CC BY
389
N они мучных ним 2011
МЕТОД И ТЕХНОЛОГИЯ КОМПЛЕКСНОЙ ОЦЕНКИ ЭФФЕКТИВНОСТИ ИННОВАЦИЙ НА НАЧАЛЬНЫХ ЭТАПАХ ЖИЗНЕННОГО ЦИКЛА НА ОСНОВЕ МАТЕМАТИЧЕСКОГО АППАРАТА ТЕОРИИ НЕЧЕТКИХ МНОЖЕСТВ*
А.В. Маслобоев, В.В. Максимова
1. Введение
В современных условиях вопросы финансирования научных исследований и инновационных проектов стоят достаточно остро. Мировой экономический кризис значительно повлиял на отношение государственных структур, грантодателей и частных инвесторов к развитию науки и к финансированию инициативных научно-инновационных проектов. Вместе с тем, причиной сложившейся ситуации является не только отсутствие средств финансирования, но и низкий уровень доверия со стороны государственных и частных инвестиционных фондов к результатам проводимых научных исследований, эффект от внедрения которых в реальную жизнь в большинстве случаев оказывается весьма незначительным или вообще отсутствует. В связи с этим, в настоящее время практическая применимость и качество результатов реализации тех или иных научноисследовательских программ и инновационных проектов выходит на передний план наряду с их фундаментальной значимостью. Очевидно, что в сложившейся в нашей стране ситуации, в условиях ограниченного финансирования невозможно коммерциализировать абсолютно все научно-инновационные проекты. В связи с этим возникает необходимость разработки и внедрения в практическую деятельность государственных и частных коммерческих организаций, осуществляющих финансирование инициативных научно-инновационных проектов, эффективных методов и средств оценки и отбора наиболее перспективных инноваций, базирующихся на применении современных информационных технологий, математических методов и средств моделирования. Именно поэтому, на сегодняшний день задачи прогнозирования и оценки качества результатов научных исследований, а также проблемы оценки эффективности инновационных проектов для последующего инвестирования являются крайне актуальными и требуют привлечения квалифицированных специалистов из различных областей для разработки методического и информационно - аналитического обеспечения научно - инновационной деятельности, а также создания и развития новых методов и средств управления наукой и инновационным бизнесом в условиях глобализации и современной посткризис-ной информационной экономики. Необходимость
Работа выполнена по программе ОНИТ РАН "Фундаментальные основы информационных технологий и систем" (проект № 2.6).
Работа поддержана грантом РФФИ (проект N° 08-07-00301-а).
разработки методов и средств оценки эффективности инноваций, которые бы учитывали их специфические особенности, отмечается в нормативных документах федерального и регионального уровней, например таких как [1, 2]. В данных документах содержатся количественные и качественные критерии оценки эффективности инвестиционных проектов, а также описывается методика их анализа и экспертизы.
Задачи оценки эффективности научных исследований, качества и полезности результатов НИР, а также эффектов от реализации инновационных проектов являются сложными и многоаспектными. В направлении их решения в настоящее время предложено множество подходов ведущими научными школами, учеными и специалистами. Существующие решения базируется на современных достижениях науки в таких областях как экономикоматематическое моделирование, инновационный менеджмент, системный анализ, информационные технологии, теория принятия решений, искусственный интеллект и многих других. Основными трудностями, возникающими при решении данного класса задач, являются оценка эффективности начальных этапов жизненного цикла научно-инновационных проектов, характеризующихся высокой степенью неопределенности и неполноты информации о предполагаемых результатах, возможных рисках и социально-экономических эффектах от внедрения результатов НИР, а также определение реальных объемов финансирования, покрывающих весь период реализации проекта (его жизненный цикл) - от зарождения инновационной идеи до ее внедрения и коммерциализации.
Учитывая тот факт, что научно-инновационная деятельность, стимулирующая развитие интеллектуального потенциала страны, является одним из эффективных рычагов управления социально -
экономическим развитием и обеспечивающая его безопасность, то задачи оценки эффективности и качественного отбора перспективных инициативных научно-инновационных проектов для финансирования, как уже отмечалось выше, приобретают особую актуальность. В решении этих задач заинтересованы не только руководство и отдельные представители Российской Академии наук, но и частные инвестиционные фонды, например такие широко известные как: Российский фонд фундаментальных
исследований (РФФИ -http://www.rfbr.ru/), Региональный общественный фонд содействия отечественной науки (http://www.science-support.ru/), Российский гуманитарный научный фонд (РГНФ -http://www.rfh.ru/), фонд «Научный потенциал» (http://www.hcfoundation.ru/), Российский фонд развития высоких технологий (www.hitechno.ru), Совет по грантам президента РФ (http://grants.extech.ru/), Федеральный фонд поддержки малого предпринимательства (http ://ffpmp.siora. ru/), фонд содействия развитию малых форм предприятий в научнотехнической сфере (www.fasie.ru), фонд «Новая Евразия» (www.eurasia. msk.ru) и многие другие как российские, так и международные фонды. Именно эти организации, по большому счету, на сегодняшний день выступают в роли потенциальных потребителей разрабатываемых научными коллективами методов и средств поддержки принятия решений по отбору эффективных научно-инновационных проектов для инвестирования и финансового сопровождения всех на стадиях их жизненного цикла.
В работе предлагается метод комплексной оценки эффективности инноваций на начальных этапах их жизненного цикла, основанный на применении математического аппарата теории нечетких множеств. Метод реализуется в рамках информационной технологии экономического анализа эффективности научно-инновационных проектов, которая может быть использована в составе систем поддержки принятия решений при экспертизе и отборе эффективных инноваций для их последующего финансирования и коммерциализации. Разработанная технология, рализующая интеграцию методов интеллектуального анализа данных, экономико-математического моделирования, теории нечетких множеств, методов экспертной оценки обеспечивает автоматизацию процесса принятия решений при отборе эффективных инновационных проектов для финансирования, обладающих социально-экономической или научнотехнической значимостью в условиях неполноты и неточности исходных данных об их практической реализуемости и эффектах внедрения.
2. Проблематика оценки результативности научных исследований и инноваций
Согласно работе [3], научные исследования и инновационные разработки представляют собой такую сферу человеческой деятельности, которая в значительно меньшей степени поддается количественному измерению, нежели, например, промышленное производство. Это, прежде всего, связано с субъективной природой формирования научных знаний. Разнообразие результатов научно-исследовательских разработок, форм их воздействия на экономику, а также сложности их непосредственной оценки обусловили необходимость применения для оценки эффективности научно-инновационной деятельности различных эвристических и эмпирических методов и
показателей, зачастую лишь косвенно характеризующих эффект научно-инновационной деятельности и базирующихся на дополнительных источниках информации, прежде всего экспертного характера.
Зарубежный опыт анализа и оценки эффективности (результативности) научных исследований, особенно фундаментальных, предполагает использование в международной практике системы библиомет-рических показателей, таких как количество научных публикаций и их цитируемость, а также систем подсчета межстранговых научных связей, которые измеряются показателями соавторства. Подобные оценки применяются не только для анализа динамики научных направлений и выполнения исследовательских программ, но и при принятии решений о целесообразности их финансирования [4]. Однако такой подход, в определенной степени, можно назвать целесообразным для оценки результатов проведения фундаментальных научных исследований, и он не выдерживает критики при оценки научнопроизводственной деятельности, т.е. при оценке прикладных научных исследований. Поэтому данные показатели можно использовать только в качестве подмножества критериев некоторой рейтинговой системы оценок.
В определенной степени количественному измерению технологических результатов научных исследований и инновационных разработок служит патентная форма сбора информации. Она базируется на данных о регистрации изобретений, являющихся результатом либо научных исследований и разработок, либо производственной деятельности. Однако и здесь возникают проблемы, насколько полученное изобретение обладает существенными различиями от имеющихся аналогов. Поэтому возникает необходимость оценки уровня новизны, обладающей существенными отличиями технического решения задачи в любой области экономики, социальной сферы, обороны, являющегося продуктом интеллектуальной деятельности, техническим воплощением идеи, направленным на удовлетворение определенной потребности общества.
Поиск интегрального критерия эффективности развития науки и выражающих ее показателей упирается в сложность, а иногда и невозможность количественного измерения результатов новых научных знаний, последствий их практической реализации в экономике и социальной сфере. Научные исследования как таковые обладают лишь потенциальным эффектом, поэтому высока степень неопределенности при выделении их доли в совокупном эффекте научно-технического прогресса. В силу отмеченных обстоятельств, приходится оперировать специальными методами, позволяющими оценить различные аспекты структурных сдвигов в экономике, связанных с внедрением и распространением научно-технических достижений, в качестве которых часто используются математические методы оценки, основанные на применении теории нечетких множеств, позволяющей формализовать субъективные данные и на этой основе получить количественные оценки.
