CC BY
0Управление созданием наукоемкой продукции через механизм государственных программ
Излагаются подходы к формированию государственной программы проектирования и производства наукоемкой продукции различного назначения с помощью компьютерно-ориентированных технологий — классификации, оценки дублирования и представления данных
А.С. Афанасьев1
ФГБОУ ВО «МИРЭА —
Российский технологический
университет»
(ФГБОУ ВО РТУ МИРЭА),
канд. техн. наук,
mon74@rambler.ru
П.С. Желтухин1
ФГБОУ ВО РТУ МИРЭА, д-р техн. наук
С.А. Монин1
ФГБОУ ВО РТУ МИРЭА, канд. техн. наук, mon74@rambler.ru
1 Москва, Россия
Для цитирования: Афанасьев А.С., Желтухин П.С., Монин С.А. Управление созданием наукоемкой продукции через механизм государственных программ // Компетентность / Competency (Russia). — 2024. — № 2. DOI: 10.24412/1993-8780-2024-2-50-56
ключевые слова
научно-технические системы, компьютерные технологии, задачи управления, классификация данных
роблемы разработки и распространения наукоемких продуктов и услуг актуальны в силу их особой значимости для поступательного развития экономики и общества, поскольку они способствуют повышению жизненного уровня за счет интенсивных факторов: роста производительности труда, снижения потребления и повышения эффективности использования невосполнимых природных ресурсов [1, 2].
Практика стратегического планирования в современных, довольно сложных условиях переходного периода и длительного кризиса реального сектора экономики выдвигает новые задачи в области управления крупными научно-производственными комплексами [3-5]. К ним следует отнести и проблему технико-экономического обоснования реализуемости наукоемких проектов в создавшихся обстоятельствах снижения научно-технического и производственного потенциала наукоемких отраслей, при этом использование традиционных методов оценки показателей реализуемости является необходимым, но не достаточным требованием для объективного и достоверного анализа воздействующих факторов и принятия комплекса мер по его сохранению и развитию.
Процесс формирования научно-технической государственной программы (НТГП) создания наукоемкой продукции (НП) различного назначения включает следующие основные этапы: разработку базы исходных данных; определение диапазона ассигнований, которые могут быть направлены на развитие НП в рассматриваемый плановый период; формирование вариантов развития научно-технических систем для различных уровней финансирования; оценку эффективности принимаемых решений; формирование
проекта НТГП под выделенный объем ассигнований [6]. Анализ содержания работ, выполняемых в рамках данных этапов, показывает, что на каждом из них органы управления обязаны, исходя из имеющихся данных, формировать и реализовывать разнообразные решения и, как следствие, возникает необходимость их соответствующего всестороннего информационного сопровождения.
При разработке НТГП одной из наиболее сложных задач является обеспечение их высокого качества. Под качеством в данном случае понимается как собственно эффективность планируемой системы, достигаемая в результате выполнения НТГП, так и ее ре-сурсообеспеченность, промышленная реализуемость, наличие необходимой методологической базы, нормативные и законодательные акты. Кроме того, качество НТГП как документа существенным образом зависит от степени ее дополненности средствами визуального представления, позволяющими доходчиво и аргументированно изложить позицию разработчиков в органах законодательной и исполнительной власти.
Для обоснованности и оперативности подготовки решений при формировании проекта НТГП создания наукоемкой продукции, а также снижения трудоемкости этого процесса необходима разработка комплекса специализированных компьютерно-ориентированных технологий, реализующих ключевые информационно-аналитические задачи обработки предложений производителей и потребителей НП.
Роль создаваемого комплекса технологий заключается в инструментальном обеспечении процесса подготовки и принятия управляющих решений [7]. Анализ содержания работ, выполняемых в рамках этапов программного
управления развитием НП, показывает, что на каждом из них необходимо формулировать и реализовывать разнообразные задачи, что требует использования соответствующего программно-математического и информационного обеспечения.
