Основные задачи, принципы и этапы организации НИОКР и проектирования

В процессе разработки имеют место определенные "контрольные точки":

− решение о разработке полного комплекта рабочей документации;

−    о производстве опытного образца;

−    о создании производственной базы.

В случае положительного решения в каждой "контрольной точке" выделяются соответствующие финансовые ресурсы. Поэтому до перехода к следующей фазе проекта должна осуществляться его переоценка и, следовательно, финансовый анализ. При этом снижение технической неопределенности лишь одна сторона такого уточнения. Другая цель − уменьшение экономической неопределенности проекта, его рыночной будущности.

При определенных обстоятельствах для крупных проектов стоимость разработки может выступать в качестве решающего фактора. В таких случаях требуются более точные оценки и, следовательно, необходимо сосредоточить усилия на получении необходимой информации. Рассмотрим несколько конкретных ситуаций. Для определенного круга сложных технических изделий характерны высокий уровень затрат на НИОКР и небольшое количество изделий на стадии производства. В этом случае может оказаться желательным уменьшить общие затраты на НИОКР за счет технического уровня изделий, действуя по принципу "лучшее − враг хорошего". Однако подобное снижение затрат на НИОКР может привести к увеличению удельных издержек производства [4]. Ситуация иллюстрируется рис 2.

Рис. 2. Чувствительность прибыли к стоимости НИОКР для

высокотехнологичных проектов с низким объемом продаж

Вариант 1 − высокие затраты на НИОКР, низкие удельные производственные издержки. Вариант 2 − сниженные затраты на НИОКР и более высокие удельные производственные расходы. Очевидно, что при сравнительно небольших объемах выпуска выгоднее вариант 2 финансовой политики.

При ориентации на создание продукта с коротким жизненным циклом (например, при прогнозе появления нового технического принципа) финансовый успех в большей мере будет зависеть от удлинения жизненного цикла товара за счет его более быстрой разработки и внедрения на рынок.

Таким образом, могут оказаться целесообразными дополнительные затраты на ускорение НИОКР.

При разработке продукта, предназначенного для рынка, занятого уже освоенным продуктом, выпускаемым конкурентом, успех будет зависеть или от разработки более дешевого продукта, или повышенного качества. Однако априори неясно, что предпочтет потребитель. Поэтому необходимы дополнительные затраты на маркетинговые исследования, поскольку правильное решение имеет ключевое значение для успеха продукта. Следует отметить, что повышение технического уровня, как правило, сопровождается возрастанием издержек производства.

Таким образом, финансовый анализ может рассматриваться как непрерывный процесс в рамках НИОКР. Реалистичный подход к проблеме базируется:

− на признании того факта, что первоначальный отбор – ограниченное решение;

− выявлении тех областей, где экономический успех особенно чувствителен к ошибкам в оценках;

− выделении ресурсов на информацию в этих "чувствительных областях";

− использовании полученной информации для принятия решений (отказ от проекта, его переориентировка, необходимость дополнительных затрат на информацию, имеющую решающее значение) [4].

2.2. Выбор оптимального портфеля НИОКР

Результатом НИР является достижение научного, научно-технического, экономического и социального эффектов. Научный эффект характеризуется получением новых научных знаний и отражает прирост информации, предназначенной для "внутринаучного" потребления. Научно-технический эффект характеризует возможность использования результатов выполняемых исследований в других НИР и ОКР и обеспечивает получение информации, необходимой для создания новой продукции. Экономический эффект характеризует коммерческий эффект, полученный при использовании результатов прикладных НИР. Социальный эффект проявляется в улучшении условий труда, повышении экономических характеристик, развитии культуры, здравоохранения, науки, образования. Научная деятельность носит многоаспектный характер. Ее результаты, как правило, могут использоваться во многих сферах экономики в течение длительного времени.

Прежде всего, важно четко различать окончательную эффективность проекта и затраты компании до того момента, когда проект начнет давать отдачу.

Высокая оценка окончательной эффективности проекта может отвлечь внимание от истощения финансовых ресурсов компании из-за затрат на разработку. Эти затраты состоят из затрат на НИОКР, включая создание опытного образца, капитальных вложений в производственные мощности, затрат на подготовку производства на серийном заводе и стартовых рыночных затрат.

