Горелик А. Л. д т. н., профессор, заслуженный деятель науки РФ тимушев А. Г

Вид материала

Документы

Содержание Системы внешнего и внутреннего консалтинга Технологические парки Некоторые вопросы организации знаний в корпоративных информационных системах

Подобный материал:

• Учебник для вузов, 7622.34kb.
• Военная деятельность местных органов власти в великой отечественной войне 1941-1945, 353.49kb.
• Программа I ежегодной итоговой научной конференции аспирантов «право и суд в современном, 306.83kb.
• Научный руководитель программы Заслуженный деятель науки рф, Заслуженный деятель науки, 242.15kb.
• Октор юридических наук, профессор, заслуженный деятель науки рф, заведующая кафедрой, 2860.3kb.
• Алексеева Елена Дмитриевна член жюри, Заслуженный деятель искусств рф, профессор Нижегородской, 47.2kb.
• Учебно-методический комплекс Для специальности: 030501 Юриспруденция, 1345.04kb.
• Заслуженный деятель науки Российской Федерации, проректор по научной работе фгоу впо, 85.16kb.
• Учебно-методический комплекс Для специальности 080107 «Налоги и налогообложение» Москва, 1212.57kb.
• Программа история кубанского казачества допущена департаментом образования и науки, 557.64kb.

Горелик А.Л.

д.т.н., профессор, заслуженный деятель науки РФ

Тимушев А.Г.

д.т.н., профессор, ЦНИИ экономики, информатики и систем управления

Чеботарев С.С.

д.э.н., профессор, заслуженный деятель науки РФ, заместитель директора Экспертно-аналитического центра


ОСНОВНЫЕ ФАКТОРЫ ПОСТРОЕНИЯ ИННОВАЦИОННОГО ПРОМЫШЛЕННОГО ПРОИЗВОДСТВА


В настоящее время в ряде высокоразвитых индустриальных стран мира, в странах «золотого миллиарда», в основном, завершена четвёртая технологическая революция, связанная с интеллектуализацией производства. Эти страны приступили к созданию нового типа постиндустриального общества. Его основой является разработка и производство новых технологий, создание метатехнологий, основанных на новых знаниях. На их долю в названных странах приходится до 85% прироста ВВП.

По данным Всемирного банка в современных источниках экономического роста доля капитала составляет примерно 35%, рабочей силы – 25% и технологий, основанных на новых знаниях, – порядка 40%.

Затраты российских предприятий на НИОКР не превышают 8% от общих расходов на технологические инновации. В странах ЕС они составляют в среднем 20%. Расходы в России на приобретение патентов и лицензий вообще ничтожны - менее 2%. Отечественные предприятия предпочитают покупать инновации за рубежом (так поступают 72% компаний). Только 1,9% организаций систематически занимаются собственными исследованиями.

Впервые в научную литературу, посвящённую развитию промышленного производства, термин «инновация», как экономическую категорию, ввёл австрийский учёный И. Шумпетер¹. В этой работе, изданной в 1911 г., он достаточно подробно описал инновационные процессы, суть которых состоит в разработке новых видов промышленной продукции, новых производственных, транспортных средств, рынков и форм организации в промышленности. Ученый утверждал, что инновации являются основным источником прибыли, при этом «без развития нет прибыли, без прибыли нет развития».

В современной литературе существуют различные трактовки термина «инновация». По мнению авторов, наиболее кратко и точно определил содержание инноваций экономист Б. Твисс: «Инновация – процесс, в котором изобретение или новая идея приобретает экономическое содержание»¹.

Основой построения инновационной экономики, базирующейся на инновационном промышленном производстве, по мнению авторов, являются два основных фактора: один из них сопряжён с созданием в структуре высокотехнологичных промышленных корпораций (ПК) системы внутреннего консалтинга; второй фактор обусловлен созданием ПК (концерном, холдингом и др.) технологического парка (ТП). По поводу внутреннего консалтинга и ТП следует сказать следующее.

