Главная    Кафедра прогнозов     Технологическое прогнозирование (Глава 5: Экстраполяция тенденций - часть 2)

Размещено на сайте 25.09.2007.

Глава 4: Кривые роста
Глава 5: Экстраполяция тенденций (часть 1)

ТЕХНОЛОГИЧЕСКОЕ ПРОГНОЗИРОВАНИЕ

Дж. Мартино (JOSEPH P. MARTINO)

(Перевод с английского Technological Forecasting for Decisionmaking NEW YORK - 1972) ИЗДАТЕЛЬСТВО "ПРОГРЕСС" МОСКВА - 1977, 592c



ГЛАВА 5 ЭКСТРАПОЛЯЦИЯ ТЕНДЕНЦИЙ (часть 2)

6. КОРРЕЛЯЦИЯ ТЕНДЕНЦИЙ

Есть случаи, когда одно техническое устройство оказывается предшественником другого. Тенденции этих двух устройств будут, по-видимому, некоторым образом связаны. Во многих случаях корреляция будет кажущейся, на самом деле она происходит из-за другой причины, в основном из-за всеобщего развития техники. Однако в некоторых случаях действительно существует взаимосвязь между предшествующей и последующей техникой. Обычно это происходит, когда усовершенствования, произведенные в предшествующей технике, могут быть применены в последующей. Когда такого рода взаимосвязь существует, знание поведения предшествующей техники вплоть до настоящего времени может быть использовано для прогнозирования развития последующей техники в будущем на величину лага между ними. Если экстраполируется тенденция предшествующей техники и предполагается, что корреляция между двумя тенденциями сохраняется, то прогноз последующей техники можно сделать даже на больший период, чем лаг между ними. Однако осуществление такой операции должно основываться на том, что прогноз предшествующей техники и сведения о корреляции являются более точными, чем прямой прогноз последующей техники.

Пусть {Хi, ti} обозначает множество событий, связанных с определенным видом техники, иначе говоря, техника X достигает уровня Xi ко времени tt. Пусть У обозначает технику, которая логически могла бы иметь корреляционную связь с X и которая следует за X с отставанием. Тогда {Хj, tj} — множество событий, относящихся к технике У. Для простоты допустим, что новая модель X и новая модель У создаются каждый год и что существует фиксированный интервал D, такой, что техника У всегда достигает определенного уровня функциональных характеристик ровно через D лет после достижения его техникой X. Тогда прогнозирование У будет простым. У через D лет достигнет уровня функциональных характеристик, которым в данное время обладает X.

Однако на практике применение корреляции тенденций не будет столь простым по двум причинам. Очень редко конкретная модель последующей техники достигнет точно такого же уровня технической характеристики, который был достигнут предшествующей техникой. Кроме этого, между последовательными моделями, будь то X или У. редко сохраняется постоянный интервал.

Для того чтобы конкретизировать это положение, рассмотрим данные по боевой и транспортной авиации. В общем, скорость транспортной авиации отставала от скорости боевой авиации. Можно ожидать, что технические усовершенствования, которые были разработаны и внедрены в боевой авиации, позднее найдут себе применение в транспортной авиации. Поэтому представляется разумным рассматривать боевую авиацию как предшествующую технику, а транспортную — как последующую. Таким образом, можно попытаться коррелировать максимальную скорость транспортной авиации со скоростью боевой авиации и, применяя лаг, предсказывать максимальную скорость транспортной авиации.

Ограничиваясь рассмотрением только самых быстрых из имеющихся в данное время транспортных самолетов (т. с. игнорируя те из них, которые были тихоходнее предыдущих), мы видим, что ни один транспортный самолет не обладает точно такой же скоростью, что и боевой самолет более ранней конструкции. Это затрудняет определение лага между моментом времени, когда определенная скорость достигается боевым самолетом, и временем, когда та же скорость достигается транспортным. С другой стороны, можно исследовать разницу скоростей боевых и транспортных самолетов, появившихся в один год. И опять мы видим, что только в нескольких случаях имелся боевой самолет, появившийся в тот же год, что и транспортный самолет с увеличенной скоростью. Так или иначе, нам требуется более чем несколько случаев. Нам нужно иметь возможность охватить существенную долю всех моделей обоих видов техники.

