5 марта 2017 г.

 

Скачать текст статьи в PDF

 

Выявление вторичных задач при оценке результатов инноваций
А.Л.Любомирский
11.07.2012
 
Ключевые слова: вторичные задачи, выявление, инновации.
Постановка задачи
Одной из хорошо известных и болезненных проблем ТРИЗ является низкая внедряемость полученных решений. Тому есть множество причин, одна из которых связана с возникновением на этапе внедрения вторичных задач. Если учесть, что во многих случаях специалисты по ТРИЗ не имеют доступа к системе в процессе внедрения, подобные задачи воспринимаются внедренцами как фатальные и неустранимые недостатки, делающие продолжение проекта бессмысленным.
Чтобы предотвратить подобное развитие событий, необходимо, заранее, т.е. еще на этапе концептуального проектирования, в максимальной степени выявить и решить подобные задачи. Хотелось бы, чтобы методика выявления вторичных задач была по возможности объективной и включала в себя оценку результатов.
Предложение
Рассмотрим некоторую техническую систему, подлежащую улучшению. Улучшить систему – это значит улучшить один или несколько главных параметров (MPV). Допустим (подразумевая, что для улучшения данный параметр надо повышать), по одному из них на сегодняшний день система достигла значения Р (Figure 1):
 
Figure 1. Абсолютный параметр
Имея в наличии только абсолютное значение параметра, невозможно сказать, хорошо это или плохо, много или мало. Поэтому параметр необходимо нормировать на интервал (Figure 2):
 
Figure 2. Нормированный параметр
Математически это выглядит следующим образом (1):
              (1), где
 
Pn – параметр, нормированный на интервал Pmin, Pmax;
Pmin, Pmax – соответственно минимально допустимое и максимально необходимое значения параметра.
 
Pminи Pmax имеют реальный физический смысл. Pmin – это такое минимально допустимое значение параметра, ниже которого пользователь не станет применять систему ни при каких обстоятельствах. Например, если предложить пользователям электромобиль, способный передвигаться по городу на одной зарядке не более получаса, скорее всего, его не купят несмотря ни на какие преимущества (низкая цена, комфорт, безопасность, и т.п.). А если одной зарядки хватит на сутки, то, скорее всего, купят. Следовательно, где-то между существует некое минимальное время пробега, ниже которого машиной вообще никто не заинтересуется, а выше – хотя бы рассмотрят возможность покупки.
Аналогично Pmax – это такое максимально необходимое значение параметра, превышение которого пользователю просто не нужно => таковое превышение (в определенном диапазоне) не будет рассматриваться как улучшение. Например, если добиться того, чтобы одной зарядки хватало, скажем, на месяц, а потом предложить улучшенный вариант – месяц плюс 5 дней, вряд ли пользователь на это отреагирует => всегда есть некоторый предел, выше которого дальнейшие улучшения бессмысленны.
Поскольку качество системы определяется несколькими параметрами, имеющими разную важность для пользователя, следует ввести весовые коэффициенты. Тогда взвешенный параметр будет выглядеть так (2):
 

  (2), где К – весовой коэффициент, 0 £ К £ 1

 
Следует учесть, что при оценке результатов инноваций нас интересует не столько достигнутый уровень параметра, сколько реакция пользователя на это улучшение. А она зависит еще от одного фактора – степени насыщенности рынка (степени доступности данного параметра). Понятно, что на остродефицитном рынке даже небольшое улучшение будет воспринято с восторгом, а на высоконасыщенном пользователь будет крутить носом, даже если предложить ему весьма значительное повышение параметра. Поэтому для единичного параметра формула должна выглядеть следующим образом (3):
 (3), где
s – удовлетворенность пользователя достигнутым значением параметра Р;
L – коэффициент насыщенности рынка, 0 =<L=< 1
Если единицы измерения параметра выбраны таким образом, что для улучшения системы его надо уменьшать (например, расход энергии электромобиля оценивать в киловатт-часах на 100 км пробега), формула изменится незначительно (4):
  (4), где
 
Pmin, Pmax – соответственно максимально допустимое и минимально необходимое значения параметра (т.е. пределом улучшения в данном случае выступает не Pmax, а Pmin).
Теперь можно рассчитать интегральную удовлетворенность пользователя от достигнутых параметров системы как среднее геометрическое удовлетворенностей по отдельным параметрам (5):
  (5), где
 
