авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:   || 2 | 3 | 4 | 5 |   ...   | 11 |
-- [ Страница 1 ] --

Министерство образования и наки РФ

Московский государственный университет экономики,

статистики и информатики (МЭСИ)

Институт компьютерных технологий

Научно-практическая конференция

7BXIII

«РЕИНЖИНИРИНГ БИЗНЕС-ПРОЦЕССОВ НА

ОСНОВЕ СОВРЕМЕННЫХ

ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ.

СИСТЕМЫ УПРАВЛЕНИЯ ПРОЦЕССАМИ

И ЗНАНИЯМИ»

14 мая 2010 г.

Сборник научных трудов

Москва, 2010 УДК – 004:378 ББК – 32.973.202 C – 394 XII Научно-практическая конференция «РЕИНЖИНИРИНГ БИЗНЕС ПРОЦЕССОВ НА ОСНОВЕ СОВРЕМЕННЫХ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ. СИСТЕМЫ УПРАВЛЕНИЯ ПРОЦЕССАМИ И ЗНАНИЯМИ (РБП-СУЗ-2010) : Сборник научных трудов / Московский государственный университет экономики, статистики и информатики – М., 2009.

Цели научно-практической конференции: анализ и развитие подходов, свя занных с реинжинирингом и управлением предприятиями, организациями и учебными заведениями на основе современных концепций управления знаниями и интеллектуальными информационно-коммуникационными технологиями.

Конференция организована Московским государственным университетом экономики, статистики и информатики (МЭСИ), Институтом компьютер ных технологий, Российской ассоциацией искусственного интеллекта, при поддержке Научно-Технологического Парка «ДУБНА», Фонда ФОСТАС, ФГУП «НИИ ВОСХОД» и компаний: 1С, АйТи, холдинг «ЛАНИТ», ЗАО «ЕС-Лизинг», Oracle, SAP, Software AG, IDS Scheer Информационные спонсоры: «Искусственный интеллект и принятие решений», «Открытое образование»., «Экономика, статистика и информатика. Вестник УМО», Веб портал BPMS.ru В сборнике научных трудов конференции представлены доклады ученых государственных научно-исследовательских институтов и высших учебных заведений, ведущих специалистов-практиков, работающих в области ин формационных технологий и консалтинга.

© Московский государственный ISBN 978-5-7764-0606- университет экономики, статистики и информатики, ОГЛАВЛЕНИЕ Модель оптимизации производственных программ отраслевых системообразующих нтегрированных структур (корпораций) ОПК Авдонин Б.Н., Батьковский А.М. Стратегические проблемы развития предприятий высокотехнологичных отраслей промышленности в посткризисный период Авдонин Б.Н. Инновационное развитие научно-исследовательского института и его экономическая устойчивость Ахмедов А.Ш., Батьковский А.М. Оценка эффективности реинжиниринга информационного обеспечения деятельности сотрудников научно исследовательского института Ахмедов А.Ш., Батьковский А.М. Состояние и перспективы развития информационных технологий обучения в высших учебных заведениях Балычев С.Ю., Батьковский А.М., Потапенко В.И. Инновационное развитие коммерчечких банков на основе реинжиниринга их кредитной деятельности Батьковский М.



А. Конкурентная разведка и управление знаниями – как инструменты управления конкурентной средой образовательного учреждения Баяндин Н.И. Применение эконометрических моделей анализа и прогнозирования показателей функционирования процессинга для обоснования принятия управленческих решений Бегутова Е.В. Роль и методика контроля и управления знаниями в инновационном менеджменте Белов А.А. К вопросу накопления знаний о предприятии Белов В.С. Прогнозирование кадрового развития предприятия в процессе его финансового оздоровления Белошевич М.М., Батьковский М.А. Многокритериальный выбор инвестиционных проектов на основе хранилища данных и нечетко-множественной композиции бинарных отношений Беляева М.А., Юдина Н.М. Оптимизация параметров системы восстановления целостности БД Беркетов Г.А., Микрюков А.А., Федосеев С.В. Основные направления инновационного развития высших учебных заведений Божко В.П., Мингалиев К. Н., Булава И.В. Проектирование информационного обеспечения кредитной деятельности коммерческого банка Божко В.П., Батьковский М.А. Реинжиниринг системы информационного обеспечения кредитной деятельности коммерческого банка Божко В.П., Батьковский М.А. Применение методологии процессоного управления для организации научной работы преподавателей вуза Бойченко А.В., Ипатова Э.Р. Реинжиниринг процессов бюджетирования рессурсов предприятия в процессе его финансового оздоровления Булава И. В., Белошевич М.М. Модель реинжиниринга банковских бизнес-процессов Булава И.В., Мингалиев К.Н. Информационно-аналитическая система на основе онтологий как основа реинжиниринга процессов предоставления органами власти консолидированных услуг населению Виттих В.А., Ситников П.В., Смирнов С.В. Современное понимание информации как фундаментальной категории Власов Д.В. Анализ методов оценки стоимости внедреной системы электронного документооборота на предприятии Ганюшкин Н.А. Мировой опыт трансформации высокотехнологичных производств и возможности его применения на российских предприятиях Глотко А.М., Рудюк А.В., Батьковский А.М. Развитие информационнных систем поддержки планирования производства: на пути к ERPIII Громов С.А., Тарасов В.Б. Развитие методологических основ оценки инвестиционной привлекательности предприятий в процессе их финансового оздоровления Гусейнов Б.М., Белошевич М.М., 3вягинцев П.С. Инжиниринг вузовских процессов на базе сервисно ориентированного подхода Данилов А.В., Папикян В.В. Практические аспекты применения информационных ресурсов в развитии персонала Днепровская Н.В. Практика применения информационных технологий для поддержки дистанционного обучения в вузе Жмуров Д.Б. Подход к организации электронного обмена данными между системами управления и исполнения цепей поставок на основе electronic data interchange (EDI) Зайкова С.С. Оценка эффективности инновационных проектов с целью определения их инвестиционной привлекательности Звягинцев П.С., Гусейнов Б.М. Модели результативности и эффективности деятельности в актуальных программах развития информационного общества и электронного правительства Зиндер Е.З. Особенности информатизации в сфере жилищно-коммунального хозяйства г.Москвы Иванова А.В. Реинжиниринг в вузе: формализация на уровне кафедры Иванова Р.В., Шишкин В.С. Оценка качества услуг ИТ-аутсорсинга Калинина Л.Ю., Пашков П.М. Тестирование информационных потоков Калянов Г.Н. Использование алгоритмов нечеткого поиска при решении задач обработки массивов данных в интересах кредитных организаций Карахтанов Д.С. Целеполагание как эволюционный процесс Качала В.В. Подход к построению информационно-аналитической системы «профессиональная ориентация молодежи»





Келейникова В.А., Романова Е.В. Необходимость совершенствования информационного обеспечения процессов управления безопасностью дорожного движения в тверской области Клюшин А.Ю., Кучерявых В.В., Палюх Б.В. Компонентный анализ в определении значимости образовательной составляющей человеческого капитала Конопацкая Е.А. Направленное развитие компетенций в системах управления знаниями Куклин Г.П., Пиминов Д.В. Вопросы применения искуственных нейронных сетей в области образования Куклина А.Г. Моделирование конвейерных бизнес-процессов Куприянов Б.В.

Концепция мультиагентной системы поддержки принятия решений в экономике (на примере образования) Лисьев Г.А. Вопросы автоматизации разработки политики информационной безопасности компании на основе онтологий Лукинова О.В. Развитие моделей и методов семантического анализа документов для систем управления информационными ресурсами организации Лунегов Е.П. Реинжиниринг процесса финансового оздоровления предприятий оборонно-промышленного комплекса Мингалиев К.Н., Батьковский А.М. Булава И.В. О реализации профессиональных стандартов и образовательных траекторий на базе госстандартов третьего поколения Минеев П.В., Соловьева Т.В. Создание исполняемых моделей бизнес-процессов, сравнение графических нотаций BPMN и UML Михеев А. Г. Пути повышения кадрового потенциала сотрудников предприятий и организаций в рамках системы непрерывного образования Набережная А.Т., Иванова М.А., Ковальска В.Н. Сравнительный анализ соотношения цены и качества ASP проектов и выбор провайдера бронирования транспортных услуг на российском рынке 2004-2010 гг.

