Когнитивное усиление системы принятия и поддержки решений

Яковлева Е.А.1, Гаджиев М.М.2, Шарич Э.Э.3, Яковлева Д.Д.3
1 Санкт-Петербургский государственный экономический университет, Россия, Санкт-Петербург
2 Дагестанский государственный институт народного хозяйства, Россия, Махачкала
3 Санкт-Петербургский государственный университет, Россия, Санкт-Петербург

Статья в журнале

Лидерство и менеджмент (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 8, Номер 1 (Январь-март 2021)

Цитировать:
Яковлева Е.А., Гаджиев М.М., Шарич Э.Э., Яковлева Д.Д. Когнитивное усиление системы принятия и поддержки решений // Лидерство и менеджмент. – 2021. – Том 8. – № 1. – С. 127-144. – doi: 10.18334/lim.8.1.111421.

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=44945949
Цитирований: 6 по состоянию на 28.06.2023

Аннотация:
С развитием средств искусственного интеллекта и информационных технологий необходимо определить требования и обстоятельства применения сложных взаимодополняющих, взаимоисключающих показателей оценки материальных и нематериальных факторов деятельности современного предприятия в системе управления. Особенно важно разработать требования к архитектуре системы показателей, которое имеют превалирующее значения для долгосрочной инвестиционного стратегии предприятия, рассмотрения широкого круга факторов, процесса планирования в целом. Основной целью исследования является формирование методической основы для реализации возможности интеграции системы показателей материальных и нематериальных факторов в систему управления предприятием. Методология исследования — это методы и модели экономического анализа, логики, статистики, теории систем и менеджмента. В методологии исследования включены также современные подходы логико-семантического анализа, совместного когнитивного картирования, теории адаптивного управления промышленными предприятиями для когнитивного усиления процедуры поддержки управленческих решений в операционной, инвестиционной и финансовой деятельности. Научным результатом является представленный порядок когнитивного усиления системы принятия решений на основе внедрения архитектуры системы показателей материальных и нематериальных факторов методом когнитивного картирования и фреймового представления знаний. На основе применения метода совместного когнитивного картирования и эмпирической модели систематизации финансовых показателей материальных и нематериальных факторов инновационного потенциала организации построена когнитивная карта деятельности вертикально-интегрированной холдинговой структуры реального сектора экономики. Практическим результатом является апробация механизма когнитивного усиления для ПАО «Акрон».

Ключевые слова: фрейм, дискретно-ситуационная сеть, когнитивная карта, инвестиционная стратегия, промышленное предприятие, информационное общество, материальные и нематериальные факторы

Финансирование:
Исследование выполнено при поддержке гранта РФФИ, проект 19-010-00257 «Методология анализа промышленных предприятий и отраслей нематериального производства в условиях информационного общества и цифровизации».

JEL-классификация: L26, D81, G41

В издательстве открыта вакансия ответственного редактора научного журнала с возможностью удаленной работы
Подробнее...



Введение

Исследуемое когнитивное усиление системы принятия и поддержки решений заключается в разработке интеллектуальных систем поддержки решений, которые могут работать с большими данными, генерируемыми промышленной системой предприятия, множеством факторов внешней и внутренней среды на основе интеграции фреймового представления о будущих возможных угрозах возникновения проблемных ситуаций и путях их разрешения.

Порядок проведения настоящего исследования включает следующие этапы:

¾ Определение обстоятельств применения методов исследования и их обоснование.

¾ Исследование превалирующих факторов развития предприятия и построение когнитивной карты.

¾ Описание параметров основных факторов когнитивной карты ПАО «Акрон». Проведение анализа фреймового представления потоков.

¾ Формирование матрицы рисков и угроз с целью выявления превалирующих проблемных ситуаций.

¾ Апробация. Определение лингвистических параметров для совместного когнитивного картирования, базисных факторов, фреймов потоков, определение и ранжирование вектора целей, формирование матрицы результатов анализа целей.

¾ Подведение итогов.

