О взаимном влиянии инноваций Текст научной статьи по специальности «Экономика и бизнес»

О взаимном влиянии инноваций

Значимость систем поддержки принятия решений при управлении инновационными процессами будет увеличиваться, а значит и используемые методы и алгоритмы управления должны отвечать современным вызовам. В частности, при построении системы управления необходимо учитывать взаимодействие инноваций и влияние внешней среды. Предлагаемые решения для учета взаимного влияния могут быть применены в различных сферах, например, при определении состава портфеля инновационных проектов, при определении последовательности запуска инновационных проектов на реализацию, при оценке зависимости распространения инновации от параметров среды и определении управляющих воздействий в зависимости от параметров последующих поддерживающих инноваций и т. д. Разработанные модели могут быть использованы в экспертных системах поддержки принятия решений, обеспечивающих достижение большего социально-экономического эффекта от реализации инноваций.

Ключевые слова: взаимное влияние, процесс распространения инноваций, управление инновационными процессами, имитационное моделирование, система поддержки принятия решений.

Н. А. Цветкова,

ст. преподаватель, Институт компьютерных наук и технологий, Санкт-Петербургский политехнический университет Петра Великого

nadezhdaat@gmail.com

со

о си

со со сч

со

<

00 о

Введение

Представление о любой системе, в том числе и социально-экономической, очевидно эволюционирует в течение времени. Подходов к изучению систем, в том числе социально-экономических, предложено достаточное количество [1]. Одним из таких является подход, предложенный Дж. Гараеда-ги, заключающийся в том, что в системе возможен сдвиг парадигмы по двум направлениям [2]. Первое направление — изменение природы системы: от механистического инструмента, где решения принимаются вовне системы, к биологической системе с одним «разумом» и, наконец, к мультиразумной сложной системе. Второе направление — изменение подходов к характеру исследования системы: от аналитического (сосредоточении на независимых наборов переменных) к системному (выявлению взаимозависимости наборов переменных). По сути, на текущем этапе эволюции систем мы переходим к понятию киберсоциофизических систем.

Подход к сдвигу парадигм применим и для построения систем управления инновационными процессами. На данный момент наблюдается смена парадигмы системы от биологической к мультиразумной социальной системе.

Сдвиг парадигмы — изменение природы системы

Как известно, системы управления процессами, протекающими в социально-экономических средах, классифицируются как системы, в контуре которых присутствует оператор (или лицо, принимающее

решение, далее — ЛПР). Это привносит особенность при разработке моделей и алгоритмов, на основании которых строится система управления на предприятии. Традиционно эта особенность решалась включением экспертных систем, готовящих варианты решений для оператора — ЛПР, в контур управления.

Объективные вызовы, сформировавшиеся в научной литературе и документах уровня стратегического планирования, которые определяются ростом интенсивности протекания инновационных процессов и возможностью накопления и оперирования большими данными, только будут увеличивать значимость экспертных систем по мере роста сложности объектов управления и многообразия алгоритмов решения трудно формализуемых задач. Вероятнее всего, развитие экспертных систем будет идти в направлении развития их функционала как интеллектуальных помощников, работающих с большим массивом данных, по мере того, как физические объекты будут становиться киберсо-циофизическими.

Условно схему встраивания системы поддержки принятия решений на предприятии можно представить, как показано на рис. 1. Таким образом, нужны алгоритмы и методы, которые бы позволили этим системам привнести подходы киберсоциофизики.

Сдвиг парадигмы — изменение характера научного познания системы

Можно сказать, что и подходы к исследованию инновационных процессов тоже претерпевают изменения: от рассмотрения отдельно взятых акторов инновационной деятельности к изучению их взаимовлияния и

Рис. 1. К управлению инновационным процессом предприятия

влияния на внешнюю среду. Инновации зарождаются в социально-экономических системах, обладающих различными свойствами, которые оказывают определенное влияние на их формирование. В тоже время при распространении1 инновации начинают оказывать влияние и на саму систему, изменяя ее параметры, и некоторым образом воздействовать друг на друга. Такие взаимодействия могут коренным образом повлиять на характеристики инновационного процесса.

Принимая во внимание выше названные вызовы, прежде всего связанные со становлением социально-экономических систем в рамках четвертой промышленной революции и формированием цифровой экономики, вопросы учета взаимного влияния инноваций при формировании системы управления инновационными процессами будут стоять еще более остро.

