Автореферат (Методология и инструментарий формирования устойчивого развития наукоемких производств авиационного кластера), страница 6

Методы и методики их объединения по классамустойчивости едины, однако, в силу закрытости и ограниченности доступа кпоказателям функционирования предприятий военно-специализированногоавиастроения, практический расчет по предлагаемой методике будетосуществляться по части предприятий-производителей авиапродукциигражданского назначения, а также предприятий смежных отраслей,потенциально способных участвовать в процессе создания этой продукции.Анализ современной литературы и данных опроса руководителейнекоторых предприятий привел к следующему пониманию содержанияиндикаторов устойчивости. В табл.1 представлены показатели в составекаждого из четырех индикаторов и их пороговые значения при оценке уровняустойчивости.

Наличие пороговых и эталонных значений по каждомупоказателю соответствуют вербально-числовой шкале Харрингтона.Значение каждого качественного или количественного показателя внутрииндикатора будет варьировать от 0 до 1. Результаты, полученные по всемкомпаниям, будут проранжированы: если значение показателя находится вдиапазоне устойчивого состояния (нормальный уровень устойчивости), емуприсваивается ранг 1; если частично устойчивого (критический уровеньустойчивости) – ранг 0,5; если неустойчивого состояния (кризисный уровеньустойчивости) – ранг 0. Стремление показателей уровня устойчивости к 1 вдинамике будет определять устойчивость функционирования предприятия, атакже станет гарантией эффективной реализации экономических интересов, каксамого предприятия, так и его партнеров.При формировании методики оценки уровня устойчивости развитиянаукоемких производств использовались данные 150 разрабатывающих ипроизводящих предприятий - потенциальных участников авиационногокластера.

Исходные данные о деятельности этих предприятий были взяты изСистемы комплексного раскрытия информации и новостей СКРИН, по нимвычислены 22 показателя.24Таблица 1.Индикаторы устойчивости развития наукоемких производствНаименование показателяНормальныйуровеньустойчивостинаукоемкогопроизводстваустойчивоКритическийуровеньустойчивостинаукоемкогопроизводствачастичноустойчивоИндикатор экономической безопасностиКоэффициент концентрации собственного1-0,80,79-0,6капитала (коэффициент автономии)Коэффициент конкурентоспособности (доля1-0,50,49-0,1экспортируемых инноваций)Коэффициент маневренности собственного1-0,70,69-0,4капиталаКоэффициент структуры долгосрочных0-0,30,31-0,5вложенийКоэффициент финансовой устойчивости1-0,80,79-0,5ФондоотдачаБолее 109-1Коэффициент износа ОПФМенее 0,30,31-0,5Коэффициент интенсивности обновления ОПФБолее 0,20,19-0,1Реальный уровень загрузки производственных1-0,90,89-0,7мощностейУровень рентабельности производстваБолее 10,99-0,5Индикатор технологической независимостиНаукоемкость производстваБолее 0,40,39-0,2Коэффициент инвестирования НИОКРБолее 0,30,29-0,1Собственная патентная защищенность1-0,60,59-0,4Показатель освоения инновацийБолее 0,60,59-0,4Рентабельность коммерческих расходовБолее 10,99-0,5Показатель зависимости от внешнихМенее 0,30,31-0,5исполнителейИндикатор интеллектуальной привлекательностиНаукоемкость трудаБолее 0,40,39-0,2Возрастной уровень научного кадровогоМенее 45От 46 до 55потенциалаИндикатор социальной стабильностиУровень стабильности кадров0-0,10,11-0,2Уровень профессиональной подготовкиБолее 0,30,29-0,1Уровень оплаты трудаБолее 10,99-0,7Уровень социальной неудовлетворенности00,1-0,3КризисныйуровеньустойчивостинаукоемкогопроизводстванеустойчивоМенее 0,59Менее 0,09Менее 0,39Более 0,51Менее 0,49Менее 0,9Более 0,51Менее 0,09Менее 0,69Менее 0,49Менее 0,19Менее 0, 9Менее 0,39Менее 0,39Менее 0,49Более 0,51Менее 0,19Более 56Более 0,2Менее 0,09Менее 0,69Более 0,31Важно отметить, что в исследовании мы используем именно тот составпоказателей, которые явились наиболее значимыми для оценки устойчивости,по мнению опрашиваемых руководителей ряда производственныхпредприятий, а также доступными для расчета, с точки зрения содержаниясовременной статистической отчетности.