С учетом того, что разработка специального программного обеспечения для формирования НТГП является достаточно сложной и трудоемкой за-
дачей, в рамках данной статьи область автоматизации целесообразно ограничить классификацией данных, оценкой дублирования и представлением данных.
Информационной основой и объединяющим элементом разработанного комплекса компьютерно-ориентированных технологий является единая база данных реляционного типа (см. рисунок).
Обобщенная структурная схема комплекса компьютерно-ориентированных технологий [Generalized block diagram of a computer-oriented technologies complex]
X _Q
<
1=3 <
CO <
LQ
CR <
ТЕХНОЛОГИЯ КЛАССИФИКАЦИИ ДАННЫХ
Автоматическая классификация
На основе семантического анализа
Экспертная классификация
На основе информационной поддержки эксперта
1. Прогрессивное развитие экономики
1.1. Развитие науки и образования
1.2. Совершенствование управления экономикой
1.3. Расширение производства наукоемких продуктов и услуг
1.4. Государственная научно-техническая и промышленная политика
1.5. Поддержка малого и среднего бизнеса
1.6. Обеспечение национальной
(в том числе экономической) безопасности
1.7. Регулирование социальной сферы
Уменьшение трудоемкости классификации за счет семантических методов, обучаемости систем, разрабатываемых на базе технологии
ТЕХНОЛОГИЯ ОЦЕНКИ ДУБЛИРОВАНИЯ ДАННЫХ
На основе классификационных групп
В нескольких измерениях с последующим анализом результатов классификации
Семантический анализ
Выявление дублирующихся данных осуществляется путем анализа смыслового содержания информации и расчета коэффициента их схожести
предложений по координации работ
и, НИОКР — Определение дублир
Комплексное интегрированное применение экспертных и семантических методов оценки схожести
параметров программных мероприятий
ОЗ Е
ТЕХНОЛОГИЯ ПРЕДСТАВЛЕНИЯ ДАННЫХ
Одним из подходов к разработке такой технологии является визуализация, благодаря которой любой тип данных, используемых при поддержке принятия решений, если это целесообразно, может быть преобразован и представлен в форме как неподвижных, так и движущихся изображений Одномерного анализа данных Многомерного анализа данных
Эргономически сбалансированное представление многомерных массивов информации
Технология классификации данных
Порядок использования технологии классификации мероприятий показываем на примере структуризации массива предложений производителей и потребителей НП (см. рисунок).
Работы, предлагаемые к включению в НТГП, помимо технико-экономических характеристик, имеют также характеристики принадлежности к узлам различных классификаторов. Так как классификация проводится по нескольким классификаторам, в итоге для каждого мероприятия будет сформирован га-мерный вектор классификационной направленности (рг1,.., ргп) г-го мероприятия, координатами которого будут классификационные признаки рг1,.., ргп мероприятия г, измерениями для вектора классификационной направленности станут классификаторы, по которым проводится классификация мероприятий.
Присвоение классификационных признаков может проходить автоматически или экспертно. 1. Автоматическая классификация. При автоматической классификации присвоение мероприятию классификационных признаков производится путем анализа смыслового содержания атрибутов работ (под атрибутами работы подразумеваются шифр, наименование, тактико-техническое задание и др.) и нахождения наиболее подходящего узла классификатора. Для увеличения вероятности правильной классификации мероприятий существует режим обучения классификатора. Он подразумевает сохранение предыстории классификации — в этом режиме к атрибутам узла классификатора добавляются все атрибуты каждого мероприятия, подчиненного этому узлу. Таким образом накапливается информация, характеризующая данный узел, и, как следствие, увеличивается эффективность классификации работ.
Для автоматической классификации данных разработано два подхода.
