Ассиметричные S-кривые для прогнозирования динамики распространения новых технологий

Цель. Цель исследования заключается в разработке нового метода расчета динамики распространения новой технологии с применением асимметричных s-кривых, учитывающего взаимодействие обмен информацией об успешности внедрения новой технологии между активными и потенциальными пользователями новой технологии.

Метод. Используются методы математического анализа, теории вероятностей, разрабатывается новый математический аппарат на основе рекуррентных методов расчета, результаты расчета подтверждаются имитационной моделью. Оценка работоспособности разработанных методов производится посредством сравнения прогнозируемых значений с реальными данными о динамике распространения новой технологии.

Результат. В работе произведена оценка точности прогноза, а также произведен анализ необходимого соотношения между объемом анализируемых данных и точности прогноза роста доли активных пользователей. Предлагаемый метод позволяет также оценить интенсивность взаимодействия между потребителями новой технологии.

Вывод. Полученные результаты могут быть использованы для повышения точности прогнозирования динамики внедрения новых технологий на рынке. Это достигается путем применения рекуррентных уравнений, предназначенных для расчета коэффициента, отражающего интенсивность взаимодействия между пользователями. Использование данных уравнений позволяет более детально оценить влияние межличностных связей на распространение инноваций.

1. Rogers, E.M. Diffusion of innovation (4th ed.) New York: The free press, 1995

2. Donald N. Merino, Development of a technological S-curve for tire cord textiles, Technological Forecasting and Social Change, Volume 37, Issue 3, 1990, Pages 275-291.

3. Melissa A. Schilling, Melissa Esmundo, Technology S-curves in renewable energy alternatives: Analysis and implications for industry and government, Energy Policy, Volume 37, Issue 5, 2009, Pages 1767-1781.

4. Mariano Nieto, Francisco Lopéz, Fernando Cruz, Performance analysis of technology using the S curve model: the case of digital signal processing (DSP) technologies, Technovation, Volume 18, Issues 6–7, 1998, Pages 439-457.

5. Shields L.B., Gertz T.A., Wilson K.C., et al. Application of the S-curve discontinuity theory to medicine to explain healthcare's past and predict its future. Am J Med Sci 2018.

6. José Ramоn San Cristobal, Francisco Correa, Maria Antonia Gonzalez, Emma Diaz Ruiz de Navamuel, Ernesto Madariaga, Andrés Ortega, Sergio Lopez, Manuel Trueba, A Residual Grey Prediction Model for Predicting S-curves in Projects, Procedia Computer Science, Volume 64, 2015, Pages 586-593.

7. Lev Kuandykov; Maxim Sokolov (2010). Impact of social neighborhood on diffusion of innovation S-curve. Decision Support Systems 48(4):531-535. DOI:10.1016/j.dss.2009.11.003

8. Chao, L.C., Chien, C.F., 2009. Estimating project S-curves using polynomial function and neural networks. J. Constr. Eng. Manage. 135 (3), 169–177.

9. Li-Chung Chao, Ching-Fa Chien, A Model for Updating Project S-curve by Using Neural Networks and Matching Progress, Automation in Construction, Volume 19, Issue 1, 2010, Pages 84-91.

10. Debecker, A. and T. Modis, Determination of the uncertainties in S-curve logistic fits. Technological Forecasting and Social Change, 1994. 46(2): p. 153-173.

11. Fred Phillips, On S-curves and tipping points, Technological Forecasting and Social Change, Volume 74, Issue 6, 2007, Pages 715-730.

12. Bahmani-Oskooee, Mohsen and Scott Hegerty (2010), The Jand SCurves: a survey of the recent literature, Journal of Economic Studies 37: 580-596.

13. Carvalho A.M., Goncalves S., Ruffoni J., Iglesias J.R. (2020) Macroscopic and microscopic perspectives for adoption of technologies in the USA. PLoS ONE. 15(12): e0242676. https://doi.org/10.1371/journal.pone.0242676

14. D. Comin, B. Hobijn, Cross-country technology adoption: making the theories face the facts, Journal of Monetary Economics, Volume 51, Issue 1, 2004, Pages 39-83.

15. Глуханов А.С., Поспелов К.Н. Имитационная модель процессов обслуживания и ремонта инженерной инфраструктуры // Известия ТулГУ. Технические науки. – 2023. – Вып. 7. – С.569-575.

16. Глуханов А.С., Мандрик А.В. Экспресс-анализ имитационной модели процесса обработки заявок на обслуживание и ремонт инженерной инфраструктуры //Известия ТулГУ. Технические науки. – 2023. – Вып. 8. – С.437-441.

17. Боев В.Д. Компьютерное моделирование в среде AnyLogic: учебник для вузов. М.: ЮРАЙТ, 2025. 299 с.