CC BY
168
ИННОВАЦИИ № 6 (152), 2011
Модели и технологии
информационной поддержки
« *
логистики инновации
А.В. Маслобоев
к. т. н., н. с., Институт информатики и математического моделирования технологических процессов Кольского НЦ РАН (ИИММ КНЦ РАН) masloboev@iimm.kolasc.net.ru
М.Г. Шишаев
д. т. н., с. н. с., зав. лабораторией Региональных информационных систем Институт информатики и математического моделирования технологических процессов Кольского НЦ РАН (ИИММ КНЦ РАН)
в^/в/гае у@ Итт .kolasc.net.ru
В статье рассматривается специфика и структура задачи информационной поддержки логистики инновационных процессов. Представлены современные методы и технологии информационной поддержки управления логистическими и производственными системами. Предложена формальная модель инновационного бизнес-процесса, представляющая собой граф управления бизнес-функциями. Для организации эффективного информационного взаимодействия между субъектами инноваций и поставщиками ресурсов, а также поддержки управления ресурсообеспечением этапов жизненного цикла инноваций разработаны мультиагентная технология информационной поддержки логистики инноваций и метод синтеза виртуальных организационных структур инноваций, обеспечивающий эффективное формирование виртуальных сетей ресурсов в открытой информационной среде инновационной деятельности.
Ключевые слова: инновационная деятельность, логистика, информационная поддержка, моделирование, мультиагентный подход, информационные технологии.
• Работа поддержана грантом РФФИ (проект №08-07-00301-а «Разработка информационной технологии и распределенной информационно-аналитической среды поддержки инновационной деятельности»).
Инновационные процессы, представляющие собой бизнес-процессы развития [1], нуждаются в логистическом обеспечении для успешной реализации всех этапов жизненного цикла инновации от ее зарождения до внедрения и коммерциализации. Перспективным направлением в решении задачи логистического обеспечения инновационных процессов является развитие методов, механизмов и инструментов информационной поддержки логистики инноваций.
Согласно работе [2], современными тенденциями развития ИТ для управления цепями поставок является разработка систем класса E-SCM (Electronic Supply Chain Management — системы управления цепями поставок) на основе веб-технологий, а также обеспечение эффективного взаимодействия между различными классами систем, используемых различными участниками обеспечивающих бизнес-процессов. В концепции E-SCM, Интернет выступает в качестве среды коммуникации партнеров в цепях поставок и их информационных систем. К основным компонентам E-SCM относятся: E-Procurement (Интернет-система закупок), E-Fulfillment (Интернет-система планирования и выполнения заказов), E-Commerce (система электронной коммерции), E-Collaboration (Интернет-система взаимодействия субъектов бизнеса). Несмотря на столь высокий уровень компьютеризации, специфические особенности инновационных процессов ограничивают возможность создания адекватных средств информационной поддержки логистики инноваций на основе существующих методов и технологий, апробированных и хорошо себя зарекомендовавших в корпоративных информационно-управляющих системах. Поэтому задача информационного обеспечения логистики инновационных процессов требуют развития существующих и разработки новых подходов для ее решения.
В качестве объекта исследования в работе рассматриваются формализованные модели организационных структур инноваций, представляющих собой совокупность взаимодействующих друг с другом субъектов инновационной деятельности (инноваторов, инвесторов, поставщиков ресурсов, производителей и т. д.), обменивающиеся различными видами ресурсов для достижения собственных целей, и ориентированных на реализацию потенциально эффективных инновационных проектов. Целью работы является разработка моделей и технологий информационного обеспечения логистики инноваций на основе мультиагентного подхода для повышения эффективности ресурсообес-печения процессов разработки, производства и последующего внедрения наукоемкой продукции.
Методологические основы исследования
Исследования, представленные в статье, базируются на работах отечественных и зарубежных ученых, которые внесли значительный вклад в развитие теории и практики логистического обеспечения бизнес-процессов и логистики в целом, а также в решение
проблем в области создания методов и информационных технологий поддержки управления логистическими системами:
• работы Ивановой С.И., Горбаневой О.И., Антиповой Т.В., Иванова Д.А., Новикова Д.А., Замятиной
О.М., Косицына Д.П., Лукинского В.С., Цвиринь-ко И.А., Лукинского В.В., Малевич Ю.В., Григорьева М.Н., Долгова А.П., Уварова С.А., Дыбской
B.В., Кулаговской Т.А., Шапиро Дж.Ф., Проценко
О.Д., Зайцева Е.И., Сергеева В.И., Горева А.Э. — в области анализа, моделирования и оптимизации логистических систем и цепей поставок;
• работы Архипова А.В., Соколова Б.В., Смирнова
A.В., Виттиха В.А., Скобелева П.О., Минакова И.А., Шереметова Л.Б., Ржевского Дж., Поле-нок С.П., Ардалина В.Б., Wirth S., Wildemann H., Wiendahl H.P., Suedow J., Kaeschel J., Teich T., Kaluza B., Camarihna-Matos L.M., Chandra C., Simchi-Levi H., Tayur T., Harrison T. — в области информационной поддержки логистики бизнес-процессов на основе современных ИТ, а также в области разработки методологических основ моделирования и управления сложными организационно-технологическими структурами, такими как логистические цепи;
• различные прикладные аспекты логистики бизнес-процессов рассмотрены в работах Носкова
C.В., Шумаева В.А., Бережного В.И., Будриной Е.В., Гордона М.П., Карнаухова С.Б., Костоглодо-ва Д.Д., Королевой Е.А., Куренкова П.В., Маликова О.Б., Носова А.Л., Родкиной Т.А., Степанова
B.И., Федорова Л.С., Стерлиговой А.Н. и др.;
• работы Агеева А.В., Прилуцкого М.Х., Куликовой Е.А., Маевского А.Г., Конопацкого В.П., Лебедянской В., Баркалова С.А., Котенко А.М., Федоровой И.В. и др. — в области анализа и оценки эффективности цепей поставок и деловой репутации логистических посредников;
• работы Pardoe D., Stone P., Ahmad A., Mollaghasemi M., Rabelo L., Raju S., Rajendran P., Fayad M.E., Swaminathan J.M., Smith S.F., Sadeh N.M., Carvalho R., Custodio L., Sindhu R., Wahid A., Purohit G.N., Chen Y., Peng Y., Finin T., Labrou Y., Cost S., Kumar V., Kumar-Goel A., Srinivisan S., Kovalchuk Y., Zarandi M.H.F., Zarandi M.M.F., Mele F.D., Guillen-Gosalbez G., Espuna A., Puigjaner L. — в области автоматизации процессов управления логистическими системами на основе онтологий и мультиагентного подхода.
Проведенный в ходе исследований анализ отечественных и зарубежных научно-исследовательских работ перечисленных выше авторов в области теории и практики логистики и логистического обеспечения бизнес-процессов показал, что в данных работах большое внимание уделяется рассмотрению частные вопросы концепции управления цепями поставок и решению задач производственной логистики, а также предлагаются различные методы и подходы к автоматизации управления отдельными элементами логис-
ИННОВАЦИИ № 6 (152), 2011
ИННОВАЦИИ № 6 (152), 2011
тических цепей на основе ИТ. Недостаточно проработанными с научной точки зрения остаются вопросы, связанные с организацией и управлением сложными кооперационными межфирменными сетевыми структурами, отсутствием классификации объектов и т. д., а также чрезмерной абстрактностью имеющихся результатов вследствие отсутствия интегрированных формальных методов и моделей, учитывающих специфику сложных распределенных экономических систем [2].