Мы не претендуем наокончательность набора исходных показателей, используемых для расчетаиндикаторов устойчивости, и допускаем при необходимости введение в составиндикаторов новых показателей.25Выделено пять классов устойчивости внутри кластера.Определены характеристики отнесения объекта исследования к каждомуиз предлагаемых классов.Просчитав сумму рангов по каждому предприятию и разделив ее наколичество показателей, по каждому предприятию имеем рейтинг. Наосновании диапазонов пороговых значений, представленных в табл.2, каждоепредприятие принадлежит к тому или иному классу, при этом интервалыоценки уровня устойчивости соответствуют вербально-числовой шкалеХаррингтона.Таблица 2.Итоговая таблица сводных пороговых показателейУровень устойчивости предприятияУстойчивое предприятие (ПрВуУст)Потенциально устойчивое предприятие (ПрПтУст)Предприятие среднего уровня устойчивости (ПрСрУст)Потенциально неустойчивое предприятие (ПрПтНус)Неустойчивое предприятие (ПрНеУст)Значение1 – 0,80,79 – 0,60,59 – 0,40,39 – 0,20,19 – 0Алгоритм, заложенный в предлагаемую нами методику, представляетсобой ряд последовательных шагов и изображен на рис.4.Обосновано использование дискриминантного анализа вкачестве инструмента классификации уровней устойчивости.Для обеспечения диагностики уровня устойчивости наукоемкихпроизводств авиационного кластера очень важно построить решающее правило,позволяющее отнести то или иное оцениваемое предприятие к одному извозможных классов устойчивости.

В качестве инструмента построения моделиоценки устойчивости нами был выбран дискриминантный анализ. Сметодической точки зрения, для решения поставленной в исследовании задачидискриминантный анализ предоставляет два инструмента, так называемогоразведочного анализа. Во-первых, дискриминантный анализ позволяетпровести классификацию с помощью функции расстояния, т.е.

измеряетсярасстояние от испытуемого объекта до классов, и приписывается тому классу, ккоторому он ближе. Во-вторых, предоставляет возможность использоватьметод канонических функций (переменных), в результате чего будут построенытакие функции наблюдаемых величин, значения которых укажут напринадлежность к определенному классу. Основной целью дискриминацииявляется нахождение такой линейной комбинации переменных, которая быоптимально разделила рассматриваемые группы.Этап 1.

Сбор исходной информацииИнвентаризацияпредприятий авиационногокластераИдентификация наукоемких производств(самостоятельно разрабатывающих и/илипроизводящих наукоемкую продукцию)Мониторинг результатов деятельности наукоемкихпроизводств по четырем индикаторам (ЭБ, ТН, ИП, СС)для определения исходных данных для расчетовЭтап 2. Расчет индикаторов устойчивостиОпределениерейтинга наукоемкогопроизводства поуровню устойчивостиСопоставлениесуммарного ранга смаксимальнойвеличиной ранга покаждому индикаторуОпределениесуммарногоранга покаждомуиндикаторуРанжированиекоэффициентов в пределахкаждогоиндикатораНормированиепоказателей впределахкаждогоиндикатораРасчет показателейоценки уровняустойчивости впределах каждогоиндикатораЭтап 3.

Оценка, диагностика и прогнозирование уровня устойчивостиВвод рейтинговых данных в расчетнуюмодель оценки уровня устойчивостинаукоемких производствРазработка мер, направленных на минимизациюфакторов, негативно влияющих на уровеньустойчивости наукоемкого производстваПоиск дополнительных возможностейдля повышения уровня устойчивостинаукоемких производствРис.4.