В настоящее время в индустриально развитых странах (и в России) существуют и функционируют системы внешнего консалтинга, основой которых являются консалтинговые фирмы (КФ). Авторам известно, что отечественные ПК до настоящего времени не озаботились созданием в своей организационной структуре систем внутреннего консалтинга.

Относительно ТП следует заметить, что они начали создаваться не на пустом месте. У них есть прародители – научно-исследовательские лаборатории в составе промышленных предприятий, а затем и научно-исследовательские подразделения (вплоть до институтов) при ПК.

В настоящее время во всех индустриально развитых странах мира создаются ТП, основное предназначение которых – генерация новых знаний, которые, в свою очередь, являются основой создания инновационных технических систем, промышленных технологий, промышленных товаров.

Лидирует в области создания инновационной продукции, безусловно, Япония. Однако и Индия, относящаяся, по большому счёту, к числу развивающихся стран, также достаточно быстро стремится приблизиться к странам – лидерам.

К сожалению, в нашей стране ТП не пользуются ни государственным вниманием, ни, тем более, финансовой поддержкой. В частности, и поэтому, к сожалению, они далеко не преуспевают, а следовательно, и не создают основы для разработки и производства инновационной промышленной продукции, для создания в России инновационной экономики.

Рассмотрим основные вопросы, связанные с построением и функционированием системы внутреннего консалтинга и ТП.

Системы внешнего и внутреннего консалтинга

Основное отличие систем внешнего консалтинга (консалтинговых фирм) от системы внутреннего консалтинга состоит в том, что первые, как правило, начинают функционировать с запаздыванием по отношению к моменту времени, когда ПК подверглась воздействию внутреннего и/или внешнего возмущения, а системы внутреннего консалтинга начинают функционировать с упреждением по отношению к этому моменту времени.

Рассмотрим, в чём суть вопроса.

Известно, что процесс функционирования ПК (впрочем, как и промышленных предприятий) описывается производственной функцией y = f(x), где y – объём выпуска промышленной продукции, x – затраты всех видов ресурсов, связанных с обеспечением выпуска этого объёма продукции. В результате воздействия на процессы производства возмущений происходит рассогласование между нормативным значением производственной функции (f_н(x)) и её фактическим значением (f_ф(x)):  = {f_н(x) - f_ф(x)}.

КФ обеспечивают реализацию следующего закона управления:

, (1)

где - некоторые числовые коэффициенты, t – время. Подобный закон управления обусловлен тем обстоятельством, что: во-первых, ПК приглашают КФ, как правило, тогда, когда величина рассогласования достигает достаточно значительной величины (в том числе это связано с тем, что услуги КФ весьма дорогостоящие); во-вторых, КФ требуется определённое время для детального ознакомления с возникшими проблемами и выработки надлежащего консалтинга (рекомендаций) руководству ПК относительно рационального управления (1), предназначенного для ликвидации возникшего рассогласования.

Система внутреннего консалтинга состоит из главного консалтингового центра (ГКЦ), создаваемого в структуре головной организации ПК, и локальных консалтинговых центров (ЛКЦ), являющихся соответствующими подразделениями организаций (КБ, промышленных предприятий, испытательных баз, полигонов и др.), входящих в структуру ПК. Система ГКЦ+ЛКЦ представляет собой иерархическую структуру. ГКЦ создаёт применительно к каждому ЛКЦ соответствующий базис, состоящий из математических моделей и программно реализованных алгоритмов, обеспечивающий эффективное функционирование ЛКЦ, состоящее, в конечном счёте, в решении возлагаемых на эти центры задач. ЛКЦ, в свою очередь, передают в ГКЦ всю информацию, полученную в результате решения этих задач.