Наймарк К.В. Модели целесообразного поведения искусственных систем Новожилова Н.В., Федотов В.Х. Задача распределение ресурсов в интегрированном подходе к управлению процессами Овсянников М.В., Стогний И.А. Управление конфигурацией на основе онтологии предметной области Овсянников М.В., Буханов С.А. Стратегический ИТ-менеджмент на основе подхода реализации выгод Перфилов П.Г., Пашков П.М. Некоторые вопросы автоматизации деятельности инвестиционных банков на валютных рынках Поляков А.С. Использование информационных и мультимедийных технологий в образовании Протасова А.А. Роль управления знаниями в банковском бизнесе Расулов Р.М. Интеллектуальная технология обучения на основе разработки и использования интегрированных экспертных систем Рыбина Г.В. Интеллектуальная технология распределенного приобретения знаний для автоматизированного построения баз знаний интегрированных экспертных систем Рыбина Г.В., Дейнеко А.О. Особенности мониторинга и реинжиниринга процессов функционирования обучающих интегрированных экспертных систем Рыбина Г.В., Иващенко М.Г., Юсова М.В. О моделировании бизнес процессов обеспечения безопасности в современных корпоративных информационных системах Сатунина А.Е., Сысоев А.А. Система операционных продукций для моделирования деятельности образовательного учреждения Тюрганов А.Г., Галимов А.К., Сафин Э.В. Использование технологии быстрых результатов при управлении проектами в сфере информационных технологий Слесаренко М.С. Использование информационных технологий для реализации стратегического и инновационного менеджмента Смирнова Г.Н. Возможности использования принципа модульности при построении основной образовательной программы на основе федеральных образовательных стандартов высшего профессионального образования третьего поколения Суркова Е.В. Моделирование переговоров и альянсов между организациями Тарасов В.Б. Создание сервисно-ориентированной системы управления знаниями для анализа и прогнозирования результатов научно исследовательской работы Тельнов Ю.Ф., Корнеев Д.Г., Козлова О.А. Использование корпоративной информационной системы мотив в учебном процессе Титаренко С.П. Информационная модель развития человеческих ресурсов в вузе Тихомирова Е.И. Процесс трансформации: от маркетинга в классическом университете до маркетинга в информационном распределенном вузе Тихомирова Н.В. Методы формирования, использованияи и анализа знаний о предметной области Трембач В.М. Применение методологии DEA для повышения эффективности в консалтинговых проектах Тубин П.А. Автоматизация реинжиниринга бизнес-процессов на основе IDEF0-моделей Устимов К.О. Процессно-ориентированные информационые системы Федоров И.Г. Бизнес-процессы: управалять, а не автоматизровать Федоров И.Г. Оказание поддержки принятия решений при управлении территориально-распределенными системами Федорова Н.И. Задача определения рациональной организации обмена данными в распределнной вычислительной системе Федосеев С.В., Аль- Каиби Еман Габар Абдул Хасан Эвристические критерии оценки упорядоченности искусственных систем Федотов В.Х., Новожилова Н.В. Формирование деловых сетей и развитие систем управления взаимодействиями компании с партнерами: новые возможности организационного обучения Цыбин А.П. Аудит информационной инфраструктуры образовательного процесса на соответствие метрикам стандартов ISO 20000 и COBIT Чусавитина Г.Н., Давлеткиреева Л.З. Моделирование процесса управления обучением в вузе при внедрении системы управления знаниями Шарабаева Л.Ю. Конфигурирование межоблачных и внутриоблачных сервисов Швей С.В. Перспективы применения методологии создания ИС на основе типовых проектных решений Шевченко М.А. Новый подход к анализу инвестиционной привлекательности транснациональной корпорации Ярошук М.П., Гусейнов Б.М., 3вягинцев П.С. МОДЕЛЬ ОПТИМИЗАЦИИ ПРОИЗВОДСТВЕННЫХ ПРОГРАММ ОТРАСЛЕВЫХ СИСТЕМООБРАЗУЮЩИХ НТЕГРИРОВАННЫХ СТРУКТУР (КОРПОРАЦИЙ) ОПК Авдонин Б.Н., д.э.н., профессор, Генеральный директор ЦНИИ «Электроника», т. 8(495)940-65-90, e-mail: instel@instel.ru Батьковский А.М., к.э.н., профессор Академии военных наук

, начальник НИО-1 ЦНИИ «Электроника», т. 8(495)940-6593, e-mail: batkovsky@yandex.ru Федеральными целевыми программами развития оборонно промышленного комплекса (ОПК) предусматривается создание отраслевых системообразующих интегрированных структур (корпораций). Это должно обеспечить повышение конкурентоспособности данных корпораций. На определение направлений решения данной задачи влияет учет различных факторов, а также достоверность используемой при этом информации.

Важнейшим фактором, влияющим на конкурентоспособность системообра зующих интегрированных структур (корпораций) являются оптимальность их производственных программ.

При оптимизации производственной программы системообразующей интегрированной структуры необходимо, с нашей точки зрения, найти пе x ji, характеризующие количество ременные j - ой продукции, вырабаты ваемой на i -х его предприятиях, максимизирующие целевую функцию:

n m F x ji c ji x ji (1) j1i при условии:

n r 1,, arji x ji bri ;

(2) i 1, m j x ji 0, j 1,2,..., n;

i 1,2,..., m. (3) где: cji – стоимость единицы j- ой продукции, вырабатываемой на i-ом предприятии корпорации, bri - фонд r-го производственного ресурса, ко торым располагает i-ое предприятие в планируемом периоде, arji - нормы расхода r-го ресурса на выпуск единицы (комплекта) j -ой продукции на i ом предприятии, m - число предприятий в корпорации.

Система ограничений (2) отражает условия по наличию и использова нию разных производственных ресурсов на предприятиях корпорации. При этом, в нее могут включаться уравнения, предусматривающие как полное, так и частичное использование ресурса, т.е. неравенства типа:

n ar1 ji x ji br1i (4) j Для приведения его к канонической форме необходимо ввести уравно xnm вешивающие переменные r1i, характеризующие величину неисполь xnm зуемой части ресурса r1 на i-ом предприятии - r1i. Тогда условие (4) примет вид:

n r1 1, 1, ar1 ji x ji xnm br1i ;

(5) r1i i 1, m j n В неравенства типа: br2i необходимо ввести уравновеши ar2 ji x ji j вающую переменную (с коэффициентом, равным 1), характери xnm r2i зующую дополнительную величину ресурса r2, на i-ом предприятии сверх фонда br i, необходимую для обеспечения оптимального варианта про граммы выпуска продукции. Условие (5) тогда примет вид:

n r2 1, 2, ar2 ji x ji xnm br2i ;

(6) r2i i 1, m j Однокритериальный оптимум решения указанной задачи находится на пике множества, что ставит процесс реализации найденного (оптимально го) решения в жесткие рамки. Посредством изменения условий (2) и внесе ния дополнительных корректив в постановку задачи можно осуществить ее многоразовое решение для формирования лучшего варианта производст венной программы корпорации.

Альтернативой рассмотренному методу является поиск решения много критериальной задачи, что более трудоемко, но позволяет получить более обоснованные результаты. Подходы к поиску многокритериального реше ния различны: оптимизация по одному (наиболее важному) критерию с приданием остальным роли дополнительных ограничений;

упорядочение заданного множества критериев и последовательная оптимизация по каж дому из них с формированием компромиссного решения;

сведение многих критериев к комплексному (с помощью балльных оценок, ранжирования и других способов). Третий подход к поиску многокритериального решения наиболее сложен, т.к. предполагает подготовку комплексного показателя, но приближает решение к реальности, поскольку если оценка деятельности предприятий осуществляется на основе системы показателей, то и крите рий оптимальности будет представлять собой свертку системы разнообраз ных требований (экономических, производственно-технических и др.).

Решение задачи оптимизации производственной программы корпорации в многокритериальной постановке заключается в повторе решений с раз ными критериями (на их максимизацию) и заключительном решении на минимизацию суммарного отклонения от максимальных их значений, вследствие чего находится вариант программы, обеспечивающий наиболь шее приближение к экстремумам нескольких целевых функций (несколь ких критериев). Минимизация суммарных отклонений от максимальных значений целевых функций по отдельным критериям (на заключительном этапе решения рассматриваемой задачи) осуществляется на минимум функции:

Gk Fk x ji W (7) k Gk k где: W –значение целевой функции, xji – переменная, характеризующая j ую продукцию, вырабатываемую на i-ом предприятии, Gk - максимальное значение (или min в других постановках) целевой функции по соответст вующему критерию оптимальности – k:

Gk max Fk x ji (8) где: Fk x ji - значение целевой функции по критерию оптимальности - k, при решении задач на максимум смежного критерия, - весовой ко k эффициент того или иного критерия оптимизации.

Величина весового коэффициента может быть одинаковой или k разной для различных критериев (в зависимости от значимости показателей для данных производственных условий). В то же время для всех вариантов принимаемых решений должно соблюдаться условие:

1 (9) k k Реализация рассмотренного методического подхода к оптимизации производственной программы корпорации позволяет значительно повысить ритмичность и эффективность ее деятельности, и, как следствие, ее конку рентоспособность.

Доклад подготовлен при финансовой поддержке РФФИ, проект №10-06 00146а.

СТРАТЕГИЧЕСКИЕ ПРОБЛЕМЫ РАЗВИТИЯ ПРЕДПРИЯТИЙ ВЫСОКОТЕХНОЛОГИЧНЫХ ОТРАСЛЕЙ ПРОМЫШЛЕННОСТИ В ПОСТКРИЗИСНЫЙ ПЕРИОД Авдонин Б.Н., д.э.н., профессор, Генеральный директор ЦНИИ «Электроника», т. 8(495)940-65-90, e-mail: instel@instel.ru Низкая конкурентоспособность остается одной из серьезнейших про блем российской экономики. По данным всемирного экономического фо рума, по уровню конкурентоспособности Россия находится сейчас на месте в мире (из 131 оцененной страны). Если сравнивать страны БРИК, то в этом отношении наша страна уступает и Индии и Китаю, опережая толь ко Бразилию (табл. 1).

Таблица Сравнительная конкурентоспособность России и других стран БРИК (место стран БРИК среди государств мира) Показатели Россия Бразилия Индия КНР Индекс глобальной 58 72 48 конкурентоспособности Институты 116 104 48 Эффективность 109 73 37 финансового рынка Эффективность бизнеса 88 39 39 Инновации 57 44 28 Источник:The Global Competitiveness Report 2007-2008. World Economic Forum, Geneva, Switzerland, 2007 Palgrave Macmillan, N 4, 2007.

При этом российская продукция является конкурентоспособной в ос новном только внутри страны и на рынках стран СНГ (здесь конкуренто способна продукция 80% российских предприятий). На рынках стран За падной Европы конкурентоспособна продукция только 5% российских предприятий, а стран Северной Америки - 3%. Поэтому в настоящее время Российская Федерация играет в мировой экономике в основном роль экс портера сырья и импортера потребительских и инвестиционных товаров и услуг. Сырьевая специализация российской экономики постоянно усилива ется. Например, экспорт углеводородов из России увеличился за последние 10 лет в 7 раз и соотношение данного экспорта к объему ВВП страны воз росло при этом с 10% до 20%. В российском экспорте товаров доля углево дородов за этот период увеличилась с 32% почти вдвое. Удельный вес ос новных видов топливно-энергетических ресурсов в общем объеме экспорта товаров в 2008 г. составил 68,6 %, черных и цветных металлов- 11,7%, а машин и оборудования - всего 4,9% [1].

Следует учитывать, что сегодня некоторые отрасли высокотехнологич ного сектора российской экономики, например, гражданское авиастроение, уже не способны конкурировать с зарубежными производителями даже на внутреннем рынке. Высокотехнологичное предприятие, будучи весьма сложной организационно-экономической структурой, обладает повышен ной чувствительностью к тенденциям развития национальной экономики, активности рынка, межотраслевым и межрегиональным кооперационным связям, инвестиционному климату. Поэтому кризисные явления, которые наиболее сильно проецируются в организационно-экономических структу рах с длинными цепочками кооперационных связей, оказывают крайне не гативное влияние на предприятия ОПК, т.к. именно им характерны такие связи. Реальная помощь таким предприятиям может быть предоставлена в форме инвестиций или в форме процедуры финансового оздоровления, предполагающей их реформирование, в том числе, реинжиниринг осущест вляемых ими бизнес-процессов.

Факторами, препятствующими инновационному развитию предприятий ОПК в настоящее время, являются: нехватка финансовых средств;

износ основных фондов;

ограниченность НИОКР;

неэффективный менеджмент;

снижение квалификация рабочей силы;

слабая действенность государст венной инновационной политики, низкая эффективность финансовой сис темы, качества управления и институциональной среды. В то же время в рыночной экономике кризис обычно выступает в роли стимулятора эконо мического обновления. Еще Г. Менш выдвинул гипотезы «о депрессии как спусковом крючке» (depression trigger). Он полагал, что ухудшение состоя ния экономики является стимулом к инновациям. Основным способом вы хода из кризисного состояния, по его мнению, является внедрение нов шеств. Мировая практика свидетельствует, что экономический кризис и депрессия преодолеваются внедрением инноваций, создающих новые про изводственные возможности, освоение которых обеспечивает переход к росту экономики. Зачастую именно в условиях экономического спада и депрессии в странах с рыночной экономикой наблюдается движение капи тала из традиционных производств в новые. Поэтому в Программе анти кризисных мер Правительства РФ на 2009 г. отмечено: «Кризис – не повод отказаться от долгосрочных приоритетов модернизации страны. Такая ра бота будет активизирована и ускорена. Главная модернизационная задача Правительства РФ – смена сложившейся модели экономического роста.

Вместо «нефтяного» роста мы должны перейти к инновационному» [2].

Тогда можно будет, по нашему мнению, существенно повысить уровень финансовой устойчивости высокотехнологичных предприятий. В качестве основных направлений решения рассмотренной задачи, с нашей точки зре ния, являются:

А) Укрепление ресурсного, в первую очередь, финансового потенциала предприятия. Современные тенденции таковы, что решение этой задачи должно осуществляться путем формирования системы оптимального управления данными предприятиями и создания крупных интегрированных структур. Для высокотехнологичных предприятий существует два пути стабилизации своего положения в условиях инфляции издержек и ограни ченного платежеспособного спроса. Первый направлен на снижение произ водственных издержек за счет сокращения численности персонала и повы шения производительности труда, второй - на использование технологиче ских нововведений. Статистика последних лет показывает, что высокая степень износа производственного аппарата на высокотехнологичных предприятиях в совокупности со снижением их инновационного и инве стиционного потенциала резко сужают их возможности адекватно реагиро вать на спросовые требования рынка, снижают и без того слабую конку рентоспособность.

Б) Структурная интеграция высокотехнологичных предприятий. Струк турные преобразования в высокотехнологичных отраслях не должны огра ничиваться только постановкой крупномасштабных перспективных целей их развития - нужен комплекс мер по формированию действенных меха низмов их достижения. Структурные процессы должны быть направлены как на повышение эффективности системного функционирования высоко технологичных отраслей в целом, так и на укрепление механизмов само поддерживающегося развития и консолидации отдельных его предприятий, создания условий для повышения эффективности и роста их производст венного и инвестиционного потенциалов, обеспечивающих выход на уро вень высокой конкурентоспособности. Одним из направлений развития высокотехнологичных отраслей, как целостной системы с устойчивыми функциональными связями факторов ее развития, является самоорганиза ция входящих в ее состав предприятий в интегрированные бизнес-группы, в том числе аналогичные мировым ТНК. Суть данной проблемы состоит в определении методов и средств этой структурно-технологической транс формации. В условиях резкого сокращения ресурсной базы развития круп ные и средние высокотехнологичные предприятия стоят перед дилеммой интеграции или реинтеграции своих усилий и возможностей в целях повы шения эффективности производства. Интеграционные процессы, наметив шиеся в последнее время в высокотехнологичных отраслях, активизирова ли создание стратегических альянсов различного типа - холдингов, концер нов, корпораций, ФПГ. Для повышения их конкурентоспособности необхо димо новое качество управления не только на микро-, но и на мезоэконо мическом уровне, трансформация высокотехнологичных предприятий, то есть их научно-производственная и финансовая интеграция, позволяющая им естественно вписаться в требования внутреннего рынка и мировые гло бализационные процессы.

Основные причины, побуждающие высокотехнологичные предприятия осуществлять интеграционные трансформации, можно классифицировать в три группы. Эти действия предпринимаются: во-первых, с целью приобре тения определенных преимуществ и выгод от усиления их финансового, научно-технологического и кадрового потенциала, снижения издержек, расширения рыночных ниш, улучшения менеджмента, в том числе и путем более рационального распределения полномочий в иерархической системе управления, и т.д.;

во-вторых, для превентивной защиты от негативных изменений на рынках, от усиления противостояния конкурентам, от угроз нежелательных поглощений;

в-третьих, для расширения области возмож ных вариантов принятия стратегических решений, обновления и диверси фикации видов своей деятельности и выпускаемой продукции. Основные стратегические цели, преследуемые высокотехнологичными предприятия ми при создании интегрированных бизнес-структур, направлены на обес печение их конкурентоспособности и финансовой устойчивости.

Доклад подготовлен при финансовой поддержке РФФИ, проект №10-06 00146а.

Список литературы 1. Балычев С.Ю., Божко В.П., Булава И.В. и др. Экономико математический инструментарий финансового оздоровления российских предприятий в условиях глобализации и мирового финансового кризиса. / Под ред. Батьковского А.М. - М.: МЭСИ, 2009. - 420 с.

2. Программа антикризисных мер Правительства РФ на 2009 г. Россий ская газета, 20 марта 2009 г.

ИННОВАЦИОННОЕ РАЗВИТИЕ НАУЧНО ИССЛЕДОВАТЕЛЬСКОГО ИНСТИТУТА И ЕГО ЭКОНОМИЧЕСКАЯ УСТОЙЧИВОСТЬ Ахмедов А.Ш., Главный инженер ЦНИИ «Электроника», т. 8(495)940-6550, e-mail: instel@instel.ru Батьковский А.М., к.э.н., профессор Академии военных наук, начальник НИО-1 ЦНИИ «Электроника», т. 8(495)940-6593 e-mail: batkovsky@yandex.ru Инновационное развитие любого научно-исследовательского института происходит, как правило, путем осуществления различных инновационных проектов (ИП), направленных на повышение производительности труда научных работников путем внедрения вычислительной техники, новых методов решения научных задач и т.д. Важнейшим показателем оценки реализуемости данных проектов является их надежность, под которой по нимается вероятность успешного их завершения. Надежность ИП зависит во многом от надежности его исполнителей. Поэтому по указанному кри терию можно определить следующие основные типы управления надежно стью инновационного проекта:

1. При условии возможности выбора потенциального исполнителя из большого числа финансово-устойчивых претендентов сущность управле ния надежностью проекта заключается в оценке возможностей исполните лей и выборе одного из них с целью минимизации риска его реализации.

Методы решения подобных задач хорошо известны и достаточно широко применяются на практике.

2. При фиксированном наборе нескольких финансово-устойчивых ис полнителей управление надежностью проекта сводится обычно к достиже нию максимальной надежности его реализации. Предположим, что в реали зации ИП участвуют n исполнителей и известны надежности исполнителей qi, зависящие от выделенного им финансирования Фi. Тогда:

q Фi Фi i R (1) где: 1 – некоторые положительные константы, характерные для дан i ного проекта, R - суммарное количество ресурса.

3. При нулевом финансировании надежность исполнителя равна нулю, при этом риск исполнителя (вероятность невыполнения проекта) равен единице. С ростом финансирования надежность возрастает (риск уменьша ется). В случае, когда i-й исполнитель получает все финансирование (Фi R), его риск равен i.