Алгоритм процедуры оценки уровня устойчивости наукоемких производств авиационного кластера27Введем следующие обозначения:g - число групп, категорий или классов разбиения; в нашем случаеколичество классов известно и равно пяти (табл.2);p - число наблюдаемых величин (дискриминантных переменных);n(s), s = 1,2,… g - число наблюдений в s–й группе;gn = ∑ n(s) =150 - общее число наблюдений по всем группам (объектов);s=1x(s)im – наблюдаемое значение координаты (переменной) i для m–гонаблюдения в s–й группе;индекс i – порядковый номер координаты; верхний индекс нумеруетгруппу или класс, первый нижний индекс – порядковый номер координаты иликомпоненты наблюдения, второй нижний индекс - порядковый номернаблюдения в группе (номер объекта);_x(s)i - среднее значение переменной i в s–й группе;_xi - среднее значение переменной i по всем группам;__(S)X - вектор средних значений в s–й группе;__X– вектор средних значений во всей наблюдаемой совокупности;T - общая сумма квадратов относительно общей средней;W(S) – внутригрупповая сумма квадратов относительно среднейгрупповой, ее размерность совпадает с размерностью матрицы T;W – усредненная сумма внутригрупповых сумм квадратов относительносредней групповой, ее размерность совпадает с размерностью матрицы T.Для корректного применения дискриминантного анализа:1.число групп: g ≥ 2;2.число объектов в каждой группе: n(s) ≥ 2, s = 1,2,… g, ограничениесвязано с необходимостью расчета суммы квадратов отклонений от среднихвнутри каждого класса;3.число дискриминантных переменных: 1 ≤ p < n-2, ограничениесвязано с расчетом межгрупповых дисперсий и применением критерия Фишерадля сравнения дисперсий;4.дискриминантные переменные измеряются в интервальной шкале.Будет рассмотрен случай отнесения случайно выбранного нового объектаX=(x1 x2 … xp)T к одной из групп (классов) G(s), s=1,2,…g, g ≥ 2.

Пусть f(s)(X) плотность распределения X в G(s) и q(s) - априорная вероятность того, что векторX принадлежит к группе G(s). Предполагается, что сумма априорныхвероятностей:g∑ q(s) =1.s=128Условием нормировки является выбор всех этих вероятностей равными,либо пропорциональными численности групп. Проведя необходимыевычисления, получим оценку классифицирующих функций (простойдискриминантной функции Фишера) (2):d(s)(X) = b(s)0 + b(s)1x1 + b(s)2x2 + … + b(s)pxp +lnqs , s = 1,2,… g(2)где b(s) = (b(s)1 b(s)2 … b(s)p), b(s)0 – коэффициенты s–ой классифицирующейфункции объектаОбъект X = (x1 x2 … xp)T относится к классу G(s), у которого значение d(s)(X)оказывается наибольшим. Коэффициенты классифицирующих функцийудобнее вычислять по скалярным выражениям (3):b(s)i =h-1_(n – g)∑(W )ij x(s)j, s=1,2,…g(3)j=1где b(s)i коэффициент для переменной i в выражении, соответствующемуклассу s, (W-1)ij обратный элемент внутригрупповой матрицы сумм попарныхпроизведений W.

Постоянный член находится по формуле (4):hb(s)0=-½∑_(s) (s)b j x j,s = 1,2, …, g(4)j=1Функции, определяемые соотношением (2) с коэффициентами (3,4),называются "простыми классифицирующими функциями" потому, что онипредполагают лишь равенство групповых ковариационных матриц и нетребуют других дополнительных свойств.Рассматривая процесс классификации с помощью функций расстояния,следует отметить, что выбор функции – это способ введения меры сходства длявекторов объектов. В условиях, когда переменные коррелированны, измерены вразных единицах, имеют различные стандартные отклонения целесообразноприменить выборочное расстояние Махаланобиса (5):2(s)__(s) T-1__D (X|G ) = (n-g) (X – X ) W (X – X(s)), s = 1,2,…,g(5)где X представляет объект с p переменными.Таким образом, при использовании функции расстояния, объектотносится к той группе, для которой расстояние D2 (X|G(s)) наименьшее.Выполнена классификация выборки наукоемких производствсектора гражданского авиастроения потенциального авиационногокластера.

Построены классификационные функции.Обработка данных и расчет модели оценки устойчивости проводился сиспользованием пакетов прикладных программ MS Excel, Statsoft Statisticav10.1. Данные, представленные в табл.3, позволяют сделать вывод о том, что,29во-первых, переменные, включенные в модель и характеризующие процессклассификации, выбраны правильно, во-вторых, что изменение первойпеременной (экономической безопасности), включенной в модель, внаибольшей степени влияет на классификацию, вторая по значимостипеременная – это технологическая независимость, а остальные две переменныетоже важны, но не проявили себя в должной мере.Таблица 3.Сводная таблица дискриминантного анализаWilks' LambdaPartial LambdaF-removep-valueToler.1-Toler.