Учет взаимного влияния в инновационных процессах

В самом общем случае, жизненный цикл инновационного процесса можно условно разделить на две стадии: стадию реализации инновации и стадию коммерциализации. Несмотря на то, что форма жизненного цикла инновационного процесса, рассматриваемая в осях затрат (количества продаж) и времени, может иметь различные формы, обобщенной формой является форма, представленная на рис. 2.

Первые подходы к управлению инновационными процессами на предприятии, в частности, концентрировались на каждом инновационном проекте в отдельности, затем их стали рассматривать в совокупности и формировать в портфели для учета существующих ограничений на ресурсы. В настоящее время таких подходов уже недостаточно для построения новых систем управления, они не отвечают обозначенным вызовам: при управлении инновационной программой необходимо также заглядывать вперед, что будет, когда результаты инновационных проектов будут выпущены на рынок, учитывать то, как они будут взаимодействовать друг с другом и с внешней средой.

Понимание того, каким образом результаты инновационных проектов будут взаимодействовать

между собой на стадии коммерциализации, и какое они будут оказывать воздействие на внешнюю среду, может коренным образом повлиять как на очередность запуска инновационных проектов, так и очередность вывода продуктов инновационных проектов на рынок. Такое взаимодействие может быть как положительным (эффект синергии), когда эффект от совместной реализации проектов больше суммы эффектов от их индивидуальной реализации, или отрицательным (эффект каннибализации), обратная ситуация, когда эффект от совместной реализации проектов меньше суммы эффектов от их индивидуальной реализации [3]. Результаты одних инновационных проектов могут оказать такое сильное воздействие на внешнюю среду, что остальные проекты в портфеле окажутся экономически нецелесообразными.

Вопросами описания и моделирования поведения инноваций на этапе коммерциализации занимается теория распространения инноваций, становление которой датируется 1960-ми гг. В ее развитии можно выделить следующих исследователей: Ф. Басс, Дж. Вудлок, Як. Голденберг, М. Гудолин, В. Махад-жан, Э. Мэнсфилд, Р. Перес, Э. Роджерс, Л. Форт, Т. Хегерстранд и многих других. Однако, как показал анализ предлагаемых математических моделей [4], широко известные классы этих моделей используют труднодоступные метрики и не учитывают возможное взаимовлияние и формирующиеся параметры социально-экономической системы.

С другой стороны, вопросы взаимного влияния инноваций в какой-то мере поднимались в таких областях, например, как построение инновационных систем

1 Под распространением инноваций будем понимать процесс внедрения или применения инновации отдельными акторами социально-экономической системы.

Рис. 2. Жизненный цикл инновационного процесса Примечание. Сплошной линией представлена функция объема продаж инновации, пунктирной — функция денежного потока в процессе реализации инновационного проекта и выхода на рынок, т — момент времени выхода товара с рынка.

00

О С^

СО СО N

СО

< со

о

00 о

(N

СО СО СЧ

СО

J <

CQ О

и выбор технологической стратегии [5, 6], при формировании портфелей инновационных проектов [7, 8] и др. Однако полученных результатов недостаточно для измерения уровня взаимодействия инноваций и построения алгоритмов управления.

Вообще, конвергентность, как философия развития наук, на современном этапе проявилась, в частности, в продуктивном проникновении инструментов и методов точных, естественно-математических наук, в область гуманитарный наук, в том числе и экономических наук. Это отразилось и в том, что одним из перспективных подходов, предлагаемых в научной литературе для учета взаимного влияния, является эконофизический подход, обладающий тем математическим аппаратом, который позволит учесть не только состояние рассматриваемой инновации, но и параметры внешней среды. Целями эконофизики являются глубокие эмпирические исследования экономической и финансовой системы и разработка причинных моделей, объясняющих эти глубокие эмпирические данные [9].

Теоретические положения по учету взаимного влияния

Для учета влияния внешней среды интересным представляется сравнение процессов распространения инновации с физическим процессом диффузии молекул [3, 10, 11]. Аналогия для объяснения поведения инновации с точки зрения молекулярного распространения может быть описана так: инновации, как и молекулы в физической среде, распространяются на рынке от высокого потенциала в начальной точке к более низкому, пока не достигнут определенных уровней. Разность между спросом и предложением, а также состояние среды будут влиять на скорость процесса распространения. Эта зависимость описывается следующим выражением:

Ju = -D drag си

(1)

будет превышать их суммарную интенсивность, а в других — уменьшаться вплоть до нуля. Если принять такое допущение, как рассмотрение локализованного источника инноваций, например, определенного предприятия или интегрированного кластера предприятий, то интерпретировать интенсивность в случае распространения инноваций можно как ее эффективность, допустим, через количество продаж или внедрений.

