CC BY
37
Вестник Института экономики Российской академии наук
1/2018
Ю.Г. ГЕРЦИК
кандидат биологических наук, доцент кафедры «Промышленная логистика» МГТУ им. Н.Э. Баумана
А.Н. РОГОЗА
доктор биологических наук, профессор, заведующий отделом функциональной диагностики Национального медицинского исследовательского центра кардиологии Минздрава России
С.А. БОЙЦОВ
член-корр. РАН, доктор медицинских наук, профессор, директор Национального медицинского исследовательского центра кардиологии
Минздрава России
УПРАВЛЕНИЕ КЛАСТЕРНЫМИ СТРУКТУРАМИ В СФЕРЕ МЕДИЦИНЫ И МЕДИЦИНСКОЙ ПРОМЫШЛЕННОСТИ С ИСПОЛЬЗОВАНИЕМ ПРИНЦИПОВ НЕЙРОБИОЛОГИИ
В статье изложены некоторые проблемы, связанные с выбором критериев эффективного отбора потенциальных участников формируемого или уже функционирующего кластеров в сфере медицины и медицинской промышленности. На основании существующих публикаций в области нейробиологии и нейроэкономики (нового направления междисциплинарных исследований, находящихся на стыке экономической теории и нейробиологии) делается предположение о целесообразности использования соответствующих принципов взаимодействия в биологических и искусственных нейросетях для выбора и сравнительного анализа имеющихся социально-экономических показателей, характеризующих деятельность участников кластерных структур, а также и желаемых результирующих показателей функционирования кластера.
Ключевые слова: менеджмент, кластер, нейробиология, нейронные сети, предприятие медицинской промышленности, конкурентоспособность, организационно-экономическая устойчивость.
JEL: I15, L65.
Эффективный менеджмент является крайне важным фактором развития предприятий медицинской промышленности (ПМП), повышения их конкурентоспособности и организационно-экономической устойчивости (ОЭУ) [1], [2]. Для анализа эффективности ПМП в структуре кла-
стера, по нашему мнению, представляется перспективным использование результатов нового направления исследований, находящихся на стыке нейробиологии, психологии и экономики, - нейроэкономики, которая начиная с 2009 г. интенсивно развивается [3], [4], [5], [6], [7].
В настоящее время для принятия решений в менеджменте, в частности для прогнозирования риска возникновения нештатных ситуаций, вызванных воздействиями внутренней и внешней среды, для обеспечения устойчивого развития экономических систем, начинают использоваться принципы работы головного мозга, являющегося сложной биоинформационной системой [10]. Перспективность применения методов и технологий нейробиологии в схемах управления кластерными структурами1, в том числе и в сфере медицины и медицинской промышленности, обусловлена сложностью выбора и учета критериев оценки эффективности и конкурентоспособности предприятий медицинской промышленности лечебно-профилактических учреждений (ЛПУ). Недостаточный учет критериев приводит к необходимости реструктуризации ПМП и объективизации оценки механизмов управления интегрированными структурами [2].
Так, например, М. Родионов и А. Самарин в своей работе [3], рассматривая методы оценки эффективности формирования региональных кластерных структур, включающие интегральные (как количественные, так и качественные) показатели эффективности каждого участника кластера и кластера в целом, утверждают, что формирование регионального кластера, даже если это определяется интересами региона, целесообразно только при определенном соотношении указанных интегральных показателей - равным единице или большим. Но такое утверждение исключает возможность участия в кластере организаций, представляющих малые предприятия, показатели которых исходно не могут быть сравнимы с показателями якорных предприятий. Возможно, что при наличии государственного финансирования формирования кластера, целесообразность такого подхода оправдана. Однако с учетом основополагающих принципов и имеющегося опыта создания и развития кластерных структур [1], [2], [3], по мнению авторов, необходимо при формировании кластерных структур в сфере медицины и медицинской промышленности придерживаться приоритетов, главным из которых являются инициативность и компетентность, а отбор участников формируемого кластера производить на основе результатов исследований в области нейробиологии и ней-тоэкономики [4], [5], [6], [7], [8], [9], [10].
1 Биологическая нейронная сеть представляет собой систему соединенных между собой нейронов мозга, а искусственная нейронная сеть - математическую или физическую модель биологической нейронной сети [8], [9].