3. Методологические основы исследования
Исследования, представленные в статье, базируются на работах отечественных и зарубежных ученых, которые внесли значительный вклад в решение проблем в области создания и развития методов и средств оценки эффективности инноваций и инновационного менеджмента: А.В. Краснова, В.В. Царева, А.И. Шинкевича, В.Е. Дементьева, Р.М. Нижегородцева, А.В. Золотухиной, А.А. Шохина, Д.С. Львова, С.Д. Ильенковой, Г.Д. Ковалева, Р.А. Фатхутдинова, П.Н. Завлина, А.В. Васильева, В.С. Лосева,
A.З. Ефименко, И.В. Демкина, Ю.П. Воронова,
Г.А. Мотина, В.Г. Рождественского, В.Р. Атояна, С.Я. Бабаскина, М.А. Бендикова, С.В. Валдайцева, С.В. Киселева, А.К. Казанцева, В.В. Ковалева,
Л.Э. Миндели, Л.Н. Сафиуллина, А.А. Харина,
Э. Мэнсфилда, Л. Брауна, М. Ландтона, В. Миллера, Б. Твисса, Ф. Янсена и других. В этих работах обосновывается необходимость выбора наиболее перспективных инноваций по совокупности эффектов, но не предлагается методов комплексного анализа и оценки эффективности, а рассмотрение проблемы оценки эффективности сосредоточено только на инновационных и инвестиционных проектах и совершенствовании существующей системы стоимостных показателей, используемой при прогнозировании результатов и затрат во времени. Однако необходимо отметить, что на ранних стадиях жизненного цикла инноваций в условиях неполноты информации и неопределенности последствий их внедрения известные методы оценки эффективности инновационных и инвестиционных проектов, основанные на системах стоимостных показателей, не подходят, так как построены на стоимостном измерении и сопоставлении результатов и затрат на протяжении срока реализации проекта. Вместе с тем, статические и динамические количественные показатели эффективности инноваций не отражают и не могут отразить в стоимостных категориях все проявления эффектов инноваций: научно-технических, производственноресурсных, социально-экономических, а также риска реализации инноваций на рынке.
Использование методов и подходов проведения качественной экспертизы и выбора наилучших инноваций на основе методов квалиметрии и экспертного оценивания инноваций по ограниченному числу значимых параметров рассматривается в работах Д.В. Кузовкова, Ю.В. Вертаковой, Е.П. Голубкова,
Н.Л. Карданской, Б.Г. Литвака, А.С. Малина,
B.Н. Мухина. Вопросы разработки методов комплексной оценки эффективности инноваций по совокупности факторов и условий их внедрения на рынке, обсуждаемые в данных работах, являются недостаточно исследованными.
Несмотря на столь широкий спектр работ в рассматриваемой проблемной области, при всей глубине и многоаспектности исследуемых проблем, связанных с инновационной деятельностью, большинство научных работ основано на анализе зарубежного опыта. Методы оценки эффективности инноваци-
онных проектов, в основном, базируются на методических рекомендациях по оценке эффективности инвестиционных проектов, изложенных в работах [2, 5]. Кроме того, недостаточно внимания уделяется математическим методам учета неопределенности инновационной деятельности и, соответственно, анализу и снижению рисков.
Между тем, такое направление математики как теория нечетких множеств получает все большое применение в гуманистических системах - системах, на поведение которых сильное влияние оказывают суждения, восприятия или эмоции человека. Обобщая работы [6-12], следует отметить, что теория нечеткой логики (или теория нечетких множеств, или Fuzzy Logic) - это новый подход к описанию бизнес -процессов, в которых присутствует неопределенность, затрудняющая и даже исключающая применение точных количественных методов и подходов.
Различным вопросам применения теории нечетких множеств для решения сложных экономических задач посвящены многочисленные работы известных ученых: А.О. Недосекина, В.Г. Чернова, Г.В. Давыдовой, А.Ю. Беликова, К.И. Воронова, О.Б. Максимова, П.В. Севастьянова, Л.Г. Дымовой, Г.С. Павлова, С.Н. Фролова, А.Е. Алтунина, М.В. Семухина,
С.В. Скорохода, Б.А. Железко, С.А. Смоляка, А. Ле-оненкова, Л.А. Заде, Дж. Баклея, Р. Белмана, Г.Дж. Циммермана. Однако в экономической литературе не достаточно освещены методы оценки инвестиционной привлекательности инноваций на основе теории нечетких множеств.
4. Недостатки существующих методов оценки эффективности инноваций
Переход экономики к рыночным отношениям обусловил необходимость переосмысления принципов и методов определения экономической эффективности инноваций. В 1994 г. были разработаны первые методические рекомендации по оценке эффективности инвестиционных проектов с учетом особенностей рыночной экономики. В 1999 г. данная методика была переработана и переиздана под названием «Методические рекомендации по оценке эффективности инвестиционных проектов» [2]. В научной литературе по инновационному менеджменту для оценки эффективности инноваций рекомендуется именно эти методические разработки. Данные методические рекомендации имеют следующие недостатки:
1) не предусматривают на первоначальном этапе реализацию процедур отсева явно бесперспективных инноваций;
2) не учитывают специфические особенности инноваций;
3) не учитывают фактор неточности исходных данных и высокую неопределенность инновационной деятельности;
4) не учитывают многокритериальную природу инноваций;
5) в составе эффективности декларируются качественные критерии (например, социальная эффективность), но количественных методов расчета таких критериев не дается;
6) не учитывается оценка возможных рисков при реализации инноваций;
7) не учитываются цели инновации и тип источника финансирования.
В зарубежной практике оценки эффективности инноваций наиболее распространенными являются методики: STAR (Strategic technology assesment review - методика многофакторного анализа инновационных проектов на основе экспертных оценок) [13], BSC (Balanced Scorecard - сбалансированной системы показателей для анализа приоритетности инновационных проектов - методика комплексной оценки потенциала инновационного проекта на базе двенадцати показателей-драйверов по четырем перспективам: финансовая, маркетинговая, бизнес-
процессы и обучение) [14] и IRI (Industrial Research Institute Technique - методика оценки вероятности технического и коммерческого успеха инновационных проектов) [15]. Данные методики, согласно исследованиям, представленным в работах [16-20], имеют следующие недостатки методического характера:
1) в методике STAR некоторые риски дублируются, что может привести к неадекватным результатам, в методике IRI спектр оценок довольно узок и обе методики не содержат требуемых нормативными документами России критериев (например, NPV, IRR, срок окупаемости и т.д.);
2) в используемые оценки не попадают все возможные сценарии развития событий (образующие непрерывный спектр), т.е. оценки, как и ранги критериев непосредственно назначаются экспертами («точечные» оценки);
3) используемые свертки в методиках не являются оптимальными, поскольку при их применении возможно проявление «эффекта компенсации», возникающего, когда неприемлемые оценки по одним критериям могут быть компенсированы высокими оценками по другим критериям. Проявление данного эффекта возможно при аддитивной или мультипликативной свертках, но не при минимаксной;
4) если оценку осуществляет несколько экспертов (что очевидно дает наиболее объективные результаты оценки), то из данных методик не ясно, каким образом учитываются мнения разных экспертов;
5) перенос зарубежных методик в чистом виде на отечественные субъекты инновационной инфраструктуры неправомерен. Это связано с тем, что за рубежом превалируют более интерактивные модели инновационного процесса, в России - линейные модели, а это сказывается на условиях и механизмах коммерциализации инноваций. Кроме того, зарубежные методики не учитывают специфику рынка и нормативно-правового поля России.
5. Специфика задачи оценки эффективности инноваций на начальных этапах их жизненного цикла
Специфическими особенностями инноваций, которые особенно проявляются на начальных этапах их жизненного цикла, является их многоцелевая/многокритериальная сущность, высокая неопределенность и отложенность результатов (эффектов от внедрения) при их реализации. Перечисленные особенности необходимо учитывать при решении задачи оценки эффективности инноваций на начальных стадиях их жизненного цикла.
Под «многоцелевой сущностью инноваций» в существующих работах, например [8, 21], понимается достижение нескольких целей при внедрении инновации, или это может быть одна главная цель, подцели и/или ограничения. Под «многокритериальной сущностью инноваций», в контексте этих же работ, понимается необходимость оценивать инновацию по многим критериям, которые соответствуют целям, достигаемым инновацией или ограничениям.
Согласно работе [8], практическая реализация многоцелевого подхода к решению задач в инновационном планировании позволяет обеспечить:
1) повышение уровня научной обоснованности получаемых решений за счет учета сравнительно большего числа наиболее важных внешних и внутренних критериев (оценка по многим критериям);
2) получение сравнительно большего экономического эффекта от внедрения в практическую деятельность инноваций за счет реализации принципа синергизма (достижение многих целей, например, социальных, экономических, экологических и т.д.).
