WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!


 

На правах рукописи

Путин Сергей Борисович

РАЗВИТИЕ ИНСТРУМЕНТАЛЬНЫХ СРЕДСТВ УПРАВЛЕНИЯ ПОТОКАМИ ИННОВАЦИОННЫХ ПРОЕКТОВ В КОРПОРАЦИЯХ

Специальность 08.00.13 – Математические и инструментальные методы экономики

АВТОРЕФЕРАТ

диссертации на соискание ученой степени доктора экономических наук

Москва – 2012

Работа выполнена в Федеральном Государственном Бюджетном Образовательном Учреждении Высшего Профессионально Образования «Тамбовский государственный технический университет»





Официальные оппоненты:



Бандурин Александр Владимирович - доктор экономических наук, профессор, проректор по научной работе ГАОУ ВПО «Московский государственный институт индустрии туризма им. Ю.А. Сенкевича»


Дрогобыцкий Николай Иванович - доктор экономических наук, профессор кафедры системного анализа в экономике ФГОБУ ВПО «Финансовый университет при Правительстве Российской Федерации»


Евгений Федорович Кустов - доктор физико-математических наук, профессор кафедры физики электротехнических материалов и компонентов и автоматизации электротехнологических комплексов ФГБОУ ВПО «Национальный исследовательский университет «МЭИ»





Ведущая организация:

ФГБОУ ВПО «Московский государственный университет экономики, статистики и информатики (МЭСИ)», г. Москва


Защита состоится

26 декабря 2012 г. в 10.00

на заседании диссертационного совета

Д 212.157.18 при Федеральном

государсвенном бюджетном образовательном учреждении высшего профессионального образования Национальном Исследовательском Университете Московском Энергетическом Институте, по адресу:

111250, Москва, ул. Красноказарменная, д. 14, ауд. Ж-200.


С диссертацией можно ознакомиться в библиотеке

Федерального государсвенного бюджетного образовательного учреждения высшего профессионального образования Национального Исследовательского Университета Московского Энергетического Института

Автореферат разослан

  2012 г.

Ученый секретарь


Диссертационного совета

А.Г. Зубкова – к.э.н., доцент

общая характеристика работы

Актуальность темы исследования

Научная проблема развития инструментальных средств управления потоками инновационных проектов в корпорациях, ориентированных на производство наукоемкой продукции актуальна в настоящее время по следующим причинам:

Во-первых, важной задачей корпорации, занимающейся производством инновационной продукции, является создание новых и постоянное совершенствование наиболее перспективных образцов продукции. Необходимость совершенствования (модернизации) обуславливается как внешними (конкурентная среда, возрастающие требования заказчиков), так и внутренними (результаты выполняемых научно-исследовательских работ, организационные изменения) факторами. Своевременная адаптация всех компонент производственной деятельности позволяет выдерживать требования рынка по качеству продукции и соответствовать принятым стандартам ресурсного обеспечения производственной деятельности.

Во-вторых, к инновационной продукции всегда предъявляются дополнительные требования. Как правило, она должна быть разработана в срок, с заданными параметрами, позволяющими корпорации получить преимущества на рыке, а также за определенный период времени, обеспечивающий первенство корпорации перед конкурентами. Все это выдвигает повышенные требования к инновационным проектам. На передний план выступают такие показатели качества проекта, как допустимый риск, обеспечение отказоустойчивости и интеллектуальности разрабатываемой продукции.

В-третьих, многообразие инновационных идей предполагает необходимость развития не только самой продукции, но и оборудования, производственных процессов, источников ресурсов. В этой ситуации в корпорации постоянно инициируются новые проекты, одновременно может реализовываться несколько инновационных проектов, каждый из которых находится на своей стадии жизненного цикла. Возникает поток проектов, который является достаточно сложным объектом управления. В процессе принятия решений необходимо использовать весь комплекс доступных инструментов, в том числе экономико-математические.

В-четвертых, быстрое развитие в последние десятилетия методов искусственного интеллекта, теоретических и практических приложений информационных технологий, микропроцессорной техники, радиоэлектроники и беспроводной связи, микроэлектронно-механических систем, нанотехнологий, новых конструкционных материалов и т.д., все это открывает широкие возможности для совершенствования системы управления потоком инновационных проектов в корпорации. В последние годы существенный рост производительности и развитие возможностей компьютерной техники привели к широкому распространению двух подходов к проектированию, используемых при создании и модернизации сложных систем и видов продукции. Один подход связан с анализом и синтезом систем на множестве состояний функционирования. В рамках второго подхода используются методы искусственного интеллекта, например, нейронные сети, генетические алгоритмы и др. Указанные подходы применяются при проектировании систем в условиях неопределенности. Их использование в систему управления инновационными проектами корпорации позволяет существенно повысить точность и качество принимаемых решений.

Перечисленные выше аргументы доказывают актуальность научной проблемы диссертационного исследования, которое посвящено разработке методов развития инструментальных средств управления потоками инновационных проектов в корпорациях.

Степень разработанности проблемы

Большой вклад в разработку потокового подхода к управлению деятельностью корпораций внесли такие ученые как Бандурин А. В., Вентцель Е. С., Голдратт Э., Ивченко Г. И., Каштанов В. А., Клейнрок Л., Коваленко И. Н., Лифшиц А. Л., Мальц Э. А., Матвеев В. Ф., Овчаров Л. А., Ушаков В. Г., Харитонова Г. Г. Однако в работах указанных авторов не рассматриваются потоки инновационных проектов на множестве состояний, что существенно снижает возможности использования теории потока в управлении инновационными событиями.

Широкое распростанение получили исследования в области управления проектами. Среди отечественных ученых необходимо отметить таких как Воропаев В.И., Ансофф И., Виленский П.Л., Володин В.В., Воропаев В.И., Гальперина З.М., Коротков Э.М., Лившиц В.Н., Мазур И.И., Мередит Дж., Наносов П.С., Питер Друкер, Разу М. Л. , Серов В. М., Тернер Дж., Фрейм Дж., Шапиро В. Д. и другие авторы. Однако данными учеными затрагивались в основном проблемы управления конкретными проектами без учета специфики деятельности корпоративных структур и управления потоками.

В свою очередь, проблемами управления потоками инновационных проектов занимались такие ученые как Аньшин В. М., Воробьева А.А., Демкин И. В., Кулакова А.Н., Никонов И.М., Матвеев А.А., Новиков Д.А., Попова В.Л., Траченко В.В., Царьков И. Н., Цветков А.В. и др. Среди зарубежных ученых необходимо отметить Стэнли Э. Портни, Рассела Д. Арчибальда, Ньюэлла Майкла В., Тома ДеМарко, Кима Хелдмана, Кендалла Д. И., Роллинза С. К. и др. Однако в большинстве работ перечисленных ученых не рассматриваются качественные характеристики инновационной продукции, фиксируемые в условиях неопределенности.

Актуальность и недостаточная разработанность проблем управления потоками инновационных проектов в корпорациях предопределяют осноные направления исследования.

Объект и предмет исследования

Объектом диссертационного исследования является поток инновационных проектов корпорации как объект стратегического управления и моделирования в условиях неопределенности процессов и результатов.

Предметом исследования являются инструментальные средства управления потоком инновационных проектов корпорации, учитывающие неопределенность и позволяющие рассматривать поток на множестве состояний функционирования.

Цель и задачи исследования

Цель диссертации заключается в решении научной проблемы разработки инструментальных средств управления потоком инновационных проектов на основе анализа и синтеза инновационной деятельности на множестве состояний с учетом использования инструментов теории искусственного интеллекта, в том числе нейронных сетей, генетических алгоритмов в условиях неопределенности. Для достижения поставленной цели потребовалось решить следующие задачи:

1. Разработать экономико-математическую модель потоков инновационных проектов корпорации для повышения эффективности управления инновационной деятельностью.

2. Обосновать множество состояний функционирования системы инновационных проектов корпорации.

3. Разработать модели инновационных проектов и основных видов продукции на множестве состояний функционирования.

4. Описать постановки задач управления инновационными проектами в корпорации.

5. Сформулировать задачи управления смешанным потоком инновационных проектов.

6. Разработать инструментальные методы принятия проектных решений по реализации инновационных проектов в корпорации в условиях неопределенности.

7. Синтезировать прикладные задачи, позволяющие адаптировать методы Шортлифа-Бьюкенена и Демпстера-Шафера для управления потоками инновационных проектов корпорации.

8. Выявить и конкретизировать принципы минимизации риска реализации инновационного проекта в корпорации.

Теоретическая основа и информационная база исследования

Теоретическую основу исследования составляют фундаментальные разработки по актуальным проблемам инновационного менеджмента, теории потока, теории вероятности и систем массового обслуживания, методологии управления случайными процессами, теории систем и оптимального управления стохастическими процессами, теории стохастических дифференциальных уравнений.

Информационно-документационную базу диссертационного исследования составили материалы, опубликованные Федеральной службой государственной статистики, законодательные и нормативные акты Российской Федерации, постановления и распоряжения Правительства Российской Федерации, связанные с регулированием инновационной деятельности корпораций, материалы научно-практических конференций, публикации отечественных и зарубежных экономистов, профильные Интернет-ресурсы.

