Форма обратной связи
Заполните форму для связи с нами. 
Заполняя форму вы даете свое согласие на обработку данных

Ассоциации по содействию развитию научной экспертизы и консалтинга

Добро пожаловать на сайт

«АНЭК»

О компании: Ассоциация по содействию развитию научной экспертизы и консалтинга (сокращенно - АНЭК), учреждена в 2012 году в форме Некоммерческого партнерства. На текущий момент ее учредителями являются две организации - это НИЦ «Курчатовский институт» и Некоммерческое партнерство «Национальный электронно-информационный консорциум» (НЭИКОН).
Несмотря на недолгую историю существования Ассоциации АНЭК, накопленный опыт теоретических научных и практических консалтинговых исследований позволяет нам решать самые сложные и нестандартные задачи, лежащие на стыке науки и консалтинга, а тесное сотрудничество с учеными НИЦ КИ и сотрудниками НЭИКОНа позволяет привлекать к исполнению проектов специалистов самой высокой квалификации.
В состав трудового коллектива Ассоциации входят специалисты в сфере
искусственного интеллекта, экономики, международного права в области научно-технического сотрудничества, теоретической физики, нелинейной физики, физики высоких энергий, радиофизики, биологии. Представители Ассоциации участвуют в российских и международных совещаниях и семинарах, результаты работ докладываются на научных семинарах и конференциях, публикуются в научных журналах.

Миссия компании: состоит в том, чтобы способствовать внедрению современных методов и алгоритмов решения управленческих задач в повседневную бизнес-практику компании. Спектр решаемых задач простирается от математического моделирования деятельности компаний (или бизнес-процессов), до создания шаблонов (т.н. solver’s) под конкретные задачи компании. Наши услуги создаются на базе современных цифровых технологий анализа проблем и позволяют наладить постоянную работу по планированию и управлению предприятием, что ведет к снижению затрат и повышению конкурентоспособности предприятия.
Задачи
За прошедшие годы в компании в АНЭК наработан опыт моделирования самого разного рода задач.
Приведем перечень и краткое описание нескольких задач, которые описаны в статьях, имеющихся в открытом доступе в интернете

Математическая модель конкуренции компаний мобильной связи на олигопольном рынке

Учитывая, что конкуренция является процессом динамическим, в разработанной модели [Ссылка] рассматривалась область конкурентного взаимодействия экономических агентов. Несмотря на постоянный отток и приток клиентов, на стабильно развивающемся рынке инновационной наукоемкой продукции могут возникать более или менее стабильные (квазистационарные) соотношения рыночных долей компаний-конкурентов. Динамические уравнения модели должны приводить к таким квазистационарным состояниям. В таких состояниях рыночная доля компаний определяется, в основном, уровнем финансовых затрат на производство, обслуживание рынка (сервис, инвестиции) и продвижение продукции. Система дифференциальных уравнений предложенной модели охватывает как стадию роста рынка, так и стадию насыщения, хотя характер процессов на стадиях роста и насыщения совершенно разный. Достоинство модели состоит в том, что в ней можно детально проследить переходные процессы на стадии роста рынка, когда конкурирующие компании добиваются максимального успеха, так и процессы на стадии насыщенного рынка, когда передел рынка становится весьма затратным. Модель апробировалась на создании прогноза развития телекоммуникационной компании.
Предложения: Модель позволяет классифицировать рынки и выявить существенные закономерности конкуренции, моделировать воздействие компании на рынок через параметры. Модель может быть применена для любого рынка инновационной продукции, и, по сути, предлагает новые инструменты для анализа, управления, оценки эффективности, устойчивости и прогнозирования этого рынка. Молодые инновационные компании несомненно заинтересованы в таких инструментах прогнозирования рынков, так как получат конкурентное преимущество. Мы готовы создать как одноразовую математическую модель для компании, так и запрограммировать шаблон, который может быть использован на регулярной возобновляемой основе.

