Моделирование процесса инновационной деятельности. Моделирование – как инновационный подход в обучении детей дошкольного возраста Моделирование как метод изучения инновационных процессов

Основы моделирования инновационного развития предприятия

Инновационное развитие предполагает активизацию инновационной деятельности, развитие технологий и формирование уникальных новшеств, а также их коммерциализацию и распространение. На микроуровне его основой выступает наращивание инновационного потенциала субъекта хозяйствования и активизация протекающих на его базе инновационных процессов, исследований и разработок.

Сегодня, благодаря развитию научных методов познания и исследования, а также информатизации науки, стало возможным моделирование инновационного развития. В его основе лежат инструментальные средства таких отраслей наук, как:

математический анализ;
линейное и динамическое программирование;
теория массового обслуживания;
теория вероятностей;
теория игр;
параметрическое программирование;
стохастическое программирование и пр.

Замечание 1

На практике имитационное моделирование чаще всего используется для высокотехнологичных предприятий. Сегодня при моделировании инновационного развития чаще всего принято обращаться к моделям линейного и нелинейного характера.

Линейные модели (цепные и совмещенные) основаны на реализации последовательных этапов создания инновационной продукции. Нелинейные (интегрированные) модели допускают возможность параллельного осуществления всех или некоторых групп действий, совершаемых с целью создания инновационного продукции. В большей степени они акцентируют внимание на характере взаимодействия субъектов инновационного процесса.

Как показывает практика, ученые в большинстве случаев отдают предпочтение именно нелинейному моделированию инновационного развития. Пример подобной модели представлен на рисунке 1.

Рисунок 1. Нелинейная модель инновационного процесса IV поколения. Автор24 - интернет-биржа студенческих работ

Интегрированное моделирование, несмотря на всю свою популярность, не позволяет, однако, определять критические участки инновационного процесса, от успешности прохождения которых напрямую зависят результаты инновационного развития. В этом кроется основной недостаток моделей данного типа.

Базовые модели инновационного развития

За последние несколько десятков лет сложилось шесть наиболее четко сформированных моделей инновационного (технологического) развития, составляющих фундамент для трансформации экономических систем (рисунок 2). В основу их выделения положен механизм интеграции научных открытий и технологий, технологий и производства, производства и общества. Рассмотрим представленные модели более подробно.

Рисунок 2. Основные модели инновационного (технологического) развития. Автор24 - интернет-биржа студенческих работ

Модель «инновационной среды» предполагает соединение и интеграцию крупного частного капитала, науки, современно оснащенных многопрофильных предприятий и большого числа высококвалифицированных сотрудников. Посредством объединения этих факторов обеспечивается формирование процесса технологического развития.

Отличительной особенностью модели данного типа считается высокая степень децентрализации и концентрация факторов на небольшой территории. В качестве примера можно привести Силиконовую Долину, расположенную в штате Калифорния, США.

Характерной особенностью транснациональной модели выступает инициация инноваций и их доведение до технологической и производственной реализации крупными транснациональными компаниями, которые располагают необходимым для этого капиталом и имеют комплекс современно оснащенных предприятий с квалифицированным персоналом. Зачастую подобные компании имеют собственные научно-исследовательские центры и лаборатории. Они же финансируют подобные разработки на базе университетских платформ. Генерируя в себе все необходимые элементы «инновационной среды», ТНК замедляют сеть децентрализованных взаимосвязей системы.

Для модели «государственного протекционизма» характерно оказание поддержки инновационного развития со стороны правительства какого-либо государства в условиях закрытого для иностранных компаний национального рынка посредством национальных частных фирм. Наиболее ярким примером использования данной модели выступает рынок Японии и Северной Кореи. Опыт этих стран свидетельствует о первоначальной поддержке национальных компаний внутри страны и последующей помощи им в выходе на мировые рынки. В рамках данной модели компании первоначально копируют инновации, однако с накоплением собственного опыта инновационного развития и расстановки технологических приоритетов национальные компании переходят к собственному производству высоких технологий.

Модель инновационного развития четвертого типа в отличие от модели «государственного протекционизма», предполагает необходимость осуществления технологического прогресса в непрерывном взаимодействии с мировым рынком. Свое воплощение она нашла во Франции, правительство которой поддерживало национальные предприятия в открытой конкурентной борьбе на международном информационном рынке.

Для модели инновационного развития пятого типа характерна ориентация технологического развития на достижения военных преимуществ. Данная модель наделена весьма высоки потенциалом. Считается, что она способна поддерживать динамику государственного развития в сфере высоких технологий, за счет чего обеспечивается установление и поддержание определенных приоритетов страны в общей мировой диспозиции. В то же время данная модель наделена определенными недостатками:

нравственная дилемма;
техническая проблема.

Нравственная дилемма предполагает аморальность использования научных достижений для создания орудий убийств, а техническая проблема сводится к секретности и закрытости военных технологий, в результате чего инновации не могут быть распространены на общество в целом.

Шестой моделью инновационного развития считается модель европейского типа. Она предполагает сотрудничество между различными правительствами и частными компаниями различных государств.

Замечание 2

Каждая из представленных моделей инновационного развития имеет свои преимущества и недостатки. В современном мире не все из них находят свое воплощение в чистом виде.

У Д К 65.012 + 519.245

Л. В. Кирина 1, Л. А. Астанина 2

Институт экономики и организации промышленного производства СО РАН пр. Акад. Лаврентьева, 17, Новосибирск, 630090, Россия E-mail: 1 [email protected]; 2 [email protected]

МОДЕЛИРОВАНИЕ ИННОВАЦИОННЫХ ПРОЦЕССОВ

Характерной особенностью инновационных процессов, особенно на стадии проектирования, является высокая степень неопределенности, связанная с многовариантностью проектных решений и рядом других факторов. Для принятия рациональных решений, определения вероятности достижения желаемых результатов в ходе инновационного процесса предлагается использование инструмента имитационного моделирования - альтернативной стохастической сетевой модели.

Ключевые слова: неопределенность, имитационное моделирование.

В ходе осуществления рыночной реформы в России проблема эффективного использования научно-технических достижений в производстве не исчезает, а, напротив, для многих предприятий, столкнувшихся с новыми для них проблемами конкуренции, выживаемости в жестких условиях рынка, именно инновационная деятельность и ее результаты могут стать условием успеха. Научно-техническое развитие предприятий проявляется в ходе реализации различных инновационных проектов. Содержанием инновационного проекта является проведение исследований и разработок, нацеленных на создание научно-технического новшества. Такие проекты, выступающие основной формой организации бизнеса в наукоемких и технологически ориентированных фирмах, наряду с общими характеристиками, присущими всем инвестиционным проектам, имеют целый ряд специфических свойств, характерных именно для инновационных проектов:

Более высокая степень как коммерческой, так и технической неопределенности параметров проекта уменьшает достоверность предварительной финансово-экономической оценки;

Ориентация инновационных проектов на долгосрочные результаты обусловливает необходимость создания надежной базы прогнозирования и тщательного учета фактора времени в финансово-экономических расчетах;

Вовлечение в проекты специалистов высокой квалификации, а также уникальных ресурсов требует глубокой проработки отдельных стадий и этапов каждого инновационного проекта и др.

Любой инновационный проект, являясь проектом инвестиционным, требует учета различного рода факторов, которые могут оказать влияние на финансово-экономические показатели. Такой анализ традиционно осуществляется в рамках нормативных моделей оценки проектов. Однако, как показала практика, несмотря на преимущества нормативного подхода (простота, логичность, формализуемость процесса принятия решений), отобранные таким образом инновационные проекты оказывались не всегда достаточно эффективными, а часто просто неудачными.

