Размещено на http://www.allbest.ru/

Системный подход к управлению инновационной деятельностью компаний



Содержание

Введение

1. Неопределенность в управлении инновационной деятельностью

2. Применение моделирования в инновационной деятельности и его методологические ограничения

3. Адаптация и адаптивный подход в управлении компаниями

Выводы

Список литературы



Введение

Системный подход в исследовании управления инновационной деятельностью компаний предусматривает выявление всех факторов, влиящих на этот процесс, всех связей и зависимостей, которые формируют процесс управления, специфики и обязательных условий осуществления управляющих воздействий. Это требует обязательного рассмотрения, во-первых, неопределенности как определяющего фактора в управлении инновационной деятельностью; во-вторых, возможности применения оптимизационных методов и моделирования как инструмента аппарата управления, в том числе их методологические ограничения, в-третьих, рассмотрение возможных подходов в управлении, учитывающих специфику и особенности инновационного процесса.

адаптация моделирование инновационный управление



1. Неопределенность в управлении инновационной деятельностью

В практике управления инновационной деятельностью компании неизбежно сталкиваются с рядом затруднений, вызванных так называемой неопределенностью. Это связано с отсутствием точных и достоверных сведений, необходимых для принятия управленческих решений. В настоящее время обнаружился существенный пробел в исследовании понятия неопределенности.

По мнению Ф. З. Аралбаевой и др. [8], отличие экономики как экономической системы, в которой принимаются управленческие решения, заключается в непрерывном возникновении новых обстоятельств, существенно влияющих на процессы, происходящие в ней, а экономическая практика такова, что менеджеру в большинстве случаев приходится сталкиваться с многоальтернативной ситуацией принятия решения.

Практически каждое решение принимается человеком в условиях неопределённости, то есть недостатка информации о существующих фактах и вероятных будущих событиях. Данное утверждение относится и к принятию решения фирмой. Неопределённость увеличивается в геометрической прогрессии с удалением предполагаемого события во времени. А поскольку всё, что касается стратегии компании, относится к долговременному интервалу, то условия неопределённости в применении к стратегии, как считает Г. Шмален в [112], приобретают исключительное значение. Никто не может точно сказать, какими будут года через три параметры внешней среды фирмы, а ведь приспосабливаться к ним фирма должна начать уже сейчас.

Впрочем, если бы не было условий неопределённости, человек для принятия решений не был бы и нужен! Выбор из существующих альтернатив, даже имеющих вероятностный, но определённый характер, вполне мог бы осуществить компьютер на основании разработанного алгоритма. Человек же преодолевает условия неопределённости волевым решением, которое зачастую противоречит известным данным, и, тем не менее, оказывается верным. Именно в условиях неопределённости, как считает Б. М. Раппопорт на первое место выходят такие качества менеджера, как искусство и интуиция [82].

В табл. 7 на основе [8] приведены типы ситуаций при принятии управленческого решения. Понятие «ситуация» можно определить как сочетание, совокупность различных обстоятельств и условий, создающих определенную обстановку для того или иного вида деятельности. При этом обстановка может способствовать или препятствовать осуществлению данного действия.

В экономической теории неопределенность чаще всего считалась изначально присущей реальной среде функционирования экономической системы. Одним из немногих случаев использования категории неопределенности для объяснения экономических явлений экономистами-теоретиками можно считать трактовку феномена прибыли американским ученым Ф. Найтом как вознаграждения, получаемого предпринимателем за то, что он берет на себя риск неудачи коммерческой операции [51]. Й. Шумпетер, объяснивший существование прибыли как вознаграждения предпринимателя за инновационную деятельность, связывает прибыль с динамичностью реальной экономики, т.е. лишь очень косвенным образом говорит о неопределенности.

Таблица 7. Типы ситуаций при принятии управленческого решения Составлено на основе Аралбаева Ф.З, Карабанова О. Г., Круталевич-Леваева М. Г. Риск и неопределенность в принятии управленческих решений // Вестник ОГУ. 2002.Вып. 4.

