Апробация акторно-деятельностной модели согласования интересов экономических и неэкономических субъектов промышленной политики в условиях цифровизации

Фролов В.Г.1, Каминченко Д.И.1
1 Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского, Россия, Нижний Новгород

Статья в журнале

Лидерство и менеджмент (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 8, Номер 4 (Октябрь-декабрь 2021)

Цитировать:
Фролов В.Г., Каминченко Д.И. Апробация акторно-деятельностной модели согласования интересов экономических и неэкономических субъектов промышленной политики в условиях цифровизации // Лидерство и менеджмент. – 2021. – Том 8. – № 4. – С. 503-520. – doi: 10.18334/lim.8.4.113877.

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=47346930
Цитирований: 2 по состоянию на 05.09.2022

Аннотация:
Анализ процессов цифровой трансформации промышленного производства является одной из наиболее актуальных задач, выполняемых в рамках современной экономической науки. Изучая специфику дигитализации современной промышленности, ученые занимаются поиском наиболее оптимальных и рациональных инструментов и механизмов качественного повышения показателей промышленного производства с комплексным использованием цифровых технологий. Важнейшим направлением научной рефлексии является разработка и реализация эффективной модели осуществления промышленной политики в условиях распространения и внедрения технологий «Индустрии 4.0». Цель работы авторов данного исследования заключается в апробации представленной ими ранее акторно-деятельностной модели согласования интересов экономических и неэкономических субъектов (стейкхолдеров) промышленной политики разных форм собственности и отраслевой принадлежности в условиях цифровой экономики. Апробация указанной модели производится с помощью политико-экономического подхода с учетом как экономического, так и неэкономического характера интересов различных стейкхолдеров на примере развития промышленного производства в ряде регионов России (на примере территориальных субъектов ЦФО и СЗФО). С помощью корреляционного анализа в работе удалось установить наличие статистической взаимосвязи между экономическими и политическим показателями. Сделан вывод о наличии влияния текущего общего показателя развития промышленного производства и показателя объема отгруженных товаров регионального производства, а также выполненных работ и услуг собственными силами внутри региона по субъектам РФ на рейтинговые показателей руководителей регионов. Работа представляет собой междисциплинарный исследовательский проект, обладающий научной новизной, которая заключается в комплексном политико-экономическом анализе взаимосвязи интересов различных стейкхолдеров промышленной политики в условиях развития технологий четвёртой промышленной революции.

Ключевые слова: промышленная политика, цифровизация, цифровая трансформация экономики, системные эффекты, синергетические эффекты, политический показатель, экономический показатель, корреляционная связь

Финансирование:
Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 19-010-01000

JEL-классификация: M12, O14, O15, O25, O31



Введение

Цифровизация экономики создает качественные условия для эффективного развития промышленного производства. Рациональное использование ключевых возможностей дигитализации промышленного производства и учет вероятностных рисков позволяет выстраивать эффективную систему планирования как в кратко- и средне-, так и в долгосрочной перспективе. В условиях эффективного использования существующих возможностей и управления наиболее значимыми рисками производства возможно достижение основными экономическими и неэкономическими стейкхолдерами системных (например, создание инновационной инфраструктуры через внедрение мультицелевых цифровых платформ, аккумулирующих деятельность различных отраслей экономики и социальной сферы) и синергетических эффектов (например, существенный прирост добавленной стоимости в различных отраслях промышленного производства).

Достижение эффекта синергии в условиях цифровизации промышленности требует построения сбалансированной промышленной политики, в содержании которой учитываются интересы ключевых стейкхолдеров (экономических и неэкономических субъектов), что, в свою очередь, актуализирует задачу разработки эффективной модели построения подобной промышленной политики. В содержании модели сбалансированной промышленной политики должны быть учтены различные интересы (постоянные, долгосрочные, среднесрочные и краткосрочные) не только непосредственно экономических субъектов, но и неэкономических акторов современной промышленной политики. Это позволит рассматривать процессы, связанные с промышленным производством в рамках интенсивного распространения технологий «Индустрии 4.0» как экосистему, эффективное функционирование которой продуцирует системные и синергетические эффекты от проведения соответствующей промышленной политики.