В работе [22] рассматривается другая важнейшая особенность инновационного процесса - его направленность в будущее. Будущее неясно, и управление протекает в условиях неопределенности относительно будущего состояния как самой инновации, так и её экономического окружения. Неопределенность -неизбежное условие хозяйствования. Очевидно, что чем выше новизна, тем выше неопределенность. Неопределенность порождает риск того, что намеченные цели не будут достигнуты. Поэтому задача минимизации риска неэффективного управления инновационной деятельностью замыкается на задачу всемерной борьбы с неопределенностью. Неопределенность является принципиальной и неотъемлемой составляющей инновационного процесса, поскольку инновации неразрывно связаны с исследованиями и поиском нового и неизведанного. Именно большое количество неопределенностей в инновационной деятельности определяют её специфику. Эти неопределенности принципиально не могут быть устранены.
В работах [23-25] обсуждаются вопросы, связанные с учетом такой не менее важной особенности любых инновационных процессов как отложенность результатов (эффектов) реализации инноваций. Для учета этой особенности авторами указанных работ предлагаются конкретные решения задач управления
инновационными процессами, основанные на применении компьютерного (имитационного) моделирования и агентных технологий с целью прогнозирования рисков и результатов реализации инновационных проектов с учетом влияния на процесс развития инноваций внешнего окружения и динамики рынка инноваций (рыночной диффузии инноваций). Результаты исследований, представленные в работах [31-33], показали, что на ранних стадиях жизненного цикла инноваций в условиях неполноты информации и неопределенности последствий их внедрения известные методы оценки эффективности инновационных и инвестиционных проектов не подходят, так как построены на стоимостном измерении и сопоставлении результатов и затрат на протяжении срока реализации проекта. Вместе с тем, статические и динамические показатели эффективности инноваций не отражают и не могут отразить в стоимостных категориях все проявления эффектов инноваций: научно-технических, производственно-ресурсных, социально-экономических, а также риска реализации инноваций на рынке.
6. Применение аппарата теории нечетких множеств для решения задачи оценки эффективности инноваций
Основу существующих методических разработок, используемых для оценки эффективности инноваций на начальных этапах жизненного цикла, составляют современные математические методы прогнозирования, такие как классическая теория вероятностей и математическая статистика, а также методы экспертных оценок, в частности аксиологическая теория вероятностей, интервальные методы и теория нечетких множеств. Данные подходы позволяют учесть многокритериальность инноваций и высокую неопределенность инновационной деятельности.
В работах [7, 8, 10, 26] отмечается, что достаточно эффективным инструментальным средством, способным учесть неточность исходных данных, следует признать математический аппарат нечетких множеств. Нечетко-множественные подходы свободны от вероятностной аксиоматики и от проблем с обоснованием выбора вероятностных весов (в отличие от аксиологической теории вероятностей), кроме того, они включают в себя все возможные сценарии развития событий. Такой подход позволяет генерировать непрерывный спектр сценариев реализации по каждому из прогнозируемых параметров инновации (в отличие от обычных интервальных подходов). Еще одним доводом в пользу выбора математического аппарата теории нечетких множеств является то, что он позволяет не только учесть неопределенность, но и формализовать и оперировать, как качественными критериями (социальная, экологическая, научнотехническая эффективность), так и количественными критериями (экономическая эффективность) оценки эффективности инноваций, привести качественные и количественные оценки к одному основанию и рассчитать интегральный показатель эффективности
инновации, зависящий от многих параметрам, на основе свертки критериев.
Одним из наиболее существенных недостатков разработанных на сегодняшний день методов и средств оценки эффективности инноваций на начальных стадиях их жизненного цикла является то, что в основе их фундаментальной вычислительной модели эффективности не учитываются такие важные компоненты как социальная и научнотехническая эффективность, а всего лишь декларируются как составная часть общей эффективности. Примером таких методических разработок являются работы [4, 27, 28].
Вместе с тем, ни авторами работ [4, 27, 28], ни другими учеными-экономистами вычислительных моделей числовой оценки социального, научнотехнического, экологического эффектов реализации инновационных проектов в процессе определения интегрального критерия эффективности инноваций, в том числе систем анализа начальных этапов их жизненного цикла, до сих пор предложено не было. Получение на расчетной основе числовых оценок перечисленных эффектов в существующих работах, например [29-31], не приводится. Несмотря на это, математический аппарат теории нечетких множеств позволяет получить такие оценки.
7. Постановка задачи
Эффективность инновационных проектов, как правило, характеризуется совокупностью частных критериев, находящихся зачастую во взаимном противоречии друг с другом, когда улучшение по одному из показателей ведет к ухудшению по-другому и наоборот, и удовлетворение требованиям всех критериев невозможно. Кроме того, критерии, а также ограничения, обычно сформулированы весьма неточно, нечетко. В этих условиях поиск эффективных решений невозможен без учета «нечеткой» качественной информации о предпочтениях различных критериев, о желаемом характере процессов - росте или уменьшении параметров эффективности, о диапазоне их изменения. Инновации характеризуются множеством целей и ограничений, которые невозможно сформулировать точно («четко»). В связи с этим, задача оценки эффективности инноваций - это нечеткая многокритериальная задача.
Основными проблемами при оценке эффективности инноваций на этапе НИОКР являются отсутствие количественных показателей для оценки и субъективность экспертов. Следует заметить, что при оценке инновации на начальных этапах жизненного цикла приходится оценивать ожидаемые эффекты, то есть наиболее вероятные. Для определения интегрального показателя эффективности инновации необходимо исследовать и оценить составляющие его частные показатели (далее - эффекты), такие как: экономический, научно-технический, экологический и социальный эффекты.
При рассмотрении экономического эффекта оцениваются как ожидаемая прибыль от его реализации,
так и последствия для организации, например выход на новый рынок сбыта. Социальный эффект представляет собой комплексную оценку изменения уровня благосостояния общества, качества жизни и условий труда. Научно-технический эффект предполагает оценку инновации по качественным критериям, таким как новизна, практическая ценность (полезность), техническая реализуемость и перспективность инновации с точки зрения расширения областей научного знания (фундаментальный аспект). Значимость экологического эффекта в последнее время возрастает в связи с постепенным введением в действие концепции устойчивого развития в области охраны природных ресурсов и пристального внимания общественности к экологическим проблемам. Экологический эффект можно оценить посредством сравнения варианта технологии принятого к использованию в настоящее время и альтернативного, оцениваемого варианта. В сравнении должны учитываться как устранение новым вариантом негативных для окружающей среды эффектов, например, снижение или отсутствие вредных выбросов, так и появление при его использовании дополнительных экологических преимуществ, например экономии потребляемых природных ресурсов.
К перечню наиболее значимых для оценки показателей в процессе вычисления экономического эффекта инновации можно отнести следующие:
• размер инвестиций;
• потенциальный размер прибыли;
• уровень банковской ставки и инфляции;
• себестоимость и предполагаемый объем продаж инновационной продукции;
• срок окупаемости инновационного проекта;
• виды и вероятность возникновения финансовых рисков.
Для вычисления социального эффекта инновации необходимо учитывать следующие параметры и определить уровень их изменения с внедрением инновации:
• благосостояние населения;
• условия труда;
• занятость населения;
• производительность труда;
• правовое обеспечение проекта;
• вероятная оценка проекта общественным мнением;
• вероятность возникновения правовых рисков.
При определении экологического эффекта значимыми параметрами, изменения которых необходимо учитывать, являются:
• уровень выбросов и сбросов в окружающую среду;
• ресурсоемкость и энергоемкость;
• сроки полезного использования;
• потенциальная экономия природных ресурсов;
• возможные экологические риски, степень их влияния на проект и вероятность их возникновения.
Научно-технический эффект, как правило, характеризуется такими важными показателями, как:
• новизна (фундаментальная значимость);
• практическая значимость (полезность);
• техническая реализуемость;
• уровень технологического развития;
• экономия ресурсов (трудовых, материальных И т.д.)
• временные рамки;
• научно-технические риски.
При внедрении любой инновации возникает экономия ресурсов различного типа - финансовых, производственных, природных, трудовых и других. Также возникают специфические инновационные риски. К ним можно отнести коммерчески, социально-политически, правовые и научно-технические риски. Таким образом, интегральная оценка эффективности инноваций на ранних стадиях жизненного цикла, по мнению авторов, должна базироваться на оценке уровня и соотношения трех факторов: полезного эффекта, экономии и риска (табл.).
Перейдем к постановке задачи.
Пусть имеется ВР = $рх,Ьр2,...,Ьрп -множество инновационных проектов, которые подлежат многокритериальному анализу и оценке эффективности.
Е= $эК,ЕСоц,Ент,ЕэКОЛ - множество частных
показателей эффективности, которые используются при расчете интегрального показателя эффективности инновационного проекта с учетом оценки уровня и соотношения трех факторов: полезного эффекта и, экономии ЕС и риска Я, где Еэк - экономическая эффективность инновации; Есоц - социальная эффективность инновации; Ент -научно-техническая эффективность инновации; ЕЭкол' экологическая эффективность инновации.