Наличие финансовых ресурсов для реализации проекта НИОКР зависит от состояния компании, определяемого всей ее деятельностью, всеми затратами и доходами. Поэтому денежные потоки компании, в том числе и при реализации проекта должны оцениваться с максимально возможной точностью.

Такой анализ может выявить следующее:

− максимальное значение отрицательного денежного потока не превышает финансовых ресурсов фирмы. В этом случае финансовые ограничения будут слабо влиять на выбор проекта;

− требуемые финансовые ресурсы достигли предела ожидаемого наличия средств. Риск нехватки средств возрастает и надо пересмотреть график разработки, передвинуть максимум затрат во времени или разработать чрезвычайный план пополнения финансовых ресурсов;

− потребности в фондах могут превзойти их вероятное наличие. Проект может быть или прекращен, или использовано лицензирование, совместная разработка с другими фирмами.

Ни одна из инвестиционных возможностей не должна рассматриваться изолированно от всего портфеля инвестиций (на диверсификацию компании, расширение и модернизацию производства, НИОКР). Портфель НИОКР постоянно меняется. Его содержание всегда зависит от прошлых решений, однако балансировка требует появления новых проектов.

Практически каждой фирме надо выбрать или управлять оптимальным в некотором смысле набором (портфелем) НИОКР. Обилие частных критериев, проблемы однозначного свертывания многокритериальных оценок, необходимость установления отдельных оценок делает эту проблему достаточно сложной для решения.

Имеется довольно большая литература, посвященная этому вопросу. В одной из работ [10] представлен эвристический алгоритм отбора проектов в мультикритериальном процессе. Эвристика базируется на так называемом “поиске фильтрующим лучом” (FBS – Filtered beam search). Традиционные алгоритмы отбора базируются на ранжировании проектов по рангам, определенным менеджментом. Отбор заканчивается при истощении бюджета НИОКР, взаимодействие проектов и их взаимозависимость не учитываются.

Модели выбора портфеля с использованием техники математического программирования отбирают оптимальную группу проектов НИОКР, однако они отметают само планирование как цель или ограничение. Таким образом, планирование осуществляется после выбора группы проектов.

В качестве критериев отбора используются максимизация ожидаемой прибыли, максимизация вероятности успеха и минимизация общего времени выполнения портфеля проектов. В качестве правила приоритетов используется кратчайшее время процесса. Это позволяет оптимизировать общее время выполнения портфеля НИОКР (хотя в общем случае и не дает такой гарантии). Ресурсные ограничения делятся на бюджетные, по научному персоналу, двум выбираемым дополнительно ресурсам (например, материалы и оборудование). Целевые функции и ограничения – линейны.

Пространство решений визуализируется деревом поиска, где каждый путь в ветвях – потенциальное решение, а узлы представляют отдельные проекты. Основная идея состоит в использовании при лучевом поиске оценочных функций для определения, по каким ветвям следует продолжать поиск. Процедура состоит из ряда шагов.

Шаг 1 – генерация начальных узлов (то есть списка проектов).

Шаг 2 – оценка узлов на текущем уровне по задаче 1 ранга. На этом этапе остаются только лучшие узлы.

Шаг 3 – наилучшие узлы по шагу 2 оцениваются в соответствии с задачей фильтрации 2 ранга.

Шаг 4 – узлы, прошедшие фильтрацию, снова оцениваются по задаче ранга 1. Лучшие узлы сохраняются, а остальные ветви аннулируются (проекты сохраняются).

Шаг 5 – генерируется следующий уровень поиска и ветвей, отобранных на шаге 4.

Шаг 6 – узлы отсеиваются по бюджетным ограничениям.

Шаг 7 – если нарушения остаются, процесс возвращается к шагу 2.

Процедура FBS хороша в том смысле, что она позволяет менеджеру подстраивать вариант списков проектов и использовать эвристику, которая отражает его мнение по действительному рыночному окружению фирмы.

В общем случае сложности решения подобных задач объективны.