Тип ситуации для принятия решения	Краткая характеристика неопределенности по предлагаемому признаку
1. Ситуация определенности	Выбор конкретного плана действий из множества возможных всегда приводит к известному, точно определенному исходу
Ситуация риска	Выбор конкретного плана действий может привести к любому исходу из их фиксированного множества, известны вероятности осуществления всех возможных исходов, каждый план характеризуется конечной вероятностной схемой: дискретным распределением вероятностей осуществления возможных исходов
3. Ситуация неопределенности	Выбор конкретного плана действий может привести к любому исходу из фиксированного множества исходов, но вероятности их осуществления неизвестны. Здесь следует выделить два случая: вероятности не известны в силу отсутствия необходимой статистической информации; ситуация не статистическая, и об объективных вероятностях вообще говорить не имеет смысла. Это и есть ситуация чистой неопределенности в узком смысле

Вальтухом [90] предложена трактовка феномена стоимости товара как функции количества информации, содержащейся в данном товаре. При этом информация понимается в широком смысле, как мера распространенности однородных объектов в некотором пространстве относительно распространенности других объектов. Вальтух исходит из того, что в процессе производственной деятельности человек «систематически создает из предметов, находимых в природе, такие продукты, которые либо совсем не порождаются спонтанным природным формообразованием, либо порождаются лишь сравнительно редко», то есть «производство - есть производство информации». Информация, в свою очередь, определенная как мера многообразия, связана с неопределенностью динамически через зависимость между числом возможных исходов некоторого явления или процесса и вероятностями их появления.

В работе [53] В. Ф. Капустиным под неопределенностью понимается совокупность сведений, необходимых для принятия управленческого решения при отсутствии у лица принимающего решения количественной вероятности наступления определенных событий.

Таким образом, неопределённость - это открытые задачи, в которых лицо, принимающее решение, не знает всей совокупности действующих факторов и должно сформулировать множество гипотез, прежде чем их оценивать. Ситуация неопределённости характеризуется тем, что выбор конкретного плана действий может привести к любому исходу из фиксированного множества исходов, но вероятности их осуществления неизвестны. При этом выделяют два случая: 1) вероятности не известны в силу отсутствия необходимой статистической информации; 2) ситуация не статистическая и об объективных вероятностях говорить вообще не имеет смысла. Это ситуация чистой неопределённости в узком смысле [53].

Именно чистая неопределённость наиболее часто встречается в экономике, ведь решения, особенно стратегические, принимаются каждой конкретной фирмой в уникальных условиях.

В прил. 6 приведена классификация неопределенностей, предлагаемая В. Ф. Капустиным в [53]. Неопределенность рассматривается им как явление и как процесс. Как явление, неопределенность - это набор нечетких или размытых ситуаций, взаимоисключающей или недостаточной информации. К явлению относятся и форс-мажорные события, которые могут возникнуть помимо воли и сознания конкретного работника и изменить намеченный ход событий. Как процесс, неопределенность - это деятельность некомпетентного работника, принимающего ошибочные решения и т.д.

В экономической литературе встречаются высказывания отдельных исследователей о том, что риск и неопределенность - одинаковые категории, и очень часто разница между этими терминами не приводится. Соглашаясь с тем, что понятия риск и неопределенность взаимосвязаны, ставить между ними знак равенства, однако, нельзя.

Под риском понимают ситуацию, в которой люди не знают точно, что случится, но представляют вероятность каждого из этих исходов. Неопределённость же означает недостаток информации о вероятных будущих событиях. Причём одна и та же ситуация для одного человека может являться ситуацией риска, а для другого - неопределённости, причём она очень легко может перейти из одного вида в другой.

Риск принятия неоптимального решения в условиях, когда известны все исходные данные и взаимосвязи между ними, может быть связан [112]:

- с ошибками агрегирования этих данных;

- с неправильно построенной моделью принятия решения;

- с неправильным алгоритмом применения модели принятия решения.

Те же самые причины возникновения риска действуют и в ситуации принятия решений в условиях вероятностной ситуации. К ним следует добавить, как указывает автор в [82]:

* приближённую оценку истинных значений исходных данных для принятия решений;

* неадекватность модели распределения вероятностей реально протекающим процессам.