В рамках обозначенной экосистемы происходит взаимное пересечение экономических и неэкономических интересов, вызывающее аналогии с понятием «фронтир», нередко используемым в гуманитарных науках (хотя, в первую очередь, применительно к анализу социокультурных процессов), который, по мнению Е.В. Морозовой, И.В. Мирошниченко и Н.А. Рябченко зачастую применяется в отечественном социально-политическом дискурсе в значении «подвижная граница» чаще как метафора, когда, например, речь идёт «о новых рубежах науки» [1, c. 83](Morozova, Miroshnichenko, Ryabchenko, 2016, p.83), а в последнее время разрабатываются и смежные концепты, например, «сетевой фронтир» [2;3](Miroshnichenko, Morozova, 2016; Plotichkina N.V., Dovbysh, 2017). В условиях разработки, формирования и реализации сбалансированной промышленной политики также необходимо учитывать гибкую и «подвижную» (особенно в условиях сетевой экосистемы) границу пересечения интересов экономических и неэкономических стейкхолдеров промышленной политики.

В одной из предыдущих работ авторами сформированы и предложены акторно-деятельностная и содержательная модели согласования интересов экономических и неэкономических субъектов промышленной политики разных форм собственности и отраслевой принадлежности в условиях цифровой экономики [4] (Frolov, Kaminchenko, 2020). Целью же данной работы является апробация одной из обозначенных выше моделей (акторно-деятельностной) с позиций установления наличия/отсутствия статистических взаимосвязей между структурными компонентами модели.

Теоретические основания

Вопросам изучения трансформации промышленности в условиях цифровизации экономики уделяется немало внимания в научном сообществе. Ученые рассматривают различные стороны воздействия сетевизации и дигитализации экономики на важнейшие факторы промышленного производства. На основе анализа современной научной литературы по обозначенной тематике выделим ряд наиболее популярных тематических поднаправлений в рамках изучения цифровой трансформации промышленности.

· изучение ключевых драйверов и возможностей в условиях цифровой трансформации промышленной сферы [5-14] (Hallin, Lindell, Jonsson, Uhlin, 2022; Perelygina, Kucukust, Law, 2022; Perno, Hvam, Haug, 2022; Chirumalla, 2021; Chinoracky, Kurotova. Janoskova, 2021; Büchi, Cugno, Castagnoli, 2020; Santos, Mehrsai, Barros, Araújo, Ares, 2017; Kupriyanovskiy, Sinyagov, Namiot, Utkin, Nikolaev, Dobrynin, 2017a; Kupriyanovskiy, Sinyagov, Namiot, Utkin, Nikolaev, Dobrynin, 2017b; «Promyshlennost' 4.0» — tsifrovayaavtomatizatsiya…, 2017);

· анализ значимости обучающих фабрик (Learning Factories) в подготовке современных кадров [15–19] (Kolesnyk, Bubeník, Čapek, 2021; Kumar, Patil, Nath S, Rohilla, Sangwan, 2021; Khramov, 2020; Baena, Guarina, Mora, Sauza, Retat, 2017; Abele, Metternich, Tisch, Chryssolouris, Sihn, El Maraghy, Hummele, Ranz, 2015);

· рассмотрение рисков, возникающих в условиях дигитализации экономики [20–25] (Gabriel, Grauthoff, Joppen, Kühn, Dumitrescu, 2021; Burger, Kessler, Arlinghaus, 2021; Zimmermann, Rosca, Antons, Bendul, 2019; Pereira, Barreto, Amaral, 2017; Nekhorosheva, 2017; Usländer, Thomalla, 2016);

· исследование воздействия цифровизации промышленности на кооперационные процессы в рамках цепочек создания стоимости [26–28; 22; 29-30] (Hole, Hole, McFalone-Shaw, 2021; Mastos, Nizamis, Terzi, Gkortzis, Papadopoulos, Tsagkalidis, Ioannidis, Votis, Tzovaras, 2021; Ghadge, ErKara, Moradlou, Goswami, 2020; Zimmermann, Rosca, Antons, Bendul, 2019; Bag, Telukdarie, Pretorius, Gupta, 2018; Tjahjono, Esplugues, Ares, Pelaez, 2017);

· анализ «Умных Фабрик» (Smart Factory) в контексте принятия управленческих решений [31–37] (Forcina, Introna, Silvestri, 2021; Silvestri, 2021; Grube, Malik, Bilberg, 2019; Ustinova, 2019; Thoben, Wiesner, Wuest, 2017; Vuksanovic, Ugarak, Korcok, 2016; Hozdic, 2015) и т.п.

