В настоящее время среди достаточно широкого круга специалистов сложилось мнение об универсальности и всемогуществе моделирования. Поэтому очень часто при управлении компаниями и экономико-производственными системами (ЭПС) прибегают к моделированию, используя его в качестве инструмента в планировании. Однако, как указывают многочисленные источники [10], [29], [72], [99], [111], [128], [59], в практическом управлении компаниями к моделированию как к оптимизационному методу управления следует подходить более осторожно.

По мнению ряда исследователей, экономико-математическое моделирование как дисциплина, изучающая процессы построения, интерпретации и применения математических моделей экономических объектов для решения задач анализа, синтеза и прогнозирования их деятельности, в настоящее время не может рассматриваться как самостоятельная. Согласно такому мнению [76], содержательная часть процесса моделирования (выбор показателей, факторов, зависимостей) включается в экономическую теорию, а техническая (под которой в 9 случаях из 10 понимается построение тех или иных статистических моделей) – в эконометрику. Таким образом, экономико-математическое моделирование оказывается, с одной стороны, разорванным, с другой – усеченным, и вопросы взаимосвязи всех этапов моделирования, корректности интерпретации результатов моделирования и, следовательно, ценности рекомендаций на основе моделей, оказываются как бы висящими в воздухе. В результате всерьез принимаются результаты, основанные на интерпретации недостаточно адекватных моделей (например, регрессионные зависимости, у которых коэффициент множественной детерминации R₂ равен 0,03 [80]). Иногда допускается чрезмерно расширительная интерпретация тех или иных компонент модели.

Причиной осторожного подхода в практике моделирования является известное несоответствие между объектом и его моделью: модель всего лишь упрощенное представление действительности. Модель – есть теоретическое построение, имеющее некоторое отношение к реальности, которое можно независимо обсуждать и анализировать [128].

При построении математической модели неизбежно приходится вводить различные допущения и ограничения и из всего количества параметров объекта выбирают лишь некоторые, по мнению разработчиков, наиболее важные [79], так как: во-первых, невозможно полностью выявить все параметры объекта, во вторых, если в модели учитывать всё их большое число, то она станет очень громоздкой и технически трудно реализуемой, а за большим количеством данных потеряется содержание моделирования. При сопоставлении объекта и модели встает вопрос о том, насколько точно она описывает объект. Очевидно, что для одного и того же объекта в зависимости от поставленных задач и количества учитываемых параметров можно предложить много моделей, каждая из которых описывает объект с определенной точностью (большей или меньшей адекватностью) и использует тот или иной математический аппарат. Очевидно, что используемые либо разрабатываемые модели не тождественны реальным объектам и происходящим процессам, исследование моделей и ее свойств не есть исследование реального объекта. Так как нельзя построить абсолютно адекватную модель (реализовать ее), то встает вопрос об оптимально допустимой ее адекватности, которая позволит при данных условиях на данном временном промежутке пренебречь изменениями объекта [99].

Современный уровень развития математического моделирования практически не позволяет сколько-нибудь адекватно моделировать реальные объекты [59]. Любой такой объект бесконечно сложен, и даже для его вербального описания, необходимого на предмодельной стадии, требовалось бы, вообще говоря, текст гигантского, практически исключающего возможность использования, объема. Тем более бессмысленно рассчитывать на моделирование объекта в виде тех или иных математических конструкций, т.е. элементов некоторого принципиально иного (математического) мира.

Проблема пригодности модели, как утверждает Г. Я. Гольдштейн в [29], сводящаяся к установлению количественной оценки меры адекватности принятой математической модели реальным исследуемым объектам в общем виде является весьма сложной: ее решение связано с математическими, экономическими, экспертными, техническими и даже философскими вопросами. В самом деле, как можно решать вопрос о количественной мере отличия математической модели объекта и самого реального объекта, если истинное (полное) описание такого объекта исследователю никогда не известно?

Учитывая, что модель есть упрощенное представление действительности, очень важной проблемой является определение цели моделирования. Постановка цели в свою очередь определяет количественный показатель адекватности разрабатываемой модели. В общем случае цель моделирования – получение информации об объекте во времени начиная с познавательных целей и вплоть до получения конкретных данных для принятия управленческих решений [99].