Зная надежность исполнителей, можно определить надежность ИП в целом. Целесообразно предположить, что ИП считается выполненным, ес ли все исполнители выполнили свое задание. Тогда надежность проекта Q равна:

n Q Ф1, Ф2,..., Фn Фi i Q q1, q 2,..., q n R (2) i Надежность Q(q1,…,qn) зависит от вектора Ф=(Ф1,…,Фn) распределения финансирования. Если фонд финансирования ограничен, то имеет место:

n Фi R (3) i В этом случае управление надежностью инновационного проекта сво дится к максимизации вектора С путем оптимизации распределения финан сирования. Как показали проведенные расчеты, оптимальным является сле дующее распределение:

R Фi,i 1, n n 1 i j1 j (4) Следовательно, оптимизация финансирования инновационного проекта повышает надежность его реализации при увеличении фонда финансирова ния. Но объемы финансирования, как правило, ограничены, поэтому воз можности такого инновационного развития ограничены. При изменяющей ся финансовой устойчивости исполнителей основой управления надежно стью инновационного проекта является оперативное управление. Для по вышения надежности управления возможно также введение дополнитель ных управленческих звеньев, что является реализацией различных подхо дов – аппаратного и избыточного. При разработке инновационного проекта также в обязательном порядке необходимо спрогнозировать его экономи ческую устойчивость. Существуют различные методологические подходы к решению данной задачи. Наиболее универсальным методом является рас смотрение инновационного развития научно-исследовательского института в рамках схемы «ресурс-потребитель», которая может быть представлена системой дифференциальных уравнений:

,,,t Q,,,t (5) где:, - переменные, описывающие соответственно наличие и расход ресурса;

Р, Q - известные непрерывные и непрерывно-дифференцируемые r функции;

t - время;

t - вектор параметров;

0 – коэффици [Q,Т];

ент,, рассчитываемый для данной системы.

Практика показывает, что финансово-экономические задачи данного класса могут быть декомпозированы на задачи микроэкономического ие рархического уровня, образуя так называемые трофические цепи. Синтези рованные трофические цепи из структурно-устойчивых неразложимых элементов не допускают возникновения в них динамического хаоса. Со ставленная из таких неразложимых элементов трофическая цепь может иметь при прогнозировании экономической устойчивости научно исследовательского института не более трех, четырех уровней, т.е. описы ваться системой из 6 – 7 линейных дифференциальных уравнений. Практи ческая реализация данного подхода позволяет повысить обоснованность долгосрочных планов инновационного развития научно исследовательского института.

Доклад подготовлен при финансовой поддержке РФФИ, проект №10-06 00146а.

Список литературы 1. Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эко нометрики. – М.: «ЮНИТИ», 1998.

2. Анализ и моделирование экономических процессов / Сборник статей под ред. В.З.Беленького. Выпуск 4. – М.:ЦЭМИ РАН, 2007. – 169 с.

ОЦЕНКА ЭФФЕКТИВНОСТИ РЕИНЖИНИРИНГА ИНФОРМАЦИОННОГО ОБЕСПЕЧЕНИЯ ДЕЯТЕЛЬНОСТИ СОТРУДНИКОВ НАУЧНО-ИССЛЕДОВАТЕЛЬСКОГО ИНСТИТУТА Ахмедов А.Ш., Главный инженер ЦНИИ «Электроника», т. 8(495)940-6550, e-mail: instel@instel.ru Батьковский А.М., к.э.н., профессор Академии военных наук, начальник НИО-1 ЦНИИ «Электроника», т. 8(495)940-65-93, e-mail: batkovsky@yandex.ru С нашей точки зрения, производить оценку эффективности реинжини ринга системы информационного обеспечения коллективной научно исследовательской деятельности (СИОКД) сотрудников научно исследовательского института следует, основываясь на показателе (или системе показателей), характеризующем уровень качества ее функциони рования. При этом эффективность данной системы информационного обеспечения характеризует выполнение заданных ей функций:

K SE E / С, (1) где: K SE - коэффициент эффективности системы;

E - полезный эффект системы;

C - затраты на эксплуатацию данной системы.

Процесс оценки эффективности функционирования СИОКД включает в себя такие процедуры как: выявление ее целей и средств их достижения;

расчет объема ресурсов, необходимых для достижения целей системы (за трат);

определение критерия и показателей оценки эффективности ее дея тельности;

расчет эффективности системы. При этом информационные затраты включаются в себестоимость научных продуктов пропорционально фактически достигнутому уровню информационного обслуживания, кото рый может быть выражен следующим образом:

IS N (2) KI, IS N где: K I - коэффициент уровня информационного обслуживания клиентов системы (сотрудников института), IS F - фактический объем информа ционного обслуживания клиентов системы, IS N - нормативный объем информационного обслуживания клиентов системы.

Также эффективность функционирования СИОКД можно определить с помощью расчета критерия оптимальности затрат на информационное обеспечение научно-исследовательской деятельности сотрудников инсти тута:

p o r (3) KO OIU klm IZ k l m где: KO - критерий оптимальности затрат на информационное обеспе чение деятельности сотрудников института;

OIU klm - объем информа ционных услуг по k-й операции l-й функции m-го научно-исследовательского процесса;

IZ – информационные затраты по k-й операции k-й функции m го научно-исследовательского процесса;

o - количество информационных операций;

p - количество информационных функций;

r - количество научно исследовательских процессов.

К факторам, повышающим затраты, вызванные совершенствованием информационного обеспечения деятельности сотрудников института отно сятся: появление новых процедур и функций и рост затрат на администри рование, техническую поддержку, простои системы. При этом модель оценки финансового результата научно-исследовательской деятельности института имеет следующий вид:

pNPV (d, CF СИОКД ) NPV (d, PI, I СИОКД ) (4) где: - оценка приведенной стоимости денежного потока, связанного с использованием СИОКД;

р — вероятность успешной реализации научно исследовательских процессов;

NPV — чистая текущая стоимость;

CF СИОКД - денежный поток, связанный с эксплуатацией СИОКД;

PI СИОКД вероятностные характеристики затрат;

I - инвестиционные за траты на реинжиниринг СИОКД;

d - коэффициент дисконтирования.

При этом модель оценки изменения результативности деятельности СИОКД, описывающая чувствительность показателей, характеризующих данные затраты, имеет следующий вид:

n (5) KS i Gi, i где: - изменение значения итогового показателя;

Gi - изменение по казателя результативности i-й операции, KS i - коэффициент чувстви тельности для i-й операции.

Поскольку затраты на реинжиниринг СИОКД характеризуются разме рами инвестиционных затрат и вероятностями их наступления, то по де нежному потоку данных затрат можно рассчитать чистую приведенную стоимость с коэффициентом дисконтирования. Таким образом оценка фи нансового результата реинжиниринга системы информационного обеспе чения коллективной научно-исследовательской деятельности сотрудников института может быть осуществлена на основе использования следующей зависимости:

I tСИОКД t 1 n n (6) NPV (d, CF СИОКД ) p p j t d )t ( t1 j1 t где: t - время, в течение которого возникают затраты;

I tСИОКД - размер инвестиционных затрат;

pt - вероятность наступления инвестиционных затрат.

Для описания информационных потоков в СИОКД наиболее целесооб разно, с нашей точки зрения, использовать метод моделирования сценари ев. Предположим, что X j – это информация, объем которой обозначим через Y j, в момент ) осуществления научно-исследовательской опе t( k рации. Для моделирования финансовых результатов деятельности СИ k ОКД можно использовать следующую схему:

- определение первоначального состояния СИОКД : 0;

- если A( ) 0, то ожидание момента времени t ( ) ;

- в зависимости от объема информации Y выбор события X из множе ства A( ) ;

- в зависимости от выбранного события X : :,X (, ) ja ia ja переход системы в новое состояние.

Каждому событию (ребру дерева сценариев) X j ( i, j ) должно соответствовать отношение t ( i ) t ( j ). Предположим, что (X j ) – это вершина ребра X j ), а L(t ) - денежный поток, ожидае (, i i j мый на момент времени t, за выполненную с помощью СИОКД научно исследовательскую работу. Каждому сценарию (варианту) K ( k ) X i1, X i 2,..., X ik присущ поток платежей Li1, Li 2,..., Lik по ко торому выплаты осуществляются в моменты времени t i1, t i 2,..., t ik ti1, где t (u ( Ai )). Тогда ожидаемый денежный поток Lt можно рассчитать ti следующим образом:

(7) L(t ) M ( K ( k ))Li t ( ( X )) Ожидаемый денежный поток L[t ', t ' ' ] за промежуток времени [t ', t ' ' ] рассчитывается на основе следующей формулы:

L[t ', t ' ' ] L(t ' ' ) L(t ' ) (8) В случае, если в процессе моделирования реализуется сценарий C(wk), то ожидаемый денежный поток можно рассчитать следующим образом:

(9) L(t, K ( )) L M ( K ( ) K ( )) L k j i k i X K( ) i Q(,t ) j k k где:

Q(, t ) {i : K ( i ) K ( ), t ( ) t ( ( X i )) t} (10) Для промежутка времени [t ', t ' ' ] :

L([t ', t ' ' ] K ( ) L(t ' ' K ( )) L(t ' K ( )) (11) k k k Тогда при t ', равном, например t60, денежный поток S (t ), порождае мый деревом сценариев можно определить по формуле:

(12) S (t60 ) M ( K ( i ))Li i {1... 60} Таким образом, для оценки результатов реинжиниринга СИОКД необ ходимо решить многокритериальные задачи. Для выбора окончательного варианта можно использовать метод экспертной оценки. Рассмотренный методический подход может быть использован при модернизации матери ально-технической базы научно-исследовательского института.

Статья подготовлена при финансовой поддержке РФФИ, проект №10 06-00146а.

СОСТОЯНИЕ И ПЕРСПЕКТИВЫ РАЗВИТИЯ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ ОБУЧЕНИЯ В ВЫСШИХ УЧЕБНЫХ ЗАВЕДЕНИЯХ Балычев С.Ю., к.э.н., старший преподаватель ВЗФЭИ, т. 8(495)752-48-30, e-mail: bals@yandex.ru Батьковский А.М., к..э.н., профессор Академии военных наук, начальник НИО-1 ЦНИИ «Электроника», 8(495)396-73-46, e-mail: batkovsky@yandex.ru Потапенко В.И., к.э.н., профессор, Проректор Академии права и управления, т. 8-905-565-13-72, e-mail: nabor@academprava.ru Информационные технологии, внедряемые в образовательный процесс обучения, преследуют две основные цели: повышение качества подготовки студентов по различным программам за счет совершенствования техноло гий обучения и моделирование информационной среды будущей профес сиональной деятельности обучаемых.

