11.2 Методы прогнозирования нтп

Используется большой набор различных методов. Особенно широко используется метод экс­пертных оценок. Он используется как самостоятельно, так и в сочетании с другими методами прогно­зирования. Часто применяется метод Дельфи, метод комиссии, метод написания сценария, метод взвешенных оценок.

Метод взвешенных оценок заключается в экспертном определении перспектив развития НИ-ОКР и их взвешенных оценок как основных критериев важности принятых направлений для НИОКР. В конечном итоге строится организационно-экономическая модель - дерево технического прогресса. Определение и оценка элементов каждого уровня осуществляется по специальным «картам прогноза» (матрицам), которые используются в качестве основных носителей информации.

Оценка дается каждым экспертом на основе коэффициента значимости. После этого под руко­водством председателя экспертной комиссии начинается обсуждение карт прогноза, защита своих по­зиций каждым экспертом, в результате чего и формируется общая карта прогноза.

Прогнозирование по исторической аналогии предполагает сравнение прогнозируемой техноло­гии с какой-либо сходной технологией в прошлом. Аналитическая модель исходит из предположения относительно внутренних механизмов действия изучаемой системы и обычно основывается на поня­тии «необходимости» определенного типа поведения, т. е. при определенных обстоятельствах люди ведут себя нормально. При повторении данной ситуации они, вероятнее всего, будут вести себя так же.

Для прогнозирования развития НТП необходимо нахождение исторической параллели между двумя ситуациями. Обычно предлагается по пунктам сравнить историческую ситуацию, используе­мую в качестве модели, с прогнозируемой ситуацией и необходимо установить совокупность аспектов, по которым будут анализировать обе ситуации. Обычно используются следующие аспекты: а) техно­логические условия; б) экономические; в) управленческие; г) политические; д) социальные; е) куль­турные; ж) интеллектуальные; з) этические; и) экологические и т. д. Каждый из этих аспектов анали­зируется более подробно. Так, например, технологический аспект исследуется по таким параметрам, как существование конкурирующих, поддерживающих и дополняющих технологий; технологическая среда, в которой создавалась технология; уровень подготовки специалистов и т. д.

При использовании данного метода возникает ряд проблем, так как возможно использование случайных аналогичных событий; попытка только на основе заданного перечня причин и взаимосвя­зей модельной ситуации предсказать точный фактический результат; историческая уникальность; ис­торически обусловленное сознание лиц, чьи решения определяют исход сопоставимых ситуаций.

Кривые роста. Модель предполагает, что развитие научных знаний осуществляется по опреде­ленным закономерностям. В развитии научных знаний выделяют три этапа. Первый этап - накопление знаний, завершающееся крупным научным открытием. Второй этап - появление большого количества сравнительно небольших открытий, базирующихся на данном крупном открытии. Третий этап - зату­хание количества научных открытий. Таким образом, развитие научных знаний происходит по S-образной кривой.

При разработке прогноза на основе S-образных кривых следует учитывать, что:

а) существует верхний предел роста научных знаний. Этот предел основывается на прибли­женной оценке экспертами потребностей общества;

б) приближение к этому пределу будет происходить по определенной математической функ­ции;

в) параметры этой функции могут быть определены аналитическим выравниванием, основан­ным на значении этих параметров в прошлом.

Метод экстраполяции тенденций. Центральной тенденцией прогнозирования, выходящего за пределы известных в настоящее время технологических решений, является понятие непрерывности. Если в определенной области техники наблюдалось непрерывное развитие, выраженное в последова­тельных технологических решениях, каждое из которых превышало возможности предыдущего, то разумно полагать, что этот процесс будет происходить и в дальнейшем.

Важным аспектом является выбор параметра экстраполяции. При этом надо руководствовать­ся следующими положениями:

- параметр должен быть таким, чтобы над ним можно было выполнять операции;

- параметр должен верно представлять состояние техники и технологии;

- параметр должен быть приемлем для различных видов технологических решений, выпол­няющих одну функцию;

- должны иметься необходимые данные о прошлом развитии;

- данные должны быть сопоставимыми.

Такими параметрами могут быть данные, опирающиеся на прочную эмпирическую или теоре­тическую основу. К ним можно отнести: функциональные характеристики, не зависящие от какой-либо конкретной технологии; технические параметры, позволяющие реализовать функциональные ха­рактеристики с помощью конкретной технологии; научные и технические открытия, связь которых с функциональными характеристиками еще не установлена. Все эти типы данных, относящиеся к про­шлому, поддаются экстраполяции во времени.

Экстраполяция временных рядов составляет основной количественный метод, который может быть использован в прогнозировании технологических процессов. Наиболее часто используется мо­дель Айзенсона:

^ = gN(t) = gN₀e^c

dl

где------прирост знаний (информации);

dt

t - время;

g - средняя продуктивность одного ученого в единицу времени;

N(t) - количество ученых, активно занятых данной проблемой во время t;

е - основание натурального логарифма;

с - постоянный коэффициент.

Модель Гартмана:

— = kVNI(t)S, dt

где------прирост знании (информации);

dt

к - коэффициент пропорциональности;

V - скорость информационных потоков;

N - количество ученых, занятых данной проблемой;

I(t) - объем информации к времени t;

8 - сечение реакции ученых на генерацию новой информации.

Если в прошлом развитие, вызываемое нововведениями с возрастающими функциональными характеристиками, происходило с постоянной скоростью, то можно ожидать, что эта скорость оста­нется постоянной. Данный подход называется наивной экстраполяцией. Она наивна в том смысле, что основывается на предположении о том, что все происходившие в прошлом и сформировавшиеся тен­денции, которые мы экстраполируем, будут иметь место и в будущем.

Используется экстраполяция временных рядов на феноменологической основе. В этом случае существуют тенденции, позволяющие получить наиболее плавные кривые тенденций на основе наи­лучших, а не средних из имеющихся образцов технологии. Опыт показывает, что выдвигаемые экспер­тами интуитивные прогнозы научных и технических параметров и функциональных характеристик приводят, как правило, к линейной зависимости от времени.

Изложенные выше методы обладают некоторыми недостатками:

- не способны учитывать уже происшедшие изменения условий, определяющие прошлое пове­дение системы и то, что данное поведение не будет продолжаться в будущем;

- не дают возможности предсказать результат даже в том случае, когда известно, что одно или несколько важных условий могут измениться и это приведет к изменению темпа технологических но­вовведений;

- не могут предоставить данных относительно того, какие условия следует изменить и на­сколько, чтобы добиться желательного изменения темпа технологических изменений.

Для преодоления этих проблем надо применять методы, которые дают возможность проник­нуть во внутренние механизмы действия системы, порождающей технологию, и в которых использу­ются знания взаимосвязей причин и следствий внутри этой системы. Такие методы называются ана­литическими и им свойственно изучение закономерностей развития НТП в определенных отраслях и сферах науки и производства.

Широко используются нормативные методы прогнозирования. В основе этих методов лежит системный подход. Строятся модели, в которых пытаются отобразить элементы какой-нибудь системы и изучить взаимосвязи между этими элементами. Они применяются также для исследования затрат, возможностей, ограничений и узких мест. Цель этих моделей состоит в определении уровня техниче­ских характеристик, которые понадобятся для выполнения определенной функции, на основе предпо­лагаемой или проектируемой потребности. Наиболее распространенными методами нормативного прогнозирования являются: дерево целей; морфологические модели; блок-схемы последовательности выполнения задач.

Дерево целей используется, если анализируемую систему можно представить в виде уровней сложностей, уровней причинных взаимосвязей или иерархических уровней. Дерево - связанный ори­ентированный граф, не содержащий петель, каждая пара его вершин соединяется единственным реб­ром. Под графом в общем случае понимается фигура, состоящая из вершин, соединенных отрезками-ребрами. Дерево целей - граф, выражающий отношения между вершинами-этапами или проблемами достижения некоторой цели.