Вместе с тем, установлено, что, несмотря на столь широкий спектр существующих решений нерешенными остаются задачи, связанные с информационной поддержкой логистики инновационных бизнес-процессов, которые существенно отличаются от уже хорошо проработанных и решенных на сегодняшний день задач логистики производственных процессов. Логистика инноваций, по сравнению с производственной логистикой, характеризуется высокой степенью риска качественного и своевременного ресурсообес-печения основных этапов жизненного цикла инновационного продукта в силу временной и ресурсной неопределенности на всех стадиях инновационного процесса, в особенности на начальных стадиях. Временная неопределенность обуславливается тем, что на стадии зарождения инновации не известны точные сроки реализации основных этапов инновационного процесса, связанных с разработкой, производством и внедрением инновации, а также сроки поставки необходимых ресурсов. В бизнес-планах инновационных проектов, как правило, декларируется лишь приблизительный срок, на который рассчитан проект (срок реализации проекта). Ресурсная неопределенность обуславливается неполнотой информации о требуемых для создания и последующего производства инновационного продукта ресурсах, их количестве, типе и назначении, особенно на начальных стадиях жизненного цикла инновации. Вместе с тем, заранее не известны набор входных и выходных ресурсов, необходимых для успешной реализации отдельных этапов инновационного процесса, структура и состав логистической цепи (ЦП) для данного инновационного процесса (множество поставщиков, обладающих конкретными типами и количеством ресурсов), а также мощности поставщиков ресурсов.
Важность и практическая значимость перечисленных проблем обуславливают необходимость более глубокой научной проработки вопросов, связанных с информационной поддержкой логистики инновационных бизнес-процессов и актуальность рассматриваемой в статье проблемной области исследования.
Задачи информационной поддержки управления логистикой инновационных процессов
Суть информационной поддержки управления логистикой инновационных процессов на основе современных ИТ заключается в создании комплексной системы взаимодействия виртуальных организационных структур инноваций с использованием Ин-
тернет-технологий и технологий интеллектуальных информационных систем, обеспечивающей организацию кооперационных отношений, интегрированное управление логистическими процессами, создание единого информационного пространства для координации и коммуникации участников инновационных процессов, формирование виртуальных сетей ресурсов (ресурсообеспечение) для успешной реализации всех этапов жизненного цикла инноваций. Взаимодействие виртуальных организационных структур инноваций в едином информационном пространстве осуществляется децентрализовано.
Согласно работам [3, 4], к основным задачам информационной поддержки управления логистикой инновационных процессов относятся:
1) Задачи планирования и оперативного управления ЦП [3]. На этапах планирования и оперативного управления ЦП также решаются задачи синтеза и анализа ЦП. Задача синтеза состоит в выборе на множестве альтернативных ЦП наилучшей конфигурации ЦП (состава исполнителей и плана выполнения работ) с учетом параметров инновационных проектов (сроки поставок, цены, количество, технология производства и т. д.), а также характеристик доступных в данных момент времени компетенций предприятий (производственные мощности, затраты и т. д.). Задача анализа плана ЦП состоит в проверке его выполнимости в реальных условиях функционирования. Задача оперативного управления ЦП состоит из задач оперативного анализа ЦП (мониторинга) и реконфигурирования (синтеза нового структурнофункционального облика ЦП) в случае недопустимых отклонений от плановых состояний в результате воздействия возмущающих факторов. Задача мониторинга состоит в как можно более раннем распознавании рисковых ситуаций, которые могут привести к отклонениям в работе ЦП, а задачей регулирования — разрешение проблемных ситуаций с помощью определенных управляющих воздействий.
2) Задачи моделирования и автоматизации логистических процессов и систем [4]. Задача моделирования обеспечивающих процессов заключается в создании и исследовании моделей сложных логистических цепей с целью анализа и прогнозирования сценариев их развития и определения рисков и эффектов их реализации для конкретных бизнес-процессов. Модели ЦП могут быть также использованы для исследования динамики поведения активных элементов ЦП. Задачи моделирования традиционно решаются с помощью широкого арсенала методов и средств моделирования, таких как метод системной динамики, технологии концептуального моделирования и математического программирования, методы теоретико-игрового моделирования структурного синтеза и др. Задача автоматизации ЦП состоит в разработке методов, технологий и программных средств получения, обработки и анализа информации для оперативного управления поставками ресурсов и поддержки принятия решений на всех этапах жизненного
цикла бизнес-процессов. Решение задачи автоматизации функционирования обеспечивающих процессов и логистических систем предполагает всестороннее использование передовых технологий интеллектуальных информационных систем и распределенных вычислений, таких как технология мультиагентных систем, технологии Business Intelligence, Grid-технологии, технология одноранговых (P2P) систем и т. д.
Исследования показали, что наилучший эффект при исследовании и моделировании сложных логистических и производственных систем достигается за счет комбинирования различных научных парадигм: исследование операций, теория систем и управления, нечеткая логика, имитационное моделирование, аналитические, статистические и эвристические методы, методы искусственного интеллекта, методы управления знаниями на основе онтологий и др. Данные концепции, согласно работам [2, 4], обеспечивают основу интегрированного моделирования и комплексной информационной поддержки логистики сложных бизнес-процессов, в том числе и инновационных. При этом мультиагентные системы представляют собой концептуальную основу моделирования и автоматизации взаимодействия активных элементов логистических систем. Теория систем и управления служит теоретической основой анализа и синтеза ЦП. Методы исследования операций выступают в роли базовых методов оптимизации ЦП. Концепция нечеткой логики используется в целях описания качественных характеристик моделей. Аналитические методы предназначены для получения оптимальных значений, статистические — вероятностной оценки и прогнозирования. Эвристические методы используются для решения трудно формализуемых задач большой размерности с неполной информацией. Имитационное моделирование используется для исследования процессов ЦП в динамике и анализа различных сценариев развития ЦП.
Специфика логистического обеспечения инновационных бизнес-процессов
Под логистическим обеспечением инновационных процессов в настоящей работе понимается комплексное своевременное ресурсообеспечение всех этапов жизненного цикла инновационного продукта. Логистика производственных процессов основана на принципе «just in time» («точно в срок» или «точно вовремя»), основная идея которой заключается в следующем: если производственное расписание (план) задано, то можно так организовать движение материальных потоков, что все материалы, компоненты и полуфабрикаты будут поступать в необходимом количестве, в нужное место и точно к назначенному сроку для производства, сборки или реализации готовой продукции [5].
Характерным отличием логистики инновационных процессов от современной теории производственной логистики является временная и ресурсная неопределенность реализации этапов жизненного цикла
инноваций. Временная неопределенность обуславливается тем, что на стадии зарождения инновации не известны точные сроки реализации основных этапов инновационного процесса, связанных с разработкой, производством и внедрением инновации, а также сроки поставки необходимых ресурсов. В бизнес-планах инновационных проектов, как правило, декларируется лишь приблизительный срок, на который рассчитан проект (срок реализации проекта). Ресурсная неопределенность обуславливается неполнотой информации о требуемых для создания и последующего производства инновационного продукта ресурсах, их количестве, типе и назначении, особенно на начальных стадиях жизненного цикла инновации. Вместе с тем, заранее не известны набор входных и выходных ресурсов, необходимых для успешной реализации отдельных этапов инновационного процесса, структура и состав ЦП для данного инновационного процесса (множество поставщиков, обладающих конкретными типами и количеством ресурсов), а также мощности поставщиков ресурсов.