1. Определение обстоятельств применения методов исследования и их обоснование

Методология исследования включает методы экономического анализа, экономико-математического моделирования, семантического анализа, логических рассуждений, статистического анализа данных, теории систем и системного анализа, теории менеджмента, теории ситуационного и адаптивного управления. В методологию исследования включены также современные подходы логико-семантического анализа, совместного когнитивного картирования, теории адаптивного управления промышленными предприятиями для когнитивного усиления процедуры поддержки управленческих решений в операционной, инвестиционной и финансовой деятельности.

В работе Шаталовой О.М. указано, что комплексный охват «множества факторов эффективности инновационных процессов на основе интеграции детерминированных, стохастических, ментальных знаний о системе с использованием интеллектуальных методов обработки данных и построении на этой основе адекватных моделей, обеспечивающих поддержку (когнитивное усиление) принятия управленческих решений по критерию эффективности» [1] (Shatalova, 2020).

Локализуемые спорадические детерминантные эффекты в системе управления предприятием состоят в повышении качества принятия управленческих решений, а также приносят экономию не только бюджетных средств предприятия, но и его человеческих ресурсов, однако данные эффекты имеют прямой и косвенный характер, приносящий ценность и полезность в ближайшем и отдаленном будущем и на разных ярусах управления за счет преодоления искажения информации при принятии решений. Такая постановка задачи требует применения логико-семантического моделирования, когнитивного картирования.

Логико-семантическое моделирование базируется на включенности математического нечетко-множественного моделирования в стратегический, экономический, инвестиционный анализ и служит средством подтверждения «представления объективных свидетельств» [2] о выполнении требований.

Фреймовое представление знаний в контексте исследования – это основанные на положениях теории фреймов [3] (Minski, 1979) и развитые в научных трудах Б.Л. Кукора [4] (Klimenkov, Kukor, Pytkin, 2010) структуры единицы знаний, формируемые для антиципации и разрешения проблемных ситуаций для построения логико-лингвистической модели в виде сетевого графа.

Основная цель когнитивного картирования состоит в определении превалирующих факторов развития предприятия – рисков и угроз возникновения проблемных ситуаций среди прочих рисков; иными словами, выделяются базисные факторы, влияющие на деятельность предприятия по различным направлениям, а также устанавливаются их взаимовлияния, которые могут приводить к расхождениям между потребностями и возможностями предприятия, что впоследствии приводит к рискам и угрозам возникновения проблемных ситуаций и снижению потенциала развития компании. Кроме того, следствием выделения наиболее опасных проблемных ситуаций является формирование долгосрочной стратегии, долгосрочного планирования деятельности предприятия, что позволяет диверсифицировать и антиципировать возможные риски и угрозы, обеспечивая тем самым в перспективе достижение планового уровня ресурсного потенциала и потенциала развития предприятия.

Апробация применения данных методов в информационной системе предприятия обусловлена необходимостью распознавания признаков информации о материальных и нематериальных факторах деятельности современного предприятия, формализации речемыслительной деятельности лиц, принимающих решения, в целях проработки альтернативных сетевых графиков разрешения проблемных ситуаций. При этом важным обстоятельством для реализации результата данного исследования является уровень зрелости промышленной системы предприятия и глубина его финансовой системы, которая служит одним из каналов формирования данных, одновременно являясь и источником, и результатом управленческих решений.

2. Анализ превалирующих факторов развития предприятия и построение когнитивной карты

Первым этапом когнитивного картирования является выделение управляющих факторов по причинно-следственным отношениям, очень важно также отметить, что данные факторы могут быть как внешние, так и внутренние.

Когнитивная карта будет составляться для ПАО «Акрон» ­– ведущий российский производитель сложных удобрений, большинство выручки получает в валюте, активно экспортирует свою продукцию по всему миру.

При выделении внешних и внутренних факторов целесообразно принять по внимание следующие аспекты деятельности компании:

1. Особенности производства (условия и обстоятельства):

¾ производство происходит путем переработки сырья (нефтехимических производных продуктов) в минеральные удобрения на основе химической обработки;

¾ высокая доля трат на сырье и энергию в себестоимости производства;

¾ раздельное калькулирование производственной себестоимости готовой продукции, реализуемой на экспорт и внутренний рынок, не представляется возможным, так как ведется единый технологический процесс;

¾ территориально обособленные производства располагаются в Новгородской области – непосредственно поблизости источников сырья;

¾ наличие складов и складских хабов в центральной России для удобства транспортировки и распределения готовой продукции на внутреннюю и внешнюю реализацию.

