Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Инновационная деятельность в аспекте коммерциализации интеллектуальной собственности. Монография
.pdf
Библиографический список 81
96. Томпсон А.А., Стрикленд А.Дж. Стратегический менеджмент: концепции и ситуации для анализа: пер. с англ. – 12-е изд. – М.: Вильямс, 2005.
97. Томпсон А.А., Стрикленд А.Дж. Стратегический менеджмент. Искус-
ство разработки и реализации стратегии: пер. с англ. – М.: ЮНИТИ, 2008.
98. Тренев Н.Н. Стратегическое управление. – М.: Приор, 2006.
99. Трифилова А.А. Оценка эффективности инновационного развития
предприятия. – М.: Финансы и статистика, 2005.
100. Управление за рамками бюджетов / А. Саломатина; пер. с англ.
Р.В. Кащеева. – М.: ООО «Вершина», 2005. – М.: ИФРА-М, 1999.
101. Управление организацией / под ред. А.Г. Поршнева, 3.П. Румянцевой. – Н. - М.: ИФРА-М, 2005
102. Файоль А., Эмерсон
Г., Тейлор Ф. Управление – это наука и искус-
ство / Форд. – М.: Республика, 1992.
103. Хамел Г., Прахалад К.К. Конкурируя за будущее. Создание рынков
завтрашнего дня. – М.: Олимп-Бизнес, 2002.
104. Харгадон Э. Управление инновациями. Опыт ведущих компаний. –
М.- СПб. – Киев: Издательский дом «Вильямс», 2007.
105. Хелдман К. Проффесиональное управление проектами. – «Бином»
«Москва», 2005. – С. 517.
106. Ховард М. Методы управления проектами. Подход к улучшению
управленческой деятельности. – М.: «Русская Редакция», cерия: Фундаментальные знания, 2003. – 704 стр. с ил.
107. Хорин А.Н. Стратегический анализ: учебное пособие / А.Н. Хорин,
В.Э. Керимов. – М.: Эксмо, 2006.
108. Хоуп Дж., Фрейзер Р. Бюджетирование, каким мы его не
знаем.
«Бином» «Москва», 2004.
109. Хучек М. Инновации на предприятиях и их внедрение. – М.: Луч,
1992. – С. 17.
110. Фрайлингер К., Фишер И. Управление изменениями в организаци и/
пер. с нем. Н.П. Береговой, И.А. Сергеевой. – М.: Книгописная палата. 2002.
111. Шеремет А.Д., Негашев Е.В. Методика финансового анализа. – М.:
ИНФРА
-М, 2000.
112. Шеремет А.Д. Управленческий учет. – М.: ФБК-ПРЕСС, 2002.
113. Шеремет А.Д. Теория экономического анализа. – М.: ИНФРА-М,
2002.
114. Шумпетер Й.А. Теория экономического развития. – М.: Прогресс,
1982. – С. 157.
115. Экономика предприятия: учебник / под ред. проф. Н.А. Сафронова. –
М.: «ЮристЪ», 1998.
82 Раздел 1. СТРАТЕГИЧЕСКИЙ ПОДХОД К УПРАВЛЕНИЮ ИННОВАЦИОННОЙ ДЕЯТЕЛЬСТЬЮ
116. Cooper R.G. Winning at new products. Accelerating the process from idea
to launch. – Cambridge (MA): Perseus Publishing, 2001.
117. Kline S.J., Rosenberg N. An overview of innovation // The positive sum
strategy: Harnessing technology for economic growth / edited by Landau R. & Rosenberg N. – Washington: National Academy Press, 1986.
118. Kodama F. Emerging patterns of innovation sources of Japan’s technological edge. – Harvard Business School, 1995.
119. Rothwell R. Towards the fifth-generation innovation process // International Marketing Review. – 1994. – Vol. 11. – No. 1. – Р. 7–31.
120. Valocchi M., Schurr A., Juliano J., Nelson E. (2007). Plugging in the Con-
sumer: Innovativing Utility Business Model for the Future. IBM Corporation.
Раздел 2
ТЕОРЕТИКО-МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ
ВНЕДРЕНИЯ НА РЫНКИ ИННОВАЦИОННЫХ
ПРОДУКТОВ
2.1. ПРИНЦИПЫ ПОСТРОЕНИЯ
ИМИТАЦИОННЫХ МОДЕЛЕЙ ВНЕДРЕНИЯ
ИННОВАЦИОННЫХ ПРОДУКТОВ
нновационный продукт не имеет своей истории, поэтому прогнозирование поведения рынка инновационного продукта с
È
использованием статистических методов, например, экстраполяции
временных рядов, затруднено. Для получения представления о поведении рынка можно воспользоваться общесистемными закономерностями, которые удается получить на основе имитационного моделирования.
