Автореферат (1152739), страница 5
Текст из файла (страница 5)
Выбор аналитической платформыобъясняется возможностью создания на её основе встроенных современныхметодов визуализации данных.На базе аналитической платформы 200 промышленных предприятий Россиипреобразованы в карту Т. Кохонена и распределены на пять групп потенциальныхкластеров (Рисунок 6).КластерыКластер 5Кластер 3Кластер 2Кластер 4Кластер 1Кластер 1 с минимальным по группе объемом реализации за 2016 г.Кластер 4 с максимальным по группе объемом реализации за 2016 г.Цветная раскраска в зависимости от схожести параметров предприятийРисунок 6 – Распределение 200 промышленных предприятий Россиина карте Т.
КохоненаИсточник: составлено автором на базе www.basegrouplabs.ruПолученная в результате построения карт Т. Кохонена группировка пятигрупп потенциальных кластеров позволяет проанализировать экономическиехарактеристики образованных кластеров (Таблица 3).Таблица 3 – Обзор пяти групп потенциальных кластеров РоссииПоказательКластер 1 Кластер 2 Кластер 3 Кластер 4 Кластер 5ИтогоОбъем реализации в 2016 г. (млн руб.)479 8572 023 7263 814 0714 692 3071 801 199 12 811 159Объем реализации в 2015 г.
(млн руб.)452 8771 841 8113 501 2684 425 2671 485 074 11 706 2966,09,98,96,021,39,4-12 061176 022481 400412 490209 0111 266 861675472349200Темп прироста реализации продукции (%)Чистая прибыль в 2016 г. (млн руб.)Количество предприятий в кластере (ед.)Доля кластера по объему реализации3,7%15,8%29,8%36,6%14,1%100,0%Доля кластера по количеству предприятий3,0%37,5%23,5%11,5%24,5%100,0%Источник: рассчитано автором17Образованные группы потенциальных кластеров имеют следующиехарактеристики:Кластер 1.
Основную долю предприятий занимают отрасли машиностроения(74%), добычи и реализации нефтепродуктов (11%). Наблюдаются отрицательныезначения объема чистой прибыли, полученные предприятиями за 2016 г.(-12,1 млрд руб.) за счет снижения темпов прироста от реализации предприятий,задействованных в отрасли добычи сырой нефти и природного газа.Кластер 2. Группа является самой крупной по количеству предприятий(75 предприятий) и находится на втором месте по темпам прироста объемовреализации продукции (9,9%).
При этом среди образованных групп имеетнаименьшие значения объема чистой прибыли за 2016 г. (176,0 млрд руб.).Кластер 3. Совокупный объем реализованной продукции по группесоставляет более 3,8 трлн руб., из которых основная доля (21%) приходится напищевую промышленность (798,4 млрд руб.).Кластер 4. Группа находится на втором месте среди образованных групп попоказателю чистой прибыли (412,5 млрд руб.).
В группе 55% предприятийориентированы на добычу и реализацию полезных ископаемых (нефти, угля,драгоценных металлов и алмазов).Кластер 5. Группа характеризуется самыми высокими темпами приростаобъемов реализации продукции (21,3%) и производительности трудана 1 человека (в среднем по группе более 5 млн на одного сотрудника).Таким образом, процесс построения самоорганизующихся карт признаковапробирован на примере 200 промышленных предприятий России,что позволило: идентифицировать группы взаимосвязанных предприятий с цельюпрогнозирования дальнейших сценариев развития существующих кластеров ирешения задач расширения географического присутствия кластеров по регионам.В результате предприятия со схожими характеристиками вошли в единуюгруппу кластеров, поэтому для них возможно применить одинаковые условияобразования или присоединения к существующим кластерам.
