CC BY
215
Таким образом, в статье предложена организационная методика стимулирования инновационной деятельности предприятий элект-ротранспортного машиностроения с использованием инструментального аппарата размещения госзаказа. Данная методика представляет собой наиболее правильно организованную, как пространственно, так и методически, последовательность этапов процесса размещения и реализации госзаказа с акцентом на параметры стимулирующего воздействия, возникающие в результате такой организации.
Литература:
1. Общественный транспорт - локомотив экономики [Электронный ресурс]. - Режим доступа: www.uitp.com/advocacy/pdf/ factsheets_rn.pdf. - свободный.
2. Полякова, И. Транспортная гармония [Электронный ресурс].
- Режим доступа:http://www.transportrussia.ru/gorodskoy-passazhirskiy-transport/transportnaya-garmoniya.html. - свободный.
3. Московская декларация МСОТ «Общественный транспорт
- движущая сила экономического развития городов» [Электронный ресурс]. - Режим доступа: http://www.omnibus.ru/uitp/. - свободный.
4. Дли М.И., Какатунова Т.В. Обеспечение эффективного взаимодействия элементов инновационной среды региона // Интеграл -2008 - №2 - С.92-93.
5. Дли М.И., Какатунова Т.В. Общая процедура взаимодействия элементов инновационной среды региона // Журнал правовых и экономических исследований - 2009 - №3 - С.60-63.
6. Какатунова Т.В. Принципы построения адаптивной региональной инновационной инфраструктуры // Журнал правовых и экономических исследований. - 2010 - №4 - С. 73-76.
ИСПОЛЬЗОВАНИЕ АППАРАТА НЕЧЕТКИХ БАЙЕСОВЫХ СЕТЕЙ ДЛЯ ОЦЕНКИ ИННОВАЦИОННЫХ РИСКОВ
Белозерский А.Ю., к.э.н., доцент, Российский химико-технологический университет им. Д.И. Менделеева,
Какатунова Т.В., к.э.н., доцент, филиал ФГБОУВПО «Национальный исследовательский университет «МЭИ»,
Иванова И.В., аспирантка кафедры менеджмента и информационных технологий в экономике филиала ФГБОУВПО «Национальный исследовательский университет «МЭИ»
Проанализирована роль управления инновационными рисками, показана зависимость величины риска от состояния факторов внешней и внутренней среды. Предложен метод оценки инновационных рисков, основанных на использовании аппарата нечетких байесовских сетей.
Ключевые слова: инновационный риск; байесовские сети; нечеткая логика; факторы внешней и внутренней среды.
THE USE OF FUZZY BAYESIAN NETWORKS TO ASSESS THE RISKS OF INNOVATION
Belozersky A., Candidate of Economic Sciences, Associate Professor, Mendeleev Russian Chemical-Technological University, Kakatunova T., PhD, Associate Professor, National Research University MEI, FGBOUVPO, Branch,
Ivanova I., The post-graduate student, management and information technology in the economy chair, National Research University MEI,
FGBOUVPO, Branch
The article explored the role of management of innovation risk in the management of innovation-oriented enterprises, shows the magnitude of the risk factors on the state of internal and external environment. We propose a method for assessing the risks of innovation, based on the use of fuzzy Bayesian networks.
Keywords: innovation risk; Bayesian networks; fuzzy logic; factors internal and external environment.
Построение системы риск-менеджмента является одной из центральных задач инновационно-ориентированных организаций. В основе такой системы, как правило, лежит использование какого-либо математического аппарата для оценки риски, на основании результатов применения которого осуществляется классификация риска и принимаются соответствующие решения для управления им.
Поскольку риск определяется одновременным воздействием множества факторов внешней и внутренней среды, то одним из этапов его оценки является выявление причинно-следственных связей и зависимостей между данными факторами, что позволит оценить изменение вероятности риска в случае изменения вероятности появления какого-либо события. Для решения поставленной задачи целесообразно использовать аппарата нечетких байесовских сетей.