Выход заключается в интерполировании фактических результатов, относящихся к тому или другому виду техники. Представляется более логичным интерполировать характеристики последовательных моделей предшествующей техники. Таким образом, необходимо вывести для предшествующей техники уравнение, связывающее техническую характеристику со временем. В простейшей форме это будет уравнение

которое может представлять собой линейную тенденцию или, если X является логарифмом фактического параметра, экспоненциальную тенденцию. Используя эту зависимость, теперь можно найти ту эксплуатационную характеристику, которая «была бы» представлена моделью предшествующей техники, если бы она появилась в одном из интервалов между теми конструкциями, которые были изобретены на самом деле.

В случае с боевой авиацией мы уже имеем такое интерполяционное уравнение. В разделе 2 было, получено уравнение для логарифма тенденции скорости боевой авиации. Применяя настоящую систему, обозначений, интерполяционное уравнение для предшествующей техники, а именно в виде боевой авиации, будет (см. 5-5).

Теперь, имея интерполяционное уравнение для предшествующей техники, найдем уравнение тенденции для последующей техники. Это уравнение тенденции будет иметь форму

где А и В остаются, конечно, тем же, чем и в уравнении для предшествующей техники, a D является величиной лага между этими двумя видами техники. D не обязательно должно быть константой, оно само может быть функцией от Т. Теперь рассмотрим одну из моделей техники У, которая была изобретена в год Tj и которая достигла уровня функциональных характеристик Уj. Подставляя значение Уj в левую часть интерполяционного уравнения, мы можем решить его относительно времени Tj. Это будет (интерполированный) год, в котором предшествующая техника достигла уровня Уj. Далее, Dj равно Ti — Tj. Например, транспортный самолет со скоростью 95 миль/ч был создан в 1925 г. Натуральный логарифм 95 равен 4,55388. Подставляя это значение в левую часть уравнения (5-26) и решая его относительно Т, получаем Т= 1918,452, т. е. интерполированная скорость боевого самолета была 95 миль/ч на 14 июля 1918 г. (0,452 x 365= 165; 14 июля является 165-м днем не високосного года). Отсюда получаем лаг 6,548 г. между достижением скорости 95 миль/ч боевым самолетом и достижением той же скорости транспортным самолетом. Мы бы не могли получить этот результат без интерполяционного уравнения, так как никогда не существовало американского боевого самолета, чья максимальная скорость равнялась бы точно 95 миль/ч.

Коль скоро мы нашли лаг для каждой модели последующей техники, мы можем определить регрессию лага на год появления этой техники. Это даст нам уравнение вида

Теперь мы можем подставить это выражение вместо D в уравнение (5-27). Тогда имеем

Упростив, получим

Это будет уравнением запаздывающей тенденции для техники. У, которое мы можем затем использовать для прогнозирования Y на основе уже достигнутых значений X.

Заметим, что, получая уравнение регрессии для D, мы также получаем доверительные пределы. Ранний предел (РП) для D равен

а поздний предел (ПП)

где t берется в зависимости от желаемой величины вероятности доверительного интервала. Подставляя DРП и DПП вместо D в уравнение (5-27), мы получаем верхний и нижний доверительные пределы для У:

Заметим, что верхний предел для У получается из меньшего предела для D, а нижний предел для Y— из большего предела для D.

В табл. 15 приведены скорость, год появления, интерполированный год для военной авиации и лаг в годах для самых быстрых транспортных самолетов, созданных между 1925 и 1959 гг. (Транспортные самолеты, созданные после 1959г., не включаются преднамеренно, так как их максимальные скорости ограничивались исходя из экономических соображений.) Заметим, что ряд многозначных чисел, приведенных в таблице, обладает ложной точностью, так как время создания, как для транспортных, так и для боевых самолетов округлялось до года. Дополнительные цифры приводятся для тех, кто желает повторить вычисления или проверить программу ЭВМ решения интерполяционного уравнения. Далее, можно найти регрессию лагов во времени на год создания транспортного самолета. В результате этого получаем уравнение

На рис. 56 против времени создания транспортных самолетов показаны лаги. На рисунке также приведены линия регрессии, ранний и поздний 50%-ные пределы.

Лаг, характеризующий отставание скорости транспортной авиации от скорости боевой авиации

Таблица 15

Подставляя (5-32) в (5-26), получаем уравнение запаздывающей тенденции транспортных самолетов

На рис. 57 показаны кривая тенденции скорости боевых самолетов, точечные данные для транспортных самолетов, запаздывающая тенденция для них, верхний и нижний 50%-ные доверительные пределы. Здесь также отмечены два транспортных самолета, появившиеся в 1963 и 1969 гг., которые из-за экономических соображений (см. раздел 2) предназначались для более низких скоростей, чем это было достижимо технически. Кроме того, приведены еще три сверхзвуковых транспорта.

