Методы исследования и их классификация

Конспект

студента 1 курса 606-01м группы

Федотова Дмитрия Владимировича

                                                                                                           (подпись студента)

по дисциплине

 «Основы научных исследований в области информатики и вычислительной техники»

 

 

Профессор каф. АСОИУ

 

Увайсов С.У. ____________________

(подпись)

 

 

Сургут, 2020

СПИСОК СОКРАЩЕНИЙ

ВОИС – Всемирная организация интеллектуальной собственности;

ГК – Гражданский кодекс;

ИВТ – Информатика и вычислительная техника

НИОКР – Научно-исследовательские и опытно-конструкторские работы;

НИР – научно исследовательская работа;

НКК – нечеткая когнитивная карта;

МПиО – Метод проб и ошибок;

НТИ – Национальная технологическая инициатива;

РФ – Российская федерация;

ОАО – Открытое акционерное общество;

ОИ – Объект исследования;

ОКР – опытно-конструкторские работы;

ПИ – Предмет исследования;

РЖД – Российские железные дороги;

РИ –Рамки исследования;

ССР – Советская Социалистическая Республика;

ТЗ – Техническое задание;

ТИ – Тема исследования;

ТРИЗ – Теория решения изобретательских задач;

ТЭО – Технико-экономическое обоснование;

УДК – Универсальная десятичная классификация;

ЭВМ – Электронно-вычислительная машина.

 

 

АННОТАЦИЯ

СОДЕРЖАНИЕ

 

1. Концепция, программа и план исследования, научная парадигма. 6

2. Методы исследования и их классификация. 7

3. Общенаучные и эмпирические методы исследования. 8

4. Междисциплинарные методы исследования. 10

5. Методы получения первичной информации первичной информации. 11

6. Методы анализа: вариационный, дискриминантный, дисперсионный. 15

7. Детерминированные и стохастические процессы.. 19

8. Корреляционно-регрессионный анализ. 20

9. Методы многомерных группировок (или методы многомерной классификации) 24

10.   Графы: диаграмма «рыбий скелет», пересекающихся технологические. 27

11.   Диаграммы: столбчатые, круговые, площадные диаграммы.. 30

12.   Картографирование: топографическое, когнитивное, контекстуальное основе. 31

13.   Методы, основанные на многофакторном корреляционно-регрессионном анализе. Количественно-сценарный метод. Планирование эксперимента. 37

14.   Методы верификации результатов исследования и анализа иерархий. 41

15.   Виды лицензий. Лицензионный договор. 45

16.   Назначение формулы изобретения, требования к ней. 48

17.   Особенности многозвенной формулы изобретения. 50

18.   Состав заявочных материалов на изобретение и требования к ним. 51

19.   Порядок выдачи охранных документов. 54

20.   Условия сохранения патентных прав. 55

21.   Характеристика действующего законодательства России об исключительных правах в области интеллектуальной собственности. 57

22.   Государственная политика в части научных исследований. 60

23.   Приоритетные направления развития фундаментальных исследований. 62

24.   Инженерное творчество, его особенности. 64

25.   Методы решения технических задач. Метод проб и ошибок. 65

26.   Методы решения технических задач. Метод морфологического анализа. 68

27.   Преодоление инерционности мышления. Мозговой штурм. Этапы и правила мозгового штурма. Метод морфологического анализа. Морфологический ящик. 70

28.   Общие сведения о научных исследованиях. Характерные особенности современной науки. 76

29.   Общие сведения о научных исследованиях. Цели и методы научного исследования. 80

30.   Общие сведения о научных исследованиях. Теоретические и экспериментальные исследования. 84

31.   Системный подход к развитию науки. 85

32.   Последовательность выполнения НИР на примере выполнения прикладной НИР. 89

33.   Выбор темы научного исследования. Этапы выбора темы. 92

34.   Технико-экономическое обоснование на проведение НИР. 100

35.   Экономический эффект. 101

36.   Информационный и патентный поиск. Структура УДК. 104

37.   Накопление научной информации. 107

38.   Теоретические и экспериментальные исследования. Виды экспериментальных исследований. 109

39.   Графическое изображение результатов эксперимента. 119

40.   Выбор методов обработки и анализа экспериментальных данных. 119

41.   Аппроксимация экспериментальных данных. 120

42.   Критерий оценки качества аппроксимации. 122

43.   Анализ результатов эксперимента. 123

44.   Оформление результатов научно-исследовательских работ. 126

45.   Структурные элементы отчета о НИР. 133

 

1. Концепция, программа и план исследования, научная парадигма.

