WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

загрузка...
   Добро пожаловать!

Pages:     | 1 || 3 | 4 |

Исследования проводятся на семи уровнях иерархии (рис. 1): 1 - «виды экономической деятельности (ЭД)», 2 - «уровни технологичности отраслей», 3 - «виды производств (отрасли)», 4 - «виды научно-производственной деятельности», 5 - «форма собственности (для научного комплекса) и отрасли (для химического промышленного комплекса)», 6 - «ведущие научные организации и предприятия», 7 - «внедрение научных инноваций в промышленность».

По видам экономической деятельности показано (рис. 2-а), что максимальный выпуск инновационной продукции производится обрабатывающей промышленностью – 86% (615,68 млрд. руб.). Предприятиями других категорий были произведены значительно меньшие объемы продукции (98,34 млрд. руб.).

Рис. 2. Распределение объемов инновационной продукции (млрд. руб.):

а - виды ЭД; б - уровни технологичности; СТ отрасли высокого (в) и низкого (г) уровня.

На следующем этапе анализа рассмотрены показатели инновационной деятельности предприятий по уровню технологичности производств. Лидерами по выпуску инновационной продукции являлись среднетехнологичные (СТ) отрасли высокого уровня, включающие химический комплекс – более 267 млрд.

руб.; СТ отрасли низкого уровня произвели около 200 млрд. руб. инновационной продукции, низкотехнологичные и высокотехнологичные отрасли – 80,84 и 45,44 млрд. руб. соответственно (рис. 2-б).

На 3-м этапе были проанализированы индикаторы инновационной деятельности среднетехнологичных отраслей высокого уровня. Химическое производство по числу инновационно-активных предприятий находится на втором месте (25,8%). Объем инновационной продукции (рис. 2-в), произведенной предприятиями химического производства, составляет 47,02 млрд. рублей.

Анализ выпуска инновационной продукции в рамках подгруппы среднетехнологичных отраслей низкого уровня показал следующие результаты. Входящие в химический научно-промышленный комплекс производства кокса и нефтепродуктов, минеральных продуктов, а также резиновых и пластмассовых изделий произвели 59, 24 и 23 млрд. руб. продукции соответственно (рис. 2-г).

В результате расчета показано, что химический комплекс выпускает инновационной продукции на 151,87 млрд. руб. (~ 21,3% от всей инновационной продукции). Этот комплекс на 4-м уровне системного анализа разбивается на два блока: научный и промышленный. На 5-м уровне иерархии химический научный комплекс структурируется по формам собственности, а промышленный – по отраслям. На 6-м уровне иерархии представлены ведущие научные организации – 83 НИИ (26 ГУП и 57 АО), а также предприятия – 165 заводов и комбинатов. Седьмой уровень посвящен внедрению научных инноваций в промышленность на основе информационных CALS-технологий (утилизация отходов фосфорной промышленности и получение особо чистых наноматериалов).

Для эффективного анализа и управления инновационными ресурсами были разработаны программные комплексы «NII-Chem» (отраслевая химическая наука) и «Innov-Chem» (химическая и нефтехимическая промышленность).

Глава 2. Автоматизированная система для анализа и оценки инновационного потенциала отраслевой химической науки.

Программный комплекс «NII-Chem» представляет собой интегрированную систему, разработанную на основе СУБД MS Access. Пользовательский интерфейс построен с помощью MS Visual Studio 2008 и библиотек Microsoft.NET Framework. В состав «NII-Chem» входят средства, позволяющие вносить, редактировать, обрабатывать и визуализировать данные. Информационным ядром системы (рис. 3) являются данные отчетных форм «2-наука» за 1990-2008 гг.

Рис. 3. Архитектура базы данных программного комплекса «NII-Chem».

Архитектура разработанной базы данных (БД) создана как многоуровневая кибернетическая система, описывающая сущности, атрибуты, связи и схемы правил поведения моделируемой предметной области. Поступающие извне команды управления данными, существующими в программных объектах, трансформируются в команды, реализация и контроль которых осуществляется средствами БД. Программный комплекс «NII-Chem» реализует классическую схему реляционных БД. Для доступа к данным используется непроцедурный высокоуровневой язык (SQL). При формировании отчетов полученные результаты экспортируются в MS Word (диаграммы) или в MS Excel (таблицы). Связь с используемыми компонентами MS Office осуществляется через стандартные интерфейсы с применением соответствующих библиотек, подключение которых производится динамически.

В архитектуре «NII-Chem» используется разделение на два системных уровня – хранение и обработка данных. Уровень хранения представляет собой традиционную СУБД. Уровень реализации, который является относительно независимым от СУБД, обеспечивает функционирование системы с учетом специфики предметной области. Логическая структура программного комплекса «NII-Chem» была построена исходя из принципа максимальной независимости входящих в него компонентов. Такой подход обеспечивает гибкость, адаптируемость и масштабируемость разработанной системы.