Действительно, если количественная мера адекватности модели не установлена, то вся идея проведения имитационных машинных экспериментов не выдерживает элементарной критики. Пока этот вопрос не решен, ценность модели остается незначительной, а имитационный машинный эксперимент превращается в простое упражнение в области дедуктивной логики. Более того, как считает В. В. Ольшевский в [72] и другие специалисты в области имитационного моделирования сложных систем, что экспериментирование на компьютере с неадекватной моделью принесет мало пользы, так как мы попросту будем имитировать собственное невежество.

Немаловажным в практическом плане является стоимость получения результатов моделирования. В эту стоимость входят как цена разработки модели, так и цена ее реализации и получения требуемой информации. Большая стоимость получения результатов моделирования уже ставит вопрос о том, а стоит ли вообще применять моделирование.

Если принять во внимание многочисленные примеры успешного моделирования самых разнообразных физических, биологических и экономических объектов и процессов, и вместе с тем взглянуть на них более пристально, то окажется, что непосредственными прототипами для этих моделей послужили не конкретные фрагменты реального мира, а их системные представления, т.е. результаты их описания в виде систем с помощью тех или иных системообразующих признаков [59]. Эти описания несравнимо проще чем объекты, и поэтому именно они располагаются между объектом и его моделью.

Как видно на рисунке 10, связь между объектом и его моделью носит опосредованный характер, поскольку между объектом и его моделью располагается системное описание объекта. При этом зазор между объектом и его системным описанием может быть весьма значительным. Например, в системном описании предприятия может быть на самом деле отражен лишь процесс производства продукции, в то время как процессы воспроизводства ресурсов не отражаются, поскольку находятся вне интересов исследователя. Логично считать, что если системное описание объекта S позволяет однозначно восстановить объект Q, то модель M, построенная на базе такого системного описания, можно назвать системной моделью объекта Q.

Рисунок 10 – Соотношение между объектом, его системным описанием и моделью [1]

Моделирование деятельности компаний (отдельных направлений деятельности) имеет определенную специфику [59]. Эти особенности отражают:

- неустойчивость статистических характеристик зависимостей, изменчивость состава и нестационарность действия факторов, влияющих на характер и протекание моделируемых на микроэкономическом уровне процессов;

- нестабильность внешней среды предприятия;

- присутствие значимого субъективного компонента (влияние принимаемых на данном предприятии решений) в составе факторов микроэкономических процессов;

- проблематичность применения статистических методов и подходов в моделировании микрообъектов, в частности, трудности формирования однородной генеральной совокупности из аналогичных объектов;

- возможность дополнения «внешней» количественной статистической информации о значениях моделируемых показателей «внутренней» качественной информацией о характере зависимости, получаемой непосредственно от инсайдеров;

- отсутствие преемственности в моделировании, характерной для моделирования макрообъектов, крайняя ограниченность числа (как правило, отсутствие) публикаций о ходе и результатах моделирования данного процесса на данном микрообъекте.

Для того чтобы учесть эти особенности при построении модели, обеспечив ее адекватность как способность отражать наиболее существенные в данном аспекте связи между компонентами системного описания объекта и элементами его модели, необходимо обеспечить максимальную траспарентность и сопоставимость информации о ходе и результатах моделирования как можно большего числа микроэкономических объектов [59].

Сложность моделирования деятельности реальной компании, кроме того, определяется целым рядом факторов: неоднородностью производимой продукции; нерегулярностью производства; внутренними факторами, дестабилизирующими производство; нарушениями регулярности снабжения; задержками и нерегулярностью финансовых потоков; изменением рыночных условий; маркетинговыми особенностями продукции; внешними угрозами и благоприятными возможностями; общей экономической, технологической и социальной обстановкой и так далее.