Научная новизна и положения, выносимые на защиту

Научная новизна диссертационной работы заключается в решении научной проблемы по созданию экономико-математического инструментария для анализа и синтеза инновационных систем на множестве состояний функционирования с применением инструментов теории искусственного интеллекта, в том числе методологии нейронных сетей, генетических алгоритмов и др., используемых в условиях неопределенности. Научная новизна диссертации содержится в следующих положениях:

1. Разработана экономико-математическая модель потоков инновационных проектов корпорации как инфраструктурный элемент системы управления эффективностью инновационной деятельности, на основе критерия эффективности инновационной деятельности. Поток инновационных проектов корпорации как объект моделирования имеет сложную структуру. Компонентами этой структуры являются модели бизнес-процессов проектирования отдельных видов материальных объектов, последовательности проектов (модернизаций) для одного вида объекта, поток проектов по созданию продукции различных видов.

2. Описано множество состояний функционирования системы инновационных проектов корпорации. Всеобъемлющий учет факторов, учитывающий интеграцию множеств состояний работоспособности с множеством режимных ситуаций и нечетким множеством, позволяет описать адаптированное (расширенное) множество состояний функционирования. Наиболее существенные отличия нечетких множеств от множеств состояний работоспособности и множеств режимных ситуаций, учет которых важен при консолидации указанных множеств, следующие: а) нечеткие множества не содержат жесткую границу между различными состояниями; б) условия нормировки при вероятностной трактовке возможных ситуаций не выполняются.

3. Разработаны модели систем на множестве состояний функционирования. Выделены четыре класса объектов, зависящие от характера изменения переменной состояния и возможностей ее идентификации на рассматриваемых интервалах времени. Если – множество последовательно рассматриваемых интервалов времени, то система относится к первому классу, если: а) ; б) – значение известно или может быть определено в начале интервала . Здесь значение на i-м (в порядке очередности) интервале . Система относится ко второму классу, если: а) выполняется условие а); в) состояние функционирования при неизвестно, а если и определено в момент , то не может быть использовано для исследования системы на данном интервале времени; г) в момент известно распределение вероятностей значений на интервале , а возможно и состояние , в котором находилась система в предшествующий интервал времени. Система относится к третьему классу, если: д) ; е) значение известно или может быть определено в каждый момент времени . Система относится к четвертому классу, если: ж) выполняется условие д); з) в момент известно значение неизвестны при .

4. Описаны постановки задач управления инновационными проектами в корпорации. Задача принятия проектного решения применительно к s-й стадии i-го проекта для j-го вида продукции или подразделения в общем случае формулируется следующим образом: а) вырабатывается множество альтернативных вариантов разрабатываемого вида продукции применительно к s-й стадии; б) вводятся множества состояний функционирования вариантов , критерии сравнения вариантов , информация о вариантах и ограничения на выполнение работ на s-й стадии. Требуется с использованием модели оценить значения критериев , выделить подмножество вариантов , удовлетворяющих ограничениям , и определить оптимальный вариант .

5. Сформулированы задачи управления смешанным потоком проектов. Общая задача управления смешанным потоком проектов или метазадача в основном решается для рационального распределения ограниченных ресурсов с целью успешного выполнения всех проектов . Для простоты в работе предполагается, что последовательности являются неперекрывающимися, поэтому в каждый текущий момент времени в стадии разработки находится не более проектов. Основными задачами управления потоком проектов являются следующие: оптимизация структуры потока реинжиниринг корпорации; задачи планирования и распределения ресурсов; прогнозирование изменения показателей потока ; построение модели потока проектов, идентификация параметров модели; принятие решений о стратегическом партнерстве основных участников корпорации.

6. Разработаны методы принятия проектных решений в условиях неопределенности. Идея алгоритма заключается в последовательном привлечении дополнительных экспертов и подсчета для каждого проекта средней апостериорной вероятности того, что этот проект является оптимальным. Работа продолжается до тех пор, пока средняя апостериорная вероятность одного из проектов множества не будет существенно выше, чем для альтернативных проектов. При соблюдении некоторых условий на возможные исходы последующих экспертиз данный проект считается оптимальным. Результат работы каждого дополнительно привлекаемого эксперта рассматривается как исход проведенного опыта, и расчет апостериорной вероятности производится по формуле Байеса.

7. Разработаны прикладные задачи, позволяющие адаптировать методы Шортлифа-Бьюкенена и Демпстера-Шафера для управления потоками инновационных проектов корпорации. Разработанная в диссертции методика применения модифицированной формулы Демстера состоит в следующем: а) при поступлении новых данных (свидетельств) о ходе реализации инновационного проекта с мерами , для которых устанавливается коэффициент достоверности по отношению к ранее использованным ; б) значение коэффициента может устанавливаться на основе экспертных оценок или на основе сравнения характеристик точности X и Y; в) на основе использования коэффициента значения пересчитываются в ; г) пересчитанные значения используются в формуле Демпстера для расчета .

8. Сформулированы принципы минимизации риска реализации инновационного проекта. Оценка вероятностей различных событий, которые описывают ход реализации инновационных проектов в корпорации, для рисков первого и второго рода производится с использованием различной исходной информации. Вероятности негативных событий для рисков первого рода определяются на основании инструментов теории надежности и безаварийности. В процессе реализации концепции минимизации риска при проектировании новых видов продукции могут использоваться следующие принципы: а) принцип интеллектуальности; б) принцип неопределенности последствий; в) принцип развития; г) принцип наследования; д) принцип интервальности и нечеткости оценок риска; е) принцип достоверности оценок риска.

Основные результаты исследования соответствуют п. 1.4 «Разработка и исследование моделей и математических методов анализа микроэкономических процессов и систем: отраслей народного хозяйства, фирм и предприятий, домашних хозяйств, рынков, механизмов формирования спроса и потребления, способов количественной оценки предпринимательских рисков и обоснования инвестиционных решений» и п. 2.3 «Разработка систем поддержки принятия решений для рационализации организационных структур и оптимизации управления экономикой на всех уровнях» паспорта специальности 08.00.13 – Математические и инструментальные методы экономики.

Теоретическая и практическая значимость результатов работы

Теоретическая значимость результатов состоит в развитии теории прикладного экономического моделирования инновационных динамических объектов управления, имеющих потоковый характер, включающих совокупность проектов. Отдельное значение для теории экономического моделирования имеет предложенная в диссертации система инструментов анализа и синтеза потока проектов на множестве состояний с учетом возможностей искусственного интеллекта в условиях неопределенности. Дополнительно рассмотрены возможности использования теории нечетких множеств для снижения неопределенности процесса принятия решений по управлению инновационными проектами.

Практическая значимость результатов исследования заключается в возможности использования полученных в работе моделей, методов и алгоритмов для решения оперативных и стратегических задач по управлению инновационной деятельностью корпорации в формате потока инновационных проектов, когда кроме разработки новых, существующие изделия постоянно совершенствуются (модернизируются, развиваются) в связи с ужесточающимися требованиями и с целью использования последних достижений научно-технического процесса.

Внедрение и апробация научных и практических результатов

Основные результаты диссертационного исследования прошли обсуждение на следующих международных и всероссийских конференциях: II Международная научно-практическая конференция «Составляющие научно-технического прогресса» (Тамбов, ТГТУ, 2006 г.); Международная конференция «Информационные технологии в науке, образовании и производстве» (Орел, 2006 г.); Конференция «Вопросы современной науки и практики» (Тамбов, 2006 г.); Конференция «Современные твердофазные технологии: теория, практика и инновационный менеджмент» (Тамбов, 2009 г.); Научно-производственная конференция «Стратегия развития научно-производственного комплекса Российской Федерации в области разработки и производства систем жизнеобеспечения и защиты человека в условиях химической и биологической опасности» (Тамбов, 2009 г.); XXIII Международная научная конференция «Математические методы в технике и технологиях» (Саратов, 2010 г.).

Результаты диссертационной работы используются ОАО «Корпорация «Росхимзащита» (г. Тамбов), ЗАО «Корпорация «Спецзащита» (г. Москва), ОАО «Научно-исследовательский и конструкторский институт химического машиностроения» (г. Москва), при формировании программы развития системы управления потоками инновационных проектов по созданию новых средств индивидуальной и коллективной защиты. Результаты диссертации используются в Тамбовском государственном техническом университете в учебных дисциплинах «Управление инновационной деятельностью», «Производственный менеджмент», «Управление рисками».

По теме диссертации опубликовано 2 монографии, 14 статей в журналах, рекомендованных ВАК РФ, а также в процессе проведения исследований получен ряд патентов РФ.

Объем и структура работы

Диссертационная работа состоит из введения, пяти глав, заключения и списка использованной литературы.