Одним из важных факторов, направляющих (организующих) исследование, является его концепция.

Под концепцией исследованияпонимают комплекс основных положений ( представлений) о том, как надлежит вести исследование. Это целостная, логически увязанная система взглядов объединенная какой – то общей идеей и направленная на достижение цели (целей) исследования.

Основными методами, используемыми при разработке концепции, рассматривают: дивергенцию, трансформацию и конвергенцию.

Дивергенциясводится к расширению границ предмета исследования в той мере, которая необходима для обеспечения достаточного пространства поиска. Это проверка на устойчивость идей, подходов, направлений исследования, поиск парадигм и точек отсчета свободное блуждание в проблемном поле.

Трансформация – изменение представления о проблеме до такого вида, который представляется наиболее приемлемым для исследования.

Конвергенция – целесообразное сужения границ предмета исследования.

Методы дивергенции: обобщения литературной информации; визуализация проблемы; обсуждение проблемы; анализ формулировок; накопление информации; инвентаризация точек зрения и подходов к разрешению проблемы.

Методы трансформации: классификация; уточнение структуры проблемы; выбор критериев классификации источников и частей проблемы; ранжирование источников и частей; установление взаимодействий источников и частей.

Методы конвергенции: обосновывающие расчеты; проектирование.

На выбор концепции исследования существенное влияние оказывает преобладающая в данном временном интервале в конкретной ветви знания (науке) парадигма.

Под научной парадигмойпонимают систему взглядов, вытекающих из основополагающих идей и научных достижений крупных (ведущих) ученых, определяющих направленность мышления основной массы исследователей. Это такое выдающиеся научные достижения, которое привлекают устойчивую группу ученных – единомышленников, но которое оставляют пространство для творческого поиска других (новых) групп ученых. Примеры: в физике – представления о волновой и корпускулярной природах света; в теории управления – учета поведенческих аспектов персонала при принятии решений (бихевиоризм) и т.д.

Концептуальное ядро парадигмы состоит из исходных, первоначальных, понятий основных принципов и законов, а также более или менее вероятных гипотез.

Ценность парадигмы в рамках научной дисциплины зависит от того вклада, который она вносит в разъяснение фактов и разрешение проблем сравнению с конкурирующими парадигмами.

Преобладающая научная парадигма сохраняет силу до тех пор, пока новые накопленные знание не вступят в противоречие с общепринятыми (вытекающими из господствующей парадигмы) представлениями и не потребует замены существующей, неспособной объяснить и систематизировать эти знания, парадигмы на новую.

На основе концепции разрабатывается детализирующая ее программа.

Программа исследования – это комплекс положений, определяющая цели и задачи исследования, его предмет, условия проведения исследования, используемые ресурсы и предполагаемый результат. Программа рассматривается как средство достижения цели исследования, как форма конкретизации концепции.

Разделы программы: цель исследования; содержание программы; актуальные и важнейшие подпроблемы; парадигма и рабочая гипотеза и рабочая гипотеза решения проблемы; основная концепция исследования; ресурсное обеспечение; предполагаемый результат; показатели эффективности исследования.

На основе программы разрабатывается детализирующий ее план.

План исследования – совокупность показателей, отражающих связь и последовательность ключевых мероприятий (действий, акций и т.д.), ведущих к полной реализации программы и разрешению проблемы. План исследования рассматривается в качестве организующего фактора последовательного движения к цели исследования.

Дискриминантный анализ

Дискриминантный анализ является статистическим методом, который позволяет изучать различия между двумя и более группами объектов по нескольким переменным одновременно, другими словами, этот метод анализа относится к многофакторным.

Независимые переменные при этом виде анализа могут измеряться количественно (возраст, доход, продолжительность обучения и т. п.). Зависимая переменная измеряется на качественном уровне (или номинальном) уровне. Так, в анализе для целей маркетинга потребителю конкретного продукта (зависимая переменная) может присваиваться код “1”, а другому, который не потребляет этот продукт, — “2”.