Это связано с действием целого ряда факторов неопределенности, слабо формализуемых, но способных существенно повлиять на уровень будущих доходов и затрат. Проект может завершиться неудачей, т. е. оказаться нереализованным или неэффективным в силу причин, носящих внешний характер, - неадекватная реакция рынка, успешная деятельность конкурентов и т. д. Причины неудачи проекта могут иметь также внутреннюю природу - ошибки при определении параметров проекта в ходе его оценки и отбора или в процессе реализации.

ISSN 1818-7862. Вестник НГУ. Серия: Социально-экономические науки. 2008. Том 8, выпуск 2 © Л. В. Кирина, Л. А. Астанина, 2008

Таким образом, любой инновационный проект содержит определенную степень риска. Одним из факторов риска является масштаб предполагаемого проекта, при этом чаще всего степень риска больше у крупных, дорогих и долгосрочных проектов.

Многочисленные исследования показали, что для успеха инновационного проекта важными могут быть следующие факторы:

Соответствие проекта стратегии фирмы;

Четкая рыночная ориентация;

Преодоление информационных барьеров в сферах НИОКР и маркетинга;

Достаточность средств для проведения НИОКР;

Поощрение творческих устремлений персонала;

Эффективное управление проектом.

Управление проектами может быть определено как искусство и наука координирования людей, оборудования, материалов, финансовых средств и графиков выполнения определенного проекта в заданные сроки и в пределах бюджета. Для выполнения поставленных целей по управлению проектами используются различные методы и модели, такие как матричная организация работ, формализованные методы планирования и контроля работ, составление и контроль смет расходов, управление риском, разрешение конфликтов, информационные системы и др.

Контрольные точки соответствуют намеченным в календарном плане;

Расход финансовых средств соответствует плановому;

Затраты ресурсов соизмеримы с нормативными;

Обеспечивается доход в деятельности участников проекта.

Наиболее чувствительными факторами, подверженными случайным воздействиям, являются объемы, сроки и стоимость выполнения работ по проекту. Следовательно, учет неопределенности будущих доходов и затрат, а также сроков осуществления отдельных этапов проекта является обязательным условием эффективного управления.

Современный менеджер по управлению проектом вынужден работать с неопределенностью в конкретной и конструктивной форме, следовательно, составной частью общей системы управления проектом должна быть программа управления изменениями, включающая учет риска, а также выявление факторов, приводящих к потерям, перерасходу средств и дополнительным затратам времени. Высокая степень риска проекта приводит к необходимости поиска путей ее снижения. В практике управления проектами существует три способа снижения риска: распределение риска между участниками проекта, страхование, а также резервирование средств на покрытие непредвиденных расходов. Оценка резерва средств, как способа борьбы с риском, предусматривающего установление соотношения между потенциальными рисками и размеров расходов, необходимых для преодоления сбоев, представляется актуальной задачей.

При конструировании общей системы управления проектом необходима концептуальная модель, которая адекватно описывает проект и его взаимодействие с другими компонентами системы. Далее на основе общесистемного представления проекта может быть получена информация, которая включает оценку общей стоимости проекта, инвестиционный бюджет, график выполнения работ проекта с учетом факторов риска, анализ необходимых резервов на покрытие непредвиденных расходов и др.

Процесс реализации инноваций по своей сути связан с экономическим риском, при этом низкий процент реализуемых идей определяет специфику управления нововведениями. Очевидно, что чем раньше выявляется непригодность той или иной идеи, тем меньше будут затраты на последующих стадиях инновационного процесса. Отсюда специфика управления нововведениями такова, что, с одной стороны, необходимо стимулировать с помощью пред-проектного бюджета выдвижение идей, связанных с инновациями продукта, а с другой - давать систематическую оценку шансов на достижение успеха инновации продукта до начала стадии разработки. Итак, требуется периодический контроль за инновационным процессом в рамках стратегического планирования, а также контролируемый переход от предпроектной стадии к стадии разработки продукта.

Для более качественной оценки этапов реализации инноваций крупные промышленные фирмы используют дублирование работ и активное экспериментирование, при этом анализу подвергаются различные варианты создания продукта. Однако часто предприятие не может позволить себе затраты, связанные с экспериментированием в реальных условиях. Экономичным методом решения широкого круга проблем в этом случае является имитация. Метод имитации обладает большими потенциальными возможностями для анализа различных вариантов инновации продукта, принятия рациональных решений в области распределения и резервирования ресурсов, планирования во времени сложных комплексов работ, определения вероятности достижения желаемых результатов в ходе инновационного процесса.

Инновационный процесс определим как процесс создания и распространения нового изделия, технологии или услуги, включающий сложный комплекс производственных, организационных, маркетинговых и финансовых операций от формирования идеи до ее освоения в промышленном производстве, выпуска продукта на рынок и достижения коммерческого эффекта .

Инновационным процессам присуща высокая степень неопределенности, особенно на ранних стадиях создания продуктового нововведения, для которых характерным свойством является наличие ситуаций, связанных с проработкой различных альтернатив создания концепции нового изделия, а также отдельных компонент технической системы. Многовариантность, присущая ранним стадиям создания продуктового нововведения, и необходимость учета других факторов, оказывающих существенное влияние на инновационный процесс, снижают адекватность детерминированных сетевых методов и обусловливают задачу перехода к стохастическим графам .

Для решения поставленной проблемы предлагается инструмент параметрического анализа различных вариантов инновации продукта, основанный на использовании альтернативной стохастической сетевой модели комплекса операций.

Анализируя структурные особенности альтернатив, удается выделить ряд основных типов альтернативных ситуаций, различные комбинации которых дают возможность достаточно полно описывать процесс разработки нововведений.

В отличие от детерминированного графа, множество вершин стохастического графа неоднородно и распадается на множество вершин различных типов в зависимости от условий, имеющих место на их входах и выходах. Для отображения альтернативных ситуаций используется восемь типов вершин, причем альтернативы описываются вероятностями их реализации.

Простейшими в данной модели являются вершины типа вершин детерминированных графов, на входе и выходе которых реализуется логическое условие Л (логическая операция «и»). Кроме того, для отображения различного рода альтернатив вводятся другие типы вершин, на входах и выходах которых могут быть реализованы такие логические условия: V -логическая операция «или»; V - логическая операция, исключающая «или». Комбинируя возможные условия на входе (Л^) и выходе (Л, V, V), мы получаем шесть основных типов вершин альтернативного графа: Л еЛ, Л еV, Л е V, V е Л, VеV, Vе V .

При анализе альтернатив могут встретиться ситуации, когда дальнейшее осуществление процесса, т. е. реализация исходящих из некоторых событий работ, существенно зависит от выполнения дуг на входе событий. Для отображения таких ситуации дополнительно вводятся два типа вершин, которые обозначаются следующим образом: VеV/Р, Vе V /Р.

События, имеющие на входе логическое условие V, считаются свершенными, если хотя бы одна работа (/, е) из множества входящих в событие е работ закончилась.

Свершение событий, имеющих на выходе логическое условие Л, означает возможность и необходимость начать все работы, исходящие из события е.

