Обучение ○ Образование ○ Исследования ○ Комментарии

Learning ○ Education ○ Research ○ Commentaries

e-mail: info@lerc.ru

«Проблемы региональной экономики»

Выпуск № 47

Полозова А.Н., Горковенко Е.В., Евсеева А.Е., Корниенко С.В.

КОНЦЕПТУАЛИЗАЦИЯ ФОРМИРОВАНИЯ КОНТРОЛЛИНГА В ПРОМЫШЛЕННЫХ ОРГАНИЗАЦИЯХ

Овчинникова Т.И., Гостева Г.В.

ПОВЕДЕНИЕ ПОТРЕБИТЕЛЯ КАК ФАКТОР ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ ПРЕДПРИЯТИЙ АПК

Воробьев И.Н., Брянцева Л.В., Нуждин Р.В., Горковенко Е.В.

БИЗНЕС-ПРОЦЕСС КАК ПРЕДМЕТ ОРГАНИЗАЦИОННЫХ ПРЕОБРАЗОВАНИЙ В СВЕКЛОСАХАРНОМ ПРОИЗВОДСТВЕ

Булгакова И.Н.

МЕХАНИЗМЫ И ПРОЦЕДУРЫ ФОРМИРОВАНИЯ ЯДРА ПРОМЫШЛЕННОГО КЛАСТЕРА

Конова О.Ю., Резникова Е.А.

ТЕХНОЛОГИИ ОБРАЗОВАТЕЛЬНЫХ УСЛУГ ДЛЯ ПРЕДПРИНИМАТЕЛЕЙ

Пономарева Н. И.

ПОДХОДЫ К УПРАВЛЕНИЮ ИННОВАЦИОННОЙ ДЕЯТЕЛЬНОСТЬЮ ПРЕДПРИЯТИЙ С УЧЕТОМ НАЦИОНАЛЬНЫХ ОСОБЕННОСТЕЙ

Жукова А.Е.

ПРОЦЕССНЫЙ КОНТРОЛЛИНГ ПРОМЫШЛЕННОЙ ОРГАНИЗАЦИИ И ЕГО ИНСТРУМЕНТАРИЙ

Слепокурова Ю.И., Малеев В.Ю.

ПУТИ ПОВЫШЕНИЯ КАЧЕСТВА И КОНКУРЕНТОСПОСОБНОСТИ МАКАРОННОЙ ПРОДУКЦИИ

Тулинова Е.И., Слепокуров А.А.

МЕРОПРИЯТИЯ ПО СОВЕРШЕНСТВОВАНИЮ ИННОВАЦИОННОЙ ДЕЯТЕЛЬНОСТИ НА ПРЕДПРИЯТИЯХ ПИЩЕВОЙ ПРОМЫШЛЕННОСТИ

Жукова А.Е.

РЕЙТИНГОВАЯ ОЦЕНКА СОСТОЯТЕЛЬНОСТИ МЕНЕДЖМЕНТА В СИСТЕМЕ ПРОЦЕССНОГО КОНТРОЛЛИНГА

Резникова Е.А., Конова О.Ю.

АНАЛИЗ ДЕНЕЖНЫХ ПОТОКОВ ОРГАНИЗАЦИИ С ИСПОЛЬЗОВАНИЕМ КОЭФФИЦИЕНТНОГО МЕТОДА

Пономарева Н.И.

МОДЕРНИЗАЦИЯ КАК ОСНОВА ИННОВАЦИОННОЙ ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЙ

Слепокурова Ю.И., Тулинова Е.И.

АНАЛИЗ РОССИЙСКОГО И РЕГИОНАЛЬНОГО РЫНКА МА-КАРОННЫХ ИЗДЕЛИЙ

Булгакова И.Н.16.09.2017

МЕХАНИЗМЫ И ПРОЦЕДУРЫ ФОРМИРОВАНИЯ ЯДРА ПРОМЫШЛЕННОГО КЛАСТЕРА

 

Процесс формирования кластеров носит эвристический характер, то есть проходит по обобщенному эвристическому алгоритму поиска технических решений, которые в дальнейшим приводят к появлению и развитию эффективной сетевой структуры, способной производить высококонкурентный продукт. Основополагающие принципы построения кластера достаточно полно обобщены в работе [1] и представлены в таблице 1.

 

Таблица 1 - Основополагающие принципы построения промышленного

кластера

Принцип

Содержание принципа

1

2

Самоорганизация

1.  Исторические предпосылки развития кластера.

2.  Структурная и функциональная общность предприятий кластера.

3.  Усиление взаимосвязей предприятий в кластере.

4.  Создание условий для развития и формирования кластера

Внутрикластерная кооперация и конкурирование

1.  Конкуренция между предприятиями.

2.  Кооперация при выходе на внешний рынок.

3.  Эффективность и развитие собственной хозяйственной деятельности.