ВЕДЕНИЕ

1 ОСОБЕННОСТИ УПРАВЛЕНИЯ ПОТОКАМИ ИННОВАЦИОННЫХ ПРОЕКТОВ

1.1 Анализ потенциала развития системы управления потоками инновационных проектов в корпорациях

1.2 Особенности реализации потоков инновационных проектов в корпорациях

1.3 Разработка модели потоков инновационных проектов в корпорации

2 СИСТЕМНОЕ МОДЕЛИРОВАНИЕ ПРОЦЕССОВ ПРОЕКТИРОВАНИЯ

2.1 Модели проектируемых объектов

2.2 Множество состояний функционирования

2.3 Модели систем на множестве состояний функционирования

3 ПОСТАНОВКИ ЗАДАЧ УПРАВЛЕНИЯ ПРОЕКТАМИ

3.1 Задачи управления одним инновационным проектом

3.2 Задачи управления последовательностью проектов одного объекта (однородным потоком проектов)

3.3 Задачи управления смешанным потоком проектов

4 АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ СИСТЕМ УПРАВЛЕНИЯ ПРОЕКТАМИ

4.1 Методы принятия проектных решений в условиях неопределенности

4.2 Адаптация методов шортлифа-бьюкенена и демпстера-шафера для управления потоками проектов

4.3 Алгоритмы прогнозирования при управлении потоком проектов

5 КОНЦЕПЦИЯ И ПРИНЦИПЫ МИНИМИЗАЦИИ РИСКА В ЗАДАЧАХ УПРАВЛЕНИЯ ПРОЕКТАМИ

5.1 Оценка рисков проектируемого объекта

5.2 Оценка рисков выполнения проектов

5.3 Принципы минимизации риска

ЗАКЛЮЧЕНИЕ

УСЛОВНЫЕ ОБОЗНАЧЕНИЯ

ИСПОЛЬЗУЕМЫЕ СОКРАЩЕНИЯ

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЯ

основное содержание исследования

В рамках первого научного результата разработана модель потоков инновационных проектов корпорации как инфраструктурный элемент системы управления эффективностью инновационной деятельности. Инновационная деятельность корпорации, как правило, представляет собой набор транзакций или шагов в рамках единой производственной системы, поэтому для описания каждого направления деятельности корпорации наиболее целесообразно использовать термин «поток». Инновации являются инициирующим этапом основной деятельности любой промышленной корпорации, создают базис для производства. Именно поэтому от качества созданной модели потока инновационных проектов зависит эффективность деятельности корпорации. В ходе моделирования основные стратегические задачи можно сформулировать следующим образом:

  • во-первых, создать предпосылки для роста эффективности производственной деятельности корпорации;
  • во-вторых, обосновать базу для создания новых и улучшения характеристик существующих продуктов;
  • в-третьих, на основе теоретических и прикладных исследований сформировать предпосылки для появления новых продуктов.

Результатом инноваций становятся, как правило, новые технологии, реализуемые в процессе производства продукции. Фактически, инновация, не получившая материальное воплощение (например, в форме технологии, патента или положения), не переходит в производственную стадию, а остается проектом, поэтому по истечении заданного периода времени может быть сокращена как неперспективная. Основным результатом производства является пригодный для реализации на рынке продукт (номенклатура продуктов), на которые существует спрос вне корпорации. В рамках производственной деятельности выделяются следующие уровни принятия решений: контроль полноты патентной защиты результатов, технологий, изобретений, полученных в ходе инновационной деятельности, осуществляется на уровне Совета директоров, а управление потоком инновационных проектов – на операционном уровне.

В качестве критерия эффективности инновационной деятельности корпорации, как правило, используется уровень внедрения результатов в производственной деятельности. Усиление конкуренции требует постоянного обновления всех объектов (продукции, производственных активов, технологий управления). Для этого в рамках корпорации должны постоянно инициироваться и эффективно реализовываться разнообразные инновационные проекты (должен быть создан так называемый поток проектов). Разнообразие проектов, которые реализует корпорация, предполагает использование связанно-дифференцированного подхода к управлению ими. С одной стороны, нужно учитывать взаимное влияние получаемых результатов, с другой стороны – каждый проект требует достаточно автономных специфических действий со стороны руководителей корпорации.

В соответствии с данной концепцией поток инновационных проектов корпорации как объект моделирования имеет сложную структуру. Компонентами этой структуры являются модели бизнес-процессов проектирования отдельных видов материальных объектов, последовательности проектов (модернизаций) для одного вида объекта, поток проектов по созданию продукции различных видов. В частности, модель процесса проектирования объекта Mji (например, конкретного вида продукции корпорации) можно представить как модель динамики дискретной системы:

                        (1)

где

состояние проектируемого объекта в результате выполнения работ на стадии жизненного цикла проекта, причем ;

– воздействия на s-й стадии жизненного цикла, заключающиеся в изменении принципа действия (ПД), конструкции (К), информационных возможностей (ИВ).

Показатель, характеризующий инновационность i-й модификации вида продукции в проекте Пр, определяется на основе сопоставления частных моделей и , т.е.:

.                              (2)

Показатель инновационности для Пр, обозначим его , рассчитывается как сумма:

,                                                 (3)

где

– весовой коэффициент -го компонента модели (2);

– изменение (совершенствование) -го компонента в проекте Пр, т.е.:

,

В диссертации выдвинут тезис о том, что поток проектов можно считать однородным, если все проекты относятся только к объекту j-го вида. В данной ситуации под моделью потока проектов понимается множество последовательностей проектов (формула (1)), реализуемых в рамках корпорации, т.е.:

,                                                (4)

где

число последовательностей, различающихся типами объектов проектирования.

В работе показано, что основными количественными показателями интенсивности потока являются: среднее число проектов , находящихся в стадии разработки в произвольно взятый момент времени, средняя продолжительность выполнения одного проекта . Эти показатели рассчитываются применительно к определенному интервалу наблюдения . Показатели и для временного интервала наблюдения могут рассчитываться с использованием следующих соотношений:

;                                          (5)

;                                             (6)

где

– число проектов, выполняемых в момент времени из интервала наблюдения;

n – число моментов времени;

– множество номеров проектов, выполненных за время ;

– продолжительность выполнения v-го проекта;

– число выполненных проектов за время .

Продолжительность временного интервала наблюдения берется такой, чтобы множество содержало все номера последовательностей , т.е. . В качестве дополнительных показателей потока могут рассматриваться:

  • максимальное (верхнее) и минимальное (нижнее) значения на интервале , т.е.

;                                    (7)

;                                    (8)

где

;

  • максимальное (верхнее) и минимальное (нижнее) значения на интервале т.е.

,                                        (9)

.                                      (10)

Таким образом, для повышения эффективности управления потоком инновационных проектов в корпорации составляется модель потока, которая позволяет выделить потоки однородных и неоднородных проектов, что дает возможность более четко учитывать синерегтический эффект между проектами, а также повысить точность распределения ресурсов между проектами, учесть возможную конвергенцию эффектов от реализации проектов и выделить улучшения в принципах действия, конструкции, информационных возможностях и технических характеристиках продукции, процесса или объекта корпорации.

Во втором научном результате описано множество состояний функционирования системы инновационных проектов корпорации. Эффективность потока инновационных проектов как системы определяется, прежде всего, свойствами надежности, условиями реализации, воздействиями внешней среды и другими факторами, причем данные факторы, как правило, имеют нечеткий (расплывчатый), вероятностный либо детерминированный характер. Всеобъемлющий учет факторов, учитывающий интеграцию множеств состояний работоспособности (МСР) с множеством режимных ситуаций (МРС) и нечетким множеством (НМ), позволяет описать адаптированное (расширенное) множество состояний функционирования (РМСФ). Основные направления сравнения характеристик указанных множеств приведены в таблице 1.

Из таблицы 1 видно, что наиболее значимыми отличиями нечетких множеств от множеств состояний работоспособности и множеств режимных ситуаций, которые целесообразно учитывать при их интеграции, являются следующие:

а) нечеткие множества не содержат жесткую границу между различными состояниями;

б) условия нормировки при вероятностной трактовке возможных ситуаций не выполняются.

В работе показано, что важную роль при разработке математических моделей, используемых для проектирования новой продукции корпорации, играют переменная состояния функционирования и множество ее значений.

Таблица 1 – Составляющие РМСФ и их характеристики

Характеристики множеств

МСФ

НМ

МСР

МРС

Границы между состояниями

Четкие (состояния несовместимые, исключающие)

Размытые (состояния совместимые)

Характеристика состояния

Вероятность

Функция принадлежности

Условия нормировки

Выполняются

Не выполняются

Моменты времени переходов между состояниями

Случайны

Могут быть неслучайными

Не определены

Число элементов множества во время эксплуатации

Постоянно

Может незначительно измениться

Меняется

Исходные данные для расчета вероятностей

Показатели надежности частей и схема обслуживания

Планы работ, статистические данные

Статистические данные, мнения экспертов

Расширяя и дополняя предложения Муромцева Д. Ю.1, в работе показано, что в общем случае введение переменной и множества потока инновационных проектов как системы обусловлено необходимостью решения следующих задач:

  • декомпозиция потока связанных проектов на отдельные проекты (элементы потока);
  • необходимость оиписания множеств состояний функционирования (работоспособности) этих проектов;
  • установление связи значений с состояниями функционирования проектов;
  • построение множества системы;
  • проверка возможности использования множества для разработки обобщенной математической модели процессов, которая учитывает наряду с изменением вектора фазовых координат изменение переменной .

Применительно к системе управления потоками инновационных проектов задача, описанная Муромцевым Д. Ю. трансформируется следующим образом. Вводится понятие состояния работоспособности (функционирования) элемента (конкретного инновационного проекта). Можно говорить, что элемент нормально реализуется (состояние ), когда он выполняет все необходимые (заданные) функции в соответствии с определенным оператором. Если в результате какого-либо нарушения в проекте не может быть выполнена j-я функция, то данное состояние обозначается , соответственно через обозначаются состояния невыполнения j-й и k-й функций и т.д. Множество состояний функционирования проекта обозначается . Множество содержит минимум два состояния – нормальное функционирование и полный отказ (рисунок 1, а). Проекты (элементы потока), для которых = 2, называются простейшими, здесь обозначает число элементов (мощность) множества . Переходы проекта из одного состояния работоспособности в другое происходят в случайные моменты времени (рисунок 1, б).

Множество состояний функционирования потока проектов вводится на основе множеств элементов и в общем случае , т.е. – объединение декартовых произведений множеств во всех возможных очередностях перемножения. Значения переменной состояния функционирования потока проектов здесь отличаются сочетаниями и очередностью отказавших элементов.

Рисунок 1 – Множество состояний работоспособности
простейшего элемента (а) и процесс изменения
состояний работоспособности (б): – моменты отказа элемента; – моменты его восстановления

Например, пусть

;

тогда

и

где

– состояние нормальной реализации протока проектов;

– состояние нарушения i-го проекта;

– состояние нарушения двух проектов, причем i-й отказал первым.