Таким образом, возникает задача разработки методов и средств формирования эффективных логистических цепей (ЛЦ) для инновационного процесса с учетом временной и ресурсной неопределенности реализации отдельных его этапов. Так как для инновационного процесса возможно несколько альтернативных вариантов ЛЦ, имеющих различные характеристики, то помимо задач поиска поставщиков ресурсов (звеньев ЛЦ), обладающих необходимыми компетенциями, и синтеза ЛЦ, отдельной задачей является оценка эффективности ЛЦ по совокупности качественных и количественных критериев, таких как деловая репутация поставщика ресурсов, срок поставки, затраты на транспортировку, амортизация средств доставки и т. п. При решении данной задачи могут найти широкое применение общеизвестные методы экономико-математического моделирования [6], экспертные и квалиметрические методы [7, 8], а также методы, основанные на теории нечетких множеств [9], многокритериальные методы принятия решений и теория мультимножеств [10].
Формализованное представление инновационных бизнес-процессов
Эффективной формой реализации информационной инфраструктуры инноваций является виртуальная бизнес-среда (ВБС), объединяющая в логически целостную общность разнородные информационные ресурсы инноваций, и обеспечивающая платформу для функционирования программных агентов, представляющих интересы реальных участников инновационных процессов [11]. В условиях распределенности и открытости информационной среды инноваций особенную важность приобретает задача обеспечения единого структурного представления такой среды. Эту задачу позволяет решить агентно-ориентированная концептуальная модель виртуальной бизнес-среды инновационной деятельности (КМ ВБС) [12].
ИННОВАЦИИ № 6 (152), 2011
ИННОВАЦИИ № 6 (152), 2011
Концептуальная модель виртуальной бизнес-среды развития инноваций обеспечивает базу для формализованного описания инновационных предложений с целью их последующего использования в процессе автоматизированного синтеза и анализа инновационных структур. Модель задана в виде теоретико-множественных отношений и определяет состав и взаимосвязи элементов ВБС. Модель представляет собой следующий набор множеств:
Евбс=& Я, RC, RF, BI, Р, BP, BS, BPL, А, I I, АЩ.
Основными элементами, образующими ее состав, являются: S — множество субъектов инновационной деятельности; Я — множество ресурсов инноваций; ЯС — множество классов ресурсов; RF — иерархический классификатор предметных областей бизнес-предложений; В1 — множество бизнес-предложений, связывающих субъектов инноваций с реализуемыми ими бизнес-процессами; Р — множество бизнес-процессов; ВР — множество бизнес-проектов; BS — множество бизнес-структур; BPL — множество бизнес-планов, в рамках которых реализуются инновационные бизнес-проекты; А — множество агентов субъектов инноваций, представляющих интересы своих хозяев в распределенной агентной виртуальной бизнес-среде инновационной деятельности; I — множество узлов системы, на которых функционируют программные агенты; I — отношения на множествах объектов концептуальной модели; Аиг — множество атрибутов объектов модели.
Для описания структуры и специфики задач информационной поддержки логистики инноваций предложено формализованное описание логистических цепей инновационных процессов и их активных компонентов в терминах КМ ВБС, а также разработана формальная модель инновационного бизнес-процесса, представляющая собой граф управления бизнес-функциями.
Под бизнес-процессом понимается связанная совокупность функций, в ходе выполнения которой потребляются определенные ресурсы и создается продукт (вещественный или нематериальный результат человеческого труда: предмет, услуга, научное открытие, идея), представляющий ценность для потребителя.
К основным типам ресурсов, используемым в ходе выполнения бизнес-процесса различной направленности, относятся:
• материальные (материалы, комплектующие ...);
• финансовые (деньги, ценные бумаги, инвестиции.);
• производственные (станки, оборудование ...);
• трудовые (рабочая сила);
• транспортные (единицы техники);
• трансакции (дополнительные услуги или сервисы);
• информационные (данные, вычислительные ресурсы, ...).
Бизнес-функцией является совокупность операций, сгруппированных по определенному признаку.
Под бизнес-операцией понимается элементарное (неделимое) действие, выполняемое на одном рабочем месте. Под бизнес-моделью понимается структурированное графическое описание сети процессов и/или функций/операций, связанных с данными, документами, организационными единицами и прочими объектами, отражающими существующую или предполагаемую деятельность субъектов инноваций [1, 12].
Тогда, формальная модель инновационного бизнес-процесса представляет собой граф управления бизнес-функциями:
BP=G(BF, bf, bf, E, S, ES, EBF, R, ER),
где BF ={bfj\,i = 1,N — множество узлов (этапов бизнес-процесса), каждый из которых соответствует бизнес-функции bf=bf(r, t.), зависящей от ресурсов r, необходимых для ее выполнения, и времени ее
реализации t. (N — число этапов (бизнес-функций)
1 N
инновационного процесса), — бизнес-про-
цесс, представляющий собой совокупность (набор) бизнес-функций;
bf0 и bf^ — входной и завершающий узел соответственно;
E — множество управляющих ребер, такое, что V1, j е BF u {bf0, bf} : (1, j) е E, если возможна ситуация, когда за выполнением бизнес-функции 1 будет выполняться бизнес-функция j;
S — множество узлов, соответствующих субъектам инновационной деятельности, выполняющих определенные бизнес-функции в рамках инновационного процесса (SnBF=Q, где Q — пустое множество);
ES — множество ребер подчиненности, такое, что V1, j е S : (1, j) е ES, если субъект инноваций j подчинен субъекту инноваций 1;
EBF — множество ребер исполнения бизнес-функции, такое, что V1 е S, j е BF: (1, j) е EBF, если бизнес-функция j может быть выполнена субъектом инноваций 1;
R ={rk (Vol, Type, Pr ice)}, к = 1, M — множество разнотипных ресурсов, необходимых для реализации инновационного процесса; Vol — объем k-го ресурса, имеющийся у поставщика (мощность поставщика); Type — тип k-го ресурса; Price — стоимость единицы k-го ресурса.
ER — множество взвешенных ребер использования ресурсов, такое, что V1, j е R, j е B : (1, j) е ER, если бизнес-функция j использует при своем выполнении ресурс j.
Отдельный этап бизнес-процесса (рис. 1), представляющий собой бизнес-функцию, описывается следующим образом:
bf=f (INr(BF), OUTr(BF), T),
где INr(BF) — множество входных ресурсов процесса, реализующего 1-ую бизнес-функцию; OUTr(BF) — множество выходных ресурсов процесса,
реализующего г-ую бизнес-функцию; Т — время, требуемое для выполнения г-ой бизнес-функции.
Рис. 1. Представление отдельного этапа инновационного процесса
Метод синтеза организационных структур инноваций
Жизненный цикл инновационного продукта или технологии продолжителен: в сравнении с ЖЦ традиционных изделий, к нему добавляются важнейшие и продолжительные этапы научных изысканий и опытно-конструкторских разработок. При этом старт данному процессу дает начальная фаза развития инновации — генерация инновационной идеи. На различных этапах жизненного цикла существенно меняется содержание инновационного процесса и, сообразно этому, изменяются и задачи информационной поддержки. В целом же информационная поддержка, в конечном итоге, сводится к максимально возможной автоматизации рутинного ручного труда субъектов, задействованных в инновационном процессе.
