на рынок и завершается, когда инновационный продукт будет выведен с рынка или будет прекращено его использование.
Модель содержит три основных состояния каждого разрабатываемого инновационного продукта (рисунок 4.6):
– «Готов к запуску на рынок» (ReadyToLaunch) – первоначальное состояние, определяющееся производственными мощностями предприятия;
– «На рынке» (inMarket) – те копии инновационного продукта, которые уже выпустили на рынок, но еще не приобрели;
– «Продан» (Users) – приобретенные копии инновационных продуктов.
Два конечных состояния:
– «Прекращен» (Discontinued) – пользователи с течением заданного периода времени прекращают пользоваться инновационным продуктом по различным причинам;
– «Выведен» (Killed) – непроданные копии инновационных продуктов с течением времени выводятся с рынка по различным причинам.
Интенсивность переходов между состояниями определяется следующими параметрами.
- Из состояния «Готов к запуску на рынок» в состояние «На рынке» параметром, задаваемым производственными мощностями предприятия.
- Из состояния «На рынке» в состояние «Продан» определяется параметром, который задается формулой (2.6).
- Из состояния «Продан» в состояние «Прекращен» - параметром, отражающим среднюю продолжительность жизни инновационного продукта, что позволяет учитывать возможность повторных продаж.
После определения популяций агентов и задания правил их поведения в окно экспериментов были добавлены элементы настройки модели, с помощью которых можно изменять характеристики и время запуска следующего поддерживающего инновационного продукта, а также характеристики среды в соответствии с рисунками 4.7 и 4.8. С помощью данных элементов настроек возможно изменение характеристик среды распространения во время каждого прогона модели, что позволяет исследовать влияния среды на измеряемый интегральный параметр
Для запуска нового инновационого продукта (НИП) уточните заданные параметры и нажмите кнопку "Запуск" 100 0 100 1,000
В окно экспериментов также были добавлены переменные и графики. Переменные фиксируют состояния как интегрального параметра - суммарного объема продаж Qs(t), так и состояния продаж текущих инновационных продуктов и последующих поддерживающих инновационных продуктов Qn(t) при попадании в характерные зоны, обозначенные на рисунке 3.3. На графиках регистрируется динамика параметров Qs(t), Qn(P) и некоторых дополнительных переменных.