Порядок проведения множественного дискриминационного анализа:

– построение модели, позволяющей классифицировать объекты (индивидуумов) по группам на основании независимых переменных;

– определение статистической значимости различий между группами (например, посетителей разных ресторанов);

– проверка соответствия дискриминантного множества расчетному, полученному по независимым переменным.

Общая модель дискриминантного анализа, называемая также дискриминантной функцией, имеет вид

Z = b ₁ x ₁ + b ₂ x ₂ +... + b_nx_n, (1)

где Z — дискриминантное множество (база для отнесения объектов к определенной группе);

b ₁,... b_n — коэффициенты (веса) дискриминантной функции; x ₁,... x_n — независимые переменные.

Дискриминантные коэффициенты определяют структуру вариации переменных в уравнении. Независимые переменные, существенно влияющие на различия в группах, имеют большие веса, а оказывающие незначительное влияние — малые веса. В процессе анализа отбирают те переменные, которые в большей мере определяют вероятность отнесения какого-либо объекта к конкретной группе (для каждой группы формируется свое дискриминантное множество).

В процессе моделирования используют так называемую-статистику Уилкса. С ее помощью определяется вероятность ошибочного отнесения объектов к группам.

Дисперсионный анализ

Под дисперсионным анализом понимают изучение качества влияния факторов (причин) по дисперсиям результативных признаков (следствий). В его основе лежит предположение о том, что статистическая совокупность — представительна, однородна, а результативный признак в совокупности распределен по нормальному закону. Однофакторный дисперсионный комплекс опирается на данные простой аналитической группировки, двухфакторный — на материалы сложной (двухфакторной) группировки, трехфакторный — комбинированной. Метод успешно применяется для объективной оценки взаимосвязи количественных признаков, а также влияния качественных факторов на количественные результативные.

Метод основан на разложении вариации результативных признаков по источникам (причинам) ее формирования. Поскольку основная мера вариации содержит квадрат отклонений (дисперсию), то задача дисперсионного анализа сводится к тому, чтобы найти значения вариаций, вызванных различными факторными признаками, и, в частности, обусловленных как систематически действующим фактором, так и случайными — шумовыми. Другими словами, цель однофакторного дисперсионного анализа заключается в подтверждении значимости (существенности) влияния какого-либо одного независимого фактора на результирующий.

Применение метода можно условно подразделить на несколько этапов.

Первый этап заключается в разложении (общей) вариации результативного признака по независимым факторам (источникам вариации). В связи с этим различают общую, систематическую и случайную вариации. Общая вариация результативного признака формируется под воздействием всей совокупности факторных признаков, учтенных наблюдениями, а также неучтенных.

Второй этап сводится к “исправлению” дисперсий, т. е. к расчету исправленных значений общей, систематической (факторной) и случайной (остаточной) дисперсий. При этом учитываются степени свободы вариации. Под степенью свободы вариации признака принято считать число свободно (независимо) варьирующих единиц статистической совокупности. Этозначит, что если для ряда из n наблюдений вычислена средняя, то этот ряд имеет n – 1 степеней свободы вариации, так как любое значение признака (фактора) может быть точно вычислено по среднему значению и остальным (n – 1) вариантам. Известно, что вариация рассматриваемого признака в генеральной совокупности в среднем в раз больше, чем в выборочной.

Дисперсионный метод состоит в оценке отношения исправленной дисперсии, характеризующей систематические колебания групповых средних значений изучаемого результативного признака, к исправленной дисперсии, которая характеризует возможную случайную вариацию признака-результата. Для этого применяются критерий Р. Фишера. Один из них именуется фактическим, другой — стандартным (табличным).

Значение фактического критерия Р. Фишера определяется по формуле

 (2)

 где F_факт — значение фактического критерия Фишера (F-критерия);

 — исправленная систематическая (факторная) дисперсия;

— исправленная случайная (остаточная) дисперсия.

Значение стандартного (табличного) критерия (F_табл) принимают по таблицам Р. Фишера, в зависимости от принятого уровня значимости расчетов (0,05 или 0,01) и числа степеней свободы вариации, которые характеризуют систематическую (факторную, большую) и случайную дисперсии. По сути F_табл является критической точкой в соотношении систематической и случайной дисперсий. Его значения принимаются по прил. 1. Конечной стадией дисперсионного анализа является сопоставление фактического и стандартного (табличного) критериев Р. Фишера. Если F_факт> F_табл, то с заданной степенью вероятности можно утверждать, что факторный признак существенно (надежно) влияет на признак-результат.