Разработанная главная форма (базовый визуальный элемент), посредством которой осуществляется управление системой «NII-Chem», содержит элементы меню (рис. 4), благодаря которым сохраняется постоянная инвариантность доступа к функциональным возможностям: «Ввод» (ввод основных сведений по НИИ), «Правка» (ввод и корректировка статформ «2-наука») и др. Раздел «Ввод» состоит из пяти блоков: название НИИ; адрес; руководство; бухгалтерия и комментарии. В свою очередь, раздел «Правка» включает следующие блоки: персонал, занятый НИР; возраст; затраты на НИР; объемы работ; основные фонды.

Рис. 4. Пользовательский интерфейс «NII-Chem».

Экранные формы: а - «Ввод» основных сведений о НИИ; б – «Правка».

Пользовательский интерфейс построен на основе эргономических исследований, проводившихся по 3-м направлениям: когнитивный анализ, навигация и квантификация.

Когнитивный анализ. На основе когнитивного проектирования элементы главного меню программного комплекса «NII-Chem» расположены с учетом наибольшего удобства и простоты использования. Их местоположение на экранной форме также обусловлено универсализацией интерфейса. В программном комплексе предусмотрена функция пользовательской настройки, связанная с выбором цветовой гаммы графической оболочки экранной формы. При вводе или корректировке данных статформы «2-наука», в разделе «Правка», для повышения эффективности работы, а также уменьшения числа вероятных ошибок, применена функция всплывающей подсказки. Она запрограммирована следующим образом: до ввода значений, в полях отображено название показателей, которые исчезают в момент внесения первого символа, а далее, при наведении курсора на выбранное поле, всплывает подсказка в виде названия показателя.

Навигация. При создании графической оболочки «NII-Chem» использовался принцип построения человекоориентированных интерфейсов, с применением таких элементов интерфейса, как пиктограммы и сообщения пользователю. Кроме общепринятых пиктограмм (таблица, график и др.) нами предложены элементы специфичные для нашей задачи (форма собственности, интерполяция, прогноз и др.). Использование пиктограмм делает интерфейс более привлекательным в визуальном отношении и, с учетом определенных условий (положение, размер, цвет и др.), способствует улучшенной навигации.

Квантификация. В этом разделе, связанном с количественным анализом интерфейса, проведены основные эргономические работы. Применена модель GOMS (the model of goals, objects, methods, and selection rules «правила для целей, объектов, методов и выделения»), которая позволила определить время необходимое пользователю на выполнение конкретной операции при использовании модели интерфейса «NII-Chem». Для оценки временных затрат использовался закон Фитса, дающий количественную оценку эффективности разработанного интерфейса: Время (мс)=a+b*log2(D/S+1), где S - размер объекта вдоль линии перемещения курсора, D - дистанция от начальной позиции курсора до объекта, a и b – константы, получаемые опытным путем. Нами проведены статистические исследования при вводе информации и получены усредненные параметры модели Фитса (a=52; b=138).

Для оценки инновационного потенциала научных организаций в информационном комплексе реализованы программные модули по следующим категориям: анализ интеллектуальных ресурсов, анализ материальных ресурсов и анализ финансовых ресурсов (рис. 5).

Интеллектуальные ресурсы. Оценка интеллектуальных ресурсов (рис. 5-а) структурирована по трем основным направлениям: кадровые ресурсы, научные ресурсы и подготовка научных кадров. В кадровые ресурсы входят среднесписочная численность (ССЧ), численность исследователей и их удельный вес. Научные ресурсы представлены специалистами высшей квалификации (СВК, доктора и кандидаты наук) и долей СВК в среднесписочной численности. В категорию «подготовка научных кадров» входит информация об аспирантуре.

Динамический анализ среднесписочной численности показал, что за период 1990-2008 гг. наблюдалось снижение данного показателя. Наибольшее сокращение ССЧ пришлось на АО – в 11 раз, численность ГУП сократилась в 3,раза. Количество специалистов высшей квалификации за рассматриваемый период уменьшилась для АО – в 8 раз, а для ГУП – в 3,5 раза. По всем другим индикаторам интеллектуальных ресурсов показатели ГУП значительно выше АО.

Финансовые ресурсы. В категорию анализа финансовых ресурсов (рис. 5б) «Общие финансовые показатели» входят: объемы выполненных работ (ОВР), выработка, объемы и удельный вес государственного финансирования. Категория «Финансовые показатели по НИР» состоит из следующих индикаторов:

объемы НИР, удельный вес НИР в ОВР, выработка по НИР, фонд оплаты труда (ФОТ) по НИР, заработная плата исследователей.

В результате сравнительного анализа видно, что показатель выработки во всех НИИ с каждым годом увеличивается, а выработка в 2008 г. для АО (1289,тыс. руб./чел.) превосходит выработку в государственных организациях (662,тыс. руб./чел.) почти в 2 раза. Однако, средний ОВР в ГУП больше в 1,5 – раза, чем в АО за рассматриваемый период. Для показателя по объемам НИР также характерно преобладание в 2 раза для ГУП (248,65 млн. руб./орг.) над АО (121,65 млн. руб./орг.).

