Academic literature on the topic 'Емерджентність'

Проведено аналіз досліджень та публікацій науковців щодо визначення поняття «соціальна мережа» та запропоновано власне трактування даного поняття. Автор статті вважає, що соціальна мережа – це коло агентів (людей), де самі агенти є центрами соціальних мереж, а їхні знайомі (зв’язки) будують мережеві гілки, вступаючи у соціальні відносини. Встановлено особливості мережевої комунікації: об’єднання «багато з багатьма»; емерджентні властивості (відсутність централізованого управління, самостійність та високий рівень підключеності субодиниць, павутинна нелінійність впливу один на одного); динаміка в поведінці мережі; отримання і створення соціального капіталу. З’ясовано, що соціальний капітал є основним джерелом розвитку соціальних мереж, оскільки він може проявляти себе в якості особливого виду реальних і потенційних ресурсів; властивостей та інформаційної спрямованості мережі. Охарактеризовано загальносистемні закономірності розвитку соціальних мереж: різноманітність, складність, поширеність, стійкість, емерджентність як неможливість звести сукупність властивостей системи до властивостей окремих елементів та їх неідентичність. Визначено стрімкий розвиток комерційної складової соціальних мереж – створення професійних співтовариств і мереж практиків, які знайшли застосування в багатьох областях людської діяльності у сучасному світі. Проаналізовано причини, які впливають на зміну форм взаємодії агентів комунікації, та висловлено власну думку, що вони змінюються в ході задоволення агентами базових просторових потреб: комунікативної, пізнавальної, ігрової. Визначено, що в Україні соціальні мережі почали набирати популярності з 2006 р. – доступ до Одноклассники.ru, ВКонтакте.ru та Connect.ua. З 2015-2016 рр. – етап популярності Facebook.com (11 млн користувачів) та Instagram.com (7,3 млн користувачів), що пов’язано з політичними змінами у відносинах між Україною та Росією. Проаналізовано інформацію щомісячного дослідження Kantar TNS CMeter та визначено, що у 2018 р. Facebook.com знаходиться на третьому місці по відвідуваності серед популярних сайтів, якими користуються українці.

Розроблено способи організації руху моніторингових, інтерактивних і діалогових даних у структурах розподілених кіберфізичних систем. Базовою ідеєю запропонованих способів є систематизація структур і класів джерел інформації в РКС, які формують моніторингові, інтерактивні та діалогові дані. Запропоновано метод розрахунку емерджентності класифікованих структур комп'ютеризованих систем управління (КСУ) таких типів: монопольної, автоматичного регулювання, моноканальної системи моніторингу, розділеного часу та мультипроцесорного опрацювання даних. Для кожної з названих структур оцінено критерії структурної складності та емерджентності. Запропоновано адитивно-мультиплікативний критерій, який враховує структурну складність окремих компонентів та архітектуру комп'ютерної системи. Запропоновано критерій емерджентності комп'ютерної системи у вигляді відношення кількості інформаційних зв'язків до загальної кількості компонентів системи. Застосування таких критеріїв дає змогу здійснити порівняння системних характеристик комп'ютерних і кіберфізичних систем, а також визначити перспективні напрями їх удосконалення. Викладено особливості функціональних можливостей різних архітектур КСУ та їхні недоліки в організації руху моніторингових, керувальних, діалогових й інформаційних поліфункціональних даних. Досліджено архітектуру мережевих станцій КСУ та оцінено їх емерджентність та структурну складність. Наведено структуру класичної трирівневої мережевої КСУ, яка оснащена на технологічному рівні контролерами низової мережі абонентськими станціями та спецпроцесорами, які інформаційно взаємодіють з інтелектуальними сенсорами, виконавчими механізмами та операторами об'єктів управління. Запропоновано на цеховому рівні застосовувати цехові процесори, які обслуговують оператори технологічних установок. На адміністративному рівні потрібно розміщувати адміністративні процесори, системний сервер, який має інформаційні зв'язки з адміністративною комп'ютерною мережею, базою даних, зовнішньою інформаційною системою та міжрівневим комутаційним процесором. Систематизовано інформаційні пари потоків даних, які формуються різними компонентами системи, що дає змогу вдосконалити інформаційні характеристики кожної пари компонентів КСУ з позиції сумісності та зменшення алгоритмічних перетворень моніторингових, керувальних, діалогових і поліфункціональних даних. З'ясовано, що відомі класифікації інформаційних потоків в КСУ не враховують різні типи інформаційних даних, які формуються ОУ-джерелом інформації. Запропоновано архітектуру системи ідентифікації семантичних, технологічних й інформаційних станів ОУ.

