CC BY
25УДК 303.732.4, 658.144
Яковлева Елена Анатольевна1,
д-р экон. наук, доцент, профессор, Катермина Татьяна Сергеевна , канд. техн. наук, доцент, Шарич Эрмин Эмирович ,
студент,
Яковлева Дарья Дмитриевна4,
студент
СОВРЕМЕННЫЕ МОДЕЛИ СИСТЕМНОГО АНАЛИЗА ДЛЯ УПРАВЛЕНИЯ ПОТЕНЦИАЛОМ ФИНАНСОВОГО ОБЕСПЕЧЕНИЯ ИННОВАЦИЙ
Россия, Санкт-Петербург, Санкт-Петербургский государственный
экономический университет
2
Россия, Нижневартовск, Нижневартовский государственный
университет
3,4Россия, Санкт-Петербург, Санкт-Петербургский государственный
университет
1 2 3
helen7199@gmail.com, nggu-lib@mail.ru, st062696@student.spbu.ru,
4st062671@student.spbu.ru
Аннотация: в статье рассматриваются возможности применения моделей системного анализа к процессу управления финансовым обеспечением инноваций в промышленности. С помощью метода сложных экспертиз была показана возможность оценивания управляющих воздействий на систему, приведены результаты применения информационного подхода к анализу управляющих воздействий. С помощью метода лингво-комбинаторного моделирования возможно построение систем, которые будут удерживаться в зоне адаптационного максимума при помощи искусственно введенной избыточности. Показана роль новых информационных технологий в управлении потенциалом финансовой системы для достижения устойчивого развития инновационного процесса в промышленности и формирования прототипа системы поддержки принятия решений для прогнозирования инновационной активности в динамике.
Ключевые слова: новые методы управления, гибридный интеллект, модели системного анализа, лингво-комбинаторное моделирование, ситуационное управление, когнитивная экономика, финансовые системы.
Elena A. Yakovleva1,
Dr. Doctor of Economic Sciences, associate professor, Professor,
Tatiana S. Katermina2, Doctor of Technical Science, Senior lecturer.
Ermin E. Sharich 3, Student, Dar'ya D. Yakovleva 4, Student
MODERN MODELS OF SYSTEM ANALYSIS FOR MANAGING FINANCIAL SUPPORT FOR INNOVATION
!Russia, St. Petersburg, St. Petersburg State University of Economics Russia, Nizhnevartovsk, Nizhnevartovsk state university
3'4Russia, St. Petersburg, St. Petersburg State University of Economics
1 2 helen7199@gmail.com, nggu-lib@mail.ru,
3st062696@student.spbu.ru, 4st062671@student.spbu.ru
Abstract. The article discusses the possibility of applying systems analysis models to the process of managing financial support for innovation. Using the method of complex examinations, the possibility of evaluating the control actions on the system was shown, and the results of applying the information approach to the analysis of control actions are presented. Using the method of linguistic-combinatorial modeling, it is possible to build systems that will be kept in the zone of the adaptation maximum with the help of artificially introduced redundancy. The role of new information technologies in managing the potential of the financial system to achieve sustainable innovation development and forming a prototype decision support system for predicting innovation activity in dynamics is shown.
Keywords: new management techniques, hybrid intelligence, systems analysis models, linguistic-combinatorial modeling, situational management, cognitive economics, financial systems.
Стратегическое управление промышленностью и поддержание инновационных процессов в производстве требуют от финансовой системы не только обеспечения мультиканального финансирования и доступности источников в форме разных по назначению денежных фондов, но и создания опережающих возможностей по финансовому обеспечению инновационной активности [5]. При этом ключевым финансовым драйвером инновационной активности являются механизмы, распределяющие финансовые ресурсы через совокупность бюджетов и внебюджетных фондов всех уровней бюджетной системы, кредитных и инвестиционных учреждений и организаций, институтов финансового рынка. Потенциал финансовой системы для обеспечения инновационного развития промышленности сосредоточен в реализации финансово-промышленной политики как инструмента государственного стратегического управления на основе средств коммуникации федеральной системы управления рисками, что обуславливает использование логико-лингвистических моделей и мягких вычислений как для качественного, так и для количественного анализа взаимосвязей потребности/возможности в каждом элементе управления, на входе и выходе (из системы), в механизме адаптации системы.