Байесовские сети основаны на вероятностном подходе и способны в максимальной степени использовать информацию, поступающую из окружающей среды для достижения максимального эффекта. Необходимо отметить, что традиционно применяемый для учета неопределенности вероятностный подход в байесовых моделях не всегда применим из-за недостатка статистической информации о состоянии сложной системы. Кроме того, введение нечеткости позволит анализировать плохо формализованную информацию. Предлагаются два способа введения нечеткости в байесовы сетевые модели [1]:
1. Изменение используемого выражения оценивания распределения вероятностей состояний за счет дополнения их функциями принадлежностей времени пребывания системы в соответствующих состояниях.
2. Замена вероятностей состояний и времен пребывания системы в соответствующих состояниях на нечеткие числа (нечеткие множества), а обычных операций - на расширенные операции над нечеткими числами; при этом для определения соответствующих нечетких множеств используются нечеткие отображения, реализуемые в соответствии с одним из известных подходов (нечеткие продукции, нечеткие отношения, нечеткие функции).
В рамках предложенной нечетко-логической байесовой сетевой модели реализован второй способ введения нечеткости, при этом сама модель включает следующие основные этапы:
- формулирование проблемы в терминах вероятностей (возможностей) значений целевых переменных;
- определение переменных, имеющих отношение к целевым переменным, описание возможных значений этих переменных;
- задание на основе имеющейся информации нечетких оценок значений переменных в зависимости от способа введения нечеткости в нечеткую байесову сеть;
- описание отношений «причина-следствие» в виде ориентированных ребер графа нечеткой байесовой сети, разместив в его узлах переменные;
- для каждого узла графа, имеющего входные ребра, указание нечетких оценок различных значений переменной этого узла в зависимости от комбинации значений переменных-родителей на графе.
На рисунке 1 приведен пример блок-схемы структуры байесовской сети для анализа влияния факторов внешней и внутренней среды на риски инновационных проектов предприятий. Для оценки интегрального риска целесообразным представляется осуществление классификации видов рисков реализации инновационного проекта по основным причинам их возникновения. В соответствии с данной классификацией выделяют общеэкономические, коммерческие, технико-технологические, экологические, политические, правовые и другие инновационные риски.
Рост стоимости ресурсов на рынке капиталов
Снижение стоимости активов предприятия
Колебания валютных курсов
Повышение
качества
конкурирующих
товаров
I ■■■
Снижение
объемов
реализации
Несоответствие
продукции
ожиданиям
потребителей
Сбои в поставках сырья и материалов
Ужесточение экологического законодательства Рост издержек Производственные Уровень заболеваемости населения
производства сбои и аварии
Общеэкономические
инновационные
риски
Коммерческие
инновационные
риски
5
Экологические
инновационные
риски
Рись
инновационного
проекта
Политические
инновационные
риски
Правовые
инновационные
риски
Технике-технологические инновационные риски___________
Аналогичность
запатентованных
разработок
X
Патентоспособность
результата
Своевременность
патентования
Правовая защита
Изменения в системах экспортного финансирования
Изменения торг ово-политическою режима и таможенной политики
Отрицательный
результат
исследования
ЄДОЕ
Несвоевременность
внедрения
Увеличение затрат на освоение
Изменение в регулировании внешнеполитической деятельности государства
1 Іотенциал Несоблюдение
разработчиков сроков исследований
Отсутствие материальной базы
Рис. 1. Пример структуры байесовой сети для анализа среды на величину риска реализации инновационного проекта
На рисунке 2 приведен фрагмент нечеткой байесовой сети. Нечеткие вероятности значений переменных определены на основе результатов экспертного опроса. Для переменных Ужесточение экологического законодательства (^, Заболеваемость населения (I) и Производственные аварии и сбои (С) в таблицах представлены априорные нечеткие безусловные вероятности, а для переменных Экологический инновационный риск (Е) и Риск инновационного проекта (Я) - нечеткие условные вероятности.