Наукові дослідження стають ефективними тоді, коли природу подій чи явищ можна розглядати з єдиних позицій, виробити універсальний підхід до них, сформувати загальні закономірності. Більшість сучасних фундаментальних наукових проблем і високих технологій тісно пов’язані з явищами, які лежать на границях різних рівнів організації. Природничі та деякі з гуманітарних наук (економіка, соціологія, психологія) розробили концепції і методи для кожного із ієрархічних рівнів, але не володіють універсальними підходами для опису того, що відбувається між цими рівнями ієрархії. Неспівпадання ієрархічних рівнів різних наук – одна із головних перешкод для розвитку дійсної міждисциплінарності (синтезу різних наук) і побудови цілісної картини світу. Виникає проблема формування нового світогляду і нової мови.Теорія складних систем – це одна із вдалих спроб побудови такого синтезу на основі універсальних підходів і нової методології [1]. В російськомовній літературі частіше зустрічається термін “синергетика”, який, на наш погляд, означує більш вузьку теорію самоорганізації в системах різної природи [2].Мета роботи – привернути увагу до нових можливостей, що виникають при розв’язанні деяких задач, виходячи з уявлень нової науки.На жаль, теорія складності не має до сих пір чіткого математичного визначення і може бути охарактеризована рисами тих систем і типів динаміки, котрі являються предметом її вивчення. Серед них головними є:– Нестабільність: складні системи прагнуть мати багато можливих мод поведінки, між якими вони блукають в результаті малих змін параметрів, що управляють динамікою.– Неприводимість: складні системи виступають як єдине ціле і не можуть бути вивчені шляхом розбиття їх на частини, що розглядаються ізольовано. Тобто поведінка системи зумовлюється взаємодією складових, але редукція системи до її складових спотворює більшість аспектів, які притаманні системній індивідуальності.– Адаптивність: складні системи часто включають множину агентів, котрі приймають рішення і діють, виходячи із часткової інформації про систему в цілому і її оточення. Більш того, ці агенти можуть змінювати правила своєї поведінки на основі такої часткової інформації. Іншими словами, складні системи мають здібності черпати скриті закономірності із неповної інформації, навчатися на цих закономірностях і змінювати свою поведінку на основі нової поступаючої інформації.– Емерджентність (від існуючого до виникаючого): складні системи продукують неочікувану поведінку; фактично вони продукують патерни і властивості, котрі неможливо передбачити на основі знань властивостей їх складових, якщо розглядати їх ізольовано.Ці та деякі менш важливі характерні риси дозволяють відділити просте від складного, притаманного найбільш фундаментальним процесам, які мають місце як в природничих, так і в гуманітарних науках і створюють тим самим істинний базис міждисциплінарності. За останні 30–40 років в теорії складності було розроблено нові наукові методи, які дозволяють універсально описати складну динаміку, будь то в явищах турбулентності, або в поведінці електорату напередодні виборів.Оскільки більшість складних явищ і процесів в таких галузях як екологія, соціологія, економіка, політологія та ін. не існують в реальному світі, то лише поява сучасних ЕОМ і створення комп’ютерних моделей цих явищ дозволило вперше в історії науки проводити експерименти в цих галузях так, як це завжди робилось в природничих науках. Але комп’ютерне моделювання спричинило розвиток і нових теоретичних підходів: фрактальної геометрії і р-адичної математики, теорії хаосу і самоорганізованої критичності, нейроінформатики і квантових алгоритмів тощо. Теорія складності дозволяє переносити в нові галузі дослідження ідеї і підходи, які стали успішними в інших наукових дисциплінах, і більш рельєфно виявляти ті проблеми, з якими інші науки не стикалися. Узагальнюючому погляду з позицій теорії складності властиві більша евристична цінність при аналізі таких нетрадиційних явищ, як глобалізація, “економіка, що заснована на знаннях” (knowledge-based economy), національні і світові фінансові кризи, економічні катастрофи і ряд інших.