Использование в практике управления финансами для инновационных предприятий последних разработок киберфизических технологий (дополненная реальность, роботизация банковских процессов, интернет-
банкинг, обработка больших объемов данных в реальном времени, ОК-технологии и т.д.) требует изучения и применения теории управления в виде функционального подхода и ситуационного анализа. Указанные обстоятельства обуславливают необходимость трансформации системы управления финансовой системы для инновационной активности промышленности с помощью логико-лингвистических моделей в семантическую структуру предметной области и позволяет расширить ее потенциал, а значит сформулировать новые черты в определении киберфизи-ческого управления в финансовой системе как информационно-логического процесса распознавания и разрешения возникающих проблемных ситуаций в сфере финансово-промышленной политики, включая процессы принятия решений на основе цифровых технологий и управления их реализацией. Согласно теории ситуационного управления, система должна отвечать запросам четырех основных функций управления: планирование, организация, координация и контроль для всех элементарных объектов в ней и их управляющих структур (решающих центров). Обработка больших данных по указанным функциям управления также требует не только простой систематизации, интеграции, но и аналитики инновационного, операционного, финансового процессов, использования возможностей технологии распределенного реестра. Полученные и обработанные массивы больших данных используются для формирования моделей анализа и оценки, прогнозирования безопасности работы сложных систем, анализа их взаимосвязей.
Так, можно сформулировать, что в данной работе потенциал финансовой системы для инновационной активности рассматривается как совокупность потенциалов «встроенных» сложных экономических систем (элементарные объекты и их составляющие), для которых важным условием функционирования сложной экономической системой и ее инновационной активности становятся применение новых методов управления. Потенциал - это разница между потребностями и возможностями, при этом, на основе теории систем эталоном могут выступать возможности, а на основе информационного подхода А.А. Денисова можно сравнить критерии и значения управляющих воздействий в элементарном объекте финансовой системы [1]. Тогда величина потенциала сложной экономической системы в процессе инноваций будет измеряться как близость к эталонному значению или 1.
При обработке больших данных в сложной экономической системе возникают проблемы распознавания рисков, угроз, новых возможностей и оценки последствий их влияния на функционирование системы в целом с учетом объективирования ответственности по той или иной проблемной ситуации на всех ярусах управления. Следовательно, главная
цель в управлении потенциалом сложной экономической системы состоит в постоянном и своевременном разрешении возникающих проблемных ситуаций - это «ускоренная и действенная реакция» на существенное изменение внешней и внутренней среды на основе «заранее разработанных альтернативных вариантов в стратегическом плане» [2,6], предусматривающих изменения в экономике, политике и финансах в зависимости от ситуации; такой мгновенный ответ на появляющиеся угрозы возможен только при антиципации возникновения проблемных ситуаций.
Несмотря на то, что компьютерные технологии совершенствуются постоянно, существует и некоторый предел в их развитии, и предел возможного их использования человеком. Резерв развития информационных технологий находится в зоне правильного сочетания возможностей человека и информационно-вычислительной техники, то есть в развитии гибридных систем. Пока что мозг человека многократно превосходит компьютер. Будем называть гибридным интеллектом системы, в которых часть вычислений (в том числе и интеллектуальный анализ данных, и вычисления при помощи других различных технологий искусственного интеллекта) выполняются компьютерными системами, а другую часть (более важную, в том числе принятие решений) выполняет человек. Необходимо полнее использовать человеческий потенциал сложной экономической системы - высокие адаптационные возможности, генетическую память, интуицию, доброжелательность и т.д.
Создание сложных экономических систем, удержание их в зоне адаптационного максимума - задача для человека, которому необходимо перевести описание системы с естественного языка на язык математических соотношений.
Лишь для небольшого числа реальных систем имеются математические модели. Прежде всего, системы описываются с помощью естественного языка [1]. Игнатьевым М.Б. был разработан метод лингво-комбинаторного моделирования, который позволяет перейти от описания на естественном языке к математической модели системы [3,4]. Эта модель содержит в себе механизмы управления системой, т.е. позволяет контролировать и корректировать работу системы, а также диагностировать возможные ошибки.
Например, пусть имеется фраза
Шогё1 + Шогё2 + Шогё3
В этой фразе мы обозначаем слова и только подразумеваем смысл слов. Смысл в сложившейся структуре естественного языка не обозначается. Предлагается ввести понятие смысла в следующей форме:
Шогё1 * Бете1 + Шогё2 * Бете2 + Шогё3 * Бете3 = 0
Будем обозначать слова как Д от английского Appearance, а смыслы - как Ei от английского Essence, звездочка * означает операцию умножения. Тогда последнее уравнение может быть представлено как
д* e + Д * E2 + A3 * E3 = о Лингво-комбинаторная модель является алгебраическим кольцом (операторным кольцом), где используются три операции - сложение, вычитание и умножение в соответствии с аксиомами алгебры, и мы можем разрешить последнее уравнение либо относительно Д, либо относительно Ei путем введения третьей группы переменных - произвольных коэффициентов US:
Д = Ui * e2+и 2* E3
A =-Ui* Ei + U3* E3
или
A3 = U 2 * Ei U3 * E2
Ei = Ui* Д + U 2* A E2 =-Ui* Д + U3* A3
E3 = U 2 * Д - U3 * A2
Получающиеся в ходе моделирования системы уравнений содержат особую группу переменных - произвольные коэффициенты и1, которые можно использовать для решения различных задач системы.
В общем случае, если имеем п переменных и т многообразий, ограничений, то число произвольных коэффициентов Б будет равно числу сочетаний из п по т+1:
Б = С;+1, п > т
Число произвольных коэффициентов является мерой неопределенности и адаптивности. Лингво-комбинаторное моделирование может опираться на анализ всего корпуса текстов на естественном языке, это трудоемкая задача по извлечению смыслов для суперкомпьютеров, но его можно также использовать, опираясь на ключевые слова в конкретной области, что позволяет получать новые модели для конкретных областей знания, в том числе для построения систем финансового обеспечения.
Диагностика и анализ модели позволяют сформировать систему ее потребностей и возможностей на основе семантической модели предметной области сложной экономической системы [6], и, описав их соответствующими показателями, определить расхождение между желаемыми и действительными значениями этих показателей (разность между потребностями и возможностями), т.е. установить «дефициты и потенциалы», имеющиеся в системе. Между элементарными объектами сис-
темы существуют отрицательные и положительные связи, характеризующиеся силой и временем воздействия.
Соответственно, в результате взаимодействия элементарных объектов в инновационном процессе происходит влияние параметров, характеризующих один элементарный объект, на параметры, характеризующие другой элементарный объект. Также можно провести оценку тех или иных управляющих воздействий на систему с помощью сравнительного анализа на основе метода сложных экспертиз А. А. Денисова [1]. Для системы оцениваемые управляющие воздействия должны быть примерно одинаково значимыми, то есть степень их влияния на глобальную цель должна находиться в промежутке от 0.7 до 0.99.
В процессе осуществления управляющих воздействий ситуация может измениться, поэтому следует проводить анализ на начальный, текущий момент и на перспективу.
Для оценки используются следующие показатели:
1. р - вероятность достижения цели при данном управляющем воздействии.
2. - вероятность использования данного управляющего воздействия при реализации поставленной цели.
3. И1 = -д, *1св(1 -р).
4. I - данный показатель носит название прагматической информации, то есть полезности : I = А / АЛ,
где А можно интерпретировать эффект от данного управляющего воздействия, а ДА выступает в роли шкалы измерения, характеризующей, с какой степенью точности нужно учитывать А.
п = I / И и характеризует объем информации о данном воздействии.
Информационный подход, применяемый к анализу управляющих воздействий, позволяет выбрать приоритетное направление как на текущий момент, так и на перспективу.
Результаты применения информационного подхода к анализу управляющих воздействий представлены на рис. 1. Объектом исследования пусть выступит паевой фонд, который рассматривает ряд следующих мероприятий по формированию инвестпрограммы:
И1 = 0.64, И = И1 + И2Т2 = 0.9, И > И1
При анализе управляющих воздействий можно сделать вывод о том, что больший эффект принесет второе, поэтому ему следует уделить больше внимания.
H1 к=1.125 К 2021 году необходимо повысить производительное
тьна 15% Fk=15, п1=13.33
На 2%
Рн=2, if2jf*QA5
На 5% Рт=5, lf JT=0.375
Рис. 1. Результаты применения информационного подхода к анализу управляющих
воздействий.
В связи с этим для каждого показателя разработанной нами системы определяется методом нечеткой логики (входные нечеткие лингвистические переменные - потребности, возможности) его состояние в момент времени, и на основе современных ИКТ определяется не только эталонное его значение в семантической модели, но и эмпирическое состояние, разница (наложение) которых и позволяет указать на наличие проблемных ситуаций, рисков и угроз в будущем. До появления ИКТ, работающих с большими данными (big data) планировать управляющие воздействия можно было в результатах действия, а с появлением технологий интеллектуального анализа данных возможности обработки информации значительно расширились, и следует планировать потенциал сложной экономической системы уже в виде взаимосвязанных сетевых графов по разрешению стратегических, оперативных, текущих проблемных ситуаций.
2. Критерии оценки и их
значения, подтверждаюпш е достижение цели
3. Значения критериев на
начальный момент
4. Значения критериев на текущий момент
Н}к-2.32 К 2015 году необходимо улучшить 10 моделей клапанов, 3 РОУ и 5 моделей задвижек 11к=18, п1=7.76
Усовершенствовано: 1 задвижка, 1 РОУ ?н=2, ^„=0.25
Усовершенствовано: 2 модели клапанов, 2 задвижки, 1 РОУ ПТ=5, Н1Т=0.64
H*к=1:125 К 2015 году необходимо 15 новых станков /VU п1=13.33
Имеется станков tfV 7 новых /V7, 0.525
Имеется? етажов/'W, ff\=0.525
Управление потенциалом системы финансового обеспечения экономической системы для достижения устойчивого развития промышленности в связи со сложностью координации управляющих воздействий в инновационном процессе необходимо осуществлять в постоянном потоке больших данных и лингвистических переменных по основным функциям управления (планирование, организация, координация, контроль или функционального подхода), построенных на логико-лингвистических моделях, ситуационном и системном анализе. Указанные положения являются основой для формирования прототипа системы поддержки принятия решений, при помощи которой эксперты будут иметь возможность более точно прогнозировать инновационную активность в динамике.
Благодарность
Исследование выполнено при финансовой поддержке проекта 1629-12965 (2019) «Разработка методологии и алгоритмических средств для создания эмпирической модели стратегического управления инновационной активностью России на основе технологии интеллектуальной обработки больших данных и машинного обучения».
Список литературы
1. Денисов А. А. Современные проблемы системного анализа: учебник. 3-е изд. СПб.: Изд-во Политехи. ун-та, 2008. 304 с.
2. Иванов В.В., Воронов В.С., Воронова Н.С. и др. Современные финансовые рынки / Монография для магистрантов, обучающихся по программам направления // "Финансы и кредит". Москва, 2016. - 571 с.
3. Игнатьев М.Б., Катермина Т.С. Системный анализ задач прогнозирования и планирования развития сложных структур: лингво-комбинаторный подход // Системный анализ в проектировании и управлении: сборник научных трудов XXII Международной научно-практической конференции. Т.1. СПб.: ФГАОУ ВО СПбПУ, 2018.С. 115-118.
4. Игнатьев М.Б., Катермина Т.С. Системный анализ киберфизических структур / Системный анализ в проектировании и управлении: сборник научных трудов XXI Международной научно-практической конференции: в 2-х томах // СПб. ФГАОУ ВО СПбПУ. 2017. С. 15-24.
5. Карлик А.Е., Кукор Б.Л., Дымковец И.А., Яковлева Е.А. Актуализация особенностей разработки системы стратегического управления экономикой России. // Международная конференция по мягким вычислениям и измерениям. Т. 2. 2017. С. 303-306.
6. Карлик А.Е., Кукор Б.Л., Яковлева Е.А., Соколов А.А. Управление структурными преобразованиями в социально-экономической системе в информационно-сетевой экономике. // В сборнике: Системный анализ в проектировании и управлении Сборник научных трудов XXII Международной научно-практической конференции. 2018.С. 175-187.