Правомерно объединение вариационного и дисперсионного анализов в единый — вариационно-дисперсионный, аналогично корреляционно-регрессионному.

Топографическое

Картографирование на топографической основе сводится к сбору и отражению при помощи различных условных обозначений (цвета, штриховки, значков) на топографических картах различной информации локального характера, систематизации и обобщению этой информации, а также получению на этой основе новой. Пример такой карты приведен на рисунке далее.

С помощью топографических карт могут быть выявлены, например: очаги инфекционных заболеваний, что в свою очередь, инициирует поиск их источников (причин); районы компактного проживания специалистов редких и исчезающих народных промыслов и др. Локализация с помощью картограмм определенных факторов (особенностей местности, климата и др.) может служить основой для привлечения к исследованию других методов, например, факторного анализа и т. п.

Рис.13. Пример отражения на карте локальной статистической информации

Когнитивное

Когнитивное картографирование сводится к систематизации в виде различного рода схем (карт) выявленной (полученной) разными способами тематической информации, служащих в последующем основой для классификации, обобщения. Пример одного из вариантов когнитивной карты приведен на рисунке 15 ниже.

Выделяется особая разновидность когнитивных карт, близкая по внешнему виду к сетевым моделям и получившая название нечеткие когнитивные карты (НКК). Общий вид одной из разновидностей нечетких когнитивных карт приведен на рисунке 14 ниже.

До составления НКК исследователь должен выяснить и установить: есть ли причинно-следственная связь между двумя факторами, и если да, то какой из факторов является причиной, а какой — следствием. Усиливается или ослабляется фактор-следствие при усилении / ослаблении фактора-причины и в какой мере (выраженной в долях единицы) это проявляется. Для решения этих вопросов исследователь привлекает группу экспертов, которые представляют ему соответствующую информацию. Сами они прибегают при этом к методам экспертного оценивания, коллективной генерации идей, “Дельфи” и др. Метод, таким образом, в своей основе является экспертным, относящимся к этапу получения релевантной информации. С другой стороны, метод относится к этапу обработки информации, так как полученная НКК используется для оценки результатов совместного динамического взаимодействия всех учтенных факторов. Она позволяет установить, насколько повлияет на состояние результирующего фактора (на рис. 14 — фактор 6) разовое изменение в желательном (или нежелательном) направлении исходного фактора (на рис. 14 — фактор 1) на одну единицу его измерения (т. е. выявить значение импульса).

Рис. 14. Нечетная когнитивная карта условного процесса: 1–6 — обозначение факторов;

— обозначение усиливающего воздействия фактора-причины (например, 1) на фактор — следствие (например, 4) и степени усиления;

— обозначение ослабляющего воздействия фактора-причины (например, 4) на фактор-следствие (например, 5) и степени ослабления

Рис. 15. Пример когнитивной карты на тему «Причины игнорирования населением рынка ценных бумаг»

Контекстуальное

Контекстуальное картографирование — метод сбора и графического представления текстовой информации, содержащейся в научных сообщениях, патентах, проектной и другой технической документации, отражающей продвижение научных и технических идей по этапам их жизненного цикла, относящихся к отдельным узлам / частям / системам рассматриваемого технического объекта, и предвидение на этой основе времени материализации отслеживаемых идей в рассматриваемом техническом объекте. Другими словами, это метод предвидения существенных изменений в принципиальном устройстве интересующего исследователя технического объекта. Пример контекстуальной карты условного технического объекта приведен на рисунке ниже.

Рис.16. Контекстуальная карта⁴ научно-технической информации по изделию:

– логичное направление развития инновационного процесса по узлу (части) изделия

Обозначения:

1 - Наименование узлов, агрегатов, систем и т. д. приводятся согласно варианту индивидуального задания или представления студента об устройстве заданного изделия.

2 - I — статьи в научных, общетеоретических журналах; II — статьи в профессиональных, отраслевых журналах, сборниках докладов (тезисов) научно-технических конференций, семинаров и т. д.; III — патентная информация, паспорта научно-технических достижений (НТД), прямая информация с технической документации (ТД).

3 - Точками отмечается количество сообщений (документов НТИ), в которых отражена информация о предположении прогрессивных изменений в узле (данные условные).