Данное множество приведено на рис. 2.5, а.

Множества , значения которых отличаются сочетаниями и очередностью (размещениями) отказавших частей, обозначим . Для системы из простейших элементов мощность множества равна

,

если же , то .

Рисунок 7 – Множества состояний функционирования системы:

а – ; б – ; в –

Значения для этих случаев при различном числе частей системы приведены в таблице 2. Как видно из таблицы, с увеличением и числа состояний работоспособности элементов мощность множества быстро растет, при > 5 эти множества малопригодны для анализа систем.

Таблица 2 – Мощности множеств HC и HA состояний функционирования систем

Число элементов системы,

2

4

5

9

13

3

8

16

27

79

4

16

65

81

633

5

32

326

243

6331

6

64

1956

729

15 973

7

128

13 672

2187

1 063 623

8

256

104 601

6561

17 017 969

9

512

986 410

19 683

306 323 442

1

1024

9 843 941

59 049

>1010

15

32 768

>1012

14 348 907

>1027

20

1 044 576

>1019

~3,5·109

>1037

Множества , состояния которых отличаются лишь сочетаниями отказавших элементов системы, обозначим Для системы из элементов

и мощность множества равна .

С целью сокращения объема вычислительных работ, вызываемых большой мощностью множеств и можно вводить комбинированные множества, например, на верхних двух-трех уровнях используется а на нижних – или . На основании обобщения изложенного в работе сделан вывод, что методика введения расширенного множества состояний функционирования заключается в следующем:

  1. Производится декомпозиция исследуемой системы на части, и вводятся состояния работоспособности частей.
  2. Строится множество состояний работоспособности системы с учетом резервирования и схемы обслуживания, т.е. возможностей ремонтной службы, приоритетов при устранении отказов и т.д. В множестве выделяются два подмножества и .
  3. Строится множество , отражающее возможные производственные и эксплуатационные ситуации , которые могут иметь место при функционировании системы.
  4. Вводится множество состояний функционирования как декартово произведение
  5. На основе нечетких множеств, характеризующих внешнее окружение системы, вводится дискретное множество .
  6. Строится расширенное множество состояний функционирования .

Использование расширенного множества состояний функционирования позволяет оперативно локализовывать те продукты, при производстве которых наблюдаются наиболее существенные отклонения от параметров инновационного проекта. Это дает возможность руководству корпорации принимать адекватные меры по ходу реализации проекта и своевременно урегулировать конфликтные и нештатные ситуации.

В рамках третьего научного результата разработаны модели систем на множестве состояний функционирования. В зависимости от характера изменения переменной и возможности ее идентификации на рассматриваемых интервалах времени выделены четыре класса объектов (рисунок 11). В диссертации даны определения систем каждого класса. В частности, показано, что если – множество последовательно рассматриваемых интервалов времени, то система относится к первому классу, если:

а) ;                                                   (11)

б) – значение известно или может быть определено в начале интервала . Здесь значение на i-м (в порядке очередности) интервале .

Такие системы в диссертации обозначаются . Как видно из определения, для системы , интервалы не содержат моментов переключения переменой . Изменения происходят как бы в моменты времени, не принадлежащие интервалам . Если же система рассматривается в течение непрерывной длительной эксплуатации, то весь период ее функционирования разбивается на подынтервалы между моментами изменения . При этом продолжительность каждого подынтервала достаточна для решения задач анализа системы в соответствующем состоянии функционирования.

Очевидно, чтобы исследовать свойства системы , достаточно исследовать их для каждого значения . Обычно системами являются нестационарные объекты, изменения которых происходят редко (среднее время между сменами состояний функционирования значительно превышает интервал ) и каждое новое значение своевременно фиксируется.

Рисунок 11 – Классификация систем, работающих на множестве состояний функционирования

Упрощенная структурная схема системы приведена на рисунке 12.Для этой ситуации в диссертации дано следующее определение:

Определение 1. Пусть соответственно начало и конец временного интервала . Система относится ко второму классу, если:

а) выполняется условие (11);

б) состояние функционирования при неизвестно, а если и определено в момент , то не может быть использовано для исследования системы на данном интервале времени;

в) в момент известно распределение вероятностей значений на интервале , а возможно и состояние , в котором находилась система в предшествующий интервал времени.

Системы второго класса будем обозначать . Они имеют много общего с известными стохастическими динамическими системами. Структурная схема системы приведена на рисунке 12, а. Примером системы является объект, рассматриваемый на столь малых интервалах времени , что на них отсутствует возможность идентификации переменной или коррекции поведения системы после определения значения , в частности, при программной стратегии управления в пределах .

Рисунок 12 – Структурные схемы систем на множестве состояний функционирования

Определение 2. Пусть множество моментов времени скачкообразного изменения (переключений) переменной . Система относится к третьему классу, если:

а) ;                                                                               (12)

б) значение известно или может быть определено в каждый момент времени .

Такие системы в работе обозначены Упрощенная схема системы в предположении, что траектория содержит моментов переключения, приведена на рисунке 12, в.

Определение 3. Пусть начальное состояние системы для интервала и – множество возможных траекторий , получаемое в соответствии с графом . Система относится к четвертому классу, если:

а) выполняется условие (12);

б) в момент известно значение неизвестны при . Такого рода системы обозначим . Упрощенная схема системы приведена на рисунке 12, г.

Естественно, рассмотренная классификация не охватывает всего разнообразия систем, встречающихся в практике управления инновационными проектами в которациях. В частности, имеются системы, которые в одни интервалы времени целесообразно отнести к одному классу, в другие – к другому. Это в ряде случаев затрудняет отнесение исследуемой системы к одному определенному классу и выбор инструментов управления.

В работе отмечено, что приведенная классификация не исключает деления систем по другим признакам, например, линейности, определенности и т.д. Однако по этим признакам система должна классифицироваться лишь применительно к определенному подмножеству значений переменной , так как при изменении свойства системы могут коренным образом меняться. Так, например, детерминированная система в одном состоянии функционирования будет вероятностной в другом и т.п.

Использование предложенных моделей на множестве состояний функционирования позволяет выбирать соответствующую модель в зависимости от стадии жизненного цикла проекта и особенностей разрабатываемой в его рамках продукции. Использование различных моделей позволяет более точно прогнозировать основные сбои и этапы проекта для своевременного ресурсного обеспечения проблем и их устранения с минимальными последствиями для корпорации.

В четвертом научном результате опасаны постановки задач управления инновационными проектами в корпорации. В работе рассмотрены основные особенности различных классов задач управления проектами. Как показано в диссертации, в настоящее время наибольший интерес представляют задачи принятия проектных решений на различных стадиях жизненного цикла проекта. В частности, задача принятия проектного решения (ЗПР) применительно к s-й стадии i-го проекта для j-го вида продукции или подразделения в общем случае формулируется следующим образом:

1) вырабатывается множество альтернативных вариантов разрабатываемого вида продукции применительно к s-й стадии;

2) вводятся множества состояний функционирования вариантов , критерии сравнения вариантов , информация о вариантах и ограничения на выполнение работ на s-й стадии.

Требуется с использованием модели оценить значения критериев , выделить подмножество вариантов , удовлетворяющих ограничениям , и определить оптимальный вариант . Сокращенно данную задачу запишем в следующем виде:

                           (13)

и

.                                              (14)

Формально решение задачи управления i-м проектом j-го объекта (ЗУПр ) может быть записано в виде кортежа:

,                                        (15)

где

число стадий этапов ЖЦ проекта.

Важно отметить, что основные работы по изменению каждого из компонентов , т.е. , обычно производятся на разных стадиях ЖЦ объекта. Соответствующие подмножества стадий обозначим . Вектор затрат при выполнении работ s-й стадии обозначим  и допустимые затраты на весь проект . В этом случае ограничение на используемые ресурсы при управлении проектом записывается в виде

.                                             (16)

Конечная цель проектирования вида продукции может быть представлена кортежем:

;                         (17)

где

допустимые (по техническому заданию) технические характеристики;

фактический и планируемый сроки завершения проекта;

оценка риска и допустимое его значение.

Выполняемые операции по принятию проектного решения проходят две фазы (этапа) – фазу «Действие» и фазу непосредственно «Принятие решения». Для принятых обозначений ЗУПр формулируется следующим образом. Для заданных:

  • объекта прототипа ;
  • возможного улучшения технических характеристик ;
  • изменений соответственно принципа действия, конструкции, информационных возможностей , , ;
  • допустимых затрат .

Требуется определить такие воздействия на проект , чтобы в соответствии с моделью (15) достичь цели проектирования (17), т.е. за требуемое время получить требуемые технические характеристики вида продукции при допустимом риске с учетом множества состояний функционирования . Формализованно сформулированная задача записывается в виде:

;                     (18)

;        (19)

;             (20)

;                      (21)

;               (22)

;                                             (23)

;                                                 (24)

;                                                    (25)

;                                                     (26)

;

; (27)

где

соответственно технические характеристики и риск объекта на множестве состояний функционирования .

Повышение качества постановки задачи управления проектом позволяет соответствующим подразаделениям корпорации получить объективный количественный критерий не только основных этапов выполняемого инновационного проекта, но и основных групп улучшений, например, в конструкции, принципе действия, которые необходимо достичь в результате реализации проекта при заданных объемах ресурсного обеспечения и за отведенное на решение этой задачи время.