Для случая двухлучевой интерференции при сложении двух волн одинаковой частоты с интенсив-ностями 11 с фазой pi и 12 с фазой (р2 интенсивность суммарной волны будет описываться формулой:

I = Ii + I2 + 2 (Ii /2)V2 cos (Pi-P2).

Третье слагаемое — знакопеременное в данной формуле, отвечает за степень согласованности, взаимовлияния. Если оно равно нулю, то картины интерференции не случится — инновационные процессы независимы друг друга. В противоположном случае мы сталкиваемся либо с эффектом синергии, либо с эффектом каннибализма.

Таким образом можно определить такой коэффициент взаимного влияния и учитывать его в алгоритмах, закладываемых в системы поддержки принятий решений.

Для учета взаимного влияния была выдвинута следующая теорема.

Пусть имеются два инновационных продукта щ и Uj в составе портфеля U, готовых к запуску на рынок E и для которых выполняется MiHMj ^0, где E — теоретически возможные объемы продаж продукта, M, Mj Е E — прогнозируемые объемы продаж продуктов щ и uk без учета взаимного влияния. Тогда степень влияния одного инновационного продукта щ на другой и^ можно выразить через коэффициент а^.

Sfi(t)dt+jMt)dt

о

М/+М-'

- = а-.,а..Ф 1,

v v

(2)

где ]и — это плотность потока распространяемых инноваций; Б — коэффициент пропорциональности, или коэффициент диффузии — константа, зависящая от свойств среды и природы инновации; Си — концентрация, функция места и времени: Си = f (х, £), разность между спросом и предложением.

Введенная по аналогии с первым законом Фика формула (1) зависимости плотности потока инноваций от коэффициента диффузии и концентрации позволила понять: поскольку поток инноваций стремится выровнять перепад разности спроса и предложения, постольку коэффициент диффузии (зависящий от среды) является мерой скорости, с которой система способна при наперед заданных условиях выровнять эту разность.

Для описания эффекта синергии и каннибализма может быть применено такое явление, характерное для волновых процессов, как интерференция волн [3]. Суть явления интерференции состоит в том, что при определенных условиях при взаимном наложении двух или нескольких волн в области их перекрытия итоговая интенсивность в одних точках пространства

где f (£) — функция продаж продукта;

фактический объем продаж продукта; т — момент времени, когда продукт был выведен с рынка Е, 0< £ < т;

прогнозируемые объемы продаж продуктов и1 и и без учета взаимного влияния к моменту времени т; а^ > 0.

Непустое пересечение множеств MiПMj ^0 является необходимым условием, чтобы выражение (2) выполнялось. Если а-< 1, то два инновационных продукта оказывают друг на друга отрицательное влияние,

иначе, если а■■ > 1, то два инновационных продукта

ч

оказывают друг на друга положительное влияние.

Постановка оптимизационных задач

Предлагаемые решения для учета взаимного влияния могут быть применены в различных сферах, например, при определении состава портфеля

инновационных проектов, при определении последовательности запуска инновационных проектов на реализацию и т. д.

Далее покажем постановку оптимизационной задачи определения времени запуска результатов инновационных проектов на рынок. При определении такого времени запуска предлагается учитывать:

• Взаимное влияние инноваций друг на друга, интенсивность которого будет измеряться через введенный коэффициент а^ , определяемый через единый объем рынка.

• Влияние внешней среды на распространение продукта инновационного проекта, интенсивность которого будет измеряться через введенный коэффициент диффузии С, зависящий от свойств среды распространения и природы инновации.

Пусть имеется п инновационных продуктов (далее — продукт) в составе портфеля, готовых к запуску на рынок Е, тогда множество всех продуктов будет и={и1, и2, ..., ип}.

Т={1, 2, ...т } множество допустимых для расписания квантов времени — номеров событий, в которые может осуществляться выполнение ограничений; ^Е Т — время начала продаж продукта щ т^ЕТ — момент времени, когда продажи продукта щ становятся равными 0, I =1, 2, ..., п; ti Е Т — длительность продаж; вектор 5р=($1, $2, ..., $п) называется расписанием запуска продуктов на рынок.