Принятие решений в условиях неопределённости является наиболее сложным. Риск принятия решений в условиях неопределённости связан с причинами, указанными выше, но кроме них следует рассмотреть:

- невозможность определения точного или хотя бы наиболее вероятного значения информации, на основе которой принимается решение;

- многовариантность исходных условий ситуации принятия решения;

- многовариантность самих решений, каждое из которых является лучшим для определённых условий, наступление которых предугадать невозможно.

В теории общего и организационного управления использование категорий риска и неопределенности, с ними связанных, широко распространено. Это обусловлено необходимостью принятия научно обоснованных решений в условиях неопределенности. Необходимость выработки формализованного подхода к разработке и принятию решения в условиях неопределенности вызвало появление не только специального аппарата категорий, но и единой теории - теории принятия решений [50], основным положением которой является утверждение, что лицо, принимающее решение, базируясь на доступной ему информации, выбирает ту альтернативу, которая максимизирует заданное соотношение между свойствами этой альтернативы и некоторым количественным показателем, которым измеряется ее полезность. Однако в условиях неопределенности точной информации о будущем состоянии управляемой системы не существует, поэтому лицо, принимающее решение, моделирует неопределенность, чтобы создать основу для принятия того или иного решения.

Таким образом, неопределенность - это неустранимое качество рыночной среды, связанное с тем, что на рыночные условия оказывает свое одновременное воздействие неизмеримое число факторов различной природы и направленности, не подлежащих совокупной оценке. Но даже если бы все привходящие рыночные факторы были бы в модели учтены (что маловероятно), сохранилась бы неустранимая неопределенность относительно характера реакций рынка на те или иные воздействия.

Неопределенности бывают не только внешние [68], но и внутренние - внутренняя среда предприятия. Сама компания содержит в себе неопределенность относительно своего будущего параметрического и структурного состояния. Например, в задаче оперативного управления установившимся промышленным производством всегда возникают проблемы и связанные с этим неопределенности [88], [31]: непрерывность производственного процесса (особенно в многономенклатурном производстве); учет нерегулярности этого процесса; нарушение регулярности снабжения; принципиальная нерегулярность финансовых потоков; учет быстро меняющихся рыночных условий, маркетинговых особенностей производства и сбыта, внешних угроз и благоприятных возможностей, как стратегических детерминант поведения фирмы, общей экономической, технологической и социальной обстановки.

В инновационном процессе различают следующие неопределенности и связанные с нею риски [58]: ошибочный выбор инновационного проекта, отсутствие достаточного уровня финансирования, отсутствие регулярного текущего снабжения, отсутствие запланированного сбыта, неисполнение контрактов, возникновение непредвиденных затрат и снижение доходов, усиление конкуренции, обеспечение прав собственности и др.

В монографии [68], посвященной нечетким множествам и их использованию в моделях принятия решений, А. О. Недосекиным предложена классификация видов неопределенности. Если спроектировать эту классификацию на специфику инновационных процессов, то можно выделить два укрупненных вида неопределенности:

- неясность (отсутствие точного знания) относительно будущего состояния потребностей и параметров рынка,

- неясность (отсутствие полного видения перспектив) будущих результатов НИОКР и возможностей их применения.

В соответствии с логико-методологическим подходом Т. П. Данько [39] понимание взаимоотношений необходимого и случайного предполагает последовательность в отслеживании данного взаимоотношения. Случайное означает лишь недораскрытое, недопознанное в данных рамках необходимого проявления законномерностей внешних явлений. Инновационная политика компании имеет целью удержать и расширить контролируемый сегмент потребителей, т.е. имеет характер массового стохастического процесса. Таким образом, вся предпринимательская деятельность фирмы, и особенно её инновационная составляющая, связана с ситуацией неопределенности, которая, в конечном счете, характеризует случайное поведение на рынке и в деятельности фирмы.

