Цілі та передумови генерування нових ідей

Якщо не вдається знайти в довколишньому середовищі ідеї, здатні забезпечити досягнення кінцевої мети інновації — отриман­ня прибутку або іншої користі, необхідно генерувати такі ідеї.

У нашій країні Й за кордоном розроблено досить багато методів і методик проведення формалізованого й евристичного пошуку ін­новаційних ідей, науковий рівень і практична результативність ко­трих постійно підвищується. Якщо спочатку ці методи спиралися тільки на найпростіші прийоми асоціативного мислення, то для су­часних методів пошуку рішень характерні комплексний підхід, сис­темний аналіз проблеми й алгоритмізація творчого процесу, що до­помагають швидко знайти найефективніше рішення. Сучасні мето­ди передбачають можливість автоматизованої реалізації цього про­цесу за допомогою новітньої обчислювальної техніки та з викорис­танням глобальної інформаційної мережі, що істотно розширює творчі можливості людини.

Методи пошуку нових ідей при їх кваліфікованому застосуван­ні є надійним і дійовим інструментом з арсеналу інноваційного ме­неджменту. Знати й уміти їх використовувати — прямий обов'язок будь-якого керівника, що працює в творчій сфері [60].

Керівник повинен розуміти просту істину, що компанія навіть для того, щоб стояти на місці в сучасному світі, мусить досить шви­дко бігти. Тим більше в компанії, що прагне обігнати конкурентів, має бути серйозно налагоджена робота з пошуком і генеруванням ідей для випуску конкурентних продуктів [61].

Генерування нових ідей базується на науці про творче мислен­ня — евристиці. Разом з нею також успішно використовуються до­сягнення таких наук, як психологія творчості, системний аналіз, дослідження операцій, теорія ігор тощо. Евристичні методи набага­то частіше приводять до принципово нових інноваційних рішень, що потім дістають статус винаходу або навіть відкриття. Найнеймовірніші ідеї, отримані евристичним шляхом, можуть забезпечити технологічний прорив у тій чи іншій галузі. Наприклад, одна з сис­тем голографії народилася з неймовірної ідеї одержувати фотогра­фії без об'єктива. У свій час неймовірними були ідеї радіо, телеба­чення, телефону тощо [1, 60].

Генерування нової ідеї має здійснюватися з урахуванням часу, який сплине від моменту виникнення ідеї до її фактичної реалізації. Тобто сама по собі ідея може бути багатообіцяльною, але якщо її спроектувати на майбутнє, то може виявитися, що вона не конку­рентоспроможна.

Є принаймні понад 40 методів генерування (прогнозування) Нових ідей [59]. Для зручності об'єднаємо їх у три групи:

- аналіз тенденцій;

- експертні оцінки;

- багатоваріантні методи аналізу.

При використанні методів генерування (прогнозування) нових ідей бажано додержуватися таких рекомендацій:

- цілі прогнозування треба сформулювати до вибору відповідно­го методу їхнього досягнення. Для правильного вибору методу й застосування отриманих результатів спочатку треба задатися питанням: «У чому проблема?», а потім «Що ми маємо намір робити з результатом прогнозування?»;

- варто використовувати два або кілька методів, оскільки жоден метод не здатний відповісти на всі питання;

- оскільки на ідею в широкому значенні цього слова, і особливо на їхні кінцеві продукти, істотно впливають чинники нетехнічного характеру (загальне середовище бізнесу, економіка, полі­тика, суспільна ситуація, законодавство, соціальні переваги й багато іншого), то методи генерування ідей повинні також міс­тити відповідні елементи економічного прогнозування й аналі­зу політичної ситуації;

- майже всі методи прогнозування можуть також використовува­тися для цілей прогнозування інших тенденцій.

Аналіз тенденцій

Аналіз тенденцій дотепер залишається найпоширенішим під­ходом з прогнозування тенденцій. Його базові передумови прості: треба зібрати доречні історичні дані й потім графічно, або в чисель­ній формі, спроектувати відповідні зміни на майбутнє. Попри роз­ходження конкретних методик, прийоми аналізу тенденцій мають низку спільних допущень і особливостей, а саме:

- майбутнє представляється безперервним продовженням недав­нього минулого, і, отже, на нього поширюються встановлені раніше закономірності;

- є тільки один варіант майбутнього, і він передбачуваний, якщо правильно зрозуміти закони змін, що відбуваються, виявлених під час аналізу тенденцій.

З наукового погляду екстраполяція є забороненим прийомом, проте, за правильного врахування причиново-наслідкових зв'язків, вона може дати прийнятні результати.

Метод екстраполяції тенденцій заснований на екстраполяції поведінки змінної, що шукається в заданому часовому відтинку. Як приклад на рис. 2.5 наведено екстраполяцію тенденцій зміни ефек­тивності штучних джерел світла [61, 62].

