Безопасность обрабатывающих производств Владимирской области в экономико-инновационном аспекте

Лапаев Д.Н.1, Лапаева О.Н.1, Поташник Я.С.1
1 Нижегородский государственный технический университет им. Р.Е. Алексеева, Россия, Нижний Новгород

 Скачать PDF | Загрузок: 4

Статья в журнале

Экономика, предпринимательство и право (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 13, Номер 8 (Август 2023)

Цитировать:
Лапаев Д.Н., Лапаева О.Н., Поташник Я.С. Безопасность обрабатывающих производств Владимирской области в экономико-инновационном аспекте // Экономика, предпринимательство и право. – 2023. – Том 13. – № 8. – С. 3005-3018. – doi: 10.18334/epp.13.8.118743.

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=54604816

Аннотация:
В работе поставлена и решена актуальная задача многопроекционного компаративного анализа экономической безопасности обрабатывающих производств Владимирской области за 2020 и 2021 года на основе статистической информация. Рассмотрены три профильные проекции: эффективности деятельности, финансов, а также инноваций и промышленной безопасности. При проведении межотраслевых сопоставлений использован классический принцип Парето и базирующийся на нем авторский инструментарий многокритериального и многопроекционного выбора. По результатам расчетов установлено существенное расслоение обрабатывающих производств региона. Наиболее защищенное состояние на протяжении двух лет имеет производство резиновых и пластмассовых изделий. Однако по выпуску продукции оно занимает срединное положение, переходя с ухудшением с пятого места на шестое. Более весомые производство пищевых продуктов (первое место), а также производство готовых металлических изделий, кроме машин и оборудования (2–3 место), в кластерной структуре расположились в конце списка. При использовании более длинных временных рядов и выполнении прогноза надлежащего качества результаты многопроекционной оптимизации могут быть востребованы для выработки стратегий развития обрабатывающих производств региона и формирования комплекса мер их поддержки.

Ключевые слова: экономическая безопасность, промышленное производство, отрасль, инновационная деятельность, принцип Парето, многопроекционный выбор

JEL-классификация: R11, R12, R13, R58

Похожие статьи:

   Методологические подходы к определению рейтинга экономико-инновационного развития промышленных предприятий региона (Яшин С.Н., Борисов С.А.) // Вопросы инновационной экономики. № 2 / 2020

  Оценка налогового потенциала легкой промышленности Владимирской области и модель комплексного налогообложения (Снегирева Т.К.) // Экономические отношения. № 4 / 2019

Введение

Возросшая неопределенность внешней среды, вызванная политическими противоречиями, ковидными ограничениями, полномасштабной цифровизацией экономики и социальной сферы и иными причинами, безусловно, сказывается на многоуровневой экономической безопасности России. Это в полной мере относится к занимающему срединное положение специфичному мезоуровню, представленному регионами и отраслями. Теория, методология, научно-методический аппарат и практика региональной экономической безопасности достаточно подробно изложена в профильной литературе [2] (Alenkova, Lapaeva, 2023), [9] (Lapaev, 2023), [24] и др., тогда как отраслевой аспект представлен пока недостаточно широко. Вместе с тем экономическая безопасность промышленно развитых регионов России во многом детерминируется защищенным функционированием и развитием промышленного производства и, в частности, обрабатывающего сегмента, обладающего значительным инновационным потенциалом. Указанное обстоятельство обусловливает актуальность и своевременность заявленной темы.

Принятию научно обоснованных управленческих решений по усилению экономической безопасности традиционно предшествует компаративный анализ, позволяющий надежно оценить дифференциацию сравниваемых систем (вариантов, альтернатив), выявить лидеров и аутсайдеров [24]. В силу сложности происходящих явлений и процессов такой анализ должен носить всеобъемлющий, комплексный характер и осуществляться в динамике в многокритериальной и многопроекционной постановке.

Гипотеза исследования

заключается в том, что авторские научные разработки в сфере многопроекционного выбора [17] (Lapaeva, 2017) целесообразно использовать для анализа экономической безопасности обрабатывающих видов экономической деятельности на мезоуровне.