Указанные технологии в методологическом плане с самого начала раз вивались по двум основным направлениям. Первое опирается на идеи про граммированного обучения, в рамках которого разрабатываются и эксплуа тируются различные учебные программно-методические средства: учебни ки, практикумы, лабораторные работы и т. д. Второе направление развития информационных технологий обучения основывается на использовании программных продуктов, ориентированных на решение прикладных про фессиональных задач, изначально не позиционируемых для использования в учебном процессе.

В нашей стране разработка информационных технологий обучения на чалась в середине 70-х годов и достигла широкого развития к концу 90-х годов, когда была выполнена серия работ по внедрению в ряде образова тельных учреждений компьютерных технологий обучения. При этом рабо та по информатизации образования сначала в основном была направлена на создание информационных систем для подразделений, обеспечивающих учебный процесс, а технологии автоматизированного обучения стали ши роко внедряться только после появления в образовательных учреждениях персональной вычислительной техники.

Сегодня при выборе программ во внимание принимается, что обучение должно:

- быть системным и опираться на информационную модель внешней среды, в рамках которой будет эксплуатироваться данная программа;

- вестись в контексте с будущей профессиональной деятельностью обу чаемого, когда решаемая задача отражает одну из сторон его профессии.

Цель обучения - научить решать профессиональные задачи с помощью вы бранной программы, а не просто освоить приемы работы с программой;

- обеспечивать тесное взаимодействие с родственными учебными дис циплинами.

Данные принципы значительно легче осуществлять при создании про граммных продуктов, реализующих первое направление развития инфор мационных технологий обучения, т.к. они ориентированы на решение про фессиональных задач в детерминированной области, которая достаточно жестко регламентирована различными нормативными актами. По своему характеру задачи этой области являются учетно-расчетными, причем рас четная составляющая сводится, как правило, к элементарным арифметиче ским операциям. Помимо того, указанные задачи многократно повторяют ся, по своей природе не уникальны и решаются по единому, установленно му нормативными документами алгоритму.

На решение профессиональных задач в недетерминированной области, подверженной воздействию случайных факторов и обладающей значитель ной степенью неопределенности, ориентированы программные продукты, реализующие второе направление развития информационных технологий обучения. Эти задачи имеют аналитический характер, по своей природе часто бывают уникальными и для их решения нередко приходится приме нять сложный математический аппарат.

Развитие инновационной экономики в высокоразвитых странах привело к появлению новой организации учебного процесса, базирующегося на принципе самостоятельного, дистанционного обучения с использованием технологий e-learning. При этом среда обучения характеризуется тем, что учащиеся в основном отдалены от преподавателя в пространстве и/или во времени, в то же время они имеют возможность в любой момент поддер живать диалог с помощью средств телекоммуникации.

Отличительной особенностью дистанционного обучения, является предос тавление обучаемым возможности самим получать требуемые знания, пользу ясь развитыми информационными ресурсами, предоставляемыми современ ными информационными технологиями. Информационные ресурсы: базы дан ных и знаний, компьютерные, в том числе мультимедиа, обучающие и контро лирующие системы, видео- и аудиозаписи, электронные библиотеки, - вместе с традиционными учебниками и методическими пособиями создают уникаль ную распределенную среду обучения, доступную широкой аудитории.

Дистанционное обучение при необходимости может включать посеще ние обучаемыми учебного заведения, а также сочетаться с традиционными формами обучения. Еще в 60-е годы ряд американских инженерных кол леджей начали использовать телевидение для предоставления учебных курсов. В 1984 г. был образован Национальный технологический универси тет (National Technological University, NTU), который превратился в кон сорциум из нескольких десятков университетских инженерных школ со штаб-квартирой в г. Форт-Коллинз штат Колорадо. Опыт NTU был реко мендован как модель для международного электронного университета. Для приема курсов использовались средства, предоставленные организациями спонсорами. NTU практически полностью финансируется за счет платы за обучение.В США сегодня по программам дистанционного образования обучается более миллиона студентов, принимающих учебные курсы через Систему Публичного Телевещания (Public Broadcasting System, PBS-TV).

Программа обучения взрослых (PBS Adult Learning Service) взаимодейству ет с почти 2 000 колледжами и местными станциями. Она предлагает курсы в различных областях науки, бизнеса, управления. Учебные курсы, переда ваемые по четырем образовательным каналам, доступны по всей стране и, через спутник, в других странах.

В странах Западной Европы дистанционное образование в основном развивается "открытыми" университетами, которые финансируются, как правило, правительством. Европейская организация дистанционного обра зования первоначально появилась в Великобритании в конце 60-х годов и была в значительной мере похожа на советскую систему заочного образо вания. Обучение максимально приближалось к месту проживания студен тов, где они занимались самостоятельно с использованием специальных пособий. Соответственно не требовалось длительных отрывов учащихся от основной деятельности. Важнейшая роль в процессе обучения при этом возлагалась на вспомогательных преподавателей, которые, проживая неда леко от студентов, должны были консультировать их в процессе обучения, проводить семинары, воскресные школы и пр. Часть курсов предоставля лась с использованием телевидения и радио.

В последнее время в европейском дистанционном образовании все больше используются современные компьютерные и коммуникационные технологии. В целом, дистанционное образование в Европе получило ин тенсивное развитие в начале 70-х годов и связано с созданием ряда Откры тых университетов (университетов дистанционного образования). В на стоящее время в каждой европейской стране существует значительная группа учебных заведений, реализующих дистанционные образовательные программы. Например, в Испании Национальный университет дистанци онного образования (Universidad National de Educacion a Distancia UNED) является одним из крупнейших учебных заведений. Он включает в себя порядка 60 учебных центров в стране и более 10 за рубежом (Бонн, Брюс сель, Женева, Лондон, Париж и др.). Его студенты также имеют возмож ность обучаться в Нью-Йорке и Риме. Методики такого обучения доста точно хорошо отработаны. Представляют интерес программы обучения с применением новых информационных технологий, включающих спутни ковое телевидение, компьютерные сети и т.п.

В Великобритании более 50% программ на степень магистра в области управления проводится с использованием методов дистанционного образо вания. Лидирующей европейской организацией в этой области является Открытая школа бизнеса Британского открытого университета. В системах дистанционного образования, не использующих принцип обратной связи, информация, необходимая для проведения лекций и других видов занятий, обычно централизованно фиксируется на видеокассете или видеодиске.

Дополнительно используются аудиозаписи и записи данных на магнитных дисках. Указанные материалы пересылаются, как правило, с использовани ем компьютерных сетей, непосредственно в учебные заведения, где приме няются при проведении учебных занятий. Такой метод используется На циональным Центром дистанционного обучения CENTRE NATIONAL D'ENSEIGNEMENT A DISTANCE (CEND, Франция), который сегодня обеспечивает дистанционное обучение около 400 000 пользователей в странах мира.

Наряду с программами, рассчитанными на достаточно массовую ауди торию, получили широкое распространение адресные циклы лекций и за нятий, позволяющие обучающимся по окончании курса, сдав экзамены, получить соответствующий диплом, сертификат и т.п. Одним из примеров реализации такого направления дистанционного образования могут слу жить телевизионные курсы Балтийского университета (THE BALTIC UNIVERSITY). Созданный в Швеции, он объединяет усилия более чем пя тидесяти университетов балтийского региона. Используя системы спутни кового телевидения, студенты и научные работники 10 стран имеют воз можность осуществлять научные и образовательные контакты по тематике, представляющей совместный интерес.

По данным зарубежных экспертов в настоящее время практически каж дый работающий нуждается в высшем образовании. Обучение такой массы студентов по очной (дневной) форме вряд ли выдержат бюджеты даже са мых развитых стран.

Мировая тенденция перехода к нетрадиционным формам образования прослеживается и в росте числа вузов, ведущих подготовку по этим техно логиям. В настоящее время программы электронного высшего образования разрабатываются более чем в 40 государствах, включая страны третьего мира. При этом, естественно, остаются отличия, вызванные различными культурными, педагогическими и прочими традициями.

Долговременная цель развития дистанционного образования и техноло гий e-learning в мире - дать возможность каждому обучающемуся, в любом месте, пройти курс обучения любого колледжа или университета - предпо лагает переход от ограниченной концепции физического перемещения обу чающегося из страны в страну к концепции мобильных идей, знаний и обу чения с целью распределения знаний посредством обмена образовательны ми ресурсами. Глобальное распространение дистанционного образования и технологий e-learning может обеспечить выполнение этой задачи.

Материал подготовлен при финансовой поддержке Российского фонда фундаментальных исследований (проект №10-06-00146а).

ИННОВАЦИОННОЕ РАЗВИТИЕ КОММЕРЧЕЧКИХ БАНКОВ НА ОСНОВЕ РЕИНЖИНИРИНГА ИХ КРЕДИТНОЙ ДЕЯТЕЛЬНОСТИ Батьковский М.А., к.э.н., начальник аналитического отдела ООО «Ванаг», т. 8(495)396-73-46, e-mail: batkovsky@yandex.ru Кредитную деятельность коммерческого банка можно определить как комплекс действий, направленных на осуществление процесса кредитова ния, достижение высокой эффективности кредитных вложений, удовлетво рение потребительского спроса на кредитные услуги, минимизацию кре дитного риска и формирование устойчивых конкурентных преимуществ банка в кредитной сфере.