Вершины с выходом типа V описывают ситуацию, когда на выходе альтернативного события е может реализоваться одна и только одна работа из всех непосредственно исходящих из события е работ. Каждая из этих работ (е, у) имеет вероятность реализации Р(е, у), причем сумма вероятностей реализации всех дуг, исходящих из события е, равна единице (£Р(е, у) = 1).

Для событий, имеющих на выходе логическое условие V, может быть выбрана одна или несколько альтернатив дальнейшего развития, причем каждое направление выбирается независимо от других в соответствии с вероятностью выбора Р(е,]) (0 < Р(е,]) < 1).

Наиболее сложными являются события типа VеV/Р, Vе V /Р (седьмой и восьмой типы соответственно), когда выполнение работ, исходящих из события е, существенно зависит от реализации дуг на входе этого события. В этом случае на выходе события е задается не вектор, а матрица вероятностей \Р"е, /], в которой каждый элемент Р"е, ¡- означает вероятность наступления события ] в случае, если событие е наступило в результате реализации работы (/, е). Для матрицы, описывающей вероятности реализации работ для событий восьмого типа,

необходимо, чтобы сумма элементов по строкам была равна единице (^Р"е ^ = 1).

В процессе формирования модели на первом этапе строится структурная схема исследуемого процесса. Построение структурной схемы заключается в расчленении комплекса работ исследуемого объекта на укрупненные элементы. Характер такого членения специфичен для различных нововведений и определяется типом создаваемого объекта. Структурная схема строится в виде графа типа дерева. Сначала выделяются вершины, в которых возможны альтернативные решения. Существенным для этого этапа является определение типа логических условий на входе и выходе каждой из вершин. На следующем этапе построения структурной схемы основной задачей является определение возможно большего набора альтернативных направлений. Стохастический граф, отображающий процесс в целом, получается посредством объединения подграфов, отображающих сгенерированные альтернативы:

Завершающим этапом построения альтернативного стохастического графа является определение параметров всех его дуг. Параметры дуг альтернативного стохастического графа, такие как продолжительность работы, стоимость выполнения операций, необходимые ресурсы, связанные с выполнением работ, а также оценки вероятностей исходов событий могут определяться двумя путями: либо с помощью групповых экспертных оценок, либо на основе статистических данных о прошлых разработках.

Анализ стохастического графа начинается с моделирования топологии графа и вычисления временных характеристик. Моделирование топологии сети сводится к выбору альтернативных путей, т. е. к определению того, по какому пути пойдет моделируемый процесс в каждом частном случае. Таким образом, моделируется вся совокупность работ сети. В результате получается частная реализация стохастического графа - фиксированная сеть из детерминированных работ.

Временные параметры графа определяются следующим образом:

1) если событие е имеет вход типа Л, то раннее время наступления этого события определяется как Tpe = max (Tpe, Tpe + tj, e), где tie - продолжительность работы (i, е);

2) если событие е имеет вход типа V, то Tpe = min (Tpe, Ve + tie).

Моделирование случайных исходов альтернативных событий осуществляется с помощью «разыгрывания» случайных чисел распределенных равномерно в интервале (0, 1).

Напомним, что вершины с выходом типа е V, е V /Р описывают ситуацию, когда из многих вариантов нужно выбрать только один, т. е. на выходе вершин е имеет место группа взаимоисключающих исходов. Пусть из вершины е V исходит п работ (е, Ц), ..., (е, ]"„), а

^ Р(е, ]к) = 1. Тогда если выбранное значение случайной величины Ъ удовлетворяет нера-

венству ^Р(е, js) < ^ Р(е, js), то выполняется работа (е,]к), а остальные не участвуют в

данной реализации графа. Разыгрывание исхода события е V /Р отличается от рассмотренного тем, что в качестве вероятностей реализации работ на выходе данного события выбирается соответствующая строка матрицы [Рге,].

Для вершин типа еУ, еУ/Р, когда каждое возможное направление развития выбирается независимо от других, моделирование случайных исходов событий осуществляется следующим образом. Пусть из вершины е исходит п работ (е, ..., (е, jn), на каждой из которых задана вероятность ее реализации. Генерируется п распределенных равномерно на отрезке (0, 1) случайных чисел Ъ,ь..., которые сравниваются с вероятностями Р(е, Л), ..., Р(е, ]"п) соответственно. Выполнение условия Ък < Р(е,.1к) означает, что работа (е,]"к) выполняется, в противном случае эта работа не участвует в данной реализации графа. Разыгрывание исхода события еУ/Р отличается тем, что в качестве вероятностей реализации работ на выходе выбирается соответствующая строка матрицы [Рге,;].

Для анализа модели, основанной на альтернативном графе, созданы моделирующие алгоритмы, которые дают возможность получать разнообразную информацию, касающуюся процесса управления нововведениями и предоставлять ее в удобном для пользователя виде с помощью средств компьютерной графики. Проведение большого числа реализаций графа позволяет определить стохастические параметры процесса: такие, как математические ожидания и дисперсии длительности и стоимости разработки, математические ожидания раннего времени наступления событий и резервов. Многократная имитация стохастического альтернативного графа с помощью современных вычислительных средств позволяет получить выборки значений случайных параметров длительности и стоимости проекта, и по этим данным построить гистограммы и эмпирические функции распределения этих случайных величин.

Функция распределения случайной величины времени разработки проекта - дает возможность не только обоснованно прогнозировать срок окончания всего проекта, но и определять вероятность завершения проекта к назначенному времени, а также определять срок, к которому с заданной вероятностью проект будет завершен. Гистограмма и эмпирическая функция распределения стоимости проекта также несут ценную информацию, которая позволяет, в частности, оценить вероятность реализации проекта с заданными суммарными затратами, например с затратами, не превышающими первоначальную стоимость. Как показали проведенные машинные эксперименты, функции распределения параметров разработки тонко реагируют на принимаемые количественные решения по развитию нововведений и являются гибким инструментом возможного анализа организационных и технических мероприятий. Элементарный анализ этих выборочных функций позволяет при каждой фиксированной стратегии реализации нововведения ответить на важные вопросы о соотношении сроков и вероятностей исполнения мероприятий, о затратах ресурсов. Изменяя стратегию и производя соответствующие изменения в стохастическом графе, можно по результатам имитации сделать выводы о результативности каждой стратегии и о тенденциях процесса реализации конкретного нововведения. Кроме того, альтернативная стохастическая модель дает возможность определять функции плотности и распределения параметров разработки изделия с учетом относительных преимуществ каждого из вариантов его изготовления по важнейшим этапам проекта с помощью задания подмножества вершин графа, называемых точками контроля.

Итак, стохастическая сетевая модель позволяет имитировать с помощью современных вычислительных средств процесс оценки и принятия решений в местах альтернативного разветвления процесса, определять полную вероятность каждого из предусмотренных вариантов разработки, время и затраты, связанные с реализацией того или иного проекта. Таким обра-

зом, данная модель является эффективным средством отображения, имитации и прогнозирования процесса реализации нововведения.

Список литературы

Кузнецова С. А., Кравченко Н. А., Маркова В. Д., Юсупова А. Т. Инновационный менеджмент. Новосибирск: Изд-во СО РАН, 2005. 275 с.

Кузнецова С. А., Кирина Л. В. Инновационная стратегия предприятия: Метод. пособие. Новосибирск, 1999. 38 с.

Материал поступил в редколлегию 25.03.2008

L. V. Kirina, L. A. Astanina

Modeling Innovation Processes

Innovation processes, particularly at their design stage, are characterized by high uncertainty, caused by multi-variance of design solutions and a number of other factors. To make rational decisions and to determine probability of achieving desired results during an innovation process it is proposed to use one of imitation modeling tools - the alternative stochastic network model.