Рис. 5. Экранные формы анализа интеллектуальных (а), финансовых (б) и материальных (в) ресурсов.

Материальные ресурсы. Категория анализа материальных ресурсов (рис.

5-в) состоит из трех уровней: «Основные фонды» (как комплексная характеристика) и её составляющие – «Машины и оборудование» и «Здания и сооружения». Каждое из этих направлений содержит ряд индикаторов, например, для основных фондов (ОФ): среднегодовая стоимость ОФ, фондоотдача, фондоемкость и фондовооруженность; при исследовании машин и оборудования – стоимость, удельный вес в ОФ, техновооруженность и т.д.

Проведенный анализ показателя фондоотдачи показал положительную динамику, как для АО, так и для ГУП (начиная с 1998 года). Стоимость ОФ (в ценах 2008 года) уменьшалась за рассматриваемый период: для ГУП падение составило 607,76 млн. руб./орг., а для АО этот показатель уменьшился с 253,73 до 46,29 млн. руб./орг. Для показателя техновооруженности характерны три периода: рост до 1998 года, резкое падение с 1998 до 2006 года и небольшой рост с 2006 года. Интересно отметить, что значения этого показателя в «переломный год» (1998) больше, чем в 2008 году: 333,68 и 119,73 тыс. руб./чел. для АО, а также 550,21 и 175,55 тыс. руб./чел. для ГУП соответственно.

Рейтинговый анализ. Интегрирующим элементом программного комплекса «NII-Chem» является разработанная подсистема рейтингового анализа (рис. 6). Включение данной подсистемы переводит разработанный комплекс на более высокий уровень и придаёт ему статус интеллектуальной информационной системы, поскольку позволяет осуществлять сравнительную оценку НИИ на основе методологии рейтингового анализа. Математическая модель интегрированной рейтинговой оценки (RN) интеллектуальных и финансовых ресурсов имеет вид:

n RN = 1 S + 2 D ; i = (n - + 1) / ( ); n = 2; 1 = 1; = 2;

1 1 i j j =где – весовые коэффициенты, рассчитываемые по лексикографическому принципу; S1 – приведенная к средней выработка по НИР за 2008 г.; D1 – приведенный динамический индекс интеллектуального потенциала (приведенное к среднему соотношение ССЧ за 1990 и 2008 гг.).

Рис. 6. Экранная форма «Рейтинговый анализ инновационных ресурсов».

В последние годы интегрированный критерий стал рассматриваться как аддитивная функция от частных критериев по интеллектуальным, финансовым и материальным ресурсам. Например, интегрированный критерий рейтинговой оценки материальных ресурсов (RM) представляет собой функциональную зависимость от наиболее информативных динамических (Di) и статических (Si) индикаторов основных фондов отраслевых НИИ. Математическая модель RM аналогична RN, где S1 – приведенная к средней фондоотдача по НИР за 2008 г.;

D2 – приведенная к среднему величина обратная динамическому индексу основных фондов (ДИОФ = С1998 / С2008), величина которого равна отношению стоимости основных фондов (С) в узловых точках временного интервала.

В результате компьютерного рейтингового анализа все НИИ были распределены на три группы по уровню оценки материальных ресурсов: высшая (R1) – рейтинг выше 1,2; средняя (R2) – рейтинг от 0,6 до 1,2; низшая (R3) – рейтинг ниже 0,6. Анализ показывает хорошее состояние материальных ресурсов и их использование в группе R2 (и тем более R1) и проблемы в этой области для группы R3. Предложенная методология является достаточно гибкой структурой, в которую легко включить вновь появляющиеся варианты или группы индикаторов, а также адаптировать к другим секторам и отраслям науки.

В информационном комплексе «NII-Chem» разработаны программные модули (рис. 7) для интерполяции отсутствующих инновационных показателей (1990-2008) и прогнозирования на следующий год (в данном случае – 2009 г.).

Интерполяция данных. Предложена математическая модель для интерполяции инновационных показателей на основе кубического сплайна:

, где S - инновационный показатель; xi, x – годы; a, b, c, d – коэффициенты.

В качестве примера (рис. 7-а) приведена интерполяция показателя среднесписочной численности работников ФГУП «ВНИИХСЗР» и ОАО «Полимерсинтез». С использованием математической модели проведены расчеты пропущенных данных (2002, 2003 гг.) по этим научным организациям.

Рис. 7. Подсистема аппроксимации данных (а – интерполяция; б – прогноз).

Экстраполяция данных. Предложена математическая модель для прогнозирования инновационных индексов на основе уравнения Перла: Y=L/[1+а*e–b(t-t )], где а, b - параметры; L - предельное значение функции; t – года; t0=1990.

Pages:     | 1 || 3 | 4 |






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