Информационное обеспечение процессов моделирования инновационных проектов с учётом их стратегического характера

Стратегические компоненты и их роль в инновационном проектировании

Инновационное проектирование на предприятии направлено на достижение стратегических целей и тесным образом связано с реализацией принятых стратегий в сферах сбыта, инвестиционно-финансовой деятельности, ресурсного обеспечения, социальных преобразований и других. Отдельные проекты по различным направлениям входят в состав комплексных программ развития предприятия и обеспечения его долгосрочной конкурентоспособности. Это определяет многоцелевой характер инновационных проектов и возникновение синергетического эффекта между различными стратегическими целями при их реализации. Ключевые решения по инновационным проектам могут в полной мере считаться стратегическими решениями, поскольку обладают такими чертами, как неотвратимость и долгосрочность последствий, а также имеют кардинальное значение для функционирования объектах. [1]

Таким образом, цели и задачи, поставленные перед конкретным инновационным проектом, необходимым образом вытекают из выбранных предприятием стратегических альтернатив. Эти альтернативы, в свою очередь, представляют собой не детальное описание положения предприятия, а скорее размытые и приблизительные пожелания относительного его будущего состояния. [2] Они определяют пределы реализации инновационных проектов, приоритет постановки различных проектных задач и выбора сфер деятельности, уровень доступных ресурсов и общие характеристики ожидаемых результатов. Их формулирование основано не на строгом формальном анализе, а скорее на интуиции, опыте, менталитете менеджеров. В то же время профессиональный опыт менеджера или эксперта выражается в форме вербальных и невербальных когнитивных образов, имеющих сугубо субъективную природу и потому несводимых к точным логическим связкам и отношениям равенства и включения. [3] Реализация инновационного проекта в большей мере, чем другие виды деятельности, опирается на человеческие, интеллектуальные, качественные по своей природе ресурсы: неявные знания сотрудников и организационные возможности компании представляют собой значимый фактор успеха и увеличивают эффективность использования всех прочих ресурсов.

Долгосрочный характер проектирования исключает возможность точного определения прогнозируемых параметров, поэтому они зачастую имеют невероятностный, интервальный характер. Инновационное проектирование опирается на результаты стратегического анализа внешней и внутренней среды предприятия, который направлен только на ядро объектов и процессов, а его результаты носят сугубо качественный характер и не представимы в числовом виде. [4]

Поэтому при расчёте и определении конкретных параметров и элементов инновационного процесса возникает конфликт между качественным, нечётким описанием альтернатив, расплывчатостью целей и требуемой конкретностью и точностью управленческих решений по их реализации. Таким образом, стратегический характер целей и задач инновационного проекта обуславливает особенности процесса его моделирования и предъявляет дополнительные требования к информационному обеспечению этого процесса.

В первую очередь, необходимо обеспечить агрегирование всей относящейся к инновационному проекту, разнородной информации, имеющей нечёткий, трудноформализуемый характер, и использовать её в процессе моделирования для минимизации неопределённости и связанной с ней несравнимости. Одним из эффективных инструментов приведения вероятностной, интервальной, лингвистической информации к единой форме является теория нечётких множеств. В рамках инновационного проектирования она позволяет адекватно отразить при постановке конкретных проектных задач качественно заданные цели, расплывчато определённые значения критериев и ограничений. Некоторые возможности её применения и адаптации для целей инновационного проектирования будут рассмотрены в следующих разделах.

Возможности теории нечётких множеств в вопросах формализации расплывчатых параметров инновационного проектирования

Считается, что качество анализа и оценки параметров проекта определяется достоверностью исходной информации и принятой методологией. В добавление к этим факторам отметим также важность правильного целеполагания, то есть выбора тех целей, которые будут положены в основу конкретных задач по оценке параметров проекта и их отбору. Для инновационного проекта, направленного на реализацию стратегических альтернатив, перевод качественных размытых целей в формализованные цели и ограничения отдельных задач является далеко не тривиальным. Если конкретные вопросы, поставленные при решении задач оценки и анализа по проекту, не адекватно отражают стратегические цели его реализации, искажают или излишне огрубляют их, то решение такой задачи будет представлять собой ответ не на тот вопрос, которой в интуитивной и вербальной форме был поставлен перед аналитиком. То есть такой ответ будет не только неточным, но и принципиально неверным - нарушается главное условие эффективности инновационного проекта – его соответствие стратегическому развитию компании.