Третья точка является предполагаемой для «Боинга-2707», который предназначается к вводу в эксплуатацию в 1976 г. Все три точки находятся близко к верхнему 50%-ному пределу. На первый взгляд этому можно дать два объяснения. Во-первых» запаздывающая тенденция слишком консервативна и лаг между скоростями боевых и транспортных самолетов при желании может быть уменьшен. Во-вторых, это может расцениваться как прогноз того, что проектные точки для этих сверхзвуковых транспортных самолетов были оптимистичными и достигнуть их к намеченному сроку невозможно. Однако никогда не мешает разобраться поглубже. Если мы посмотрим на рис 56, то увидим, что предсказанный лаг на 1972 г. равняется 14 годам. Если мы рассмотрим рис 43, то увидим, что в 1958 г. (14 лет до 1972 г.) появился боевой самолет с максимальной скоростью 1404 мили/ч, что ненамного ниже скорости «Конкорда» (1450 миль/ч), хотя это существенно меньше, чем скорость «ТУ-144» (1550 миль/ч). Из рис. 56 явствует, что предсказанный лаг на 1976 г. равен 15 годам. Из рисунка видно, что боевой самолет с максимальной скоростью 1800 миль/ч (эта величина немного больше 1785 миль/ч —скорости, с которой должен был летать «Боинг-2707») был создан в 1961 г. (15 лет до 1976 г.). Так как эти боевые самолеты появились рано в том смысле, что они приходятся выше кривой тенденции скорости боевой авиации, то представляется обоснованным, что соответствующий транспортный самолет появится подобно им раньше, чем - это показывает тенденция. Таким образом, проекты трех звуковых транспортов оказываются совместимыми с датами, когда самолеты с такой скоростью «должны были появиться». Тем не менее, как иллюстрирует случай с «Боингом-2707», техническая осуществимость не является достаточным условием для реализации конкретного уровня функциональных характеристик. Следует, кроме того, принять во внимание экономические и другие соображения. (Заметим, что прототипы «Конкорда» и «ТУ-144» уже летали в 1969 г., но в расчетах для сохранения согласованности с остальными данными по транспортной авиации использовались даты первых полетов производственных моделей.)

Представляет некоторый интерес сравнить уравнение тенденции с запаздыванием, полученное по методу, рассмотренному в этом разделе, с уравнением, которое можно определить, непосредственно находя регрессию достижений последующей техники на время ее появления. Если коэффициент корреляции этой регрессии достаточно велик, то уравнения, получаемые этими двумя способами, будут фактически идентичны. Математически это объясняется следующим образом. Для любого множества точечных данных [ г), 7}] можно найти регрессию У на Т или Т на У. В обоих случаях коэффициент корреляции будет один и тот же. Однако коэффициент регрессии подчиняется следующей зависимости:

Если г2=1 (т.е. кривая регрессии проходит через все точки), то один коэффициент регрессии будет обратной величиной другого, так как в таком случае обе кривые регрессии будут идентичны. Если г достаточно близко к единице, они будут очень близки к обратным величинам, то кривые, конечно, будут немного различаться. Определяя лаг на время появления технического решения, мы находим что-то близкое к регрессии Т на У, так как Т жестко связано с X через уравнение интерполяции для предшествующей техники. Поэтому, чем больше значение г2 и, конечно, г, тем ближе друг к другу эти две кривые.

С практической точки зрения это значит, что, если точки, относящиеся к последующей технике, хорошо подходят к кривой регрессии, нельзя улучшить прогноз на основе дополнительной информации о предшествующей технике. Однако если точки, относящиеся к последующей технике, плохо подходят к линии регрессии, то информация о предшествующей технике может быть полезной. Если для выполнения регрессионного анализа применяется ЭВМ, то для исследователя не составит большого труда подсчитать обе регрессии. В этом случае он будет знать, прогнозируема ли последующая техника лишь на основе данных о ней самой. При выполнении работы на вычислительных машинах делать две регрессии не имеет смысла, так как результаты, полученные методом корреляции тенденций, автоматически согласуются с информацией, полученной на основе данных о предшествующей технике.

