ОПРЕДЕЛЕНИЕ ГОРИЗОНТА РАСЧЁТОВ ПРИ МОДЕЛИРОВАНИИ ИННОВАЦИОННОГО ПРОЕКТА

Вениамин Геннадьевич Мохов, Кирилл Станиславович Стаханов

Аннотация


Статья посвящена проблемам интеллектуального анализа данных. Разработан алгоритм моделиро-
вания производственной деятельности промышленного предприятия. В качестве модели использована
модифицированная производственная функция Кобба–Дугласа, учитывающая высокую материалоем-
кость промышленного производства и автономный технический прогресс, нейтральный по Хиксу. Мо-
делирование проведено с использованием языка программирования «R» с корректировкой коэффициен-
тов с учетом эффекта мультиколлинеарности с помощью механизма ридж-регрессии. Предложен автор-
ский метод оценки инновационной активности промышленного предприятия при внедрении инвести-
ционного проекта на основе расчета интегральной динамики показателей эластичности производства,
полученных в процессе моделирования. Обосновано, что предложенный метод учитывает специфику
инновационного проекта и его автономное влияние на конечные результаты производства промышлен-
ного предприятия. Решена методологическая проблема определения горизонта моделирования опера-
ционной деятельности промышленного предприятия при оценке его инновационной активности в ре-
зультате внедрения инновационного проекта, который связан с моментом перехода чистого денежного
потока от результатов проекта в положительную зону. Разработанный метод апробирован на данных
ОАО «ЧТПЗ» при внедрении инновационного проекта «Высота-239».


Ключевые слова


интеллектуальный анализ данных, производственная функция, горизонт расче- тов, инновационная активность

Полный текст:

PDF

Литература


Han Jiawei, Micheline Kamber, Jian Pei. Data

mining: concepts and techniques. – 3 ed. – Morgan

Kaufmann, 2012. – P. 279–325.

Larose Daniel T., Chantal D. Larose. Discovering

knowledge in data: an introduction to data mining.

– 2 ed. – John Wiley & Sons, 2014. – 23 р.

Барсегян, А.А. Анализ данных и процессов:

учебное пособие / А. А. Барсегян, М. С Куприянов,

И. И Холод и др. – 3-е изд., перераб. и доп. – СПб.:

БХВ-Петербург, 2009. – 91 с.

Cross Industry Standard Process for Data

Mining, CRISP-DM 1.0 Step-by-step data mining

guide (2000). – https://the-modeling-agency.com/

crisp-dm.pdf. – 10 p.


Ссылки

  • На текущий момент ссылки отсутствуют.