Значение кредитной деятельности коммерческого банка определяется ролью кредита в процессе перераспределения денежных средств между различными отраслями и предприятиями, а также перевода сбережений из непроизводительной в производительную форму. Результатом кредитной деятельности любого коммерческого банка является упорядоченность кре дитных отношений и процессов.

Исследование различных подходов к пониманию сущности кредитной деятельности российского коммерческого банка выявило, что в современ ных условиях ей присущи следующие основные отличительные черты:

- интенсивное развитие новых форм и источников финансирования (ин струментов фондового рынка и др.);

- значительные изменения банковских технологий, обусловленные раз витием коммуникаций, автоматизацией и компьютеризацией деятельности банков;

- глобализация банковского сектора и усиление влияния на него миро вой экономики.

Отмеченные тенденции повышают уровень существующих и приводят к возникновению новых видов банковских рисков. Поэтому для коммерче ского банка в современных условиях особое значение приобретают процес сы развития кредитной деятельности, включающие: модернизацию кредит ного инструментария и механизма кредитования;

усиление контроля за банковскими рисками;

реинжиниринг ее информационного обеспечения и т.д. [1]. С нашей точки зрения, в настоящее время необходимо также раз вить представление о кредитной деятельности как о системе, т.к. это позво лит уточнить методические основы ее анализа. При системном подходе к ее анализу, кредитная деятельность коммерческого банка может быть рас смотрена как результат взаимодействия ее сложных и взаимосвязанных элементов, обладающих определенными характеристиками и свойствами. С нашей точки зрения, можно выделить четыре ключевых компонента кре дитной деятельности банка, которые должны быть основными объектами исследования при ее анализе: методологический компонент (определение целей, принципов, приоритетов, правил кредитования и т.д.);

организаци онный компонент (описание структуры банка, полномочий подразделений, занимающихся кредитной деятельностью и т.д.);

технологический компо нент (реализация и разработка кредитных технологий банка, видов и фор матов кредитов, системы целевых показателей, нормативов и др.);

инфор мационный компонент (сбор, обработка, хранение и передача информации, необходимой для осуществления кредитной деятельности). Указанные компоненты образуют механизм кредитной деятельности банка, представ ляющий собой совокупность финансовых методов, принципов, рычагов, стимулов, методик кредитования, а также соответствующих составляющих ресурсного обеспечения процесса кредитования (денежное, материальное, программное, нормативно-правовое, учетно-аналитическое, организацион но-технологическое, методологическое, методическое и др.).

Сущность кредитной деятельности коммерческого банка характеризуют ее функции, которые разделяются на общие, характерные для всех видов банковской деятельности, и специфические, отражающие ее особенности.

Начинаться кредитная деятельность должна с разработки ее стратегии, т.е. постановки целей кредитования, которые подразделяются на стратеги ческие и тактические, общие и частные. Кредитная стратегия банка являет ся одной из его функциональных стратегий, каждая из которых - это про грамма действий банка в соответствующем направлении его деятельности с целью достижения определенных показателей, характеризующих его бу дущее состояние. В основе кредитной стратегии коммерческого банка ле жит закон развития, согласно которому совершенствование его кредитной деятельности обусловлено изменениями во внешней среде и во внутренней структуре банка. Реализацию данного закона применительно к кредитной деятельности коммерческого банка можно представить в следующем виде:

n (1) P (P ) j ij i m (2) (T j Pj ) Pmax j Tj E j (Tj 1,...,T7 ), (3) где: Pj - потенциал банка на j -ом этапе его жизненного цикла;

Pij - по тенциал банка в i -ой области его кредитной деятельности на j -ом эта пе его жизненного цикла;

T j - коэффициент весомости, показывающий степень влияния каждого предыдущего вида потенциала банка на его по следующий вид;

E j - функция этого влияния;

Pmax - запланированные (прогнозируемые) результаты по конкретным видам кредитной деятель ности.

Закон развития должен учитываться при формировании кредитной стратегии коммерческого банка, которое заключается, в первую очередь, в позиционировании банка, т.е. в выборе необходимой стратегии из числа возможных. При этом, по нашему мнению выбор кредитной стратегии бан ка должен быть основан на оценке сочетаний различных возможностей, которыми он располагает, с риском, на который он готов идти. В основе формирования кредитной стратегии коммерческого банка лежат цели и задачи развития его кредитной деятельности. При этом разрабатывается дерево целей кредитной деятельности, которое определяет выбор возмож ных вариантов ее развития. При формировании кредитной стратегии ком мерческого банка должны использоваться также детерминанты - факторы, которые влияют на траектории развития банка. К таким факторам относят ся: банковские технологии, конкуренция;

факторы макросреды и др. Учи тывая, что необходимым условием реализации кредитной стратегии ком мерческого банка является его кредитный потенциал, важнейшим этапом ее формирования является оценка величины и структуры данного потен циала. Она должна заключаться в получении частных показателей с даль нейшим сведением их к обобщающему показателю, в качестве которого целесообразно использовать, по нашему мнению, критерий максимальной эффективности использования кредитного потенциала. Математически данный критерий может быть выражен следующим образом:

РКП (4) Э max КП КП где: ЭКП - эффективность использования имеющегося кредитного по тенциала банка;

РКП - результат функционирования банка с данным кре дитным потенциалом;

КП - величина кредитного потенциала банка.

Экономико-математическая модель оценки эффективности использова ния кредитного потенциала банка является детализацией зависимости, представленной в формуле (4) и может быть выражена следующим обра зом:

K L M (5) ЭКП П /( Э1 Э2 Эn ) 100 %...

k1 l1 m где: ЭКП - эффективность использования кредитного потенциала ком мерческого банка;

П - прибыль банка;

Э1 - Э n - различные элементы кре дитного потенциала банка;

K, L, M - количество показателей, исполь зуемых в модели для оценки каждого элемента кредитного потенциала банка.

Доклад подготовлен при финансовой поддержке РФФИ, проект №10-06 00146а.

Список литературы 1. Батьковский М.А, Булава И.В., Мингалиев К.Н. Совершенствование управления финансовой устойчивостью предприятия с целью снижения рисков его деятельности. / РИСК: Ресурсы, Информация, Снабжение, Кон куренция. №3, КОНКУРЕНТНАЯ РАЗВЕДКА И УПРАВЛЕНИЕ ЗНАНИЯМИ – КАК ИНСТРУМЕНТЫ УПРАВЛЕНИЯ КОНКУРЕНТНОЙ СРЕДОЙ ОБРАЗОВАТЕЛЬНОГО УЧРЕЖДЕНИЯ Баяндин Николай Иванович, МЭСИ, NBayandin@mesi.ru В Википедии дается следующее определение управлению знаниями (англ. knowledge management): « УЗ - это методология, направленная на повышение уровня конкурентоспособности и защищенности компании за счет использования полного набора инструментов охраны, управления и экономики нематериальных активов компании. УЗ рассматривает страте гии, направленные на предоставление вовремя нужных знаний тем членам сообщества, которым эти знания необходимы для того, чтобы повысить эффективность деятельности сообщества. Первоначально методология бы ла опубликована в книге "Learning to Fly".» С 2000 года дисциплину «управление знаниями» начали читать в качестве самостоятельного курса на кафедрах менеджмента западных университетов. Известны случаи при менения данной методологии крупными организациями, такими как ООН, ВВС и др. Конкурентная разведка (Competitive intelligence) или КР – это информационно-аналитическая деятельность, направленная на достижение конкурентного преимущества организации и осуществляемая законными методами. Время появления УЗ и КР примерно одинаково (можно говорить о начале 90-х) и связано с необходимостью более эффективного использо вания тех интеллектуальных возможностей, которые появились в рыночной экономике в связи с развитием информационного общества. КР и УЗ могут быть определены как методологии современного информационного обще ства, позволяющие планировать стратегию управления конкурентной сре дой. В качестве модели конкурентной среды воспользуемся моделью 5 сил М. Портера. Для нас наибольший интерес представляют две силы, а имен но, сила «сырье» и сила «покупатель». Под силой «сырье» мы понимаем силу влияния интеллектуального потенциала преподавателей, наличие учебно - методических материалов, применение современных обучающих технологий, т.е. все то, из чего создается «знание», которое ВУЗ будет «продавать» третьей силе (абитуриенты, родители, компании, государство).

Причем, КР будет рассматриваться с позиций того инструментария, кото рым она располагает, а именно Интернет, профессиональные БД, информа ционно-аналитические машины и т.д..

Можно констатировать, что значение конкурентной разведки и систем управления знаниями постоянно растет. С одной стороны, это связано с усилением конкурентной борьбы во всех областях бизнеса, в том числе и в сфере образования, а, с другой, непрерывным развитием информационных и коммуникационных технологий. Сегодня задачи конкурентной разведки стимулируют развитие систем управления знаниями, систем data mining и text mining, с другой стороны наиболее развитые из этих систем в явном виде содержат аналитические блоки, специально ориентированные на зада чи конкурентной разведки.


Большую проблему для российского общества составляет проблема свободного доступа к бизнес-информации. В отличие от экономически раз витых стран, где законодательные акты все более адаптируются к пробле мам свободы доступа и использования любой информации, в том числе и коммерческой, и, где ограничения касаются лишь материалов, доступ к которым ограничен законодательно, в России часто право доступа к ком мерческой информации только декларируется. Это обстоятельство зачас тую вносит ограничения в деятельность КР и УЗ.