Методы этого раздела могут применяться в любом случае, когда два вида техники связаны отношением «предшествующая последующая». Развитие предшествующей техники не обязательно должно следовать экспоненте. Требуется только, чтобы уравнение тенденции для предшествующей техники было разрешимо для года интерполяции, когда предшествующая техника «имела бы» те же функциональные характеристики, что и конкретный представитель последующей техники. Когда найдены лаги, к ним может быть подобрано соответствующее уравнение регрессии и подставлено в интерполяционное уравнение [таким же образом, как мы подставляли в (5-27)1. В результате получим искомое уравнение с запаздыванием, сходное с (5-28). Таким же образом, как мы получили (5-28) и (5-31), могут быть найдены верхний и нижний доверительные пределы. Если, найдя уравнение тенденции с запаздыванием для последующей техники, мы можем прогнозировать на такой отрезок времени в будущее, который корреспондирует уровню предшествующей техники, и ошибки корреляции тенденций, взятые вместе, будут меньше ошибок при прямом прогнозировании последующей техники, то можно прогнозировать функциональные характеристики последующей техники до уровней, еще не достигнутых предшествующей. Для этого нужно найти прогноз предшествующей техники и затем обратиться к предсказанному лагу. Однако в большинстве случаев это, несомненно, рискованно. Лучше не распространять этот подход за существующий уровень предшествующей техники.

К очевидным приложениям этой методики относятся: прогнозирование перемещения технических решений из военной сферы в гражданские области приложения, прогнозирование перехода от «высоких» уровней использования техники к «низким» (как, например, применение радара в сверхвысокочастотных печах) и прогнозирование распространения техники, первоначально разработанной для промышленного применения, в домашнем хозяйстве или в жилищном строительстве. Однако наиболее перспективным применением будет прогнозирование превращения лабораторных достижений в готовые изделия. Во всех этих случаях прогноз должен основываться на данных из прошлого так, чтобы можно было определить и предсказать лаг.

7. КАЧЕСТВЕННЫЕ ТЕНДЕНЦИИ

В предыдущих разделах этой главы мы рассматривали тенденции, которые можно описать количественно. Разумеется, существуют тенденции, с которыми этого сделать нельзя. Однако это вовсе не означает, что они менее реальны, просто их труднее выявить, и прогнозы, базирующиеся на, них, неизбежно будут обладать меньшей точностью.

Рис 58 (заимствован из [3] иллюстрирует качественную тенденцию. После братьев Райт самолеты конструировались таким образом, чтобы все большая и большая часть самолета могла регулироваться, изменяться или иным способом управляться в полете. Изменяющаяся геометрия крыла самолета братьев Райт была только первым шагом в длинной цепи таких способностей. Попытки квантифицировать эту тенденцию (например, в процентах от порожнего веса, который может изменяться в полете) не могли быть до конца успешными, так как одна подвижная часть позднее может быть расчленена на несколько подвижных частей, что можно иллюстрировать приведенным на рисунке переходом от простых закрылок к сложным.

Как можно использовать подобного рода качественную тенденцию? Так же как и тенденции, рассмотренные в предыдущих разделах, ее, вероятно, можно экстраполировать. Будут создавать самолеты все с большим и большим числом узлов, которыми можно управлять или регулировать в полете. Однако невозможно предсказать, какие именно узлы в будущем будут регулируемы. В других областях, где можно выявить качественные тенденции, по всей видимости, возникнет подобное препятствие. Можно экстраполировать тенденцию, приняв предположение о том, что тип явления, представленный перечнем (подобным приведенному на рисунке) конкретных элементов, сохранится и в будущем. Но, вероятно, невозможно предсказать, какие конкретные элементы будут добавлены к этому перечню.

Тем не менее, при отсутствии хорошо очерченных количественных тенденций, подобных описанным выше, для получения прогноза может не оказаться никаких альтернативных подходов к применению качественных тенденций. Прогнозы, базирующиеся на качественных тенденциях, все-таки лучше, чем вообще никакие, и они непременно окажутся полезным вкладом в решение, указывая на то, то конкретное, качественно охарактеризованное явление может не только сохраняться на прежнем уровне, но увеличиться или уменьшиться при сохранении прошлой тенденции.

