В настоящее время в связи со стремительным развитием информационных и телекоммуникационных технологий и ростом интеграции в промышленной сфере, увеличением инновационной активности предприятий все актуальнее становится вопрос защиты данных. В ближайшее время инновационное и технологическое обновление большинства отраслей производства, развитие предпринимательства и конкурентной среды России будет осуществляться путем интеграции организаций, занятых научно-исследовательской работой, малых инновационных и ресурсоаккумулирующих организаций [1].
В настоящее время в российской экономике превалируют «жесткие» формы консолидации с формированием вертикально интегрированных холдинговых структур, а краткосрочные мотивы межфирменной интеграции являются доминирующими. Однако имеющиеся в настоящее время инструменты усиления научно-производственных кластеров не позволяют преодолеть все имеющиеся проблемы регионов, в которых они расположены. Основное преимущество инструментария кластерной политики заключается в том, что регионы, выступая объектами концентрации усилий всех заинтересованных в ускорении инновационных процессов сторон, имеют возможность фокусировать мероприятия кластерных программ на «узких местах». Сегодня основное направление политики в России направлено не только на выявление точек инновационного роста, но и на стимулирование их развития [2].
Моделирование инновационного процесса в рамках научно-промышленного кластера может проводиться на основе построения и анализа моделей на основе теории нечеткой логики причинно-следственных сетей, отражающих область знаний управленческой инновационной сферы посредством дуг и вершин нечеткой сети. Такая система представления знаний позволяет выполнить оценку и анализ актуальной ситуации, а также сформировать обоснованные рекомендации по принятию управленческих решений. При этом фактором, усложняющим действия при оценке качества управленческого решения, чаще всего является дефицит информации, ее несимметричность и затруднения с определением ее уровня достоверности и опасность ее «утечки». При этом принятие решений в подобной ситуации осложняют дефицит времени и быстро изменяющаяся внешняя среда любого субъекта рыночных отношений.
По своей сути, промышленно-инновационные системы — это ряд взаимосвязанных бизнес-процессов, преобразующих входящую информацию и ресурсы в рыночный инновационный продукт, имеющий для потребителя значимую ценность. Опыт показывает, что сложность и многокомпонентность такой деятельности определяет значительное количество внутрисистемных связей, с часто неопределенным количественным и качественным влиянием как друг на друга, так и на систему в целом, и даже на взаимодействие ее с внешними агентами. Это затрудняет количественное представление и формализацию моделей поведения таких систем. При этом, если рассматривается «сквозная» инновационно-промышленная цепочка, то дополнительным осложняющим обстоятельством является существование у взаимодействующих инновационных предприятий коммерческих интересов, конфликтующих друг с другом. В таких условиях исследовательские подходы к оценке инновационного процесса в промышленности предполагают использование методов приближенного моделирования, позволяющие учесть особенности субъектов управления, оказывающие влияние на итоговое состояние моделируемых систем. В силу этого актуальным становится разработка методов управления инновационными процессами научно-промышленных структур, основанных на применении теории нечетких множеств. Наиболее целесообразно интегрировать нечеткие алгоритмы в состав информационно-аналитической системы поддержки принятия решений.
При обсуждении вопроса о термах лингвистической переменной актуален вопрос количества термов для переменной, чтобы достаточно точного представить показатель. В настоящее время сложилось мнение, что для большинства приложений достаточно 3–7 термов на каждую переменную. Минимальное значение числа термов вполне оправданно. Такое определение содержит два экстремальных значения (минимальное и максимальное) и среднее. Для большинства применений этого вполне достаточно. Что касается максимального количества термов, то оно не ограничено и зависит целиком от приложения и требуемой точности описания системы. Число же 7 обусловлено емкостью кратковременной памяти человека, в которой, по современным представлениям, может храниться до семи единиц информации.
Концептуальный алгоритм реализации метода построения нечетко-логических моделей, описывающих инновационные процессы в научно-промышленных кластерах, можно представить следующим образом.
На первом этапе формируется и анализируется состав структуры модели. Здесь задается множество основополагающих параметров, характеризующих систему, происходит формирование состава структуры модели. Целевая установка процесса управления связывается с выходной переменной нечеткой системы управления, но результат нечеткого логического вывода является нечетким.
Затем на втором этапе устанавливается степень согласования отношений влияния между параметрами, характеризующих системные факторы. Здесь также определяются отношения влияния между параметрами в виде весов, которые затем отображаются в виде причинно-следственных связей между ними. Затем создается макет матрицы с указанием взаимовлияний между параметрами. таким образом формируется модель, которая описывает взаимовлияние по факторам инновационной среды и производственной бизнес-среды.
Безусловно, полученная матрица не в полной мере отражает взаимные влияния всех процессов на объект, но она обозначает наиболее концептуальные компоненты.
На третьем этапе описывается оценка влияния системных факторов на идентифицированные целевые параметры. В рамках модели определяются входные и выходные переменные модели, задание весов входных переменных, и определение подхода, в соответствии с которым определяется показатель изменения целевых параметров. Затем определяются термы-множеств и задаются значения логико-лингвистических шкал входных и выходных переменных нечеткой модели оценки. Также на данном этапе определяется база продукционных правил нечетко-логической модели оценки влияния различных элементов функционирования. Затем формируется нечеткая модель оценки влияния. Именно здесь определяется окончательная структура модели оценки и выбора мероприятий по управлению инновационными процессами, задаются условия и механизмы выбора альтернативных параметров.
Литература:
- Стратегии инновационного развития Российской Федерации на период до 2020 года. Распоряжение от 8 декабря 2011 года № 2227-р (http://government.ru/docs/9282/)
- Александрова И. А., Губернаторов А. М. (2015) Моделирование инновационных процессов в отраслях экономики на основе принципов нечеткой логики // Современные проблемы науки и образования. 2015. № 2. с.20–25.