В последнее время исследователи обращают особенно пристальное внимание на возможности развития промышленности, появляющиеся в условиях цифровизации экономики. Например, К.Чирумэлла в одной из своих недавних работ формулирует несколько ключевых исследовательских вопросов: (1)Каковы ключевые вызовы и потенциально новые возможности при разработке и внедрении технологических инноваций на предприятиях перерабатывающей промышленности? (2)Каким именно образом компании перерабатывающей промышленности, используя более широко динамичные возможности, появляющиеся в условиях дигитализации экономики, могут создавать технологические инновации на основе цифровых технологий? [8, p.3] (Chirumalla, 2021, p.3). Результаты исследования К.Чирумэлла подтверждают, что цифровизация инновационных процессов в перерабатывающей промышленности подразумевает не только внедрение информационных технологий и осуществление технологической диффузии, но и необходимость стратегических изменений и организационного управления на промышленном предприятии, включая стратегию, организационную структуру и процессы, ресурсы и культурный аспект. Следовательно, предприятия перерабатывающих отраслей, если они стремятся достичь цифровой зрелости, должны сосредоточиться на формировании мультипликативных динамичных возможностей с рациональным балансом IT-инфраструктуры, ресурсов, рабочих процессов, культуры и компетенций [8, p.21] (Chirumalla, 2021, p.21).

Приведенные выше результаты исследований в очередной раз подтверждают идею о том, что для разработки и проведения эффективной промышленной политики в условиях цифровизации экономики необходимо отталкиваться от междисциплинарного подхода. При проведении исследования в рамках подобного подхода должны учитываться не только технологические эффекты от внедрения определенных инновационно-технических решений, но социокультурные аспекты, связанные, например, с освоением необходимых навыков и компетенций работниками предприятий промышленности. Междисциплинарный подход необходим и при разработке сбалансированной модели промышленной политики, так как он крайне эффективен в процессе изучения того, как могут быть учтены в рамках подобной модели интересы как экономических, так и неэкономических стейкхолдеров. Подобный подход (политико-экономический) был использован авторами исследования в одной из предыдущих работ [4] (Frolov, Kaminchenko, 2020). Данный концептуально-теоретический подход будет использован и в текущей работе для апробации обозначенной модели согласования интересов экономических и неэкономических субъектов промышленной политики разных форм собственности и отраслевой принадлежности в условиях цифровизации экономики.

Необходимо заметить, что экономико-политологические научные исследования сегодня не являются редкостью. Например, С.Д. Бодрунов обращает внимание на необходимость использования при изучении российской экономической системы политико-экономического подхода, который позволяет выявлять прямые и обратные связи самой системы как минимум на следующих уровнях: «(1)технологические уклады; (2) социально-экономические отношения и экономико-правовые институты; (3) цивилизационные и социокультурные инварианты и тренды» [38, c. 55](Bodrunov, 2015, p.55). Он подчеркивает, что рациональное понимание сути любой экономической системы требует не только анализа материально-технических предпосылок, определяющих её функционирование, но и изучения социально-культурной среды, где она формируется.

Методология

Как уже отмечалось, концептуально-теоретическую основу работы составляет политико-экономический подход. Он крайне полезен ввиду того, что позволяет осуществить анализ не только существующих интересов экономических или неэкономических стейкхолдеров (при такой постановке цели исследования вполне достаточным выглядит применение экономического и политического анализа по отдельности), но и произвести сущностный анализ пересечения интересов как экономических, так и неэкономических интересов, позволяя тем самым выявить и учитывать «сетевой фронтир», разделяющий интересы экономических и неэкономических субъектов промышленной политики. А в качестве одного из поднаправлений обозначенного подхода выступает политико-экономический ситуативный анализ. Он дает возможность на основе краткого анализа возможных кейсов установить перечень различных (с точки зрения временной перспективы) интересов участников конкретной ситуации (понимаемой, естественно, в рамках межсубъектных взаимодействий и кооперации в контексте разных этапов производственного цикла промышленной продукции), являющихся при этом и субъектами промышленной политики.

Политико-экономический подход обусловил выбор соответствующей эмпирической базы текущего исследования. В работе используются статистические показатели развития отечественной промышленности (в региональном разрезе) на основе данных Федеральной службы государственной статистики России [39](Federal State Statistics Service, 2021), а точнее – числовые показатели индекса промышленного производства по субъектам Российской Федерации и показатели объема отгруженных товаров собственного производства, выполненных работ и услуг собственными силами по субъектам Российской Федерации в 2021 году (по данным на сентябрь-октябрь текущего года). Два отмеченных показателя являются проекцией реализации интересов таких экономических стейкхолдеров, как крупные корпоративные объединения промышленности, предприятия-«региональные лидеры» промышленности, средние и малые промышленные предприятия (указанные экономические субъекты включены в акторно-деятельностную модель согласования интересов экономических и неэкономических субъектов (стейкхолдеров) промышленной политики разных форм собственности и отраслевой принадлежности в условиях цифровой экономики, представленной в одной из предыдущих работ авторов) [4](Frolov, Kaminchenko, 2020).