Распределенная математическая модель роста территориальных высокотехнологических кластеров

Формирование на территории России высокотехнологичных кластеров – один из путей проведения необходимых структурных изменений в экономике. Как показывает анализ литературы, общее понимание, что же такое «кластер» в научном сообществе по-прежнему отсутствует. Отсутствие консенсуса в понимании инновационных кластеров побудило нас провести тщательный анализ этой проблемы, в результате чего нами была построена математическая модель роста и развития инновационного кластера и сформулированы критерии «инновационности», а также выявлены основные факторы превращающие территориально обособленную единицу в инновационный кластер. Данная модель может быть использована для управления, планирования и прогнозирования развития инновационного кластера.
Детальный анализ факторов определяющих инновационность позволяет выделить три базовых условия, определяющие инновационность (точнее, возможность инновационного развития региона). В нашем понимании, вслед за Портером, кластеры - это структуры экономики, обеспечивающие «выключение» или «смягчение» механизмов конкуренции для предприятий кластера, включение механизмов сотрудничества и, тем самым, создания для инновационных предприятий кластера значимых конкурентных преимуществ. Иными словами, кластер – экономический институт, обеспечивающий смещение экономического равновесия от стихийно-конкурентного. Таким образом, кластер в таком понимании разграничен с остальной экономической средой именно уровнем внутренней и внешней конкуренции. В таком понимании кластер не обязательно будет «территориальным», он может быть также «производственным», т.е. в кластер будет объединена только «цепочка создания стоимости» (производственная цепочка). Такое смещение содержательной составляющей «кластера» можно объяснить существенным снижением доли стоимости в конечном продукте, связанной с ее перемещением в пространстве, что в особенности касается изделий электронной промышленности. Следовательно, территориально-производственный кластер – искусственное или естественное образование, пользующееся обособленным режимом (нормативным, либо сложившимся), позволяющий предприятиям кластера существенно снизить давление конкуренции, прежде всего со стороны предприятий, составляющих кластер, но кроме того, что не менее важно, и со стороны внешних по отношению к кластеру экономических агентов.
Предложение: Управление формированием и ростом территориально-производственных кластеров является актуальной задачей. Разработанная модель позволяет протестировать установление тех или иных обособленных режимов, оптимизировать соотношение территориальных и отраслевых преференций, рассчитать прогнозы развития кластера на длительную перспективу в рамках установленных ограничений. Такая задача может быть решена как на индивидуальной основе для конкретного кластера, так и в форме создания шаблона для повторного использования модели для регулярного прогнозирования.

Асимптотическая модель укрупнения территориально-производственных кластеров как критерий инновационного развития.

Построена математическая экономическая модель роста неинновационных кластеров, позволяющая ввести критерий, по которому можно провести различие между инновационным развитием кластеров и их асимптотическим укрупнением, порождаемым статистическими закономерностями, связанными с перераспределением ресурсов. В рамках аналитической модели найдена эволюция функции распределения кластеров. Получены количественные характеристики неинновационного кластера в асимптотическом случае. Ожидается, что для инновационного развития будут характерны существенные отклонения от найденных асимптотических решений. В частности, получены важные практические критерии, позволяющие отделить инновационные кластеры от неинновационных: кластер считается неинновационным, если его динамика описывается тремя определенными закономерностями роста условного размера кластера, числа кластеров и избыточной концентрации свободных ресурсов.
Предложения: Разработанная модель и полученные критерии позволяют по статистическим данным определять характер экономического роста, т.е. отделить неинновационное от инновационного развития экономики – что важно с точки зрения практическим управлением экономическим ростом как кластера, так и экономики в целом. По фиксации отклонений от установленных критериев неинновационного развития будет говорить о переходе к инновационному развитию кластеров.


