Разработка информационных технологий для системного анализа и управления инновационными ресурсами химического научно-промышленного комплекса России : 1990-2008

• Автор: Кочетыгов, Алексей Леонидович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2009
• Место защиты: Москва
• Количество страниц: 148 с. : ил.

ОГЛАВЛЕНИЕ
Введение
Глава 1. Системный анализ информационной структуры химического научно-промышленного комплекса России
1.1. Разработка структуры системного анализа инновационных ресурсов химического комплекса в экономике России
1.2. Анализ инновационных ресурсов по видам экономической деятельности
1.3. Анализ инновационных ресурсов по уровню технологичности отраслей
1.4. Анализ инновационных ресурсов по видам производств
1.5. Анализ инновационных ресурсов химического научнопромышленного комплекса
Глава 2. Автоматизированная система для анализа и оценки инновационного потенциала отраслевой химической науки
2.1. Разработка интерфейса программного комплекса «МГ-СЬет»
на основе эргономических исследований
2.2. Подсистема ввода и корректировки инновационных показателей программного комплекса «МП-СЬет»
2.3. Подсистема анализа интеллектуальных ресурсов программного комплекса «ГШ-Сйет»
2.4. Подсистема анализа финансовых ресурсов программного комплекса «ГШ-СЬет»
2.5. Подсистема анализа материальных ресурсов программного комплекса «ГШ-Сйет»
2.6. Подсистема рейтингового анализа программного комплекса «№1-Сйет»
2.7. Разработка процедуры для интерполяции данных на основе теории сплайнов

2.8. Разработка программной процедуры для прогнозирования
инновационных индикаторов на основе модели Перла
Глава 3. Автоматизированная система для анализа инновационных ресурсов химической и нефтехимической промышленности
3.1. Формирование и структура информационной базы на основе статистической формы «4-инновация»
3.2. Разработка архитектуры базы данных программного комплекса «Innov-Chem»
3.3. Подсистема ввода и корректировки прямых инновационных индикаторов
3.4. Подсистема регионального анализа предприятий химического комплекса
3.5. Подсистема отраслевого анализа предприятий химического комплекса
3.6. Подсистема анализа качественных инновационных показателей предприятий химического комплекса
3.7. Результаты системного анализа инновационных ресурсов предприятий химического комплекса за 1995-2008 гг
Глава 4. Внедрение перспективных инновационных проектов на основе информационных CALS-технологий
4.1. Анализ инновационного потенциала научной организации-разработчика (ФГУП «ИРЕА») с помощью «NII-Chem»
4.2. Внедрение научных инноваций (информационных CALS-технологий) в промышленность
4.3. Внедрение CALS-технологии утилизации отходов фосфорной промышленности
4.4. Внедрение CALS-технологии получения особо чистых наноматериалов
Выводы
Список литературы
Приложение

ВВЕДЕНИЕ
Актуальность проблемы.
Одним из базовых сегментов российской экономики является научнопромышленный комплекс химической и нефтехимической промышленности России. Для его поддержки и развития требуется активная государственная инновационная политика, основанная на достоверной оценке инновационных ресурсов отраслевых научных организаций и промышленных предприятий.
Сложность и многообразие видов инновационной деятельности научных организаций и промышленных предприятий определяет научную и практическую значимость проблемы систематизации объектов экономического анализа инновационной деятельности, а также методологических подходов к их изучению. С учетом того, что в каждый момент времени инновационная деятельность хозяйствующего субъекта может характеризоваться различной степенью интенсивности, а также разным ресурсным потенциалом и уровнем финансовых результатов, необходимо использовать современные методы системного анализа и ориентироваться на принципы формирования сбалансированной иерархической системы показателей.
Для эффективного управления инновационным развитием научнопромышленного комплекса России необходимо создание и внедрение современных информационных технологий. Такие информационные системы способны диагностировать состояние организаций и предприятий, оказывать помощь в антикризисном управлении и обеспечивать выбор оптимальных решений по стратегии их развития.
Основные разделы диссертации выполнялись в рамках конкурсных проектов Минпромэнерго России № 0410.0810000.Об.014д «Интегрированная оценка инновационных ресурсов отраслевой химической науки...», Минпром-торга России № 8411.0816900.13.057 «Комплексная оценка инновационного потенциала...» и № 8411.0816900.13.057-2009 «Комплексная оценка инновационной активности промышленных предприятий и ведущих научных организаций химической и нефтехимической промышленности...», а также при под-

го чтобы набрать одну букву из группы случайно взятых букв, большинству людей требуется около 0.5 с. Если же это какой-то запутанный код (например, адрес электронной почты), то у большинства людей скорость набора составит около 0.75 символов в секунду. Значение К включает в себя и то время, которое необходимо пользователю для исправления сразу замеченных ошибок.
Таблица 2.2. Временные интервалы для модели ООМ8.
К = 0.2 с Нажатие клавиши. Время, необходимое для того, чтобы нажать клавишу.
Р = 1.1с Указание. Время, необходимое пользователю для того, чтобы указать на какую-то позицию на экране монитора.
Н = 0.4 с Перемещение. Время, необходимое пользователю для того, чтобы переместить руку с клавиатуры на «мышку» или с «мышки» на клавиатуру.
' М= 1.35 с Ментальная подготовка. Время, необходимое пользователю для того, чтобы умственно подготовиться к следующему шагу.
г ' я : Ответ. Время, в течение которого пользователь должен ожидать ответ компьютера.
Широкая изменяемость каждой из представленных мер объясняет, почему эта упрощенная модель не может использоваться для получения абсолютных временных значений с какой-либо степенью точности. Тем не менее, с помощью типичных значений можно сделать правильную сравнительную оценку между какими-то двумя интерфейсами по уровню эффективности их использования. Если оцениваются сложные интерфейсы, включающие пересекающиеся временные зависимости, или если должны быть с точностью достигнуты определенные временные интервалы, то следует применять более сложные модели (например, С.РМ-СЮМБ).