4 - Структура реальной контекстуальной карты может быть значительно более дифференцированной по обеим осям. По оси ординат она может охватывать все узлы (агрегаты и т. д.) конкретного изделия, а группы источников информации могут быть представлены более подробно. Горизонт обзора (ось абсцисс) может быть, если это целесообразно, более углублен в прошлое, и последние временные интервалы раскрыты более детально, например, по годам.

Методы, основанные на многофакторном корреляционно-регрессионном анализе. Количественно-сценарный метод. Планирование эксперимента.

Классификацию этой группы методов можно представить на рисунке ниже.

Рис.17. Классификация методов исследования, базирующихся на многофакторном корреляционно-регрессионном анализе (МФКРА)

Количественно-сценарный метод исследования состоит в том, что на основе верифицированной многофакторной модели исследуемого процесса / явления, обязательно включающей фактор времени, просчитываются значения трех вариантов (сценариев) возможного состояния анализируемого исследуемого объекта в будущем: наиболее вероятного, пессимистического и оптимистического. Для этого по данным статистической совокупности определяются по три значения каждого вошедшего в многофакторную модель независимого фактора-причины: среднее, минимальное, максимальное. Логически группируя эти значения и подставляя их в модель, получают три интересующих исследователя значения фактора-функции. Кроме того, в модель вводят так называемое разрушающее событие, возможное наступление которого способно кардинально изменить все три отмеченные значения факторов-причин. Разрушающими событиями рассматривают такие независимые или квазинезависимые от воли людей явления, как: землетрясения, революция, ураган, война, глобальная эпидемия и др. Логическим анализом определяют возможные значения факторов-причин модели в случае наступления разрушающего события. Подставляя их в многофакторную модель, получают четверное значение фактора-функции (четвертый сценарий / футурибль). Результаты такого моделирования могут быть представлены графически. Применение количественно-сценарного метода покажем на примере исследования возможного “поведения” платы за парикмахерскую услугу согласно данным таблице ниже.

Таблица 1

Применение количественно-сценарного метода

Возможные названия и единицы измерения независимых факторов в модели (табл.2).

Таблица 2

Представление результатов мыслительной деятельности

Единица измерения фактора-функции — рубли.

На рисунке 1 дано графическое представление области отклика.

Рис. 18. Графическое представление области отклика

Для обеспечения доверительности результатов многофакторного моделирования приходится существенно увеличивать количество отдельных наблюдений (или опытов), а также точность измерений по ним. Представление о масштабах такого увеличения дают данные таблицы 3, составленные для 95%-ного уровня доверительности.

Таблица 3

Величина q представляет собой отношение доверительной оценки точности (↋) и ожидаемого эмпирического стандарта ошибки (s). Для того чтобы избежать столь значительного объема опытной работы, а также решения ряда других задач, предложено предварительное планирование эксперимента. Под планированием эксперимента понимают совокупность приемов, позволяющих разумно поставить эксперимент, сообразуясь с целью исследования, со стремлением получить максимум информации при ограниченном числе опытов, а также правильно обработать и интерпретировать результаты эксперимента. Эти приемы применяют на начальных и конечных этапах исследования (рис. 19).

Рис. 19. Примерный алгоритм планирования эксперимента

Планирование эксперимента – комплекс методов математической статистики, направленных на постановку опытов и проведение рациональных измерений, подверженных случайным ошибкам.

Общая схема проведения эксперимента выглядит следующим образом. Со случайными ошибками измеряется некоторые выходные переменные изучаемой системы, зависящие от неизвестных значений параметров и известных значений переменных-факторов, а также из возможных взаимодействий. Основная цель планирования эксперимента – достижение максимальной точности измерений при минимальном количестве произведенных опытов и сохранении статистической достоверности результатов.

Основные этапы планирования эксперимента:

1. установление цели эксперимента – постановка целей и задач проведения эксперимента;

2. уточнение условий проведения эксперимента – выбор оборудования, сроков работ, способа проведения эксперимента и т.п.;

3. выбор входных и выходных параметров – выбор зависимой измеряемой переменной, определение случайных и детерминированных независимых переменных;

4. установление необходимой точности результатов измерений – выбор компромисса между минимальным числом испытаний и статистической достоверностью получаемых результатов;

5. составление плана и проведение эксперимента – количество и порядок испытаний, задание совокупности значений задаваемых переменных-факторов и их взаимодействий в эксперименте;

6. статистическая обработка результатов эксперимента – применение методов математической статистики для обработки результатов, построение математической модели эксперимента;

7. формулирование выводов.

Планирование эксперимента широко используют в промышленной статистике. В условиях промышленного эксперимента его основная цель заключается в определении максимального количества информации о влиянии изучаемых факторов на производственный процесс с помощью наименьшего числа дорогостоящих наблюдений. Методы анализа данных промышленных экспериментов опираются на теорию вероятностей и методы математической статистики: корреляционный анализ, регрессионный анализ, дисперсионный анализ.

Методы анализа иерархий

При этом методе формируется так называемый перекрестный граф проблемы, общий вид которого приведен на рисунке ниже. Исходя из логики этого графа осуществляется, например, оценка технического уровня изделий.

Согласно алгоритму метода формируется ряд матриц попарного экспертного сравнения: самих потребительских свойств (частных характеристик технического уровня) изделий; изделий по отношению каждого свойства. Полученные матрицы соответственно обрабатываются.

Рис. 20. Пример графа проблемы (некоторые связи показаны с разрывами)

Общий вид матрицы попарного экспертного сравнения (предпочтения) и ее обработки приведен в табл. 4. Главная диагональ матрицы заполняется единицами, воспрещающими сравнение свойства с самим собой. Для фиксации экспертных предпочтений используется девятибалльная (девятиместная) шкала, состав которой приведен в табл. 5.

Таблица 4

Очередность заполнения матрицы отражена в табл. 4 цифрами в кружках, находящимися у начала парных стрелок.

Таблица 5

Одновременно заполняются строка и столбец. При этом используются сопряженные градации шкал. В пользу свойства, которое сравнивают, засчитываются баллы, записываемые в строке этого свойства. Например, сравнивая пару свойств “потребляемая мощность” и “чистота звучания” эксперт отдает предпочтение чистоте звучания и считает, что чистота звучания важнее потребляемой мощности в 4 раза. В первой строке в пользу потребляемой мощности записывается 0,25 балла, а в первом столбце в пользу чистоты звучания — 4 балла.

Умение оценивать согласованно (системно) вырабатывается достаточной практикой. Методом анализа иерархий (МАИ) предусмотрена специальная процедура проверки логичности экспертных оценок. И, если они существенно не согласованы, эксперту предлагают повторить процедуру и добиться приемлемой логичности. В противном случае от услуг недостаточно квалифицированного эксперта отказываются. Весомость свойств, оцененная разными экспертами, может усредняться, объективизироваться.

При формировании матрицы попарного сравнения изделий по свойствам следует учитывать характер вклада свойств в обобщающую оценку изделия. При определении балльных оценок (aij) по “положительным” свойствам значения характеристик сравниваемых изделий делят на значения характеристик изделий, с которыми сравнивают. А для “отрицательных” характеристик — наоборот.

В завершение формирования матриц попарного сравнения составляется сводная матрица весов изделий относительно учитываемых свойств. Образец такой матрицы приведен ниже. Полученная предварительная информация позволяет рассчитать интегральный оценочный показатель и проранжировать изделия.

Структура формулы

В мире, в основном, используются формулы изобретения двух типов: с выделенной новизной и без нее. В формуле без выделенной новизны признаки располагаются в соответствии с функциональным назначением (исполнением) без разделения на известные и неизвестные из уровня техники.

Формула с выделенной новизной имеет следующую структуру:

- объект изобретения/полезной модели;

- указание назначение;

- соединительное выражение: включающий, содержащий, состоящий;

- перечисление общих с прототипом существенных признаков словосочетание «отличающийся/аяся/ееся тем, что»;

- перечисление отличительных от прототипа существенных признаков и их характеристик при необходимости.

Пример: «Устройство озонирования воды бассейна аквакультуры, включающее гидрозатвор, исполненный как труба в трубе, отличающийся тем, что перед гидрозатвором расположен инжектор для введения озоно-кислородной смеси, гидрозатвор выполнен в виде …»

В зависимости от сложности, изобретения, способа и формы описания, а также стратегической задумки подачи заявки формула может быть представлена в виде однозвенной и многозвенной. Формула составляется в виде однозвенной, в случае одного, достаточно простого, изобретения, не имеющего частных случаев осуществления и развития. Однозвенная формула представляется одним пунктом и излагается одним предложением. Этот пункт считается независимым и определяет область правовой охраны.