Keywords: uncertainty, imitation modeling.

2. СИСТЕМНЫЕ ПОДХОДЫ К УПРАВЛЕНИЮ ИННОВАЦИОННОЙ ДЕЯТЕЛЬНОСТЬЮ КОМПАНИЙ

2.2. Применение моделирования в инновационной деятельности и его методологические ограничения

В настоящее время среди достаточно широкого круга специалистов сложилось мнение об универсальности и всемогуществе моделирования. Поэтому очень часто при управлении компаниями и экономико-производственными системами (ЭПС) прибегают к моделированию, используя его в качестве инструмента в планировании. Однако, как указывают многочисленные источники , , , , , , , в практическом управлении компаниями к моделированию как к оптимизационному методу управления следует подходить более осторожно.

По мнению ряда исследователей, экономико-математическое моделирование как дисциплина, изучающая процессы построения, интерпретации и применения математических моделей экономических объектов для решения задач анализа, синтеза и прогнозирования их деятельности, в настоящее время не может рассматриваться как самостоятельная. Согласно такому мнению , содержательная часть процесса моделирования (выбор показателей, факторов, зависимостей) включается в экономическую теорию, а техническая (под которой в 9 случаях из 10 понимается построение тех или иных статистических моделей) – в эконометрику. Таким образом, экономико-математическое моделирование оказывается, с одной стороны, разорванным, с другой – усеченным, и вопросы взаимосвязи всех этапов моделирования, корректности интерпретации результатов моделирования и, следовательно, ценности рекомендаций на основе моделей, оказываются как бы висящими в воздухе. В результате всерьез принимаются результаты, основанные на интерпретации недостаточно адекватных моделей (например, регрессионные зависимости, у которых коэффициент множественной детерминации R 2 равен 0,03 ). Иногда допускается чрезмерно расширительная интерпретация тех или иных компонент модели.

Причиной осторожного подхода в практике моделирования является известное несоответствие между объектом и его моделью: модель всего лишь упрощенное представление действительности. Модель – есть теоретическое построение, имеющее некоторое отношение к реальности, которое можно независимо обсуждать и анализировать .

При построении математической модели неизбежно приходится вводить различные допущения и ограничения и из всего количества параметров объекта выбирают лишь некоторые, по мнению разработчиков, наиболее важные , так как: во-первых, невозможно полностью выявить все параметры объекта, во вторых, если в модели учитывать всё их большое число, то она станет очень громоздкой и технически трудно реализуемой, а за большим количеством данных потеряется содержание моделирования. При сопоставлении объекта и модели встает вопрос о том, насколько точно она описывает объект. Очевидно, что для одного и того же объекта в зависимости от поставленных задач и количества учитываемых параметров можно предложить много моделей, каждая из которых описывает объект с определенной точностью (большей или меньшей адекватностью) и использует тот или иной математический аппарат. Очевидно, что используемые либо разрабатываемые модели не тождественны реальным объектам и происходящим процессам, исследование моделей и ее свойств не есть исследование реального объекта. Так как нельзя построить абсолютно адекватную модель (реализовать ее), то встает вопрос об оптимально допустимой ее адекватности, которая позволит при данных условиях на данном временном промежутке пренебречь изменениями объекта .

Современный уровень развития математического моделирования практически не позволяет сколько-нибудь адекватно моделировать реальные объекты . Любой такой объект бесконечно сложен, и даже для его вербального описания, необходимого на предмодельной стадии, требовалось бы, вообще говоря, текст гигантского, практически исключающего возможность использования, объема. Тем более бессмысленно рассчитывать на моделирование объекта в виде тех или иных математических конструкций, т.е. элементов некоторого принципиально иного (математического) мира.

Проблема пригодности модели, как утверждает Г. Я. Гольдштейн в , сводящаяся к установлению количественной оценки меры адекватности принятой математической модели реальным исследуемым объектам в общем виде является весьма сложной: ее решение связано с математическими, экономическими, экспертными, техническими и даже философскими вопросами. В самом деле, как можно решать вопрос о количественной мере отличия математической модели объекта и самого реального объекта, если истинное (полное) описание такого объекта исследователю никогда не известно?

Учитывая, что модель есть упрощенное представление действительности, очень важной проблемой является определение цели моделирования. Постановка цели в свою очередь определяет количественный показатель адекватности разрабатываемой модели. В общем случае цель моделирования – получение информации об объекте во времени начиная с познавательных целей и вплоть до получения конкретных данных для принятия управленческих решений .

Действительно, если количественная мера адекватности модели не установлена, то вся идея проведения имитационных машинных экспериментов не выдерживает элементарной критики. Пока этот вопрос не решен, ценность модели остается незначительной, а имитационный машинный эксперимент превращается в простое упражнение в области дедуктивной логики. Более того, как считает В. В. Ольшевский в и другие специалисты в области имитационного моделирования сложных систем, что экспериментирование на компьютере с неадекватной моделью принесет мало пользы, так как мы попросту будем имитировать собственное невежество.

Немаловажным в практическом плане является стоимость получения результатов моделирования. В эту стоимость входят как цена разработки модели, так и цена ее реализации и получения требуемой информации. Большая стоимость получения результатов моделирования уже ставит вопрос о том, а стоит ли вообще применять моделирование.

Если принять во внимание многочисленные примеры успешного моделирования самых разнообразных физических, биологических и экономических объектов и процессов, и вместе с тем взглянуть на них более пристально, то окажется, что непосредственными прототипами для этих моделей послужили не конкретные фрагменты реального мира, а их системные представления, т.е. результаты их описания в виде систем с помощью тех или иных системообразующих признаков . Эти описания несравнимо проще чем объекты, и поэтому именно они располагаются между объектом и его моделью.

Как видно на рисунке 10, связь между объектом и его моделью носит опосредованный характер, поскольку между объектом и его моделью располагается системное описание объекта. При этом зазор между объектом и его системным описанием может быть весьма значительным. Например, в системном описании предприятия может быть на самом деле отражен лишь процесс производства продукции, в то время как процессы воспроизводства ресурсов не отражаются, поскольку находятся вне интересов исследователя. Логично считать, что если системное описание объекта S позволяет однозначно восстановить объект Q, то модель M, построенная на базе такого системного описания, можно назвать системной моделью объекта Q.

Рисунок 10 – Соотношение между объектом, его системным описанием и моделью

Моделирование деятельности компаний (отдельных направлений деятельности) имеет определенную специфику . Эти особенности отражают:

Неустойчивость статистических характеристик зависимостей, изменчивость состава и нестационарность действия факторов, влияющих на характер и протекание моделируемых на микроэкономическом уровне процессов;

Нестабильность внешней среды предприятия;

Присутствие значимого субъективного компонента (влияние принимаемых на данном предприятии решений) в составе факторов микроэкономических процессов;

Проблематичность применения статистических методов и подходов в моделировании микрообъектов, в частности, трудности формирования однородной генеральной совокупности из аналогичных объектов;

Возможность дополнения «внешней» количественной статистической информации о значениях моделируемых показателей «внутренней» качественной информацией о характере зависимости, получаемой непосредственно от инсайдеров;

Отсутствие преемственности в моделировании, характерной для моделирования макрообъектов, крайняя ограниченность числа (как правило, отсутствие) публикаций о ходе и результатах моделирования данного процесса на данном микрообъекте.