Содержанием начального, «нулевого», этапа развития инновации является генерация идеи создания нового продукта, технологии или организационной формы ведения бизнеса. Для этого инноватор должен располагать максимально большим объемом информации о возможностях современных технологий, потенциально доступных к использованию материальных и нематериальных ресурсах и (что, возможно, главное) достаточным запасом времени и интеллектуального и творческого потенциала для целенаправленной ментальной обработки этой информации.
Для решения последней задачи разработан метод синтеза организационных структур инноваций [13] на основе разнородных неполных слабоструктурированных информационных описаний, обеспечивающий автоматизированное формирование и предварительную оценку эффективности потенциальных инновационных структур. Исходными данными для синтеза являются формализованные описания инновационных предложений, представляемые в рамках метода в виде бизнес-процессов, использующих и производящих некоторые наборы ресурсов.
Пусть имеется некоторое множество ресурсов R. Каждый ресурс принадлежит некоторому классу:
class(r) — класс ресурса г,
CLASS (R') = у class(r) — множество классов ре-rsR’
сурсов из набора R'.
Каждый класс ресурса характеризуется набором атрибутов, представляющим собой кортеж {а,, ... а№), где Ыс — количество атрибутов класса с. Обозначим набор атрибутов ресурса г, принадлежащего классу с, следующим образом:
а№(г) = ^а1а^с^ где аг— значение 1-го атрибута ресурса г.
На множестве всех подмножеств Я задано семейство отображений на Я, называемых бизнес-процессами — Р:
р= {р,, ..., рМр}, р1 : В(Я) ^ В(Я) : Ург е Р,
где В(Я) — булеан множества Я.
Бизнес-процессы имеют древовидную организацию: каждый БП есть связанная совокупность бизнес-процессов нижележащего уровня. В соответствии с теоремой о покрытии [14], доказанной для древовидных иерархических систем, реализация всех бизнес-функций, составляющих бизнес-процесс, эквивалентна реализации данного процесса.
Множества входных и выходных ресурсов процесса Р. будем обозначать как Ы(Р1) и ОиТ(Р1), соответственно.
В рамках метода поддерживаются три варианта построения организационной структуры, различающиеся поставленной целью, исходными данными и условиями останова:
1) Построение организационной структуры, обеспечивающей достижение заданной цели — получение целевого ресурса (обратный синтез).
2) Построение организационной структуры при заданном начальном наборе ресурсов (прямой синтез).
3) Построение допустимой организационной структуры для заданного бизнес-процесса (двунаправленный синтез).
В первом случае процесс построения организационной структуры из имеющегося набора бизнес-процессов при заданной цели G осуществляется путем итеративного подбора множества бизнес-процессов Р.сР, выходные ресурсы которых находятся в отношении d-эквивалентности (обозначается =а) со множеством входных ресурсов набора процессов, полученного на предыдущей итерации.
Формируемый на 1-м шаге (г>1) набор бизнес-процессов должен удовлетворять условию:
\JOUTipk) =* \JINipO.
Pk ^Pi
Pi ^Pi-
Здесь Ы(Рг) и ОиТ(Рг) — множества входных и выходных ресурсов процесса Р1 соответственно.
При этом полагаем N(Pg)={G}, где р0 — это фиктивный процесс, определяющий требования к выходным ресурсам формируемой структуры.
Во втором случае начальными данными для формирования организационной структуры является исходный набор ресурсов. Задачей синтеза является формирование организационных структур, в которых
ИННОВАЦИИ № 6 (152), 2011
ИННОВАЦИИ № 6 (152), 2011
может принять участие субъект инноваций, располагающий заданным набором ресурсов.
Условием отбора бизнес-процессов, включаемых в структуру на 1-м шаге, является:
и N (рк) = * и ОПТ (Р1).
Рк Рг ер--1
Отправной точкой процесса синтеза в третьем случае является некоторый бизнес-процесс р* с заданными входным и выходным наборами ресурсов. Формирование организационных структур заключается в итеративном поиске процессов р+ и рг, удовлетворяющих условиям:
Р+:
яО_ит п N (Р+) *0
Рг:
1
я/^1 п оит (р~) *0.
При этом на каждой итерации множества входных и выходных ресурсов текущей организационной структуры формируются следующим образом:
ЯдЫ=/Ы (Р*), Я0оит=0ит (Р*),
Ягоиг = оот(р+) и\ /V() и ООТ(р-)\
= !Ы(р~)и\ОиТ(р-)иЩрг+)\.
Отношение d-эквивалентности, ^>1, определено следующим образом:
=а с B(R) х В^).
Множества ресурсов А и В являются d-эквивалентными, если существует множество пар
АВ={(а, Ь )}, а. е А, Ь. е В , таких что
г ]/}1 г ]
и а = А , и ЬI = в и ю(аг-, bj) > й, У(аг-, bj) е АВ .
г j
Здесь ю : RxR ^ [0,1] — составная семантическая метрика, определяющая степень близости двух наборов ресурсов. Компонентами метрики являются оценки близости классов ресурсов, их предметных областей и семантической близости описаний экземпляров ресурсов. Значения первых двух компонентов вычисляются на основе дистанции между классами и предметными областями ресурсов в графах соответствующих древовидных классификаторов. Для вычисления третьего компонента семантической метрики предложено использовать разновидность меры Джакарда: отношение количества семантически схожих лексем в описаниях ресурсов к их общему суммарному количеству.
Синтезированные в результате деятельности агентов структуры подвергаются предварительному автоматизированному оцениванию с помощью критерия целостности, в качестве которого используется мера размытости нечеткого множества, элементами которого являются дуги графа, представляющего структу-
ру, а их степенями вхождения — значения параметра d соответствующих наборов ресурсов. Наилучшие с точки зрения критерия оценки организационные структуры предлагаются пользователю для финального анализа их потенциальной эффективности и принятия решения об их дальнейшей реализации.
Существенной особенностью рассмотренного метода является то, что в результате его применения могут быть сформированы в определенном смысле неожиданные структуры, способные подтолкнуть к зарождению и развитию инновационной идеи. В совокупности с технологией логической интеграции разнородных ресурсов инноваций [11], метод синтеза инновационных структур на основе неполных слабоструктурированных данных обеспечивают в рамках виртуальной бизнес-среды инновационной деятельности информационную поддержку начальных этапов жизненного цикла инновации, связанных с генерацией и предварительной оценкой инновационных идей.
Метод реализован в рамках технологии формирования виртуальных организационных бизнес-структур инноваций, которая включает четыре основных этапа:
1) формализация описаний бизнес-предложений и соответствующих им бизнес-процессов в виде концептуальной модели виртуальной бизнес-среды;
2) генерация виртуальных организационных структур, допустимых с точки зрения абстактного качества структуры, в рамках распределенной агентной системы информационной поддержки функционирования виртуальных организационных бизнес-структур;
3) доопределение параметров элементов виртуальных организационных бизнес-структур и формирование на их основе проблемно-ориентированных бизнес-проектов;
4) предварительное оценивание потенциального качества бизнес-проектов, основанных на сформированных структурах, с помощью критериев экономической эффективности, надежности бизнес-партнеров, временной согласованности, а также с помощью имитационного моделирования результативности инноваций.