8. ВЫБОР ПАРАМЕТРА И ИНТЕРПРЕТАЦИЯ ПРОГНОЗА

В предыдущих разделах этой главы был указан ряд методов прогнозирования технологии, которая не ограничена одним технологическим решением. В каждом отдельном случае берутся данные о прошлых характеристиках последовательных технологических решений, используемых для получения одних и тех же функциональных характеристик. Затем прогнозист принимает условие непрерывности развития. Иначе говоря, он предполагает, что внедрение нововведений будет продолжаться в будущем так же, как это было и в прошлом. Если он может уловить какую-нибудь закономерность в поведении прошлого роста этих функциональных характеристик, он продолжит ту же закономерность поведения в будущее, не принимая во внимание пределы конкретных технологических решений. Часто эта закономерность принимает форму тенденции, которая может быть продолжена. Прогнозист не должен изобретать устройство, которое превзойдет существующее технологическое решение. Вместо этого его прогноз просто указывает на то, что существующее технологическое решение будет превзойдено и новое решение, обладающее определенным уровнем функциональных характеристик, появится к определенному времени. В некоторых случаях, например с экспоненциальными тенденциями, тенденциями с пределом, корреляцией тенденций н т. д., он должен подвергнуть данные некоторым математическим преобразованиям. Для всех этих методов основным допущением остается то, что прошлый темп нововведения сохранится и в будущем.

Для всех этих подходов к прогнозированию с помощью кривых тенденций существуют некоторые общие правила, которым следуют при отборе данных, относящихся к прошлому, и интерпретации результатов прогноза. Эти правила будут рассмотрены в данной главе.

Заметим, что некоторые из них также применимы и к рассмотренным в предыдущей главе кривым роста. Однако они представлены здесь, а не в гл. 4, так как являются более подходящими для кривых, характеризующих тенденции, чем для кривых роста.

Сперва, мы рассмотрим выбор прогнозируемых параметров и выбор данных, представляющих значения этих параметров в прошлом. Это один из наиболее важных вопросов, с которым встречается прогнозист. После того как он закончит прогнозирование будущей величины выбранного параметра, полезность его прогноза будет в большой степени зависеть от выбора параметра. К тому же, как будет подчеркнуто в последующих главах, все рациональные прогностические методы зависят от обработки данных о прошлом. Они предполагают, что существует определенная связь между прошлым и будущим поведением и что будущее поведение может быть определено с помощью надлежащих преобразований данных о прошлом. Следовательно, любые ошибки или неправильный отбор данных о прошлом поведении отразятся в прогнозе. Они, по-видимому, снизят полезность прогноза и могут полностью лишить его всякой ценности.

В качестве отправного пункта при выборе прогнозируемого параметра прогнозист должен помнить, что параметр не представляет интереса сам по себе. Он нужен для прогнозирования будущих функциональных характеристик техники. Прогноз должен рассматриваться как «вход» для принятия решения. Следовательно, сама эта функция представляет интерес для исследователя, поскольку она связана с принятием решения. Сперва прогнозист должен идентифицировать функцию, которая выполняется техникой. После этого ему нужно определить параметр, который адекватно описывает уровень функциональных характеристик техники, применяемой для выполнения этой функции. Иначе говоря, ему нужен количественный измеритель степени выполнения техникой этой функции или уровня ее способности к выполнению. Таким образом, коль скоро прогнозист в явном виде идентифицировал выполняемую техникой функцию, то он может начать поиски одного или более параметров, которые обеспечат такое количественное описание. При выборе параметров следует руководствоваться следующими положениями.

Во-первых, параметр должен быть таким, чтобы над ним можно было выполнять операции. Иначе он должен быть объективно измеримым признаком устройства, технического приема или процесса, который выполняет интересующую прогнозиста функцию. В некоторых случаях этот признак может быть измерен в статике. Сюда относятся такие параметры, как предел прочности на разрыв, точка плавления и т. д. Другие параметры нужно измерять в динамике, когда устройство, выполняющее функцию, находится в действии. Сюда входят такие понятия, как скорость самолета, тяга двигателя, мощность радара и т. д. Что касается технологических процессов и технических устройств, то для них обычно необходимо провести измерение в условиях динамики. Таким образом, может оказаться необходимым измерение количества учебных часов, необходимых для достижения данного уровня функциональных характеристик при использовании конкретной методики обучения, если этот параметр представляет для нас интерес. В любом случае выбранный параметр должен быть объективно измерен в единицах производительности или работы устройства, метода или процедуры, которые выполняют интересующую нас функцию.