В настоящее время хорошо проработан целый ряд парадигм
ционного моделирования [6, 7, 19, 20].
Это в первую очередь парадигма динамических систем, описание
поведения которых допускается через алгебраические и дифференциальные уравнения. При этом возможно изменение среды, модели и
структуры системы. К классу динамических систем относят физические, механические, технологические системы, системы управления,
обработки сигналов и др.
Другой широко применяемой парадигмой является дискретно
событийное моделирование, впервые реализованное в среде моделирования GPSS (General Purpose Simulation System) [1, 2, 20, 21, 22].
В соответствии с ней по структурной диаграмме системы продвигается
поток транзакций (заявок, требований, клиентов), которые ожидают в
имита-
-
84 Раздел 2. ОСНОВЫ ВНЕДРЕНИЯ НА РЫНКИ ИННОВАЦИОННЫХ ПРОДУКТОВ
очередях, обрабатываются блоками (серверами, каналами, приборами),
используют ресурсы и покидают систему. Транзакции могут быть активными, передвигающимися по пассивным блокам, или пассивными,
передвигающимися по активным блокам. Дискретно-событийное моделирование успешно применяется в системах массового обслуживания, бизнес-процессах, производстве, логистике.
На высшем уровне абстракции используется парадигма системной
динамики, предложенная
Дж. Форрестером [14]. Системная динамика
основана на построении причинно-следственных связей именно глобальных системных параметров во времени и абстрагируется от
единичных событий. Она явилась эффективным инструментом анализа
рынков, управления проектами, управления цепочками поставок, позволяя оценивать влияние на систему отдельных параметров, генерировать и сравнивать альтернативные решения [6, 7, 20, 22].
На низшем уровне абстракции
используется парадигма агентного
моделирования, фокусирующаяся на единичных объектах децентрализованной системы, которые имеют свои параметры и поведение,
использующая единичные события и реакции на них конкретных активных объектов [6, 7, 19].
Агентные модели дают возможность вывода глобальных законов
поведения системы путем интегрирования характеристик поведения
индивидуальных активных агентов и их взаимодействия.
Системная динамика. На
уровне системной динамики задача рас-
пространения инновационного продукта уже решена Френком
М. Бассом (1926–2006 гг.), профессором маркетинга Техасского университета в Далласе [18]. Модель Басса пользуется большой популярностью в среде бизнес-аналитиков рынков новых продуктов. Демонстрационная модель этой задачи реализована и доступна в системе
имитационного моделирования AnyLogic компании The AnyLogic
Company [16].
Построение модели конкретного
рынка бизнес-аналитиком вклю-
чает следующие этапы. Сначала формируется набор количественных
характеристик рынка. Басс включил в набор этих характеристик число
потенциальных покупателей PotentialAdopters и число купивших новый продукт Adopters (все обсуждаемые далее элементы модели
показаны на рис. 2.1). В модели характеристики представляются накопителями – прямоугольниками.
2.1. Принципы построения имитационных моделей внедрения инновационных продуктов 85
Рис. 2.1. Простейшая модель системной динамики Ф. Басса
Затем определяется связь между характеристиками. Басс определил
эту связь как поток приобретения продукта AdoptionRate, преобразующий потенциальных покупателей во владельцев продукта. Далее
определяется набор переменных (факторов), влияющих на характеристики (накопители) и поток. Басс предположил, что все покупатели
делятся на инноваторов, делающих покупки под влиянием фактора
рекламы AdoptionFromAd и имитаторов, делающих
покупки под влия-
нием фактора сарафанного радио AdoptionFromWOM.
После этого определяются регулируемые параметры для факторов.
Так, для рекламы таким параметром будет эффективность
AdEffectiveness, а для сарафанного радио – численность населения
TotalPopulation, частота контактов ContactRate и сила убеждения
AdoptionFraction.
Далее строятся обратные связи. Системная динамика базируется на
предположении, что поведение системы определяется
ее структурой.
Иными словами, поведение зависит не от сложности элементов системы, а от их взаимодействия, в частности от обратных связей. Первая
обратная связь MarketSaturation в модели Басса отрицательная, уравновешивающая, самокорректирующаяся (balancing). Усиление фактора
«Покупки под влиянием рекламы» увеличивает число купивших и
уменьшает число потенциальных покупателей, что ограничивает рост
этого
фактора и приводит к его снижению. Вторая обратная связь в
модели тоже уравновешивающая: увеличение покупок под влиянием
86 Раздел 2. ОСНОВЫ ВНЕДРЕНИЯ НА РЫНКИ ИННОВАЦИОННЫХ ПРОДУКТОВ
A
M
сарафанного радио увеличивает число купивших и уменьшает число
потенциальных покупателей, что также ограничивает рост этого фактора и приводит к его снижению. Третья обратная связь в модели
положительная, усиливающая (reforsing). Увеличение покупок под
влиянием сарафанного радио увеличивает число купивших, что приводит к еще большему росту покупок под влиянием сарафанного радио.