— прогнозируемый объем продаж продукта щ на рынке Е без учета взаимного влияния к моменту времени т, Е — теоретически возможный объем продаж, М;СЕ, 0 < | М{|< | Е|.

Обозначим через множество ЧСи — множество продуктов, определимых как зависимые через объем

рынка где =0, ¿к^кР ..., ^ ..., ^ 2кС2,

ZzСZ. М}2 — объем продаж зависимого продукта г^ЕЧ, I — порядковый номер зависимого продукта, 1=1, 2, ..., X, X — количество зависимых продуктов.

Множество УС и — множество независимых продуктов, У={у1, ..., у\, у — количество независимых продуктов, 0<у<п, М/ — объем продаж независимого продукта уг)ЕУ, V — порядковый номер независимого продукта, v=1, 2, ..., у.

Сумма зависимых и независимых продуктов равна числу всех продуктов в портфеле п.

В каждой группе зависимых продуктов будем выделять продукт цЕЧ^ и подгруппу продуктов Ч^, для которой выполняется условие /г, где I — поряд-

ковый номер рассматриваемого продукта, 1=1, 2, ..., е. Для каждой пары, состоящей из подгруппы продуктов и продукта гЕ^ в выбранном диапазоне старта продаж, 5=^-5}, зЕЪ вводится коэффициент взаимовлияния ак 15, ак 15 > 0.

Для каждого продукта щ экспертным путем считается коэффициент С для выбранного времени старта продаж, зависящий от свойств среды распространения продукта и природы инновации.

Объем продаж независимых продуктов:

Объем продаж зависимых продуктов зависит от коэффициента взаимовлияния:

Для определенности в качестве целевой функции возьмем объем продаж портфеля инновационных продуктов: M=MY+MZ — max.

Необходимо сформировать оптимальный вариант расписания начала продаж инновационных продуктов рассматриваемого портфеля (найти такое s^ для каждого продукта), обеспечивающий максимальный объем продаж M— max и удовлетворяющий всем ограничениям.

Эта дискретная оптимизационная задача в условиях заданных ограничений на ресурсы является NP-трудной [12]. В силу сложности задач целесообразно использовать малотрудоемкие алгоритмы, в частности, для решения поставленной задачи применим широко доступный инструмент «Поиск решения» приложения Microsoft Excel, использующий эволюционный метод, основанный на генетическом алгоритме и локальном поиске.

Применение имитационного моделирования

Имитационные модели отражают поведение исследуемого объекта во времени при изменяющихся внешних условиях. Для описания поведения рассматриваемых объектов применяется алгоритм, построенный на правилах, которые могут быть как эвристическими, так и основанными на физических законах. Такие модели являются эффективным инструментом и могут быть использованы в режиме экспертной системы поддержки принятия решений в инновационной системе предприятия.

Для имитационного моделирования взаимного влияния инноваций была выбрана платформа AnyLogic 7, которая совместима с распространенными операционными системами и интегрируется с внешними данными, в том числе работает с Big Data, что обеспечивает возможность встраивания разработанной модели в контур современных информационных систем на предприятии [13].

Построенная имитационная модель позволяет оценивать зависимость распространения инновации от параметров среды и определять управляющие воздействия в зависимости от параметров последующих поддерживающих инноваций.

В предлагаемой модели был использован агент-ный подход. Каждый инновационный продукт, разрабатываемый на предприятии, представляет собой популяцию агентов, а копии инновационного продукта — отдельных агентов. Было создано несколько популяций агентов для имитации очередности их запуска на рынок. Поведение каждой популяции агентов задается диаграммой состояний, позволяющей определить возможные состояния агента, переходы между состояниями и события, вызывающие эти переходы. На интенсивность переходов между состояниями оказывает воздействие введенные коэффициенты взаимного влияния ak } и диффузии d.