Во-вторых, параметр должен верно представлять состояние техники. Он должен характеризовать все способы, посредством которых прогнозируемая техника выполняет изучаемую функцию. Наиболее распространенной проблемой при выборе такого всеохватывающего | параметра является проблема инженерных компромиссов. Часто при данном уровне развития техники конструктор имеет свободу выбора значений двух или более параметров, увеличивая один за счет уменьшения одного или нескольких других. В данном случае ни один из этих индивидуальных параметров не является всеохватывающим. Примером такого рода компромиссной ситуации является произведение коэффициента усиления на ширину полосы частот для электронных усилителей. Ни усиление, ни полоса частот не могут быть выбраны независимо друг от друга. Их соотношение определяется характеристиками усиливающего устройства (электронной лампы, транзистора и т. д.). При самых разнообразных рабочих условиях произведение усиления на полосу частот для конкретного устройства будет примерно постоянным. Конструктор может удвоить усиление только за счет уменьшения в два раза полосы частот. Развитие электронных усилительных устройств будет выражаться в увеличении произведения усиления на полосу частот для этих устройств. Ясно, что ни усиление, ни полоса частот не являются адекватными критериями состояния науки в области электронных усилителей. Ни один из этих показателей не характеризует все стороны этого процесса, так как конструктор может изменять один за счет другого. Параметр, описывающий развитие электронных усилителей, должен, очевидно, включать как усиление, так и полосу частот. Поэтому часто параметр, призванный описывать развитие науки в какой-нибудь отрасли, является комбинированным. Он представляет собой комбинацию из нескольких измеримых признаков техники, которая применялась для получения исследуемой функции. К математическим комбинациям индивидуально измеримых параметров можно отнести произведения, отношения, суммы и т. д. Довольно простыми составными параметрами такого рода являются производительность транспортной авиации в тонно-милях в час и в пассажиро-милях в час, число операций на единицу иены для ЭВМ. Ниже приводится пример более сложного комбинированного параметра, широко применяемого для характеристики автомобиля на воздушной подушке:

Третье положение, касающееся параметра, состоит в том, что он должен быть приемлем для различных видов технологических решений, выполняющих одну функцию. Если для выполнения данной функции использовался ряд устройств, каждое из которых воплощало отличное от других технологическое решение, то нужно иметь возможность для их описания с помощью выбранного параметра. Примером может служить такой параметр, как световая эффективность (лм/Вт) для осветительных устройств. Даже для неэлектрических осветительных устройств можно выразить потребляемую энергию в единицах, которые можно преобразовать в Вт, а излучаемый ими свет можно измерить в лм. Поэтому различные типы осветительных устройств могут быть охарактеризованы единым параметром. Важным моментом при применении для описания ряда устройств, использующих различные технологические решения, единого параметра является то, что объективно измеримые характеристики отдельных устройств должны приводиться к выбранному параметру через известную математическую зависимость. Если это возможно, то данный параметр пригоден для характеристики техники за значительный интервал времени.

Четвертое положение заключается в том, что должны иметься необходимые данные о прошлом развитии. Данные должны относиться к большому количеству устройств, технических методов и т. д., которые в прошлом воплощались в технике, используемой для получения исследуемой функции. Если данные относятся к большому числу устройств, то имеется меньше шансов искажения результатов, вызванных особенностями отдельного устройства или их группы. Кроме того, данные должны охватывать как можно больший промежуток времени. Это отвечает, по крайней мере, двум целям. Во-первых, со статистической точки зрения большой промежуток времени при любом методе подбора кривой снижает стандартную ошибку тенденции, получаемой на основе этих данных. Во-вторых, больший промежуток времени помогает устранять искажения, которые могут возникнуть из-за особенностей отдельного интервала времени (депрессия, война, уделение внимания другой технике за счет данной и т. д.). Наличие данных может фактически повлиять на выбор параметра прогнозистом. Он может прийти к выводу о том, что данный параметр обладает всеми необходимыми качествами, однако если нет возможности получить достаточное число данных, то использовать его прогнозист не может. Он будет вынужден тогда применить другой параметр, который, хотя и менее желателен, но данные о котором легко доступны. Следовательно, прогнозисту следует заранее начинать сбор данных для предпочтительного параметра, чтобы когда-нибудь он или его последователь смогли бы их использовать.