Отдельные структуры предприятия подобно нейронным сетям имеют входной информационный и ресурсный каналы (в нейронной сети отдельные нейроны способны воспринимать информационные и энергетические сигналы на входе, а также сигналы от других нейронов из внутренней среды). На предприятии такие функции выполняют отделы маркетинга, входного контроля и отдел кадров. Полученная информация трансформируется и поступает на выходной канал. На предприятии роль выходного канала выполняют отделы сбыта, продаж, взаимодействия с потребителями.
Рассмотрим более подробно возможности многочисленных связей нейронов мозга человека при реализации своих регуляторно-управ-ленческих функций. Кооперацию нейронных образований мозга мы можем рассматривать как сложную кластерную структуру, эффективность, конкурентоспособность и выживаемость которой во многом определяется эффективностью информационного взаимодействия ее «участников» - нейронов [5]. Естественно, должна учитываться и энергообеспеченность «участников», но, при прочих равных условиях, критерии эффективности должны быть уникальны, также как единственен в своем роде мозг каждого человека. По мнению авторов, такими критериями должны быть: способность создания уникальных продуктов деятельности в различных областях.
Необходимо подчеркнуть, что материализация сознания была достаточно сложным процессом и понимание его биологической природы (первым такое предположение сделал Уильям Джемс [14]) позволило сделать значительные открытия в естественных и гуманитарных науках[4], [5], [6], [7], [8], [9], [10]. Отметим, что механизм гомеостаза биологических систем (способность поддерживать устойчивость основных параметров организма - температуры, артериального давления и т.п.) также во многом обусловливается регулирующей деятельностью биологической нейронной сети, управляемой биофизическими информационными сигналами, что позволяет сравнить его с механизмом обеспечения организационно-экономической устойчивости предприятий, в том числе кластеров (способностью поддерживать устойчивость своих финансовых параметров при воздействии различных факторов внутренней и внешней среды). Если при этом производственная система находится в «гомеостазе» (достаточный уровень ОЭУ), то государственные органы должны поддерживать имеющуюся и, при необходимости, создавать новую нормативно-правовую базу, обеспечивающую эффективность деятельности системы в целом для поддержания исходного состояния или для перевода системы на новый уровень, отвечающий требованиям и воздействиям изменяющейся внешней конкурентной среды рынка. Отметим, что ОЭУ во многом определяется имеющимися у участников кластера ресурсами
и методологией управления кластером, в том числе в сфере медицины и медицинской промышленности [2], [15], [16]. Методология управления непременно включает информационное обеспечение функционирования кластерной системы, эффективность управления определяется в первую очередь уровнем компетентности лиц, принимающих решения о деятельности участников кластерной системы и не всегда однозначно связана с материальными ресурсами и показателями конкретных ее участников, особенно, в сфере здравоохранения, относящихся к разным отраслям хозяйствования и зачастую имеющих слабо коррелируемые показатели эффективности своей деятельности.
Мы полагаем, что формирование кластера только по интегральным показателям экономической эффективности участников не может быть рекомендовано в качестве основного метода для принятия административных решений при создании не только региональных, но и любых других типов кластеров. Информационное обеспечение, как и уровень компетентности отдельных участников кластера, может обеспечить проявление синергетического эффекта при взаимодействии с другими участниками кластера и, соответственно, значительное повышение исходных значений интегральных экономических показателей участников. Применительно к биологическим и социальным системам (к человеческому кластеру) такой опыт выбора участников сообщества по «технико-экономическим показателям» оказался неэффективным [17].
Для обеспечения выбора критериев эффективности формирования и дальнейшего функционирования кластера, необходимо классифицировать формы и этапы развития кластерных систем с учетом возможности и необходимости их эволюционного развития.
1. Формируемые кластеры, не использующие для создания и функционирования бюджетных средств. Для таких кластеров критериями отбора участников должны стать показатели инициативности и компетентности участников формируемого кластера, а не их экономическая эффективность, которая может быть определена только по результатам реализации совместных проектов. В настоящее время Минпромторг требует показывать экономическую эффективность участников формируемого кластера [18], что не может являться показателем эффективности кластера в дальнейшем. Это может приводить к явлениям, когда предприятия, ранее получавшие бюджетное финансирование, на основе которого и было сформировано их финансовое благополучие, получают, в силу законов рынка, возможность подавлять вероятных конкурентов, а структуры чиновников имеют возможность оказывать им в этом содействие. Для того чтобы минимизировать такие процессы, мы предлагаем использовать модели выявления соответствия входных показателей экономической системы критерию «выживания», а также
Входные
параметры Слой Кохонена Выход
Рис. Модель выявления соответствия входных показателей экономической системы «критерию выживания» с использованием ИНС Кохонена
другим, наиболее существенным, с нашей точки зрения, показателям, подобные нейронным сетям Кохонена2 [5], [19] (см. рис.).
Для формируемого кластера анализ и обработка входных сигналов должна проводиться по следующим показателям: а) Хи - интегральный показатель инициативности (наличие собственных предложений по проектам, оперативный анализ и подготовка документов по формированию кластера, наличие эффективного менеджера проектов); б) Хк - интегральный показатель компетентности (наличие патентов, цитируемых публикаций, лицензий и сертификатов, соответствующих тематике проектов, технологий и оборудования, информации о разрабатываемых аналогах и рынке сбыта); в) Хг -интегральный показатель господдержки (планируемая финансовая
2 Нейронные сети Кохонена - отдельный класс нейронных сетей, используемых для решения различных задач классификации и производных от них.
и иная поддержка проектов, формирование специализированной организации.
При соответствии предполагаемых участников кластера этим критериям Минпромторг должен зарегистрировать формируемый кластер без его финансовой поддержки, но с возможностью доступа к информационным каналам Минпромторга по участию в тендерах именно как кластерной структуры. Можно ее ранжировать по рискам возможности эффективного развития для информирования экспертных комиссий, проводимых тендеров, но с обязательным отражением ее возможностей как кластерной структуры. При обеспечении фактора выживаемости, когда критерии эффективности участников кластера по показателям реализации совместных проектов станут выше экономических показателей предприятий до вступления в кластер, кластер может претендовать на статус функционирующего, с соответственным повышением требований к своим участникам, в том числе со стороны финансирующих его развитие, государственных структур;
2. Функционирующие кластеры, получающие государственную поддержку. Для таких кластеров устанавливаются зависимости задаваемых выходных экономических параметров (выручка, себестоимость, балансовая прибыль, конкурентоспособность, организационно-экономическая устойчивость, положительная динамика объемов производства и поставок продукции) от перечисленных переменных входных интегральных показателей: Хи, Хк, Хг и классификация соответствия входных показателей критериям «выживания»: «1» или «0» (см. рис.). Соответственно, участниками могут стать только те предприятия, которые будут удовлетворять параметрам этой зависимости, определяемым государственными структурами.
Анализ простейших искусственных нейронных сетей (ИНС) подтверждает значительную роль информационных процессов в повышении эффективности управления. Так, Трофимова Е.А., Мазуров Вл.Д., Гилев Д.В. в своей работе [5] утверждают, что при наличии сформированного и функционирующего кластера в модели ИНС целесообразно использовать показатели факторов производства участников кластера в качестве независимых переменных входных сигналов ИНС, а функция от этих независимых переменных - результирующий показатель деятельности интегрированной структуры (кластера) - становится выходным показателем, который сравнивается с задаваемым его значением.
В работах [5], [19] показано, что основной задачей ИНС является получение такого отображения из множества Х во множество У, при котором Х ^ У так, чтобы на любой входной сигнал Х формировался выходной сигнал, обладающий минимальной погрешностью и неопределенностью по сравнению с заданным (желаемым).
Методология системного анализа, используемая разработчиками ИНС [4], [5], нацелена на максимальный учет всех значимых входных контролируемых параметров Х, влияющих на объективность и целесообразность выбираемых параметров выходного управляющего решения У, с учетом их взаимосвязи и взаимовлияния. При этом данная методология включает выбор вариантов решения, оценку степени неопределенности по каждому варианту, сопоставление вариантов по тому или иному критерию эффективности, а также должна соответствовать требованиям и возможностям ее применения для анализа и решения задач в области формирования кластеров в сфере медицины и медицинской промышленности.
Вопросы формирования производственно-экономической интегрированной структуры являются и должны являться важнейшими в менеджменте, вследствие чего критерии эффективности (предполагаемые - в формируемом кластере и реальные - в функционирующем) приобретают особую значимость. Выбор таких критериев (см. [3], [18]) обусловливает возможность участия/неучастия отдельно взятых предприятий, желающих вступить в кластер. Поэтому в работе Е. Трофимовой, Вл. Мазурова, Д. Гилёва [5] подчеркивается, что при моделировании деятельности предприятий вопрос о критериях их деятельности принципиально важен, в том числе и главный критерий, предложенный авторами [5], - выживание предприятия К важным критериям также следует отнести и максимизацию прибыли. Результат анализа этих критериев свидетельствует о том, что неэффективные предприятия не выдерживают конкурентной борьбы в рыночных условиях. При разработке технологии выживания огромную роль играет методика прогнозирования. С этой целью и используются ИНС, в которых входная информация (переменные параметры) подается на слой входных нейронов (на сенсорный слой), затем преобразованные сигналы поступают на сеть «скрытых» нейронов (на ассоциативный блок ИНС). Результаты работы этого слоя поступают на выходные нейроны (на реагирующий или решающий блок).