Уровни сложности информационно-аналитических систем КР, могут быть очень разнообразными - от простых информационно-поисковых сис тем, необходимых на этапе становления (типа Cronos), до ресурсоемких систем управления знаниями и глубинного анализа данных и текстов (X file, Айкумена, Арион, семейство ib). Состав и объемы информации, необ ходимой для решения задач конкурентной разведки, бывают настолько ог ромными, что даже специализированные поисковые системы не всегда способны оперативно сформировать необходимый отчет. Именно для ре шения данной проблемы предлагаются системы управления и порталы зна ний, представляющие среду для эффективного поиска и обмена знаниями.

Важнейшую роль для эффективного использования систем УЗ и КР иг рают информационные массивы. В МЭСИ имеется возможность доступа к крупнейшей в мире он-лайновой БД Lexis-Nexis и ряду российских БД, что позволяет эффективно организовывать процесс обучения студентов.

Рассматривая современное образовательное учреждение как обучаю щуюся организацию можно говорить, что это организация, которая генери рует, приобретает, перерабатывает, передает и сохраняет знания. Она гибко и адаптивно изменяется в ответ на появление новых знаний и изменение динамики конкурирующей среды.

Образовательная среда характеризуется высокой степенью конкурен ции, что связано с несколькими причинами. Назовем некоторые из них. В первую очередь, это так называемая «демографическая» яма, т.е. резкое уменьшение количества абитуриентов, связанное с уменьшением числа людей, родившихся в начале 90-х годов по сравнению с предыдущими го дами. Далее, это переизбыток различного количества негосударственных ВУЗов, не обеспечивающих соответствующий уровень образования, но предлагающих такие же дипломы гос.образца. Важнейшим условием ус пешной конкурентной борьбы становится использование знания для орга низации оптимальной стратегии поведения ВУЗа.

Можно выделить несколько направлений решения стратегических за дач, направленных на повышение конкурентоспособности ВУЗа:

1. Выявление принципиально новых специальностей( о которых еще мо жет не подозревать общество, но которые будут определять лицо этого общества в будущем).

2. Определение требований к будущим специалистам, способным успешно работать в информационном обществе, с учетом динамики изменения конкурентной среды.

3. Подготовка преподавателей «нового типа» и учебно-методических ма териалов, предназначенных для передачи знаний в режиме on-line (по мере их возникновения).

4. Внедрение новых образовательных технологий в процесс обучения.

5. Широкое применение электронных форм обучения.

Литература:

1. Баяндин Н.И. Технологии безопасности бизнеса. М. Юристъ, 2. Энциклопедия деловой разведки и контрразведки. Сборник (составите ли Ф.Г. Меркулов, Р.В. Ромачев), М. «Русь – Олимп», ПРИМЕНЕНИЕ ЭКОНОМЕТРИЧЕСКИХ МОДЕЛЕЙ АНАЛИЗА И ПРОГНОЗИРОВАНИЯ ПОКАЗАТЕЛЕЙ ФУНКЦИОНИРОВАНИЯ ПРОЦЕССИНГА ДЛЯ ОБОСНОВАНИЯ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ Бегутова Елена Владимировна, аспирантка тел. 8916739-59-38 e-mail begutovaelena@mail.ru Основным показателем деятельности процессинга является объемы и суммы транзакций по платежным картам, которые определяют в дальней шем доходы процессингово центра. В транзакционных база данных про цессинга фиксируются все данные по транзакциям и хранятся в разрезе всех банков и временных интервалов. Эти данные представляют собой временные ряды и позволяют, применяя статистические методы делать прогнозные значения на любой будущий интервал времени.

Для прогнозирования была сделана выборка данных показателя - коли чества транзакций по одному банку по месяцам за прошедшие 5 лет. Цель исследования это анализ и прогнозирование временного ряда с помощью статистического пакета Statistica. В качестве метода прогнозирования была выбрана модель авторегрессии- скользящего среднего(метод Бокса Джен кинса).

Общая модель, предложенная Боксом и Дженкинсом (1976) включает как параметры авторегрессии, так и параметры скользящего среднего.

Именно, имеется три типа параметров модели: параметры авторегрессии (p), порядок разности (d), параметры скользящего среднего (q). В обозначе ниях Бокса и Дженкинса модель записывается как АРПСС (p, d, q). Напри мер, модель (0, 1, 2) содержит 0 (нуль) параметров авторегрессии (p) и параметра скользящего среднего (q), которые вычисляются для ряда после взятия разности с лагом 1.

Для начала анализа построим график временного ряда количества тран закций за период с января 2005 по декабрь 2009 года (рис. 1).

Рисунок 1 - Динамика количества транзакций за период с января по декабрь 2010 гг Большинство регулярных составляющих временных рядов принадлежит к двум классам: они являются либо трендом, либо сезонной составляющей.

Тренд представляет собой общую систематическую линейную или нели нейную компоненту, которая может изменяться во времени. Сезонная со ставляющая - это периодически повторяющаяся компонента. Оба эти вида регулярных компонент часто присутствуют в ряде одновременно.

Использование сериальных критериев и критерия, основанного на ранговой корреляции (таблица 1) подтвердило предположение о наличие в ряду возрастающего тренда, то есть о нестационарности ряда.

Результаты проверки гипотезы об отсутствии тренда в ряду количества транзакций по банку 1 типу карт А № п/п Название критерия Результат метод Фостера-Стюарта Есть тренд восходящих и нисходящих серий Нет тренда основанный на медиане выборки Есть тренд основанный на коэффициенте ран- Нет тренд говой корреляции Спирмена Для анализа наличия тренда построим оценки автокорреляционной (АКФ) и частной автокорреляционной (ЧАКФ) функций: на рис.2 можно увидеть с увеличением лага АКФ убывает очень медленно, ЧАКФ имеет выброс на первых двух лагах. Кроме того, АКФ и ЧАКФ имеют выброс на лаге 13, что позволяет заподозрить подверженность исследуемого ряда се зонным колебаниям.

А) Б) Рис. 2- Графики выборочных автокорреляционной (а) и частной автокорреляционной (б) функций временного ряда количества транзакций Полученные сведения о компонентном составе изучаемого временного ряда необходимо использовать при построении модели, которая будет ис пользоваться для прогнозирования.

При построении модели авторегрессии проинтегрированного скользя щего среднего, или АРПСС( p, d, q )-модели предполагается, что анализи руемый нестационарный временной ряд может быть приведен к стационар ному ряду путем применения d -кратной процедуры метода последова тельных разностей, и получившийся ряд может быть описан моделью авто регрессии скользящего среднего (АРСС( p, q )-моделью) вида:

d d d d yt yt yt... yt....

1 1 2 2 p p t 1 t1 2t2 q tq d или в операторном виде L1L yt L p q t где q L – оператор сдвига такой, что L ;

t tq L - операторные полиномы, L, p q L2... Lp, L 1 L p 1 2 p L0 L1 L2.... Lq ;

L q 1 2 q t - белый шум, t d k 1, d k 2,..., T (k max p, q ).

В основе идентификации модели лежит анализ АКФ и ЧАКФ исходного ряда и ряда разностей соответствующих порядков. При наличии сезонных колебаний процесс, как правило, характеризуется высокими значениями коэффициентов автокорреляции даже при больших задержках. Преобразо вание процесса с целью исключения тренда (например, путем перехода к конечным разностям) обычно ведет к тому, что у преобразованного про цесса значительно выделяются по величине автокорреляции, кратные пе риоду колебания. Это и указывает на присутствие сезонной составляющей.

Поскольку выше была доказана нестационарность ряда количества транзакций, то возьмем первые разности (d=1) и построим для этого ряда АКФ и ЧАКФ:

Рисунок 3 - Графики выборочных автокорреляционной и частной автокорреляционной функций временного ряда количества транзакций Выборочная АКФ имеет выброс на 1 лаге, что говорит в пользу включе ния в модель одного параметра СС, ЧАКФ имеет выброс на лаге 1, следо вательно нужно включить один параметр АР. Кроме того, АКФ имеет вы бросы на лагах 12 и 13, что подтверждает необходимость использования именно мультипликативных моделей.

Найдем оценки параметров модели (рисунок 4) Рисунок 4 – Результаты оценивания Анализ АКФ и ЧАКФ ряда остаточной компоненты свидетельствует об адекватности построенной модели.

Рисунок 5 - Графики выборочных автокорреляционной и частной автокорреляционной функций остатков модели Таким образом, модель для количества транзакций имеет вид:

1 0,29L y t 1 0,36L12 t y t 0,29 y t 1 0,36 t t y t y t 1 0,29 y t 1 0,29 y t 2 0, t t y t 0,71y t 1 0,29 y t 2 0,36 t t Построенный по модели точечный и интервальный прогноз представлен на рисунке 6.

Рисунок 6 – График наблюденных и прогнозных значений количества транзакций на 2010 год Прогнозные значения количества транзакций на 2010 год можно уви деть в таблице 2.

Точечный и интервальный прогноз количества транзакций на 2010 год Таблица 90%-ный доверительный интервал Прогнозный Точечный период прогноз Нижняя граница Верхняя границы январь 518503.3 392150.2 644856. февраль 538535.8 388004.2 689067. март 571201.8 401035.6 741368. апрель 562004.0 373943.4 750064. май 553855.6 349541.6 758169. июнь 575470.0 356081.9 794858. июль 570526.6 337041.5 804011. август 563094.9 316315.2 809874. сентябрь 557348.6 297955.2 816742. октябрь 558647.6 287225.8 830069. ноябрь 566986.0 284046.9 849925. декабрь 564581.5 258280.3 870882. Таким образом был проведен анализ и прогнозирование показателя с помощью модели авторегрессии скользящего среднего в среде Statistica.

Данные прогнозные значения используются руководством процессинга стратегического уровня для принятия решения о возможном увеличении эмиссии платежных карт, увеличение количества функционирующих тер миналов.