Такое предположение приводит к падению со временем доли влияния
рекламы на поток покупок.
На следующем этапе определяется функциональная зависимость
между элементами модели, которые на диаграмме не видны. Так, поток покупок задается как производная по времени числа
потенциальных покупателей (со знаком минус) или числа купивших
(со знаком плюс).
d PotentialAdopters
t
d Adopters
t
Следующая функциональная зависимость, которую ввел Басс: реклама и сарафанное радио влияют на поток покупок аддитивно и с
одинаковым весом, т. е. поток покупок – это сумма покупок под влиянием рекламы и покупок под влиянием сарафанного радио.
doptionRate AdoptionFromAd AdoptionFromWO
Эта гипотеза подлежит проверке на реальных рынках.
Далее Басс предположил, что покупки под влиянием рекламы —
это произведение параметров эффективности рекламы и количества
потенциальных покупателей:
Покупки под влиянием сарафанного радио – это произведение количества купивших, количества контактов, силы убеждения и доли
потенциальных покупателей в численности населения:
AdoptionFromWOM Adopters ContactRate AdoptionFraction
PotentialAdopters TotalPopulation
AdoptionRate
AdoptionRate
.
AdoptionFromAd PotentialAdopters AdEffectiveness
.
/ .
;
.
2.1. Принципы построения имитационных моделей внедрения инновационных продуктов 87
Таким образом, уже имеется простейшая стартовая модель, которую можно применить к задачам вывода на рынок инновационных
продуктов и технологий, рассматриваемым в данной работе. Остается,
возможно, только расширить эту модель за счет введения каналов дистрибуции, важных в нашем случае, а также настроить параметры
модели для рассматриваемого рынка (например, дискретность –
дни, а
не годы, как у Басса), ввести в модель параметр «Повторные покупки»,
задать время жизни продукта, скорректировать функциональную зависимость между элементами модели.
Агентные модели. Существует множество определений понятия
агента. Общим во всех этих определениях является то, что агент – это
некоторая сущность, которая обладает активностью, автономным поведением, может принимать решения в соответствии с некоторым
набором правил, может взаимодействовать с окружением и другими
агентами, а также может изменяться (эволюционировать) [6, 19]. Многоагентные (или просто агентные) модели
используются для исследования децентрализованных систем, динамика функционирования которых определяется не глобальными правилами и законами, а наоборот,
эти глобальные правила и законы являются результатом индивидуальной активности членов группы. Цель агентных моделей – получить
представление об этих глобальных правилах, общем поведении системы, исходя из предположений об индивидуальном, частном поведении
отдельных активных объектов и взаимодействии этих объектов в
ее
системе. Рост производительности компьютеров и достижения в информационных технологиях, использованные в Any Logic, сделали
возможным реализацию агентных моделей, содержащих десятки и даже сотни тысяч активных агентов [16].
Моделирование агентов и многоагентных систем не представляет
сложностей в Any Logic ни в концептуальном, ни в техническом аспекте: все свойства агентов легко реализуются в этой системе.
Основная концепция агентного подхода в Any Logic заключается в
том, что модель состоит из активных объектов, имеющих свои правила
поведения и взаимодействующих через явно определенные интерфейсы. Поэтому агентный подход к построению моделей является в
AnyLogic совершенно естественным. В среде AnyLogic можно быстро
создавать модели
с агентами, взаимодействующими как друг с другом,
так и со средой.
88 Раздел 2. ОСНОВЫ ВНЕДРЕНИЯ НА РЫНКИ ИННОВАЦИОННЫХ ПРОДУКТОВ
При создании агентной модели логика поведения агентов и их взаимодействие не всегда могут быть выражены чисто графическими
средствами. Поэтому часто приходится использовать программный
код, что не является особенностью только AnyLogic. Например, пакеты
Swarm и RePast для разработки агентных моделей используют только
программный код на языке Java [6]. В отличие от них, AnyLogic предоставляет для
разработки агентных моделей всю мощь визуальной
графической разработки: стейтчарты, события, таймеры, синхронное и
асинхронное планирование событий, библиотеки ранее определенных
активных объектов – все это оказывается удобным и естественным при
разработке агентных моделей. Однако разработчик обычно должен
включать в агентную модель фрагменты кода на языке Java. Но такие
фрагменты не являются специфическими только
для агентных моделей, они также часто используются и в дискретно-событийных, и в
системно-динамических моделях.