Когда изобретение предполагает частные случаи осуществления и развития этих частных случаев, то следует их отразить в формуле. Эти случаи излагаются в зависимых пунктах, следующих в числовой последовательности за независимым пунктом, который считается первым. Нумерация пунктов осуществляется только арабскими цифрами. При этом название каждого пункта начинается с названия изобретения в сокращенной форме по схеме: «Объект изобретения» по п. 1, отличающийся тем, что «раскрытие частного признака». Зависимые пункты могут быть сложно подчиненными, т.е. быть частными случаями осуществления другого частного случая. В этом случае дается ссылка на пункт изложения этого частного случая. Зависимые пункты сами по себе не влияют на область правовой охраны, но, тем не менее, имеют большое значение.

В случае возникновения в ходе экспертизы по существу вопросов патентоспособности, можно усилить признаки отличительной части независимого пункта характеристиками зависимых пунктов, тем самым усилить отличительную часть и добиться выполнения условий патентоспособности. Кроме того, зависимые пункты оказывают большую помощь в случае доказательств нарушения исключительных прав, т.к. конкретизируют признаки независимого пункта.

В настоящее время в РФ при изложении формулы изобретения рекомендуется использовать германский тип формулы с выделенной новизной (п.п. 2 п. 54 Требований*). Однако в ряде случаев, например, если независимый пункт характеризует применение продукта или способа по определенному назначению, возможно составлять формулу без разделения на отличительную и ограничительную части. При составлении формулы полезной модели разделение на отличительную и ограничительную части обязательно.

Экономический эффект.

Сущность экономического эффекта

Экономический эффект представляет собой конечный экономический результат, который получен от внедрения определенного мероприятия. Мероприятия должны вызывать улучшение определенной работы предприятия.

Результат представляет собой абсолютный показатель и может быть измерен в денежных единицах. В целом получатель эффекта предполагает первоначально осуществить определенные затраты, впоследствии получить дополнительный доход от проведенных мероприятий.

Сам экономический эффект является дополнительным доходом, который получен через:

· дополнительную прибыль,

· минимизацию материальных и трудовых затрат,

· увеличение объемов или качества товара, которое выражается в цене.

Экономическая эффективность представляет собой показатель, который можно определить через отношение экономического эффекта и затрат по его достижению. Экономическую эффективность можно рассчитать по формуле:

 (9)

Таким образом, эффективность можно определить степенью выгодности. Так как данный показатель относителен, то может использоваться для сравнения либо с нормативом, либо с другими вариантами.

В целом выгоды от внедрения мероприятий можно определить тремя обстоятельствами:

· затраты по проведению мероприятий, которые должны быть минимальными,

· эффект, который должен стремиться к максимальному значению,

· срок, на протяжении которого получают эффект.

В соответствии с тем, экономическую эффективность от чего нужно измерить, затратами могут быть капитальное вложение обретение новых технологий и техники, а также средств, которые вкладываются в определённый проект, то есть инвестиций.

Капитальные вложения представляют собой затраты в денежном выражении, направляемые на производство основных средств компании. Инвестиции являются понятием похожим на капитальные вложения с точки зрения финансов, но несколько шире. Они включают все виды средств или затрат, которые вложены в хозяйственную деятельность для получения эффекта.

В настоящее время в Российской Федерации термины капитальные вложения и инвестиции являются тождеством. По этой причине эффект рассчитывается по-разному в соответствии с характером мероприятий, которые проводятся для его получения.

Не существует определенной формулы для расчёта эффекта, поскольку она не определяет источник получения данного эффекта. Чаще для расчёта используют годовой эффект от проведения мероприятий (годовой, так как финансовый год представляет собой время своеобразной оценки работы организации). В этом случае для того чтобы получить общую сумму эффекта, его умножают на количество лет, которое приносит данный эффект.

Экономическая эффективность

Экономическая эффективность от внедрения новых технологий и техники определяется суммой затрат, которые включают капитальные вложения при внедрении, в эту сумму входит:

· сумма требуемых капитальных вложений,

· цена внедряемой техники,

· стоимость монтажа, комплектующих и инструментов,

· расходы по транспортировке,

· стоимость дополнительных оборотных средств, которые связаны с внедрением техники.

Если при внедрении новой машины происходит замена старой техники, то при продаже данной старой техники на металлолом по