Структура эмпирических данных проводимого исследования содержит и политологический показатель – числовые показатели национального рейтинга губернаторов российских регионов (по состоянию на сентябрь-октябрь текущего года), составленный Центром информационных коммуникаций «Рейтинг» (ЦИК «Рейтинг») [40]( Центра информационных коммуникаций «Рейтинг», 2021). Отметим, что указанный рейтинг формируется при помощи заочного анкетирования экспертов «широкой профессиональной и социальной принадлежности», что обосновывает целесообразность использования показателей данного рейтинга при анализе степени эффективности и продуктивности работы, а также - политической влиятельности руководителей российских регионов. На наш взгляд, показатели данного рейтинга являются проекцией реализации интересов такого неэкономического стейкхолдера промышленной политики, как органы государственной власти субъектов Российской Федерации (представленного в уже упоминаемой модели сбалансированной промышленной политики) [4](Frolov, Kaminchenko, 2020).

Для статистического анализа обозначенных выше числовых показателей использован корреляционный анализ Спирмена (с помощью которого высчитывается ранговый коэффициент корреляции). Основная идея проведения корреляционного анализа в данном исследовании заключается в том, что наличие/отсутствие корреляционной зависимости между указанными количественными показателями будет свидетельствовать о пересечении интересов экономических и неэкономических стейкхолдеров. Напомним, что именно на наличии/отсутствии структурно-содержательного пересечения интересов между экономическими и неэкономическими стейкхолдерами промышленной политики и построена модель сбалансированной промышленной политики [4](Frolov, Kaminchenko, 2020). Учитывая пилотный характер проводимого исследования, в статистическом расчете использованы данные только части регионов России (субъекты Федерации, входящие в состав Центрального и Северо-Западного федеральных округов). Выборка показателей конкретных регионов для анализа неслучайна, так как, на наш взгляд, в случае изучения подвыборки (в рамках генеральной совокупности) целесообразнее сосредоточиться на географически близких регионах, входящих в целостную административно-территориальную систему (федеральный округ).

Результаты и обсуждение

Статистические данные для проведения корреляционного анализа представлены в таблицах 1 и 2.

Таблица 1. Политические и экономические показатели развития регионов Центрального федерального округа РФ

Название региона/Статистический показатель
Индекс промышленного производства по субъектам РФ (по состоянию на сентябрь 2021 года), в % к предыдущему месяцу*
Объем отгруженных товаров собственного производства, выполненных работ
и услуг собственными силами по субъектам РФ в 2021 году (по состоянию на сентябрь 2021 года), в млн.руб.**
Показатель главы региона в национальном рейтинге губернаторов российских регионов (по состоянию на сентябрь-октябрь 2021 года, составленный Центром информационных коммуникаций «Рейтинг»***
Белгородская область
101,7
1315
4
Брянская область
102,8
1007
12
Владимирская область
104,9
1410
16
Воронежская область
113,3
1862
5
Ивановская область
104,4
618
11
Калужская область
119,1
1304
6
Костромская область
86,7
341
13
Курская область
116,6
1089
7
Липецкая область
125,2
1336
14
Московская область
106,8
12048
3
Орловская область
110,7
588
18
Рязанская область
93,6
903
17
Смоленская область
93,8
994
15
Тамбовская область
122,1
388
8
Тверская область
107,7
883
10
Тульская область
105,0
2208
2
Ярославская область
129,8
1088
9
г. Москва
101,7
13803
1
*(по данным Федеральной службы государственной статистики России);

**(по данным Федеральной службы государственной статистики России);

***(используется ранговый показатель главы региона по отношению к показателям других глав регионов ЦФО, поэтому, исходя из общего числа субъектов ЦФО (18), ранговый показатель главы региона может варьироваться от 1 до 18).