L Pf(L)
1, h (0.0; 0.1; 0.2: 0.3) (0.7: 0.8: 0.9: 1.0)
Pf(C) (0.1; 0.2: 0.3) (0.5: 0.6: 0.7)
PfU)
(0.2: 0.3: 0.4) (0.4; 0.5: 0.6)
L ■fcq и Pf(E = e2\L)
11 (0.6: 0.7; 0.8: 0.9) (0.1: 0.2; 0.3; 0.4)
h (0.1: 0.2; 0.3; 0.4) (0.6; 0.7: 0.8: 0.9)
1 E С Pf(R = rx\E, C,I) Pf(R = r2\E, C,I)
h e\ Cl (0.7: 0.8: 0.9: 1.0) (0.0; 0.1; 0.2; 0.3)
C2 (0.2: 0.3: 0.4: 0.5) (0.5: 0.6: 0.7: 0.8)
e2 С1 (0.2: 0.3: 0.4: 0.5) (0.5: 0.6: 0.7: 0.8)
C'2 (0.1: 0.2: 0.3: 0.4) (0.6: 0.7: 0.8: 0.9)
h e\ Cl (0.7: 0.8: 0.9: 1.0) (0.0: 0.1: 0.2: 0.3)
Cl (0.2: 0.3: 0.4: 0.5) (0.5: 0.6: 0.7: 0.8)
e2 Cl (0.2: 0.3: 0.4: 0.5) (0.5: 0.6: 0.7: 0.8)
с 2 (0.1: 0.2: 0.3: 0.4) (0.6: 0.7: 0.8: 0.9)
Рис. 2. Фрагмент нечеткой байесовской сети для анализа влияния факторов внешней и внутренней среды на риски инновационных решений
При задании нечетких вероятностей значений переменных нечеткой байесовой сети будем использовать треугольные и трапецеидальные функции принадлежности [2].
Процедура использования нечеткой байесовой сети включает следующие этапы. Начальный этап вывода на основе нечеткой байесовой сети заключается в вычислении всех нечетких безусловных вероятностей.
Для переменной Е:
Для переменной Я:
Р/(Я = гх) = @ Р/(Е,С,1,Я = г1) =
Е,С,1
= Р/(Е = ех,С = сх, / = /,,/? = гх)@Рг(Е = ех, С = сх,1 = 12,Я = ^)® ®Р^(Е = е1,С = с2,/ = /рй = г|)0^(£ = е1,С = с2,/ = /2,й = г1) 0 ®Р^(Е = е2, С = сх,1 = г1? Я = т})® Р^Е = е2, С = сх, I = 12,Я = г^® ®Р^(Е = е2, С = с2,1 = ц,Я = г1)ФР^{Е = е2, С = с2,1 = 12,Я = г1) =
= (0.01; 0.01; 0.02; 0.08) © (0.02; 0.02; 0.04; 0.12) ©
®(0.01; 0.01; 0.03; 0.09)® (0.03; 0.02; 0.05; 0.14)®
©(0.00; 0.01; 0.02; 0.06) © (0.00; 0.02; 0.03; 0.09) ©
©(0.00; 0.02; 0.04; 0.11)® (0.00; 0.03; 0.07; 0.17) =
= (0.07; 0.14; 0.30; 0.73).
Р/(Я = г2) = ф Рг{Е,С,1Л = г2) = {0.1;0.3;0.54; 1.0).
