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: 19

Статья в журнале

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

Том 13, Номер 8 (Август 2023)

Цитировать эту статью:

Лапаев, Д. Н. Безопасность обрабатывающих производств Владимирской области в экономико-инновационном аспекте / Д. Н. Лапаев, О. Н. Лапаева, Я. С. Поташник // Экономика, предпринимательство и право. – 2023. – Т. 13, № 8. – С. 3005-3018. – DOI 10.18334/epp.13.8.118743
Lapaev, D. N., Lapaeva, O. N., & Potashnik, Y. S. (2023). Safety of manufacturing industries in the Vladimir region in the economic and innovative aspect. Journal of Economics, Entrepreneurship and Law, 13(8), 3005-3018. https://doi.org/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

   Безопасность регионов Приволжского федерального округа в экономико-инновационном аспекте (Лапаев Д.Н.) // Экономическая безопасность. № 1 / 2023

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:

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

   Анализ факторов реализации стратегии развития обрабатывающей промышленности Российской федерации (Трифонов П.В., Фоменко О.В.) // Креативная экономика. № 4 / 2021

   Условия развития обрабатывающей промышленности как фактор экономического роста в развивающихся странах (Мухсимова Д.Х.) // Экономика, предпринимательство и право. № 12 / 2024

   Процесс закупок, его роль и место в хозяйственной деятельности предприятий обрабатывающей промышленности (Плещенко В.И.) // Экономика, предпринимательство и право. № 6 / 2011

   Методика оценки характера эффективности инновационных процессов в среднетехнологичных отраслях обрабатывающей промышленности Российской Федерации (Райская М.В., Аксянова А.В.) // Вопросы инновационной экономики. № 4 / 2023

Страница обновлена: 01.06.2025 в 19:25:19

 
 

 Download PDF | Downloads: 19

Safety of manufacturing industries in the Vladimir region in the economic and innovative aspect

Lapaev D.N., Lapaeva O.N., Potashnik Ya.S.

Journal paper

Journal of Economics, Entrepreneurship and Law (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Volume 13, Number 8 (August 2023)

Citation:

Lapaev, D. N., Lapaeva, O. N., & Potashnik, Y. S. (2023). Safety of manufacturing industries in the Vladimir region in the economic and innovative aspect. Journal of Economics, Entrepreneurship and Law, 13(8), 3005-3018. https://doi.org/10.18334/epp.13.8.118743

Abstract:
The article posed and solved the actual task of a multi-projection comparative analysis of the economic security of manufacturing industries in the Vladimir region for 2020 and 2021 based on statistical information. Three profile projections are considered. They are as follows: performance efficiency, finances, as well as innovation and industrial safety. When conducting intersectoral comparisons, the classical Pareto principle and the authors' toolkit of multi-criteria and multi-projection choice were used. According to the results of calculations, a significant stratification of the region's manufacturing industries was established. The production of rubber and plastic products has the most protected position for two years. However, in terms of performance, it occupies a middle position, moving from the fifth to the sixth place with the deterioration. The more significant food production (the first place) and the production of finished metal products, except for machinery and equipment (the 2nd and 3rd place), are located at the end of the list in the cluster structure. When using longer time series and performing a forecast of adequate quality, the results of multi-projection optimization can be required to develop strategies for the development of manufacturing industries in the region and form a set of measures to support them.

Keywords: economic security, industrial production, industry, innovation activity, Pareto principle, multi-projection choice

JEL-classification: R11, R12, R13, R58