Однією з інтригуючих проблем теорії є дослідження властивостей комплексних мережеподібних високотехнологічних і інтелектуально важливих систем [3]. Окрім суто наукових і технологічних причин підвищеної уваги до них є і суто прагматична. Справа в тому, що такі системи мають системоутворюючу компоненту, тобто їх структура і динаміка активно впливають на ті процеси, які ними контролюються. В [4] наводиться приклад, коли відмова двох силових ліній системи електромережі в штаті Орегон (США) 10 серпня 1996 року через каскад стимульованих відмов призвели до виходу із ладу електромережі в 11 американських штатах і 2 канадських провінціях і залишили без струму 7 млн. споживачів протягом 16 годин. Вірус Love Bug worm, яких атакував Інтернет 4 травня 2000 року і до сих пір блукає по мережі, приніс збитків на мільярди доларів.До таких систем відносяться Інтернет, як складна мережа роутерів і комп’ютерів, об’єднаних фізичними та радіозв’язками, WWW, як віртуальна мережа Web-сторінок, об’єднаних гіперпосиланнями (рис. 1). Розповсюдження епідемій, чуток та ідей в соціальних мережах, вірусів – в комп’ютерних, живі клітини, мережі супермаркетів, актори Голівуду – ось далеко не повний перелік мережеподібних структур. Більш того, останнє десятиліття розвитку економіки знань привело до зміни парадигми структурного, функціонального і стратегічного позиціонування сучасних підприємств. Вертикально інтегровані корпорації повсюдно витісняються розподіленими мережними структурами (так званими бізнес-мережами) [5]. Багато хто з них замість прямого виробництва сьогодні займаються системною інтеграцією. Тому дослідження структури та динаміки мережеподібних систем дозволить оптимізувати бізнес-процеси та створити умови для їх ефективного розвитку і захисту.Для побудови і дослідження моделей складних мережеподібних систем введені нові поняття і означення. Коротко опишемо тільки головні з них. Хай вузол i має ki кінців (зв’язків) і може приєднати (бути зв’язаним) з іншими вузлами ki. Відношення між числом Ei зв’язків, які реально існують, та їх повним числом ki(ki–1)/2 для найближчих сусідів називається коефіцієнтом кластеризації для вузла i:. Рис. 1. Структури мереж World-Wide Web (WWW) і Інтернету. На верхній панелі WWW представлена у вигляді направлених гіперпосилань (URL). На нижній зображено Інтернет, як систему фізично з’єднаних вузлів (роутерів та комп’ютерів). Загальний коефіцієнт кластеризації знаходиться шляхом осереднення його локальних значень для всієї мережі. Дослідження показують, що він суттєво відрізняється від одержаних для випадкових графів Ердаша-Рені [4]. Ймовірність П того, що новий вузол буде приєднано до вузла i, залежить від ki вузла i. Величина називається переважним приєднанням (preferential attachment). Оскільки не всі вузли мають однакову кількість зв’язків, останні характеризуються функцією розподілу P(k), яка дає ймовірність того, що випадково вибраний вузол має k зв’язків. Для складних мереж функція P(k) відрізняється від розподілу Пуассона, який мав би місце для випадкових графів. Для переважної більшості складних мереж спостерігається степенева залежність , де γ=1–3 і зумовлено природою мережі. Такі мережі виявляють властивості направленого графа (рис. 2). Рис. 2. Розподіл Web-сторінок в Інтернеті [4]. Pout – ймовірність того, що документ має k вихідних гіперпосилань, а Pin – відповідно вхідних, і γout=2,45, γin=2,1. Крім цього, складні системи виявляють процеси самоорганізації, змінюються з часом, виявляють неабияку стійкість відносно помилок та зовнішніх втручань.В складних системах мають місце колективні емерджентні процеси, наприклад синхронізації, які схожі на подібні в квантовій оптиці. На мові системи зв’язаних осциляторів це означає, що при деякій критичній силі взаємодії осциляторів невелика їх купка (кластер) мають однакові фази і амплітуди.