Наибольшая доляпредприятий (83%) из 200 анализируемых, сконцентрированы в относительнойблизости друг от друга на пространственной территории групп Кластеров 2(75 предприятий выборки), 5 (49 предприятий) и 3 (47 предприятий); выделить из всей совокупности предприятия, отличающихсяпо комплексу объективных условий функционирования и осуществить первичнуюдиагностику результатов их деятельности для последующего анализа и сравненияпотенциальных групп кластеров, в состав которых они вошли.По результатам анализа наиболее перспективными для образованияв кластеры оказались предприятия Кластера 4.
Данный кластер отличаетзначительная доля объема реализованной продукции – 36,6% от общего объемаили 4,7 трлн руб. В состав кластера входят 23 предприятия, 12 регионов,8 отраслевых направлений промышленности; выявить наиболее перспективные регионы поддержки кластеровсо стороны региональных органов власти и управления.18ПутемналожениясамоорганизующейсякартыТ.
Кохоненанагеографическую карту России определена точность концентрации предприятийвыборки в географическом пространстве и определен экономический потенциаланализируемых регионов по степени скопления предприятий выборки на ихтерритории (Рисунок 7).Свердловская область*10 предприятий с оборотом в 505 млрд руб.Кластер 2ПАО "МЗ им. М.И.Калинина"АО "Каменск-Уральскийметаллургический завод"АО "Энергопромышленнаякомпания"АО "Екатеринбургскийзавод по обработке цветныхметаллов"ООО "Екатеринбургскаяторгово-промышленнаякомпания"Кластер 3АО "Уралвагонзавод"ПАО "Энел Россия"Корпорация ВСМПОАВИСМААО "Русская меднаякомпания"Кластер 5ООО "Уральскиелокомотивы"- Субъекты РФ присутствия 27 кластеров- Субъекты РФ присутствия 11 кластеров-лидеров- Кластер 1- Кластер 2- Кластер 3- Кластер 4- Кластер 5* - На примере Свердловской областиРисунок 7 – Кластерный потенциал России в зависимости от географическогоположения предприятийИсточник: составлено авторомВ результате анализа сделан вывод, что наиболее перспективными регионамипо количеству предприятий, сконцентрированных на их территориях дляобразования кластеров являются Москва и Московская область, на территориикоторых расположены 56 промышленных предприятий потенциальныхучастников кластеров с объемом реализации продукции в 2016 г.
4 377 млрд руб.,Санкт-Петербург и Ленинградская область – 24 предприятия с оборотом 1 671млрд руб., Республика Татарстан – 10 предприятий с оборотом 612 млрд руб.На территории Челябинской области кластерные структуры отсутствуют, приэтом в данной области сконцентрированы 9 промышленных предприятийвыборки, объем реализации продукции которых в 2016 г. составил свыше750 млрд руб., что свидетельствует о наличии перспектив освоения региона врамках кластерной политики. Аналогичные предпосылки к кластерообразованиюнаблюдаются в Тюменской, Сахалинской, Иркутской, Калининградской областях.Дальнейшей целью развития кластеров в России является присоединение«новых» предприятий, выявленных в ходе исследования, тем самым увеличиваямасштабы существующих кластеров и образование новых кластеров в регионахс учетом опыта уже созданных и функционирующих кластеров.19В рамках пятого пункта научной новизны разработан алгоритмпостроения «когнитивных кластеров», основанный на матричном подходе кмоделированию процессов конвергенции технологий и кластерной модернизации.С целью моделирования перспектив модернизации кластеров проведенанализ отраслевого потенциала кластеров и прогнозирование перспектив ихмодернизации путем создания «когнитивных кластеров».