Технология позволяет в автоматизированном режиме формировать потенциально эффективные виртуальные организационные структуры инноваций, направленные на реализацию конкретных инновационных бизнес-проектов, на основе формализованных описаний бизнес-предложений субъектов инновационной деятельности в рамках виртуальной бизнес-среды. Схема технологии синтеза виртуальных организационных структур инноваций приведена на рис. 2.
Бизнес-предложениям, формируемым участниками инновационных процессов, в виртуальной бизнес-среде ставятся в соответствие бизнес-процессы. Бизнес-процесс представляет собой связанную совокупность функций, в ходе выполнения которой потребляются определенные ресурсы и создается продукт (вещественный или нематериальный результат человеческого труда, представляющий ценность для
Рис. 2. Технология синтеза виртуальных организационных структур инноваций
Этапы
Вновь регистрируемые бизнес-предложения (БП)
ю
о £
Структурированные БП
Формализация на базе
Формализация
Не структурированные БП
синтаксического
анализа
-&
2
3
4
потребителя). Бизнес-процессы описываются формально в терминах КМ ВБС. Формализация описаний бизнес-предложений и бизнес-процессов обеспечивает возможность автоматизированного синтеза организационных бизнес-структур.
Вновь регистрируемые бизнес-предложения, потенциально применимые для создания и реализации инновационных бизнес-проектов (инновационные предложения), изначально описываются в терминах концептуальной модели виртуальной бизнес-среды. Для эффективного формирования инновационных структур необходимо располагать как можно большим объемом исходных данных. В данном случае исходными данными являются описания бизнес-предложений. Для этого виртуальная бизнес-среда должна обеспечивать доступ не только к специально создаваемым для этого описаниям бизнес-предложений, но и к большому количеству оных, уже накопленному в пределах различных информационных ресурсов инновационной деятельности (прежде всего — Интернет-ресурсов).
Анализ существующих Интернет-ресурсов инноваций показывает, что структуры данных, используемые для регистрации и хранения в их рамках инновационных предложений, характеризуются высокой степенью разнородности. На различных ресурсах для хранения описаний предложений чаще всего используются реляционные базы данных или текст с разметкой (HTML или XML), однако существуют ресурсы, в которых описания инновационных предложений представлены в неструктурированном виде на естественном языке [15].
Для формализации существующих бизнес-предложений в виде описания в терминах КМ ВБС, в рамках технологии используются процедуры автоматизированной трансляции описаний бизнес-предложений в термины концептуальной модели. Трансляция структурированных предложений основана на представлении семантики бизнес-предложения в тер-
минах онтологии исходного ресурса, логической интеграции (связывании) онтологии с концептуальной моделью ВБС, и последующей семантической трансляции описания предложения из терминов онтологии в термины КМ ВБС. Описания бизнес-предложений, представленные на естественном языке, подвергаются анализу на предмет выявления синтактико-семантических структур, характерных для текстовых описаний инновационных предложений. Подобные структуры задаются синтаксическими шаблонами. Связывание со структурой определенной семантики осуществляется путем априорного присвоения отдельным элементам синтаксической структуры осмысленных значений из некоторого ограниченного множества лексем. Это позволяет частично автоматизировать процесс их формализованного описания в терминах концептуальной модели.
На втором этапе синтеза на основе формализованного описания бизнес-предложений в терминах концептуальной модели ВБС осуществляется синтез допустимых организационных структур.
Каждому бизнес-предложению в концептуальной модели поставлен в соответствие бизнес-процесс, преобразующий некоторый набор входных ресурсов в набор выходных ресурсов. Если бизнес-предложение не содержит явного определения входных и выходных ресурсов, то соответствующий бизнес-процесс доопределяется в соответствии с системными умолчаниями. Так, предложению о продаже некоторого объекта ставится в соответствие бизнес процесс, выходном которого является объект продажи, а входом — финансовый ресурс в объеме, равном заявленной цене объекта. С точностью до наоборот представляется бизнес-процесс, соответствующий предложению о покупке. Инвестиционным предложениям соответствует частный случай бизнес-процесса с пустым множеством входных ресурсов и выходом в виде предлагаемого инвестиционного пакета.
ИННОВАЦИИ № 6 (152), 2011
ИННОВАЦИИ № 6 (152), 2011
Организационная структура формируется как направленный ациклический граф, вершинами которого являются бизнес-процессы (р), а дугами — их входные и выходные ресурсы (г). Формирование структуры реализуется как итеративный процесс подбора бизнес-процессов таких, что выходные ресурсы одного процесса могут быть использованы в качестве входных ресурсов другого бизнес-процесса. Таким образом, в пределах графа организационной структуры происходит «соединение» бизнес-процессов, представляющих вершины, ребрами-ресурсами (рис. 3).
Рис. 3. Граф организационной структуры
Рассматриваемая технология синтеза организационных структур ориентирована на агентную реализацию. Условием останова итеративного алгоритма может быть достижение целевой установки в виде заданного результирующего набора ресурсов (С на рис. 3), получение на очередной итерации множества входных ресурсов, удовлетворяющих заданным требованиям (например, ресурсов, имеющихся в распоряжении субъекта инноваций), получение графа заданного диаметра, или же истечение времени жизни агента.
Основной проблемой при формировании инновационной структуры является оценка степени соответствия ресурсов, получаемых на выходе одного процесса, входным ресурсам другого. Жесткое требование точного соответствия множеств входных и выходных ресурсов соединяемых процессов плохо подходит для практического применения, так как в рамках инновационных предложений описания входных и выходных ресурсов соответствующих бизнес-процессов характеризуются высокой неопределенностью. Неопределенность обусловлена разными причинами, в частности тем, что не все ресурсы процесса могут быть явно описаны в результате регистрации бизнес-предложения, определения ресурсов могут быть семантически разнородны, что затрудняет их сравнение, кроме того, часть входных и/или выходных ресурсов бизнес-процесса может быть описана на естественном языке, которому свойственна неоднозначность.
Это заставляет искать пути для смягчения требований к жесткости соответствия ресурсов. В качестве одного из таких путей предлагается использование составной семантической метрики близости описаний ресурсов, на основе которой определяется отношение d-эквивалентности множеств входных и выходных ресурсов. Отношение d-эквивалентности, заданное на множестве ресурсов, используется в качестве критерия отбора включаемых в организационную структуру процессов. Формальное определение отношения представлено выше.
На следующем, третьем этапе реализации технологии осуществляется доопределение параметров бизнес-процессов, входящих в сформированную организационную структуру, соответствующих им бизнес-предложений и, при необходимости, «стоящих за ними» субъектов инновационной деятельности. В данном процессе существенную долю составляет ручной труд, поскольку уточнение или доопределение параметров происходит в интерактивном режиме при непосредственном участии пользователя. По этой причине важной задачей является ограничение количества подлежащих доопределению организационных структур. Для ее решения осуществляется предварительная оценка качества сформированной структуры и последующее отбрасывание заведомо неперспективных вариантов.
Следует отметить, что в силу того, что многие параметры входящих в организационную структуру элементов на данном этапе неопределенны, использование в роли критерия отсева какого бы то ни было функционала от качественных показателей образующих структуру элементов (таких, как потенциальная экономическая эффективность реализации инновационного проекта на базе рассматриваемой структуры, или деловая репутация входящих в нее партнеров) затруднительно, если вообще возможно.
В условиях неопределенности многих параметров бизнес-процессов и ассоциированных с ними компонентов виртуальной бизнес-среды в качестве критерия отсева или выбора могут использоваться только абстрактные оценки качества сформированных организационных структур. Для получения такой оценки ребрам графа, представляющего организационную структуру (являющимся модельным представлением ресурсов, поступающих с выхода одного процесса на вход другого), присваиваются веса, равные значениям степени близости соответствующих ресурсов (область значений соответствующей метрики — [0,1]). Множество весов дуг интерпретируется как нечеткое множество (fuzzy set) [16], а роль оценки играет показатель размытости множества, характеризующий степень «отдаления» рассматриваемого взвешенного графа от не взвешенного графа (графа с ребрами единичного веса). Показатель размытости, таким образом, отражает степень «связности» полученной организационной структуры в смысле соответствия входов и выходов включенных в структуру процессов.
После формирования организационных структур, удовлетворяющих абстрактному критерию качества, осуществляется их доопределение параметрами, необходимыми для формирования инновационного проекта на основе рассматриваемой организационной структуры. К подобным параметрам относятся временные рамки реализации ассоциированных с организационной структурой бизнес-процессов, планируемый объем производства, объем требуемых инвестиций, прогнозируемый срок окупаемости и др. В результате доопределения параметров бизнес-проекта формируется бизнес-план.
Уточнение параметров бизнес-проекта является факультативной функцией метода: синтезированные на первых двух этапах технологии структуры могут подвергаться дальнейшему анализу и проработке в ручном режиме. Однако, в случае, когда количество удовлетворительных вариантов организационных структур велико, более эффективным и менее трудоемким путем будет «коллективное» (опосредованное — через агентов, представляющих субъектов инноваций и их бизнес-предложения в виртуальной бизнес-среде) доопределение параметров проекта. Это открывает возможность для более глубокой оценки потенциальной эффективности инновационных проектов в автоматизированном режиме с помощью модифицированных вычислительных процедур расчета экономической эффективности и временных параметров бизнес-проекта, а также процедур оценки деловой репутации (компетенций) входящих в инновационную структуру бизнес-партнеров.
Для получения более адекватных оценок потенциальной эффективности вариантов инновационных структур, ориентированных на реализацию некоторого инновационного проекта, на заключительных стадиях их анализа используется имитационное моделирование на базе комплекса системно-динамических моделей инновационных процессов [17].
Мультиагентная технология информационной поддержки логистики инноваций
Для организации эффективного информационного взаимодействия между субъектами инноваций и поставщиками ресурсов, а также поддержки управления ресурсообеспечением основных этапов жизненного цикла инноваций разработана мультиагентная технология информационной поддержки логистики инноваций (рис. 4). Технология обеспечивает автоматизированное формирования и выбор оптимальной сети поставщиков ресурсов для реализации инновационных проектов или отдельных этапов их жизненного цикла. Технология реализуется в несколько этапов, в рамках которых на основе взаимодействия интеллектуальных агентов субъектов инновационной деятельности осуществляется проблемно-ориентированный поиск потенциальных поставщиков ресурсов (материальных, финансовых, трудовых, информационных и т. д.) для реализации инновационных проектов и формирование интегрированных мультиагентных моделей цепей поставок для комплексного ресурсоо-беспечения всех этапов жизненного цикла инноваций. Частные и интегрированные модели логистических цепей формируются динамически под конкретный инновационный проект из множества потенциальных исполнителей, функционирующих виртуальной бизнес-среде, как для отдельных этапов этого проекта, так и для всего проекта в целом. Характерным является наличие альтернативных исполнителей, отличающихся друг от друга по некоторым параметрам ключевых компетенций (сроки поставок, цены и т. д.), что необходимо для поддержания работоспособности
системы. Основу технологии составляют созданные в инструментальной среде агентного имитационного моделирования Anylogic [18] модели распределения ресурсов и инвестиций (модели цепей поставок) для реализации инновационного продукта на различных этапах его жизненного цикла. Модели могут быть использованы для идентификации информационных, инвестиционных, материальных и прочих потребностей и возможностей участников инновационных процессов в виртуальной бизнес-среде развития инноваций и позволяют обеспечить гибкую и эффективную реконфигурацию ресурсов системы. Технология реализуется в рамках подсистемы логистического обеспечения инновационных процессов в распределенной мультиагентной системе информационной поддержки инноваций [19]. Система информационной поддержки инноваций обеспечивает единое информационное пространство для плодотворного взаимодействия субъектов инновационной деятельности.
Поиск поставщиков ресурсов для реализации этапов жизненного цикла инновационного продукта и оценка их деловой репутации производятся тогда, когда структура и основные этапы инновационного процесса и связи между ними определены. Подбор компонентов (звеньев) и формирование инновационных структур, реализующих соответствующие инновационные процессы, осуществляется на основе метода синтеза проблемно-ориентированных виртуальных бизнес-структур на основе неоднородных представлений бизнес-процессов [13], подробно описанного в предыдущем разделе статьи.
Так как для инновационного процесса возможно несколько альтернативных вариантов ЦП, имеющих различные характеристики, то помимо задач поиска поставщиков ресурсов (звеньев ЦП), обладающих необходимыми компетенциями, и синтеза ЦП, отдельной задачей является оценка эффективности ЦП по совокупности качественных и количественных критериев, таких как деловая репутация поставщика ресурсов, срок поставки, затраты на транспортировку, амортизация средств доставки и т. п. Для решения данной задачи использованы общеизвестные методы экономико-математического моделирования, экспертные и квалиметрические методы, а также методы, основанные на теории нечетких множеств, многокритериальные методы принятия решений и теория мультимножеств.
Вероятностная модель функционального цикла инновационного процесса
Для учета и уменьшения ряда неопределенностей в продолжительностях выполнения бизнес-функций инновационного процесса в задаче логистического обеспечения инноваций с ограниченными ресурсами в ходе исследований предложена вероятностная модель функционального цикла (ФЦ) инновационного процесса, основанная на общепринятом в интегрированной логистике принципе «just-in-time» («точно во время») [5]. Согласно работе [20], ФЦ бизнес-про-
ИННОВАЦИИ № 6 (152), 2011
ИННОВАЦИИ № 6 (152), 2011
Рис. 4. Мультиагентная технология информационной поддержки логистики инноваций
цесса является основным объектом интегрированной логистики. Учитывая, что временные интервалы выполнения отдельных бизнес-функций, из которых состоит ФЦ инновационного процесса, являются случайными величинами, то и весь ФЦ является случайной величиной, подчиняющейся определенному закону распределения. Для математического описания продолжительности ФЦ инновационного процесса, как правило, представляющего сумму времен
выполнения отдельных элементов цикла, связанных с ресурсообеспечением этапов жизненного цикла инновации, предложено использовать известные методы теории вероятностей:
— для среднего значения времени ФЦ:
N
°2=Ес, (1)
1=1
— для среднего квадратического отклонения:
N
cT = £aT + 2^ r аг о j (2)
i=1 i<j
где T, Oj — соответственно средние значения и средние квадратические отклонения времени выполнения i-ой операцией ФЦ; rij — коэффициент корреляции между i-й и j-й операцией ФЦ.
Знак i<j означает, что суммирование распространяется на все возможных попарные сочетания случайных величин. Если рассматриваемые величины не коррелированны, то при всех rij=0 формула для среднего квадратического отклонения оТ упрощается.
Вероятностная трактовка ФЦ позволяет определить его продолжительность ТО с заданной доверительной вероятностью. Например, при условии, что функция распределения времени ФЦ подчиняется нормальному закону:
То = Т + храт , (3)
где xp — показатель нормального распределения, соответствующий вероятности P.