Таблица 2. Политические и экономические показатели развития регионов Северо-Западного федерального округа РФ

Название региона/Статистический показатель
Индекс промышленного производства по субъектам РФ (по состоянию на сентябрь 2021 года), в % к предыдущему месяцу*
Объем отгруженных товаров собственного производства, выполненных работ
и услуг собственными силами по субъектам РФ в 2021 году (по состоянию на сентябрь 2021 года), в млн.руб.**
Показатель главы региона в национальном рейтинге губернаторов российских регионов (по состоянию на сентябрь-октябрь 2021 года, составленный Центром информационных коммуникаций «Рейтинг»***
Республика Карелия
96,1
308
11
Республика Коми
97,8
788
9
Архангельская область
112,2
501
8
Ненецкий авт.округ
106,6
53,2
10
Вологодская область
100
1026
3
Калининградская область
94,4
724
6
Ленинградская область
108,6
1849
1
Мурманская область
118,3
938
7
Новгородская область
100,7
336
5
Псковская область
97,9
546
4
г. Санкт-Петербург
102,7
6562
2
*(по данным Федеральной службы государственной статистики России);

**(по данным Федеральной службы государственной статистики России);

***(используется ранговый показатель главы региона по отношению к показателям других глав регионов СЗФО, поэтому, исходя из общего числа субъектов СЗФО (11), ранговый показатель главы региона может варьироваться от 1 до 11).

В работе используется корреляционный анализ Спирмена, позволяющий рассчитывать коэффициент ранговой корреляции, который, дает возможность устанавливать статистическую связь между ранговыми показателями. Данный коэффициент нечувствителен к серьезным выбросам данных и позволяет устанавливать наличие/отсутствие в том числе и нелинейной связи. Для проведения расчетов количественные показатели индексов промышленного производства и показатели объема отгруженных товаров собственного производства (экономические показатели) были переведены в ранговые значения. Рейтинговые значения глав регионов (политический показатель) уже изначально сформированы в ранговой шкале, поэтому никаких подобных преобразований не потребовали. Формула расчета коэффициента ранговой корреляции Спирмена,использованная работе, приведена ниже.

Где P – расчетное значение коэффициента корреляции Спирмена;

d- разница рангов значений исходных экономических и политического показателей по регионам России;

n – количество признаков (объем выборки) ранжированных объектов статистического анализа.

Повторимся, наличие или отсутствие корреляционной связи, на наш взгляд, будет являться свидетельством пересечения интересов экономических и неэкономических стейкхолдеров, поэтому в расчетах используются экономические и политический показатели. Причем, необходимо не просто установить наличие либо отсутствие корреляции между показателями, но, прежде всего – положительной корреляции. Результаты вычисления корреляционной связи между обозначенными показателями приведены в таблицах 3 и 4.

Таблица 3. Корреляционная связь политических и экономических показателей развития регионов Центрального федерального округа РФ (рассчитано авторами на основе данных Федеральной службы государственной статистики России и Центра информационных коммуникаций «Рейтинг»)

Политический показатель/экономический показатель
Индекс промышленного производства по субъектам РФ (по состоянию на сентябрь 2021 года)
Объем отгруженных товаров собственного производства, выполненных работ
и услуг собственными силами по субъектам РФ в 2021 году (по состоянию на сентябрь 2021 года)
Показатель главы региона в национальном рейтинге губернаторов российских регионов (по состоянию на сентябрь-октябрь текущего года), составленный Центром информационных коммуникаций «Рейтинг»

0,16

0,61

Таблица 4. Корреляционная связь политических и экономических показателей развития регионов Северо-Западного федерального округа РФ(рассчитано авторами на основе данных Федеральной службы государственной статистики России и Центра информационных коммуникаций «Рейтинг»)

Политический показатель/экономический показатель
Индекс промышленного производства по субъектам РФ (по состоянию на сентябрь 2021 года)
Объем отгруженных товаров собственного производства, выполненных работ
и услуг собственными силами по субъектам РФ в 2021 году (по состоянию на сентябрь 2021 года)
Показатель главы региона в национальном рейтинге губернаторов российских регионов (по состоянию на сентябрь-октябрь текущего года), составленный Центром информационных коммуникаций «Рейтинг»

0,18

0,75

Результаты проведенного статистического анализа позволяют сделать как минимум несколько заключений. Во-первых, применительно к регионам обоих федеральных округов (ЦФО и СЗФО) установлена положительная корреляционная связь между политическим показателем, с одной стороны, и каждым из двух экономических показателей (в отдельности) – с другой. Это позволяет сделать вывод о том, что на примере российских регионов двух федеральных округов выявлена положительная корреляционная связь между политическим рейтингом (составленным экспертами) главы региона и показателем промышленного производства, а также – показателем произведенной в регионе промышленной продукции: чем выше показатели развития промышленности в регионе, тем выше рейтинг главы субъекта Федерации. Наличие подобной взаимосвязи подтверждает идею о пересечении интересов основных экономических и неэкономических стейкхолдеров промышленной политики, взаимный и сбалансированный учёт которых позволит сформировать такую сетевую экосистему, которая позволит получать синергетические эффекты основным участникам промышленной политики в условиях цифровой трансформации экономики. Таким образом, на примере статистических показателей конкретных регионов России произведена апробация представленной ранее авторами исследования акторно-деятельностная модель согласования интересов экономических и неэкономических субъектов (стейкхолдеров) промышленной политики разных форм собственности и отраслевой принадлежности в условиях цифровой экономики, представленной в одной из предыдущих работ авторов) [4](Frolov, Kaminchenko, 2020).