Неопределенности являются принципиальной неотъемлемой составляющей инновационного процесса, поскольку инновации неразрывно связаны с исследованиями и поиском нового и неизведанного. Именно большое количество неопределенностей в инновационной деятельности определяют ее специфику. И эти неопределенности принципиально не могут быть устранены.

В инновационном менеджменте имеют место все виды неопределенностей, рассмотренных в прил. 6, в частности: перспективная, ретроспективная, техническая, стохастическая неопределенности, неопределенность состояния природы, неопределенность целенаправленного противодействия, неопределенность целей, неопределенность условий, лингвистическая (смысловая) неопределенность, а также неопределенность действий.

Проблему управления в условиях неопределенности предлагается решать путем ее моделирования [50]. При этом объективный подход к моделированию неопределенности весьма ограничен по области применения, т.к. далеко не всегда возможно получить достаточно информации о вероятностях тех или иных событий. Кроме того, он не учитывает факторы более тонкого свойства, такие как отношение лица, принимающего решение, к риску. Во многих случаях практики лица, принимающие решения, предпочитают не рисковать по-крупному, опасаясь больших потерь в случае неудачи. Этот феномен субъективного подхода в моделировании неопределенности объясняется, прежде всего, такими факторами, как психологическая склонность к риску, количество доступных денежных средств на момент принятия решения и возможность повторения рисковой ситуации в будущих периодах. Эти факторы объединяются в категории полезности - индивидуальной, субъективной оценки ценности ресурсов, используемых с риском их потери, относительно ожидаемой выгоды или потерь от их использования и имеющегося их количества [50].

В моделировании деятельности компании, в том числе и моделирования неопределенности, предлагается использовать аппарат теории вероятностей и математической статистики, а также теории нечетких множеств. Предварительным этапом для этого является прогноз значений исследуемого показателя в будущих периодах, получаемый применением математических методов прогнозирования или экспертных оценок. Наряду с прогнозными значениями исследуемого показателя, необходимо получить доверительные интервалы прогнозов, в которых будут находиться реальные значения исследуемого показателя в будущих периодах с заданной вероятностью (надежностью). Доверительные интервалы получают либо применением формальных математических методов, либо экспертными оценками.

Такой подход к разрешению неопределенности достаточно сложен, имеет ряд существенных ограничений, достаточно трудно реализуем и при этом не дает гарантированных результатов.

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 [10], [29], [72], [99], [111], [128], [59], в практическом управлении компаниями к моделированию как к методу оптимизационного 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 [76], 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 R2 равен 0,03 [80]). 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 [128].

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 [79], 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 [99].

Современный уровень развития математического моделирования практически не позволяет сколько-нибудь адекватно моделировать реальные объекты [59]. 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 [29], 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 [99].

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 [72] 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 [59]. Эти описания несравнимо проще чем объекты, и поэтому именно они располагаются между объектом и его моделью.

Как видно на рис. 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.



Рис. 10. Соотношение между объектом, его системным описанием и модель Составлено автором на основе Клейнер Г. Б. Моделирование механизмов принятия решений на предприятии //Экономика и мат. методы. 2002. - №3.

Моделирование деятельности компаний имеет определенную специфику [59]. 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 [59].

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 [29], [88] и т.д.

Экономическая система, как объект исследования и приложения экономико-математических методов, непрерывно развивается в нестационарных условиях. Модели математического программирования, как утверждает В.А. Забродский в [88], 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 [67]. 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 гг. 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 [67]. 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 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» [29].

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 [20], 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 [29], [88], [98].

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 [73], 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, которые 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 [29], [30], [98], [31]. Указанные выводы подтверждается в [47] и [48].

Поэтому раскрытие механизма адаптивного управления, а также причин, порождающих необходимость его применения в управлении инновациями и инновационной деятельности, приобретает исключительное значение и рассмотрено далее.