2. Особенности реализации:

¾ рынки сбыта подвержены сезонным колебаниям спроса из-за основного применения продукции ПАО «Акрон» в агропромышленности;

¾ ценообразование также подвержено колебаниям из-за меняющейся конъюнктуры на рынке удобрений, несмотря на контрактный характер цен на продукцию;

¾ высокий дисбаланс спроса на мировых рынках – более 50% мирового потребления минеральных удобрений приходится на Юго-Восточную Азию.

С учетом вышеизложенных особенностей деятельности компании сформируем основные факторы при соотнесении их по типу «причина – следствие» и сформируем когнитивную карту деятельности предприятия (рис. 1).

Рисунок 1. Когнитивная карта деятельности ПАО «Акрон»

Источник: составлено авторами.

В процессе совместного когнитивного картирования [5–7] (Bolotova, 2020; Karlik, Platonov, Krechko, 2018; Yagolnitser, Kolobova, 2018)) для составления когнитивной карты определяется направление влияния одного фактора на другой – управляющие воздействия (потоки), имеющие свои определенные направления целей и управленческие решения. Нарушение данных потоков имеет свою особенную природу происхождения – это нарушение соотношений «потребности – возможности», что, в свою очередь, и приводит к рискам и угрозам возникновения проблемных ситуаций [8, 9, 5] (Vinogradov, Kurshev, 2020; Pospelov, 1986; Bolotova, 2020). Более глубокое исследование соотношений «потребности – возможности» каждого фактора позволяет выявить и антиципировать возможный дефицит или, напротив, потенциал потока ресурсов между факторами [10, 11] (Bergman, Dyukov, Platonov, 2015; Andreeva, 2020), т.е. важно понимать, что между факторами происходит взаимодействие в виде взаимовлияний параметров, характеризующих один факторы, на параметры других факторов.

Риск угрозы возникновения проблемной ситуации выявляется на основе логико-лингвистического и экономико-математического анализа эмпирической и теоретического карты (фрагмента дискретно-ситуационной сети) с учетом аналитики эмпирического состояния того или иного фактора [12, 13] (Yakovleva, Kozlovskaya, Gadzhiev, Sharich, Yakovleva, 2019) – анализ соответствия его потребностей возможностям, в случае если два данных индикатора не совпадают по ресурсным потокам, то и возникает проблемная ситуация.

В таблице 1 представлены параметры в виде потребностей и возможностей по основным факторам когнитивной карты ПАО «Акрон».

Таблица 1

Параметры основных факторов когнитивной карты ПАО «Акрон» и анализа фреймового представления потоков


Потребность

Возможность
Параметры фактора «Потенциал развития»
1
Потребность в получении ресурсов для развития новых технологий и направлений деятельности компании
1
Возможность получения ресурсов для развития новых технологий и направлений деятельности компании
2
Потребность в увеличении прибыли от реализации продукции
2
Возможность увеличения прибыли от реализации продукции
3
Потребность роста ресурсной базы
3
Возможность роста ресурсной базы
4
Потребность роста интеллектуального капитала
4
Возможность роста интеллектуального капитала
5
Потребность поддержания инвестиционной привлекательности компании
5
Возможность поддержания инвестиционной привлекательности компании
6
Потребность в разработке программы бережливого производства и различных экотехнологий
6
Возможность разработки программы бережливого производства и различных экотехнологий
Параметры фактора «Инвестиционная активность»
1
Потребность в инвестировании в развитие новейших технологий на искусственном интеллекте
1
Возможность инвестирования в развитие новейших технологий на искусственном интеллекте
2
Потребность в инвестировании в экологизацию производственного цикла
2
Возможность инвестирования в экологизацию производственного цикла
3
Потребность в инвестировании в развитие интеллектуального капитала компании
3
Возможность инвестирования в развитие интеллектуального капитала компании
4
Потребность в инвестировании в развитие мощностей и ресурсной базы
4
Возможность инвестирования в развитие мощностей и ресурсной базы
Параметры фактора «Ресурсный потенциал»
1
Потребность в обслуживании производственных мощностей
1
Возможность обслуживания производственных мощностей
2
Потребность в расширении производственных мощностей
2
Возможность расширения производственных мощностей
3
Потребность в расширение сырьевого цикла
3
Возможность расширения сырьевого цикла
Источник: составлено авторами.