В силу недостаточности информации на рассматриваемом этапе или недостаточной её структурированности при моделировании реальных задач инновационного проектирования в распоряжении аналитика имеются лишь нечёткие описания функции цели, её параметров и соответствующих им ограничений. Нечёткость целей может быть также естественной формой приближённого описания ситуации, если оно считается достаточным для решения поставленной стратегической задачи. Более того, точно описанное множество ограничений может оказаться лишь приближением реальности в том смысле, что в реальной задаче, лежащей в основе математической модели, альтернативы вне множества ограничений не являются недопустимыми, а лишь в той или иной мере менее желательными для лица, принимающего решение, чем альтернативы внутри этого множества. [5]

При стратегическом проектировании многие характеристики желаемого состояния могут быть заданы при помощи не численных значений, а вербальных переменных, и усиливающих или ослабляющих их предлогов, то есть первичных и составных термов. В этом случае замена числовых значений лингвистическими переменными позволяет в полной мере интегрировать результаты профессиональной экспертизы параметров и ресурсов средствами качественного анализа в механизм разработки управленческих решений по проекту. Лингвистическая переменная в теории нечётких множеств представляет собой переменную, значениями которой являются слова или предложения естественного языка, и применяется для описания плохо формализуемых явлений, приближённых характеристик, позволяя экспертам и аналитикам более полно и естественно представлять субъективные суждения, мнения и ощущения. [6] Таким образом, задача анализа инновационного проекта решается в терминах, адекватно отражающих стратегический характер проблемы и естественных для аналитика, оперирующего со стратегическими размытыми критериями.

Вид функции принадлежности лингвистической переменной позволяет отразить смысл, вкладываемый в такие слова, как «близко», «гораздо больше», «примерно равно» и другие, в каждом конкретном случае, сохраняя субъективную составляющую выбранных целей и альтернатив. Используемые в естественных описаниях соединительные предлоги находят математическое выражение в операциях пересечения и объединения различного вида, которые допускают их жёсткую или мягкую интерпретацию в соответствии с интуитивно требуемым смыслом. [7] В настоящее время, помимо дизъюнкции и алгебраической суммы, разработано большое количество t-норм и s-норм (t-конорм), отвечающих условиям монотонности, коммутативности, ассоциативности и выражающим обобщение и агрегацию нечётких понятий в зависимости от подразумеваемой возможности компенсации значений одного параметра какими-либо значениями другого. [3] Появление дополнительной информации любого вида и снижение общей неопределённости по проекту могут быть отражены при помощи операции концентрирования к заданному нечёткому множеству, а операция растяжения применяется для моделирования ситуации, связанной с потерей стратегически значимой информации. На обобщении понятий концентрирования и растяжения основан предложенный Р. Ягером интегральный критерий оценки систем, учитывающий относительную важность критериев и степень ужесточения требований к их выполнению. В настоящее время для задач управления многоцелевыми инновационными проектами на основе методики Ягера разрабатываются механизмы ранжирования частных целей и ограничений в соответствии с интуитивными представлениями об их жёсткости и с учётом качественного характера их представления. [8]

В качестве частного случая лингвистической переменной А.П. Рыжовым разработано и введено в использование понятие полного ортогонального семантического пространства, создающего возможности для описания расплывчатых явлений с минимально возможной неопределённостью. Когда оценка свойств объектов и процессов производится в пределах данного семантического пространства, в то же время можно проанализировать степень его нечёткости, то есть проследить усреднённую степень неопределённости, испытываемую человеком при описании объектов, или степень рассогласования мнений экспертов в таком описании. [9]