Цель статьи

состоит в проведении сравнительного анализа экономической безопасности обрабатывающих производств Владимирской области по совокупности проекций на основе официальной статистической информации.

Методология исследования

В работе использовались следующие методы: анализ, синтез, сравнение, абстрагирование, конкретизация, формализация, идеализация, аналогия, моделирование, метод экспертных оценок и табличный метод. Работа выполнена в русле системного подхода. При осуществлении компаративного анализа задействован классический принцип Парето [19–21] (Pareto, 2007, 2017, 2017) и основанные на нем методики многокритериальной и многопроекционной оптимизации [5], [10–12] (Lapaev, 2010, 2016, 2016), [13] (Lapaev, Lapaeva, 2015), [14] (Lapaeva, Shiryaev, 2019), [15–16] (Lapaeva, 2015, 2018), [23].

Исходные данные

Исследование охватывает 2020 и 2021 года. Первичная информация получена из статистического сборника [1] и сведена в таблицу 1. Выбор объекта анализа продиктован доминирующей (более 90%) долей обрабатывающих производств в общей структуре промышленности Владимирской области. Аналогично осуществлена селекция десяти рассматриваемых альтернатив. К ним отнесены: производство пищевых продуктов (1), производство химических веществ и химических продуктов (2), производство лекарственных средств и материалов, применяемых в медицинских целях (3), производство резиновых и пластмассовых изделий (4), производство прочей неметаллической минеральной продукции (5), производство готовых металлических изделий, кроме машин и оборудования (6), производство компьютеров, электронных и оптических изделий (7), производство электрического оборудования (8), производство машин и оборудования, не включенных в другие группировки (9), производство мебели (10).

См. также:

   Методологические подходы к определению рейтинга экономико-инновационного развития промышленных предприятий региона (Яшин С.Н., Борисов С.А.) // Вопросы инновационной экономики. № 2 / 2020

  Оценка налогового потенциала легкой промышленности Владимирской области и модель комплексного налогообложения (Снегирева Т.К.) // Экономические отношения. № 4 / 2019

Согласно [3] (Vechkasava, 2022), [4], [6] (Klimenkova, 2022), [7] (Kuznetsova, Lapaev, 2023), [8] (Kushbokova, Kushbokov, Kushbokov, 2022), [18], [22] (Popova, 2022) при анализе безопасности промышленной сферы ограничимся экономико-инновационным аспектом, раскрываемым тремя профильными проекциями. Проекция эффективности деятельности содержит три коэффициента: К1 – производительность труда; К2 – удельный вес безубыточных организаций; К3 – индекс производства. Проекция позволяет оценить экономическую безопасность с позиции достигнутого уровня производительности труда, совокупной доли прибыльных производств, а также динамики объёма промышленного производства.

Проекция финансов также объединяет три классических коэффициента: К4 – рентабельность проданных товаров, продукции (работ, услуг); К5 – коэффициент текущей ликвидности; К6 – коэффициент автономии.

Проекция инноваций и безопасности включает два базовых показателя инновационной сферы – долю инновационной продукции в общем объеме отгруженной продукции (К7) и интенсивность затрат на технологические инновации (К8), а также критичную для промышленного производства долю численности работников, занятых на работах с вредными и (или) опасными условиями труда (К9).

Показатель К1 измеряется в млн руб. на человека, а остальные показатели – в процентах. Показатели К1–К8 подлежат максимизации, а последний – минимизации.