Традиционный подход к отбору НИОКР или других типов уникальных проектов состоит, во-первых, в выборе ряда проектов, которые отвечают экономическим целям и ресурсным ограничениям, а затем в попытках спланировать выполнение этого ряда при различных научных или конструкторских особенностях. Подходы к выбору проектов обычно не содержат планирование как часть процесса выбора. Когда невозможно спланировать выбранные проекты в рамках приемлемых сроков, проекты могут быть исключены, рассмотрены альтернативные проекты, увеличены ресурсы снижения, экономические цели или желательное планирование может быть ослаблено. Ни одна из этих альтернатив не представляет сгруппированного подхода к решению, которое бы обеспечило лучший или даже хороший выбор проектов.

Причина исключения планирования как части моделей выбора проектов ясна. Проекты НИОКР как объекты планирования принадлежат к большому классу известных в нейропроцессорной технике (NP-hard) задач планирования, вычислительные затраты в которых растут экспоненциально с увеличением размера проблемы. Если размер проблемы растет, время, требуемое для получения оптимального решения, становится чрезмерным даже для самых быстрых компьютеров. Проблемы NP-hard планирования, относящегося к НИОКР, требует решения проблем мультипроцессорного планирования, планирования по приоритетам с учетом ограничений, трудового планирования и т.д. Поэтому большинство практических плановых задач решается с использованием эвристических алгоритмов. Однако наиболее эффективные и существенные модели численного выбора не могут включить в себя эвристику.

Трудно создать удобные модели, которые включали бы одновременно выбор и планирование проектов.

Литература по выбору проектов НИОКР включает несколько сотен статей, описывающих качественные и количественные модели, большинство из которых дает кое-что. Целью этих моделей обычно является выбор портфеля проектов, которые будут достигать экономических целей субъекта при различных ресурсных ограничениях.

Модели отбора портфеля с использованием техники математического программирования отбирают оптимальную группу проектов НИОКР, или портфель, в соответствии с целями и ресурсными ограничениями в процессе разработки. Эти модели требуют, чтобы процесс отбора формулировался как точные математические уравнения относительно целей и ограничений. Для таких целей, как максимизация прибыли, использование ресурсов, вероятность успеха индивидуальных проектов были разработаны эффективные алгоритмы отбора проектов НИОКР.

Однако модели выбора портфеля не учитывают планирование как цель или ограничение из-за математических трудностей включения планирования в процессе выбора. В результате мультипроектное планирование осуществлялось после процесса селекции проектов. Если результирующее планирование удовлетворяет целям организации, процесс отбора проектов достаточен. Если нет, то проекты должны быть или отброшены, или заменены альтернативными, или ресурсы увеличены, снижены экономические цели и требуемое планирование ослаблено. Обычной целью при выборе проектов является максимизация ожидаемой отдачи портфеля проектов. Ожидаемая отдача отдельного проекта – есть произведение прибыли от проекта на вероятность его успеха. Ожидаемая отдача портфеля – сумма ожидаемых отдач проектов, входящих в портфель.

Существует некоторый риск, связанный с проектами НИОКР, так проекты могут быть неуспешными в зависимости от отрасли либо по техническим, либо по коммерческим причинам. Для минимизации риска в процессе селекции следует выбирать проекты, которые имеют хорошие шансы на успех. Риск или неопределенность, свойственные проектам НИОКР, трудно включить в модель селекции, но было замечено, что «многие модели используют фактор вероятности успеха». Вероятность успеха портфеля есть индикатор риска, связанного с выбранными проектами, и вычисляется при суммировании вероятностей успеха отдельных проектов. Аддитивный индекс вероятности успеха обеспечивает лучшее ранжирование проектов.

Максимизация групповой вероятности успеха будет содействовать выбору проектов с лучшими шансами на успех.

Третья цель, минимизация общего времени до окончания работ над портфелем, включается как репрезентативная цель планирования. Проекты НИОКР планируются по ресурсам, характерным для различных подразделений и организационных сфер в процессе разработки проекта. Проекты могут включать технические, проектные, производственные, испытательные работы, переделки и другие работы. Частные ресурсы могут быть необходимыми на различных стадиях проекта.