с= 4 -Г - множество коли-
^соц ^нт ^экол
чественных и качественных критериев, которыми оцениваются варианты,
где сЕ"= 41гс2,...,ст - множество качественных и количественных критериев, которыми оцениваются рассматриваемые варианты с точки зрения экономической эффективности Еэк : полезный эффект и эк , экономия ЕС эк и риск Яж в процедуре расчета экономического эффекта
с%щ = <г„с2,.. ,с,; - множество качественных и количественных критериев, которыми оцениваются рассматриваемые варианты с точки зрения социальной эффективности Есоц : полезный эффект
исоц, экономия ЕСсоц и риск Я^ц в процедуре
расчета социального эффекта V = /■{/ Я ■
СОЦ У СОЦ? СОЦ? СОЦ ^
Экономический эффект (Еэк) Социальный эффект ( Есоц ) Научно- технический эффект ( Ент ) Экологический эффект ( Еэкол )
Полезный эффект (и) Прибыль, усиление конкурентных позиций на рынке, освоение новых рынков, экспорт Изменение уровня благосостояния общества, занятости населения, качества жизни Новизна, практическая польза, повышение технического уровня Улучшение экологической ситуации в регионе, повышение рациональности природопользования, увеличение срока использования
Экономия (ЕС) Сокращение финансовых затрат на производство, снижение себестоимости продукции Сокращение трудозатрат, улучшение условий труда Сокращение количества времени и материалов Экономия природных ресурсов, снижение вредных выбросов и отходов, энергоемкости
Риск (Я) Коммерческий риск Социальнополитический и правовой риск Научно- технический риск Экологический риск
С„ = С„ -множество качествен-
Кт 2’ ’ р
ных и количественных критериев, которыми оцениваются рассматриваемые варианты с точки зрения научно-технической эффективности Ент : полезный эффект инт, экономия ЕСнт и риск Янт в процедуре расчета научно-технического эффекта
Кт=1<?нт,ЕСнтЛт:;СЕт = 41,с2,...,сд -
множество качественных и количественных критериев, которыми оцениваются рассматриваемые варианты с точки зрения экологической эффективности Еэкол: полезный эффект иэкол, экономия ЕСэкол и
риск Яэкол в процедуре расчета экологического эффекта Еэкол — f ^/экол,ЕСэкол,Яэкол
Пусть В= 1^,Ь2,...,Ьк - компетентность оценок
к - экспертов, проводящих экспертизу.
Можно сформулировать две взаимосвязанные задачи по определению множества эффективных инновационных проектов для финансирования.
Задача 1 состоит в том, чтобы упорядочить элементы множества ВР по обобщенным частным критериям ,СЕ а С из множества
*-“3 к ^соц ±^нт *-“3 кол
С с учетом компетентности оценок экспертов. Задача 2 состоит в том, чтобы:
1) Определить частные показатели эффективности Еэк,Есоц,Ент,Еэкол для каждого варианта из
множества ВР с учетом оценки уровня и соотношения трех факторов: полезного эффекта и , экономии ЕС и риска К на основе полученных оценок
СЕ ,СЕ ,СЕ ,СЕ с С.
■‘-‘э к соц нт -^э кол
2) Рассчитать для каждого из рассматриваемых вариантов интегральный показатель эффективности Е;п1 по совокупности частных показателей эффективности Еэк,Есоц,Ент,Еэкол с учетом целей инновации и типа органа, осуществляющего финансирование.
3) Определить множество эффективных иннова-
%
ционных проектов ВР с ВР .
8. Методика решения задачи 1
Для решения первой задачи предлагается использовать следующий подход. Будем рассматривать критерии
как нечеткие мно-
‘-'соц ‘-'нт ‘-'экол
жества, которые заданы на универсальных множествах вариантов с помощью функции принадлежности в виде треугольных или трапециевидных нечетких чисел. Применим метод анализа иерархий (МАИ) Т. Саати [34] для декомпозиции многокритериальной сложной задачи оценки эффективности инноваций на более простые составляющие части и проведем попарное сравнение критериев. Определим функции принадлежности нечетких множеств на основе экспертной информации о парных сравнениях вариантов с помощью 9-тибальной шкалы Т. Саати. Произведем ранжирование вариантов на основе пересечения нечетких множеств - критериев, которые отвечают известной в теории принятия решений схеме Беллмана-Заде [35].
При оценивании показателей эксперты задают нижние - пессимистические оценки , верхние -
оптимистические оценки е\к и интервалы наиболее ожидаемых (возможных) значений исследуемых параметров , i = \,k,j = \,n где к - число
экспертов, п - число рассматриваемых проектов, степень принадлежности нечеткому
множеству в виде нечеткого трапециевидного или треугольного чисел:
Сік(с1
,с
С,]к(сі
ф І „Чк\ _
,с
2 , С3
ф■ „чк
1 ; С4 J
іік■ „ф .2 ’ З 1
^ ИСф (хк )<1 |
»Сік (Хк ) = 1|
іік■ „Ук
')-
где с^, ак, с«к, ак), С^с?, 4к) - интервальные оценки /-го инновационного проекта к-м экспертом по у-му критерию соответственно в виде нечеткого трапециевидного и нечеткого треугольно-
о* ^Сф (хк ИСфк (хк Ь1 \
Лк лк Лк\
(1)
го числа; с
іік
1
нижняя пессимистическая оценка;
верхняя пессимистическая оценка; "
соответственно наиболее вероятный интервал и наиболее вероятная оценка; |л,Сгк (ха) " степень принадлежности элемента х&Х нечеткому множеству С .
Дальнейшую обработку нечетко сформулированных мнений экспертов предлагается осуществлять путем дефазификации полученных нечетких частных оценок и дальнейшей их обработки в дефазифициро-ванном виде.
Дефазификация - процедура преобразования нечеткого множества в четкое число. Существует множество методов дефазификации. Все они базируются на эвристических идеях, подобной следующей: «будем выбирать управляющее действие, соответствующее максимальному значению функции принадлежности».
Наиболее распространенным и апробированным на сегодняшний день является центроидный метод дефазификации (метод центра тяжести). Он может быть реализован следующим способом. Дефазифи-
С = [ цс(х)/бйс
И
по методу центра тяжести осуществляется по формуле нахождения центра тяжести плоской фигуры, ограниченной осями координат и графиком функции принадлежности нечеткого множества [36].
кация нечеткого множества
С = С = -
|^С (х)^х
X
X
|цс (х^х
(2)
Для трапециевидных и треугольных чисел (2) примет вид:
_ ^х^с(хг )
С = с = ^---------
п
Х^с (х)
і—1
(3)
где \хс (xi) - степень принадлежности элемента
X е X нечеткому множеству С .
Исходя из (2) и (3), дефазификацию результатов экспертной оценки, представленной в виде нечеткого трапециевидного или треугольного числа, предлагается проводить по формулам соответственно:
~ _ сх + 2(с2 +с3) + с4 ^ ~ _ сх + 2с2 + с3 6 4 ’
цСю(Ьр,) = С. (4)
где Цс (Ьр/) - степень принадлежности элемента
Ър1 нечеткому множеству С .
Таким образом, на данном этапе мы имеем дефа-зифицированные оценки критериев нижних уровней иерархии оценочных критериев. Далее необходимо определить, насколько они согласованы.
Согласованность оценок экспертов определяется на основе коэффициента вариабельности по формуле [37]:
X, -
1=1
(к \ Ех/
Ч/=1
к* С-1
х,
(5)
£
1=1
к
где V - коэффициент вариабельности;
к - количество экспертов;
Х1 - значение критерия проекта, предложенное I -м экспертом;
I - номер текущего эксперта.
Если значение коэффициента вариабельности меньше 0,2, то мнения экспертов считаются согласованными. В противном случае, для получения согласованных оценок, можно воспользоваться общепринятым методом, как в зарубежной, так и в отечественной практике - методом «Дельфи» [38].
На следующем этапе эксперты определяют ранги критериев всех уровней на основе метода попарного сравнения.
2
Пусть ^1,^2,..., ^ - коэффициенты относительной важности (или ранги) критериев
С„ иСР иС£ иС£ = 4ъС2,...,С5
±^иуу, ^ & -
такие что ^ Жу = 1. Для определения коэффициен-7=1 _
тов , / = 1, Л предлагается использовать метод анализа иерархий Т. Саати. Для этого строится матрица попарных сравнений Л1 (6) критериев по 9-ти балльной шкале Саати:
Cl
Al =C9
C
Cl 1
1/ a
C
'12
12
Cs
als
a2s
1/als 1/a
2s
(6)
I
где элемент а.у оценивается экспертом по 9-
тибальной шкале Саати [34]; С\,С2,..., с5 - количественные и качественные критерии.
Для обеспечения согласованности матрица (6) имеет такие свойства:
/
она диагональна, т.е. ау = 1, і = \,s ; элементы, симметричные относительно глав-
J 1
ной диагонали связаны зависимостью a
і
a
В работе [39] помимо указанных свойств, подобные матрицы наделяются еще одним свойством -транзитивности. Это позволяет определить все элементы матрицы Л1 по элементам одной из строк. Если известна к -ая строка, т.е. элементы а^, то произвольный элемент ау определяется так:
a
У
akj • • , і 7 і
= —— , = I = \,s.
aki
(7)
Наличие данного свойства существенно упрощает работу для эксперта, обеспечивает высокую согласованность, т.к. эксперту необходимо заполнить только одну строку матрицы, а остальные строки вычисляются по формуле (7). Но данное упрощение приводит к существенной потере информации. В связи с этим, в данном случае предлагается не упрощать процедуру формирования матриц, а заполнять все элементы выше диагонали.
Из матрицы находятся искомые ранги критериев }¥. Согласно Т. Саати, решение для вектора рангов }¥ получается из уравнения вида АIV =А,тахЖ, где Атах - максимальное собственное значение матрицы попарных сравнений критериев Л1. Т. Саати предложил находить собственное значение
как среднегеометрические величины каждой строки матрицы. Полученные таким образом среднегеометрические значения собственного вектора нормализуются делением на сумму средних геометрических:
w;=v
П‘
у=1
wt=-
i=1
где - ранг / -го критерия.
Следующим этапом является определение согласованности экспертов по оценкам рангов критериев.
Информативным показателем достоверности определения рангов является индекс согласованности (ИС) матрицы парных сравнений (6), который дает информацию о степени нарушения числен-
ной (кардинальной аи =
т.
Wj) и
транзитивной
(порядковой) согласованности парных сравнений. В случае плохой согласованности рекомендуется поиск дополнительной информации и пересмотр данных, использованных при построении матрицы парных сравнений. Индекс согласованности для каждой матрицы рассчитывается на основе оценки максимальной величины собственного значения матрицы, А|гах . Наибольшее собственное значение определяется по формуле:
5 5 5 5
^•тах _ Я1 ^аЛ + Я2^!а'2 +..^Я^,ау+ ". +Я5^а15 ,
i= 1
i=1
i=1
i=1
R =
П
aijX
ъ
2-1
ГЪ
v
J=1 /
К
наибольшее собственное значение об-
где --max
ратно симметричной матрицы; i - индекс строки
матрицы Al ; j - индекс столбца матрицы Al ; aij -
экспертные оценки; s - количество столбцов и строк матрицы.
Индекс согласованности рассчитывается по формуле:
ИС =
— n
/(«-!)’
где /-|гах - наибольшее собственное значение обратно симметричной матрицы; ИС - индекс согласованности; п - размерность матрицы парных сравнений. Для обратно симметричной матрицы всегда
их ^ п ■
На основе индекса согласованности ИС рассчитывается показатель отношения согласованности ОС:
°с-ис/сс>
где ОС - отношение согласованности; СС - среднее значение согласованности.
В работе [40] на основе обобщения опыта решения большого числа многокритериальных задач утверждается, что, для того, чтобы парные сравнения
s
У
1
1
S
можно было считать согласованными, величина ОС должна быть менее, чем 10%. В ряде случаев приемлемой для практики согласованностью можно считать величину ОС до 20%. Если ОС выходит из этих пределов, то экспертам нужно пересмотреть задачу и проверить свои суждения.
Основным результатом реализации данного этапа является получение согласованных оценок критериев нижних уровней иерархии, согласованных рангов всех критериев всех уровней иерархии оценочных критериев.
Следующий этап - свертка оценочных критериев, с учетом их рангов и рангов экспертов, в один общий количественный критерий эффективности.
После получения функций принадлежности и рангов критериев производится их свертка. Базируясь на принципе Беллмана-Заде [35], наилучшей системой будем считать ту, которая одновременно лучшая по критериям С\,С2,..., С5 . Поэтому нечеткое множество, которое необходимо для рейтингового анализа, определяется в виде пересечения (интегральный критерий оценки систем):
2
(8)
Учитывая то, что в теории нечетких множеств операция пересечения п соответствует тт, то выражение (8) можно записать в виде:
О =
тП(ЦСт (ЪР1))
Ш — 1,5
, тш (цСт (ЪР2))
Ш — 1,5
..., т^п^г (ЪР,))
(9)
т-1,5
где ВР = , Ър2,..., Ърг - множество инновацион-
ных проектов, которые подлежат многокритериаль-
ному анализу
; С=
С С
множество количе-
ственных и качественных критериев, которыми оце-
ниваются
коли-
чественных и качественных критериев; О - результат свертки критериев.
Выражения (8) и (9) используется для равнозначимых критериев. Конструктивным, достаточно полно отражающим качественный характер задания предпочтений в многокритериальной задаче является подход, предложенный Р. Ягером, основанный на обобщении понятий концентрирования и растяжения
[41].
Свертка Р. Ягера предназначена на случай неравнозначимых критериев, наиболее полно отражающая качественный характер задания предпочтений при формировании обобщенного показателя эффективности, по сравнению с аддитивной и мультипликативной свертками, недостатки которых изложены в работе [30].
Обобщенный критерий Ягера предлагается формировать в виде:
£> = глС22 п...пС^, (10)
в = тФр1 ),^т(Ьр2),...,\Уст Фрг) ,
т—\ 5 т т т "
где Щ_, Ж2,..., Ш - коэффициенты относительной важности (или ранги) критериев С1,С2,...,С5 . такие 5 1
что
В [41] показано, что возведение в степень, большую единицы, ужесточает требования к выполнению критерия, т.е. делает его более важным. Возведение в степень, меньшую единицы, наоборот, снижает требования к удовлетворению критерия. При этом сохраняются нормировки функций принадлежности всех критериев и ограничений. С одной стороны подход Ягера позволяет проводить ранжирование частных целей и ограничений в соответствии с интуитивными представлениями о задании той или иной жесткости требований к достижению целей. С другой стороны, этот подход позволяет естественным образом использовать операцию пересечения для формирования совокупности критериев [42]. Кроме того, при использовании данного вида свертки отсутствует «эффект компенсации», когда неприемлемые оценки по одним критериям могут быть компенсированы (и тем самым замаскированы) высокими оценками по другим критериям. Вместе с тем, проявление данного эффекта возможно при аддитивной или мультипликативной свертках.
Таким образом, определяется рейтинг проектов, построенный каждым экспертом в отдельности.
Следующим этапом решения задачи является определение компетентности оценок экспертов и с учетом их компетентности формирование единого (общего) рейтинга проектов. Для этого строится матрица попарных сравнений компетентности оценок экспертов, аналогичную (6), и затем определяется собственный вектор данной матрицы. Далее производится мультипликативная свертка результатов, полученных на втором этапе, умноженных на компетентность оценок экспертов, т.е. оценки экспертов корректируются на их компетентность. Наилучшей инновацией следует считать ту, для которой обобщенный результат, с учетом важности критериев и рангов оценок экспертов, является наибольшей. Предлагается определять наилучшую систему по следующей формуле:
цС Х 3= тах
,Щ*Х.
(11)
где >0 (рангикритериев),
1
— =1, Ъх,Ъ2,...,Ък >0 (ранги экспертов),
2 = 1
И?
к
'У'р! = 1, р, ( - наилучший проект по оцениваемым 2=1
критериям.
Согласно исследованиям, представленным в работе [43], максиминный подход обеспечивает гарантированный результат. Применительно к решаемой задаче это означает, что степени удовлетворения частным критериям в точке оптимума не ниже степени удовлетворения наименее значимому критерию, и решение оптимально по Парето.
Отличительной особенностью рассмотренного подхода является возможность корректно реализовать процедуру оценки эффективности инновационных проектов с учётом их высокой неопределенности, многоцелевой сущности и компетентности экспертов, оценивающих инновационные проекты, а также оценивать вклад каждого критерия в общий результат и оперировать как с качественными, так и с количественными критериями.
9. Методика решения задачи 2
На основе
С
Е
,Се , Се
■^соц нт
полученных
,СЕ С С,
оценок критериев представленных в
дефазифицированном виде, рассчитываются частные показатели эффективности Еэк,Есоц,Ент,Еэкол для
каждого варианта из множества ВР с учетом оценки уровня и соотношения трех факторов: полезного эффекта и, экономии ЕС и риска Я.
1. Вычислительная модель показателя экономической эффективности инновации имеет вид:
е = ц +ес 'х<-я
ЭК ЭК эк ^ ^ эк
Полезный экономический эффект представляет собой ожидаемую приведенную доходность инновации на условную единицу приведенных ожидаемых затрат с учетом срока окупаемости проекта. Полезный эффект при оценке экономической эффективности инновации может быть рассчитан как: иэк=Р1-1,
где Р1 - индекс рентабельности инвестиции.
Упрощенно индекс рентабельности инвестиций можно вычислить по формуле:
Р1=шу/ 5 /
где ЫРУ - чистый приведенный доход от инвестиций в инновацию; Свн- затраты на внедрение инновации.