Относительная значимость отдельных ограничений и критериев, входящих в проект, часто представляют собой нечёткие отношения, поскольку предпочтения субъекта не могут быть выражены точнее, чем частичная упорядоченность типа «не менее важно». Для оперирования такими данными предлагается особый алгоритм их обработки, направленный на выявление чётко недоминируемых альтернатив и анализ степени их допустимости и неопределённости. [5] Проведённые исследования доказали, что подобное представление исходной стратегической информации является более адекватным, чем искусственная метризация качественных показателей. [5, 10] Таким образом, нечёткий подход представляется наиболее приемлемой формой представления стратегической информации по проекту, сохраняющей её полноту и гибкость и позволяющей обеспечивать её единообразие и совместный учёт разных типов неопределённости. В связи с этим можно отметить актуальность разработки методов перевода вероятностных зависимостей в категории нечётких множеств, в частности метод получения функции принадлежности риска из функции распределения плотности вероятности ущерба в случае, если носитель интерпретируется как нормированный ущерб. [11]

Возможные формы представления результатов и их последующего анализа и контроля при моделировании инновационных проектов

При разработке инновационного проекта появляется множество вариантов его рациональной реализации и возможных конкретных управленческих решений, которые должны быть проверены на соответствие частным стратегиям предприятия. На этом этапе проводится анализ и оценка результатов, а также выработка соответствующих корректирующих мер и пересмотр некоторых предпосылок проектирования. Поскольку стратегическое положение предприятия определяется основными базисными процессами, контроль выполнения стратегии предполагает качественное, обобщённое сравнение запланированных и имеющихся результатов. [10]

Гибкость и полнота результатов инновационного проектирования определяется, в первую очередь, получением структурированной по уровню достоверности достаточной выборки эффективных решений. Это позволяет аналитику наиболее продуктивно интерпретировать полученные решения с точки зрения внешней по отношению к задаче, стратегической информации, которой он обладает. Теория нечётких множеств позволяет, придавая различные положительные веса функциям цели и ограничений и максимизируя эти функции, определять любое требующееся число эффективных альтернатив. Вместе с соответствующими им значениями функций данные альтернативы представляются аналитику, который делает окончательный выбор из них, исходя из своих субъективных представлений (или пользуясь информацией, не учтённой в данной математической модели) об относительной важности функции цели и степени допустимости альтернатив. [5] Таким образом, на заключительном этапе в процесс управления могут быть включены неявные знания аналитика, которые в силу их чрезмерной сложности или по иным причинам не нашли отражения в математической модели оценки.

Отказ от получения единственного оптимального управленческого решения и применение расплывчатых описаний, таким образом, допускают более полное толкование понятий максимизации и рациональности полученного решения, необходимое для анализа решений стратегического характера. Под максимизацией можно понимать выбор нечёткого подмножества множества допустимых альтернатив, которому соответствует в некотором смысле наилучшее нечёткое значение функции, оценивающей результаты выбора альтернатив. Подобное нечёткое описание результата столь же информативно, как и описание исходного множества допустимых альтернатив. Если аналитик не приемлет нечёткого описания решения задачи, то максимизацию также можно трактовать как рациональный выбор конкретной альтернативы или множества альтернатив при гибком понимании необходимости компромисса между желанием получить по возможности большее значение функции цели и желанием выбрать по возможности более допустимую альтернативу. [5]

Другим направлением является разработка механизмов получения экспресс-решений по проекту, которые позволяют отслеживать влияние на конечную эффективность проекта неопределённости, связанной с размытостью экспертных оценок, а также влияние выбора конкретных методов оценки параметров, интервалов рассматриваемых данных или гипотез относительно условий реализации. В частности, предлагается продуцировать частные решения при задании нового требуемого уровня достоверности и выборе наиболее подходящих на этом уровне альтернатив по критериям размытости и суммарного эффекта. [12]