Таким образом, с помощью формулы (3) можно рассчитать время выполнения ФЦ инновационного процесса, т. е. по существу решить задачу «точно во время» [5].
Известно, что одна из основных проблем логистического менеджмента — это уменьшение неопределенности ФЦ.
В общем случае источниками неопределенности являются случайные величины, характеризующие продолжительность выполнения отдельных операций ФЦ, которые описываются различными законами распределения. Если не рассматриваются другие возможные ограничения при осуществлении ФЦ (нормативно-правовые, финансовые и т. п.), то формально экономико-оптимизационная задача выполнения ФЦ инновационного процесса может быть представлена в виде:
N _
XCi(tMT >Gi) ^ mm , (4)
i=1
где C(t) — зависимость издержек выполнения i-й операции ФЦ от ее продолжительности; T, — пара-
метры, характеризующие продолжительность i-й операции ФЦ. Для решения данной задачи предложено использовать методы нелинейного или динамического программирования [21, 22]. Так,_в качестве ф(т,-,а,) можно выбрать средние значения T или оценки времени выполнения каждой операции с заданной доверительной вероятностью Т^.
Противоречивый характер издержек выполнения операций ФЦ Ci(t) говорит о существовании минимума. Так, при транспортировке издержки по доставке возрастают при уменьшении времени доставки, тогда как увеличение времени хранения приводит к увеличению затрат. Если средние значения = const , то измерителем неопределенности ФЦ являются дисперсии Oj2, и зависимость (4) можно представить, в частности, следующим образом:
N
Ес• (°) ^ , (5)
1=1
где Сг'(с) — зависимость издержек выполнения г-й операции ФЦ от рассеивания (неопределенности) времени ее выполнения.
Из анализа зависимостей (1)-(5) следует, что выполнение условия (3) может быть достигнуто различными способами. Так, например, для зависимости (5) очевидным первым вариантом является уменьшение составляющих с;, при этом в силу ограниченности ресурсов, главным образом наибольших из них. Второй вариант — использование свойств обратной (отрицательной) корреляции между отдельными элементами ФЦ при условии, что это не приведет к росту остальных ту. Если корреляция отсутствует, то возможно создание системы, обеспечивающей обратную связь. Третий вариант — индивидуальный контроль продолжительности каждой операции ФЦ, и в случае существенного отклонения от нормативных значение корректировка времени выполнения оставшихся операций.
Временные продолжительности этапов инновационного процесса и реальный срок его реализации предложено моделировать и оценивать на основе теории нечетко-множественных отношений или с использованием генетических алгоритмов [23].
Недостатком модели является то, что для ее программной реализации могут потребоваться значительные вычислительные ресурсы и знание функций распределения.
Оценка эффективности ресурсообеспечения инновационных процессов
При ресурсообеспечении инновационных бизнес-процессов необходимо учитывать мощности поставщиков ресурсов, а также оценивать их потенциальные компетенции (возможности) на основе качественных и количественных методов. Для решения оптимизационной задачи обеспечения ресурсами этапов жизненного цикла инноваций в условиях ограниченности ресурсов в ходе исследований предложена вычислительная модель ресурсообеспечения инновационного бизнес-процесса с учетом мощности поставщиков ресурсов.
Пусть у потенциального поставщика имеется некоторый объем ресурсов R, необходимый для реализации этапов различных инновационных процессов Ьру, у = 1,М, которые реализуются определенными бизнес-структурами, где М — количество сформированных агентом субъекта инноваций инновационных структур. Также пусть известно количество этапов (бизнес-функций) N из -которых состоит j-й инновационный процесс, г'= 1 ^. Тогда г.. — количество ресурсов, необходимое для реализации г-го этапа j-го инновационного процесса.
Тогда ресурсообеспеченность инновационного бизнес-процесса — это функция эффективности ре-сурсообеспечения всех этапов жизненного цикла инновации IRS.. = /(т., tj). В результате итоговым критерием является сумма:
ИННОВАЦИИ № 6 (152), 2011
ИННОВАЦИИ № 6 (152), 2011
N ,М
IRS = £irsj ^ opt с учетом временных и ресурс-
i, j=1
ных ограничений:
N,M N,M
Еtjj < SrokVip и ЕТу < R соответственно,
i,j=1 i,j=1
N м
где Ёrij - R — ресурсные ограничения постав-
i,j=1
щиков (зависит от количества необходимых для успешной реализации инновационного процесса разнотипных ресурсов, которые имеются в наличии у конкретного поставщика);
N М
Xlij - SrokVip — временные ограничения на вы-
i, j=i
полнения всех этапов (бизнес-функций) инновационного процесса; SrokVip — срок, на который рассчитан проект (срок реализации проекта). Данная задача решается методами нелинейного или динамического программирования.
Вместе с тем, при решении задач, связанных с оценкой эффективности инновационных проектов, достаточно часто необходимо оценивать эффективность обеспечения ресурсами основных этапов инновационного процесса исходя из имеющихся финансовых возможностей — инвестиционного фонда проекта, который, как правило, устанавливается в процессе формирования бизнес-плана инновационного проекта в зависимости от целей и сроков реализации проекта, а также набора исполнителей, сложности выполнения и содержания основных его этапов.
Согласно работе [24], в общем случае задача может быть сформулирована следующим образом: как рациональнее распределить финансовые ресурсы инвесторов, занимающихся финансовой поддержкой инновационной деятельности, составляющие инвестиционный фонд портфеля инновационных проектов, чтобы максимально эффективно обеспечить инновационные процессы необходимыми для создания и производства инновационного продукта ресурсами на всех этапах их жизненного цикла, в том числе начальных.
Пусть SUP = {sup}, l е L, — множество поставщиков, R = {rm}, m е M — множество требуемых ресурсов, BP = {bpk}, k е K — множество инновационных проектов. Предположим, что максимальный объем инвестиционного фонда портфеля проектов равен F. Каждый владелец supt ресурса rm задает относительную цену своего ресурса Cf — это количество денежных средств, которое он хочет получить в обмен на единицу ресурса rm. Пусть количество ресурса rm, необходимое для реализации какого-либо из этапов инновационного проекта bpk, полученное у поставщика sup, равно Cfk. Тогда, в соответствии с относительной ценой Cf , в обмен на это количестве ресурса гт.субъект инноваций, ответственный за реализацию конкретной бизнес-функции в рамках данного инновационного процесса, должен отдать поставщику supt Cxk единиц инвестиционного фонда инновационного
проекта, которыми он располагает. Обозначим через дтк количество ресурса гт, необходимого для обеспечения инновационного проекта Ьрк, Щи Щ — соответственно нижняя и верхняя границы количества ресурсов, которое поставщики согласны предоставить. С учетом введенных обозначений задача по обеспечению инновационного процесса ресурсами и оптимизации использования инвестиционного фонда соответствующего ему инновационного проекта формулируется следующим образом:
keK
mk q l<Eb
II I cm ■ x?k <f
keKleL meM
^> aj , me M , l e L , k<=K X"1 mk ^ ~J
^ Xj < at , m € M , l <= L , keK
(6)
(7)
(8) (9)
Цель заключается в получении оптимального портфеля инновационных проектов BPP = (bp4, bp2, ..., bpN), где bpk, k е K — множество инновационных проектов, которое можно обеспечить ресурсами rm, т е M , полученными у различных поставщиков sup, l е L, не выходя за рамки инвестиционного фонда F, с учетом различных относительных цен на эти ресурсы и их ограниченного предложения.
min —^ xfk
Выражение m qm ieL , входящее в целевую
функцию (6), определяет, фактически, множество инновационных проектов bpk, входящих в оптимальный портфель проектов, которые можно обеспечить ресурсами rm, m е M. Данная задача решается методом динамического программирования.