Чистый приведенный доход ЫРУ вычисляется по следующей формуле:
(
Г=1
Л -С -С
'—'си
А
где Т - период реализации проекта; - ежегодный ожидаемый доход после внедрения инновации; Свн -себестоимость инновации после внедрения; Сеж -
ежегодные затраты на поддержку инновации после
ее внедрения; г{ - прогнозируемая учетная ставка
Центрального банка РФ в период запуска и реализации проекта (ставка дисконтирования).
Если ЫРУ> 0, то инновацию с точки зрения полезного экономического эффекта можно считать экономически эффективной. Далее необходимо рассчитать показатели внутренней нормы доходности ІЯЯ и период окупаемости инновационного проекта РІ. Вычислительные модели этих показателей приведены в работе [31]. Если ІЯЯ > г и 14 > 0. то проект также считается экономически эффективным. Таким образом, при значении показателя II,)К < О проект выходит из дальнейшего рассмотрения как заведомо неэффективный.
При наличии сведений о себестоимости инновации до внедрения, или как разность между финансовыми затратами на выполнение функции, предположительно выполняемой нововведением, до внедрения инновации и ожидаемыми затратами после, отнесенными к затратам на внедрение, экономия может быть определена по формуле:
ЕСЭК= '='
где Оа1 - ожидаемые доходы от производства без внедрения рассматриваемого инновационного проект
та; ^ /)( - общая сумма ожидаемых доходов от рас-
2 = 1
сматриваемого проекта.
Коммерческий риск предлагается вычислять на основе общепринятого в эконометрике метода расчета среднеквадратического отклонения КРУ к его ожидаемому значению. Согласно работе [45], считается, что показателем абсолютного риска является среднеквадратическое отклонение ст. Чем больше среднеквадратическое отклонение, тем выше риск.
Общая величина коммерческого риска по проекту:
и _оЦруУ
*эк - /мру ,
где ст РУ - среднеквадратическое отклонение ЫРУ; ЫРУ - чистый приведенный доход.
Величина среднеквадратического отклонения ст для прибыли вычисляется по формуле:
ст<)
,1
V 2 = 1
где В = Р - ожидаемая средняя прибыль;
2= 1
Р 2 - вероятность получения прибыли О2 в 2 -ом году проекта.
Величина среднеквадратического отклонения ст ^1>У чистого приведенного дохода рассчитывается по формуле:
т (
I
2= 1
<71
Вычислительные модели показателей социальной, научно-технической и экологический эффективности инновации имеют схожую структуру и представлены ниже.
2. Вычислительная модель показателя социальной эффективности инновации имеет вид:
Х<-Ясс
соц,
где
г и
и СОЦ
/1\ - полезный эффект при
2>/
оценке социальной эффективности инновации;
¥С -
соц
I
ес
и=1 \к=1
Иг - экономия;
и3 =
к=1
социально-правовой риск;
иг-, / — 1, /х, есу, у — 1, /2 , % — • Рк ,к — 1, /3 -
дефазифицированные оценки критериев
,_й,с2,...,с/2 ^есоч
соответственно, полученные на этапе решения первой задачи; Рк - вероятность возникновения риска;
7к - степень воздействия (влияния) риска Гк на успех реализации инновационного проекта. Рк и 2к
также оцениваются экспертным путем в ходе решения первой задачи;
/ = /| + /2 + /3 - общее количество качественных
и количественных критериев, которые используются для оценки социального эффекта инновации.
3. Вычислительная модель показателя научнотехнической эффективности инновации имеет вид:
— ^ нт ЕСнт X <-Рнт ■
( Р\ \
где инт =
!■
1=1
! Р\ - полезный эффект при оцен-
ке научно-технической эффективности инновации;
(
РС =
нт
р _
Р 2
I
и=1
А
Ръ
Тгк
ук=1
/ />2 ■ экономия;
/Ръ =
Рз .
у£=1
/ />3 - на-
учно-технический риск;
«,■,/ = 1,/?! ,есу^' = 1,р2..
/)с = Z/c • /)с, А: = 1, [?2 - дефазифицированные оценки критериев
4,с2,...,сР1 ,^,с2,...,сР2 ,£,с2,...,сРз $сЕшп
соответственно, полученные на этапе решения первой задачи; Рк - вероятность возникновения риска;
2к - степень воздействия (влияния) риска Гк на успех реализации инновационного проекта. Рк и
также оцениваются экспертным путем в ходе решения первой задачи;
р = Р\+ Р2+ Ръ ~ °бщее количество качественных и количественных критериев, которые используются для оценки научно-технического эффекта инновации.
4. Вычислительная модель показателя экологической эффективности инновации имеет вид:
77 _ 4 т _|_ 77/^ _ о "
^жол " экол "|" этд " ^экол
где и,„
91
2>
/с/| - полезный эффект при
и,-
ч/=1 у
оценке экологической эффективности инновации;
=
э/сол
Я,
экол
<12 I
чМ
\&=1
\
/ <?2 - экономия;
!ЧЪ =
/
!Чъ-
/
экологический риск;
Щ,1=^1,еср] = ^2,гк=1к-Рк,к = 1,03 -дефазифицированные оценки критериев
4.с2.-.с„ ■ }{■'.•••■ . эс£,„
соответственно, полученные на этапе решения первой задачи; Рк - вероятность возникновения риска;
7к - степень воздействия (влияния) риска Гк на успех реализации инновационного проекта. Рк и 2к
также оцениваются экспертным путем в ходе решения первой задачи;
Ч = ^1 + с12 + </з " общее количество качественных и количественных критериев, которые используются для оценки экологического эффекта инновации.
Примечание: При оценке всех видов выше рассмотренных рисков необходимо учитывать меры нейтрализации риска, например, страхование.
Интегральный показатель эффективности Е;п1 инновационного проекта по совокупности частных показателей эффективности Е , Е , Е , Е с
тт эк’ соц’ нт’ экол
учетом целей инновации и типа органа, осуществляющего финансирование, для каждого из
2
/
рассматриваемых вариантов вычисляется следующим образом:
Еы = ■ Еэк + а2 ■ Есоц + а3 ■ Ент + а4 • Еэкол,
где а,. i = 1,4 - ранги частных показателей эффективности инновационного проекта (степень важности частного показателя с точки зрения типа инвестора или целей инновации).
Ранги частных показателей эффективности аг определяются по формуле П. Фишберна [44]:
2 • (п - г +1)
а, =------------,
п ■ {п +1)
где п - количество ранжируемых по степени значимости частных показателей эффективности (в нашем случае п = 4).
Если ЛпП > 0, то инновационный проект считается эффективным и его можно отнести к множеству *
ВР
Если же информация по уровню значимости частных показателей (эффектов) не рассматривается для всех анализируемых инновационных проектов, то этап определения ранга (их степени значимости) может быть опущен.
В любом случае, следует отметить, что инновация считается эффективной, если она экономически выгодна и не оказывает отрицательного воздействия на внешнюю среду.
10. Технология комплексной оценки эффективности инноваций на начальных стадиях их жизненного цикла
Предлагаемый метод оценки эффективности инноваций на начальных этапах жизненного цикла, основанный на применении математического аппарата теории нечетких множеств, реализуется в рамках информационной технологии комплексного анализа и оценки эффективности инноваций, в логике функционирования которой можно выделить следующие основные этапы (рис.):
Этап 1: Предварительный анализ инновационного проекта. Целью данного этапа является проверка соблюдения прав интеллектуальной собственности при появлении нового инновационного проекта (сравнение с аналогами ^ определение степени отличия и выявление плагиата). Процедура проверки предусматривает семантический поиск и анализ данных, содержащихся в информационных базах и фондах, организаций занимающихся регистрацией патентованием новых разработок и результатов НИР (например, таких как РосПатент, ВНТИЦ, ИНИМ РАО и т. д ) и в сети Интернет. На этом этапе реализуются информационные технологии интеллектуального анализа данных об инновационных проектах и автоматизированные информационно-поисковые системы. Иногда для повышения точности и качества результатов, полученных на первом этапе, до
полнительно реализуется метод антиципации с привлечением независимых экспертов. Метод антиципации применяется для предварительной оценки новизны работы. Суть метода заключается в том, что результаты анализируемой работы формулируются в виде вопросов, которые задаются экспертам. Эксперты отвечают на заданные вопросы, как бы предвосхищая выводы исследования. В случае совпадения ответов экспертов и оцениваемых выводов результаты считаются известными.
Этап 2: Отсев бесперспективных инновационных проектов. Целью второго этапа является исключение из рассмотрения бесперспективных инноваций. На данном этапе реализуются методы оценки деловой репутации (компетентности) субъектов инновационной деятельности (инноваторов), выдвигающих инновационные проекты, а также процедуры проверки соответствия заявленных инновационных проектов отборочным критериям или условиям органа, осуществляющего финансирование.
