Апробация содержательной модели согласования интересов экономических субъектов промышленной политики добывающей и обрабатывающей отраслей 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

Вопросы инновационной экономики (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 11, Номер 4 (Октябрь-декабрь 2021)

Цитировать эту статью:

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=48125324
Цитирований: 6 по состоянию на 07.12.2023

Аннотация:
Анализ возможностей и рисков промышленного производства, возникающих в условиях цифровизации экономики, по-прежнему остается крайне актуальной исследовательской задачей для научного сообщества. Особое внимание целесообразно уделить необходимости разработки сбалансированной модели промышленной политики, в которой учитываются интересы всех экономических и неэкономических стейкхолдеров промышленной политики. Формирование и внедрение подобной модели позволит промышленным предприятиям различных отраслей и форм собственности получать положительные системные и синергетические эффекты. Цель данного исследования заключается в верификации и апробации предложенной авторами ранее модели согласования интересов экономических субъектов промышленной политики разных форм собственности и отраслевой принадлежности в условиях цифровой экономики. В качестве основных эмпирических методов использованы корреляционный и сравнительный анализы. Эмпирическую базу исследования составили региональные показатели развития промышленного производства в России (добывающей и обрабатывающей отраслей), отвечающие за реализацию ключевых интересов экономических субъектов, которые включены в представленную авторами ранее модель. По итогам проведенного исследования удалось установить взаимное пересечение обозначенных в модели интересов экономических субъектов промышленной политики. Результаты работы могут быть в дальнейшем использованы как в научном сообществе, так и при разработке, принятии и реализации программ развития промышленности органами государственной власти.

Ключевые слова: промышленная политика, цифровая трансформация экономики, цифровизация, системные эффекты, синергетические эффекты, добывающая промышленность, обрабатывающая промышленность, стейкхолдеры

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

JEL-классификация: O25, O14, O31, O33



Введение

Четвертая промышленная революция, подразумевающая под собой активное распространение и внедрение в процессы промышленного производства цифровых технологий (нередко описываемое в современной экономической науке емким термином «Индустрия 4.0»), открывает существенные возможности для повышения показателей эффективности работы промышленных предприятий различных форм собственности и отраслевой принадлежности. Цифровизация промышленности создает условия для роста добавленной стоимости производимой продукции (изменяя ее структуру, укрепляя в ней долю инновационной составляющей), повышения показателей рентабельности производства, повышения конкурентоспособности предприятий и роста производительности труда работников предприятий. Интенсивное внедрение в процессы промышленного производства технологий Индустрии 4.0 подразумевает кастомизацию производимой продукции и использование больших данных на протяжении всего жизненного цикла произведенной продукции.

Обозначенные выше эффекты промышленного производства носят как системный, так и синергетический характер, а их достижение требует инновационного подхода к проведению всей промышленной политики на уровне государства и его регионов. Для этого необходимо разработать и реализовать такую модель промышленной политики, в которой были бы отражены интересы всех основных экономических и неэкономических субъектов (стейкхолдеров) промышленной политики. Проведение подобной промышленной политики позволит создать современную сетевую экосистему, частью которой станут различные стейкхолдеры промышленной политики (как экономические, (например, промышленные предприятия разной отраслевой принадлежности и форм собственности), так и неэкономические (например, органы федеральной, региональной и муниципальной власти), а ее гармоничное функционирование позволит добиваться системных и синергетических эффектов как крупными, так средними и малыми предприятиями промышленности.

Все это свидетельствует об актуальности такой научно-исследовательской задачи, как разработка эффективной модели согласования интересов различных стейкхолдеров промышленной политики разных форм собственности и отраслевой принадлежности в условиях цифровизации экономики. В одной из предыдущих работ авторами исследования была предпринята попытка разработки подобной модели [1] (Frolov, Kaminchenko, 2020). Авторы представили две модели согласования интересов экономических и неэкономических субъектов промышленной политики – акторно-деятельностную и содержательную. В содержательной модели авторами представлены конкретные интересы экономических и неэкономических стейкхолдеров промышленной политики, сбалансированный учет пересечения которых является ключевым условием для разработки и реализации эффективной промышленной политики, позволяющей добиваться предприятиям различных отраслей и форм собственности системных и синергетических эффектов в условиях цифровизации экономики.

Основной целью проводимого исследования является верификация и апробация предложенной содержательной модели с точки зрения определения наличия или отсутствия между структурными компонентами представленной модели взаимосвязи и взаимных пересечений на статистическом уровне. Причем в данной работе основное внимание сконцентрировано на пересечении интересов экономических стейкхолдеров промышленной политики разного уровня и отраслевой принадлежности на примере двух отраслей российской промышленности – добывающей и обрабатывающей. Поэтому главная задача проводимого исследования состоит в том, чтобы установить наличие/отсутствие взаимосвязи между представленными в модели интересами экономических субъектов промышленной политики. Для выполнения поставленной задачи выполняется анализ ключевых показателей развития добывающей и обрабатывающей отраслей России (на примере ряда регионов), являющихся проекцией реализации обозначенных в модели интересов экономических стейкхолдеров (в частности, таких интересов, как экономическая эффективность предприятия, соблюдение целевых показателей риска и доходности, достижение целевых результатов, повышение репутации и создание прочих нематериальных активов и т.д.). О реализации и взаимном влиянии друг на друга указанных интересов могут свидетельствовать такие показатели промышленного производства, как объем отгруженных товаров производства, рентабельность активов организаций, рентабельность проданных товаров, продукции (работ, услуг). Наличие статистической взаимосвязи между данными показателями всех предприятий конкретной региональной принадлежности внутри двух отраслей (в отдельности) позволит предположить и о наличии взаимного пересечения конкретных интересов (представленных в модели) между данными предприятиями внутри двух рассматриваемых отраслей (в условиях современной цифровой экономики).

Теоретические основания

В последние несколько лет в научном сообществе наблюдается повышенный интерес к изучению процессов, связанных с цифровой трансформацией промышленности [2–23] (Hallin, Lindell, Jonsson, Uhlin, 2022; Perelygina, Kucukust, Law, 2022; Perno, Hvam, Haug, 2022;Kolesnyk, Bubeník, Čapek, 2021; Kumar, Patil, NathS, Rohilla, Sangwan, 2021; Chirumalla, 2021; Chinoracky, Kurotova.Janoskova, 2021; Gabriel, Grauthoff, Joppen, Kühn, Dumitrescu, 2021; Burger, Kessler, Arlinghaus, 2021; Hole, Hole, McFalone-Shaw, 2021; Mastos, Nizamis, Terzi, Gkortzis, Papadopoulos, Tsagkalidis, Ioannidis, Votis, Tzovaras, 2021; Forcina, Introna, Silvestri, 2021; Silvestri, 2021; Estensoro, Larrea, Müller, Sisti, 2021; Castagnoli, Büchi, Coeurderoy, Cugno, 2021; DiBona, Cesarotti, Arcese, Gallo, 2021; Büchi, Cugno, Castagnoli, 2020; Khramov, 2020; Ghadge, ErKara, Moradlou, Goswami, 2020; Zimmermann, Rosca, Antons, Bendul, 2019; Grube, Malik, Bilberg, 2019; Ustinova, 2019). Учеными рассматриваются разные аспекты развития промышленного производства в условиях интенсивного распространения технологий «Индустрия 4.0».

Р. Кастаньоли, Дж. Бучи, Р. Кудерой и М. Куньо в своей работе «Эволюция Индустрии 4.0 и международный бизнес: комплексный обзор литературы и исследовательская повестка дня» осуществляют широкий обзор научно-исследовательской литературы по теме взаимосвязи международного бизнеса и феномена Индустрии 4.0, опубликованной в период с 2011 по 2020 г. Они делают вывод о том, что Индустрия 4.0 изменяет определенные области в сфере международной конкурентоспособности и организации, а международный бизнес влияет на выбор и возможности внедрения технологий Индустрии 4.0. Они также обращают внимание на необходимость дальнейшей научной рефлексии данной области исследований (взаимосвязи международного бизнеса и Индустрии 4.0) [16] (Castagnoli, Büchi, Coeurderoy, Cugno, 2021).

К. Чирумэлла в одной из своих недавних работ формулирует два важнейших научно-исследовательских вопроса: (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, с. 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 и взвешенным балансом IT-инфраструктуры, ресурсов, рабочих процессов, культуры и компетенций [p. 21] (Chirumalla, 2021, p.21).

В работе М. Эстенсоро, М. Ларреа, Ю.М. Мюллер и Э. Систи обращается внимание на то, что важнейшей задачей развития промышленности в условиях цифровизации экономики является интеграция малых и средних предприятий, так как именно они играют значительную роль в функционировании производственных цепочек создания добавленной стоимости (в условиях их цифровизации на всем пути от поставщиков до конечных потребителей). Вместе с тем, по мнению ученых, по-прежнему неизвестно, как именно необходимо внедрять технологии Индустрии 4.0 в деятельность малых и средних предприятий. Поэтому в указанной работе учеными дается комплексный и всесторонний обзор этапов развития малых и средних предприятий в направлении цифровизации производства и использования ими технологий Индустрии 4.0, который будет полезен самим предприятиям для качественной оценки своего текущего состояния и принятия активных шагов в направлении внедрения и реализации цифровых технологий [15, с. 15] (Estensoro, Larrea, Müller, Sisti, 2021, p.15).

Вместе с тем важнейшую роль при формировании сетевой экосистемы, функционирование которой позволит предприятиям достигать положительных системных и синергетических эффектов, играет учет необходимости эффективной кооперации как между экономическими субъектами промышленной политики (крупные, средние, малые предприятия), так – и неэкономическими стейкхолдерами. В этой связи особую актуальность приобретает задача разработки сбалансированной модели согласования интересов различных стейкхолдеров промышленной политики разных форм собственности и отраслевой принадлежности в условиях распространения технологий Индустрии 4.0. Как уже отмечалось, авторами в одной из работ была представлена подобная модель [1] (Frolov, Kaminchenko, 2020), а в данном исследовании необходимо провести верификацию и апробацию представленной модели через призму пересечения интересов экономических стейкхолдеров промышленной политики на примере нескольких отраслей российской промышленности (добывающей и обрабатывающей).

Методология

Выбор основного эмпирического метода обусловлен поставленной в работе целью – апробация представленной ранее содержательной модели согласования интересов различных субъектов промышленной политики. Для апробирования указанной модели необходимо выявить наличие взаимопересекающихся интересов между промышленными предприятиями различной отраслевой принадлежности, сбалансированный учет которых необходим для разработки эффективной модели промышленной политики. Для выполнения обозначенной задачи необходимо установить наличие/отсутствие статистической корреляции между ключевыми показателями работы предприятий разных отраслей промышленности в целом (являющихся экономическими субъектами промышленной политики, которые указаны в представленной ранее модели (например, крупные корпоративные объединения промышленности, предприятия – региональные лидеры промышленности и средние и малые предприятия промышленности), поэтому в качестве главного эмпирического метода используется корреляционный анализ Спирмена. При помощи данного метода рассчитывается коэффициент ранговой корреляции (в данном исследовании – между статистическим показателями развития разных отраслей промышленности за отчетный период времени). Обозначенный коэффициент не чувствителен к выбросам данных и позволяет выявить наличие статистической связи нелинейного характера. Формула расчета коэффициента ранговой корреляции Спирмена, применяемая в исследовании, указана ниже.

,

где P – расчетное значение коэффициента корреляции Спирмена;

d – разница рангов значений исходных экономических показателей по регионам России;

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

Корпус ключевых показателей промышленного производства по двум отраслям (добывающая и обрабатывающая) в данном исследовании составили следующие показатели:

  • Объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами по видам экономической деятельности.
  • Рентабельность активов организаций из двух обозначенных отраслей.
  • Рентабельность проданных товаров, продукции (работ, услуг) организаций из двух указанных отраслей.
  • Обозначенные выше показатели являются важнейшими индикаторами развития промышленного производства Они же являются и показателями степени реализации своих интересов экономическими стейкхолдерами промышленной политики, которые обозначены в представленной авторами ранее модели согласованной промышленной политики в условиях Индустрии 4.0, например, таких как экономическая эффективность предприятия, соблюдение целевых показателей риска и доходности, достижение целевых результатов, повышение репутации и создание прочих нематериальных активов и т.д. Поэтому именно установление наличия/отсутствия статистической взаимосвязи между выделенными для проведения научного анализа данными является надежным инструментом для подтверждения идеи о пересечении интересов экономических стейкхолдеров и, следовательно, валидным инструментом для верификации и апробации представленной авторами ранее модели (что и является целью работы).

    Статистические данные по указанным индикаторам опубликованы Федеральной службой государственной статистики [24] (Federal State Statistics Service, 2021). Ввиду того, что проводимое исследование носит пилотный характер, в статистических расчетах коэффициента ранговой корреляции использованы данные предприятий добывающей и обрабатывающей отраслей промышленности только по ряду регионов России. По нашему мнению, в вопросе выборки регионов для исследования целесообразнее отталкиваться от их географической близости, поэтому было решено сосредоточиться на географически близких регионах, входящих в целостную административно-территориальную систему (федеральный округ). В этой связи для проведения статистического анализа использованы данные предприятий добывающей и обрабатывающей промышленности субъектов России, входящих в Центральный федеральный округ РФ. В работе использованы статистические данные по трем выбранным показателям развития промышленного производства за 2019 год.

    Результаты и обсуждение

    Эмпирические данные для проведения корреляционного анализа представлены в таблицах 1, 2.

    Таблица 1

    Экономические показатели развития добывающей промышленности в регионах Центрального федерального округа РФ* в 2019 году

    Название региона/Статистический показатель
    Объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами по видам экономической деятельности в обрабатывающей отрасли в 2019 году(в фактически действовавших ценах; млн руб.)**
    Рентабельность активов организаций обрабатывающих производств в 2019 году, в %***
    Рентабельность проданных товаров, продукции (работ, услуг) организаций обрабатывающих производств в 2019 году, в %****
    Белгородская область
    178390
    39
    148,7
    Брянская область
    338
    11,2
    27,9
    Владимирская область
    5426
    -1,5
    -1
    Воронежская область
    9027
    20,1
    45,9
    Ивановская область
    1238
    17,3
    8,6
    Калужская область
    3713
    1,7
    3,6
    Костромская область
    1022
    12
    5,5
    Курская область
    105885
    30,3
    102,5
    Липецкая область
    7732
    14,9
    16,8
    Московская область
    15399
    3,2
    33,7
    Орловская область
    280
    -1,1
    -25,3
    Рязанская область
    1572
    -0,8
    -2,3
    Смоленская область
    1619
    -14,4
    -9,1
    Тверская область
    759
    -3,4
    -36,8
    Тульская область
    7570
    0
    6,4
    Ярославская область
    1892
    0,7
    7,6
    *за исключением города Москвы и Тамбовской области (данные по указанным регионам за отчетный период времени отсутствуют)

    (по данным Федеральной службы государственной статистики России);

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

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

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

    Источник: Федеральная служба государственной статистики России, последние отчетные данные.

    Таблица 2

    Экономические показатели развития обрабатывающей промышленности в регионах Центрального федерального округа РФ в 2019 году

    Название региона/Статистический показатель
    Объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами по видам экономической деятельности в обрабатывающей отрасли в 2019 году(в фактически действовавших ценах; млн руб.)*
    Рентабельность активов организаций обрабатывающих производств в 2019 году, в %**
    Рентабельность проданных товаров, продукции (работ, услуг) организаций обрабатывающих производств в 2019 году, в %***
    Белгородская область
    722700
    5,8
    5,4
    Брянская область
    253662
    1,5
    8,7
    Владимирская область
    491830
    11
    14,8
    Воронежская область
    505913
    2,9
    8
    Ивановская область
    158112
    0,1
    5,4
    Калужская область
    882806
    8,2
    4,4
    Костромская область
    143963
    10
    10,8
    Курская область
    197466
    4,7
    7
    Липецкая область
    683022
    14,3
    13,6
    Московская область
    3014481
    7,8
    10,8
    Орловская область
    117839
    9,4
    10,1
    Рязанская область
    326074
    8,4
    14,4
    Смоленская область
    209664
    2,8
    6,6
    Тамбовская область
    172108
    4,8
    7
    Тверская область
    344052
    7,7
    8,5
    Тульская область
    740950
    5,7
    14,3
    Ярославская область
    395894
    5,1
    13,1
    г. Москва
    7249902
    3,8
    10,8
    *(по данным Федеральной службы государственной статистики России);

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

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

    Источник: Федеральная служба государственной статистики России, последние отчетные данные.

    Ввиду того, что в работе измеряется непараметрический показатель корреляции Спирмена, все исходные данные переведены в порядковую шкалу. Логика проведения расчетов в исследовании заключается в том, что, если между выбранными показателями (являющимися индикаторами степени реализации представленных в модели промышленной политики интересов), отражающими результаты деятельности всех промышленных предприятий внутри каждой из двух рассматриваемых отраслей промышленного производства (добывающей и обрабатывающей), присутствует положительная корреляционная связь, можно утверждать о пересечении и сбалансированности интересов предприятий (субъектов промышленной политики) и, как результат – о верификациии апробации представленной ранее модели согласованной промышленной политики, учитывающей интересы экономических стейкхолдеров промышленной политики разной отраслевой принадлежности. Результаты вычисления корреляционной связи между обозначенными показателями приведены в таблицах 3, 4.

    Таблица 3

    Корреляционная связь между отдельными экономическими показателями развития добывающей промышленности в регионах Центрального федерального округа РФ* в 2019 году

    Экономические показатели
    Объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами
    Рентабельность активов организаций
    Рентабельность проданных товаров, продукции (работ, услуг) организаций
    Объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами

    -
    0,52
    0,70
    Рентабельность активов организаций
    0,52
    -
    0,89
    Рентабельность проданных товаров, продукции (работ, услуг) организаций
    0,70
    0,89

    -
    *за исключением города Москвы и Тамбовской области (данные по указанным регионам за отчетный период времени отсутствуют)

    Источник: составлено авторами на основе последних данных Федеральной службы государственной статистики России.

    Таблица 4

    Корреляционная связь между отдельными экономическими показателями развития обрабатывающей промышленности в регионах Центрального федерального округа РФ в 2019 году

    Экономические показатели
    Объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами
    Рентабельность активов организаций
    Рентабельность проданных товаров, продукции (работ, услуг) организаций
    Объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами
    -
    0,11
    0,19
    Рентабельность активов организаций
    0,11
    -
    0,52
    Рентабельность проданных товаров, продукции (работ, услуг) организаций
    0,19
    0,52
    -
    Источник: составлено авторами на основе последних данных Федеральной службы государственной статистики России.

    Проведенные расчеты позволяют сделать ряд выводов. Во-первых, применительно к предприятиям добывающей отрасли промышленного производства наблюдается положительная корреляционная связь между всеми тремя задействованными показателями между собой: объемом отгруженных товаров собственного производства, выполненных работ и услуг собственными силами, рентабельностью активов организаций и рентабельностью проданных товаров, продукции (работ, услуг). Повторимся, выбранные показатели являются проекцией реализации различными промышленными предприятиями ряда своих интересов, среди которых экономическая эффективность предприятия, соблюдение целевых показателей риска и доходности, достижение целевых результатов, повышение репутации и создание прочих нематериальных активов. Если мы наблюдаем положительную корреляционную взаимосвязь между рассчитываемыми показателями, то допустимо говорить и о пересечении (и сбалансированности) обозначенных интересов внутри конкретной отрасли.

    Вместе с тем обращает на себя внимание, что сила корреляционной связи между разными показателями развития предприятий добывающих отраслей промышленности различается. Например, корреляции сильнее между показателями рентабельности активов организаций и рентабельности проданных товаров, продукции (работ, услуг) организаций (0,89), а также – между показателями рентабельности проданных товаров, продукции (работ, услуг) организаций и объемом отгруженных товаров собственного производства, выполненных работ и услуг собственными силами (внутри региона) – 0,70. Между показателями рентабельности активов организаций и объема отгруженных товаров собственного производства, выполненных работ и услуг собственными силами наблюдается средняя корреляция (0,52).

    Во-вторых, по результатам расчета статистической связи между показателями предприятий обрабатывающей промышленности также наблюдается положительная корреляционная связь, что также свидетельствует о пересечении (и сбалансированности) интересов экономических субъектов промышленной политики внутри данной отрасли. Наиболее высокий показатель корреляции наблюдается между показателями рентабельности активов организаций и рентабельности проданных товаров, продукции (работ, услуг) организаций – 0,52 (корреляция средней силы). Между показателями рентабельности проданных товаров, продукции (работ, услуг) организаций и объемом отгруженных товаров собственного производства, выполненных работ и услуг собственными силами (внутри региона), а также между показателями рентабельности активов организаций и объема отгруженных товаров собственного производства, выполненных работ и услуг собственными силами выявлена слабая корреляция – 0,19 и 0,11, соответственно.

    Степень корреляции между различными показателями может свидетельствовать как о степени значимости отдельных показателей в качестве маркеров пересечения интересов субъектов промышленной политики, так и о степени сбалансированности конкретных интересов экономических стейкхолдеров, за проявление и реализацию которых и отвечают определенные экономические показатели. Например, чем сильнее корреляция между определенными экономическим показателями, тем теснее переплетаются конкретные интересы (представленные этими показателями) экономических субъектов, тем, возможно, более эффективно и рационально (сбалансированно) учтены эти интересы в проводимой экономическими стейкхолдерами промышленной политике.

    Исходя из этого, необходимо подчеркнуть, что более сильную корреляционную связь между изученными показателями удалось установить именно в добывающей промышленной отрасли, что позволяет сделать вывод о том, что в промышленной политике, реализуемой внутри указанной отрасли, наблюдается более эффективный учет тесно переплетаемых интересов различных предприятий. При этом между обозначенными показателями обрабатывающей отрасли сильная корреляционная связь отсутствует. Полученные результаты подтверждают ситуацию благоприятствования свободного притока инвестиций в добывающие отрасли и сохранение проблемы перераспределения инвестиций в отраслевой структуре в инновационные высокотехнологичные производства обрабатывающих отраслей.

    Впрочем, некоторые выводы требуют последующей верификации с использованием и других данных, а также, возможно – другой выборки. Вместе с тем полагаем, что в проведенном исследовании удалось осуществить частичную (так как анализировались интересы исключительно экономических стейкхолдеров промышленной политики) верификацию и апробацию представленной ранее содержательной модели согласования интересов экономических субъектов промышленной политики разных форм собственности и отраслевой принадлежности в условиях цифровой экономики.

    Заключение

    Цифровизация экономики создает для промышленных предприятий разных отраслей и форм собственности важнейшие условия для качественного повышения показателей промышленного производства. Разработка и реализации на практике эффективной модели промышленной политики позволит промышленным предприятиям получать положительные системные и синергетические эффекты. Вместе с тем получение подобных эффектов возможно в случае формирования такой сетевой экосистемы, в которой будут сбалансированно учтены интересы экономических и неэкономических стейкхолдеров промышленности. Поэтому задача выработки модели согласования и сбалансированного учета интересов всех экономических и неэкономических субъектов промышленной политики является крайне актуальной для научного сообщества. В данном исследовании на примере двух отраслей промышленности (добывающей и обрабатывающей) проведена верификация и апробация предложенной ранее содержательной модели согласования интересов экономических субъектов промышленной политики разных форм собственности и отраслевой принадлежности в условиях цифровой экономики с точки зрения взаимосвязи и взаимных пересечений интересов экономических субъектов. Это стало возможным благодаря проведению статистического (корреляционного) анализа ключевых показателей промышленного производства, свидетельствующих о реализации определенных интересов экономических субъектов промышленной политики. В дальнейшем возможно тестирование данной модели с использованием показателей, отвечающих за реализацию конкретных интересов не только экономических, но и не экономических стейкхолдеров промышленной политики.


    Источники:

    1. 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.
    2. 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.
    3. 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.
    4. Perno M., Hvam L., HaugA. 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.
    5. KolesnykO., BubeníkIng.P., ČapekJ. Cloud platform for learning factories // Transportation Research Procedia. – 2021. – p. 561-567. – doi: 10.1016/j.trpro.2021.07.022.
    6. 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.
    7. 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.
    8. Chinoracky R., KurotovaJ..Janoskova P. Measuring the impact of digital technologies on transport industry – macroeconomic perspective // Transportation. – 2021. – p. 434-441. – doi: 10.1016/j.trpro.2021.07.092.
    9. 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.
    10. 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.
    11. 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.
    12. Mastos Th. D., Nizamis A., TerziS., 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.
    13. Forcina A., Introna V., SilvestriA. 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.
    14. 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.
    15. Estensoro M., Larrea M., Müller J.M., Sisti E. A resource-based view on SMEs regarding the transition to more sophisticated stages of industry 4.0 // European Management Journal. – 2021. – № 6. – p. 1-15. – doi: 10.1016/j.emj.2021.10.001.
    16. Castagnoli R., Büchi G., Coeurderoy R., Cugno M. Evolution of industry 4.0 and international business: A systematic literature review and a research agenda // European Management Journal. – 2021. – № 6. – p. 1-18. – doi: 10.1016/j.emj.2021.09.002.
    17. Di Bona G., Cesarotti V., Arcese G., Gallo T. Implementation of Industry 4.0 technology: New opportunities and challenges for maintenance strategy // Procedia Computer Science. – 2021. – p. 424-429. – doi: 10.1016/j.procs.2021.01.258.
    18. BüchiG., Cugno M., Castagnoli R. Smart factory performance and Industry 4.0 // Technological Forecasting. – 2020. – p. 1-10. – doi: 10.1016/j.techfore.2019.119790.
    19. Храмов Ю.В. Учебная фабрика как форма организации практико-ориентированной подготовки кадров для современного производства // Управление устойчивым развитием. – 2020. – № 2(27). – c. 43-48.
    20. Ghadge A., Er 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.
    21. Zimmermann M., RoscaEu., Antons O., BendulJu.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.
    22. 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.
    23. 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.
    24. Официальный сайт Федеральной службы государственной статистики России. [Электронный ресурс]. URL: https://gks.ru/bgd/regl/b20_14p/Main.htm (дата обращения: 27.11.2021).

    Страница обновлена: 26.11.2024 в 12:58:25