S - интегральная удовлетворенность пользователя;
sj - удовлетворенность пользователя достигнутым значением каждого данного параметра Рj;
n – число параметров.
В таком случае открывается возможность сравнивать между собой различные системы (включая сборные прототипы, среднерыночные прототипы и т.п.), вычисляя конкурентное преимущество одной системы перед другой (6):
DS = S1 – S2   (6), где
 
DS – конкурентное преимущество;
S1, S2 – интегральные удовлетворенности сравниваемых систем
Можно также формулировать цель проекта как достижение определенного конкурентного преимущества DS, рассчитанного для определенного прототипа (в качестве которого может выступать и сама исходная система).
Но точно также можно оценивать не только существующие системы, но и концепции! Ведь они для того и разрабатывались, чтобы улучшить определенные параметры. Следовательно, можно оценить, насколько каждая концепция может улучшить (а в некоторых случаях – и ухудшить) каждый параметр системы. А имея эту информацию, можно рассчитать Sдля каждой концепции и сравнить с целью проекта (7):
 
Sg = Sb +DS (7), где
Sg – цель проекта;
Sb – интегральная удовлетворенность для базовой системы;
DS – необходимое конкурентное преимущество.
Если для данной концепции S³Sg, то все в порядке. Если S < Sg, следует решить, какие параметры и насколько надо улучшить, чтобы добиться равенства указанных величин. Собственно, список подлежащих улучшению параметров с указанием величины улучшения и будет списком вторичных задач для каждой концепции.
Однако выбор параметров и степени их улучшения следует оптимизировать с целью минимизации усилий. Дело в том, что одного и того же значения Sможно добиться, по-разному варьируя различные параметры. Из формулы (5) следует, что если все sj будут равны 0.8, а одна равна 0.2, то величина S будет в основном определяться sj – аутсайдером, и компенсировать ее улучшением остальных параметров весьма непросто, а следовательно – нерационально. Поэтому был разработан и реализован в прототипе софта алгоритм, последовательно выбирающий параметры, с которыми связаны наименьшие sj, и определяющий степень их улучшения таким образом, чтобы суммарное изменение было минимальным.
Пример
Согласно алгоритму (часть шагов пропущена, поскольку они не имеют прямого отношения к выявлению вторичных задач), сначала выявляются параметры, по которым будет проводиться анализ (Figure 3). Для каждого выбираются единицы измерения (в приведенном абстрактном примере все параметры измеряются в баллах) и указывается, следует ли данный параметр увеличивать или уменьшать (в данном примере все параметры следует увеличивать, и только MPV3 – уменьшать). Затем указываются значения Pmin и Pmax, а также весовые коэффициенты К и коэффициенты насыщения рынка L. Хотя в расчетах используются значения коэффициентов, распределенные между 0 и 1, в программе для удобства пользователей они указываются в диапазоне от 0 до 10.
 
Figure 3. Выявление параметров
Затем для каждой концепции вводится фактические значения всех параметров, которые она предположительно может обеспечить (Figure 4):
 
 
Figure 4. Ввод фактического значения параметров
 
Затем программа проводит необходимые расчеты и самостоятельно формулирует вторичные задачи (Figure 5):
 
 
Figure 5. Автоматическое формулирование вторичных задач
Результаты
Таким образом, в результате выполненной работы была предложена объективизированная методика выявления вторичных задач на стадии концептуального дизайна. Достигнутая степень формализации позволила реализовать разработанный алгоритм в виде работающего прототипа компьютерной программы (бета-версия). Алгоритм оптимизирован таким образом, чтобы решение вторичных задач могло быть осуществлено минимально возможными усилиями.
Выводы
Основываясь на представленных результатах, можно сделать следующие выводы:
·        Предложенный метод выявления вторичных задач хорошо формализован, не требует использования трудноопределимых переменных, не требует избыточных трудозатрат (если не считать таковыми не слишком сложное, но несколько нудное заполнение таблиц), не сводится к известным методам, и может быть с успехом применен на практике
·        Следовательно, данный метод и реализующий его софт имеет смысл включить в стандартную процедуру сравнения концепций, обозначив как «экспериментальный» (это даст возможность интенсивно протестировать его на практике, накопить статистику применения, и в дальнейшем принять обоснованное решение по его внедрению в стандартную методику).
Следующие шаги
В дальнейшем необходимо:
·        Собрать и проанализировать статистику применения предложенного метода в консультационных проектах
·        Устранить выявленные недостатки (как самого алгоритма, так и реализующего его софта)
·        Встроить усовершенствованный алгоритм в InnovationNavigator и использовать его как составную часть типовой методики сравнения концепций в консультационных и учебных проектах