Этап 3: Экономико-математический анализ и нечеткое моделирование инновационных проектов. На данном этапе осуществляется экспертиза инновационных проектов. Целью этапа является получение качественных и количественных оценок эффективности инновационных проектов в виде нечетких вычислительных моделей. На основе полученных оценок после их дефазификации рассчитываются частные показатели эффективности инноваций (социальная, научно-техническая, экологическая, экономическая эффективность).
С учетом ранжирования полученных эффектов в зависимости от целей инновации и типа инвестора вычисляется интегральный показатель эффективности для каждого из проектов. Расчет инновационных рисков (коммерческого, социально-правового, научно-технического, экологического и страхового) осуществляется на основе методов, хорошо зарекомендовавших себя в теории управления рисками (риск-менеджменте). Для оценки рисков инновационного проекта могут использоваться классические методы риск-менеджмента [45, 46], такие как метод расчета среднеквадратического отклонения NPV к его ожидаемому значению, метод среднего класса инноваций, методы экспертных оценок, а также специализированные методы, такие как метод VaR (Value-at-Risk), методический комплекс SPAN (The Standard Portfolio Analysis of Risk) или EUREX, метод SWOT-анализа [47, 48].
Этап 4: Имитационное моделирование и прогнозирование развития инновационных проектов. На данном этапе реализуются методы прогнозированя спроса на инновационную продукцию на стадии разработки с целью определения рыночного эффекта от реализации и внедрения инновации. Эффективными методами прогнозирования спроса в условиях неопределенности являются вероятностные методы [49]. Кроме того, выделяют два больших класса методов прогнозирования спроса:
проектах ТЧ
4Гш~ Ш>
Эксперты
Основные этапы функционирования системы комплексного анализа и оценки эффективности инноваций
1) Количественные методы прогнозирования спроса основываются на том, что тенденция развития событий в будущем связана с развитием ситуации в прошлом. К ним относятся: вероятностные методы, метод экстраполяции (анализ временных рядов, трендов), метод анализ корреляций, нормативный метод и другие.
2) Качественные методы прогнозирования спроса используются при недостатке исходной информации, либо сложности ее применения и основываются на мнении экспертов. К ним относятся: метод оценки сбытовиков, метод оценки ожидания потребителей, метод экспертных оценок (метод «Дель-фи»), методы, основанные на социологических опросах и другие.
Для прогнозирования сценариев развитие инновационных проектов предлагается также использовать методы имитационное моделирования, в частности метод системной динамики [24].
Этап 5: Формирование множества эффективных бизнес-проектов, перспективных для финансирования. Целью данного этапа является формирование множества эффективных инновационных проектов, ранжированных по степени значимости в зависимости от целей инновации и типа инвестора с учетом полученных на предыдущих этапах оценок, а также сбор и представление детализированной информация о проектах и их участниках.
11. Преимущества и недостатки предлагаемого подхода к оценке эффективности инноваций
Необходимо отметить, что предложенный в работе подход комплексной оценки эффективности инноваций на ранних стадиях жизненного цикла не противоречит существующим в отечественной практике, а лишь дополняет и улучшает их.
Предложенный авторами метод комплексной оценки эффективности инноваций обеспечивает возможность анализа эффективности как инновационных идей, не содержащих описание бизнес-плана проекта, так и детализированных инновационных проектов, включающих бизнес-план и примерную схему реализации основных этапов проекта. Вместе с тем, метод имеет следующие преимущества:
1) возможность проверки соблюдения прав интеллектуальной собственности при появлении инновации (интеллектуальный анализ данных об инновационных проектах и сравнения с существующими аналогами);
2) возможность исключения бесперспективных инноваций на предварительном этапе анализа, не соответствующих отборочным критериям (условиям инвестора), с учетом деловой репутации (компетентности) субъекта инновационной деятельности (инноватора);
3) возможность оценки инновации по многим критериям (учёт многокритериальной сущности инновационных проектов), в том числе и качественным, учитывать различную значимость критериев, вклад каждого критерия в общую эффективность и антагонистичность критериев;
4) возможность учёта многокритериальной сущности инновационных проектов;
5) возможность учёта неопределенности при оценке инновационных проектов;
6) возможность количественной оценки качественно сформулированных мнений независимых экспертов;
7) возможность учета рисков реализации инноваций;
8) возможность сравнения различных проектов по единой шкале критериев, охватывающих все ключевые аспекты эффективности и значимости с точки зрения субъекта, принимающего решение;
9) возможность ранжирования инновационных проектов в зависимости от целей инноваций и типа источника финансирования;
10) невозможность проявление «эффекта компенсации», когда неприемлемые оценки по одним критериям могут быть компенсированы высокими оценками по другим критериям;
11) возможность формализованного анализа компетентности экспертов;
12) прозрачность процедуры оценки.
Основным недостатком предложенного подхода,
как и большинства существующих, является то, что его основу составляют экспертные оценки, соответственно данному подходу присущи все недостатки, присущие экспертным методам: сложность согласования мнений экспертов; субъективизм мнений экспертов; ограниченность их суждений.
12. Заключение
Развитие инновационной деятельности является одним из путей преодоления последствий мирового экономического кризиса, как на национальном, так и на региональном уровнях. Поэтому научные исследования, направленные на разработку эффективных методов и средств управления инновационными процессами, имеют высокую практическую значимость и способствуют развитию теории и практики управления инновационной деятельностью.
Формирование открытой расширяемой информационной инфраструктуры научно-инновационной деятельности вкупе с развитием методов и технологий ее информационно-аналитического обеспечения во многом определяют ее результативность, как в рамках отдельных территорий, так и в стране в целом.
В работе предложен метод и технология комплексного анализа и оценки эффективности инноваций. Метод основан на теории нечетких множеств и позволяет учитывать многокритериальную сущность и высокую неопределенность инноваций на начальных этапах их жизненного цикла.
Рассмотрена проблематика оценки эффективности инноваций на начальных стадиях их жизненного цикла. Описаны специфические особенности применения современных методов и подходов к анализу и оценке эффективности инновационных проектов, общепринятых в отечественной и зарубежной практике. Предложена многоуровневая система качественных и количественных критериев для оценки эффективности инновационных проектов, включающая рисковую составляющую для оценки их реализации. Разработаны нечеткие вычислительные модели частных показателей эффективности инноваций, таких как экономическая, социальная, научно-техническая и экологическая эффективность. В качестве эффективного средства для программной реализации созданных моделей может быть использована среда МА^АВ со встроенным инструментарием разработки нечетких моделей РиттуТесИ [50]. Предложен алгоритм вычисления интегрального показателя эффективности инноваций, базирующегося на оценке уровня и соотношения трех факторов: полезного эффекта, экономии и риска по совокупности выше указанных эффектов.
Практическая значимость представленных в статье результатов состоит в том, что они могут быть использованы не только отдельными субъектами инновационной деятельности, но и целыми научными, промышленными и коммерческими организации, занимающимися разработкой и реализацией инновационных проектов, при оценке эффективности инноваций с целью создания малых инновационных предприятий, при анализе и отборе для финансирования альтернативных вариантов инновационных проектов, при разработке новых и совершенствовании существующих программных продуктов для оценки эффективности инноваций. Разработанное методическое обеспечение может также применяться и такими специальными видами организаций, как: центры трансфера технологий, инновационнотехнологические центры, инновационные инкубаторы, технопарки и т. п.
Практическое применение предложенного в статье подхода к комплексной оценки эффективности инноваций на ранних стадиях их жизненного цикла обеспечивает возможность автоматизации процесса поддержки принятия решений по отбору эффективных инновационных проектов для финансирования в условиях неопределенности и неполноты информации о возможных результатах их реализации.
Литература
1. Постановление Правительства Российской Федерации от 12.08.2008 г. № 590 «О порядке проведения проверки инвестиционных проектов на предмет эффективности использования средств федерального бюджета, направляемых на капитальные вложения».
2. Методические рекомендации по оценке эффективности инвестиционных проектов: (Вторая редакция) / Мин-во экон. РФ, Мин-во фин. РФ, ГК по стр-ву, архит. и жил. политике; рук. авт. Кол.: Косов В.В., Лившиц В.Н., Шахназаров А.Г. - М.: ОАО НПО Изд-во «Экономика», 2000. - 421 с.
3. Тумина, Т.А. Методология оценки эффективности инновационной деятельности / Т.А. Тумина // Транспортное дело России. - 2009. - №1.-C.46-49.
4. Алиева, Т.М. Проблемы и особенности оценки результативности научных исследований и инноваций / Т.М. Алиева, Н.М. Гасанова // Транспортное дело России.- 2009.- №1.- С.64-66.
5. Валдайцев, С.В. Оценка бизнеса и инноваций / С.В. Валдайцев.- М.: Филинъ, 1997. - 516 с.
6. Заде, Л.А. Основы нового подхода к анализу сложных систем и процессов принятия решений: Математика сегодня / Л.А. Заде. - М.: Дрофа, 2000.