3. Адаптация и адаптивный подход в управлении компаниями

В управлении инновациями и инновационной деятельности сложилось ошибочное представление о процессе осуществления разработок как о последовательной процедуре реализации отдельных этапов. На рис. 11 и рис. 12 приведены две иллюстрации из [48], демонстрирующие разницу между полагаемыми и фактическими инновационными процессами. На рис. 11 показан идеальный вариант каскадной схемы, по которой полагается планировать проектирование информационных систем (ИС). На рис. 12 показаны реальные итерации, заставляющие возвращаться к этапам проектирования и определению требований даже в ходе работ по комплексному тестированию ИС.



Рис. 11. Идеальная каскадная схема проектирования информационных систем Источник: Зиндер Е. З. Новое системное проектирование: информационные технологии и бизнес-реинжиниринг. Методы нового системного проектирования // СУБД. - 1996. - № 2.

Рис. 1 Реальный ход разработки информационных систем Там же



Процедура разработки информационных систем мало отличается от процедуры проекта НИОКР, кроме того, разработка ИС есть ее частный случай. Поэтому схема, предложенная на рис. 12, справедлива и для процесса НИОКР в целом. В этом случае общая схема инновационной процедуры проекта НИОКР (см. рис. 1) будет иметь вид, предложенный на рис. 13.

Рис. 13. Реальный ход процедуры инновационного менеджмента Составлено автором на основе работ Г.Я. Гольдштейна.

Одной из задач инновационного менеджмента является создание и управление специфическими (инновационно-ориентированными) видами ресурсов, такими, например, как специалисты соответствующих квалификаций. На рис. 14 показано плановое распределение специалистов, которые должны были бы работать в последовательном и конвейерном стиле на разных этапах каскадного проектирования при разработке ИС [47].

Рис. 14. Конвейерное распределение людских ресурсов при проектировании системы Источник: Зиндер Е. З. Новое системное проектирование: информационные технологии и бизнес-реинжиниринг // СУБД. - 1995. - №4.

На рис. 15 приведена соответствующая схема Э. Ферентино [48], которая отражает реальные процессы загрузки специалистов. По этой схеме группа, определяющая требования пользователей и разрабатывающая внешние спецификации проектируемой информационной системы, работает постоянно на всем цикле жизни системы, выполняя и корректирующие, и контролирующие функции. В связи с этим, требования к параллельности и спиральности проектирования, к комплексности групп разработчиков возросли. Для процесса НИОКР с учетом ее специфики является характерным обращение к предыдущим стадиям для уточнения или изменения направления осуществления работ. Это, в свою очередь, требует постоянного участия специалистов всех квалификаций, задействованных в работах до полного их окончания.

Рис. 15. Реальное распределение людских ресурсов при проектировании Источник: Зиндер Е. З. Новое системное проектирование: информационные технологии и бизнес-реинжиниринг // СУБД. - 1995. - №4.

При такой организации схема распределения ресурсов проектировщиков по стадиям разработки из схемы Э. Ферентино (рис. 15) преобразуется в схему, показанную на рис. 16. На нем предложено распределение ресурсов при разработке одного компонента.

Рис. 16. Схема распределения разработчиков при работе над одним проектом Составлено автором на основе Зиндер Е. З. Новое системное проектирование: информационные технологии и бизнес-реинжиниринг // СУБД. - 1995. - №4.

При выполнении нескольких проектов распределение разработчиков ИС представлено на рис. 17. Из рисунка видно, что заранее спланировать необходимость в специалистах разных категорий представляется очень сложной, практически не реализуемой задачей.

Рис. 17. Схема распределения разработчиков при работе над несколькими проектами Там же.

Управление инновационной деятельностью компаний, как указывалось ранее, связано с рядом трудностей, обусловленных спецификой инновационного процесса: неопределенностью внешней среды, неопределенностью самой системы управления, которая представляет собой компания, и неопределенностью результатов, осуществляемых ею НИОКР.

На основе проведенных исследований в [47] и [48], можно сделать вывод о том, что итерационные процессы в управлении, в частности управлении НИОКР (см. рис. 11 - 13), - объективная реальность. А распределение разработчиков при осуществлении работ по проектированию (см. рис. 14 - 17) свидетельствуют о неоднозначности и предсказуемости потребности в квалифицированных специалистах при осуществлении инновационной процедуры. Все это обусловливает отказ от использования оптимизационного управления в инновационной деятельности компаний и применение итерационно-адаптивных методов.