Анализ результатов, полученных с помощью ИНС, с учетом выбранных переменных входных параметров и задаваемых выходных, дает возможность проверить правильность выбора исходных переменных параметров, определить эффективность формирования производственно-экономической структуры или оценить качество менеджмента.
Одними из наиболее применимых в практике экономических исследований, по мнению авторов, являются ИНС Кохонена [19], относящиеся к многослойным ИНС прямого распространения и использующие принцип обратной связи для коррекции ошибки. Как правило, входные сигналы в таких сетях представляются в виде векторов, характеризуемых определенными параметрами (компонентами). Количество ней-
ронов входного слоя ИНС функционально определяется параметра-ми/ компонентами этих входных векторов. Более простая реализация нейронной сети Кохонена - «победитель забирает все», когда каждый нейрон выходного слоя может принимать значения «0» или «1» («0» - несоответствие входных параметров требованиям заданного класса «выживаемости», «1» - полное совпадение). Эту схему, по нашему мнению, целесообразно использовать в качестве модели при анализе возможности формирования кластера с учетом входных параметров (критериев) предполагаемых участников и заданных выходных параметров (интегральных показателей деятельности кластера в целом) (см. рис.).
Модель строится с учетом интегральных показателей (Хи, Хк, Х ) каждого из предполагаемых участников кластера.
Для анализа эффективности функционирующего кластера или экономической целесообразности формирования кластера на основе государственных дотаций входные показатели (параметры) должны определяться следующим образом: Хи - должен отражать наличие эффективно реализованных проектов и наличие портфеля заказов новых проектов для реализации их силами участников кластера, наличие документированной отчетности по реализации или проектов реализации программы развития кластера, наличие показателей эффективности работы менеджера по реализации интегральных проектов; Хк - должен характеризоваться наличием приобретенных лицензий на интеллектуальную собственность участника, публикаций в высокоцитируемых российских и международных журналах, относящихся к проектам кластера, наличием отечественных и собственных технологий и современного оборудования для реализации проектов кластера, наличием отчетности по маркетингу существующих и перспективных технологий и изделий, конкурирующих с проектами кластера, наличием долгосрочного прогноза появления научных и технологических решений в области тематики проектов кластера, которые могут с большим эффектом заменить технологии и изделия, отвечающие тематике проектов кластера; Хг - наличие бюджетных грантов по тематике проектов кластера, наличие специализированной организации кластера, сформированной государственной структурой.
Авторы считают необходимым дальнейшее изучение возможности использования принципов функционирования биологических систем при различных преобразованиях экономических систем, в частности, кластеров, а также использование принципов сетевой организации при ликвидации, реорганизации, при прогнозировании банкротств участников кластера. Биологические системы в подобных случаях страхуют себя, создавая механизмы обновления неспособных к функционированию клеток и регенерации тканей без разрушения системы как таковой, что на наш взгляд, наиболее целесообразно и для эволюционного развития социально экономических систем.
ЛИТЕРАТУРА
1. Джамай Е.В., Зинченко А.С., Юдин М.В. Методы оценки организационно-экономической устойчивости и управляемости реструктуризируемых предприятий машиностроения // Вестник Университета (ГУУ), 2015. № 13. С. 26-30.
2. Герцик Ю.Г., Омельченко И.Н. Организационно-экономическая устойчивость и конкурентоспособность предприятий медицинской промышленности. Концепция и методология формирования. М.: Изд-во МГТУ им. Н.Э. Баумана, 2016.
3. Родионов М.Г., Самарин А.М. Применение нейросетевых технологий для разработки кластерной структуры территориально-административных образований // Вестник СибАДИ. 2015. Вып. 2 (42). С. 150-155.
4. Murray A. Applications of Neural Networks. 2014. Springer.
5. Трофимова Е.А., Мазуров Вл.Д., ГилёвД.В. Нейронные сети в прикладной экономике. Екатеринбург: Изд-во Урал. ун-та, 2017.
6. Балабан П.М., Гуляева Н.В. Нейрофилософия // Журнал высшей нервной деятельности И.П. Павлова. 2015. Т. 65. № 4. С. 498.