В процессе построения модели и анализа временного ряда была выявле на нестационарность ряда и наличие сезонности, построена мультиплика тивная модель yt 0, 71 yt 1 0, 29 yt 2 0, 36 t 12 которая позволяет t определять прогнозные значения объемов транзакций.

Литература:

1 Елисеева И.И. Эконометрика, 2 Садовникова Н.А. Шмойлова Р.А. Анализ временных рядов и прогно зирование, РОЛЬ И МЕТОДИКА КОНТРОЛЯ И УПРАВЛЕНИЯ ЗНАНИЯМИ В ИННОВАЦИОННОМ МЕНЕДЖМЕНТЕ Белов А.А., к.т.н, доцент ГОУВПО «Ивановский государственный энергетический университет им. В.И. Ленина»

тел. (4932)26-98-55;

email: belov@it.ispu.ru В современной социально-экономической среде, характеризующейся сильно неравновесным состоянием [1], доминирующим становится инно вационный путь развития, при котором решающую роль приобретают ин формационный, интеллектуальный и организационный ресурсы, способ ность их эффективного использования в процессе хозяйственной деятель ности. При разработке и реализации информационно-синергетической кон цепции управления сложными производственными системами [2], ориен тированной на достижение синергетического эффекта от использования этих взаимообусловленных и взаимосвязанных ресурсов, ключевое значе ние приобретает проблема контроля и управления знаниями управленче ского персонала, его интеллектуальными способностями. Для решения этой проблемы был разработан метод иерархических понятийных структур, от личающийся формализованностью, оперативностью и объективностью оценки знаний сотрудников.

В основе данного метода заложена структурно-интегративная методо логия исследования интеллекта, согласно которой центральную роль в ста новлении интеллекта играют понятийные структуры [3]. Иерархическая понятийная структура (ИПС) создается на основе множества понятий M0, определяющих содержание предметной области SПО, и исходя из законо мерностей иерархического порядка:

H (mi j k )... H (mi j 2 ) H (mi j 1 ) H (mi j ) H (mi j 1 ) H (mi j 2 )... (1) H (mi j ) – сложность восприятия когнитивной схемы, обозначенной где понятием mi на j-м иерархическом уровне. При установлении меры пони мания субъектом понятия mi как ai справедливой становится следующая зависимость:

a j k... a j 2 a j 1 a j a j 1 a j 2... (2) aj aij / n – средняя оценка понимания сущности понятий {mi}j, где находящихся в когнитивной структуре (структуре знаний) на j-м уровне сложности. Величина ai оценивает рефлексивно в условной шкале (напри мер, ai=[0,10]). Оценка знаний субъекта в рамках предметной области SПО осуществляется на основании модели знаний, выраженной в виде условной гистограммы (рис.1а), путем сравнения с реально полученной (рис.1б).

0, 0, 0, N= 0, int 0,5 N= 0, 0,3 N= 0, 0,1 N= 0,618 0,7 0,8 0,9 a1/amax а) б) Рис.1. Гистограммы знаний: а) условная;

Рис.2. Зависимость int б) реальная от N и a 1 / amax На рис.1а выделены области (вектора) порядка К и хаоса Н. Вся область гистограммы представляется как область абсолютного знания I для созда теля ИПС, равная области полной неопределенности Hmax для субъекта, не обладающего знаниями этой предметной области. Тогда:

I N amax, (3) N a( j 1)], [a K (4) j N a( j 1)].

[a H I K Namax (5) j По аналогии с коэффициентом избыточности информации [2] определя ется коэффициент упорядоченности знаний:

N [a 1 a ( j 1)] (6) H K.

j RK I H max Namax На основании правила «золотой пропорции» [4] устанавливается значе ние RK==0,618 как условие гармоничных устойчивых знаний субъектом проблемной области. Если условие (2) является необходимым для оценки знаний предметной области, то достаточные условия определяются вели чиной предельной устойчивости знаний:

a 1 1,236.

a (7) int amax N 1 amax N Величина int зависит от числа уровней сложности N предметной облас ти, а также от отношения a 1 / amax, т.е. от уровня элементарных знаний (зна ний элементарных понятий предметной области). Эта зависимость пред ставлена на рис.2, где обращает на себя внимание значение int при N=3 и 1, равное =0,382. Отсюда следуют два вывода, характеризую a 1 / amax щие обучающую, самоорганизующуюся систему (субъекта обучения), оце ниваемую методом ИПС:

1. Приобретение устойчивых знаний, т.е. знаний, необходимых для ус тойчивого интеллектуального развития, в данной предметной области Sji возможно в процессе усвоения понятий, отражающих ее суть минимум на трех уровнях: элементарном уровне проблемном уровне и уровне среды.

Такой вывод согласуется с общими теоретико-системным обоснованием необходимости рассмотрения открытой, развивающейся системы на трех иерархических уровнях, сделанным автором в работе [2]. В данном случае на первом, элементарном уровне представляются понятия, выражающие содержание и структуру основным, проблемных понятий предметной об ласти (второй уровень). Третий уровень представляют понятия, обозна чающие предназначение и связь основных проблемных понятий. В дейст вительности предметные области котекстируются более сложными про блемами, в связи с чем число N в ИПС достигает 5-7 уровней.

2. Определенный методом иерархических понятийных структур уровень знаний, гарантирующий устойчивое, гармоничное развитие интеллектуаль ных способностей субъекта в рамках предметной области, определяется количественно триединством «золотой пропорции» 1,, 2, где 1 – полные элементарные знания предметной области( a 1 / amax 1 ), – доля знаний субъекта в иерархически упорядоченной предметной области или коэффи циент упорядоченности знаний (RK= =0,618), 2 – поуровневое прираще ние неопределенности или предельная устойчивость знаний при N=3 (int= 2=0,382).

На основании изложенной методики устанавливаются три показателя знаний: систематичность, элементарность и устойчивость, определяемые в соответствии с выполнением следующий условий.

Условие 1 (необходимое), определяемое неравенством (2). Оценка вы полнения:

N sign( a ) j, j 1 0, (8а) j где 0 при a aj, j sign( a) sign( a) 1 при a aj.

j Для оценки знаний, а также для управления интеллектуальным развити ем используется доверительный интервал, зависящий от N. При N(5 7) устанавливается =1 2.

Допускается более слабое условие (8б) путем введение доверительного интервала а в определении значения sign(a):

sign( a) 0 при (a j 1 a ) a j. (8б) Невыполнение условия (8а,б) означает отсутствие системности зна ний, являющейся определяющим фактором аналитических способностей субъекта.

Условие 2 (достаточное), определяющее уровень элементарных знаний (знаний элементарных понятий предметной области), необходимых для принятия эффективных, конструктивных решений в соответствующей про блемной ситуации (включая процесс параметризации объекта управления):

(9а) a 1 / amax или (9б) a 1 / amax 1 a, где а={ а1, а2, …} – уровни значимости данного интеллектуального свойства субъекта, необходимые для оценки его способностей и управле ния ими.

Условие 3. Определяется как:

, (10) b int где b устанавливается на основе регрессионного анализа, приводящего к получению зависимости a j a0 b j (11) При сравнении b с int устанавливается доверительный интервал b={ b1, b2, …}, определяющий данную оценку знаний и являющийся управляющей координатой в системе управления развитием интеллектуальных способно стей субъекта. Данная оценка определяет устойчивость знаний, необходи мую для их использования и дальнейшего развития.

При выполнении всех условий управление интеллектуальным развити ем производится путем усложнения, т.е. повышения уровня сложности N.

Такой подход согласуется с управлением карьерой персонала.

Параметризацию предметной области Sji может производить сотрудник Si j, способный сформировать ИПС этой предметной области. Для этого он должен обладать знаниями в этой области, в идеале стремящимися к I, т.е Si j KI или Н0. Выполнение этих требований возможно:

для 1) когда необходимое условие, обозначенной неравенством (2) последо вательно приближается к равенству:

a j k... a j 2 a j 1 a j a j 1 a j 2..., (12) где в первую очередь должно соблюдаться равенство a 1 amax или a 1 / amax 1 ;

2) когда достаточное условие a 1 / amax достигается при знании более int сложной предметной области, включающей заданную, т.е. при NNзад;

в этом случае в соответствии с (7) при увеличении разности N-Nзад значение предельной устойчивости знаний для Nзад будет стремиться к нулю.

Последнее согласуется с организационными принципами построения информационно-синергетической системы управления развитием произ водства: поскольку Si j Si j 1, он должен обладать достаточными знаниями на большем числе уровней сложности предметной области:

N (Si j ) N (Skj ). (13) Исходя из закономерностей иерархического порядка... card{mi } j 1 card{mi } j card{mi } j 1..., (14) Для реализации изложенной методики разработан программный инст рументарий «Intellect-Pro», на основе которого создана автоматизированная система управления знаниями персонала.

Литература 1. Костюк В.Н, Теория эволюции и социоэкономические процессы. – М.: Эдиториал УРСС, 2001. – 176 с.

2. Белов А.А. Информационно-синергетическая концепция управления сложными системами: методология, теория, практика / ГОУВПО «Иванов ский государственный энергетический университет». – Иваново, 2009. – 424 с.

3. Холодная М.А. Психология интеллекта. Парадоксы исследования. – СПб.: Питер, 2002. – 272 с.

4. Сороко Э.М. Золотые сечения, процессы самоорганизации и эволю ции систем: Введение в общую теорию гармонии систем. – М.: КомКнига, 2009. – 264 с.



Pages:   || 2 | 3 | 4 | 5 |   ...   | 11 |
 

Похожие работы:





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

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.