Для того чтобы учесть эти особенности при построении модели, обеспечив ее адекватность как способность отражать наиболее существенные в данном аспекте связи между компонентами системного описания объекта и элементами его модели, необходимо обеспечить максимальную траспарентность и сопоставимость информации о ходе и результатах моделирования как можно большего числа микроэкономических объектов .

Сложность моделирования деятельности реальной компании, кроме того, определяется целым рядом факторов: неоднородностью производимой продукции; нерегулярностью производства; внутренними факторами, дестабилизирующими производство; нарушениями регулярности снабжения; задержками и нерегулярностью финансовых потоков; изменением рыночных условий; маркетинговыми особенностями продукции; внешними угрозами и благоприятными возможностями; общей экономической, технологической и социальной обстановкой и так далее.

Большинство этих параметров системы носит вероятностный характер и, что самое главное, являются нестационарными. Планирование и управление по усредненным характеристикам не дает должного эффекта, так как пока оно осуществляется, изменяются и сама система, и ее окружающая среда. Все это усугубляется нестационарным характером вероятностных процессов. В результате применение формальных математических моделей затруднено из-за большой размерности ЭПС, недостаточной априорной информации, наличия плохо формализуемых факторов, нечеткости критериев оценки принимаемых решений , и так далее.

Экономическая система, как объект исследования и приложения экономико-математических методов непрерывно развивается в нестационарных условиях. Модели математического программирования, как утверждает В. А. Забродский в не отражают в должной мере условия выполнения планов, не учитывают в полной мере прогнозируемые потери, вызванные необходимостью локализации помех во времени и по ансамблю подсистем. Эконометрические модели для таких условий практически не разработаны.

Реальным подходом к решению задачи управления деятельности компании, как считает И. Б. Моцкус, может являться отказ от поиска и реализации предельно оптимальной модели управления и переход к использованию приближенных решений . В этом случае ищутся варианты управления, находящиеся вблизи абсолютного оптимума, а не сам оптимум. Можно считать, что в любой задаче существует некоторый порог сложности, переступить который можно только ценою отказа от требований точности решений. Если учесть стоимость компьютерной реализации решения, например, многоэкстремальных задач, то точные их методы решения могут оказаться невыгодными по сравнению с более простыми приближенными методами. Эффект, полученный от уточнения решения, не окупит дополнительных затрат на его отыскание. Следует отметить, что сама многопараметричность задачи «сглаживает» оптимум решения и облегчает задачу попадания системы управления в область, близкую к оптимуму. Причем это становится все более явным с увеличением числа параметров системы и их вероятностного характера.

Еще в 60-е годы XX века ученые обратили внимание на то, что закон распределения целевой функции при проектировании системы с большим числом аргументов имеет свойство сходиться к нормальному, если целевая функция (или ее монотонное преобразование) выражается суммой членов, каждый из которых зависит от ограниченного числа переменных. Такое условие выполняется в большинстве реальных случаев управления ЭПС . Это открывает путь к использованию таких методов оптимизации в управлении деятельностью компаний, которые минимизируют сумму ожидаемого риска, связанного с отклонением в управлении от достижения оптимума, и средних потерь на поиск этого решения (затрат на проектирование системы управления).

Наличие многих факторов, определяющих управление в реальной ЭПС и их вероятностный характер, нестационарность, условность в используемых экономико-математических моделях делают реальное управление лишь приближенно оптимальным, что ведет к необходимости приближенной оптимизации на основе использования принципа «горизонтальной неопределенности» .

Таким образом, управление деятельностью реальной компании в общем случае в силу указанных выше причин может быть принципиально только адаптивным. Это объясняется, во-первых, принципиальной невозможностью математически точного определения начальных условий объекта управления , во-вторых, принципиальной невозможностью математически точного описания всех возмущающих объект управления воздействий со стороны внешней среды, в-третьих, принципиальной невозможностью описания всех взаимных связей между элементами объекта, в-четвертых, нестационарностью характеристик внешней среды и характеристик системы , , .

Оказывается, что сама система управления деятельностью компании базируется в большинстве своем на субъективных оценках параметров системы, среды и взаимосвязей реальной ЭПС. В настоящее время, как утверждают В. С. Пугачев и др. авторы в , пока еще не разработаны (и вряд ли могут быть разработаны) методы исследования процессов управления одновременно с большим числом объектов, обладающих известной самостоятельностью действий и свободой поведения.

В практике управления инновациями, которое являются одним из направлений деятельности компании, очень часто возникает искушение применения традиционных экономико-математических методов оптимизационного управления. Однако в силу специфики инновационной деятельности, характеризуемой высокой степенью неопределенности и непредсказуемости, управление инновационной деятельностью может быть принципиально только адаптивным , , , . Указанные выводы подтверждается работами и .

Поэтому важным в предлагаемом исследовании автор считает раскрытие механизма адаптивного управления, а также причин, порождающих необходимость его применения в управлении инновациями и инновационной деятельности.

Москалев Игорь Евгеньевич — РАГС при Президенте РФ, зам.зав.каф. организации социальных систем и антикризисного управления, к.ф.н.

В условиях инновационного развития современного общества и нарастания неопределенности социальных изменений возникает потребность в эффективных методах диагностики социально-инновационной среды, прогнозирования будущего и оценки рисков, основанных на адекватных научных моделях. Однако сегодня наблюдается серьезный разрыв в коммуникации между управленцами, обладающими знаниями и практическим опытом в сфере государственного и муниципального управления и специалистами, владеющими методами математического и компьютерного моделирования. Во многом эта ситуация обусловлена тем, что крайне редко менеджеры государственного и муниципального управления обладают компетенциями, достаточными не только для самостоятельной разработки строгих математических моделей социальных систем и процессов, но и для формирования запроса на данные исследования специалистам по математическому моделированию.

Один из путей решения этой проблемы видится нам в более широком понимании процесса моделирования как динамического процесса формирования в сознании субъекта-исследователя целостного образа, отражающего сущностные характеристики моделируемой реальности. При этом мы предполагаем, что данный образ может быть построен посредством различных языков и инструментов, а это означает, что мир строгих математических моделей может быть системно сопряжен с комплексом гибких средств описания (интуитивно-понятных, качественных, когнитивных), выполняющих роль коммуникативного посредника между специалистами разных дисциплин и сфер деятельности. Качественные модели, обсуждаемые в данной статье, позволяют, на наш взгляд, ухватить основные характеристики социальной реальности, упрощая, тем самым, сложность (как в понимании объекта, так и средствах выражения) и формируя целостный образ, необходимый для адекватной оценки ситуации лицом принятия управленческого решения, а также постановки задач на более строгие, количественные исследования.

Таким образом, речь идет о необходимости формирования у управленцев навыков «модельного мышления» через освоение методов качественного моделирования социальных процессов.

В контексте парадигмы рефлексивного управления, учитывая рефлексивный характер социальных процессов и ситуацию включенного наблюдателя, мы утверждаем, что модель социальной системы выполняет не только эвристическую и прогностическую функцию, но и является средством коммуникации самих субъектов управления, а также средством коммуникации субъекта управленческого решения и его объекта.

Многофакторная модель

Один из известных приемов построения образа, описывающего сложную социальную ситуацию, заключается в построении диаграммы факторов, оказывающих наиболее сильное влияние на целостность социальной системы, возможности ее развития, качество жизни граждан.