Система внутреннего консалтинга функционирует в реальном масштабе времени (on-line) и, следовательно, обеспечивает возможность не только своевременно, но и с упреждением фиксировать (благодаря наличию ГКЦ) появление глобального рассогласования у ПК в целом - _г(t) и (благодаря наличию соответствующих ЛКЦ) появление локальных рассогласований - _л(t), образовавшихся у конкретных организаций, входящих в состав ПК. В связи с этим закон управления, который обеспечивается наличием системы внутреннего консалтинга, может быть записан следующим образом:

(k₃, k₄- числовые коэффициенты). (2)

Именно наличие второго слагаемого в выражении (2) обеспечивает формирование консалтинга (и возможность соответствующего управления) с упреждением. Задача системы внутреннего консалтинга состоит также в прогнозировании наиболее вероятных направлений изменения конъюнктуры рынка, в частности, касающихся основных направлений производственной деятельности ПК.

Если ПК создала технологический парк, то задачи системы внутреннего консалтинга состоят также в том, чтобы: во-первых, произвести анализ новых знаний с целью селекции тех знаний, которые целесообразно преобразовать в определённые товары для их коммерциализации; во-вторых, оценить производственные возможности данного ПК организовать промышленное производство товаров, создаваемых на основе отселектированных новых знаний; в-третьих, осуществить прогноз относительно наличия платёжеспособного спроса на названные товары и тем самым определить перспективы преобразования этих товаров в инновационные товары.

Технологические парки

Формирование ТП создаёт благоприятные условия (в том числе и бытовые) для общения их сотрудников (квалифицированных специалистов) как формального, так и, главным образом, неформального. В ходе этого общения и обсуждения научных проблем вплоть до «мозгового штурма» и «глубокого погружения» в проблему и реализуется процесс генерации знаний. Как показывает исторический опыт, различные формы «электронного» (виртуального) общения не могут заменить личного общения, личных контактов, личных взаимоотношений.

Современное состояние экономики России таково, что отсутствуют стимулы к инновационной деятельности, нет платежеспособного спроса на новые знания и технологии. Это препятствуют внедрению инноваций в производство. Разорвать этот порочный круг, по-видимому, можно с помощью проведения ряда организационных преобразований в сфере материального производства. Такие преобразования, на наш взгляд, должны идти по двум параллельным линиям: создание на базе высокотехнологичных предприятий и научно-производственных объединений (НПО) крупных ПК с единой структурой управления и образования вокруг НПО и ПК технологических (научных) парков с различной формой собственности и гибкой формой организации и управления. Причем эти процессы должны сопровождаться научно-методологическим обоснованием принципов отбора и организации соответствующих структур, а также разработкой методов (включая математическое моделирование) оптимизации управления на уровне корпорации и на уровне ТП. Эффективность деятельности ТП с точки зрения объёмов (количества) и значимости новых знаний зависит от целого ряда факторов. К их числу следует отнести:

- выбор технической системы, исследованию и разработке которой должны быть посвящены усилия создаваемого ТП;

- рациональный выбор организаций, которые целесообразно пригласить для участия в деятельности этого ТП;

- творческий потенциал сотрудников ТП;

- материальное обеспечение сотрудников ТП;

- технологическая оснащённость ТП;

а также ряд других, по-видимому, менее значимых факторов.

Кратко рассмотрим один из возможных подходов к формированию ТП, создаваемых на базе высокотехнологичных ПК, на примере построения специализированного бортового комплекса вертолётов, предназначенного для предотвращения их возможных столкновений с препятствиями искусственного происхождения (провода и опоры линий электропередачи - ЛЭП, телевизионные мачты и т.п.). Подобные столкновения чреваты авариями и катастрофами. Нельзя, например, не вспомнить гибель генерала (и губернатора Красноярского края) А.И. Лебедя.