В пятом научном результате сформулированы задачи управления смешанным потоком проектов. Общая задача управления смешанным потоком проектов или метазадача в основном решается для рационального распределения ограниченных ресурсов с целью успешного выполнения всех проектов . Для простоты в работе предполагается, что последовательности являются неперекрывающимися, поэтому в каждый текущий момент времени в стадии разработки находится не более проектов. Основными задачами управления потоком проектов являются следующие:

  • оптимизация структуры потока
  • реинжиниринг корпорации;
  • задачи планирования и распределения ресурсов;
  • прогнозирование изменения показателей потока ;
  • построение модели потока проектов, идентификация параметров модели;
  • принятие решений о стратегическом партнерстве основных участников корпорации.

Задача оптимизации структуры потока проектов включает ряд частных задач:

  • определение целесообразной номенклатуры проектируемых объектов (N) и распределение их между классами (задача S1);
  • определение времени , когда требуется изменение существующей структуры (задача S2);
  • оптимальное распределение ресурсов организации между классами потоков (S3).

Обозначим массив показателей недоиспользования ресурсов (нр) . Составляющими являются среднее время , в течение которого не используется j-й вид ресурсов, например, кадровых (по подразделениям), технологического оборудования, испытательных установок и т.д. таким образом, , где число видов ресурсов, необходимых для обеспечения потока . Массив показателей потерь (простоев) при выполнении стадий проектных работ потока обозначим . Изменение структуры потока формально обозначим , здесь подстрочный индекс обозначает i-й вид изменения структуры, например, исключение из потока последовательности . Соответствующие изменения показателей и обозначим , . В этом случае задача S1 формируется следующим образом. Известны:

  • состав существующей структуры ;
  • оператор (алгоритмы) расчета показателей, характеризующих недоиспользование ресурсов корпорации:

;                                             (28)

  • оператор расчета показателей, характеризующих потери , связанные с задержками выполнения стадий проектирования

;                                               (29)

  • модель потока , позволяющая рассчитать изменения показателей и при изменении структуры , т.е.

.      (30)

Требуется, используя , операторы (28)-(30), определить изменение структуры , при котором и минимальны, и принять решение, насколько целесообразно изменение . Задача S2 о выборе времени внесения изменений в структуру заключается в следующем. Пусть сформировано множество вариантов изменения структуры потока:

,                                            (31)

где

– вид изменений, например, прекращение совершенствования и выпуска j-го вида продукции и т.п.

Для каждого варианта изменения сделана оценка желательности этого изменения и определен временной интервал , когда это изменение целесообразно провести. Таким образом, множеству (31) поставлено в соответствии множество двоек:

.                                      (32)

Требуется определить наиболее предпочтительный вариант или группу вариантов и время их реализации. Для решения этой задачи используются операторы формирования множества :

                                                 (33)

и определения

.                                          (34)

Одновременно с задачами S1 и S2 решается задача оптимального распределения ресурсов корпорации между классами потоков (задача S3). Для этого рассматривается поток ресурсных затрат

;                              (35)

где

– рассматриваемый временной интервал функционирования организаций при постоянной структуре ;

расходуемые ресурсы в момент времени , при этом

.            (36)

Каждому классу потоков назначается рейтинг , учитывающий важность данного класса проектов для портфеля инновационных проектов корпорации. В необходимых случаях могут выделяться для определения рейтинга отдельные последовательности проектов. Необходимо, используя оператор:

,             (37)

определить матрицу распределения ресурсов по видам и классам потоков, такую, при которой выбранный показатель эффективности максимален. В качестве показателя может использоваться прибыль, объем заказов, процент числа выполненных в срок проектов и другие измеримые показатели эффективности.

Задача реинжиниринга предприятий возникает, когда решение задач S1, S2, S3 не приводит к заметному изменению показателей при существующей миссии, организационной структуре и используемых технологиях на предприятии. Данная задача характеризуется высокой степенью неопределенности и сложности, в результате ее решения требуется определить, когда следует начать работы по реинжинирингу  (время ), выявить позиции, которые требуют улучшения (массив ), принять решение о вносимых изменениях (массив ), спланировать и реализовать эти изменения.

Таким образом, основными частными задачами реинжиниринга являются задача R1 – определения времени , задача R2 – определения массива узких мест и задача R3 – определение необходимых изменений . В этих задачах величины рассматриваются как нечеткие множества.

В терминах теории нечеткой логики задача R1 формулируется как задача идентификации проблемной ситуации. В качестве основных характеристик проблемы рассматриваются – уровень (категория) реинжиниринга (локальный (л), глобальный (гл)) и время начала работ (экстренно (э), в ближайшее время (бл.вр.), пока нет необходимости). На рисунке 14 в координатах время и категория качественно представлены основные кластеры проблемных ситуаций: – глобальный реинжиниринг требуется провести экстренно; – экстренный локальный реинжиниринг; – глобальный реинжиниринг в ближайшее время; – локальный реинжиниринг в ближайшее время; – пока нет необходимости в реинжиниринге.

Рисунок 14 – Качественное представление основных кластеров проблемы реинжиниринга в рамках инновационной деятельности корпорации

В результате реализации смешанного потока проектов появляется синергетический эффект, одним из вероятных следствий которого становится реинжиниринг основных производственных процессов корпорации. Для устранения возможных негативных последствий стихийного реинжиниринга требуется формализации процесса, в которой заранее устанавливаются целевые значения и показатели, которые являются базовыми для всего процесса управления инновационными проектами и для реинжиниринга основных производственных процессов корпорации.

В шестом научном результате разработаны методы принятия проектных решений в условиях неопределенности. Пусть требуется из множества вариантов решений, показатели эффективности которых примерно одинаковы, выбрать наиболее целесообразный для реализации. Обработка результатов работы «узкой» группы экспертов показала, что их мнения не могут быть признаны согласованными (коэффициент конкордации низок) и среди рассматриваемых вариантов нет выделяющегося «лидера».

Идея алгоритма заключается в последовательном привлечении дополнительных экспертов и подсчета для каждого проекта средней апостериорной вероятности того, что этот проект является оптимальным. Работа продолжается до тех пор, пока средняя апостериорная вероятность одного из проектов множества не будет существенно выше, чем для альтернативных проектов. При соблюдении некоторых условий на возможные исходы последующих экспертиз данный проект считается оптимальным. Результат работы каждого дополнительно привлекаемого эксперта рассматривается как исход проведенного опыта, и расчет апостериорной вероятности производится по формуле Байеса, т.е.:

                   (38)

где

– предположение (гипотеза) о том, что вариант является оптимальным;

– результат экспертизы (событие) об оптимальности варианта ;

– число рассматриваемых вариантов (мощность множества );

– априорная и апостериорная вероятности гипотезы соответственно;

– вероятность события , если имеет место гипотеза (правдоподобие).

Будем полагать, что событие произошло, если вариант очередной эксперт расположил на первое место, при 2…3, и на первое или второе место при . Если произошло событие , то апостериорная вероятность рассчитывается по формуле, аналогичной (5.1), т.е.

,                          (39)

где

– апостериорная вероятность гипотезы при событии .

По результатам работы очередного k-го эксперта рассчитываются усредненные апостериорные вероятности по формуле:

;                   (40)

,

где – событие, связанное с проверкой гипотезы , т.е. того, что k-й эксперт вариант поставит на первые места, для части слагаемых суммы имеет место , для другой – .

Вероятности естественно удовлетворяют условию полноты группы событий, т.е.

и

В качестве оптимального варианта после k-й экспертизы берется тот, для которого вероятность, рассчитанная по формуле (40), максимальна и выполняется условие, что некоторое наперед заданное число m последующих экспертиз не изменяет соотношения:

,                     (41)

где

– гипотеза об оптимальности варианта .

При использовании байесовского подхода для решения подобных задач важную роль играет формализация правила «остановки» в процессе проведения экспертиз. С одной стороны, своевременное прекращение итераций экономит средства, затрачиваемые на проведение экспертиз. С другой стороны, необходима уверенность, что дальнейшее привлечение экспертов не приведет к кардинальному изменению усредненной апостериорной вероятности и принятию другого варианта для реализации. Наиболее естественно решение об «остановке» принимать по двум показателям: числе m дополнительных экспертов, высказывания которых могут изменить выбор оптимального варианта, и вероятности того, что результаты высказываний этих экспертов приведут к изменению варианта, т.е. гипотезы, для которой усредненная апостериорная вероятность максимальна. Определение показателей и произведем при следующих допущениях:

  1. в множестве можно выделить два лидирующих варианта и ;
  2. проведена обработка мнений k экспертов, при этом варианту отдавалось предпочтение (исход A) раз и варианту (исход ) – раз , т.е. по результатам итераций вариант считается предпочтительным (вероятность – максимальна);
  3. в качестве вероятностей исходов и B принимаются оценки

                                         (42)

причем вероятность ;

  1. исходы и при последующих высказываниях экспертов являются независимыми и совместимыми;
  2. очередность исходов в экспертизах не влияет на конечный результат.