Так как обмен ресурсами между субъектами инновационной деятельности и поставщиками ресурсов предполагает проведение переговоров и торгов, то для решения данной задачи предлагается дополнительно использовать специальные методы моделирования процессов торгов с целью прогнозирования их результатов, например, методы классической теории кооперативных игр [25]. Для оценки деловой репутации и компетенций поставщиков ресурсов предложено использовать экспертные методы.
Заключение
Актуальность исследований в области разработки методов и средств поддержки управления логистикой бизнес-процессов определяется организационной и технологической сложностью современных логистических систем, разнообразием, сложностью и распределенностью решаемых задач, огромными объемами потоков информации и высокими требованиями к времени ее обработки.
Исследования показали, что задача информационной поддержки логистического обеспечения инновационной деятельности является сложной и
многоаспектной. Наилучший эффект в направлении ее решения, по мнению авторов, может быть достигнут на основе применения современных методов математического моделирования и когнитивных информационных технологий, в частности технологий мультиагентных систем, обеспечивающих возможность формирования открытой самоорганизующейся информационной инфраструктуры развития инноваций и комплексной поддержки управления логистикой инновационных процессов с целью качественного и своевременного ресурсообеспечения всех этапов их жизненного цикла для их успешной реализации.
Представленные в статье результаты исследований могут найти широкое применение в смежных областях, требующих решения сложных распределенных задач, таких как реинжиниринг бизнес-процессов, формирование виртуальных предприятий, имитационное моделирование интегрированных производственных систем, электронная торговля и т. д.
Список использованных источников
1. Каляное Г.Н. Моделирование, анализ, реорганизация и автоматизация бизнес-процессов: Учеб. пособие. М.: Финансы и статистика, 2006.
2. Иванов Д.А. Supply Chain Management: концепции, технологии, модели. СПб.: Изд-во СПбГПУ, 2005.
3. Иванов ДА. Логистика. Стратегическая кооперация. M.: Вершина, 2005.
4. Маслобоев А.В. Информационная поддержка логистики инноваций: задачи, методы и технологии: Мат. Межд. научно-прак-тич. конф. «Наука и Образование — 2010» (5-12 апр. 2010 г.). Мурманск: МГТУ, 2010.
5. Лукинский В.С. Модели и методы теории логистики: Учебное пособие. 2-е изд. / В.С. Лукинский, В.В. Лукинский, Ю.В. Малевич и др./ Под ред. В.С. Лукинского. СПб.: Питер, 2007.
6. Долматов А.С. Математические методы риск-менеджмента: Учебник для вузов. М.: Экзамен, 2007.
7. Архангельский Н.Е., Валуев СА, Половников В.А, Черногорский А.М. Экспертные оценки и методология их использования. М: Изд-во МЭСИ, 1974.
8. Кузовков Д.В. Применение экспертно-квалиметрического подхода к оценке эффективности инноваций и выбору поставщика оборудования в сфере нфокоммуникаций // Век качества, №1, 2009.
9. Zimmerman H.-J. Fuzzy Set Theory and its Applications. Dordrecht: Kluwer Academic Publishers, 1996.
10. Петровский А.Б. Пространства множеств и мультимножеств. М.: УРСС, 2003.
11. Путилов ВА, Шишаев М.Г., Олейник А.Г. Технологии распределенных систем информационной поддержки инновационного развития региона // Труды Института системного анализа РАН: Прикладные проблемы управления макросистемами. Т. 39. М.: Книжный дом «ЛИБРОКОМ», 2008.
12. Маслобоев А.В., Путилов В.А., Шишаев М.Г. Концептуальная модель агентно-ориентированной виртуальной бизнес-среды развития инноваций // Информационные технологии в региональном развитии: Сб. науч. тр. ИИММ КНЦ РАН. Апатиты: Изд-во КНЦ РАН, Вып. VII, 2007.
13. Шишаев М.Г. Технология синтеза инновационных структур в разнородной виртуальной бизнес-среде // Информационные технологии в региональном развитии: Сб. науч. тр. ИИММ КНЦ РАН. Апатиты: Изд-во КНЦ РАН, Вып. IX, 2009.
14. Кузьмин ИА, Путилов ВА, Фильчаков В.В. Распределенная обработка информации в научных исследованиях. Л.: Наука, 1991.
15. Маслобоев А.В., Шишаев М.Г. Состояние, проблемы и перспективы развития информационных ресурсов по инновационной тематике в сети Интернет // Инновации, №7(117), 2008.
16. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова. М.: Наука, 1986.
17. Шишаев М.Г., Малыгина С.Н., Маслобоев А.В. Имитационное моделирование рыночной диффузии инноваций // Инновации, №11(133), 2009.
18. Карпов Ю.Г. Имитационное моделирование систем. Введение в моделирование с AnyLogic 5. СПб.: БХВ-Петербург, 2005.
19. Маслобоев А.В., Шишаев М.Г. Одноранговая распределенная мультиагентная система информационно-аналитической поддержки инновационной деятельности // Научно-технический вестник СПбГУ ИТМО, №4(62), 2009.
20. Бауэрсокс Дж.Д, Клосс ДжД. Логистика: интегрированная цепь поставок. М.: «Олимп-Бизнес», 2001.
21. Беллман Р. Динамическое программирование / Пер. с англ. М.: Изд-во Иностранная литература, 1960.
22. Хедли Дж. Нелинейное и динамическое программирование, Пер. с англ. М.: Мир, 1967.
23. Баркалов С.А., Котенко А.М., Федорова И.В. Задача календарного планирования с ограниченными ресурсами при нечетких продолжительностях работ // Системы управления и информационные технологии, №4(21), 2005.
24. Иванова С.И. Оптимизационная модель обмена ресурсами c учетом мощности партнеров // Управление большими системами: Сб. тр. М.: ИПУ РАН, Вып. 1, 1998.
25. Губко М.В., Новиков ДА. Теория игр в управлении организационными системами. Изд. 2, перераб. и доп. М.: ИПУ РАН, 2005.
Models and technologies for Information support of innovation logistics
A.V. Masloboev, candidate of technical sciences, research fellow, Institute of Informatics and Mathematical Modeling of Technological Processes of the Kola Science Center RAS
M.G. Shishaev, doctor of technical sciences, senior research fellow, head of Regional Information Systems Laboratory Institute of Informatics and Mathematical Modeling of Technological Processes of the Kola Science Center RAS
In this paper the specificity and structure of information support problem of innovation process logistics are considered. The state-of-the-art methods and technologies for complex logistic and manufacturing systems management are discussed. The innovation business process formal model represented as business functions control graph is proposed. For organization of efficient data exchange and interaction between innovation process subjects and suppliers, and management support of innovation life-cycle stages resource-support the agent-based information technology for information support of innovation logistics has been developed. The innovation virtual organizational structures synthesis method which provides virtual resource networks efficient formation in the open information environment of innovation business is proposed.
Keywords: innovation business, logistics, information support, simulation, agent-based approach, information technologies.
ИННОВАЦИИ № 6 (152), 2011