Пусть конкретная ПК, создающая в своей структуре ТП, разрабатывает и производит названную систему. Пусть один из центральных агрегатов этой системы – инфракрасную аппаратуру (ИК аппаратуру) разрабатывает ряд промышленных предприятий – П_j, j=1,…,n. Обозначим компоненты множества конкретных образцов ИК аппаратуры, создаваемых этими предприятиями, Т_j, i=1,…,m. Заметим, что технические характеристики этих образцов в принципе могут быть различными, что, естественно, не может не сказаться на качестве, эффективности разрабатываемых бортовых систем, а, следовательно – и на их конкурентоспособности на рынках товаров, работ и услуг. В качестве критериев эффективности этих систем уместно использовать в первую очередь величину расстояния между вертолётом и соответствующим препятствием, на котором ИК аппаратура уверенно обнаруживает это препятствие. Величина этого расстояния при заданной скорости полёта вертолёта определяет промежуток времени, который есть у лётчика для совершения противоаварийного манёвра.

В условиях названных реалий возникает задача, как наиболее рациональным образом отобрать из общего множества предприятий (а, следовательно, и ИК аппаратуру, изготавливаемую этими предприятиями) некоторое подмножество, участие в ТП которого обеспечит наибольший экономический эффект. При этом имеются в виду как эффект предприятия П₀ – организатора ТП, так и экономические эффекты предприятий, отобранных для участия в производственной деятельности ТП (по сути – «своими» инфракрасными системами).

Рассмотрим один из возможных подходов к решению этой задачи, базирующийся на аппарате теории распознавания объектов и явлений, процессов и ситуаций, основанном на логическом описании классов объектов на языке логических признаков.

Для того чтобы произвести сравнение инфракрасных систем и (или) предприятий по большему количеству параметров, т.е. осуществить процедуры сравнения в многомерных пространствах параметров, необходимо выполнить целый ряд эвристических процедур. В частности, определить значимость каждого параметра (их вес), метод получения и сравнения найденных интегральных оценок и т.д. Очевидны недостатками такого подхода, обусловленные необходимостью привлечения групп квалифицированных экспертов, организации проведения экспертных процедур, выполнения экспертного анализа результатов и т.п. Применение методов теории распознавания позволяет избежать применения громоздких эвристических процедур и достаточно строго формализовать постановку задачи и, что очень важно, уменьшить её размерность. Подход, базирующийся на теории распознавания, состоит в следующем.

На основании предварительного анализа параметров ИК систем, а также параметров предприятий составляются априорные алфавиты классов ИК систем и классов предприятий, а также определяются априорные словари признаков (естественно, различные), на языке которых описываются ИК системы и предприятия. Обозначим классы ИК систем , а классы предприятий . Обозначим признаки, характеризующие ИК системы , а признаки, характеризующие предприятия . Теперь составим априорные описания классов технических систем и априорные описания классов предприятий на языке введенных в рассмотрение признаков в виде зависимостей вида

; (3)

. (4)

Наличие априорных описаний классов позволяет на основе определения апостериорных значений признаков конкретных ИК систем и признаков конкретных предприятий с помощью соответствующих алгоритмов распознавания (решающих правил) отнести анализируемые ИК системы и производящие их предприятия к соответствующим классам. При этом предлагаемая система распознавания должна быть снабжена решающим правилом следующего вида:

Если анализируемая ИК система , относится, например, к классу или , или , то она может рассматриваться как потенциальный «участник» ТП. Если же она относится, скажем, к другим классам (i=4,...,m), то она исключается из дальнейшего рассмотрения. Не вдаваясь в подробности, следует заметить, что недостаточно распознать, к какому классу относится данная ИК система, следует определить также, и к какому классу может быть отнесено предприятие, которое её изготавливает.

Для решения вопроса о том, к какому из сформированного алфавита классов могут быть отнесены распознаваемые ИК системы, необходимо, определить фактические (апостериорные) значения признаков этих систем на основе сопоставления апостериорной с априорной информацией, заключающейся в описаниях классов на языке признаков.

Реализация алгоритма выбора ИК систем и изготавливающих их предприятий, в принципе, обеспечивает организатору ТП наибольший экономический эффект. Именно эти предприятия целесообразно пригласить для участия в создаваемом ТП.

Некоторые вопросы организации знаний в корпоративных информационных системах

Наиболее сложными задачами, которые призваны решать ТП, являются задачи, связанные с генерацией новых знаний. Однако, использование новых знаний для решения прикладных задач, в частности, производственных задач, связанных с созданием технических систем, основанных на этих знаниях, требует решения также достаточно сложных задач построения специализированных баз знаний, в которых знания размещаются в тех или иных информационных форматах, и соответствующих специализированных систем управления базами знаний.

Электронная информационная среда ПК - сложный и разнородный конгломерат информационных структур, основными видами (способами) организации которых являются базы данных, базы знаний, хранилища данных, текстовые файлы и HTML-структуры (любой HTML-документ состоит из строки, содержащей декларацию типа документа; заголовка документа и тела документа) корпоративных информационных порталов.

Хранилище данных ПК - предметно-ориентированный, интегрированный, зависимый от времени набор данных, предназначенный для поддержки принятия решений различными группами пользователей. Так как хранилище носит предметно-ориентированный характер, его организация нацелена на содержательный анализ информации, а не на автоматизацию бизнес-процессов. В основе концепции хранилища данных лежат две основные идеи: интеграция разъединенных детализированных данных (описывающих некоторые конкретные факты, свойства, события и др.) в едином хранилище и разделение наборов данных и приложений, используемых для обработки и анализа. Хранилище данных предназначено для поддержки принятия решений, и его пользователи - это высший и средний управленческий персонал ПК, аналитики, представители подразделений финансового анализа и маркетинга и др. Как показывает практика, хранилища серьезного объема реализованы в основном на реляционных базах данных. Центральным компонентом хранилища является корпоративная модель данных, и ее тщательная проработка во многом определяет успешность проекта в целом. На протяжении своего жизненного цикла хранилище данных итерационно модифицируется, и очень важно, чтобы каждый такой этап не только решал конкретные задачи, но и оставлял возможность для развития. При правильно выбранной методологии, опираясь на хранилище данных, можно сформировать единый подход к решению аналитических задач ПК. Технология хранилищ данных является ключевым фактором интеграции данных в корпоративных информационных средах и является той платформой, которая может существенно повысить эффективность применения методов интеллектуального анализа данных, что в свою очередь позволяет своевременно выявлять тенденции и прогнозировать будущие результаты деятельности ПК.

Хранилища данных, которые работают по принципу центрального склада, были одним из первых инструментариев систем управления знаниями (СУЗ). Когда все данные содержатся в едином хранилище, изучение связей между отдельными элементами может быть более плодотворным. В данном случае управление знаниями - это совокупность процессов, которые управляют созданием, распространением, обработкой и использованием знаний внутри ПК. Необходимость разработки СУЗ ПК обусловлена следующими причинами:

- работники ПК тратят слишком много времени на поиск необходимой информации;

- опыт наиболее квалифицированных сотрудников используется только ими самими;

- ценная информация захоронена в огромном количестве документов и данных, доступ к которым затруднен;

- дорогостоящие ошибки повторяются из-за недостаточной информированности и игнорирования предыдущего опыта.

Основная цель систем СУЗ – сделать знания доступными и повторно используемыми на уровне всей корпорации. Знание, которое распространяется, приобретается и обменивается, генерирует новое знание.

Одним из новых решений, связанных с управлением знаниями, является понятие корпоративной памяти, которая по аналогии с человеческой памятью позволяет пользоваться предыдущим опытом и избегать повторения ошибок, не позволяет исчезнуть знаниям выбывающих специалистов. Одна из целей СУЗ состоит в том, чтобы обеспечить доступ к знанию всякий раз, когда это необходимо. Чтобы обеспечить это, реализуется активный подход к распространению знаний, который не полагается на запросы пользователей, а автоматически обеспечивает полезное для решения задачи знание. Чтобы предотвращать информационную перегрузку, этот подход должен быть совмещен с высокой выборочной оценкой целесообразности (уместности) такой автоматизации в каждой конкретной ситуации. Законченная система должна действовать как интеллектуальный помощник пользователя. CУЗ расширяют технологии работы с информацией для улучшения качества решения производственных задач, могут включать подсистемы объяснений, которые позволяют непосредственно отвечать на вопросы: "Почему?" и "Почему нет?". В простой базе данных или гипертекстовой системе пользователи должны были бы искать нужную информацию для ответа на такие вопросы непосредственно, а для этого необходимо отфильтровать большое количество потенциально нужной информации, которая, однако, не будет применяться в специфическом случае. Если хранилища данных содержат в основном количественную информацию, то хранилища знаний больше ориентированы на качественную или содержательную информацию. Сегодня в связи с бурным развитием сети Интернет СУЗ все чаще используют Web-технологию. Корпоративная память интегрирует знания, чтобы при решении новых задач опираться на предварительно накопленный опыт. Таким образом, можно избегать повторения ошибок, опыт может расширяться систематически, и информационно-емкие процессы работы могут выполняться более эффективными способами. В отличие от экспертных систем первичная цель СУЗ - не поддержка одной специфической задачи, а лучшая эксплуатация необходимого общего ресурса - знаний.

В построении СУЗ также целесообразно использовать онтологический подход к представлению знаний. Онтология - это точная спецификация некоторой предметной области - формальное и декларативное представление, которое включает словарь (или имена) указателей на термины рассматриваемой предметной области и логические выражения, которые описывают, что эти термины означают, как они соотносятся друг с другом, и как они могут или не могут быть связаны друг с другом. Таким образом, онтологии обеспечивают словарь для представления и обмена знаниями о некоторой предметной области и множество связей, установленных между терминами в этом словаре. Для описания онтологий существуют различные языки и системы, однако, наиболее перспективным представляется визуальный подход, позволяющий специалистам непосредственно "рисовать" онтологии, что помогает наглядно сформулировать и объяснять природу и структуру явлений. Визуальные модели, например, графы обладают особенной когнитивной силой (познавательными возможностями), фактически представляя средства когнитивной графики для структурирования информации¹. При использовании онтологий в СУЗ достигаются:

- системность (онтология представляет целостный взгляд на соответствующую предметную область);

- единообразие (материал, представленный в единой форме, гораздо лучше воспринимается и воспроизводится);

- научность (построение онтологии позволяет восстановить недостающие логические связи во всей их полноте).

Отметим ещё, что корпоративная база данных любой современной (высокотехнологичной) ПК обычно содержит набор таблиц, хранящих записи о тех или иных фактах либо объектах (например, о товарах, их продажах, клиентах, счетах). Как правило, каждая запись в подобной таблице описывает какой-то конкретный объект или факт. Однако совокупность большого количества таких записей, накопленных за несколько лет, может стать источником дополнительной, гораздо более ценной информации, которую нельзя получить на основе одной конкретной записи, а именно - сведений о закономерностях, тенденциях или взаимозависимостях между какими-либо данными. Процесс поиска подобной информации получил название Data Mining (переводится как "добыча" или "раскопка данных"). Методы математической статистики оказались полезными главным образом для проверки заранее сформулированных гипотез и для “грубого” разведочного анализа, составляющего основу оперативной аналитической обработки данных. В основу современной технологии Data Mining положена концепция шаблонов (паттернов), отражающих фрагменты многоаспектных взаимоотношений в данных. Эти шаблоны представляют собой закономерности, свойственные подвыборкам данных, которые могут быть компактно выражены в понятной человеку форме. Data Mining — это процесс обнаружения в “сырых” данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности (в том числе – управленческих решений).

Следует отметить, что от того, насколько полно и своевременно отображаются в базах знаний новые знания, генерируемые в процессе интеллектуальной деятельности ПК или ТП, насколько комфортно с точки зрения пользователей построены СУЗ, в значительной мере зависит эффективность функционирования ПК или ТП, определяемая объёмом трансформируемых в инновации знаний.