При данных допущениях имеет место следующее утверждение. Если и , то соотношение:

                           (43)

становится возможным при:

.                                           (44)

Доказательство данного утверждения непосредственно следует из формулы Байеса (38) и принятых допущений. Для определения вероятности , характеризующей возможность неравенства (43), в диссертации использована комбинация моделей Бернулли для повторяющихся испытаний. Показано, что если имеет место:

и

,                                                    (45)

то вероятность выполнения неравенства (43) при минимальном значении m определяется формулой:

.                                       (46)

Равенство (46) означает, что все привлекаемых дополнительно экспертов выскажутся отрицательно относительно варианта (исходы ) и положительно относительно (исходы B). Формула (46) непосредственно следует из распределения вероятностей возможных сложных событий при испытаниях, в которых события и могут принимать по два исхода с разными вероятностями. Такое распределение при использовании моделей Бернулли для событий и имеет следующий вид:

;               (47)

где

                             (48)

В работе отмечено, что вероятности (см. (42)) необходимо корректировать после каждой итерации. Таким образом, использование байесовского подхода к управлению потоком инновационных проектов корпорации позволяет сделать достаточно надежные выводы о предпочтительном варианте проекта в ситуации с ограничением имеющихся ресурсов и высоким уровне неопределенности результатов. Предложенные методы принятия проектных решений в условиях неопределенности, основанные на использовании метода экспертных оценок совместно с байесовским подходом позволяют формализовать задачу определения числа привлекаемых экспертов для оценки приоритетности инновационных проектов.

При этом расчет средних апостериорных вероятностей дает возможность принимать обоснованные решения относительно формирования портфеля предпочтительных проектов, когда мнения экспертов относительно всей предлагаемой совокупности проектов считаются несогласованными. Расчет апостериорных вероятностей на каждой итерации и прогнозирование вероятностей позволяют исключить из рассмотрения заведомо неперспективные варианты инновационных проектов. Предположенный алгоритм удобен для оперативного принятия решений при работе с экспертами в режиме удаленного доступа (через Internet), когда ответы экспертов поступают не одновременно.

В седьмом научном результате разработаны прикладные задачи, позволяющие адаптировать методы Шортлифа-Бьюкенена и Демпстера-Шафера для управления потоками инновационных проектов корпорации. Разработанная в диссертации методика применения модифицированной формулы Демстера состоит в следующем.

  1. При поступлении новых данных (свидетельств) о ходе реализации инновационного проекта с мерами для них определяется коэффициент достоверности по отношению к ранее используемым .
  2. Коэффициент может оцениваться методом экспертных оценок или на основе сравнения точностных характеристик X и Y.
  3. С использованием коэффициента значения пересчитываются в .
  4. Полученные значения подставляются в формулу Демпстера для расчета .

Применение данной методики позволяет повысить достоверность выработки управленческих решений. Значения мер уверенности (mesure of believe – МВ) и мер недоверия (mesure of distrust – МД), как и для вероятности, всегда должны находиться в интервале [0, 1]. Свидетельства могут быть не только наблюдаемыми, но и гипотезами. Например, есть мера увеличения уверенности в гипотезе h1 при условии, что гипотеза h2 является истинной. Одно и то же свидетельство x не может выступать как в пользу, так и против гипотезы, т.е.:

  • если , то ,                                             (49)
  • если , то .                                             (50)

Если гипотеза h не зависит от свидетельства x, т.е. условная вероятность равна априорной вероятности , то:

.                                      (51)

Определение МВ и МД производится с использованием соотношений:

             (52)

             (53)

где

– априорная вероятность гипотезы ;

– условная вероятность при свидетельстве .

Вероятность отражает уверенность эксперта в в любой момент времени, а – оценка неуверенности эксперта в истинности h. Если , то x увеличивает уверенность эксперта в h. Если , то x уменьшает уверенность в h (и увеличивает неуверенность в истинности h). Для расчета МВ и МД допускается использование упрощенных формул:

если ;                 (54)

, если .                 (55)

Наряду с МВ и МД в модели Шорлифа-Бьюкенена используется также коэффициент или фактор уверенности CF (certainty factor), вычисляемый по формуле:

,              (56)

или

                   (57)

при этом .

Например, гипотеза – стабильная доходность в результате внедрения результатов инновационного проекта в корпорации. Априорная вероятность на основе статистических данных составляет (для корпорации без указания вида продлукции). Пусть в качестве свидетельства x рассматривается, что корпорация производит средства индивидуальной защиты и . В этом случае в соответствии с формулами (52), (53):

,

.

Следует заметить, что при данном подходе

,                                     (58)

где – отрицание .

В диссертации показано, что к основным свойствам меры уверенности и меры недоверия относятся:

  1. если – достоверная гипотеза, то:

;          (59)

  1. если достоверна (отрицание ), то:

;        (60)

  1. в случае недостатка свидетельств:

,                     (61)

т.е. здесь свидетельство не подтверждает гипотезу и не отвергает ее.

В случае упорядоченного наблюдения двух свидетельств сначала и затем расчет МВ и МД производится по формулам:

             (62)

          (63)

.                                   (64)

В случае двух гипотез для расчетов можно использовать приближенные формулы:

                    (65)

                     (66)

                      (67)

                     (68)

Если истинность или ложность части свидетельств неизвестна с полной определенностью, но известно значение CF, основанное на априорных данных , и оно отражает степень уверенности в , тогда и рассматриваются соответственно как степени уверенности и неуверенности в , когда известно, что с полной определенностью является истинным. В этом случае имеют место:

;                       (69)

;

здесь – мера доверия (недоверия) в случае, если известно, что истинно; – все имеющиеся данные.

Метод Шортлифа-Бьюкенена, с одной стороны, позволяет оперативно принять решение при минимуме информации, с другой стороны, он не гарантирует от ошибочных решений. Основными источниками ошибок являются субъективность назначения исходных условных вероятностей и формулирование продукционных правил. Вероятности определяются на основе высказываний экспертов, поэтому в общем случае в результате экспертизы имеет место массив вероятностей

,

где

– доля уверенности принятия варианта на основании данных у v-го эксперта;

– число экспертов.

Массив характеризуется размахом:

;

где

– максимальное (минимальное) значение доли уверенности в группе экспертов.

В зависимости от величины в работе выделены два случая: плотный и разреженный массивы. Массив называется плотным, если не превышает допустимое значение , и массив считается разреженным (неплотным), если . Неплотный массив называется равномерным, если наибольшая разность между проранжированными (соседними) не превышает , и массив называется неравномерным, если эта разность превышает

В диссертации показано, что в качестве центра массива при небольшом целесообразно использовать медианное значение . Предпочтительный вариант решения, полученный при использовании по алгоритмам модели Шортлифа-Бьюкенена, обозначается . Как показано в работе, вариант решения называется абсолютно надежным относительно исходных массивов , если он сохраняется для всех возможных комбинаций . Это число комбинаций имеет порядок , поэтому проводить необходимый объем вычислений практически не представляется возможным.

Для сокращения вычислений можно воспользоваться следующим утверждением. Если массивы заменить интервальными значениями и вариант сохраняется для всех возможных комбинаций границ интервалов, то вариант абсолютно надежен. Число возможных комбинаций в данном случае сокращается до . Для варианта всегда можно выделить вектор граничных значений , который соответствует минимальной интегральной мере уверенности, а для альтернативных вариантов можно выделить вектора , , которые соответствуют максимальным интегральным мерам уверенности, и вариант для выделенных векторов сохраняется как предпочтительный, то он характеризуется как абсолютно надежный. Особенно это важно для инновационных проектов, реализуемых в корпорации, так как от результатов одного проекта зависят результаты других проектов.

Если требования абсолютной надежности не выполняются, то величина показателя надежности оценивается с помощью вычислительных экспериментов следующим образом. Последовательно для всех с использованием и рассчитываются интегрированные значения мер МВ и МД . По результатам расчетов определяется число , при котором вариант сохраняется предпочтительным, и показатель надежности . В случае необходимости (например, и требуется продолжить анализ) проводятся вычислительные эксперименты для всех пар свидетельств и подсчитывается показатель , здесь равно числу сочетаний из n по 2. Аналогично могут подсчитываться и т.д.

Таким образом, методика повышения надежности принимаемых управленческих решений с использованием метода Шорлифа-Бьюкенена заключается в следующем. Прежде всего, по результатам высказываний экспертов определяются медианные значения условных вероятностей успешной реализации инновационных проектов и интервальные значения . Далее, используя значения , рассчитывается условно оптимальный вариант решения , определяющий приоритетный для корпорации инновационный проект. Затем полученный вариант оценивается на надежность (отказоустойчивость). Для этого в расчете вместо используются граничные значения – неблагоприятные для и благоприятные для альтернативных вариантов. Если при этом вариант сохраняется как оптимальный, то принимаемое решение считается абсолютно надежным. В противном случае рассчитываются показатели надежности и т.д., на основе которых принимается окончательное решение о выборе конкретного инновационного проекта для последующей реализации.

В восьмом научном результате сформулированы принципы минимизации риска реализации инновационного проекта. Оценка вероятностей различных событий, которые описывают ход реализации инновационных проектов в корпорации, для рисков первого и второго рода производится на основе различных исходных данных. Для рисков первого рода вероятности негативных событий определяются методами, используемыми в теории надежности и безаварийности. Концепция минимизации риска при выборе конкретного проектного решения заключается в следующем:

  1. Оценка риска выполняется на множестве состояний функционирования (МСФ) проектируемого вида продукции, учитывающем возможные ситуации при реальной эксплуатации продукции.
  2. Альтернативные варианты сопоставляются по возможным значениям двух компонентов риска r, т.е. вероятностям негативных событий q и их последствиям z.
  3. Информация о вероятностях негативных событий и состояний функционирования, а также значений ущерба используется для проверки возможности получения гарантированного результата за счет снижения имеющихся неопределенностей. Последнее достигается переходом от усредненных величин (параметров) к граничным и модификацией существующих методов для повышения надежности принимаемых решений.

В работе показано, что в процессе реализации концепции минимизации риска при проектировании новых видов продукции могут использоваться следующие принципы:

Принцип интеллектуальности. В соответствии с данным принципом эффективность функционирования продукции в значительной степени зависит от уровня интеллектуальности компонентов системы ее эксплуатации. Принцип включает два постулата.

