ІНТЕЛЕКТУАЛЬНА МОДЕЛЬ ФОРМУВАННЯ ІННОВАЦІЙНО-ІНЖИНІРИНГОВИХ КЛАСТЕРІВ

Анотація

У сучасних умовах цифровізації та розвитку економіки знань інноваційно-інжинірингові кластери трансформуються в складні динамічні системи з високим рівнем невизначеності та багатофакторних взаємодій і значною залежністю від зовнішніх управлінських впливів. Традиційні економіко-математичні підходи не забезпечують достатньої гнучкості для моделювання таких систем, що зумовлює необхідність упровадження інтегрованих методів штучного інтелекту. Мета дослідження – розробити й апробувати гібридну модель формування інноваційно-інжинірингових кластерів, яка поєднує методи машинного навчання, графового аналізу, агентно орієнтованого моделювання й цифрових двійників, з подальшим оцінюванням синергетичного ефекту їх функціювання й аналізом впливу управлінських факторів на динаміку розвитку кластерів. У роботі використано багаторівневий підхід, що передбачає кластеризацію агентів (k-means, DBSCAN), побудову графової моделі взаємодій, застосування графових нейронних мереж для врахування топологічних залежностей, а також агентно орієнтованого моделювання для дослідження еволюції системи в часі. Додатково впроваджено функції сумісності агентів і ризику, що дають змогу формалізувати синергетичний ефект і стійкість кластера в межах оптимізаційної постановки. Усі компоненти інтегруються у вигляді цифрового двійника, що забезпечує можливість сценарного аналізу. Результати дослідження. Модель апробовано на змодельованому регіональному кластері, що охоплює підприємства, університети, інвесторів і державний орган. Результати симуляції продемонстрували, що державна підтримка суттєво підвищує інноваційну активність учасників кластера, збільшує щільність мережевих зв’язків і кількість коопераційних проєктів. Виявлено ключові вузли мережевої взаємодії, зокрема значення університетів як центрів трансферу знань та інвесторів, як фінансових хабів. Висновки. Результати дослідження підтверджують ефективність запропонованого підходу та його придатність для прогнозування розвитку інноваційних екосистем і підтримки прийняття стратегічних управлінських рішень. Розроблена модель забезпечує комплексне поєднання методів машинного навчання, графового аналізу, агентного моделювання й цифрових двійників, що дає змогу перейти від статичного аналізу кластерів до їх адаптивного й прогнозного управління. Практична цінність дослідження полягає в можливості використання запропонованого підходу для підтримки регіональної інноваційної політики, оцінювання ефективності управлінських рішень і формування стійких інноваційно-інжинірингових екосистем.