4.  Стимулирование инновационных процессов

Взаимосвязь, основанная на общих экономических интересах

1.  Зависимость участников от успеха друг друга.

2.  Повышение уровня инновационности бизнеса.

3.  Сохранение автономности и сплоченность участников кластера.

4.  Координация, разрешение спорных вопросов и принятия решений, налаживание внешних связей

Корпоративность

1.  Культура общения между участниками, присутствие климата доверия.

2.  Взаимность и добрососедство, единая система ценностей, образцов поведения, способов оценки результатов, взаимоконтроль в разрешении конфликтных ситуаций.

3.  Возможность обмена информацией, опытом, совместного обучения.

4.  Упрощение структуры взаимодействия, снижение издержек.

5.  Выполнение обязательств перед партнерами, репутация предприятий и всего кластера в целом

 

Окончание таблицы 1

1

2

Долгосрочное сотрудничество

1.  Поддержание взаимоотношений.

2.  Регулярные, долгосрочные гарантированные поставки и качество услуг.

3.  Доступ к информации, ресурсам, информированность участников.

4.  Взаимодействие для достижения и поддержания конкурентных преимуществ

Частичное лидерство

1.  Присутствие «центра» притяжения (структурообразующие предприятия-лидеры).

2.  Доминирующий фактор - концентрация вокруг крупных лидирующих производственных предприятий и научных центров.

3.  Проявление активности «центра» и притяжение «периферийных» предприятий

Динамичность (гибкость)

1.  Постоянное «движение» кластера - непрерывные процессы формирования, развития и распада.

2.  Адаптация к постоянно меняющимся требованиям рыночной среды.

3.  Появление новых производств, расширение ассортимента продукции.

4.  Повышение уровня инновационности производства

Комплексность использования ресурсов

1.  Объединение участников в рамках единой неразрывной технологической цепочки, интеграционная и технологическая взаимосвязь, единый технологический подход, стандарты.

2.  Последовательность производства продукции, участники - поставщики и потребители услуг друг друга.

3.  Ориентация на запросы конечного потребителя, расширение ассортимента.

4.  Совершенствование бизнес-процессов и управленческих навыков

Аутсорсинговая специализация

1.  Делегирование ответственности, дробление бизнес-функций.

2.  Передача вспомогательных производств по контрактам подрядчикам, снижение издержек и экономия ресурсов.

3.  Формирование новых уникальных способностей, возможность доступа к лучшим мировым производственным технологиям

 

В каждом кластере целесообразно выделение объектов следующих типов:

«ядро» - объекты, вокруг которых группируется кластер, выполняющие основной вид деятельности, позиционирующие кластер, выпускающие конечную продукцию;

«дополняющие» - объекты, деятельность которых напрямую обеспечивает функционирование объектов «ядра»;

«обслуживающие» - объекты, наличие которых обязательно, но деятельность которых напрямую не связана с функционированием объектов «ядра»;

«вспомогательные» - наличие которых желательно, но не обязательно для функционирования других объектов кластера.

Ядро является наиболее инвестиционо-привлекательной составляющей кластера, в его основе находятся промышленные предприятия, производящие продукцию в соответствии с потребностями внутреннего и международного рынков и становятся базой для инноваций. При формировании кластерного ядра необходимо рассмотреть целесообразность включения в его состав промышленных предприятий, осуществляющих переработку на различных производственных стадиях. Это соответствует целостности технологического процесса и усиливает взаимную связь участников кластера.

Для представления широкого спектра систем в различных областях крайне удобны графы. Анализ графов стал ключевым механизмом для изучения свойств этих сетевых систем. Графовые представления реальных систем отличаются своей неоднородностью. В особых группах вершин концентрация дуг высока, в то время как между этим группами она невелика. Это свойство реальных сетей называется структурой сообществ или кластеризацией. Сообщество, или кластер, в теории графов - это набор вершин, относительно сильно связанных друг с другом, и, возможно, обладающих общими свойствами и (или) играющих схожие роли в сети. На рисунке 1 представлен пример графа с выделенными сообществами.

Рисунок 1 - Граф с выделенными кластерными структурами

 

Подобные сообщества можно выделить на основе подходов теории перколяции, которая позволяет описать процессы самой разной природы, когда при плавном изменении одного из параметров системы (концентрации чего-то) свойства системы меняются скачком.

Сам термин «перколяция» (percolation - англ.) означает протекание. В русскоязычной литературе можно встретить аналогичную терминологию, такую как «теория перколяцин», «теория протекания», «теория просачивания». Название возникло в связи с тем, что ряд первых работ в этом направлении был посвящен процессам просачивания (протекания) жидкостей или газов через пористую среду.