Общий подход к разработке адаптивных методов управления инновационной деятельностью компаний предложен ниже. Использование прямого подхода при построении алгоритмов адаптации систем управления невозможно. Это связано с тем, что динамика изменения параметров объекта намного выше, чем время адаптации алгоритмов такого типа. Современные системы управления отличаются большим количеством элементов и связей между ними, высокой степенью динамичности, наличием нефункциональных (алгоритмических и даже субъективных) связей между элементами, воздействием различных по своему характеру помех. Процессы, протекающие в этих системах, нетривиальны и плохо формализуемы. Поэтому в отличие от простых систем управления в соответствии с гипотезой разделимости Н. Н. Моисеева [21], задача синтеза адаптивного управления решается в два этапа: строится программная (плановая) траектория и определяется управляющее воздействие, реализующее программу. С точки зрения систем организационного типа, эти два этапа носят название планирование и регулирование. Планирование трактуется как определение оптимальной программной траектории управляемой системы на конкретный период времени, а регулирование - как нахождение управляющих воздействий, которые направлены на устранение дестабилизирующих воздействий случайных возмущений, отклоняющих управляемую систему от оптимальной программной траектории.

Однако механическое использование гипотезы разделимости при разработке методов управления производством не отражает следующей особенности систем управления. При планировании в момент времени t определяются траектория системы и плановые задания по использованию ресурсов на интервале , которые являются общими как для программного, так и для корректирующего управления. А при регулировании внутри интервала по текущим возмущениям и состоянию системы определяются регулирующие воздействия, заключающиеся в корректировке использования ресурсов на интервале , , т.е. на этапе регулирования, рассчитанная ранее плановая траектория на интервале заменяется траекторией полученной в результате решения задачи регулирования. И откорректированная таким образом траектория принимается в качестве плановой на интервале .

Таким образом, эффективность управления на этапе планирования зависит в общем случае от двух составляющих: принимаемого в данный момент плана и от будущих управляющих воздействий, направленных на устранение возможных отклонений от плана. Аналогично эффективность регулирующих воздействий также зависит от двух составляющих: принимаемого в данный момент регулирующего воздействия и от будущих корректирующих воздействий, направленных на устранение возможных отклонений от заданной траектории.

Для формализации механизмов планирования и регулирования производства, адекватно описывающих реальные механизмы управления производством, основанные на опыте и дальновидности лица, принимающего решения, учитывается единство процессов планирования и регулирования. В связи с этим системы управления содержат две взаимодействующие подсистемы. Причем взаимосвязь между подсистемами планирования и регулирования заключается в обмене входной и выходной информацией, а также в том, что обе подсистемы должны обладать свойством рефлексии по отношению к другой подсистеме, т.е. должны знать и уметь моделировать механизмы принятия управляющих решений другой подсистемой. Необходимость наделения подсистем планирования и регулирования свойством рефлексии обусловлена потребностью приспособления системы управления не только к прошлому ходу производства, но и к его будущему развитию. Формально это выражается в том, что и цель управления, и соотношения, на основании которых вырабатываются управляющие решения, обладают свойством упреждаемости в отличие от механизмов адаптивного управления в технических системах.

Адаптивная система управления производством состоит из двух взаимосвязанных систем: адаптивной системы планирования и адаптивной системы регулирования. Структурно выделенные системы практически идентичны. Функциональная структура каждой из них состоит из следующих взаимосвязанных частей: модели планирования (соответственно регулирования); имитационной модели функционирования системы; внутреннего (имитационного) адаптера; внешнего (объектного) адаптера.