Рис.1 Диаграмма показателей удовлетворенности социальными потребностями.

Модель, представленная на рис. 1 отражает гипотезу об основных факторах развития социальной системы, выраженных в показателях удовлетворенности социальными потребностями. В качестве эталонного состояния мы можем принять внешний контур полученного профиля, соответствующий 100%-ой удовлетворенности каждым фактором. Однако данное эталонное состояние должно быть откорректировано с учетом региональной специфики и некоторых ситуационных факторов.

Количественные оценки показателей модели могут быть получены как методом экспертных оценок, так и методом социологического опроса.

Данная модель позволяет учесть в процессе разработки и реализации реформы наиболее проблемные с точки зрения развития социальной сферы направления, которые могут быть как непосредственными целями государственной реформы, так и источниками рисков.

Шкала инновационного развития инновационной социальной среды региона

На основе методики, предложенной Ч.Лэндри, по измерению инновационного развития городской среды мы предлагаем следующую систему оценки инновационного развития региона.

Оценка	Критерии оценки
	Креативность не воспринимается как важная часть жизни региона. Не происходит публичного обсуждения вопросов, связанных с креативностью и инновациями.
	А дминистрация начинает понимать значение инноваций. Возникают попытки стимулирования креативности со стороны муниципалитета, например, отмечаются достижения. Организация и управление регионом остаются традиционными. Все еще наблюдается отток перспективных кадров из региона.
	Несколько пилотных проектов и исследований осуществля ю т университет ы. Приостанавливается «утечка мозгов » .
	Существует поддерживающая новации инфраструктур а. Происходит трансфер технологий. В бизнесе, образовании и муниципальной сфере осуществляются программы обмена.
	В регионе на всех уровнях ощущается поддержка творческих проектов, направленная на удержание наиболее талантливых специалистов. Территория привлекает талантливых людей, однако все еще ощущается недостаток некоторых ресурсов.
	Территория получила национальное и международное признание как креативный центр. В регионе расположены штаб-квартиры важных исследовательских институтов и инновационных компаний.
	Регион превратился в самодостаточное место, где создан цикл самообновляющейся самокритичной и рефлексивной креативности. В регионе городе создаются возможности и инфраструктура высочайшего уровня, объекты и организации, имеющие мировое значение.

Данная структура оценки позволяет определить показатели идеального состояния социальной инновационной среды и вектор ее развития. Следует обратить внимание на то, что в критериях оценки учитывается фактор открытости наблюдаемой системы и рефлексивности субъектов управления в лице администрации.

Четырехфакторная модель инновационного развития социальной среды

Одной из важнейших задач в процессе управления государственной реформой является задача разработки базисной системы измерений, благодаря которой многомерная и сложноформализуемая социальная инновационная среда превращается в пространство, отражающее определенные характеристики данной среды и позволяющее установить основные ориентиры для фиксации текущего состояния социальной системы.

В контексте нашего подхода мы предлагаем следующую четырехфакторную модель оценки инновационного развития социальной системы, графически представленную в виде диаграммы. Данная методика позволяет дать количественную оценку сложно формализуемым качественным феноменам. Каждый из параметров может быть оценен по разработанной нами шкале на основе системы наблюдаемых показателей.

Рис. 2. Пример шкалы оценки

Таблица 1. Пример построения шкалы оценки

Фактор	Характеристика	Показатели	Единицы измерения показателей
Креативный потенциал	Формирование среды, способствующей творчеству, генерации новых идей и инновационных проектов	Новаторы-изобретатели. Инновационные организации. Социальные круги. Социальные движения. Творческие личности	-Число научных и учебных учреждений. Количество новых технологий, количество участников творческих объединений.
Мотивация	Степень заинтересованности социальных субъектов в реализации инновационных проектов.	Наличие неудовлетворенных потребностей Социальные неустойчивости	-Число граждан, неудовлетворенных настоящим. Количество акций протеста. Процент публикаций в СМИ, направленных на изменение
Деятель-ность	Внедряемость инновационных проектов, активность социальных субъектов, наличие ресурсов для внедрения	Общественный резонанс от реализации проектов Реализация проектов по преобразованию социальной среды	-Количество людей, вовлеченных в инновационный проект; Затраты, на реализацию изменений; Число мероприятий, направленных на изменение и развитие социальной сферы.
Социаль-ная рефлексия	Степень осознания последствий внедрения, оценка рисков, управляемость процессов	Степень осмысления Управление рисками Мониторинг	Наличие специальных мероприятий по обсуждению действий администрации. Проведение опросов, референдумов, форумов.

Фактор инновационного потенциала

Креативный потенциал социальной системы формируется самими субъектами социальных изменений, которые могут быть представлены как конкретными индивидами, так и различными группами, действующими осознанно (целенаправленно) или неосознанно, т.е. не связывая свои действия с конкретными изменениями. В качестве основных акторов социальных инноваций П.Штомпка выделяет следующие шесть типов субъектов социальных изменений, по наличию которых мы будем определять креативный потенциал социальной среды:

Отдельные люди, выступающие с инновациями (изобретатель новой технологии, политик, предложивший реформу, предприниматель, реорганизующий предприятие и т.п.).
Инновационные роли (художников, ученых, изобретателей, экспертов, шаманов и.т.п.).
Инновационные организации (законодательные комитеты, парламенты, комиссии, конструкторские бюро и т.п.).
Социальные круги новаторского характера (аристократическая «богема», студенты, джазовые музыканты, мастера кино и т.п.).
Социальные движения (молодежные, политические, феминистские движения).
Обычные люди, которые в своей повседневной жизни создают новые практики (способы речи, обращения с другими, развлечения и т.п.)

Фактор мотивации

Для того чтобы социальная среда реализовала свой креативный потенциал, должны быть достаточно сильные мотивы. Степень мотивации в нашей системе характеризует потребность социальных субъектов в изменениях и их желание сделать усилие для реализации инновационного проекта. Оценка мотивации в контексте концепции инноватики государственного управления должна проводиться с точки зрения государства, общества и системы государство-общество.

П. Штомпка указывает на следующие четыре обстоятельства, влияющих на то, что субъект, погруженный в сложившуюся нормативную структуру, вдруг каким-то образом может от нее освободиться и предпринять усилия к изменению этой структуры :

Несовершенство процессов социализации и контроля, в силу чего никто никогда не бывает полностью, целиком сформированным культурой своего общества.
Различие в степени подчинения социализации и контролю у различных людей групп.
Гетерогенность, плюрализм, конфликтный характер нормативной структуры каждого общества.
Дистанцирование некоторых групп от своего общества и принятие ими в качестве образца другого общества и его культуры.

В оценке мотивации к инновационным изменениям мы предлагаем рассмотреть следующие факторы, на основе которых выстраивается соответствующая система показателей.

Наличие неудовлетворенных потребностей
Степень протестного настроения
Нацеленность на будущее (система ожиданий)
Социальные неустойчивости
Диссоциации (противоречия напряженности, конфликты)

Здесь следует отметить существование как позитивной мотивации (стремление к лучшему, идеалу, развитию), так и негативной (избегание угроз, конфликтов и противоречий). При этом данные мотивы могут быть выявлены на сознательном и подсознательном уровне.

Фактор инновационной активности

Активность социальных субъектов и их вовлеченность в инновационные проекты характеризует реальные изменения социальной среды. Провести оценку этого фактора возможно по таким показателям как:

количество людей, вовлеченных в инновационный социальный проект;
затраты на реализацию изменений;
общественный резонанс от реализации проектов.

Безусловно, при оценке профиля инновационного развития социальной среды важным показателем являются не только сами значения каждого фактора в отдельности и их сопоставление с идеальным состоянием и состоянием в других регионах, но и степень сбалансированности всех 4-х факторов. Например, высокая инновационная активность без достаточной управленческой рефлексии может оказаться не только недостаточно эффективной, но и создавать дополнительные угрозы. С другой стороны, высокий креативный потенциал социальной среды может быть невостребован в условиях слабой мотивации и при отсутствии достаточно активной позиции социальных субъектов.

Качественные модели социально-инновационной среды государственных реформ

Теория силового поля К. Левина

С точки зрения управления рисками, связанными с возможным сопротивлением целенаправленным социальным изменениям, например, таким как государственные реформы, представляет интерес концепция силового поля К. Левина, согласно которой любые организуемые изменения в социальной системе могут быть рассмотрены в контексте борьбы между побуждающими и ограничивающими силами. Управление изменениями в социальной организации сводится к балансу этих сил.

Рис. 3. Схема силового поля.

Любое новационное изменение, вызванное определенными мотивами (побуждающие силы) встречает сопротивление со стороны ограничивающих сил. Для принятия управленческого решения, направленного на внедрение социальной инновации необходимо провести анализ силового поля, определив все силы и их направленность. Рассмотрим структуру силового поля, сложившегося в ситуации реформы социальных льгот в 2005 г.

Критерии оценки социальной инновации

Для дифференциальной диагностики социальных новаций и задач государственного управления необходимо разработать критерии отбора, позволяющие оценить социальные нововведения с точки зрения основных приоритетов развития общества.

Критерии оценки социальных инноваций и идеальная модель:

Реформа способствует эффективному взаимодействию социальных институтов, социальных групп, способствует формированию идентичности и воспроизводству ценностей.

Реформа открывает новые возможности для позитивных изменений выражающихся в параметрах качества жизни граждан согласно ст. №7 Конституции РФ.

Реформа предоставляет право свободного выбора социальным субъектом использования новых возможностей развития.

Применим данную систему критериев к оценке реформы социальных льгот 2005 г.

Критерий оценки	Позитивное влияние	Негативное влияние	Последствия не определены
Сохранение коммуникативной целостности системы		V
Приращение социального капитала (как ресурса доверия)		V
Возможность развития социальной системы			V
Возможность выбора у социального субъекта		V

По нашим оценкам реформа социальных льгот нарушила целостность социальной системы льготников, т.е. способствовала социальной разобщенности, введя различные формы льгот у льготников одной категории, но проживающих в различных регионах. Как следствие подобных мер было подорвано доверие власти. Реформа была введена практически без проведения общественной экспертизы и была просто навязана льготникам даже без достаточного предварительного информирования населения. Изменения в системе социальных льгот, по мнению большинства респондентов, не повлекли за собой заметных позитивных изменений в качестве жизни.

Когнитивное моделирование

Если по выражению Эйнштейна проблемы, которые мы решаем, не разрешимы на том способе мышления, на котором мы их создаем, то возникает задача управления самим способом мышления, что возможно только благодаря достаточно высокой степени рефлексии субъекта управления. Посредством рефлексии субъект делает наблюдаемым свой способ мышления, в процессе решения сложной проблемы. В этой связи метод когнитивного моделирования является одним из наиболее простых с точки зрения технологии реализации, но при этом позволяющим наглядно представить не только основные факторы социальной среды и структуру их взаимосвязей, но и отразить саму логику мышления субъекта моделирования.

Суть метода состоит в том, что группа экспертов выделяет наиболее значимые факторы (в случае государственного управления это могут быть факторы влияния на реализацию государственной реформы) наблюдаемого процесса, а также анализирует возможные взаимосвязи между ними. Зависимость между факторами может быть как прямая (увеличение одного фактора влечет к увеличению другого), так и обратная (увеличение одного фактора приводит к ослаблению другого). Данная конфигурация отображается в виде ориентированного графа (см. рис. 4.).

Рис. 4. Когнитивная модель среды реформы социальных льгот.

Для выделения ключевых факторов и определения силы и характера их взаимосвязей можно воспользоваться как методом статистического факторного анализа данных, полученных методом социологического опроса граждан исследуемого региона, так и методом экспертных оценок.

Наибольшую ценность этот метод представляет в процессе коллективного анализа ситуации и принятия решения.

При построении когнитивной модели необходимо следить за тем, чтобы количество рассматриваемых факторов было минимальным (не более 12), т.к. чрезмерная сложность модели не позволит эксперту выделить наиболее значимые механизмы и взаимосвязи.

Модель позволяет также наглядно отобразить стабилизирующие и дестабилизирующие обратные связи, которые могут как обеспечивать гомеостаз системы, так и вызывать значительные изменения. М. Маруяма доказал, что «контур усиливает отклонение тогда и только тогда, когда он содержит четное число отрицательных дуг или не содержит их совсем, в противном случае это контур, противодействующий отклонению» . На основе когнитивной модели управленец принимает решения относительно:

воздействия на определенные факторы;
изменению силы связи;
изменения характера взаимосвязи;
включения новых факторов в систему;
включения новых механизмов взаимодействия.

3.4 Модели динамики социальных инноваций

Модель жизненного цикла

Скорость внедрения нового или диффузии инноваций зависит от внутренних характеристик и параметров системы. Можно согласиться с Ю.М. Плотинским, что с прос на новации зависит также от фазы жизненного цикла социальной системы. Исходя из общей модели жизненного цикла организации мы можем предположить, что период наибольшего спроса на новации – это период становления организации, а также период кризиса, связанного с насыщением или исчерпанием ресурсов для нового роста.

Рис. 5. Модель жизненного цикла

В таком случае, общественная система в состоянии развития более готова к реформам, чем система в состоянии стабилизации. На этапе повышенного спроса на новации возникает риск отставания от реальных потребностей общества к изменениям, что может привести к стихийным трансформациям и противоречиям с существующей управленческой системой. Данные изменения, идущие снизу и направленные на изменения в системе управления можно охарактеризовать как революционные.

Восприятие инноваций – восприятие новизны. Инновация связана с субъективным восприятием индивида возможностей и угроз предстоящего изменения. Поэтому быстрее внедряются инновации, обладающие явным набором ожидаемых преимуществ и простыми правилами социального взаимодействия.

Рис. 6. Принцип отбора инновационных социальных стратегий

Эффективные социальные стратегии могут копироваться социальными субъектами, как на сознательном, так и бессознательно уровне, что обеспечивает диффузию новации. Сам принцип копирования чужого эффективного опыта является социальной стратегией, обеспечивающей целостность социальной системы и ее когерентное развитие.

Модели нелинейной динамики

Особую роль в анализе сложной динамики социальных изменений играют нелинейные динамические модели. Рассмотрим некоторые их приложения к моделированию инновационных социальных процессов.

Эволюционная кривая на основе логистического управления наглядно показывает основные этапы распространения инновации.

Рис . 7. Логистическая модель распространения инновации

x t +1 = ax t (1-x t)+x t ;

x t – число участников инновационного процесса в момент времени t .

a – скорость распространения новации.

«Диффузия – процесс распространения инноваций внутри данной социальной системы, а также от одной социальной системы к другой» . Скорость распространения инновации зависит от эффективности коммуникативных каналов и готовности общества к переменам (степени неустойчивости социальной системы).

Инновации в системах с динамической сложностью трудно предсказуемы, т.к. причины и следствия связаны кольцевым образом и могут быть несопоставимы по своим эффектам. В то же время синергетические методы моделирования социальных процессов позволяют перевести неопределенность в риски, выявить спектр аттракторов системы, проиграть сценарии, определить новые смыслы и управленческие стратегии.

Например, логистическая модель учитывает как автокаталитический механизм распространения нововведения, так и возможность некоторого насыщения за счет исчерпания ресурсов. При этом, данная модель демонстрирует огромный спектр различных сценариев распространения нововведения (зависящих от соотношения параметров, отвечающих за ресурсную емкость среды и активность социальных агентов), от выхода на стационарное состояния, до периодических колебаний с различными периодами и хаотического режима.

Рис.8. Хаотический режим. a = 3; M = 1000.

x t+1 = ax t (M — x t)+x t ;

M – емкость среды.

В основу рассматриваемой далее модели динамики инновационного процесса положена модель динамики избирательной компании, разработанная группой авторов (Аршинов В.И., Буданов В.Г., Москалев И.Е., Тарасенко В.В.) в секторе междисциплинарных исследований Института философии РАН. Практическое применение данного подхода видится нам в использовании предложенной модели и методологии исследования в работе ситуационного центра РАГС при Президенте РФ.

Первый этап моделирования состоит в выделении ключевых факторов (групп факторов), определяющих динамику распространения социальной новации. Данная задача решается методом мозгового штурма. Полученные данные сопоставляются с базовыми допущениями модели динамики социальных новаций.

Согласно базовым установкам модели, процесс рекрутирования сторонников реформы определяется следующими параметрами:

N – общее числом людей, участвующих в процессе;

N i - число существующих сторонников i -ой новационной (антиновационной) стратегии;

N u - число людей, не участвующих в инновационном процессе;

c i - агитационная активность сторонников i -ой новации;

A i - привлекательность i -ой новации;

a i — относительная привлекательность i -ой новации;

a u – относительная привлекательность неучастия в инновационных процессах.

Математическая модель, описывающая конкуренцию между сторонниками и противниками реформы, представляет собой систему нелинейных уравнений балансного типа:

dN i /dt = c i N i (N u a i — N i a u)

N = ? N i + N u

a i =A i /(A 1 +A 2 +…+A n)

Влияние данных параметров на увеличение числа сторонников одной из инновационных стратегий может быть представлено также следующим образом.

Рис.6. Факторы, влияющие на увеличение конкурентоспособности новации 1 по отношению к новации 2.

В случае реализации реформы льгот мы имеем следующие группы граждан: 1) сторонники монетизации; 2) противники изменений; 3) граждане, не определившие свое отношение к реформе.

Далее проигрывается постановка задачи на качественный и количественный анализ факторов: определение числа сторонников новаций; постановка задачи на исследование агитационной активности сторонников; определение методом мозгового штурма факторов, влияющих на привлекательность новации; принятие решения по срокам и методам исследования.

Для проведения качественного и количественного анализа ситуации мы можем воспользоваться данными опросов населения за 2004-2006 гг., размещенных на сайте Фонда общественного мнения www . fom . ru .

Анализ данных опроса общественного мнения (

В России развитие инноваций является одним из национальных приоритетов. Однако мероприятия, направленные на развитие инновационной деятельности, не отличаются системностью. Можно ли предложить новую модель инновационного процесса, призванную обеспечить системный подход к проблеме развития инноваций – как на федеральном, так и на региональном уровне?

Инновационная деятельность связана с трансформацией идей (обычно – результатов научных исследований, разработок и т. д.) в технологически новые или усовершенствованные продукты или услуги, внедренные на рынке, в новые или усовершенствованные технологические процессы или способы производства (передачи) услуг, использованные в практической деятельности. Инновационная деятельность предполагает целый комплекс научных, технологических, организационных, финансовых и коммерческих мероприятий, которые приводят к инновациям именно в своей совокупности .

Инновационный процесс, в свою очередь, - это комплекс последовательных этапов или событий, связанных с инициацией, разработкой и изготовлением новой продукции, технологии и т. д. С развитием теории инноваций эволюционировали и модели инновационного процесса: от простых линейных к более сложным нелинейным моделям .

Выделяют различные модели инновационного процесса, в том числе линейные (совмещенные и цепные) и нелинейные (интегрированные). Линейные модели предполагают последовательные этапы создания инновационной продукции. Нелинейные модели допускают параллельность осуществления некоторых (или всех) групп действий, направленных на создание инновационной продукции, и акцентируют внимание на характере взаимодействия субъектов инновационного процесса.

В современной науке предпочтение отдается нелинейным моделям инновационного процесса. Пример интегрированной модели инновационного процесса представлен на рис.1.

Рис.1. Модель инновационного процесса IV поколения – «интегрированная» модель.

Эта модель не позволяет выявить критические участки в ходе инновационного процесса – такие участки, от успешного прохождения которых зависит дальнейший ход процесса.

Представление интегрированной модели инновационного процесса в виде блок-схемы позволяет отследить его динамику и обнаружить критические участки. При этом предусматривается параллельность некоторых участков процессов. Блок-схема, представленная на рис. 2, была разработана исходя из определения .

Рис.2. Динамическая модель инновационного процесса, разработанная автором.

Разработанная модель содержит два блока изначальных факторов (научно-технический и экономический), являющихся ключевыми для инициации инновационного процесса.

Научно-технический блок включает в себя следующие факторы:

число организаций, осуществляющих исследования и разработки,
численность занятых исследованиями и разработками,
объем финансирования исследований и разработок.

Экономический блок содержит следующие факторы:

возникновение новых предприятий,
конкурентная борьба,
снижение спроса на традиционную продукцию,
наличие венчурного капитала.

При условии, что изначальные факторы обеспечили начало инновационного процесса, существуют участки, на которых инновационный процесс может прерваться, так и не обеспечив получения инновационной продукции. Это может произойти в следующих случаях:

В результате осуществленной НИОКР не получен охраноспособный РИД;
В отсутствии производственных возможностей, когда правообладатель РИД не имеет возможности открыть предприятие для производства инновационной продукции, а также не имеет возможности передать право использования РИД другому лицу, обладающему такими возможностями.

Еще одним неблагоприятным условием для хода инновационного процесса является убыточность производства инновационной продукции (например, в силу недостаточного спроса). Это препятствие является преодолимым: конкретный вид инновационной продукции может быть адаптирован к требованиям рынка, выявленным в результате маркетингового исследования перед запуском в производство.

Таким образом, разработанная модель инновационного процесса, включающая в себя изначальные факторы инициации инновационного процесса, а также выявленные критические участки инновационного процесса, позволяет осуществлять анализ хода инновационной деятельности и обеспечивает принятие управленческих решений для оптимизации инновационного процесса и развития инновационной деятельности на региональном уровне. * * *

Исследование выполнено при финансовой поддержке РГНФ (проект №11-02-00647а).

Литература

Российский статистический ежегодник. Стат. сб. 2011. М.: Росстат, 2011. С.76.
Гармашова Е.П. Развитие теории инновационных процессов/ Е.П.Гармашова // Молодой ученый. - 2011. - №2. Т.1. - С. 90-94

Базовые модели инновационного развития

Качественные модели социально-инновационной среды государственных реформ

Когнитивное моделирование

3.4 Модели динамики социальных инноваций

Литература

Популярное