На основе выделенных потребностей и возможностей составляется матрица рисков и угроз [14] (Yakovleva, Platonov, Karlik, Sharich, Yakovleva, 2019) с целью выявления превалирующих проблемных ситуаций (табл. 2).

Таблица 2

Матрица рисков ПАО «Акрон»


Наименование
Тип риска
Текущее значение вероятности, %
Текущее значение ущерба, % активов
1
Колебания на фондовом рынке
Риски, связанные с турбулентностью экономической активности
70
90
2
Неразвитость финансового рынка
Тоже
60
90
3
Волатильность валюты
Тоже
80
75
5
Высокая конкуренция
Тоже
30
60
6
Влияние санкций на доступность иностранных инвестиций
Тоже
80
60
7
Высокие транзакционные издержки
Тоже
60
100
8
Падение фондового рынка
Тоже
70
65
9
Нехватка свободного капитала
Тоже
95
100
10
Нестабильность мировой экономики
Тоже
90
80
11
Мировой экономический кризис
Тоже
90
100
12
Инфляционный риски
Тоже
80
100
13
Риск ликвидности
Тоже
90
65
14
Размытое налоговое законодательство
Риски, связанные с налогообложением
65
100
15
Чрезмерный налоговый контроль
Тоже
60
20
16
Налоговая диверсификация
Тоже
80
35
17
Высокий налоговый барьер
Тоже
50
40
18….
Сложность получения налоговых льгот…
Тоже
70…
20…
32
Национализация предприятий
Риски государственного регулирования
60
15
Источник: составлено авторами.

Впоследствии составляется карта рисков (матрица рисков), на которой видны превалирующие риски (рис. 2).

Рисунок 2. Карта рисков ПАО «Акрон»

Источник: составлено авторами.

Как видно из рисунка, превалирующими рисками для ПАО «Акрон» являются: инфляционные риски, чрезмерный налоговый контроль, высокие транзакционные издержки.

Следующим этапом совместного когнитивного картирования является выделение и описание взаимодействий базисных факторов, с этой целью применяется параметр «тенденция», который имеет характер нечеткой логики определения ее степени, в соответствии с которой придается этому параметру и числовое значение, находящееся в интервале от -1 до +1 (табл. 3).

Таблица 3

Параметры лингвистических значений

Лингвистические значения переменной «тенденция»
Лингвистические значения переменной, описывающей связи между базисными факторами
Числовые значения переменной
Неудовлетворительный рост (снижение)
Очень слабо усиливает (ослабляет)
0,1; 0,2 (-0,1; -0,2)
Заниженный рост (снижение)
Слабо усиливает (ослабляет)
0,3; 0,4 (-0,3; -0,4)
Нейтральный рост (снижение)
Умеренно усиливает (ослабляет)
0,5; 0,6 (-0,5; -0,6)
Сильный рост (снижение)
Сильно усиливает (ослабляет)
0,7; 0,8 (-0,7; -0,8)
Усиленный рост (снижение)
Очень сильно усиливает (ослабляет)
0,9; 1 (-0,9; -1)
Источник: [15] (Omelchenko, Khrustalev, 2011).

При помощи лингвистических параметров (табл. 2) возможно нивелировать возможные проблемные ситуации и сформировать долгосрочную стратегию развития предприятия и осуществить процесс планирования [16–18] (Moseyko, Korobov, Tarasov, 2015; Emelyanova, Fralenko, 2018; Sosnovskaya, 2018)).