7. Недосекин, А.О. Применение теории нечетких множеств к задачам управления финансами /
А.О. Недосекин // Аудит и финансовый анализ.-
2000.- №2.- Режим доступа: http ://www. cfin. ru
8. Царев, В.В. Оценка экономической эффективности инвестиций / В.В. Царев.- СПб.: Питер, 2004.
- 464 с.
9. Клементьева, С.В. Применение теории нечетких множеств для измерения и оценки эффективности реализации наукоемкой продуктовой инновации / С.В. Клементьева // Заводская лаборатория. Диагностика материалов.- 2006. - Т.72. -№11. - С.65-69.
10. Гареев, Т.Ф. Применение теории нечетких множеств при анализе инвестиционных проектов / Т.Ф. Гареев // «Общество, государство, личность: проблемы взаимодействия в условиях рыночной экономики»: Мат. VI межвуз. научно-практич. конф. студентов и молодых ученых. -Казань: Академия управления «ТИСБИ», 2005. -
C.203-206.
11. Zimmerman, H.-J. Fuzzy Set Theory and its Applications / H.-J. Zimmerman.- Dordrecht: Kluwer Academic Publishers, 1996.- 315 p.
12. Чернов, В.Г. Модели поддержки принятия решений в инвестиционной деятельности на основе аппарата нечетких множеств / В.Г. Чернов.- М.: Горячая линия-Телеком, 2007.- 312 с.
13. Mc’Grath, R.E. Assessing Technology Projects Using Real Option Reasoning / R.E. Mc’Grath,
1.С. Mc’Millan // RTM.- 2000.- Vol.43.- No.4.
14. Davis, J. Determing a projects probability of success / J. Davis, A. Fusfeld, E. Scriven, G. Tritle // RTM.-
2001.- Vol.44.- No.4.
15. Kaplan, R.S. Using the Balanced Scorecard as a Strategic Management System / R.S. Kaplan,
D.P. Norton // Harvard Business Review, 1996.
16. Жданкин, С.Н. Интегральный показатель эффективности инновационного проекта / С.Н. Ждан-кин // Микроэкономика.- 2009.- Т.3.- С.47-55.
17. Гольдштейн, Г.Я. Стратегический инновационный менеджмент: Учебное пособие / Г.Я. Гольдштейн. - Таганрог: Изд-во ТРТУ, 2004. - 267 с.
18. Виленский, П.Л. Оценка эффективности инвестиционных проектов: Теория и практика: Учеб. пособие. - 2-е изд. перераб. и доп./ П.Л. Виленский, В.Н. Лившиц, С.А. Смоляк.- М.: Дело,
2002. - 888 с.
19. Шохин, А.А. Методы оценки эффективности инвестирования инновационных проектов: Мат. междунар. научно-практич. конф. «Управление инновациями - 2009». - М.: УРСС, 2009.
20. Карминский, A.M. Оценка эффектов инноваций и экономической эффективности управления инновационными процессами / A.M. Карминский, С.Г. Фалько.- М.: Изд-во МГТУ им. Н.Э. Баумана, 2000.- 59 с.
21. Маренков, Н.Л. Инноватика. Изд. 2 / Н.Л. Ма-ренков.- М.: УРСС, 2009. - 304 с.
22. Гареев, Т.Ф. Методы учета неопределенности при оценке эффективности инвестиций в инновации / Т.Ф. Гареев // Вестник Академии управления «ТИСБИ».- 2007.- Казань: Академия управления «ТИСБИ», 2007. - №1.- С.3-13.
23. Информационные технологии поддержки инноваций / А.Г. Олейник и др. - М.: Эдиториал УРСС, 2010.- 503 с.
24. Шишаев, М.Г. Имитационное моделирование рыночной диффузии инноваций / М.Г. Шишаев, С.Н. Малыгина, А.В. Маслобоев // Инновации.-2009. - №11(133) - С.82-86.
25. Маслобоев, А.В. Проблематика информацион-
ной поддержки регионального инновационного развития / А.В. Маслобоев, В.А. Путилов // Качество. Инновации. Образование.- 2007. -
№6(28) - С.57-63.
26. Преимущества применения теории нечетких множеств в решении различных задач экономики и финансов. - Режим доступа: http://iebooks.ru
27. Методические рекомендации по оценке экономической эффективности финансирования проектов, имеющих своей целью коммерциализацию результатов научно-исследовательских и опытно-конструкторских работ.- М.: Инновационное Агентство, 2005.
28. Котельников, В.А. Методическое руководство по заполнению заявок на инновационные конкурсы / В.А. Котельников, Ф.А. Мухаметшин, Е.С. Ле-готина.- Апатиты: "КаэМ", 2008.- 67 с.
29. Недосекин, А.О. Финансовый менеджмент на нечетких множествах / А.О. Недосекин.- М.: Аудит и финансовый анализ, 2003. - 104 с.
30. Кузовков, Д.В. Применение экспертно-квалиметрического подхода к оценке эффективности инноваций и выбору поставщика оборудования в сфере нфокоммуникаций / Д.В. Кузовков // Век качества, 2009. - №1. - С.30-33.
31. Маслобоев, А.В. Математические модели и методы оценки экономической эффективности инновационных структур / А.В. Маслобоев,
В.А. Путилов // Информационные технологии в региональном развитии. - Апатиты, 2009.- Вып. IX. - С.6-16.
32. Аньшин, В.М. Применение теории нечётких множеств к задаче формирования портфеля проектов / В.М. Аньшин и др. // Проблемы анализа риска.- Т.5.- №3.- М.: Финансовый издательский дом "Деловой экспресс", 2008.- С.8-21.
33. Богацкий, P.O. Технология волшебство Исследование и оценка эффективности инноваций / P.O. Богацкий // Креативная экономика, 2010. -№3.- С.70-74.
34. Саати, Т. Принятие решений. Метод анализа иерархий / Т. Саати. - М.: Радио и связь, 1993. -370 с.
35. Беллман, Р. Принятие решений в расплывчатых условиях / Р. Беллман, Л. Заде.- В кн.: Вопросы анализа и процедуры принятия решений. - М.: Мир.- 1976. - С.172-215.
36. Штовба, С.Д. Введение в теорию нечетких множеств и нечеткую логику. - Режим доступа: http://matlab.exponenta.ru/fuzzylogic/book1/
37. Железко, Б.А. Методика многокритериальной экспертизы бизнес-планов инвестиционных проектов / Б.А. Железко,О.Ю. Дударкова, Т.Н. По-добед. - Режим доступа: http://sedok.narod.ru
38. Архангельский, Н.Е. Экспертные оценки и методология их использования / Н.Е. Архангельский,
С.А. Валуев, В.А. Половников, А.М. Черногорский.- М: Изд-во МЭСИ, 1974. - 125 с.
39. Rotshtein, A. Modification of Saaty Method for the Construction of Fuzzy Set Membership Functions /
A. Rotshtein // FUZZY'97 - International Conference «Fuzzy Logic and Its Applications». in: Zich-ron, Israel, 1997. - Р. 125-130.
40. Саати, Т. Аналитическое планирование. Организация систем / Т. Саати, К. Кернс.- М.: Радио и связь, 1991.- 224 с.
41. Yager, R. Multiple objective decision-making using fuzzy sets / R. Yager // Int. J. Man-Mach. Sfud.-1979.-Vol. 9.- № 4. -P.375-382.
42. Дилигенский, Н.В. Нечеткое моделирование и многокритериальная оптимизация производственных систем в условиях неопределенности: технология, экономика, экология / Н.В. Дили-генский, Л.Г. Дымова, П.В. Севастьянов. - М.: Изд-во Машиностроение, 2004. -№ 1.- 250 с.
43. Гермейер, Ю.Б. Введение в теорию исследования операций / Ю.Б. Гермейер.- М.: Наука, 1971.
- 220 с.
44. Фишберн, П. Теория полезности для принятия решений. Пер. с англ. / П. Фишберн.- М.: Наука, 1978.- 352 с.
45. Шапкин, А.С. Теория рисков и моделирование рисковых ситуаций: учебник / А.С. Шапкин,
B.А. Шапкин.- М.: Издательско-торговая корпорация «Дашков и КС», 2005. - 880 с.
46. Демкин, И.В. Методология управления инновационным риском (методы, модели, инструменты) / И.В. Демкин.- М.: Изд-во МАТИ, 2008.- 430 с.
47. Долматов, А.С. Математические методы риск-менеджмента: учебник для вузов / А.С. Долматов.- М.: Экзамен, 2007. - 320 с.
48. Кудрявцев, А.А. Интегрированный риск-менеджмент: учебник / А.А. Кудрявцев.- СПб.: Изд-во: СПбГУ, 2010. - 655 с.
49. Черемушкин, С.В. Прогнозирование спроса и количественная оценка эффективности методов стимулирования продаж / С.В. Черемушкин // Управление продажами.-2009. -Ч.2. - №6. -
C.342-357.
50. Леоненков, А. Нечеткое моделирование в среде MATLAB и fuzzyTech / А. Леоненков.- СПб.: БХВ-Петербург, 2003.- 736 с.