В економіці, фінансовій діяльності, підприємництві здійснювати вибір, приймати рішення доводиться в умовах невизначеності, конфлікту та зумовленого ними ризику. З огляду на це управління ризиками є однією з найважливіших технологій сьогодення [2, 6].До недавніх часів вважалось, що в основі розрахунків, які так чи інакше мають відношення до оцінки ризиків лежить нормальний розподіл. Йому підпорядкована сума незалежних, однаково розподілених випадкових величин. З огляду на це ймовірність помітних відхилень від середнього значення мала. Статистика ж багатьох складних систем – аварій і катастроф, розломів земної кори, фондових ринків, трафіка Інтернету тощо – зумовлена довгим ланцюгом причинно-наслідкових зв’язків. Вона описується, як показано вище, степеневим розподілом, “хвіст” якого спадає значно повільніше від нормального (так званий “розподіл з тяжкими хвостами”). У випадку степеневої статистики великими відхиленнями знехтувати вже не можна. З рисунку 3 видно, наскільки добре описуються степеневою статистикою торнадо (1), повені (2), шквали (3) і землетруси (4) за кількістю жертв в них в США в ХХ столітті [2]. Рис. 3. Системи, які демонструють самоорганізовану критичність (а саме такі ми і розглядаємо), самі по собі прагнуть до критичного стану, в якому можливі зміни будь-якого масштабу.З точки зору передбачення цікавим є той факт, що різні катастрофічні явища можуть розвиватися за однаковими законами. Незадовго до катастрофи вони демонструють швидкий катастрофічний ріст, на який накладені коливання з прискоренням. Асимптотикою таких процесів перед катастрофою є так званий режим з загостренням, коли одна або декілька величин, що характеризують систему, за скінчений час зростають до нескінченності. Згладжена крива добре описується формулою,тобто для таких різних катастрофічних явищ ми маємо один і той же розв’язок рівнянь, котрих, на жаль, поки що не знаємо. Теорія складності дозволяє переглянути деякі з основних положень ризикології та вказати алгоритми прогнозування катастрофічних явищ [7].Ключові концепції традиційних моделей та аналітичних методів аналізу і управління капіталом все частіше натикаються на проблеми, які не мають ефективних розв’язків в рамках загальноприйнятих парадигм. Причина криється в тому, що класичні підходи розроблені для опису відносно стабільних систем, які знаходяться в положенні відносно стійкої рівноваги. За своєю суттю ці методи і підходи непридатні для опису і моделювання швидких змін, не передбачуваних стрибків і складних взаємодій окремих складових сучасного світового ринкового процесу. Стало ясно, що зміни у фінансовому світі протікають настільки інтенсивно, а їх якісні прояви бувають настільки неочікуваними, що для аналізу і прогнозування фінансових ринків вкрай необхідним став синтез нових аналітичних підходів [8].Теорія складних систем вводить нові для фінансових аналітиків поняття, такі як фазовий простір, атрактор, експонента Ляпунова, горизонт передбачення, фрактальний розмір тощо. Крім того, все частіше для передбачення складних динамічних рядів використовуються алгоритми нейрокомп’ютинга [9]. Нейронні мережі – це системи штучного інтелекту, які здатні до самонавчання в процесі розв’язку задач. Навчання зводиться до обробки мережею множини прикладів, які подаються на вхід. Для максимізації виходів нейронна мережа модифікує інтенсивність зв’язків між нейронами, з яких вона побудована, і таким чином самонавчається. Сучасні багатошарові нейронні мережі формують своє внутрішнє зображення задачі в так званих внутрішніх шарах. При цьому останні відіграють роль “детекторів вивчених властивостей”, оскільки активність патернів в них є кодування того, що мережа “думає” про властивості, які містяться на вході. Використання нейромереж і генетичних алгоритмів стає конкурентноздібним підходом при розв’язанні задач передбачення, класифікації, моделювання фінансових часових рядів, задач оптимізації в галузі фінансового аналізу та управляння ризиком. Детермінований хаос пропонує пояснення нерегулярної поведінки і аномалій в системах, котрі не є стохастичними за природою. Ця теорія має широкий вибір потужних методів, включаючи відтворення атрактора в лаговому фазовому просторі, обчислення показників Ляпунова, узагальнених розмірностей і ентропій, статистичні тести на нелінійність.