Внешний адаптер на основе анализа характеристик объекта и внешней среды выбирает модель задачи планирования, а также имитационную модель, осуществляя тем самым структурную адаптацию системы управления. Затем по результатам выполнения планов прошлых периодов и прошлых возмущающих воздействий он подстраивает параметры в модели планирования (регулирования) и имитационной модели, включающей имитационные модели объекта, среды и системы регулирования. В адаптивной системе планирования, основываясь на полученных параметрах, по модели планирования определяют план и потенциальный эффект. План рассматривается как траектория, заданная последовательностью плановых состояний, распределенных во времени. По имитационной модели осуществляется имитация реализации плана, и оцениваются потери, не позволяющие достичь потенциального эффекта. Имитация реализации плана выполняется несколько раз для получения статистически значимых оценок показателей плана. По результатам расчета плана и имитации его выполнения проводятся оценка и анализ приемлемости плана. Если план с учетом его возможной реализации приемлем, то он принимается к исполнению. В противном случае внутренний адаптер, основываясь на результатах имитации, подстраивает параметры модели планирования и модели регулирования, и работа схемы повторяется, начиная с пересчета плана при новых параметрах. Работа внутреннего адаптера базируется на одном из методов оптимизации в условиях помех.

Предложенный подход достаточно успешно позволяет решать стоящие в управлении инновационной деятельностью проблемы, позволяет учитывать все неопределенности, сопутствующие инновационному процессу, упростить саму систему управления и значительно повысить эффективность деятельности крупных и глобальных компаний.

Использование эвристических итерационно-адаптивных методов управления в успешно действующих зарубежных крупных компаниях требует внимательного изучения для трансформации к экономическим условиям России и дальнейшего использования в деятельности именно российских компаний. Это вызывает необходимость рассмотрения в исследовании наиболее успешного и эффективного опыта деятельности крупных и глобальных компаний.

Изучение опыта успешно действующих компаний важно и полезно с нескольких точек зрения. Во-первых, это позволит отслеживать развитие современных методов и алгоритмов управления крупными компаниями; во-вторых, идентифицировать своих главных конкурентов: узнать своих «врагов» не только в лицо, но и изнутри; в-третьих, определить пути дальнейшего развития инструментария современного менеджмента, будущие проблемы и способы их разрешения.



Выводы

1. Неопределенности являются неотъемлемой составляющей инновационной деятельности компаний. Это обусловлено отсутствием необходимой статистической информации о состоянии объекта управления и его окружения, либо невозможностью использования какой-либо статистической информации вообще ввиду того, что ситуация не статистическая и об объективных вероятностях говорить вообще не имеет смысла. Неопределённость - это неустранимое качество рыночной среды, связанное с тем, что на рыночные условия оказывает свое одновременное воздействие неизмеримое число факторов различной природы и направленности, не подлежащих совокупной оценке.

В инновационном процессе различают следующие неопределенности и связанные с нею риски: ошибочный выбор инновационного проекта, отсутствие достаточного уровня финансирования, отсутствие регулярного текущего снабжения, отсутствие запланированного сбыта, неисполнение контрактов, возникновение непредвиденных затрат и снижение доходов, усиление конкуренции, неурегулированность вопросов прав собственности необходимостью неоднократных возвратов к предыдущим этапам и стадиям исследований и разработок. Кроме того, инновационная деятельность характеризуется маркетинговыми неопределенностями, такими как: неясность относительно будущего состояния потребностей и параметров рынка и неясность перспектив будущих результатов НИОКР и возможностей их применения. Именно наличие большого количества неопределенностей обусловливает специфику управления инновационной деятельности.

Проблему управления в условиях неопределенности принято решать путем моделирования. Такой подход в управлении инновациями и инновационной деятельностью достаточно сложен, имеет ряд существенных методологических ограничений, достаточно трудно реализуем и при этом не дает гарантированных результатов.

Выходом из этой ситуации может являться отказ от поиска и реализации оптимального 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. Следует отметить, что сама многопараметричность задачи «сглаживает» оптимум решения и облегчает задачу попадания системы управления в область, близкую к оптимуму.

Это обосновывает неизбежность применения адаптивных эвристических подходов в управлении инновационной деятельностью компаний.

