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
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).
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
|
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:
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.
Страница обновлена: 15.07.2024 в 02:21:36