С этой цельюразработан алгоритм построения «когнитивных кластеров» в российскихрегионах, в основу которого заложены матрица кластерной модернизации,определяющая «когнитивные кластеры», и система «ромб-квадрат», котораяопределяет движения отраслевого развития и показывает заинтересованностьсторон в развитии региональных кластеров.Сочетание принципов построения квадратной матрицы (количество отраслейравно количеству кластеров) и системы «ромб-квадрат» (генерацияи упорядочивание начальных значений в виде сетки из точек таким образом,чтобы вся плоскость была покрыта ромбами и квадратами) послужило основойдля разработки представленного алгоритма. Алгоритм позволяет оценитьсложность взаимоотношений между заинтересованными сторонами в развитиикластеров и отраслевыми направлениям в развитии регионов.В исследовании выделены направления построения «когнитивныхкластеров» в следующих отраслях: инфраструктурном, топливно-энергетическом,оборонно-промышленном, агропромышленном, сфере услуг и здравоохранении.На рисунке 8 показаны шаги, проходимые в системе «ромб-квадрат»:Условные обозначения:Точка экономического роста11Заинтересованные стороны21Подотрасли косвенного воздействия43Отраслевые направления / Когнитивные кластерыШаги ромб-квадрат526Рисунок 8 – Алгоритм построения «когнитивных кластеров»Источник: составлено авторомАлгоритм построения «когнитивных кластеров»:Шаг 1.
Инициализация угловых точек, присваивание им значений вершин –в исследовании в качестве вершин представлены заинтересованные стороны.Шаг 2. Нахождение срединной точки, присваивание ей значения на основесреднего от угловых плюс случайное значение – срединной точкой выступаютотраслевые направления, случайное значение – подотрасли косвенноговоздействия.20Шаг 3.
(квадрат) Определение центральной точки в квадрате путемусреднения угловых и добавлением случайного отклонения, т.е. для каждогоквадрата в массиве, находится срединная точка, в которую устанавливаетсясреднее значение четырех угловых точек плюс случайное значение.Шаг 4. (ромб) Определение высот точек, лежащих на серединах сторон,т.е. для каждого ромба в массиве устанавливается срединная точка, которойприсваивается среднее арифметическое из четырех угловых точек плюсслучайное значение.Шаг 5. Шаг 3. (квадрат) и шаг 4.
(ромб) выполняются до тех пор, пока всезначения массива не будут установлены. На каждой итерации случайноезначение, прибавляющееся к срединным точкам, уменьшается.«Когнитивный кластер» в данном алгоритме – это срединные точки,относительно сильно связанные друг с другом и обладающие общими свойствамии играющие схожие роли в матрице. В качестве центральной точки массивапредставлена точка экономического роста экономики.В результате реализации алгоритма формируются шесть «когнитивныхкластеров» (Рисунок 9).Кластер«Сознательноеобразование»Кластер«Сознательнаяинфраструктура»Кластер«Сознательноеоборудование»Кластер«Сознательныемашины»Кластер«Сознательнаямедицина»Кластер«Сознательныебиосистемы »•Удаленные мед.учреждения•Персонифицированный учетмедикаментов•Телемедицинскиесети•On-line приемврачей•Эко бумага•Биотехнологии вАПК•Биология вещей•КомпозиционныематериалыТехнологии реализации•«Цифровая школа»•3D и 6Dтехнологии•Электронныегипертекстовыеучебники•Сервисы открытогообразования в сети•Мобильность услуг•Информационнаяпирамида•«Зеленыекоридоры»•Уличные сенсоры•Композиционныематериалы•Аддитивныетехнологии•Информатизация•Датчиковыеприборы•Облачные сервисы•Программноеобеспечение•АддитивныетехнологииУсловные обозначения:Когнитивный кластерЗаинтересованные стороныТочка экономического ростаПодотрасли косвенного воздействияШаги ромб-квадратОбразованиеИнфраструктураГосударствоРегионЭнергетикаБизнесОборонная промышленностьНаучные сообществаЗдравоохранениеАгропромышленный комплексРисунок 9 – Анализ построения «когнитивных кластеров» в регионахИсточник: составлено авторомКлючевым преимуществом «когнитивного кластера» будет его адаптивностьпод сложившуюся экономику и спрос.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