Во-вторых, обращает на себя внимание степень корреляционной связи: в обоих случаях (на примере регионов ЦФО и СЗФО) (1)показатель объема отгруженных товаров собственного производства по субъектам РФ оказывает ощутимо большее влияние на степень влиятельности главы региона, чем (2)общий показатель индекса промышленного производства по субъектам Российской Федерации. Между первым из указанных экономических показателей и показателем рейтинга главы региона, как показывают расчёты, выявлена сильная корреляция(0,61 (по данным показателей регионов ЦФО) и 0,75 (по данным показателей регионов СЗФО), соответственно), а между вторым экономическим показателем и рейтингом главы региона – присутствует слабая корреляция(0,16 (по данным показателей регионов ЦФО) и 0,18 (по данным показателей регионов СЗФО), соответственно). Это свидетельствует о том, что именно показатель произведенной и отгруженной промышленной продукции и выполненных работ и услуг(собственными силами субъекта РФ) оказывает более существенное влияние на политический рейтинг руководителя региона, нежели общий показатель индекса промышленного производства.

Вместе с тем, необходимо признать, что сформулированные выводы требуют последующей верификации на примере показателей других регионов (расширения подвыборки исследования). Кроме того, использованные в работе показатели носят текущий характер и отражают политическую и экономическую ситуацию в конкретный момент времени (сентябрь-октябрь 2021 года). В этой связи, в дальнейшем целесообразно произвести аналогичные вычисления, но уже на примере общегодовых показателей. Использование разных по степени временного охвата показателей позволит сделать выводы о возможной специфике проявления закономерностей в пересечении интересов ключевых экономических и неэкономических субъектов промышленной политики, в частности, насколько стабильно проявляется та или иная закономерность на статистическом уровне.

Выводы

Цифровизация промышленности, обозначаемая термином «Индустрия 4.0», создает существенные возможности и риски для основных экономических и неэкономических субъектов промышленной политики. Для разработки, принятия и реализации эффективной и рациональной промышленной политики, имплементация которой может привести к получению предприятиями и регионами важнейших системных и синергетических эффектов, необходим сбалансированный учёт интересов всех ключевых стейкхолдеров. Для этого целесообразно разработать соответствующую модель, где были бы отражены различные пересечения постоянных, долго-, средне- и краткосрочных интересов субъектов промышленной политики. Подобная модель была представлена в одной из предыдущих работ авторов, а целью текущего исследования была апробация указанной модели на примере статистических показателей российских регионов с использованием политико-экономического подхода. В результате проведенного исследования установлено наличие статистической, корреляционной (положительной) связи между рейтингом руководителя региона, с одной стороны, и общим показателем промышленного производства (слабая корреляция), и показателем объема отгруженных товаров собственного, регионального производства, а также выполненных работ и услуг собственными силами по субъектам РФ (сильная корреляция) – с другой. Осуществленный анализ взаимосвязи политического и экономических показателей позволяет учитывать как экономическую, так и неэкономическую составляющие интересов основных субъектов промышленной политики, взаимосвязь которых отображена в акторно-деятельностной модели, представленной в одной из предыдущих авторских работ.


Источники:

