Лица Чернова как эмоциональный интерфейс при построении модели высокотехнологичного инновационного предприятия машиностроительной отрасли

Благодаря процессу применения графики в работах исследователей не только увеличивается скорость передачи информации, но и повышается показатель ее усвоения. Это также помогает исследователям развивать интуицию и образное мышление, что, несомненно, важно для специалиста любой отрасли исследований.

Одна из важнейших задач процесса визуализации в науке – это реалистичный рендеринг таких данных, как поверхности, объемы, источники освещения, – все это помогает облегчить анализ трудных явлений и процессов.

Визуализация может быть применена во множестве вариантов, к примеру [1] (Osadchaya, Berestneva, Nemerov, 2014):

· в графиках в публикациях;

· в изображениях в презентациях;

· в картах в географии;

· в инфографике в журналистике или статистике;

· в сетевых диаграммах интернета;

· в базах данных.

Методы когнитивной графики могут сильно расширять возможности экспертов самых разных областей знаний с целью выявления самых информативных и значимых показателей в процессе обработки масштабных баз данных. Также они помогают решать конкретные задачи и позволяют обнаружить иногда новые факты, которые радикально изменяют современные точки зрения известнейших ученых [1] (Osadchaya, Berestneva, Nemerov, 2014).

«Лица Чернова» – это один из самых интересных видов пиктографиков. Этот метод представляет собой некую схему визуального представления многофакторных данных с помощью лица человека.

Для каждого нового эксперимента необходимо использовать новое «лицо», в котором относительные показатели выбранной переменной (или нескольких) будут представлены с помощью форм и размеров некоторых черт человеческого лица (нос, рот, губы и т.д.) [2, 3, 4] (Chubukova, 2020).

Авторы считают, что представление экономических параметров через лица Чернова – это кодирование переменных в чертах получаемого лица человека [5] (Sokolyanskiy, Kaganov, Volosnikova, Ishimtsev, 2015).

Каждое лицо представляет собой особый и уникальный массив из 18 отдельных элементов, которые принимают значения от 0 до 1.

Концепция асимметрии увеличивает число переменных в два раза. «Лица Чернова» нашли широкое применение для анализа ситуации в самых разных областях. Применение «лиц Чернова» для анализа неструктурированных данных описано в работах [5, 6, 7] (Sokolyanskiy, Kaganov, Volosnikova, Ishimtsev, 2015; Kaganov, Sokolyanskiy, Volosnikova, Ishimtsev, 2015; Timofeeva, Tsapurin, Sokolyanskiy, 2016).

Взаимодействие «человек – компьютер» развивается в свете прогресса информационно-коммуникационных технологий, с одной стороны, и возросших потребностей общества в гуманизации технической реальности. В связи с тем, что человек и компьютер «общаются» на разных языках, для их взаимодействия требуется некоторое промежуточное звено, переводящее человеческий язык в набор понятных компьютеру числовых значений, и наоборот.

Интерфейс взаимодействия любой системы главным образом зависит от количества и разнообразия входных и выходных устройств и каналов связи, при помощи которых пользователь взаимодействует с системой. Существует несколько основных каналов взаимодействия, основанных на различных человеческих чувствах: визуальный канал, звуковой канал.

Использование «лиц Чернова» применяется в то же время с начала XXI века. Термин «высокие технологии» стал толковаться более широко и теперь распространяется на ряд отраслей нематериального производства (в частности, «сектор услуг»). По сути, высокие технологии в той или иной степени являются частью практически всех отраслей современной экономики. Несмотря на это, существуют определенные критерии для классификации отрасли (и компаний, которые в ней работают) как высоких технологий [6] (Kaganov, Sokolyanskiy, Volosnikova, Ishimtsev, 2015).

Следующим критерием является доля занятых в НИОКР в этой отрасли по отношению к общей занятости в отрасли. В частности, для оценки уровня технологического развития используются следующие элементы: «Индекс высоких технологий» и «Индекс инноваций», рассчитываемый ежегодно. Первый был разработан Институтом Милкена. Он основан на двух факторах [6] (Kaganov, Sokolyanskiy, Volosnikova, Ishimtsev, 2015):

– доля продукции из высокотехнологичных предприятий в области внутреннего производства в этих секторах;

– доля высокотехнологичных компаний в ВВП региона по сравнению с долей высокотехнологичных отраслей в ВВП страны.

Инновационный индекс равен числу патентов, поданных на одного жителя.

Талант населения регионов – их человеческий капитал – рассчитывался упрощенно: по доле людей с бакалавриатом или выше.

Современный этап экономического развития характеризуется быстрым проникновением высоких технологий во все сферы человеческой жизни.

Информационные технологии, телекоммуникации, космонавтика, новые материалы и технологии живых систем, энергосберегающие технологии и другие революционные области современной науки и техники в корне меняют способ того, как люди живут, создавая новые возможности для творческого решения социальных и экономических проблем [6] (Kaganov, Sokolyanskiy, Volosnikova, Ishimtsev, 2015).

Рост конкурентоспособности высокотехнологичной компании в процессе ее стратегического развития обеспечивается за счет реализации инновационных и инвестиционных стратегий. В целом эти стратегии решают проблему адаптивного управления бизнесом в быстро меняющейся внешней среде. Эта цель достигается благодаря постоянным инновационным процессам, которые обычно охватывают несколько инвестиционных проектов. Таким образом, в ходе этих мероприятий появляются качественно новые результаты интеллектуальной деятельности компании. Поэтому для формирования роста конкурентоспособности высокотехнологичного предприятия реализация инновационных и инвестиционных стратегий должна обеспечивать динамичный рост экономического потенциала и фундаментальной стоимости предприятия, а также самого продукта инновации. В данной работе будет изучена и продемонстрирована важность инновационных процессов в создании конкурентоспособности высокотехнологичного предприятия [6] (Kaganov, Sokolyanskiy, Volosnikova, Ishimtsev, 2015).

Так, эксперты Торгово-промышленной палаты Российской Федерации отметили, что спрос на товары и российские энергетические векторы (то есть продукты, в которых оборудование не высокотехнологичное, но высокая добавленная стоимость, играющая ключевую роль ) составил 500–600 млрд долларов, для инновационной продукции – около 5–7 млрд долларов; доля России на мировом рынке продаж высокотехнологичной продукции составила менее 0,5%, а доля новых или значительно улучшенных продуктов в общем объеме промышленного производства составила около 5% [7] (Timofeeva, Tsapurin, Sokolyanskiy, 2016).

Следует отметить, что из 50 базовых технологий, по которым живет и развивается мир, СССР был лидером по 32 позициям, а в Российской Федерации только 8 базовых технологий. Кроме того, в процессе перехода к рыночной экономике в военно-промышленном комплексе было потеряно более 500 инновационных технологий мирового уровня. В то же время страны G-7 имеют 46 макротехнологий и контролируют 2/3 производства и сбыта инноваций в продуктах [7] (Timofeeva, Tsapurin, Sokolyanskiy, 2016).

Согласно исследованию информационно-аналитического агентства «Рос Бизнес Консалтинг», «государство является основным инвестором и клиентом в российском технологическом секторе». Из 50 отобранных компаний 33 участника исследования производят оборонную продукцию.

Вопреки практике промышленно развитых стран, где доля финансовых ресурсов, инвестируемых компаниями в НИОКР, варьируется от 65% до 75%, в России частные компании составляют около 6% инвестиций в НИОКР [7] (Timofeeva, Tsapurin, Sokolyanskiy, 2016).

Из 50 крупнейших технологических компаний, определенных в исследовании RBC, 34 являются государственными. В России для развития высокотехнологичного сектора также характерно использование государственных управляющих и инвестиционных компаний, которые участвуют в работе технологических компаний или управляют стратегическими и инвестиционными процессами. Государственная корпорация «Ростех» объединяет более 700 организаций в 14 субхолдинговых компаний, в том числе ОАО «Вертолеты России», ОАО «Объединенная моторостроительная корпорация», ОАО «Объединенная приборостроительная корпорация», ОАО «НПО «Высокий комплекс», «Холдинг «Технодинамика», ОАО «Концерн Радиоэлектронные Технологии», ОАО «Русская Электроника», Холдинг «Швабе» и др. Примерами таких структур содержания под стражей являются Госкорпорация «Росатом», ОАО «Объединенная ракетно-космическая корпорация», АО «Объединенная судостроительная корпорация», АО «Концерн ВКО «Алмаз-Антей», ПАО «Объединенная авиастроительная корпорация». ОАО «Роснано» является примером государственных инвестиций в высокотехнологичные проекты.

В то же время затраты на создание технологических инноваций в частных компаниях в основном финансируются за счет собственных средств.

Высокотехнологичные компании – это коммерческие организации (компании или предприятия), основное (профильное) производство товаров и услуг (основных или связанных) которых является инновационным и соответствует следующим критериям:

1. Ключ к успеху высокотехнологичного предприятия заключается не только в его способности принципиально предлагать новые продукты и услуги на рынке, но и в гармонизации его коммерческих целей (таких как получение прибыли от своей основной деятельности) со стратегическими интересами государства в разработке промышленной и коммерческой политики (ориентирована не только на устойчивое, но и поступательное развитие мировой экономики).

2. Уровень высоких технологий (доля затрат на исследования и разработки, связанные с производственными результатами) компаний, составляет не менее 3,5%.

3. «Ключевые» технологии, или технологии, используемые компанией при производстве, указаны в национальном «Списке критических технологий», действовавшем на момент запуска ее продуктов или услуг на рынке.

Для моделирования экономической деятельности высокотехнологичной компании Airbus с помощью «лиц Чернова» были использованы данные [8].

Для визуализации были выбраны следующие параметры финансовой эффективности:

· НИОКР;

· персонал.

Безразмерные показатели отображены непосредственно в «лицах Чернова», а размерные – в цветовой гамме.

Таблица 1

Показатели по персоналу НИОКР

Источник: составлено авторами на основе [8].

Очевидно, что самая сложная ситуация в РФ относительно инновационных процессов связана с валовой добавленной стоимостью производственных отраслей (т.е. с обеспеченностью предприятий современным оборудованием), расходами на НИОКР и наличием профессионалов по этому направлению.

Расходы на НИОКР высокотехнологичной компании Airbus за период с 2010 по 2017 год в общей сумме составляют 6 722 млн долл.

Инвестированный капитал высокотехнологичной компании Airbus за период с 2010 по 2017 год в общей сумме составляет 78 832 млн долл.

Таблица 2

Показатели по персоналу Airbus

Источник: составлено авторами на основе [8].

Удельный вес численности высококвалифицированных работников в общей численности квалифицированных работников за период c 2010 по 2018 год вырос на 0,3%.

Расходы на подготовку и переподготовку кадров (Cost of training) за анализируемый период выросли на сумму 27 тыс. рублей.

Визуализация является одним из мощных средств интерпретации данных; это такой способ представления многомерного распределения, при котором основные законы, присущие исходному распределению, отображаются качественно – его кластерная структура, внутренние связи между сущностями, топологические характеристики, информация о расположении данных в космосе и т.д.

Однако при анализе данных исследователь часто сталкивается с многомерным характером своего описания. Возникает проблема поиска подходящих средств для графического представления многомерного объекта. При необходимости изображения более трех взаимозависимых размеров традиционные инструменты в области визуализации (графика и диаграммы) не справляются со своей работой. Методы многомерного анализа являются наиболее эффективным количественным инструментом для изучения процессов, описываемых большим количеством характеристик.

Многомерные данные были визуализированы с помощью «лиц Чернова» в программе Statistica 13.5 [9].

Способ проведения моделирования цветовой гаммы был использован в программе «CSS градиент» [10].

Значения исследуемых параметров нормализуются с помощью формулы:

(1)

Для каждого наблюдения рисуется отдельное «лицо», где относительные значения выбранных переменных представлены в форме и размере отдельных черт лица (например, длина носа, угол между бровями, ширина на лице) (рис. 1). Сложность этого метода заключается в правильном сравнении изучаемых переменных с частями лица. В случае ошибки важные диаграммы могут остаться незамеченными. Анализ информации таким способом отображения основан на способности человека интуитивно находить сходства и различия в чертах лица.

На рисунках 1 и 2 приведены результаты синтеза двумерных изображений «лиц Чернова» и «CSS градиент».

Рисунок 1. Симбиоз двумерных лиц Чернова и технологии тепловых карт при исследовании показателей персонала

Рисунок 2. Симбиоз двумерных лиц Чернова и технологии тепловых карт при исследовании показателей НИОКР

Главное преимущество полученных двумерных моделей «лиц Чернова» заключается в увеличении числа параметров, которые можно отразить на единственной модели. Это возможно благодаря использованию дополнительного градиента на плоскости построения, с помощью создания «сетки» [11]. Например, в данной работе размерным параметрам в зависимости от количества присвоены цвета и получен наглядный результат.

Авторы считают, что применение «лиц Чернова» и методов тепловых карт – это один из примеров процесса визуализации экономической информации [12, 13] (Sokolyanskiy, Kaganov, Volosnikova, Ishimtsev, 2015; Kukharev, Kazieva, 2019).

Визуализация – это синтез многих процессов, в том числе фильтрация начальных данных, что особенно важно при обработке многомерной, зачастую неструктурированной экономической информации [14, 15, 16] (Berestneva, Dzyura, 2012; Kindlmann, Reinhard, Creem, 2002; Karpova, 2016).

В своем ежегодном выступлении перед Федеральным Собранием Президент Российской Федерации В.В. Путин назвал национальную технологическую инициативу одним из приоритетов государственной программы. По результатам исследований, проведенных в рамках разработки программы по ИППП, было установлено, что основной причиной низкой эффективности государственной политики в области инноваций является концентрация на развитии научно-технической базы, утраченной после распада СССР, и фундаментальные исследования с акцентом на современных тенденциях и практиках в области НИОКР и инноваций без учета эволюции будущих потребностей и технологий [18] (Melnikov, 2013).

В результате государственная поддержка и процессы стимулирования инноваций догоняли – в России они развивали отрасли, которые уже сформировались в развитых странах, в то время как развитые страны создавали уже новые технологии [22, 23] (Alabugin, Beregovaya, 2019; Gracheva, Glebova, Melnikova, 2019). В результате российские компании отстали от мировых лидеров в сфере высоких технологий, которые также уверенно заняли российский рынок [19–21] (Chzhan Dali, Kashbraziev, 2019; Chupanova, 2019).