Понятие перколяции переносится на любые конструкции или материалы, которые называются перколяционной средой, для которой должен быть определен внешний источник протекания, способ протекания и элементы (фрагменты) которой могут находиться в разных состояниях, одно из которых (первичное) не удовлетворяет данному способу прохождения, а другое удовлетворяет. Способ протекания также подразумевает собой определенную последовательность возникновения элементов или изменение фрагментов среды в нужное для протекания состояние, которое обеспечивается источником. Источник же переводит постепенно элементы или фрагменты образца из одного состояния к другому, пока не наступит момент перколяции.

Совокупность элементов, по которым происходит протекание, называется перколяционным кластером. Будучи по своей природе связным случайным графом, в зависимости от конкретной реализации он может иметь различную форму. Поэтому принято характеризовать его общий размер. Порогом протекания называется количество элементов перколяционного кластера, отнесенное к общему количеству элементов рассматриваемой среды.

Ввиду случайного характера переключений состояний элементов среды, в конечной системе чётко определенного порога (размера критического кластера) не существует, а имеется так называемая критическая область значений, в которую попадают значения порога перколяции, полученные в результате различных случайных реализаций. С увеличением размеров системы область сужается в точку.

Для описания переключения системы из состоянии в состояние используем аппарат цепей Маркова. При изложении теории цепей Маркова говорят о некоторой физической системе , которая в каждый момент времени находится в одном из состояний: , и меняет свое состояние только в отдельные моменты времени  то есть система переходит из одного состояния в другое ( например из  в ). Для цепей Маркова вероятность перейти в какое-либо состояние  в момент  зависит только от того, в каком состоянии система находилась в момент , и не изменяется от того, что становятся известными ее состояния в более ранние моменты. Так же в частности, после испытания система может остаться в том же состоянии («перейти» из состояния  в состояние ).

Дадим теперь определение цепи Маркова: цепью Маркова с дискретным временем называют цепь, изменение состояний которой происходит в определенные фиксированные моменты времени; цепью Маркова с непрерывным временем называют цепь, изменение состояний которой происходит в любые случайные возможные моменты времени.

Переходной вероятностью  называют условную вероятность того, что из состояния  (в котором система оказалась в результате некоторого испытания, безразлично какого номера) в итоге следующего испытания система перейдет в состояние .

Таким образом, в обозначении  первый индекс указывает номер предшествующего, а второй - номер последующего состояния. Например,  - вероятность перехода из второго состояния в третье.

Пусть число состояний конечно и равно .

Матрицей перехода системы называют матрицу, которая содержит все переходные вероятности этой системы:

.

Так как в каждой строке матрицы помещены вероятности событий (перехода из одного и того же состояния  в любое возможное состояние ), которые образуют полную группу, то сумма вероятностей этих событий равна единице. Другими словами, сумма переходных вероятностей каждой строки матрицы перехода равна единице:

.

Обозначим через  вероятность того, что в результате  шагов (испытаний) система перейдет из состояния  в состояние . Например,  - вероятность перехода за 10 шагов из второго состояния в пятое.

Подчеркнем, что при  получим переходные вероятности .

Поставим задачу: зная переходные вероятности  найти вероятности  перехода системы из состояния  в состояние  за  шагов.

С этой целью введем в рассмотрение промежуточное (между  и ) состояние . Другими словами, будeм считать, что из первоначального состояния  за  шагов система перейдет в промежуточное состояние  с вероятностью , после чего за оставшиеся  шагов из промежуточного состояния  она перейдет в конечное состояние  с вероятностью .

По формуле полной вероятности, получим

                                       (1)

Эту формулу называют равенством Маркова.

Зная все переходные вероятности , т.е зная матрицу  перехода из состояния в состояние за один шаг, можно найти вероятности  перехода из состояния в состояние за два шага, следовательно, и саму матрицу перехода ; по известной матрице  можно найти матрицу  перехода из состояния в состояние за три шага, и т.д.

Действительно, положив ,  в равенстве Маркова (1)

Получим , или

                                                        (2)

Таким образом, по формуле (2) можно найти все вероятности  следовательно, и саму матрицу . В матричной форме соотношение (3.2) имеет вид: . Или в общем виде .

Применим аппарат цепей Маркова процессу выделения ядра в рассматриваемом промышленном кластере. Рассмотрим сеть предприятий с заданными переходными вероятностями (рисунок 2).

Рисунок 2 - Пример графического представления промышленного кластера

с выделенными переходными вероятностями, характеризующими изменения состояния системы

 

Применяя последовательно формулу (2) получим так называемое стационарное состояние системы, из которого очевидно, что ядро кластера сформировано (таблица 2).

