НЕЧЕТКО-МНОЖЕСТВЕННОЕ МОДЕЛИРОВАНИЕ В ОЦЕНКЕ ЭФФЕКТИВНОСТИ ТЕХНОЛОГИЧЕСКИХ ИННОВАЦИЙ: АКТУАЛЬНЫЕ МЕТОДЫ И ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА
Ключевые слова:
технологические инновации, эффективность, управление, стратегия, неопределенность, системный подход, нечеткое моделирование, нечеткие множества, методы, программный комплекс.Аннотация
В статье представлены результаты исследования, направленного на развитие методологии оценки эффективности технологических инноваций (ТИ) с позиций нестохастической неопределенности; эффективность при этом рассматривается в качестве критерия управленческих решений. В основу исследования приняты положения теории нечетких множеств, обеспечивающие многофакторную оценку эффективности и интеграцию детерминированных, стохастических, ментальных знаний о системе. Методический аппарат нечетко-множественно моделирования позволяет формализовать языковыми средствами математики ментальные суждения лиц, принимающих решения (ЛПР), и за счет этого переложить их на машинную обработку; тем самым формируются предпосылки к построению интеллектуальных систем поддержки принятия решений в управлении инновационными процессами на предприятия. Представленная в статье нечетко-множественная модель оценки эффективности ТИ построена на следующих базовых основаниях: векторная форма представления показателя эффективности; реализация функции соответствия между ключевыми условиями эффективности (результативность, экономичность, срочность) через нечеткий логический вывод; сложившиеся в теории и практике представления об онтологии инновационного процесса и факторах эффективности ТИ; приемлемые методы построения нечетко-множественных моделей. Разработанная нечетко-множественная модель обеспечивает многофакторную оценку эффективности исследуемого технологического новшества на основании значимых рыночных, производственных, инвестиционных характеристик анализируемых ТИ в контексте стратегических аспектов деятельности предприятия, с учетом существенных для предприятия ограничений, а также актуальных предпочтений ЛПР. Реализация разработанной концепции и метода нечеткомножественного моделирования в оценке эффективности ТИ становится возможной при условии соответствующего инструментального обеспечения. Приняв за основу специальную компьютерную программу класса Fuzzy Logic и произведя необходимые настройки, в ходе исследования был разработан необходимый программный комплекс для реализации метода НММ W как в практической деятельности, так и в образовательном процессе.Библиографические ссылки
Пегат, А. Нечеткое моделирование и управление: пер. с англ. / А. Пегат. – 2-е изд. – М.: БИНОМ. Лаборатория знаний, 2013. – 798 с.
Недосекин, А.О. Методологические основы моделирования финансовой деятельности с использованием нечетко-множественных описаний: дис. … д-ра экон. наук / А.О. Недосекин. – 2003.
Виленский, П.Л. Оценка эффективности инвестиционных проектов. Теория и практика / П.Л. Виленский, В.Н. Лившиц, С.А. Смоляк. – М.: Дело, 2004. – 888 с.
Надежность и эффективность в технике: справочник: в 10 т. / ред. совет: В.С. Авдуевский (пред.) и др.; Т. 3. Эффективность технических систем / под общ. ред. В.Ф. Уткина, Ю.В. Крючкова – М.: Машиностроение, 1988. – 328 с.
Шаталова, О.М. Методология измерения региональной эффективности технологических инноваций в реализации механизмов стимулирования инновационной активности (на примере Удмуртской Республики): монография / О.М. Шаталова. – М. – Ижевск: Институт компьютерных исследований, 2015. – 256 с.
Аверкин, А.А. Мягкие вычисления и измерения: монография / А.А. Аверкин, В.Б. Гисин, Е.С. Волкова и др. – М.: Издат. дом «Научная библиотека», 2017. – 414 с.
Деревянко, П.М. Оценка риска неэффективности инвестиционного проекта с позиций теории нечетких множеств / П.М. Деревянко // Мягкие вычисления и измерения (SCM’2004). VII международная конференция 17–19 июня 2004 г. – СПб.: СПбГЭТУ, 2004. – С. 167–171.
Недосекин, А.О. Нечеткая экспресс-оценка промышленных рисков / А.О. Недосекин, А.Д. Шматко, З.И. Абдулаева // Материалы конференции «Международная конференция по мягким вычислениям и измерениям». – СПб.: Санкт-Петербургский государственный электротехнический
университет «ЛЭТИ» им. В.И. Ульянова (Ленина), 2017. – Т. 2. – С. 311–313.
Khitilova E. and Pokorný M. Supplier Choice Knowledge Support in the Supply Chain // Acta Univ. Agric. Silvic. Mendelianae Brun. – 2015. – V. 63 (3). – P. 937-945.
Тененев, В.А. Нечетко-когнитивный подход к управлению динамическими системами / В.А. Тененев, Н.Б. Паклин // Искусственный интеллект. – 2003. – № 4. – С. 342–349.
Тененев, В.А. Генетические алгоритмы в моделировании систем: монография / В.А. Тененев, Б.А. Якимович. – Ижевск: Изд-во ИжГТУ, 2010. – 308 с.