Пятое положение относится к сопоставимости данных. В гл. 1 отмечали, что отдельные устройства и технологические решения в целом проходят через несколько этапов процесса нововведения, начиная с этапа «научные открытия» и кончая этапом «социальное и экономическое воздействие». В лучшем случае все точечные данные, входящие в совокупность, должны представлять один из этапов этого процесса. Это значит, что все они должны относиться к этапу «лабораторное осуществление» или к этапу «действующий прототип» и т. д. Если точечные данные, относящиеся к последовательным устройствам, взяты из различных этапов нововведения, то существует значительная опасность того, что тенденция, полученная на основе таких данных, будет искажена. Это особенно справедливо, если точки из ранних этапов концентрируются на одном конце выборки, а точки из поздних — на другом. Конечно, у прогнозиста может и не быть другого выхода. Он может обнаружить, что единственные доступные данные в этом отношении несопоставимы. В подобных случаях он вынужден пользоваться несопоставимыми данными. Тем не менее, даже в этом случае он должен проверить данные, чтобы обнаружить, имеется ли какая-нибудь систематическая концентрация точек из ранних или поздних стадий, которая может исказить получаемую на основании этих данных тенденцию. Если нет концентрации и точки расположены в случайном порядке, то его данные будут иметь большее, чем желательно, рассеивание, хотя систематические искажения не будут наблюдаться. Если прогнозист действительно обнаружил систематическую концентрацию данных о ранних или поздних этапах нововведения, то он будет, по крайней мере, знать, что могут возникнуть систематические искажения. Прогнозисту следует выяснить, будет ли тенденция, получаемая на основе этих данных, смешена вверх или вниз, чтобы потом, если это будет необходимо, он мог скорректировать прогноз.

Прогнозист должен помнить, что прогнозирование не делает вклада в будущее. Своей работой он только извлекает из данных о прошлом некоторую модель и проектирует ее в будущее. У прогнозиста будет больше шансов дать полезный и значимый прогноз, если он будет иметь в виду приведенные выше замечания при выборе параметров и отборе точечных данных о прошлом.

Выбрав параметр, собрав данные о прошлом и подобрав по данным кривую тенденции, прогнозист имеет возможность сделать прогноз. Как мы знаем, прогноз является просто продолжением тенденции, которую он подобрал к данным. Однако подбор тенденции — это только малая часть процесса разработки прогноза. Коль скоро тенденция экстраполирована, результат должен быть интерпретирован.

Во-первых, прогнозист должен иметь мужество поступать согласно своим убеждениям. Он взял данные из прошлого, выявил определенную закономерность в прошлом развитии нововведения и экстраполировал эту закономерность в будущее. Несомненно, это продолжение даст прогноз уровня функциональной характеристики, который намного превышает максимальную ожидаемую границу современного технического решения. Если эта граница установлена каким-нибудь естественным пределом для соответствующей области техники, то прогнозисту не следует продолжать тенденцию за предел. Если же он продолжил тенденцию за этот предел, он должен был установить, что предел вносится не ко всей области техники, а только к данному техническому решению. Затем он должен интерпретировать прогноз как выражение того, что может появиться некое новое техническое устройство, которое превзойдет, пределы современного технологического решения и обеспечит достижение предсказанного уровня функциональных характеристик. В частности, прогнозисту следует избегать искушения «ревизии» своего прогноза в меньшую сторону, принимая во внимание приближающийся верхний предел для современного технологического решения. Если он это сделает, пытаясь неверным путем представить свой прогноз более внушающим доверие, он не выполнит полностью свою функцию, которая состоит в предупреждении лица, принимающего решение, о приближении чего-то нового.

Во-вторых, прогнозист должен понять, что не все точечные данные о прошлом находятся на подобранной кривой тенденции, следовательно, он не имеет права предполагать, что все они будут находиться на кривой тенденции и в будущем. Соответственно он должен ожидать, по крайней мере, такой же разброс, какой он обнаружил в прошлом. Поэтому он должен предупредить об этом факте лицо, принимающее решение. Один из самых лучших способов — установление статистических доверительных интервалов для тенденции. Это особенно легко, если для подбора тенденции использовались регрессионные методы. Применение этих методов даст возможность использовать технические приемы для оценки доверительных пределов, а вывод таких пределов гораздо предпочтительнее, нежели вычерчивание на графике какого-нибудь произвольного предела. Каждый прогнозист, применяющий кривые тенденций, должен знать соответствующие статистические методы.

В-третьих, прогнозист должен использовать каждую возможность для того, чтобы не ограничиваться нахождением тенденции, а определить важнейшие факторы, взаимодействие которых определило ее. Если бы он смог выполнить это полностью, он вообще не использовал бы экстраполяцию тенденций, а применил бы один из методов математического моделирования, которые будут описаны в следующей главе. Даже, если эти факторы не были установлены в деталях, следует сделать некоторую попытку, чтобы понять их. Если ясно, что один или несколько из факторов, которые определили тенденцию, радикально изменятся, прогнозист обязан предупредить об этом факте лицо, принимающее решение, даже если он не может предсказать точное влияние этих факторов. Он должен, по крайней мере, быть в состоянии дать им качественную оценку. Например, будет расти или уменьшаться темп роста и каким образом, будет ли тенденция представлять верхний или нижний пределы области возможного роста?