Большинство этих параметров системы носит вероятностный характер и, что самое главное, являются нестационарными. Планирование и управление по усредненным характеристикам не дает должного эффекта, так как пока оно осуществляется, изменяются и сама система, и ее окружающая среда. Все это усугубляется нестационарным характером вероятностных процессов. В результате применение формальных математических моделей затруднено из-за большой размерности ЭПС, недостаточной априорной информации, наличия плохо формализуемых факторов, нечеткости критериев оценки принимаемых решений [29], [88] и так далее.

Экономическая система, как объект исследования и приложения экономико-математических методов непрерывно развивается в нестационарных условиях. Модели математического программирования, как утверждает В. А. Забродский в [88] не отражают в должной мере условия выполнения планов, не учитывают в полной мере прогнозируемые потери, вызванные необходимостью локализации помех во времени и по ансамблю подсистем. Эконометрические модели для таких условий практически не разработаны.

Реальным подходом к решению задачи управления деятельности компании, как считает И. Б. Моцкус, может являться отказ от поиска и реализации предельно оптимальной модели управления и переход к использованию приближенных решений [67]. В этом случае ищутся варианты управления, находящиеся вблизи абсолютного оптимума, а не сам оптимум. Можно считать, что в любой задаче существует некоторый порог сложности, переступить который можно только ценою отказа от требований точности решений. Если учесть стоимость компьютерной реализации решения, например, многоэкстремальных задач, то точные их методы решения могут оказаться невыгодными по сравнению с более простыми приближенными методами. Эффект, полученный от уточнения решения, не окупит дополнительных затрат на его отыскание. Следует отметить, что сама многопараметричность задачи «сглаживает» оптимум решения и облегчает задачу попадания системы управления в область, близкую к оптимуму. Причем это становится все более явным с увеличением числа параметров системы и их вероятностного характера.

Еще в 60-е годы XX века ученые обратили внимание на то, что закон распределения целевой функции при проектировании системы с большим числом аргументов имеет свойство сходиться к нормальному, если целевая функция (или ее монотонное преобразование) выражается суммой членов, каждый из которых зависит от ограниченного числа переменных. Такое условие выполняется в большинстве реальных случаев управления ЭПС [67]. Это открывает путь к использованию таких методов оптимизации в управлении деятельностью компаний, которые минимизируют сумму ожидаемого риска, связанного с отклонением в управлении от достижения оптимума, и средних потерь на поиск этого решения (затрат на проектирование системы управления).

Наличие многих факторов, определяющих управление в реальной ЭПС и их вероятностный характер, нестационарность, условность в используемых экономико-математических моделях делают реальное управление лишь приближенно оптимальным, что ведет к необходимости приближенной оптимизации на основе использования принципа «горизонтальной неопределенности» [29].

Таким образом, управление деятельностью реальной компании в общем случае в силу указанных выше причин может быть принципиально только адаптивным. Это объясняется, во-первых, принципиальной невозможностью математически точного определения начальных условий объекта управления [20], во-вторых, принципиальной невозможностью математически точного описания всех возмущающих объект управления воздействий со стороны внешней среды, в-третьих, принципиальной невозможностью описания всех взаимных связей между элементами объекта, в-четвертых, нестационарностью характеристик внешней среды и характеристик системы [29], [88], [98].

Оказывается, что сама система управления деятельностью компании базируется в большинстве своем на субъективных оценках параметров системы, среды и взаимосвязей реальной ЭПС. В настоящее время, как утверждают В. С. Пугачев и др. авторы в [73], пока еще не разработаны (и вряд ли могут быть разработаны) методы исследования процессов управления одновременно с большим числом объектов, обладающих известной самостоятельностью действий и свободой поведения.

В практике управления инновациями, которое являются одним из направлений деятельности компании, очень часто возникает искушение применения традиционных экономико-математических методов оптимизационного управления. Однако в силу специфики инновационной деятельности, характеризуемой высокой степенью неопределенности и непредсказуемости, управление инновационной деятельностью может быть принципиально только адаптивным [29], [30], [98], [31]. Указанные выводы подтверждается работами [47] и [48].

Поэтому важным в предлагаемом исследовании автор считает раскрытие механизма адаптивного управления, а также причин, порождающих необходимость его применения в управлении инновациями и инновационной деятельности.