Первый постулат определяет продукцию как живую систему, обладающую живым интеллектом. Согласно данному постулату, все категории персонала, задействованные при функционировании продукции, в зависимости от квалификации и опыта могут влиять как на повышение эффективности использования продукции, так и снижение (в случае принятия ошибочных решений и соответствующих действий). Поэтому существенная доля риска при эксплуатации продукции обусловлена действиями персонала.

Второй постулат характеризует продукцию с точки зрения использования методов искусственного интеллекта (ИИ). При разработке алгоритмического обеспечения систем управления процессами жизнеобеспечения предпочтение должно отдаваться сильным методам решения задач в условиях неопределенности. Это позволяет получать решения, когда исходных данных недостаточно для выполнения расчетов строгими классическими методами.

Принцип неопределенности последствий. Согласно данному принципу, функционирование продукции корпорации в реальных условиях характеризуется матрицей рисков с различными последствиями. Тяжесть последствий зависит от субъективных и объективных факторов. Субъективные факторы обусловлены действиями персонала, а объективные – с изменениями ситуаций внешнего окружения.

Принцип развития. Любая продукция проходит этапы совершенствования (модернизации), при этом могут вноситься изменения в принцип действия, конструкцию и информационные возможности. В соответствии с данным принципом тщательному анализу подлежат возможные опасности, связанные со всеми вносимыми изменениями, строится множество состояний функционирования для усовершенствованной продукции, и оцениваются риски в различных состояниях.

Принцип наследования. В соответствии с данным принципом производится мониторинг результатов использования продукции и на основе данных эксплуатации выполняется коррекция существующих компонентов риска, т.е. возможных видов негативных событий, их вероятностей и последствий.

Принцип интервальности и нечеткости оценок риска. Учитывая, что негативные события в большинстве случаев относятся к категории редких, то получить представительные экспериментальные данные для оценки вероятностей этих событий и приносимого ущерба не представляется возможным. Кроме того, последствия событий обычно являются векторными случайными величинами, имеющими большие характеристики разброса. Поэтому в качестве оценок компонент риска целесообразно использовать либо интервальные значения соответствующих показателей, либо рассматривать их как нечетные множества.

Принцип достоверности оценок риска. Учитывая исключительную важность показателей риска для систем жизнеобеспечения, числовые или интервальные значения этих показателей должны сопровождаться характеристиками в виде мер доверия или уверенности. Это позволяет сопоставлять варианты продукции, имеющие примерно одинаковые показатели риска, по величине мер доверия к этим показателям и более обоснованно выбирать предпочтительный вариант.

Таким образом, включение указанных принципов в систему управления потоком инновационных проектов корпорации позволяет повысить точность оценки вероятности соответствия выпускаемой продукции заданным при проектировании характеристикам. Использование предложенных приниципов позволяет повысить вероятность успешной реализации потока проектов и сократить потери от низкого качества продукции за счет включения в систему эксплуатации продукции вероятностных характеристик продукции и среды ее эксплуатации.

основные выводы по результатам исследования

Необходимость и эффективность внедрения моделей и методов управления инновационными проектами для гарантированного выполнения изделиями требуемых функций, в частности решения задач жизнеобеспечения, в настоящее время не вызывает сомнения. Однако работы в данном направлении иногда носят декларативный характер, без соответствующего теоретического обоснования, построения моделей и разработки алгоритмов решения реальных задач. В настоящей работе сделана попытка с системных позиций рассмотреть методологические принципы, задачи, модели и методы принятия решений как на отдельных стадиях жизненного цикла проекта, так и при управлении потоком проектов.

С этой целью сформулирован комплекс задач управления проектами для корпорации, разрабатывающей и выпускающей различные средства защиты. Отличительной особенностью этих задач является использование концепции минимизации риска, которая предполагает: оценка риска использования продукции выполняется на множестве состояний функционирования, учитывающем возможные ситуации при реальной эксплуатации; альтернативные варианты сопоставляются по возможным значениям вероятностей негативных событий и их последствий; информация об этих вероятностях и возможном ущербе используется для проверки гарантированности конечного результата с использованием методов снижения неопределенностей и повышения надежности и принимаемых решений. Для этого внесены изменения в ряд методов, что способствовало успешной реализации потока инновационных проектов.

В диссертации сделан вывод, что интенсивность потока проектов, как правило, имеет тенденцию к возрастанию. Важнейшими направлениями дальнейших исследований по управлению потоком инновационных проектов являются следующие:

  • накопление информации в базах данных и знаний о вероятностях негативных событий и значений ущерба, использование этих данных для обоснования допустимого риска продукции;
  • внедрение методов искусственного интеллекта в системы управления потоками инновационных проектов;
  • разработка концептуальной модели предметной области;
  • решение задач энергоресурсосбережения при функционировании продукции;
  • расширение информационных возможностей существующих систем жизнеобеспечения.

УСЛОВНЫЕ ОБОЗНАЧЕНИЯ

Матрицы параметров соответствующих размерностей;

С –

компонент;

CF –

коэффициент или фактор уверенности;

усредненная эффективность функционирования;

эффективность работы в состоянии ;

расход соответствующего компонента ;

граф;

информация о заказе партии;

информация о возможности выполнения заказа;

информация о предстоящих выставках;

информация о возможностях предприятия для усовершенствования СЗ;

информация о внешнем окружении;

множество;

множество состояний работоспособности;

множество производственных ситуаций;

дискретное множество, получаемое из нечетких множеств;

подмножества;

состояние функционирования;

глобальный реинжиниринг;

экстренный локальный реинжиниринг;

глобальный реинжиниринг в ближайшее время;

локальный реинжиниринг в ближайшее время;

нет необходимости в реинжиниринге;

модель объекта j-го типа;

модель процесса проектирования объекта;

последовательность модернизаций объекта j-го типа потока проектов изделия j-го типа;

среднее число проектов;

МВ –

мера уверенности или доверия;

МД –

мера неуверенности или недостоверности;

потоки проектов;

последовательность проектов для j-го объекта;

множество последовательностей проектов ;

распределение вероятностей значений ;

вероятность состояния ;

массив вероятностей;

количество тепла в единице объема;

критерии и методы, используемые для принятия решения;

вероятности негативных событий;

работы при выполнении s-й стадии проекта ;

риски;

структура потока;

трекинг;

множества моментов времени;

временной интервал;

средняя продолжительность выполнения одного проекта;

момент запуска проекта ;

объем ГЗО;

множество альтернативных вариантов объекта ;

эксплуатационные ситуации;

нечеткие множества;

множество траекторий вектора входа ;

, –

лингвистические переменные;

множества значений вектора фазовых координат ;

динамическая система;

система первого класса;

системы второго класса;

системы третьего класса;

система четвертого класса;

элемент сложной системы;

операторы переходной функции;

выходное отображение.

ИСПОЛЬЗУЕМЫЕ СОКРАЩЕНИЯ

АКФ – автокорреляционная функция;

АРСС – авторегрессии скользящего среднего;

БД – база данных;

БЗ – база знаний;

ВР – временной ряд;

ВСР – вероятности состояний работоспособности;

ЗПР – задача принятия проектного решения;

ЗПТХ – задача прогнозирования изменения технических характеристик;

ЗУПР – задача управления проектами;

ЗУППр – задача управления потоком проектов;

ИВ – информационные возможности;

ИИ – искусственный интеллект;

ИТ – информационные технологии;

К – конструкция;

КМР – концепция минимизации риска;

MEMS – микроэлектронномеханические системы;

МЗУППр – метазадача управления потоками проектов;

МП – микропроцессорная техника;

МРС – множества режимных ситуаций;

МСР – множества состояний работоспособности;

МСФ – множество состояний функционирования;

МШБ – модель Шортлифа и Бьюкенена;

НМ – нечеткое множество;

ОМ – обобщенная модель;

ПД – принцип действия;

РФМС – расширенное множество состояний функционирования;

ТДШ – теория Демпстера-Шафера;

ТПР – трафик проектных работ;

ТТ – теория телетрафика;

ТХ – технические характеристики.

основные публикации по теме исследования

Монографии

1. Путин С. Б. Принципы, модели и методы управления инновационными проектами корпорации при создании систем жизнеобеспечения и защиты человека [текст]. Монография. / С.Б. Путин // М.: «Издательство Машиностроение-1», 2007. – 132с. – 8,3 п.л.

2. Путин С. Б. Инструментальные средства управления потоками инновационных проектов в корпорациях [текст]. Монография. / С. Б. Путин // М.: «Технологии стратегического менеджмента», 2011 – 186 с. – 12 п.л.