С этой целью, согласно теории адаптивного управления Б.Л. Кукора, составляются фреймы [4] (Klimenkov, Kukor, Pytkin, 2010), которые в дальнейшем используются в системе планирования для разрешения стратегических проблемных ситуаций. Ниже приведем несколько примеров фреймов для ПАО «Акрон» (табл. 4, 5, 6, 7), формализованных на основе когнитивной карты:

Таблица 4

Фрейм потока из «Ресурсный потенциал» в «Финансовые результаты»

Дескриптивная функция - целеполагание
Название
Максимизация потока из «Ресурсный потенциал» в «Финансовые результаты»
Дескриптивная функция - учет
Название
Тип
Количество производственных мощностей компании
Числовой
Объем финансирования
Числовой
Стоимость сырья
Числовой
Материально-техническая база
Числовой
Объем инвестиций в основные фонды
Числовой
Стоимость обслуживания производственных мощностей
Числовой
Дескриптивная функция – прогноз
Название
Пессимистический
Оптимистический
Выручка
Уменьшается
Увеличивается
Дескриптивная функция – управляющее воздействие
Название
Тип
Соблюдение выработанной программы по поддержке и расширении ресурсного потенциала
Качественный
Наращивание объемов производства
Количественный
Дескриптивная функция – анализ
Если наращиваются объемы производства, то выручка увеличивается.
Если объем финансирования увеличивается, то наращиваются основные фонды.
Если увеличивается объем инвестиций в основные фонды, то наращивается объем производства
Источник: составлено авторами.

Далее определим в таблице 5 фрейм потока из «Валютные риски» в «Финансовые результаты» на основе когнитивной карты по рисунку 1.

Таблица 5

Фрейм потока из «Валютные риски» в «Финансовые результаты»

Дескриптивная функция – целеполагание
Название
Максимизация потока из потока «Валютные риски» в «Финансовые результаты»
Дескриптивная функция – учет
Название
Тип
Экспортируемая продукция
Числовой
Международные покупатели
Числовой
Дескриптивная функция – прогноз
Название
Пессимистический
Оптимистический
Выручка в валюте
Уменьшается
Увеличивается
Дескриптивная функция – управляющее воздействие
Название
Тип
Хеджирование рисков
Качественный
Расширение географии присутствия компании
Качественный
Дескриптивная функция – анализ
Если увеличивается число международных покупателей, то выручка в валюте увеличивается.
Если увеличивается объем экспортируемой продукции, то выручка в валюте увеличивается.
Если увеличивается число международных покупателей, происходит расширение географии присутствия.
Если увеличивается объем экспортируемой продукции, то необходимо хеджировать большее количество валютных рисков
Источник: составлено авторами.

Далее определим в таблице 6 фрейм потока из «Налоговая политика» в «Финансовые результаты» на основе когнитивной карты по рисунку 1.

Таблица 6

Фрейм потока из «Налоговая политика» в «Финансовые результаты»

Дескриптивная функция – целеполагание
Название
Максимизация потока из «Налоговая политика» в «Финансовые результаты»
Дескриптивная функция – учет
Название
Тип
Уплачиваемые налоги и страховые взносы во бюджетные фонды
Числовой
Дескриптивная функция – прогноз
Название
Пессимистический
Оптимистический
Чистая прибыль
Уменьшается
Увеличивается
Дескриптивная функция – управляющее воздействие
Название
Тип
Действие в нескольких налоговых резиденций (налоговая диверсификация)
Количественный
Актуализация методов налоговой политики
Качественный
Использование по возможности налоговых льгот
Количественный
Дескриптивная функция – анализ
Если используется большее число налоговых льгот, то чистая прибыль увеличивается.
Если компания применяет метод налоговой диверсификации, действуя в нескольких налоговых резиденциях, то чистая прибыль увеличивается.
Если компания актуализирует методы налоговой политики, то чистая прибыль увеличивается
Источник: составлено авторами.

Далее определим в таблице 7 фрейм потока из «Потенциал развития» в «Финансовые результаты» на основе на основе когнитивной карты по рисунку 1:

Таблица 7

Фрейм потока из «Потенциал развития» в «Финансовые результаты»

Дескриптивная функция целеполагание
Название
Максимизация потока из потока из «Потенциал развития» в «Финансовые результаты»
Дескриптивная функция учет
Название
Тип
Количество приобретенных лицензий
Числовой
Цифровизация внутренней системы предприятия
Качественный
Расширение интеллектуального капитала компании
Качественный
Дескриптивная функция прогноз
Название
Пессимистический
Оптимистический
Выручка
Уменьшается
Увеличивается
Дескриптивная функция - управляющее воздействие
Название
Тип
Контроль за сроком действия лицензий
Количественный
Цифровизация компании
Качественный
Инвестирование в интеллектуальный капитал
Качественный
Дескриптивная функция анализ
Если ведется контроль за сроком действия лицензий, то выручка увеличивается.
Если проводится программа цифровизации компании, то выручка увеличивается.
Если компания инвестирует в интеллектуальный капитал, то выручка увеличивается
Источник: составлено авторами.

После формализации фреймов для системы поддержки решений и процесса планирования необходимо выделить базисные факторы, которые оказывают влияние на результативность предприятия (табл. 8).

Таблица 8

Базисные факторы когнитивной карты и управляющие векторы

№п/п
Факторы модели (целевые, управляющие)
Начальная тенденция*
Целевое значение**
Вектор управления***
1
2
3
4
5
1
Коэффициент оборачиваемости активов
0,5
0,8
0,2
0,2
-
0,2
-
2
Ликвидность
0,1
0,8
-
-
-
-
-
3
Рентабельность продаж
0,8
0,9
-
-
-
-
-
4
Мультипликатор капитала
0,5
0,9

0,2
0,2

0,2
5
Рентабельность инвестиций
0,8
0,9





6
Дивиденды
0,7
0,8





7
Инвестиционная привлекательность
0,5
0,9
0,2

0,2
0,4

8
Доля собственного капитала
0,3
0,4
-
-
-
-
-
9
Коэффициент Q-Тобина
0,5
-
0,2
0,2
0,2
0,2
0,2
10
Мультипликатор P/E
0,2
0,8
0,4

0,4
0,4

11
Качество рискозащищенной политики управления
0,2
0,5
0,2
0,2

0,2

12
Финансовый леверидж
0,1
-
0,4

0,4
0,4

13
Коэффициент покрытия
0,3
0,8
0,2
0,2

0,2

14
Коэффициент финансовой зависимости
0,2
0,1
-
-
-
-
-
15
Эффект финансового рычага
0,6
0,4

0,1
0,4

0,1
Источник: [19] (Khrustalyov, 2011).

Следующим шагом по методу когнитивного картирования является представление целевого состояния предприятия – в таблице 10 детализированно визуализируем развитие предприятия согласно его вектору целей.

Для этого необходимо каждому базисному фактору дать оценку динамики значения рангов с целью достижения стратегических целей предприятия (табл. 9), благодаря данным рангам, лица, приминающие решения (ЛПР), могут более обоснованно или взвешенно делать какие-либо выводы по целям развития компании [20] (Yagolnitser, Kolobova, 2018).

Таблица 8

Ранжирование вектора целей

№ п/п
Наименование целевого фактора
Оценка динамики фактора
Важность
Начальная тенденция
Целевое значение
3
Рентабельность продаж
1
3
0,8
0,9
7
Инвестиционная привлекательность
1
2
0,5
0,9
15
Эффект финансового рычага
1
5
0,6
0,4
14
Коэффициент финансовой зависимости
1
3
0,2
0,1
13
Коэффициент покрытия
1
2
0,3
0,8
8
Доля собственного капитала
1
5
0,3
0,4
11
Качество рискозащищенной политики управления
1
4
0,2
0,5
10
Мультипликатор P/E
1
3
0,2
0,8
Источник: [15] (Omelchenko, Khrustalev, 2011).

После составления и ранжирования вектора целей необходимо в виде матрицы транзитивного замыкания проверить полученные результаты анализа целей на непротиворечие друг другу [21] (Bergman, Knutas, Jantunen, Tarkiainen, Luukka Karlik, Platonov, 2016).

Таблица 9

Матрица результатов анализа целей

№п/п
Наименование целевого фактора
3
7
8
10
11
13
12
15
3
Рентабельность продаж








7
Инвестиционная привлекательность








15
Эффект финансового рычага








14
Коэффициент финансовой зависимости








13

Коэффициент покрытия








8
Доля собственного капитала








11
Качество рискозащищенной политики управления








10
Мультипликатор P/E








Источник: составлено авторами.

Незаполненные графы свидетельствуют о том, что межфакторная связь отсутствует, соответственно, графы с кружочками говорят о согласованности факторов, что рассмотрено в таблице 9.

Заключение

Уточнение архитектуры системы показателей материальных и нематериальных факторов на основе когнитивного картирования и фреймового представления знаний в условиях информационного общества обеспечивает финансовую устойчивость и стабильность системы управления предприятия в целом. Особенно важным в этом отношении является упорядоченный механизм для разработки требований к архитектуре указанной системы показателей, учитывающий широкий круг факторов, выражаемых количественно и качественно. Методической основой для этого служат средства когнитивного подхода в управлении и экономике – это совместное когнитивное картирование и фреймовое представление знаний о проблемной ситуации. Интеграция системы показателей материальных и нематериальных факторов в систему управления предприятием и процесс стратегического планирования возможны в следующем порядке:

¾ Определение условий, ограничений и обстоятельств применения методов исследования и для обоснования их применения с учетом уровня зрелости промышленной системы и готовности управляющей структуры.

¾ Исследование превалирующих факторов развития предприятия, отраслевого рынка для построения когнитивной карты.

¾ Формализация параметров основных факторов когнитивной карты.

¾ Проведение анализа фреймового представления потоков по когнитивной карте.

¾ Формирование матрицы рисков и угроз с целью выявления превалирующих проблемных ситуаций.

¾ Определение параметров лингвистических параметров для совместного когнитивного картирования, включая базисные факторы, тенденции, и их оценка, определение и ранжирование вектора целей, формирование матрицы результатов анализа целей.

¾ Подведение итогов посредством визуализации для последующего учета и дальнейшей корректировки в процессе планирования и в системе поддержки решений.

Таким образом, научным результатом является представленный порядок когнитивного усиления системы принятия решений на основе внедрения архитектуры системы показателей материальных и нематериальных факторов методом когнитивного картирования и фреймового представления знаний. На основе применения метода совместного когнитивного картирования и эмпирической модели систематизации финансовых показателей материальных и нематериальных факторов инновационного потенциала организации построена когнитивная карта деятельности вертикально интегрированной холдинговой структуры реального сектора экономики. Практическим результатом является апробация механизма когнитивного усиления для ПАО «Акрон».


Источники:

1. Шаталова О.М. Эффективность инновационных процессов: методология нечетко-множественного моделирования и оценки. / Дисс. д.э.н. - Ижевск, 2020.
2. ГОСТ Р ИСО 9000-2008 Системы менеджмента качества
3. Мински М. Фреймы для представления знаний. - М.: Энергия, 1979.
4. Клименков Г.В., Кукор Б.Л., Пыткин А.Н. Экспертные системы и системы ситуационного управления на базе логико-лингвистических моделей // Вестник Пермского научного центра УрО РАН. – 2010. – № 2. – c. 26-37.
5. Болотова Л.С. Системы поддержки принятия решений в 2 частях. / 1 часть:учебник и практикум для вузов. - Москва: Издательство Юрайт, 2020. – 257 c.
6. Карлик А.Е., Платонов В.В., Кречко С.А. Совместное когнитивное картирование -метод обеспечения междисциплинарных инновационных проектов меганауки // Экономическая наука современной России. – 2018. – № 4(83). – c. 65-84.
7. Ягольницер М.А., Колобова Е.А. Измерение влияния институциональных условий на образование инновационных кластеров в регионах России // Вопросы инновационной экономики. – 2018. – № 4. – c. 661-678. – doi: 10.18334/vinec.8.4.39485.
8. Виноградов А.Н., Куршев Е.П. Интеллектуальные решения для системы стратегического управления и планирования // Системный анализ в проектировании и управлении: Сборник научных трудов XXIV Международной научной и учебно- практической конференции: в 3 ч. Санкт-Петербург, 2020. – c. 311-318.– doi: 10.18720/SPBPU/2/137 .
9. Поспелов Д.А. Ситуационное управление: Теория и практика. - М.: Наука. Гл. ред. физ.-мат. лит., 1986. – 288 c.
10. Болотова Л.С. Системы поддержки принятия решений в 2 частях. 1 часть. / учебник и практикум для вузов. - Москва: Издательство Юрайт, 2020. – 257 c.
11. Бергман Ю.П., Дюков И.И., Платонов В.В. Когнитивное картирование как инструмент оценки качества стратегического мышления на предприятии // Национальные концепции качества: повышение качества в обеспечении конкурентоспособности экономики: сборник материалов Международной научно-практической конференции. под редакцией Е.А. Горбашко. 2015. – c. 46-48.
12. Андреева Т.В. Тенденции развития промышленности в современной экономической системе: инновационный потенциал // Инновации и инвестиции. – 2020. – № 2. – c. 3-6.
13. Яковлева Е.А., Козловская Э.А., Гаджиев Р.М., Шарич Э.Э., Яковлева Д.Д. Модель управления инновационной активностью // Креативная экономика. – 2019. – № 6. – c. 1075-1084. – doi: 10.18334/ce.13.6.40712.
14. Кузьмина О.Е. Показатели, характеризующие инновационный потенциал предприятия. Elar.urfu.ru. [Электронный ресурс]. URL: http://elar.urfu.ru/bitstream/10995/55129/1/vestnik_2014_6 _003.pdf (дата обращения: 14.11.2020).
15. Яковлева Е.А., Платонов В.В., Карлик Е.М., Шарич Э.Э., Яковлева Д.Д. Эмпирическая модель систематизации финансовых показателей по функциям менеджмента как основа установления инновационного потенциала организации // Лидерство и менеджмент. – 2019. – № 2. – c. 73-90. – doi: 10.18334/lim.6.2.40883.
16. Омельченко А. Н., Хрусталев О.Е. Когнитивное моделирование развития банковской системы российской федерации условиях глобализации // Банковское дело. – 2011. – № 41.
17. Мосейко В.О., Коробов С.А., Тарасов А.В. Когнитивное моделирование при формировании управленческих решений: потенциал ресурсно-факторного анализа // Креативная экономика. – 2015. – № 5. – c. 629-644. – doi: 10.18334/ce.9.5.267.
18. Емельянова Ю.Г., Фраленко В.П. Методы когнитивно-графического представления информации для эффективного мониторинга сложных технических систем // Программные системы: теория и приложения. – 2018. – № 4(39). – c. 117-158.
19. Сосновская М.С. Проблемы развития инновационной инфраструктуры в России // Инновационная наука. – 2018. – № 5. – c. 137-143.
20. Хрусталёв О.Е. Когнитивная модель развития банковской системы РФ // Экономика и математические методы. – 2011. – № 2. – c. 117-127.
21. Ягольницер М.А., Колобова Е.А. Измерение влияния институциональных условий на образование инновационных кластеров в регионах России // Вопросы инновационной экономики. – 2018. – № 4. – c. 661-678. – doi: 10.18334/vinec.8.4.39485.
22. Омельченко А. Н., Хрусталев О.Е. Когнитивное моделирование развития банковской системы российской федерации условиях глобализации // Финансы и кредит. – 2011. – № 41(473). – c. 48-58.
23. Bergman J.-P., Knutas A., Jantunen A., Tarkiainen A., Luukka P. Karlik A., Platonov V. Strategic Interpretation on Sustainability Issues: Eliciting Cognitive Maps of Boards of Directors // Corporate Governance. – 2016. – № 1. – p. 162-186. – doi: 10.1108/CG-04-2015-0051.

Страница обновлена: 07.04.2024 в 16:21:08