9. ВЫВОДЫ

Любое данное технологическое решение для достижения функциональных характеристик будет иметь присущий ему верхний предел, который это технологическое решение не превысит. Однако возможно прогнозирование и за этот предел. Прогнозист не может и не нуждается в определении того технологического решения, которое будет использоваться для достижения увеличенного уровня функциональных характеристик. Ему требуется только изучить темп нововведения и развития в прошлом и предположить, что этот прошлый темп нововведения продолжится в будущем. Затем он может подобрать к данным из прошлого соответствующую кривую тенденции и продлить ее в будущее. Его уверенность в экстраполяции увеличивается, если прогнозируемая техника раньше имела устойчивое развитие, которое охватывало несколько последовательных технологических решений достижения одних и тех же функциональных характеристик. Если рассматриваемая техника приближается к некоторого рода фундаментальному пределу, устанавливаемому скорее физическими законами, чем ограничениями, связанными с конкретным технологическим решением, тогда переменную, представляющую функциональные характеристики, можно преобразовать и тенденцию новой переменной продолжить в будущее. Как говорилось в примере со сверхзвуковыми самолетами, очень важно, чтобы из прошлого отбирались сопоставимые точечные данные. Все они должны относиться или к первому коммерческому образцу техники, или к первому производственному изделию, или первому прототипу, или первой демонстрации в лаборатории и т. д. Если некоторые точечные данные представляют первое производственное изделие, другие соответствуют широкому коммерческому распространению, а третьи — первой демонстрации в лаборатории, то тенденция, подобранная к этим точечным данным из прошлого, будет значительно искажена и не совсем пригодна для прогнозирования. Конечно, это положение следует согласовывать с реальными данными. Если имеющиеся данные с этой точки зрения несостоятельны и для одних устройств точка относится к началу цикла существования, а для других к более позднему периоду, то у прогнозиста нет выбора. Он должен использовать данные, которые у него есть. Однако ему следует знать об ущербе, который наносится его тенденции. В частности, он должен следить за сосредоточениями одного типа данных на одном конце рассматриваемого отрезка времени.

Наконец, прогнозист не может допустить, что экстраполированные тенденции осуществятся в результате пассивного ожидания, особенно когда существующая в прошлом тенденция создавалась в результате энергичных действий многих участников развития данного вида техники. Прогнозист не может быть осведомлен о всех решениях и взаимодействиях, которые привели к существованию тенденции, выявленной им по данным из прошлого. Он может только принять допущение, что какими бы ни были факторы, которые привели к существованию тенденции в прошлом, они будут продолжать действовать таким же образом (4-6). В частности, если его собственная организация играла большую роль в развитии прошлых тенденций, он не может допустить, что тенденции сохранятся, если эта организация изменит свой уровень активности в этой области.

Когда известно, что некоторые из действовавших раньше факторов изменятся, тогда нельзя использовать методы экстраполяции, рассмотренные в настоящей главе, по крайней мере, ограничиваться только ими. Некоторые подходы, которые следует использовать в такой ситуации, будут рассмотрены в гл. 6 и 8.

ЛИТЕРАТУРА [к началу]

1. Ayrcs R. U. Envelope curve forecasting, in Technological Forecasting for Industry and Government. James R. Bright. Ed. Englewood Cliffs. N. J.. Prentice-Hall. 1968

2. Freiser M. J. and Marcus P. M A survey of some physical limitations on computer elements. IEEE Transactions on Magnetics MAG-5. 1969. p. 82-90.

3. Lamar W. E. Military aircraft: Technology for the next generation. Aeronautics Astronautics, July 1969.

4. Lent R, C. Technological Forecasting, 2nd cd., ASD-TDR-62-414, Aeronautical Systems Division, Wright-Patterson Air Force Base. Ohio. June 1962.

5. Martino J. P. Correlation of technological trends. Technological For/casting, 1970, Vol 1. p. 347-354. Vol. I, p. 73-82.

6. Martino J. P. Technological forecasting and the autonomy of technology. Technological Forecasting, 1969, Vol I, p. 73-82.

В тексте сохранены авторская орфография и пунктуация.


Главная    Кафедра прогнозов     Технологическое прогнозирование (Глава 5: Экстраполяция тенденций - часть 2)