Таблица 1

Экономические показатели обрабатывающих производств в динамике по годам

Номера
отраслей
2020 г.
К1
К2
К3
К4
К5
К6
К7
К8
К9
1
12,5
75,9
112,0
12,1
147,7
47,4
0,01
0,01
41,5
2
13,32
89,9
108,0
19,8
226,6
64,5
1,9
0,12
31,2
3
22,64
81,8
81,6
109,1
217,1
56,3
58,4
0,01
41,4
4
12,61
86,7
121,7
16,9
357,2
74,1
2,0
3,8
29,8
5
5,1
57,7
100,8
17,8
118,4
13,9
0,8
0,12
49,3
6
3,89
56,5
94,3
10,3
127,9
30,9
1,3
1,12
29,9
7
1,56
75,0
66,2
7,5
137,4
26,0
9,2
1,12
22,8
8
5,85
50,0
104,6
16,3
166,2
49,5
0,6
1,49
44,8
9
3,95
57,1
183,4
-0,3
110,1
26,1
6,2
0,5
31,2
10
3,83
60,0
162,3
1,8
100,1
16,0
0,01
0,04
16,0
Номера
отраслей
2021 г.
К1
К2
К3
К4
К5
К6
К7
К8
К9
1
13,55
85,2
104,9
10,1
148,2
43,3
0,01
0,00
39,6
2
16,94
77,8
94,9
15,0
246,9
64,6
18,3
0,15
29,5
3
57,21
55,6
64,7
165,4
263
66,9
0,6
0,00
39,7
4
12,93
82,0
126,9
12,5
336,7
66,1
2,0
28,2
31,9
5
5,91
65,0
97,4
19,7
114,3
28,2
0,01
0,02
48,4
6
5,26
70,0
106,8
12,2
128,7
33,0
1,1
0,29
29,5
7
2,83
81,8
198,1
8,4
146,5
26,5
35,5
1,93
24,9
8
7,89
75,0
119,9
11,8
143,4
44,6
1,2
0,48
45,0
9
4,12
68,0
94,0
3,2
142,8
27,5
2,2
0,23
34,1
10
4,55
80,0
168,2
2,1
91,1
10,5
0,01
0,03
11,5

Источник: [1].

Сравнительный анализ

Начнем со статистики 2020 года (см. табл. 1). Посредством построчного упорядочения производств по мере возрастания/убывания показателей получим сортированные массивы, которыми целесообразно оперировать при реализации оптимизационных процедур.

Первый кластер.

Проекция 1, этап 1

7
10
6
9
5
8
1
4
2
3
8
6
9
5
10
7
1
3
4
2
7
3
6
5
8
2
1
4
10
9

Обратимся к монографии [23] (Lapaeva, 2017). Эффективная альтернатива 3 доминирует вариант 7, эффективная альтернатива 2 – варианты 5–8, эффективная альтернатива 9 – вариант 6. Остается сопоставить отрасли 1, 4 и 10.

Проекция 1, этап 2

10
1
4
10
1
4
1
4
10

Эффективными являются альтернативы 4 и 10. При этом вариант 4 доминирует 1. По итогам двух итераций паретовское множество в проекции 1 примет вид М1эф = {2, 3, 4, 9, 10}.

Проекция 2

9
10
7
6
1
8
4
5
2
3
10
9
5
6
7
1
8
3
2
4
5
10
7
9
6
1
8
3
2
4

Эффективная альтернатива 3 доминирует варианты 1 и 5–10, эффективная альтернатива 4 – варианты 1 и 6–10. Ранг завершит оставшаяся альтернатива 2. Паретовское множество в проекции 2 – М2эф = {2, 3, 4}.

Проекция 3, этап 1

(1, 10)
8
5
6
2
4
9
7
3
(1, 3)
10
(2, 5)
9
(6, 7)
8
4
5
8
1
3
(2, 9)
6
4
7
10

Здесь и далее в матрицах в скобках указаны номера отраслей, имеющих равные величины коэффициентов.

Эффективная альтернатива 3 доминирует вариант 1, эффективная альтернатива 4 – варианты 1, 2, 5, 6 и 8, эффективная альтернатива 10 – вариант 1. Из оставшихся вариантов 7 и 9 доминирует седьмой. Паретовское множество в проекции 3 – М3эф = {3, 4, 7, 10}.

Посредством пересечения паретовских множеств проекций находим первый кластер М1КЛ = {2, 3, 4, 9, 10} ∩ {2, 3, 4} ∩ {3, 4, 7, 10} = {3, 4}.

Исключаем из рассмотрения отрасли 3 и 4 и обращаемся к построению второго кластера.

Второй кластер.

Проекция 1

7
10
6
9
5
8
1
2
8
6
9
5
10
7
1
2
7
6
5
8
2
1
10
9

М1эф = {1, 2, 9, 10}.

Проекция 2

9
10
7
6
1
8
5
2
10
9
5
6
7
1
8
2
5
10
7
9
6
1
8
2

М2эф = {2}.

Проекция 3

(1, 10)
8
5
6
2
9
7
1
10
(2, 5)
9
(6, 7)
8
5
8
1
(2, 9)
6
7
10

М3эф = {7, 8, 10}.

М2КЛ = {1, 2, 9, 10} ∩ {2} ∩ {7, 8, 10} = Ø.

Формируем квазикластер, задействуя вторые ранги.

Проекция 1

7
6
5
8
8
6
5
7
7
6
5
8

Альтернативы второго ранга 8 и 7 не доминируют оставшиеся. На втором этапе вариант 5 доминирует альтернативу 6. Множество второго ранга запишем в виде М12р = {5, 7, 8}, а квазиэффективное множество – М1кэф = {1, 2, 5, 7, 8, 9, 10}.

Проекция 2

9
10
7
6
1
8
5
10
9
5
6
7
1
8
5
10
7
9
6
1
8

М22р = {5, 8}, М2кэф = {2, 5, 8}.

Проекция 3

1
5
6
2
9
1
(2, 5)
9
6
5
1
(2, 9)
6

М32р = {6, 9}, М3эф = {6, 7, 8, 9, 10}.

Путем пересечения квазиэффективных множеств проекций находим второй квазикластер М2КВ = {1, 2, 5, 7, 8, 9, 10} ∩ {2, 5, 8} ∩ {6, 7, 8, 9, 10} = {8}.

Исключаем из рассмотрения отрасль 8 и обращаемся к построению третьего кластера.

Третий кластер.

Проекция 1

7
10
6
9
5
1
2
6
9
5
10
7
1
2
7
6
5
2
1
10
9

М1эф = {1, 2, 9, 10}.

Проекция 2

9
10
7
6
1
5
2
10
9
5
6
7
1
2
5
10
7
9
6
1
2

М2эф = {2}.

Проекция 3

(1, 10)
5
6
2
9
7
1
10
(2, 5)
9
(6, 7)
5
1
(2, 9)
6
7
10

М3эф = {7, 10}.

М3КЛ = {1, 2, 9, 10} ∩ {2} ∩ {7, 10} = Ø.

Формируем третий квазикластер.

Проекция 1

7
6
5
6
5
7
7
6
5

М12р = {5, 7}, М1кэф = {1, 2, 5, 7, 9, 10}.

Проекция 2

9
10
7
6
1
5
10
9
5
6
7
1
5
10
7
9
6
1

М22р = {1, 5}, М2кэф = {1, 2, 5}.

Проекция 3

1
5
6
2
9
1
(2, 5)
9
6
5
1
(2, 9)
6

М32р = {6, 9}, М3кэф = {6, 7, 9, 10}.

М3КВ = {1, 2, 5, 7, 9, 10} ∩ {1, 2, 5} ∩ {6, 7, 9, 10} = Ø.

Оставшиеся производства составят заключительный третий псевдокластер М3ПС = {1, 2, 5, 6, 7, 9, 10}.

Аналогичные расчеты были осуществлены за 2021 год. Здесь получены четыре кластера: М1КЛ = {4}, М2КВ = {2}, М3КВ = {6, 8}, М4ПС = {1, 3, 5, 7, 9, 10}.

Для интерпретации достигнутого результата обратимся к таблице 2, где реализовано сопоставление структуры объема производства с кластерной структурой, полученной посредством многопроекционной оптимизации.

Таблица 2

Соотнесение структуры объема производства

с кластерной структурой в динамике по годам


Отрасли
2020 г.
2021 г.
Место
по объему производства
Номер кластера
Место
по объему производства
Номер кластера
производство пищевых продуктов
1
3
1
4
производство химических веществ и химических продуктов
8
3
9-10
2
производство лекарственных средств и материалов, применяемых в медицинских целях
3
1
2
4
производство резиновых и пластмассовых изделий
5
1
6
1
производство прочей неметаллической минеральной продукции
4
3
5
4
производство готовых металлических изделий, кроме машин и оборудования
2
3
3
3
производство компьютеров, электронных и оптических изделий
10
3
8
4
производство электрического оборудования
6
2
4
3
производство машин и оборудования, не включенных в другие группировки
7
3
9-10
4
производство мебели
9
3
7
4
Источник: рассчитано авторами на основании [1].
См. также:

  Развитие региональной инновационной подсистемы: сценарный анализ и оценка эффективности (на примере Владимирской области) (Каргина А.В., Нижегородцев Р.М. и др.) // Вопросы инновационной экономики. № 3 / 2017

   Многопроекционная оценка безопасности регионов Приволжского федерального округа в экономико-инновационном аспекте (Лапаев Д.Н.) // Экономическая безопасность. № 2 / 2024

Таким образом, в принятой системе показателей наблюдается существенное расслоение обрабатывающих производств региона. Наиболее защищенное состояние на протяжении двух лет демонстрирует производство резиновых и пластмассовых изделий. Однако по выпуску продукции оно занимает срединное положение, переходя с ухудшением с пятого места на шестое. Более весомые производство пищевых продуктов (первое место), а также производство готовых металлических изделий, кроме машин и оборудования (2–3 место), в кластерной структуре расположились в конце списка, что можно трактовать в негативном ключе.

Заключение

Таким образом, авторская методология [17] (Lapaeva, 2017) показала свою состоятельность при исследовании экономической безопасности обрабатывающих производств на мезоуровне. В ситуации использования более длинных временных рядов и выполнения прогноза надлежащего качества результаты многопроекционной оптимизации могут быть востребованы для выработки стратегий развития обрабатывающих производств региона и формирования комплекса мер их поддержки.

Источники:

1. Владимирская область, статистический ежегодник. 2022. / стат. сб. / Владимирстат. - Владимир, 2022. – 525 c.
2. Аленкова И.В., Лапаева О.Н. Безопасность регионов Центрального федерального округа в экономико-инновационном аспекте // Развитие и безопасность. – 2023. – № 1. – c. 74-83. – doi: 10.46960/2713-2633_2023_1_74.
3. Вечкасова М.В. Низкоуглеродное регулирование: перспективы развития отечественных производств высокой добавленной стоимости // Финансовый бизнес. – 2022. – № 5. – c. 25-28.
4. Кириллова Е.А., Заенчковский А.Э., Тюкаев Д.А., Епифанов В.А. Динамическая модель прогнозирования потребностей промышленного производства в аспекте его инновационного развития // Финансовый бизнес. – 2022. – № 6. – c. 37-42.
5. Инновационное развитие промышленных комплексов в регионе. / монография / Г.А. Морозова, В.А. Мальцев, К.В. Мальцев, Д.Н. Лапаев. - Нижний Новгород: Волго-Вятская акад. гос. службы, 2010. – 160 c.
6. Клименкова М.С. Формы и методы оптимизации работы предприятий наукоемких отраслей // Финансовый бизнес. – 2022. – № 6. – c. 43-45.
7. Кузнецова С.Н., Лапаев Д.Н. Меры поддержки промышленных парков в условиях санкционного давления // Финансовый бизнес. – 2023. – № 6. – c. 123-127.
8. Кушбокова Р.Х., Кушбоков Ал.А., Кушбоков Ам.А. Необходимость многокритериального подхода к оценке эффективности промышленной политики региона // Финансовый бизнес. – 2022. – № 4. – c. 30-32.
9. Лапаев Д.Н. Безопасность регионов Приволжского федерального округа в экономико-инновационном аспекте // Экономическая безопасность. – 2023. – № 1. – c. 291-314. – doi: 10.18334/ecsec.6.1.117300.
10. Лапаев Д.Н. Методические подходы к анализу и оценке угроз экономической безопасности в социальной сфере // Интернет-журнал Науковедение. – 2016. – № 5. – c. 41.
11. Лапаев Д.Н. Многокритериальное принятие решений в экономике. / монография. - Нижний Новгород: Волж. гос. инж.-пед. ун-т, 2010. – 362 c.
12. Лапаев Д.Н. Многокритериальное принятие решений в экономике. / монография, 2-е изд. - Нижний Новгород: Нижегород. гос. техн. ун-т им. Р.Е. Алексеева, 2016. – 281 c.
13. Лапаев Д.Н., Лапаева О.Н. Принципы выбора многопроекционного решения в экономике // Аудит и финансовый анализ. – 2015. – № 4. – c. 415-417.
14. Лапаева О.Н., Ширяев М.В. Концепция многопроекционной сравнительной оценки состояния промышленных экономических систем // Экономика, предпринимательство и право. – 2019. – № 4. – c. 397-404. – doi: 10.18334/epp.9.4.41508.
15. Лапаева О.Н. Многокритериальная оценка экономического состояния предприятий и отраслей промышленности и выбор предпочтительных альтернатив. / монография. - Нижний Новгород: Нижегород. гос. техн. ун-т им. Р.Е. Алексеева, 2015. – 145 c.
16. Лапаева О.Н. Многопроекционная оценка состояния промышленных экономических систем. / монография. - Нижний Новгород: Нижегород. гос. техн. ун-т им. Р.Е. Алексеева, 2018. – 371 c.
17. Лапаева О.Н. Многопроекционная сравнительная оценка альтернатив в экономике. / монография. - Нижний Новгород: Нижегород. гос. техн. ун-т им. Р.Е. Алексеева, 2017. – 210 c.
18. Байзулаев С.А., Гергова З.Х., Гузиева Л.М., Ягумова З.Н. Необходимые и достаточные условия структурной перестройки регионального промышленного производства // Финансовый бизнес. – 2022. – № 12. – c. 117-119.
19. Парето В. Компендиум по общей социологии. / пер. с итал. - М.: Гос. ун-т Высш. шк. экономики, 2007. – 511 c.
20. Парето В. Трансформация демократии. / пер. с итал. - М.: РИОР: ИНФРА-М, 2017. – 154 c.
21. Парето В. Учебник политической экономии. / пер. с франц. - М.: РИОР: ИНФРА-М, 2017. – 472 c.
22. Попова Е.В. Четвертая промышленная революция: переход от линейной модели экономики к циркулярной // Финансовый бизнес. – 2022. – № 10 (232). – c. 127-129.
23. Управление диверсификацией производства на предприятиях оборонно-промышленного комплекса. / монография / Под. ред. А.М. Батьковского. - М.: ОнтоПринт, 2021. – 344 c.
24. Экономическая безопасность регионов России. / монография, 3-е изд. / Под ред. С.Н. Митякова. - Нижний Новгород: Нижегород. гос. техн. ун-т им. Р.Е. Алексеева, 2019. – 299 c.

Смотрите также:

  Трансформация промышленности в цифровой экономике: проблемы и перспективы (Скруг В.С.) // Креативная экономика. № 7 / 2018

   Особенности региональной промышленной политики в области поддержки малого и среднего предпринимательства (Мезенцева Е.С.) // Экономика, предпринимательство и право. № 3 / 2014

   Диагностика социально-экономической безопасности региона (Руденко М.Н.) // Экономическая безопасность. № 3 / 2020

   Математическое моделирование диффузии инноваций в контексте анализа угроз национальной безопасности Российской Федерации (Бухаров Д.Н., Аракелян С.М.) // Вопросы инновационной экономики. № 3 / 2020

  Развитие пищевой промышленности и продовольственной безопасности в Южно-Казахстанской области (Ниязбекова Ш.У., Бродунов А.Н.) // Продовольственная политика и безопасность. № 2 / 2017

Страница обновлена: 15.07.2024 в 02:21:36