1. Морозова Е.В., Мирошниченко И.В., Рябченко Н.А. Фронтир сетевого общества // Мировая экономика и международные отношения. – 2016. – № 2. – c. 83-97.
2. Мирошниченко И.В., Морозова Е.В. Трансформация политических институтов в пространстве сетевого фронтира // PolitBook. – 2016. – № 3. – c. 36-49.
3. Плотичкина Н.В., Довбыш Е.Г. Сетевой фронтир как метафора и миф // Вестник Российского университета дружбы народов. Серия: Социология. – 2017. – № 1. – c. 51-62. – doi: 10.22363/2313-2272-2017-17-1-51-62 .
4. Фролов В. Г., Каминченко Д.И. Модель согласования и реализации экономических интересов субъектов промышленной политики в условиях цифровой экономики // Креативная экономика. – 2020. – № 12. – c. 3411-3326. – doi: 10.18334/ce.14.12.111257.
5. Hallin A., Lindell E., Jonsson B., Uhlin A. Digital transformation and power relations. Interpretative repertoires of digitalization in the Swedish steel industry // Scandinavian Journal of Management. – 2022. – № 1. – p. 1-11. – doi: 10.1016/j.scaman.2021.101183.
6. Perelygina M., Kucukust D., Law R. Digital business model configurations in the travel industry // Tourism Management. – 2022. – p. 1-13. – doi: 10.1016/j.tourman.2021.104408.
7. Perno M., Hvam L., Haug A. Implementation of digital twins in the process industry: A systematic literature review of enablers and barriers // Computers in Industry. – 2022. – p. 1-16. – doi: 10.1016/j.compind.2021.103558.
8. Chirumalla K. Building digitally-enabled process innovation in the process industries: A dynamic capabilities approach // Technovation. – 2021. – p. 1-24. – doi: 10.1016/j.technovation.2021.102256.
9. Chinoracky R., Kurotova J.. Janoskova P. Measuring the impact of digital technologies on transport industry – macroeconomic perspective // Transportation Research Procedia. – 2021. – p. 434-441. – doi: 10.1016/j.trpro.2021.07.092.
10. Büchi G., Cugno M., Castagnoli R. Smart factory performance and Industry 4.0 // Technological Forecasting. – 2020. – p. 1-10. – doi: 10.1016/j.techfore.2019.119790.
11. Santos C., Mehrsai A., Barros A.C., Araújo M., Ares E. Towards Industry 4.0: an overview of European strategic roadmaps // Proceedings of the Manufacturing Engineering Society International Conference. – 2017. – p. 972-979. – doi: 0.1016/j.promfg.2017.09.093.
12. Куприяновский В.П., Синягов С.А., Намиот Д.Е., Уткин Н.А., Николаев Д.Е., Добрынин А.П. Трансформация промышленности в цифровой экономике - экосистема и жизненный цикл // International Journal of Open Information Technologies. – 2017. – № 1. – c. 34-49.
13. Куприяновский В.П., Синягов С.А., Намиот Д.Е., Уткин Н.А., Николаев Д.Е., Добрынин А.П. Трансформация промышленности в цифровой экономике - проектирование и производство // International Journal of Open Information Technologies. – 2017. – № 1. – c. 50-70.
14. «Промышленность 4.0» - цифровая автоматизация производства // Мясные технологии. – 2017. – № 2(1700. – c. 38-39.
15. Kolesnyk O., Bubeník Ing.P., Čapek J. Cloud platform for learning factories // Transportation Research Procedia. – 2021. – p. 561-567. – doi: 10.1016/j.trpro.2021.07.022.
16. Kumar R., Patil O., Nath S K., Rohilla K., Sangwan K.S. Machine Vision and Radio-Frequency Identification (RFID) based Real-Time Part Traceability in a Learning Factory // Procedia CIRP. – 2021. – p. 630-635. – doi: 10.1016/j.procir.2021.11.106.
17. Храмов Ю.В. Учебная фабрика как форма организации практико-ориентированной подготовки кадров для современного производства // Управление устойчивым развитием. – 2020. – № 2(27). – c. 43-48.
18. Baena F., Guarina A., Mora J., Sauza J., Retat S. Learning Factory: The Path to Industry 4.0 // Procedia Manufacturing. – 2017. – p. 73-80. – doi: 10.1016/j.promfg.2017.04.022.
19. Abele E., Metternich J., Tisch M., Chryssolouris G., Sihn W., ElMaraghy H., Hummele V., Ranz F. Learning Factories for research, education, and training // Procedia CIRP. – 2015. – p. 1-6. – doi: 10.1016/j.procir.2015.02.187.
20. Gabriel S., Grauthoff T., Joppen R., Kühn A., Dumitrescu R. Analyzing socio-technical risks in implementation of Industry 4.0-use cases // Procedia CIRP. – 2021. – p. 241-246. – doi: 10.1016/j.procir.2021.05.062.
21. Burger M., Kessler M., Arlinghaus J. Aiming for Industry 4.0 Maturity? The risk of higher digitalization levels in buyer-supplier relationships // Procedia CIRP. – 2021. – p. 1529-1534. – doi: 10.1016/j.procir.2021.11.258.