Головна ідея застосування методів хаотичної динаміки до аналізу часових рядів полягає в тому, що основна структура хаотичної системи (атрактор динамічної системи) може бути відтворена через вимірювання тільки однієї змінної системи, фіксованої як динамічний ряд. В цьому випадку процедура реконструкції фазового простору і відтворення хаотичного атрактора системи при динамічному аналізі часового ряду зводиться до побудови так званого лагового простору. Реальний атрактор динамічної системи і атрактор, відтворений в лаговому просторі по часовому ряду при деяких умовах мають еквівалентні характеристики [8].На завершення звернемо увагу на дидактичні можливості теорії складності. Розвиток сучасного суспільства і поява нових проблем вказує на те, що треба мати не тільки (і навіть не стільки) експертів по деяким аспектам окремих стадій складних процесів (професіоналів в старому розумінні цього терміну), знадобляться спеціалісти “по розв’язуванню проблем”. А це означає, що істинна міждисциплінарність, яка заснована на теорії складності, набуває особливого значення. З огляду на сказане треба вчити не “предметам”, а “стилям мислення”. Тобто, міждисциплінарність можна розглядати як основу освіти 21-го століття.

Анотація. Одним з головних завдань вітчизняних товаровиробників у сучасних умовах є визначення основних напрямів розвитку і вдосконалення методів управління конкурентоспроможністю.
 На основі критичного аналізу існуючих наукових позицій щодо «управління конкурентоспроможністю підприємства» здійснено їх систематизацію за чотирма підходами: функціональним, системним, процесним та ситуаційним та обгрунтовано використання комплексного підходу до управління конкурентоспроможністю підприємства, що ідентифікує його в якості управління конкурентоспроможністю на основі досягнення системності виконуваних функцій суб’єктами господарювання через охоплення всіх внутрішніх процесів із врахуванням впливу зовнішнього оточення на засадах багатоваріантності, що обумовлюється динамічністю умов господарювання у зв’язку зі стрімким розвитком глобалізаційних та інтеграційних процесів.
 У статті ідентифіковані наукові засади формування механізму управління конкурентоспроможністю підприємства. В дослідженні доведено, що в основі механізму управління конкурентоспроможністю підприємства лежить керуюча та керована компоненти, які, в свою чергу, складаються з елементів, покликаних виконувати функції управління конкурентоспроможністю залежно від рівнів її формування. При цьому встановлено, що основними принципами механізму управління конкурентоспроможністю підприємства є єдність, науковість, комплексність, ефективність, пріоритетність, еквіфінальність, інкременталізм, емерджентність, гнучкість, інноваційність, оптимальність, етапність.
 Доведено, що у цілому успішна діяльність суб’єктів господарювання АПК залежить від їх реакції на зміни зовнішнього середовища. Авторами обгрунтовано потребу підприємств агропромислового сектору в умовах євроінтеграційних процесіврозробки нових і коригуваннячинних стратегій ведення господарства та поведінки на ринку. Зроблено акценти на становленні конкурентного середовища, що вимагає розробки та інтеграції заходів адаптації агропромиcлових підприємств до нових умов їх ефективного функціонування.
 Ключові слова: управління конкурентоспроможністю, конкурентоспроможність підприємства, агропромисловий комплекс, євроінтеграція,конкурентна перевага, оцінка конкурентоспроможності.