На рис. 2.2 показан основной графический элемент агентной модели – statechart (диаграмма состояний). Эта агентная модель решает ту
же задачу, что и модель системной динамики Ф. Басса, приведенная на
рис. 2.1, дает близкие к ней результаты, но
работает по другим прин-
ципам.
Рис. 2.2. Агентная модель диффузии
Ф. Басса
2.1. Принципы построения имитационных моделей внедрения инновационных продуктов 89
Клиент, имитируемый агентной моделью на рис. 2.2, может быть в
двух состояниях: «Потенциальный покупатель», что соответствует
верхнему блоку диаграммы, и «Купивший» - нижний блок диаграммы.
Переходы из одного состояния в другое (стрелки на диаграмме) соответствуют представлениям Басса о поведении покупателей, и
определяются, как и раньше, действием рекламы, сарафанного радио и
контактами
между агентами.
Приёмы построения агентов и их коллективов в AnyLogic интуитивно понятны. А организация взаимодействия агентов требует знания
и использования фрагментов кода на языке Java.
Современные средства имитационного моделирования позволяют
рассматривать одну и ту же систему на разных уровнях абстракции.
Эти подходы могут быть взаимозаменяемыми и взаимодополняемыми.
Поэтому особый интерес представляет сравнение
результатов моделирования инновационного продукта с позиций системной динамики и
агентного моделирования. Относительно недавно широкое использование агентных моделей было затруднено тем, что они требовали от
компьютеров большой вычислительной мощности. В последнее время
агентное моделирование стало возможным для большого числа агентов в связи с ростом производительности персональных компьютеров
и
развитием информационных технологий.
Особенностью агентного моделирования является то, что поведение агентов часто не может быть описано только графическими
средствами. Кроме умения работать со стейтчартами, событиями,
таймерами и другими инструментами программы AnyLogic, разработчики моделей должны иметь определенные знания по
программированию и уметь использовать программный код. Однако
имеющиеся библиотеки активных объектов и
разработанные в
AnyLogic модели позволяют упростить построение агентной модели.
К достоинствам парадигмы агентного моделирования можно отнести
децентрализованный, рыночный подход к описанию системы, возможность обнаружения новых синергических, эмерджентных свойств
системы, наглядное, понятное представление поведения агентов, использование графических информационных систем (ГИС), которые
позволяют привязать объекты к конкретным координатам на карте, к
реальным географическим объектам, и, что очень важно, позволяют
наблюдать сложные процессы в реалистичной трёхмерной анимации.
Близость результатов моделирования, полученных с использованием
90 Раздел 2. ОСНОВЫ ВНЕДРЕНИЯ НА РЫНКИ ИННОВАЦИОННЫХ ПРОДУКТОВ
системной динамики и агентного подхода, повышает достоверность
принимаемых решений.
Судя по количеству научных и практических публикаций в мире в
последние годы, интерес к использованию имитационных моделей в
стратегическом и инновационном менеджменте постоянно растет. Это
связано с растущей сложностью таких задач, что существенно ограничивает возможности традиционных аналитических методов,
применявшихся ранее.
граммных систем имитационного моделирования. Например,
сообщество разработчиков, использующих AnyLogic, организовало
отдельный сайт «Run The Model», на котором выкладывает в свободном доступе свои решения [24]. На этом ресурсе общее числе моделей
приближается к тысяче. Среди них можно выделить следующие группы моделей, полезных для управления инновационной деятельностью:
рынок и конкуренция
требительский рынок и цепочки поставок, управление активами,
портфель продуктов, инвестиционная политика и целый ряд других.
Лишь небольшая часть таких задач и моделей рассматривается в данной работе.
Растет и популярность инструментов и про-
, производство, бизнес-процессы, финансы, по-
2.2. ПОРТФЕЛЬ ПРОЕКТОВ
В условиях роста волатильности, неустойчивости рынка и финансовых кризисов интересы инвесторов переключаются с показателей
доходности на риски проектов. Ниже рассмотрена концепция оценки
привлекательности прямых инвестиций на основе формирования
портфеля инвестиционных проектов. Исследован механизм снижения
риска портфеля по отношению к рискам составляющих его проектов.
Сформулированы проблемы и задачи измерения и имитации
лей эффективности инвестиций, формирования портфеля инвестиционных проектов в энергетической и электротехнической отраслях.
Стратегическое планирование прямых инвестиций в энергетике является важнейшей задачей для энергетических предприятий и систем,
и выходит на уровень государственной проблемы России, поскольку
это отрасль жизнеобеспечения. Особенностью планирования является
чрезвычайно высокая капиталоемкость энергетических объектов и
большие
[5, 9, 13]. Кроме того, стратегическое планирование требует глубокого
сроки создания предприятий энергетики, достигающие 25 лет
показате-
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]