22. Zimmermann M., Rosca Eu., Antons O., Bendul Ju.C. Supply chain risks in times of Industry 4.0: Insights from German cases // IFAC-PapersOnLine. – 2019. – № 13. – p. 1755-1760. – doi: 10.1016/j.ifacol.2019.11.455.
23. Pereira T., Barreto L., Amaral A. Network and information security challenges within Industry 4.0 paradigm // Proceedings of the Manufacturing Engineering Society International Conference. – 2017. – p. 1253-1260. – doi: 10.1016/j.promfg.2017.09.047.
24. Нехорошева Л.Н. Изменение инновационного ландшафта в контексте формирования Индустрии 4.0.: новые угрозы и первоочередные задачи. / Глава в книге: Цифровая трансформация экономики и промышленности: проблемы и перспективы. - СПб.: Изд-во Политехн. ун-та, 2017. – 29-49 c.
25. Usländer T., Thomalla C. Risks Of Industrie 4.0 - An Information Technology Perspective // Proceedings of the 6th International Disaster and Risk Conference IDRC. Davos, Switzerland, 2016.
26. Hole G., Hole A., McFalone-Shaw Ia. Digitalization in pharmaceutical industry: What to focus on under the digital implementation process? // International Journal of Pharmaceutics. – 2021. – p. 1-11. – doi: 10.1016/j.ijpx.2021.100095.
27. Mastos Th.D.,Nizamis A.,Terzi S.,Gkortzis D.,Papadopoulos A.,Tsagkalidis N.,Ioannidis D.,Votis K.,Tzovaras D. Introducing an application of an industry 4.0 solution for circular supply chain management // Journal of Cleaner Production. – 2021. – p. 1-13. – doi: 10.1016/j.jclepro.2021.126886.
28. Ghadge A., Er Kara M., Moradlou H., Goswami M. The impact of Industry 4.0 implementation on supply chains // Journal of Manufacturing Technology Management. – 2019. – № 4. – p. 669-686. – doi: 10.1108/JMTM-10-2019-0368.
29. Bag S., Telukdarie A., Pretorius J.H.C., Gupta Sh. Industry 4.0 and supply chain sustainability: framework and future research directions // Benchmarking: An International Journal. – 2018. – № 5. – p. 1410-1450. – doi: 10.1108/BIJ-03-2018-0056.
30. Tjahjono B., Esplugues C., Ares E., Pelaez G. What does industry 4.0 meаn to supply chain // Proceedings of the Manufacturing Engineering Society International Conference: Vigo (Pontevedra). – 2017. – p. 1175-1182. – doi: 10.1016/j.promfg.2017.09.191.
31. Forcina A., Introna V., Silvestri A. Enabling technology for maintenance in a smart factory: A literature review // Procedia Computer Science. – 2021. – p. 430-435. – doi: 10.1016/j.procs.2021.01.259.
32. Silvestri L. CFD modeling in Industry 4.0: New perspectives for smart factories // Procedia Computer Science. – 2021. – p. 381-387. – doi: 10.1016/j.procs.2021.01.359.
33. Grube D., Malik A.A., Bilberg A. SMEs can touch Industry 4.0 in the Smart Learning Factory // Procedia Manufacturing. – 2019. – p. 219-224. – doi: 10.1016/j.promfg.2019.03.035.
34. Устинова Л.Н. Цифровые технологии в управлении промышленностью. / Глава в книге: Цифровая трансформация: образование, наука, общество. - М.: Издательство Центрального научно-исследовательского института русского жестового языка, 2019. – 104-120 c.
35. Thoben K-D., Wiesner S., Wuest Th. Industrie 4.0” and smart manufacturing – A review of research issues and application examples // International Journal of Automation Technology. – 2017. – № 1. – p. 4-19. – doi: 10.20965/ijat.2017.p0004.
36. Vuksanovic D., Ugarak J., Korcok D. Industry 4.0: the Future Concepts and New Visions of Factory of the Future Developmen // Sinteza 2016: International scientific conference on ict and e-business related research. 2016. – p. 293-298.– doi: 10.15308/Sinteza-2016-293-298.
37. Hozdic E. Smart factory for industry 4.0: A review // International Journal of Modern Manufacturing Technologies. – 2015. – № 1. – p. 28-35.
38. Бодрунов С.Д. Обновление российской экономической системы: политико-экономический аспект // Вопросы политической экономии. – 2015. – № 2. – c. 52-57.
39. Официальный сайт Федеральной службы государственной статистики России. [Электронный ресурс]. URL: https://rosstat.gov.ru (дата обращения: 27.11.2021).
40. Официальный сайт Центра информационных коммуникаций «Рейтинг». [Электронный ресурс]. URL: http://russia-rating.ru/info/category/gubernators/page/3 (дата обращения: 27.11.2021).

Страница обновлена: 05.09.2022 в 13:16:30