Первый заключается в автоматическом присвоении классификаци-
онных признаков наиболее близкого узла классификатора мероприятию на основе смыслового анализа атрибутов. Достоинством этого подхода является скорость классификации. Недостатками — относительно небольшая вероятность правильного распределения работ при пользовании новыми классификаторами, а также классификаторами без режима обучения. Поэтому использовать такой метод при высоких требованиях к качеству классификации рекомендуется только при достаточно большой предыстории обучения классификатора и относительно большом объеме атрибутов работ.
Второй подход к автоматической классификации мероприятий проходит в три этапа:
► на первом (первичная классификация) производится подчинение мероприятия нескольким наиболее близким узлам классификатора (их количество варьируется в зависимости от поставленных задач и требований к качеству классификации). Таким образом формируется массив наиболее приемлемых вариантов классификации мероприятий;
► на втором этапе дается экспертная оценка результатов первичной классификации, для каждой работы лицо, принимающее решение (ЛПР), подтверждает не более одного варианта классификации;
► на третьем этапе работ, для которых ЛПР не подтвердило ни одного варианта первичной классификации, проводится экспертная классификация при помощи средств графической визуализации, рассматриваемых далее.
Достоинствами этого подхода к автоматической классификации являются: ее точность, достигаемая за счет предоставления ЛПР большего количества степеней свободы; простота обнаружения ошибок первичной классификации; легкость корректировки результатов классификации, так как все работы, отклассифицированные ошибочно, будут принадлежать самому верхнему уровню. Основные недостатки — сравнительно большое затрачиваемое время, так как классификация
в этом подходе полуавтоматическая; высокие требования к квалификации ЛПР, поскольку все возможные ошибки могут возникать только по его вине. 2. Экспертный способ классификации. При создании новых классификаторов и распределении мероприятий по ним возникают сложности, связанные с невозможностью учета всех особенностей массива мероприятий, подлежащих классификации. Существует два подхода к решению этой задачи.
Первый заключается в подчинении каждому мероприятию узла классификатора. Удобно при создании классификаторов одновременно классифицировать мероприятия. В этом случае массив мероприятий служит подсказкой для создания новых узлов классификатора. Например, сначала формируется первый уровень классификатора, мероприятия распределяются по его узлам, затем каждый из узлов первого уровня делится на подчиненные узлы, по которым распределяются мероприятия, принадлежащие верхнему узлу, и т.д.
Достоинством этого подхода является качество классификации. Основные недостатки — низкая скорость и большая сложность классификации.
Второй подход при экспертной классификации заключается в подчинении узлов одного классификатора узлам другого. Таким образом мероприятия, зависящие от одного классификатора, автоматически подчиняются другому.
При выборе способа связывания классификаторов необходимо учитывать, что степень детализации (количество узлов) подчиненного классификатора должна быть больше, чем у того, которому он будет подчинен.
Достоинствами второго подхода к экспертной классификации мероприятий является простота и высокая скорость классификации. Недостаток — возникновение ошибок из-за неполной совместимости классификаторов, имеющий место в случае, когда нельзя однозначно подчинить все узлы одного классификатора узлам другого.
Достоинствами экспертной классификации являются гибкость в исполь-
зовании и возможность корректировки классификатора на этапе распределения. Основной недостаток — низкая скорость процесса.
При высоких требованиях к скорости, относительно большой предыстории обучения классификатора целесообразно использовать автоматический способ классификации; при тех же условиях, но при высоких требованиях к качеству классификации рекомендуется применять полуавтоматический способ, а в остальных случаях следует обращаться к экспертной классификации.
Технология оценки дублирования данных
Технология оценки дублирования данных является логическим продолжением технологии классификации данных и призвана решить задачу анализа предложений в НТГП на предмет дублирования данных при оперативном формировании вариантов развития НП для различных уровней финансирования, при агрегированной оценке и номенклатурном анализе предложений в НТГП.
Алгоритм выявления дублирующихся данных применительно к анализу предложений в НТГП для дублирования мероприятий представлен на рисунке.
На первом этапе выбирается способ определения дублирующихся мероприятий. Разработано два подхода к решению данной задачи.
Первый — путем создания классификационных групп в нескольких измерениях (классификаторах) с последующим анализом результатов классификации.
Второй подход — с помощью анализа смыслового содержания информации (семантического анализа) и сравнения записей с расчетом коэффициента схожести. Такой подход основывается на расчете коэффициентов схожести. При этом используется метод частотного семантического анализа [9, 10]. В результате выполнения этого этапа будет сформировано информационное пространство мероприятий, в котором каждое мероприятие связа-
справка
Традиционно считается, что информационная технология — это приемы, способы и методы применения средств вычислительной техники при выполнении функций хранения, обработки, передачи и использования данных [8]. Под компьютерно-ориентированной технологией формирования НТГП на государственном уровне в статье понимается метод организации и решения перечисленных функциональных задач
Информационной основой и объединяющим элементом разработанного комплекса компьютерно-ориентированных технологий является единая база данных реляционного типа
но с другими, а силой связи является коэффициент схожести.
Как показывает практика, мероприятия следует признать дублирующимися при коэффициенте схожести больше 0,8.
Технология представления данных
Одним из подходов к разработке технологии представления данных является визуализация (см. рисунок), благодаря которой любой тип данных, используемых при поддержке принятия решений, если это целесообразно, может быть преобразован и представлен в форме как неподвижных, так и движущихся изображений. В данном исследовании под визуализацией результатов формирования НТГП понимается проектирование и генерация изображений на устройствах отображения на основе исходных данных, а также правил и алгоритмов их преобразования.
Для визуализации данных могут быть использованы одно-, двух-и трехмерные пространства отображений [11]. Функция одной переменной (например, распределение ассигнований на конкретную работу по годам программного периода) — это кривая в двухмерном пространстве. Функция двух переменных (например, распределение ассигнований по различным классификаторам) иллюстрируется в форме псевдовыпуклого изображения либо с помощью раскрашивания переменных. Один из способов представления функции трех переменных — использование объемной картинки с пространственными срезами.
Под одномерной визуализацией результатов понимается такой способ
представления многомерного распределения на двумерной плоскости, при котором, по крайней мере, качественно отражены основные закономерности, присущие исходному распределению, — его кластерная структура, топологические особенности, внутренние зависимости, информация о расположении данных в исходном пространстве и т.д.
Один из способов поставить задачу представления данных в виде двумерной картинки заключается в следующем: найти такое отображение (способ проецирования) из исходного пространства на двумерную плоскость, которое бы оптимизировало заданный критерий качества — некоторый функционал от координат точек данных до и после процедуры проецирования (фактически масштаб представляемой диаграммы).
В настоящее время выделяется два варианта решения этой задачи [12]. 1. Вид отображения и известен заранее и является, как правило, линейным отражением на плоскость. Оптимизируемый функционал в данном случае называется проекционным индексом и обозначается Q(U,X), где под X понимается весь набор многомерных данных, Q зависит от параметров отображения. Могут быть использованы следующие проекционные индексы:
► минимизирующий расстояние от точек данных до их проекций (метод снижения размерности с помощью главных компонент);
► максимизирующие расстояния между кластерами (один из вариантов таких индексов максимизирует энтропию конечного двумерного распределения данных);
► максимально разделяющие заранее заданные классы для построения линейного классификатора;
► использующиеся для выделения аномальных наблюдений, далеко отстоящих от основной массы распределения точек данных;
► выделяющие нелинейные структуры в многомерных данных.
Явный вид этих проекционных индексов приведен в литературе по прикладной статистике [13].
организация производства 55
2. Вид отображения заранее неизвестен. Тогда оптимизируемый критерий является функцией от набора двумерных координат, приписанной каждой точке данных. Задачей в этом случае является назначение каждой из точек исходного набора данных пары координат таким образом, чтобы минимизировать функционал, описывающий меру искажения структуры данных.
Структура программно-информационного обеспечения
Перспективным направлением развития программно-информационного обеспечения процесса формирования НТГП является создание систем, позволяющих автоматизировать все этапы рассматриваемого процесса. Для качественного решения поставленной задачи предлагается разработать автоматизированную информационно-расчетную систему формирования НТГП, которая должна обеспечить:
► концентрацию информационных ресурсов, необходимых для процесса формирования НТГП, на единых программно-технических и информационных технологиях;
► унификацию программных средств при формировании НТГП;
► реализацию электронного (безбумажного) документооборота в рамках распределенной системы;
► управление информационными потоками и ресурсами системы и обеспечение их защиты от несанкционированного доступа.
Как уже было отмечено, информационной основой и объединяющим элементом разработанного комплекса компьютерно-ориентированных технологий (соответственно и перспективной автоматизированной системы) является единая база данных реляционного типа, в которой хранится вся информация — как исходная, так и результат, что позволяет автоматизированно формировать выходные документы.
Заключение
Существующая система научно-методического обеспечения обоснования, формирования, реа-
лизации программ и планов создания наукоемкой продукции различного назначения, а также контроля за ходом их исполнения характеризуется высоким уровнем проработки. Вместе с тем, остаются не полностью решенными ряд частных (но в то же время достаточно важных и ресурсоемких) задач программного управления научно-техническим развитием. Одной из них является задача повышения качества НТГП за счет применения компьютерных технологий.
Разработанные технологии позволят обеспечить:
► снижение нагрузки на лицо, принимающее решение, благодаря осуществлению первичной фильтрации данных, что освобождает от рутинной работы по их систематизации;
► преобразование данных о рассматриваемых вариантах развития наукоемкой продукции и приведение к виду, обеспечивающему системность их восприятия;
► повышение эффективности процесса принятия решений при формировании НТГП за счет алгоритмизации и стандартизации информационно-аналитических процедур;
► автоматизацию процесса поиска аргументации в подтверждение или опро- Статья поступила вержение выдвигаемых гипотез. ■ в редакцию 20.09.2023
Список литературы
1. Васин В.А., Миндели Л.Э. Национальная инновационная система: предпосылки и механизмы функционирования. — М.: ЦИСН, 2002.
2. Комков Н.И. // Проблемы прогнозирования. — 2003. — № 3.
3. Бендиков М.А., Хрусталев Е.Ю. // Федеративные отношения
и региональная социально-экономическая политика. — 2006. — № 3.
4. Хрусталев Е.Ю. // Консультант директора. — 2002. — № 15.
5. Хрусталев Е.Ю. // Менеджмент в России и за рубежом. — 2001. — № 1.
6. Буренок В.М., Ляпунов В.М., Мудров В.И. Теория и практика планирования и управления развитием вооружения / Под ред. А.М. Московского. — М.: Вооружение. Политика. Конверсия, 2005.
7. Емельянов А.А. // Прикладная информатика. — 2006. — № 1.
8. Воройский Ф.С. Информатика. Новый систематизированный толковый словарь-справочник. — М.: Физматлит, 2003.
9. Морозов В.П., Хрусталев Е.Ю. Проектирование информационных систем. — М.: МЭСИ, 1989.
10. Морозов В.П., Тихомиров В.П., Хрусталев Е.Ю. Гипертексты в экономике: информационная технология моделирования. — М.: Финансы и статистика, 1997.
11. Зиновьев А.Ю., Питенко А.А. Система визуализации произвольных данных / Материалы II Всеросс. науч.-техн. конф. «Нейроинформатика-2000». Ч. 1. — М.: МИФИ, 2000.
12. Айвазян С.А., Бежаева З.И., Староверов О.В. Классификация многомерных наблюдений. — М.: Статистика, 1974.
13. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. — М.: Финансы
и статистика, 1989.
Kompetentnost / Competency (Russia) 2/2024 ISSN 1993-8780. DOI: 10.24412/1993-8780-2024-2-50-56
Managing the Creation of High-Tech Products Through the Government Programs' Mechanism
A.S. Afanas'ev1, FSBEI HE MIREA — Russian Technological University (FSBEI HE RTU MIREA), PhD (Tech.), mon74@ rambler.ru
P.S. Zheltukhin1, FSBEI HE RTU MIREA, Dr. (Tech.)
S.A. Monin1, FSBEI HE RTU MIREA, PhD (Tech.), mon74@rambler.ru
1 Moscow, Russia
Citation: Afanas'ev A.S., Zheltukhin P.S., Monin S.A. Managing the Creation of High-Tech Products Through the Government Programs' Mechanism, Kompetentnost' / Competency (Russia), 2024, no. 2, pp. 50-56. DOI: 10.24412/1993-8780-2024-2-50-56
The existing system of scientific and methodological support for the justification, formation, implementation of programs and plans for the creation of high-tech products for various purposes, as well as monitoring the progress of their implementation, is characterized by a high level of elaboration. At the same time, a number of particular (but at the same time quite important and resource-intensive) problems of program management of scientific and technological development remain not fully resolved. One of them includes the task of improving the quality of scientific and technical state program through the use of computer technologies.
We have examined approaches to the formation of a state program for the design and production of high-tech products for various purposes using computer-oriented technologies, such as classification, duplication assessment and data presentation.
1. Vasin V.A., Mindeli L.E., Moscow, TSISN, 2002.
2. Komkov N.I., Problemy prognozirovaniya, 2003, no. 3.
3. Bendikov M.A., Khrustalev E.Yu., Federativnye otnosheniya i regional'naya sotsial'no-ekonomicheskaya politika, 2006, no. 3.
4. Khrustalev E.Yu., Konsul'tant direktora, 2002, no. 15.
5. Khrustalev E.Yu., Menedzhment v Rossii iza rubezhom, 2001, no. 1.
6. Burenok V.M., Lyapunov V.M., Mudrov V.I., Moscow, Vooruzhenie. Politika. Konversiya, 2005.
7. Emel'yanov A.A., Prikladnaya informatika, 2006, no. 1.
8. Voroyskiy F.S., Moscow, Fizmatlit, 2003.
9. Morozov V.P., Khrustalev E.Yu., Moscow, MESI, 1989.
10. Morozov V.P., Tikhomirov V.P., Khrustalev E.Yu., Moscow, Finansy i statistika, 1997.
11. Zinov'ev A.Yu., Pitenko A.A., Moscow, MIFI, 2000.
12. Ayvazyan S.A., Bezhaeva Z.I., Staroverov O.V., Moscow, Statistika, 1974.
13. Ayvazyan S.A., Bukhshtaber V.M., Enyukov I.S., Meshalkin L.D., Moscow, Finansy i statistika, 1989.
key words
scientific and technical systems, computer technologies, management tasks, data classification
References
НОВАЯ КНИГА
Лукашкин В.Г., Прилепко М.Ю., Денисенко С.А.
Измерительные сигналы
Учебное пособие. — М.: АСМС, 2023
Приводятся свойства и особенности всех видов измерительных сигналов, включая сигналы аналитической химии и космические гравитационные, используемые для решения широкого круга современных метрологических задач. Особое внимание уделено гармоническому сигналу — базовой функции ряда Фурье. Рассмотрено понятие спектра сигнала и полосы занимаемых частот при различных видах модуляции электрических сигналов.
Учебное пособие может быть полезно широкому кругу специалистов-метрологов, занимающихся практическими измерениями и построением измерительных схем.
По вопросам приобретения обращайтесь по адресу: Академия стандартизации, метрологии и сертификации (АСМС), 109443, Москва, Волгоградский пр-т, 90, корп. 1. Тел. / факс: 8 (499) 742 4643. Факс: 8 (499) 742 5241. E-mail: info@asms.ru
шКЖ.