3. Современные системы управления отличаются большим количеством элементов и связей между ними, высокой степенью динамичности, наличием нефункциональных связей между элементами, воздействием различных по своему характеру помех, а процессы, протекающие в них, нетривиальны и плохо формализуемы. Задача управления в таких системах решается применением адаптивной модели управления и состоит из двух этапов: строится программная траектория управляемой системы на конкретный период времени и определяются управляющие воздействия, которые направлены на устранение дестабилизирующих случайных возмущений, отклоняющих управляемую систему от оптимальной программной траектории.

С точки зрения систем организационного типа эти два этапа носят название планирование и регулирование. Эффективность управления на этапе планирования зависит в общем случае от двух составляющих: принимаемого в данный момент плана и от будущих управляющих воздействий, направленных на устранение возможных отклонений от плана. Аналогично эффективность регулирующих воздействий также зависит от двух составляющих: принимаемого в данный момент регулирующего воздействия и от будущих корректирующих воздействий, направленных на устранение возможных отклонений от заданной траектории.



Список литературы

1. Акмаева, Р.И. Инновационный менеджмент малого предприятия, работающего в научно-технической сфере: Учебное пособие / Р.И. Акмаева. - Рн/Д: Феникс, 2012. - 541 c.

2. Беляев, Ю.М. Инновационный менеджмент: учебник для бакалавров / Ю.М. Беляев. - М.: Дашков и К, 2013. - 220 c.

3. Вишняков, Я.Д. Инновационный менеджмент. Практикум: Учебное пособие / Я.Д. Вишняков, К.А. Кирсанов, С.П. Киселева. - М.: КноРус, 2013. - 326 c.

4. Голубков, Е.П. Инновационный менеджмент: Учебное пособие / Е.П. Голубков. - М.: НИЦ ИНФРА-М, 2013. - 184 c.

5. Горфинкель, В.Я. Инновационный менеджмент: Учебник / В.Я. Горфинкель, А.И. Базилевич, Л.В. Бобков. - М.: Вузовский учебник, ИНФРА-М, 2012. - 461 c.

6. Грибов, В.Д. Инновационный менеджмент: Учебное пособие / В.Д. Грибов, Л.П. Никитина. - М.: НИЦ ИНФРА-М, 2013. - 311 c.

7. Дармилова, Ж.Д. Инновационный менеджмент: Учебное пособие для бакалавров / Ж.Д. Дармилова. - М.: Дашков и К, 2013. - 168 c.

8. Кожухар, В.М. Инновационный менеджмент: Практикум / В.М. Кожухар. - М.: Дашков и К, 2013. - 200 c.

9. Кузнецов, Б.Т. Инновационный менеджмент: Учебное пособие для студентов вузов / Б.Т. Кузнецов, А.Б. Кузнецов. - М.: ЮНИТИ-ДАНА, 2013. - 367 c.

10. Медынский, В.Г. Инновационный менеджмент: Учебник / В.Г. Медынский. - М.: НИЦ ИНФРА-М, 2013. - 295 c.

11. Мухамедьяров, А.М. Инновационный менеджмент: Учебное пособие / А.М. Мухамедьяров. - М.: ИНФРА-М, 2013. - 176 c.

12. Соколова, О.Н. Инновационный менеджмент: Учебное пособие / О.Н. Соколова. - М.: КноРус, 2013. - 208 c.

13. Тебекин, А.В. Инновационный менеджмент: Учебник для бакалавров / А.В. Тебекин. - М.: Юрайт, 2013. - 476 c.

14. Уколов, В.Ф. Инновационный менеджмент в государственной сфере и бизнесе: учебник / В.Ф. Уколов. - М.: Экономика, 2009. - 400 c.

15. Фатхутдинов, Р.А. Инновационный менеджмент: Учебник для вузов / Р.А. Фатхутдинов. - СПб.: Питер, 2013. - 448 c.

16. Якобсон, А.Я. Инновационный менеджмент: Учебное пособие / А.Я. Якобсон. - М.: Омега-Л, 2013. - 176 c.

17. Якобсон, А.Я. Инновационный менеджмент: Учебное пособие / А.Я. Якобсон. - М.: Омега-Л, 2014. - 176 c.

Размещено на Allbest.ru

...