со о

(N

СО СО N

СО

J <

CÛ О

ПРАВО • МЕНЕДЖМЕНТ • МАРКЕТИНГ

оо о

CN

со со N

со

=Г <

СО О

Готовы к запуску на рынок

■ М fclol xi \&\<ъ ;ic&l»|t&|roo¿MÜÜ

запуску п______________п________

По куп к;

1,100 1,000

0.5

Количество продаж - Суммарные продажи

— Количество продаж НИП Точка перегиба

Точка перегиба ИП Насыщение ИП Запуск НИП Точка перегиба НИП Насыщение НИП

О C^uanPoint О QuanSalur О TStartNIP 1.224 О C^uanPointNIP О QSaturNIP

О TimePoint О TimeSatur О C^tartlP (J) TimePointNIP О TimeSaturNIP

О QSumPoint Q QSumSatur о QSumStart О QSumPointNIP О QSumSatNIP

Относительный размер Пропуски» способность

Е

12 3 — Продажи в «д времени

Рис. 3. Пример имитационной модели

Введенные переменные фиксируют состояния как интегрального параметра — суммарного объема продаж () (0, так и состояния продаж текущих инновационных продуктов и последующих поддерживающих инновационных продуктов () (€) при попадании в характерные зоны функции продаж. На графиках регистрируется динамика параметров (¿8 (€), () (t) и некоторых дополнительных переменных.

Для верификации имитационной модели был проведен ряд тестовых экспериментов на граничных случаях, а также репликация некоторых доступных данных от предприятий, которые подтвердили работоспособность модели.

Представленная имитационная модель является одним из примеров развития подхода к исследованию инновационных процессов, позволяющая учитывать взаимное влияние агентов и воздействие внешней среды. Эта модель может быть применена в режиме экспертной системы поддержки принятия решений, а также как самостоятельное инструментальное средство при исследованиях инновационных систем различных уровней (НИС, РИС и пр.).

Заключение

Вызовы, прежде всего связанные со становлением социально-экономических систем в рамках четвертой промышленной революции и формированием цифровой экономики, будут увеличивать значимость систем поддержки принятия решений при управлении инновационными процессами, а значит нужны новые алгоритмы и методы, которые бы позволили этим системам привнести подходы киберсоциофизики.

В частности, при построении системы управления необходимо учитывать взаимодействие инноваций и влияние внешней среды. Предлагаемые решения для учета взаимного влияния могут быть применены в различных сферах, например, при определении состава портфеля инновационных проектов, при определении последовательности запуска инновационных проектов на реализацию, при оценке зависимости распростра-

нения инновации от параметров среды и определении управляющих воздействий в зависимости от параметров последующих поддерживающих инноваций и т. д.

Представленные результаты исследования повышают глубину и точность описания инновационных процессов в социально-экономических средах. Предложенный подход учета взаимного влияния позволяет выйти на другой уровень понимания особенностей инновационных процессов и, как следствие, поспособствует разработке законов управления процессами распространения инноваций и прогнозирования их течения. Разработанные модели могут быть использованы в экспертных системах поддержки принятия решений, обеспечивающие достижение большего социально-экономического эффекта от реализации инноваций .

Список использованных источников

1. Н. В. Овчинникова, О. Ю. Артемов. Взгляд на управление с позиции системного подхода: история и современное состояние// Вестник РГГУ. Серия: «Экономика. Управление. Право». 2013. № 6. С. 9-21.

2. Д. Гараедаги. Системное мышление. Как управлять хаосом и сложными процессами. Платформа для моделирования архитектуры бизнеса. Минск: Гревцов Букс, 2010. 480 с.

3. И. Л. Туккель, Н. А. Цветкова. Определенный взгляд на распространение инноваций в социально-экономической среде// Инновации. 2015. № 11. С. 30-35.

4. И. Л. Туккель, Н. А. Цветкова. Модели распространения инноваций: от описания к управлению инновационными// Инновации. 2017. № 11. С. 77-85.

5. D. Thorleuchter, D. van den Poel, A. Prinzie. A compared R&D-based and patent-based cross impact analysis for identifying relationships between technologies//Technological Forecasting and Social Change. 2010. Vol. 77 (7). P. 1037-1050.

6. A. Frenkel, S. Maital. Mapping National Innovation Ecosystems: Foundations for Policy Consensus. London, UK: Edward Elgar Publishing, 2014.

7. B. Pelegrín, P. Fernández, M. D. G. Pérez. Profit maximization and reduction of the cannibalization effect in chain ex-pansion//Annals of Operations Research. 2014. P. 1-19.

8. S. Srinivasan, M. Dekimpe, H. Van Heerde. Estimating cannibalization rates for pioneering innovations//Marketing Science. 2010. P. 1024-1039.

9. А. А. Водолазский. Начала эконофизики и количественная определенность первых экономических законов. Новочеркасск: «НОК», 2013. 227 с.