Алгоритмы рейтингования образовательных учреждений (университетов) и научных исследовательских институтов. Рейтинг SERCI

Важным элементом инновационной инфраструктуры является система оценки результативности деятельности научных и образовательных учреждений, вовлеченных в инновационную деятельность. В нескольких статьях нами были изучены и проанализированы системы рейтингования, применяемые в т.н. «международных» рейтингах оценки деятельности научных и образовательных учреждений. В ходе этого анализа были выявлены как явные, так и скрытые недостатки применяемых систем и подходов, в частности, отмечено отсутствие оценки достоверности применяемых рейтингов. В результате были предложены алгоритмы и методы решения выявленных проблем, а также сформулированы общие принципы, на которых может строиться система рейтингования. Сама постановка задачи – создание рейтинга организаций, ранжирующего их по степени успешности научной и образовательной деятельности, является многокритериальной задачей, и, как любая такая задача, она не может иметь однозначного решения. Любой составной рейтинг, а именно такими и являются подавляющее большинство известных рейтингов, должен использоваться в строго определенном контексте, т.е. там, где он изначально определен и где степень его достоверности оценена и может считаться приемлемой. Именно строгая оценка достоверности полученного результата является важнейшим признаком научности в современном понимании. Не менее важное требование – воспроизводимость результатов. Выдающиеся успехи естественных наук не в последнюю очередь обязаны строгому соблюдению этих принципов.
Попытка оценивать российские и западные университеты по одним и тем же критериям не может быть корректной именно в виду их принципиальных различий. Очевидно, что российский научно-исследовательский сектор имеет недостатки, связанные со слабой коммерциализацией научных разработок, и рейтингование должно способствовать преодолению такого рода проблем. Однако и принятие за основу существующих «международных» рейтингов приведет к полной смене модели развития этого сектора. Целесообразность такой смены не очевидна. По-видимому, создание по настоящему международного рейтинга не является актуальной повесткой дня, а представляется делом будущего. По крайней мере, ни один из известных т.н. «международных» рейтингов на текущий момент не может играть эту роль.
По итогам исследований был сконструирован мультирейтинг, который может служить универсальной оценкой результатов деятельности научно-образовательных учреждений в России.
Предложения: на основе разработанных принципов мы можем сконструировать мультирейтинг для тех сфер деятельности, которые нуждаются в таком рейтинговании. Для научно-образовательных учреждений России мы можем провести рейтингование на основе предложенного алгоритма SERCI.
Предложения: Разработанная модель и полученные критерии позволяют по статистическим данным определять характер экономического роста, т.е. отделить неинновационное от инновационного развития экономики – что важно с точки зрения практическим управлением экономическим ростом как кластера, так и экономики в целом. По фиксации отклонений от установленных критериев неинновационного развития будет говорить о переходе к инновационному развитию кластеров.


Стратовая модель роста народонаселения страны и мира. Социо-демографическая модель роста и миграции народонаселения для стран и мира

Построена модель роста народонаселения, основанная на социальной стратификации всего населения - «сельское народонаселение» и «городское народонаселение». В модели каждая страта подчиняется своим законам роста, но между ними существует тесная связь и переток из одной страты в другую. Такой взгляд на динамику роста народонаселения приводит к уменьшению числа произвольных параметров в модели, а также дает дополнительные аргументы и рычаги управления процессом миграции населения. Такие возможности крайне актуальны для стран, где возникают проблемы перенаселения или депопуляции, связанные с миграцией. Модель апробирована на расчете прогнозов роста народонаселения для нескольких стран. Ретроанализ прогнозов от 2014 г. для нескольких стран показал хорошее согласие прогноза со статистикой за 2015-2019 годы.
Модель обобщена с целью учета социальных параметров общества, влияющих на скорость миграции населения в случае неоднородного экономического сообщества типа ЕС. Получены прогнозы депопуляции для Прибалтики и Украины.
Предложения: Модель может быть использована для расчетов прогнозов региональной миграции, как в отдельной стране, так и между странами. Модель может быть также использована для расчетов процессов депопуляции на периферии неоднородных экономических сообществ, таких как ЕС или Евразийского экономического союза.

Ассоциация АНЭК может предложить заказчикам услуги по анализу и моделированию бизнес процессов, по анализу и оптимизации структуры компании, оптимизации структуры портфеля проектов, его рейтингованию. Объем услуг может состоять от математического моделирования индивидуальной системы заказчика, расчетов прогнозов для него, и до создания соответствующего ПО, способного в автономном режиме делать расчеты прогнозов по разработанным моделям (т.н. шаблоны или solver’s для коммерческого использования заказчиком).