 

 

Таблица 2 - Процесс трансформации экономической системы в кластерное образование с выделением ядра

Шаг

Трансфор

мации

Матрица переходов

 

1

2

3

4

5

6

7

8

9

10

1

0

0,5

0,5

0

0

0

0

0

0

0

2

0

1

0

0

0

0

0

0

0

0

3

0

0,2

0

0,6

0,1

0,1

0

0

0

0

4

0,3

0

0

0

0

0,6

0

0,1

0

0

5

0

0

0

0

0,5

0,5

0

0

0

0

6

0

0

0

0

0

0

0,4

0,3

0

0,3

7

0

0

0

0

0

0

0

1

0

0

8

0,5

0

0

0

0

0

0

0

0,5

0

9

0

0

0

0

0

0,3

0

0

0,7

0

10

0

0

0

0

0

0

0

0

0,9

0,1

 

1

2

3

4

5

6

7

8

9

10

1

0,02

0,6

0,04

0

0,01

0,01

0,08

0,08

0,03

0,06

2

0

1

0

0

0

0

0

0

0

0

3

0,08

0,3

0,02

0,05

0,02

0,04

0,01

0,17

0,24

0,02

4

0,14

0,02

0,04

0,01

0,01

0,15

0,01

0,01

0,3

0,01

5

0,13

0,03

0,03

0

0,06

0,12

0,05

0,13

0,36

0,04

6

0

0,19

0,1

0,04

0

0,16

0,05

0,03

0,36

0,03

 

Окончание таблицы 2

 

7

0

0,3

0

0,15

0,02

0,13

0,06

0,04

0,24

0,04

8

0,06

0,3

0

0

0,01

0,17

0,05

0,11

0,23

0,04

9

0,09

0,02

0,02

0

0

0,14

0,05

0,12

0,48

0,05

10

0,04

0

0

0

0

0,15

0,08

0,17

0,47

0,07

.........................................................................

 

1

2

3

4

5

6

7

8

9

10

1

0

0,97

0

0

0

0

0

0

0

0

2

0

1

0

0

0

0

0

0

0

0

3

0

0,95

0

0

0

0

0

0

0,01

0

4

0

0,95

0

0

0

0

0

0

0,02

0

5

0

0,93

0

0

0

0,01

0

0

0,02

0

6

0

0,94

0

0

0

0

0

0

0,02

0

7

0

0,95

0

0

0

0

0

0

0,02

0

8

0

0,95

0

0

0

0

0

0

0,02

0

9

0

0,93

0

0

0

0,01

0

0

0,02

0

10

0

0,93

0

0

0

0,01

0

0

0,3

0

 

1

2

3

4

5

6

7

8

9

10

1

0

1

0

0

0

0

0

0

0

0

2

0

1

0

0

0

0

0

0

0

0

3

0

1

0

0

0

0

0

0

0

0

4

0

1

0

0

0

0

0

0

0

0

5

0

1

0

0

0

0

0

0

0

0

6

0

1

0

0

0

0

0

0

0

0

7

0

1

0

0

0

0

0

0

0

0

8

0

1

0

0

0

0

0

0

0

0

9

0

1

0

0

0

0

0

0

0

0

10

0

1

0

0

0

0

0

0

0

0

 

1

2

3

4

5

6

7

8

9

10

1

0

1

0

0

0

0

0

0

0

0

2

0

1

0

0

0

0

0

0

0

0

3

0

1

0

0

0

0

0

0

0

0

4

0

1

0

0

0

0

0

0

0

0

5

0

1

0

0

0

0

0

0

0

0

6

0

1

0

0

0

0

0

0

0

0

7

0

1

0

0

0

0

0

0

0

0

8

0

1

0

0

0

0

0

0

0

0

9

0

1

0

0

0

0

0

0

0

0

10

0

1

0

0

0

0

0

0

0

0

























 

Таким образом, очевидно, что ядром кластера должно быть второе предприятие (рисунок 3).

 

Рисунок 3 - Ядро кластерной структуры

 

Кластерным ядром, в общем смысле, называется часть элементов кластера, наиболее приближенная к его центру. Предполагается, что в этой области сосредоточено большинство элементов кластера, чем дальше элемент от кластерного центра, тем больше вероятность, что он окажется так называемым «выбросом». Различия в точных определениях ядра в основном касаются того, какие именно элементы кластера следует считать близкими к центру и как эту близость подсчитывать. Определим радиус кластерного ядра как

.

Здесь  это среднее расстояние между центром кластера и кластерными элементами, а  среднеквадратичное отклонение вышеупомянутой величины.

Оценкой же для всего результата кластеризации может служить средняя плотность , плотность кластера , где  - радиус кластерного ядра,  - число элементов, составляющих ядро.

Таким образом, мы получаем метрику обоснованности, которая легко вычислима, и способна дать верное представление о компактности промышленного кластера и близости элементов кластера к его центру

 

Литература

1. Мельман И. В. Сетевые черты кластерной организации производства // Современные аспекты экономики.- 2005.- № 19(86).-С. 101 - 110

 

Яндекс цитирования