Влияние нечёткости экспертных оценок предполагает учёт факторов субъективной неопределённости суждений, что расширяет возможности и направления окончательного выбора решения в задачах стратегического характера, усиливая тем самым гибкость разрабатываемых моделей. Степень неопределённости и несогласованности представлений о значениях и важности параметра, степень точности суждений также служат основой для корректировки и пересмотра полученных решений, исключения тех или иных альтернатив. Для анализа модальных оттенков при анализе суждений экспертов разрабатываются квалификаторы модальности в лингвистических конструкциях для процессов моделирования, принятия решений и управления. Перспективным направлением совершенствования информационного обеспечения в сфере экспертных суждений является предложенное В.Д. Шалыниным введение информационных единиц в качестве базового параметра моделирования инновационных процессов, в частности нелинейных процессов трансфера инноваций. Имеющая в своей структуре такие элементы, как объект, признак, значение признака и уверенность, информационная единица позволяет в равной мере формализовать неопределённость экспертного суждения и неточность его смыслового содержания. [13]

Таким образом, в инновационном проектировании применение ТНМ является не только вынужденным средством отражения неопределённости и заполнения информационных пробелов, но и наиболее адекватной и репрезентативной формой представления, обработки стратегической информации, а также формой получения гибких, то есть удобных с точки зрения стратегического проектирования, результатов.

Литература:

1. Клейнер Г. Б. Стратегии бизнеса. / Айвазян С.А., Балкинд О.Я., Баснина Т.Д. и др.: Справочник / под ред. Клейнера Г.Б. – М.: КОНСЭКО, 1998.

2. Виханский О.С., Наумов А.И. Менеджмент. – М.: Гардарика, 1998. – 528 с.

3. Тенетко М. И., Пескова О. Ю. концепция оценивания информационных рисков на основе нечётких множеств // Известия ЮФУ. Технические науки. С. 24-30.

4. Клейнер Г.Б., Тамбовцев В.Л., Качалов Р.М. Предприятие в нестабильной экономической среде: риски, стратегия, безопасность. – М.: Экономика, 1997.- 288 с.

5. Орловский С. А. Проблемы принятия решений при нечёткой исходной информации. – М.: Наука. Главная редакция физико-математической литературы, 1981. - 208 с.

6. Птускин А.С. Нечёткие модели и методы в менеджменте: Учебное пособие. – М.: Издательство МГТУ им. Н.Э. Баумана, 2008. – 216 с.

7. Вопросы анализа и процедуры принятия решений. Сборник переводов. М.: Издательство «Мир», 1976. Под редакцией кандидата физико-математических наук И. Ф. Шахнова. 232 с.

8. Гареев Т. Ф. Оценка эффективности инноваций с использованием нечётких чисел // Вестник Казанского государственного аграрного университета, 2008. - №4(10). – С. 14-17.

9. Рыжов А. П. Методы и алгоритмы обработки нечёткой информации в системах интеллектуальной поддержки при принятии управленческих решений. Автореф. дис. на соиск. учен. степ, к.э.н. / А. П. Рыжов. – Тверь, 2007. – 31 с.

10. Птускин А. С. Решение стратегических задач в условиях размытой информации: Монография. – М.: Издательско-торговая корпорация «Дашков и К», 2003. – 240 с.

11. Линец А. Л. Применение теории нечётких множеств в задачах рискоанализа // Информация и безопасность. 2006. №1. С. 133-134.

12. Левнер Е.В., Птускин А. С. Размытые множества и их применение. – М.: ЦЭМИ РАН. 1998. – 108 с.

13. Шалынин В.Д. Подход к моделированию задач процесса трансфера инноваций на основе формализованной неопределённости и аппарата нечётких множеств // Вестник Саратовского государственного технического университета. 2010. т. 3. № 1. С. 280-288.