При разработке дерева целей следует использовать правила:

- конкретность формулировок целей;

- сопоставимость целей каждого уровня;

- измеримость - формулировка целей должна обеспечивать возможность количественной или порядковой степени ее достижения;

- конъюнктивность - каждая цель верхнего уровня должна быть представлена в виде подцелей следующего уровня таким образом, чтобы объединение понятий подцелей полностью определяло по­нятие исходной цели;

- непрерывность, полнота, последовательность разложения цели;

- полный охват подцелями каждой цели вышестоящего уровня и исключение элементов дуб­лирования в целях на каждом уровне.

Цели одного уровня могут быть конкурирующими между собой или быть взаимоподдержи-вающими. Поэтому важно определить коэффициенты значимости целей, которые определяются экс­пертным путем. Они показывают, какая из целей важнее, чем можно поступиться при необходимости для их достижения или наоборот, на что надо обратить внимание, выделив больше ресурсов.

Существует большое разнообразие использования метода дерева целей.

Селективный метод предназначен для прогнозирования НИОКР на уровне отрасли. Внутрен­няя структура метода предполагает два графа: а) дерево целей; б) стохастическая сеть. Они работают последовательно. Дерево решений представляет собой варианты возможных решений, а также воз­можные события и действия, на которые оказывают влияние не контролируемые факторы. Оно стро­ится на основе полученных от экспертов оценок. На этой же основе рассчитывается вероятность каж­дого из альтернативных результатов. С помощью теории игр и других математических методов реша­ются проблемы оптимизации.

Метод «двойного дерева» предполагает теоретическое дерево, состоящее из событий-вопросов и экспериментальное дерево, которое подтверждает или опровергает теоретическое дерево. По теоре­тическому дереву определяется оценка относительной важности его элементов. По эксперименталь­ному дереву - возможность реализации этих элементов.

Система ЦППО предполагает дерево полезности и экономическое дерево, которые имеют об­щий нижний уровень. Экономическое дерево учитывает интересы исполнителя. Дерево полезности строится на основании заказчика и состоит из следующих уровней: стратегические задачи; тактиче­ские задачи; потенциальные потребности; подсистема и элементы исследования операций.

Система ПАТТЕРН разработана в 1964 г. фирмой «Ханниуэл». Используется для разработки научно-технических решений и сочетает программно-целевой подход с экспертным методом (Дельфи). Система ПАТТЕРН используется при поиске ответов на следующие вопросы: а) выявление наиболее важных направлений НИОКР; б) выявление технологических трудностей, касающихся систем, техни­ческих идей, ресурсных потребностей, оценка их сравнительной важности; в) оценка относительной ценности избранной технологии; г) оценка альтернативных возможностей достижения главных целей.

При построении дерева целей выделяют несколько следующих друг за другом и находящихся в определенном соподчинении уровней. В сценарии делается попытка без количественных оценок про­анализировать цели, направления усилий и задачи на определенный период. Полученные результаты используются для построения дерева целей и установления коэффициентов относительной важности. Одновременно при помощи методов экстраполяции, S-образных кривых и т. д. составляется картина перспектив развития науки и техники. Для составления дерева целей, выявления первичных и вторич­ных систем, функциональных подсистем и их взаимосвязи необходимо четко определить две группы характеристик: взаимная поддержка, т. е. состояние других отраслей науки и возможность использо­вания этих результатов; состояние проекта и сроки работ по системам и подсистемам.

Морфологический метод разработан швейцарским астрономом Цвикки. Он позволяет детально изучить структуру исследуемого объекта, специфику взаимодействия его составных частей. Сущность метода заключается в разбивке проблемы на исходные элементы с последующим перебором состав­ных частей в различных сочетаниях друг с другом. Результаты метода обычно представлены в таблич­ной или графической форме. Заключительный шаг при использовании морфологического метода -сравнительный анализ сопоставляемых решений и выбор наиболее предпочтительного из них, что де­лается с помощью экспертных оценок.

Блок-схемы последовательности выполнения задач используются в тех случаях, когда систему можно представить в виде одной или нескольких цепочек последовательных этапов.