10. J. Mejía, R. Britto, O. Buitrago. A forecast model for diffusion of innovations based on molecular diffusion//Ciencia e Técnica Vitivinícola. 2015. Vol. 30. P. 41-54.

11. И. Л. Туккель. Инновационные процессы: цикличность и управляемость//Научно-технические ведомости Санкт-Петербургского государственного политехнического университета, 2008, № 3 (56). С. 9-16.

12. J. Blazewicz, J. K. Lenstra, A. H. G. Rinnooykan. Scheduling subject to resource constraints: Classification and complexity//Discrete Applied Mathematics. 1983. Vol. 5. P. 11-24.

13. A. Borshchev. The big book of simulation modeling: multimethod modeling with AnyLogic 6. Chicago: AnyLogic North America, 2013. 612 p.

Mutual influence in innovation processes N. A. Tsvetkova, senior lecturer at the Institute

of computer science and technology; Peter the Great

St. Petersburg polytechnic university.

The importance of decision support systems in the management of innovation processes will increase, and therefore the methods and algorithms must meet modern challenges. It is necessary to take into account the interaction of innovations and the influence of the external environment. The proposed solutions for accounting for mutual influence can be applied in various areas, for example, in determining the innovation project prioritization and portfolio performance, in determining the order of launching innovation projects, in finding solutions to improve production efficiency by means of consideration of interaction between innovative products and computation of the moment of its launch. The developed models can be used in decision support systems, ensuring the achievement of greater social and economic effect from the implementation of innovations.

Keywords: interaction of innovations, spread of innovation, control of the spread of innovations, simulation modeling, decision support systems.

Объявляем старт Международного конкурса «Инновации в городской среде»-2018

Комитет по тарифам Санкт-Петербурга совместно с СПб ГБУ «Центр тарифно-экспертного обеспечения» объявляют о начале приема заявок на участие в Международном конкурсе «Инновации в городской среде»-2018. Конкурс проводится Правительством Санкт-Петербурга по инициативе вице-губернатора Санкт-Петербурга И. Н. Албина с целью популяризации инновационной деятельности на территории Санкт Петербурга, расширения традиционных и формирования новых рынков спроса на инновационную продукцию субъектов деятельности в сфере энергетики, строительства, архитектуры, реставрационных работ и развития транспортной инфраструктуры, наращивания масштабов внедрения полученных научных и инженерно-технических разработок в указанных сферах, а также повышения эффективности мероприятий по внедрению исполнительными органами государственной власти Санкт Петербурга инновационных изобретений, полезных моделей, отобранных по результатам патентного поиска.

Следует отметить, что Конкурс проходит второй год подряд и становится хорошей традицией для Комитета по тарифам Санкт-Петербурга и подведомственного СПб ГБУ «ЦТЭО».

Конкурс проводится в каждой сфере городской инфраструктуры с учетом указанных направлений по номинациям:

1. Лучшая инновационная разработка в сфере энергетики.

2. Лучшая инновационная разработка в сфере строительства.

3. Лучшая инновационная разработка в сфере развития транспортной инфраструктуры.

4. Лучшая инновационная разработка в сфере градостроительства и архитектуры.

5. Лучшая инновационная разработка в сфере реставрационных работ. Для участия принимаются инновационные разработки предприятий, научных учреждений, высших учебных

заведений, направленных на повышение надежности, безопасности и эффективности городской инфраструктуры, в том числе с учетом принципов энергосбережения и экологической безопасности. Прием заявок осуществляется до 3 сентября 2018 г. В срок до 24.09.2018 г. конкурсная комиссия осуществляет их рассмотрение и проверку, после чего формирует реестр участников Конкурса и размещает его на официальном сайте СПб ГБУ «Центр тарифно-экспертного обеспечения» в информационно-коммуникационной сети «Интернет»: cteo.ru/innovations/ копки^ в разделе «Инновации».

Конкурс проводится с 08.10.2018 г. по 09.11.2018 г.

Победители будут определены путем голосования членов экспертной комиссии. Победитель в каждой номинации награждается дипломом победителя и заключает соглашение о сотрудничестве с одним из партнеров Конкурса.

Всю необходимую информацию о Конкурсе можно найти на сайте: cteo.ru/innovations/konkurs или уточнить по эл.почте konkurs@cteo.ru и по тел. (812) 576-41-67. со

со

J <

со О

оо

о

CN

со