Approach to Developing a Toolkit for Selecting Industrial Partners for Participating in Innovation Projects
DOI:
https://doi.org/10.52575/2687-0932-2024-51-3-570-579Keywords:
innovation, project, government subsidies, production process, innovative projects, assessment of organizationsAbstract
This study focuses on the selection of industrial partners in the implementation of projects related to the innovative development of industry within the framework of government subsidy programs aimed at establishing cooperation between the creators of innovations and industrial companies, as well as meeting the demands of domestic organizations. The relevance of the research topic is related to the need to study the problems of this area and determine the processes for selecting industrial companies within the framework of the task of diversified industrial development. The article analyzes the main aspects of innovative industry development programs, highlights some of their problems and requests, including the need for tools for selecting reliable industrial partners and in what cases the processes of company analysis occur. For this purpose, methods for analyzing the sustainability and profitability of organizations, existing integral assessment methods and promising ones created on the basis of machine learning in the analysis of large data sets are considered. The essence of such methods and their differences from classical parametric methods are considered. The properties of such systems in the problems under consideration are noted, in particular, increasing the accuracy of models. The prospects for their use, as well as the expected effects, are analyzed. Based on the results of the literature analysis, a conclusion was obtained on the use of machine learning models in the task of selecting industrial partners.
Downloads
References
Список источников
Акт правительства Российской Федерации «О предоставлении субсидии из федерального бюджета автономной некоммерческой организации «Агентство по технологическому развитию» на поддержку проектов, предусматривающих разработку конструкторской документации на комплектующие изделия, необходимые для отраслей промышленности» от 18 февраля 2022 № 208 // Собрание законодательства Российской Федерации. 2022 г. № 9. Ст. 1324
Акт правительства Российской Федерации «О мерах государственной поддержки развития кооперации российских образовательных организаций высшего образования, государственных научных учреждений и организаций реального сектора экономики в целях реализации комплексных проектов по созданию высокотехнологичных производств» от 9 апреля 2010 № 218 // Собрание законодательства Российской Федерации. 2010 г. № 16. Ст. 1905
Список литературы
Багдасарян Н.А. 2017. «Инновационное развитие»: анализ понятия и уточнение определения. Бюллетень науки и практики, 7(20): 93–100.
Блажевич О.Г., Карачун А.И., Сульйманова А.Л. 2017. Сравнительный анализ и применение методов прогнозирования банкротства. Бюллетень науки и практики, 5(18): 161–175.
Гладкова Ю.В., Гладков В.П. 2010. Этапы принятия управленческих решений. Вестник Пермского государственного технического университета. Электротехника, информационные технологии, системы управления, 4: 39–44.
Данилович В.Ю., Курганская Г.С. 2017. Скоринговые модели как средство управления кредитными рисками в российских банках. Бизнес–образование в экономике знаний, 1(6): 29–33.
Дроговоз П.А., Коренькова Д.А. 2019. Современный инструментарий гибкого управления ИТ–проектами и перспективы его совершенствования с использованием технологий искусственного интеллекта. Экономика и предпринимательство, 10: 829–833.
Дроговоз П.А., Рассомагин А.С. 2017. Обзор современных методов интеллектуального анализа данных и их применение для принятия управленческих решений. Экономика и предпринимательство, 3: 689–693.
Дроговоз П.А., Шиболденков В.А., Коренькова Д.А. 2019. Подход к созданию гибридной рекомендательной системы для поддержки принятия решений по управлению проектами на основе нейросетевого картирования и когнитивной визуализации показателей освоенного объема. Экономика и предпринимательство, 9: 1212–1217.
Журова Л.И., Шехтман А.Ю. 2011. Банкротство предприятий: причины и методы прогнозирования. Вестник волжского университета им. В.Н. Татищева, 23: 31–37.
Кузубов С.А., Евдокимова М.С. 2017. Повышает ли стоимость компании публикация нефинансовых отчетов по стандартам GRI (на примере стран БРИКС)? Учёт. Анализ. Аудит, 2: 28–36.
Куличёва О.А., Антонов А.В. 2015. Совершенствование методов оценки финансовой устойчивости публичных компаний. Вестник астраханского государственного технического университета. Серия: экономика, 1: 76–82.
Куракова Н.Г. 2014. Проблемы привлечения индустриальных партнеров к софинансированию медико-биологических проектов. Комплексные проблемы сердечно-сосудистых заболеваний, 1: 5–10.
Михайлец В.Б., Радин И.В., Соцкова И.С., Шуртаков К.В. 2014. Индустриальный партнер как новый субъект федеральной целевой программы «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2014–2020 гг.». Инновации, 10(192): 102–108.
Неврединов А.Р., Юсуфова О.М. 2020. Использование машинного обучения в цифровых двойниках производственных процессов. Будущее машиностроения России (Москва, 22–25 сен. 2020 г.): Cб. докладов XXIII всеросс. науч. конференции молодых ученых и специалистов (с междунар. участием): в 2 т. Москва: МГТУ им. Н.Э. Баумана, Т. 2: 364–367.
Одинцова Т.Н., Глушкова Ю.О., Баширзаде Р.Р., Пахомова А.В. 2019. Цифровая платформа как основа инновационного планирования в цепях поставок. Актуальные проблемы экономики и менеджмента, 3(23): 97–104.
Стародубцев А.А. 2016. Система поддержки принятия решений. Актуальные проблемы авиации и космонавтики, 12: 99–101.
Шалаева Л.В. 2021. Оценка результативности инновационной деятельности по основным сферам экономики России. Креативная экономика, Т. 15, 12: 4445–4464.
Almaskati N., Bird R., Yeung D., Lu Y. 2021. A horse race of models and estimation methods for predicting bankruptcy. Advances in Accounting, 52: 100513.
Baker S., Nicholas B., Steven J. Davis. 2016. Measuring Economic Policy Uncertainty. The Quarterly Journal of Economics, Oxford University Press., 131(4): 1593–1636.
Díaz, V., Ibrushi, D., Zhao, J. 2021. Reconsidering systematic factors during the Covid–19 pandemic–the rising importance of ESG. Finance Research Letters, 38: 101870.
Du Jardin P. 2015. Bankruptcy prediction using terminal failure processes. European Journal of Operational Research, 242: 286–303.
Patel, P.C., Pearce, J.A., Oghazi, P. 2021. Not so myopic: investors lowering short–term growth expectations under high industry ESG–sales–related dynamism and predictability. Journal of Business Research, 128: 551–563.
Smitha H.L., Leydesdorff L. 2014. The Triple Helix in the context of global change: dynamics and challenges. Critical Studies in Innovation, 32(4): 321–323.
Abstract views: 7
Share
Published
How to Cite
Issue
Section
Copyright (c) 2024 Economics. Information Technologies
This work is licensed under a Creative Commons Attribution 4.0 International License.