Публикации в журналах, рекомендованных ВАК РФ

  1. Путин С.Б. и др. Применение современных технологий управления наукоемким производством = The application of the modern information technology in the high-end scientific manufacture management. [текст] / С.Б.Путин, В.Г.Матвейкин, А.Д.Романов // Вестн. ТамбГУ, 2002. – Т.8, В.3 – 3 п.л. (лично автор – 1,8 п.л.)
  2. Путин С.Б. и др. О деятельности НОЦ «ТГТУ – ТамбовНИХИ», ОАО «Корпорация «Росхимзащита» [текст] / С.Б.Путин, С.И.Дворецкий, В.П.Таров // Вестн. ТамбГТУ, 2006. – Т.12. – №4 – 2 п.л. (лично автор – 1,5 п.л.)
  3. Путин С.Б. и др. Технологии информационной поддержки жизненного цикла изделий (CALS) – основа современных ИТ-систем эффективного управления наукоемким производством [текст] / С.Б.Путин, А.Н.Ильин, И.В. Милованов, С.В.Матвеев // Вопросы современной науки и практики. Университет им. В.И. Вернадского. – Тамбов, 2006. – №2(4) – 3 п.л. (лично автор – 1,7 п.л.)
  4. Путин С.Б. и др. Управление проектами разработки и модернизации средств защиты [текст] / С.Б.Путин, П.Ю. Путин // Вестн. ТамбГТУ, 2008. – Т.15. – 5 п.л. (лично автор – 3,8 п.л.)
  5. Путин С.Б. и др. Принципы управления последовательностью проектов разработки средств защиты [текст] / С.Б.Путин, П.Ю. Путин // Вопросы современной науки и практики. Университет им. В.И.Вернадского, 2008. – Т.14. – 10 п.л. (лично автор – 7,3 п.л.)
  6. Путин С.Б. Задачи управления смешанным потоком проектов [текст] / С. Б. Путин // Транспортное дело России, 2010. – №10. – 0,5 п.л.
  7. Путин С.Б. Методы принятия проектных решений в условиях неопределенности [текст] / С.Б. Путин // Транспортное дело России, 2011. – №5. – 0,5 п.л.
  8. Путин С.Б. и др. Особенности управления смешанным потоком инновационных проектов технологического реинжиниринга [текст] / С.Б. Путин, И.Л. Огнянер // Транспортное дело России, 2011. – №6. – 0,5 п.л. (лично автор – 0,3 п.л.)
  9. Путин С.Б. Модель потоков инновационных проектов в корпорации [текст] / С.Б. Путин // Интеграл, 2011. – №5. – 0,3 п.л.
  10. Путин С.Б. Развитие инструментальных средств управления потоками инновационных проектов в корпорациях [текст] / С.Б. Путин // Транспортное дело России, 2011. – №6. – 0,8 п.л.
  11. Путин С.Б. Принципы минимизации риска для обеспечения экономической безопасности [текст] / С.Б. Путин // Интеграл, 2011. – №6. – 0,3 п.л.
  12. Путин С.Б. Множество состояний функционирования системы инновационных проектов корпорации [текст] / С.Б. Путин // Транспортное дело России, 2011. – №7. – 0,4 п.л.
  13. Путин С.Б. О необходимости развития инструментальных средств управления потоками инновационных проектов в корпорациях. [текст] / С.Б. Путин // Интеграл, 2012. – №1. – 0,3 п.л.
  14. Путин С.Б. Методика управления потоками инновационных проектов корпорации [текст] / С.Б.Путин // Инновации и инвестиции, 2012. – №1. – 0,4 п.л.

Публикации по смежным направлениям исследований

  1. Путин С.Б. Математическое моделирование процесса газоформирования в биотехническом комплексе с использованием процесса адсорбционного разделения воздуха [текст] / С.Б.Путин, С.А.Скворцов // Вестн. ТамбГУ. – 2001. – Т.6, В.4 – с.434-437. – 3 п.л.
  2. Путин С.Б. Математическое моделирование процесса разделения газовой смеси по методу короткоцикловой безнагревной адсорбции = Mathematische modellierung des gastrennungsverfahrens nach dem kurzzyklischen adsorptionsverfahren ohne erwarmung [текст] / С.Б.Путин, О.В.Шейкин, С.А.Скворцов // Вестн. ТамбГТУ. – 2003. – Т.9, №1 – с.50-57. – 2 п.л.
  3. Путин С.Б. Математическое моделирование процесса регенерации воздуха в изолирующих средствах коллективной защиты= Mathematische beschreibung des luftregenerationsprozesses mittels der isolierenden kollektivschutzausrustungen [текст] / С.Б.Путин, А.Н.Ильин, И.А.Милованов, С.В.Матвеев // Вестн. ТамбГТУ. – 2006. – Т.12, №3A – с.731-743. – 6 п.л.
  4. Путин С.Б. Математическое моделирование процесса адсорбционного разделения газовой смеси при многослойной загрузки шихты [текст] / С.Б.Путин, Д.С.Беляев, С.А.Скворцов // Вестн. ТамбГТУ. – 2006. – Т.12, №2А – с.409-416. – 3 п.л.
  5. Путин С.Б. К вопросу построения систем оптимального управления процессом регенерации воздуха на множестве состояний биотехнического комплекса. [текст] / С.Б.Путин, А.Н.Ильин, С.В.Матвеев // Вестн. ТамбГТУ. – 2006. – Т.12. – с.1035-1051. – 3 п.л.
  6. Путин С.Б. Оптимальное управление процессом регенерации воздуха в герметично замкнутом объеме [текст] / С.Б.Путин, А.Н.Ильин, И.В. Милованов, С.В.Матвеев // «Приборы и системы. Управление, контроль, диагностика». Изд. Научтехлитиздат – Москва, 2007. – с.6-12. – 2 п.л.
  7. Путин С.Б. Разработка автоматизированного стенда испытаний дыхательных аппаратов, используемых для защиты человека при чрезвычайных ситуациях [текст]/С.Б.Путин [и др.] // Автоматизация в промышленности – 2010. – №12 – с. 64-68
  8. Путин С.Б. Математическое моделирование и управление процессом регенерации воздуха [текст]. Монография. / С.Б. Путин. // М.: «Издательство Машиностроение-1», 2008. – 176с. – 400экз. – ISBN 978-5-94275-432-7.
  9. Путин С.Б. Информационные технологии бизнес – планирования (методические указания к лабораторным работам  для студентов 3 курса дневного отделения специальности 351400) [текст]: учеб.-мет. пособие /С.Б. Путин, В.Н.Дякин – Тамб. Издательство Тамбовского государственного технического университета, 2005. – 32с. :ил.
  10. Путин С.Б. Программирование и основы алгоритмизации: Методические указания [текст]: учеб.-мет. пособие / С.Б. Путин [и др.] – Тамб. Издательство Тамбовского государственного технического университета, 2007. – 40с. :ил.
  11. Путин С.Б. Моделирование систем: Методические указания [текст]: учеб.-мет. пособие / С.Б. Путин [и др.] – Тамб. Издательство Тамбовского государственного технического университета, 2007. – 32с. :ил.
  12. Основы математического моделирования и оптимизации процессов и систем очистки и регенерации воздуха [текст]:учеб. пособие / С.Б. Путин, С.И. Дворецкий, С.В. Матвеев, Е.Н. Туголуков – Тамб. Издательство Тамбовского государственного технического университета, 2008. – 324 с.:ил.
  13. Путин С.Б. Математическая экономика в управлении бизнес-процессами  [текст]: метод. указания / В.Н.Дякин, С.Б.Путин, С.А. Скворцов, С.С. Толстошеин,  Тамбов: Изд-во ГОУ ВПО ТГТУ, 2011. – 32 с.
  14. Путин С.Б. Учебно-методические материалы для обучения и повышения квалификации менеджеров средств индивидуальной защиты: под общ. Ред. Н.Н. Карнауха, Ю.Г. Сорокина. – М.:ЭНАС, 2010. -488 с.

Патенты

  1. Пат. 2 290 235 Российская Федерация, МПК A62B 7/08 . Устройство для защиты органов дыхания [Текст] /Путин С.Б. [и др.]; заявитель и патентообладатель ОАО «Корпорация «Росхимзащита» – № 2005111807/12; заявл. 20.04.2005; опубл. 27.12.2006 , Бюл. №36. – с.10 :ил.
  2. Пат. 2 316 391 Российская Федерация, МПК B01J 20/06, B01D 53/62 . Способ получения регенерируемого поглотителя диоксида углерода [Текст] /Путин С.Б. [и др.]; заявитель и патентообладатель ОАО «Корпорация «Росхимзащита»  – № 2006131980/15; заявл. 05.09.2006 ; опубл. 10.02.2008, Бюл. № 4 . – с.7 :ил
  3. Пат. 2 325 205 Российская Федерация, МПК A62D 9/00 . Способ получения продукта для регенерации воздуха [Текст] /Путин С.Б. [и др.]; заявитель и патентообладатель ОАО «Корпорация «Росхимзащита»  – № 2005139869/15; заявл. 20.12.2005; опубл. 27.05.2008 , Бюл. № 15. – с.9 :ил
  4. Пат. 2 344 857 Российская Федерация, МПК A62B 7/08. Устройство защиты органов дыхания [Текст] /Путин С.Б. [и др.]; заявитель и патентообладатель ОАО «Корпорация «Росхимзащита»  – № 2007110875/12; заявл. 23.03.2007 ; опубл. 27.01.2009, Бюл. № 3 . – с.16:ил
  5. Пат. 2381043 Российская Федерация, МПК A62B 7/00, A62B 17/04. Устройство для защиты органов дыхания[Текст] /Путин С.Б. [и др.]; заявитель и патентообладатель Российская Федерация, ОАО «Корпорация «Росхимзащита»  – № 2008123447/12; заявл. 09.06.2008; опубл. 10.02.2010., бюл. №4 – с.12:ил
  6. Пат. 2381831 Российская Федерация, МПК A62B 23/02, B01J 20/04, B01J 20/28. Способ изготовления химического адсорбентадиоксида углерода[Текст] /Путин С.Б. [и др.]; заявитель и патентообладатель ОАО «Корпорация «Росхимзащита», Министерство промышленности и торговли – № 2008118664/15; заявл. 12.05.2008 ; опубл. 20.02.2010., бюл. №5 – с.8

1 Муромцев Д. Ю. Методы и алгоритмы синтеза энергосберегающего управления технологическими объектами : диссертация ... доктора технических наук : 05.13.06, 379 с. ил. [Электронный ресурс], Тамбов, 2005 г.







© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.