‘ Е,С,1 '
Затем определяется совместное распределение вероятности для каждой из переменных нечеткой байесовой сети, например:
Рг{Ь = 1х,Я = гх)= § Рг{К = гх\Е,С,1)®Рг(С)®Рг{Е\1 = 1х)®Р^Ь = 1х) =
Е,С,1
= Рг(Я = гх \Е = ех, С = с1,/ = /1)®Р,(С = сх)®Р/(1 = ц)®Рг(Е = ех \Ь = /,)<§>Р/(Ь = 11)ё
ФРДД = г, IЕ = е,, С = с2,/ = ц ) ® рг(С = с2) (8)рг(1 = ц) ® рг(Е = <?, \ Е = /,) ® Р({Е = /,) © ®Р^(Я = г1\Е = е2,С = с2,1 = 11)®Р^(С = с2)®Р^(1 = 11)®Р^(Е = е2\Ь = 11)®Р^(Ь = 11)® 0РДД = гх | Е = е,, С = сх,1 = /2)® Р/(С = с,)0Рг(1 = 12)®Р/(Е = е, | Ь = /1)®Р/(/, = /,)©
©#/(Л = г1 |£ = е2,С = с„/ = д®Р/(С = с|)®Р/(/ = /2)®Р/(£ = е2 |1 = /,)0Р/(^ = /,)0 ©Р; (Я = г1\Е = ех,С = с2,1 = 12)®Р/(С = с2)®Р/(1 = ¡2)® Р, (Е = е} | Ь = 1Х)®Р1{Ь = 11)®
®РГ(Я - гх | Е - е2, С — с2,1 - ¿2)®РГ(С - с2)®Р/(1 — ¡2)®Рг(Е — е2 | Ь - 1Х)®РГ(Ь - 1Х) ©
= (0; 0; 0.01; 0.03)0(0; 0; 0; 0.01)0(0; 0.01; 0.02; 0.05)0(0; 0; 0; 0.01)® 0(0; 0.01; 0.01; 0.05) 0 (0; 0; 0; 0.01) 0 (0; 0.01; 0.02; 0.06) 0(0; 0; 0.01; 0.02) = = (0; 0.03; 0.07; 0.24).
И, наконец, определяется, как изменяются априорные вероятности при предъявлении новых данных о значениях переменных в нечеткой байесовой сети. Например, предположим, что риск инновационного проекта оказался низким. Необходимо определить, до какой степени этот риск вызван ужесточением экологического законодательства. Для этого требуется вычислить апостериорную вероятность с использованием нечеткого байесова правила:
А(1=/1|л = г1) = А(1=/1,л = г1)7А(л = г1) =
= (0; 0.03; 0.07; 0.24) 1 (0.07; 0.14; 0.30; 0.73) = = {[0.01,1U25; [0.03,1U5; [0.1,0.5L,}.
Данный результат получен на основе операции деления нечетких чисел. При этом стоит заметить, что результирующее нечеткое число представляется не в трапециевидной форме, как показано на рисунке 3 (результирующее нечеткое число представлено выделенной линией).. Для иллюстрации процесса получения результирующего нечеткого числа использованы «-уровни (0.25; 0.5; 1). Так, при а = 0.25
Pf(L = il\R = r1)
принимает значения [0.01, 1], при а = 0.5 - [0.03, 1], а при а = 1 - [0.1, 0.5]. а
Рис. 3. Расчет апостериорной нечеткой вероятности
Сравнивая полученный результат с априорной вероятностью
Pf(L = i{)= (0.0; 0.1; 0.2; 0.3),
можно отметить, что на-
блюдается существенное изменение в вероятности ужесточения экологического законодательства в случае низкого инновационного риска.
Таким образом, построенная модель анализа влияния факторов внешней и внутренней среды на величину инновационного риска позволит осуществлять оценку данного риска с учетом причинно-следственных связей факторов, а также оперативно корректировать получаемые результаты в случае поступления новых данных.
Литература:
1. Дли М.И., Какатунова Т.В. Процедура распространения результатов инновационной деятельности в регионах// Журнал правовых и экономических исследований. - 2010 - №1 - С. 5-8.
2. Мешалкин В.П., Белозерский А.Ю., Дли М.И. Методика построения комплексной математической модели управления рисками предприятий металлургической промышленности// Прикладная информатика - 2011 - № 3 (33) - С.100-120.