Як бачимо, до 1970 р. лінійна екстраполяція добре передбачала результати. Однак протягом наступних ЗО років цю тенденцію поки що не підтверджено. Цілком можливо, що зростання буде, тому що

така тенденція підтверджена більш ніж сторічним досвідом. Варто мати на увазі, що чим більший часовий інтервал, тим менш надій­ним буде прогнозований результат.

Екстраполяцію тенденцій використовують для прогнозування параметрів ефективності технологій, параметрів якості продукції, рівня продажів даного продукту, тривалості розроблення конкрет­ної технології тощо. На практиці майже кожна (і не тільки західна) компанія в усіх галузях промисловості збирає інформацію про істо­ричні тенденції змін важливих параметрів, використовуючи її як стартову точку для прийняття якихось стратегічних рішень. Прості екстраполяційні графіки служать для багатьох компаній корисни­ми «кваліфікованими підказками».

Ефективність,

люмен/ват

(логарифічна

шкала)

Фпюоресцена лампа

'е* <

Натрієва лампа

-

І

*

Ртутна лампа

—

"

Целюлозна нитка ;
Лампа Едісона

s""

і

—

Парафінова свічка і

_]___ І___ І__ І___ І__ І І І і >

1860 1880 1900 1920 1940 1960 1980 2000 2020

Час, роки

Рис. 2.5. Екстраполяція тенденцій ефективності Щтучних джерел світла

За наявності необхідних даних екстраполяція тенденцій є до­сить недорогим і швидким методом. З урахуванням простоти опра­цювання даних цей метод використовують як перший ступінь тех­нічного та технологічного прогнозування, одержання якогось пер­шого наближення.

Основним недоліком методу є низька точність, оскільки харак­тер впливу зовнішніх обставин на розглянуті перемінні непостій­ний у часі, і тому найкращі результати можна отримати при використанні цього методу лише на найближче прогнозування (кілька кварталів, один рік).

Регресивний аналіз. Якщо зв'язок між досліджуваною величи­ною, наприклад, параметром якості, та технологічними параметра­ми процесу можна представити у формі математичної залежності — рівняння регресії, то це дає змогу розрахувати кількісні характери­стики досліджуваної величини, навіть якщо параметри залежать один від одного, тобто корельовані. Позитивним у цьому методі є те, що є добре розроблена теорія регресивного аналізу та комп'ютерні програми для розрахунків значень параметрів. Якщо відомі причи­ново-наслідкові зв'язки між параметрами, то такий аналіз дає якіс­ніші прогнози, ніж метод екстраполяції, що дозволяє здійснювати середньо- й довгострокові прогнози.

Метод S-кривих. Залежність багатьох процесів від часу має S-подібний характер: на початковому етапі параметри збільшуються повільно (йде нагромадження — так званий інкубаційний період), потім іде період швидкого зростання і, по досягненні певної вели­чини, швидкість процесу зменшується, асимптотично наближаю­чись до певної межі. Така залежність характерна для багатьох па­раметрів якості продукції або для виведеного на ринок товару, коли частка відповідного ринку зростає спочатку повільно, потім швид­ко, а потім різко сповільнюється, після чого починає падати.

Процедуру побудови S-кривої коротко можна описати в такий спосіб:

- визначити характеристику товару, якої потребує ринок;

- визначити технологічний параметр або параметри, якими мож­на забезпечити цю характеристику;

- зібрати інформацію про динаміку розвитку цього параметру в минулому;

- визначити природне обмеження цього параметру;

- побудувати на основі отриманої інформації S-криву, що Mat-асимптоту до природного обмеження;

- визначити події й тенденції, що можуть уплинути на майбутній розвиток параметра і як наслідок — на форму кривої. Схематично це показано на рис. 2.6 [62].

Фізичне обмеження

О.

а.

со

с

>s

S X У 'С

о

І

X

CD

\-

Час

Рис. 2.6. S-крива для прогнозування технологічного параметра

Якщо побудувати декілька S-подібних кривих заміни технологій виявляється, що вони складають криву, що огинає всі попередні, має також S-подібну форму. Як приклад на рис. 2.7 показано S-криву, побудовану для прогнозування швидкості транспорту.

Якщо відомі такі криві для аналогічних параметрів, то цей ме­тод може бути корисним для прогнозування розвитку технологій, особливо на стадіях НДР і НДДКР. Метод, також корисний своїм нагадуванням про те, що технологічні параметри не можуть зроста­ти нескінченно, запобігаючи тим самим типовій помилці, коли про­гнозування виходить з лінійної екстраполяції.