7. Раквиашвили А.А. Нейробиология и новые возможности экспериментальной экономики // Вопросы экономики. 2015. № 12. С. 124-137.
8. Интернет-ресурс «Новости высоких технологий»: определение нейробиологии. hi-news.ru/tag/nejrobiologiya (1ата обращения 5.10.2017).
9. Волков М.В. Моделирование на основе нейронных сетей. Этапы и примеры // Иннов: электронный научный журнал. 2012. № 1 (10). www.innov.ru/science/tech/ modelirovanie-na-osnove-neyronnykh- (дата обращения: 05.10.2017).
10. Плеханов П.А. Применение искусственных нейронных сетей для нахождения взаимосвязей в экономике // Современные тенденции в экономике и управлении: новый взгляд. 2014. № 26. С. 130-133.
11. Porter M.E. The Five Competitive Forces that Shape Strategy // Harvard Business Review. 2008, January Р. 86.
12. Осипов В.С. Кластеры как инструмент экономической политики государства // Вестник экономики Российской академии наук, 2012. № 6. С. 92-97.
13. Gertsik Y.G. Рrospects of cluster initiatives in Russia and the worldwide in development and implementation of high-tech medical equipment // Health and Social Care Journal. 2016. N 2 (3). P. 9-23.
14. Wozniak, Robert H. Mind and Body: Rene Descartes to William James serendip.bryn-mawr.edu/Mind/; Bryn Mawr College, Serendip 1995 Originally published in 1992 at Bethesda, MD & Washington, DC by the National Library of Medicine and the American Psychological Association.
15. Герцик Ю.Г. Био-Медико-Технический Кластер как основа формирования организационно-экономической устойчивости и конкурентоспособности предприятий медицинской промышленности // Вестник института экономики Российской академии наук. 2016. № 3. С. 80-91.
16. Gertsik Yu.G. Analysis of factors affecting the competitiveness and organizational-economic sustainability of medical industry companies // European Social Science Journal. 2015. № 7. Р. 29-36.
17. Физическая культура Древней Греции - Военно-физическое воспитание в Спарте. www.fizkulturaisport.ru/fizvospitanie.html (дата обращения: 05.10.2017).
18. Постановление Правительства Российской Федерации от 31 июля 2015 г. № 779, «О промышленных кластерах и специализированных организациях промышленных кластеров».
19. Портал искусственного интеллекта: Нейронные сети Кохонена. neuronus.com/ theory/961-nejronnye-seti-kokhonena.html (дата обращения: 06.10.2017).
20. Sigov A.S., et al. Bionic-oriented information system for innovation activity // Indian journal of science and technology. 2016. № 30 (9). P. 98743.
21. Ткачук В.А. Физиологические механизмы обновления клеток и регенерации тканей // Технологии живых систем. 2017. т. 14. № 4. С. 4-11.
ABOUT THE AUTHORS
Yuri Genrikhovich Gertsik - Candidate of Biological Sciences, Associate Professor of the Department «Industrial Logistics» of the Moscow State Technical University named after N.E. Bauman, Moscow, Russia. gerzik@mail.ru.
Anatoly Nikolayevich Rogoza - Doctor of Biological Sciences, Professor, Head of the Functional Diagnostics Department of the National Medical Research Center for Cardiology of the Ministry of Health of Russia, Moscow, Russia.
Sergey Anatolyevich Boitsov - Corresponding member of the Russian Academy of Sciences, (the RAS), Doctor of Medical Sciences, Professor, Director of the National Medical Research Center for Cardiology of the Ministry of Health of Russia, Moscow, Russia.
MANAGEMENT OF CLUSTER STRUCTURES IN THE SPHERE OF MEDICINE AND MEDICAL INDUSTRY WITH THE USE OF THE PRICIPLES OF NEUROBIOLOGY
The article outlines some problems associated with the selection of criteria for the effective selection of potential participants of the formed or already functioning clusters in the sphere of medicine and medical industry. Based on the existing publications in the sphere of neurobiology and neuroeconomics (a new area of interdisciplinary research at the junction of economic theory and neurobiology), it is proposed that it is expedient to use the appropriate principles of interaction in biological and artificial neuronets to select and compare the socio-economic indicators, which characterize the activities of participants cluster structures, as well as the desired resulting performance indicators of the functioning of cluster. Key words: management, cluster, neurobiology, neural networks, enterprise of medical industry, competitiveness, organizational and economic sustainability. JEL: I15, L65.