Метод історичних аналогів. Відомий вислів «Дурень учиться на власних помилках, а розумний — на чужих» відбився в цьому методі. Якщо відомі рішення, що їх застосовували великі фірми в ситуаціях, подібних до Вашої, то є велика ймовірність того, що, прийнявши аналогічне рішення, Ви одержите позитивний результат. Для цього на Заході є бази даних, наприклад, «Вплив ринкової стратегії на біз­нес» (Profit Impact of Market Strategy — PIMS), де узагальнено вели­ку кількість конкретних ситуацій для 1700 компаній у різних галузях промисловості. Поки що користуватись цією базою даних досить до­рого, однак їх бурхливий розвиток сприятиме здешевленню та під­вищенню надійності цього методу прогнозування.

1750 1850 1950 2050

роки

Рис. 2.7. S-крива для прогнозування швидкості транспорту

Метод аналізу винахідницької активності. Аналіз динаміки патентування винаходів дозволяє отримати інформацію про техніч­ні й технологічні тенденції, а також про основних учасників розро­блення нових технологій і продуктів. Патенти є добротним матеріа­лом для досліджень, оскільки розробники, піклуючись про захист своїх прав, патентують їх. Якщо ще кілька років тому такий аналіз був утруднений, то тепер — зі зростанням комп'ютеризації, наявно­сті інтернет-мережі, забезпеченні вільного доступу до патентних фондів в електронному виді — ефективність такого аналізу різко зросла. Можна сподіватися, що в найближчому майбутньому цей метод стане одним з найнадійніших для прогнозування технологій та інноваційних продуктів [14].

Більшість компаній додержуються такої схеми патентних до­сліджень:

- визначення об'єктів дослідження;

- формулювання проблеми та встановлення сфери пошуку;

- пошук необхідних патентів;

- завантаження патентів у програму для ЇХ опрацювання;

- комп'ютерне опрацювання патентів;

- інтерпретування результатів патентного аналізу.

Аналіз динаміки винахідницької активності за роками дозво­ляє виявити тенденції: чи зростає кількість Патентів, чи залишаєть­ся постійною або ж зменшується. Такий аналіз дозволяє виявити домінування конкретного розроблювана аб

виробника. Важливе значення має аналіз портфелю патентів коМЦанії, що дає змогу ви­явити напрямок проведених конкурентами Науково-технічних роз­роблень.

Статичний аналіз описів винаходів і корисних моделей дозво­ляє не тільки виявити вичерпний список вимог до певної продукції, але й проранжувати їх за ступенем значущості (ваги), тобто скласти гам' оИннїиг .ipMijhifB іютр>л£дпс $в&чр jivw}⁷

ІЇояукгів. Ак&ліз а&тек-тів дозволяє прогнозувати появу на ринку Нових розробок за 6-18 місяців і є наразі одним із кращих способів відстеження технологі­чних змін у всьому світі. Він також дозволяв виявити потенційних кандидатів для купівлі або продажу ліцензії* на розроблювані тех­нології.

Для забезпечення необхідної повноти відомостей варто оновля­ти чи повторювати патентний пошук щороку. У великих компаніях цим займаються зазвичай до 10 чоловік.

Як приклад наведемо один з результатів виконаного нами про­гнозу розвитку металургійної галузі (рис. 2-8) [63]. Аналіз прово­дили за класами МПК С21, С22, С23, С25, С30, що відповідають ме­талургійній галузі. Дослідження здійснено

002 року з прогнозом на 2003-2004 роки (жирні лінії на рис. 2.8).

З рис. 2.8 видно, що за останні п'ять роЩв спостерігається тен­денція до зменшення активності патентування. Перевірка прогнозу в 2003 році показала, що у США, як і передбачалося, за перше пів­річчя не було отримано в цій галузі жодного патенту, тоді як у 1999 році кількість патентів становила понад 25()0. Тенденція до змен­шення патентної активності спостерігається 'Ьакож у Російській Фе­дерації та в Китаї. Звідси можна зробити висновок, що металургій­на галузь не є інноваційно-привабливою і чавряд чи слід шукати нові ідеї в цій сфері.

1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004

роки

Рис. 2.8. Динаміка патентування в металургійній галузі: 1 — США; 2 — Російська Федерація; 3 — Китай; 4 — Україна

Аналіз наукової літератури. Цей метод певною мірою є допов­ненням до попередніх. Однак є й відмінності. З одного боку, не більш як третина досліджень доводяться до стадії патентування. З іншого боку, вони передують патентуванню, тому допоможуть ви­явити тенденції значно раніше. Вважається, що аналіз наукової літератури дозволяє зробити прогноз не більше ніж на 3-4 роки, тому його бажано повторювати щорічно. Поки що кількість фірм, що пропонують подібні послуги, вкрай обмежена, а вартість таких досліджень висока (за даними 1991 року одне таке повне дослі­дження в США коштувало від 50 до 150 тис. доларів). Однак варто очікувати, що в міру переведення реферативних журналів на елект­ронні носії швидкість і ефективність такого аналізу істотно зросте, а їхня вартість суттєво знизиться.

Поиск по сайту: