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

Lapaev D.N.1, Lapaeva O.N.1, Potashnik Ya.S.1
1 Нижегородский государственный технический университет им. Р.Е. Алексеева, Russia

 Download PDF | Downloads: 9

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

Indexed in Russian Science Citation Index: https://elibrary.ru/item.asp?id=54604816

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

Похожие статьи:

   Methodological approaches to the determination of the rating of economic and innovative development of industrial enterprises in the region (Яшин С.Н., Борисов С.А.) Russian Journal of Innovation Economics. Num. 2 / 2020

  Estimation of tax potential of light industry of the Vladimir region and a model of integrated taxation (Снегирева Т.К.) Journal of International Economic Affairs. Num. 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:

   Methodological approaches to the determination of the rating of economic and innovative development of industrial enterprises in the region (Яшин С.Н., Борисов С.А.) Russian Journal of Innovation Economics. Num. 2 / 2020

  Estimation of tax potential of light industry of the Vladimir region and a model of integrated taxation (Снегирева Т.К.) Journal of International Economic Affairs. Num. 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:

  Development of regional innovation subsystem: scenario analysis and efficiency assessment (by the example of Vladimir region) (Каргина А.В., Нижегородцев Р.М. и др.) Russian Journal of Innovation Economics. Num. 3 / 2017

   Security of the Volga Federal District regions in the economic and innovation aspect (Лапаев Д.Н.) Economic security. Num. 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.

References:

Ekonomicheskaya bezopasnost regionov Rossii [Economic security of Russian regions] (2019). (in Russian).

Innovatsionnoe razvitie promyshlennyh kompleksov v regione [Innovative development of industrial complexes in the region] (2010). (in Russian).

Upravlenie diversifikatsiey proizvodstva na predpriyatiyakh oboronno-promyshlennogo kompleksa [Management of production diversification at enterprises of the military-industrial complex] (2021). (in Russian).

Vladimirskaya oblast, statisticheskiy ezhegodnik. 2022 [Vladimir region, statistical yearbook. 2022] (2022). (in Russian).

Alenkova I.V., Lapaeva O.N. (2023). Bezopasnost regionov Tsentralnogo federalnogo okruga v ekonomiko-innovatsionnom aspekte [Security of the regions of the Central Federal District in the economic and innovative aspect]. Razvitie i bezopasnost. (1). 74-83. (in Russian). doi: 10.46960/2713-2633_2023_1_74.

Bayzulaev S.A., Gergova Z.Kh., Guzieva L.M., Yagumova Z.N. (2022). Neobkhodimye i dostatochnye usloviya strukturnoy perestroyki regionalnogo promyshlennogo proizvodstva [Necessary and sufficient conditions for structural adjustment of regional industrial production]. Financial business. (12). 117-119. (in Russian).

Kirillova E.A., Zaenchkovskiy A.E., Tyukaev D.A., Epifanov V.A. (2022). Dinamicheskaya model prognozirovaniya potrebnostey promyshlennogo proizvodstva v aspekte ego innovatsionnogo razvitiya [Dynamic model of forecasting the needs of industrial production in the aspect of its innovative development]. Financial business. (6). 37-42. (in Russian).

Klimenkova M.S. (2022). Formy i metody optimizatsii raboty predpriyatiy naukoemkikh otrasley [Peculiarities of organization and management of science-intensive industries]. Financial business. (6). 43-45. (in Russian).

Kushbokova R.Kh., Kushbokov Al.A., Kushbokov Am.A. (2022). Neobkhodimost mnogokriterialnogo podkhoda k otsenke effektivnosti promyshlennoy politiki regiona [The need for a multi-criteria approach to assessing the efficiency of the regional industrial policy]. Financial business. (4). 30-32. (in Russian).

Kuznetsova S.N., Lapaev D.N. (2023). Mery podderzhki promyshlennyh parkov v usloviyakh sanktsionnogo davleniya [Support measures for industrial parks in conditions of sanction pressure]. Financial business. (6). 123-127. (in Russian).

Lapaev D.N. (2010). Mnogokriterialnoe prinyatie resheniy v ekonomike [Multi-criteria decision-making in the economy] (in Russian).

Lapaev D.N. (2016). Metodicheskie podkhody k analizu i otsenke ugroz ekonomicheskoy bezopasnosti v sotsialnoy sfere [Methodological approaches to the analysis and evaluation of economic security risks in social sphere]. Naukovedenie. (5). 41. (in Russian).

Lapaev D.N. (2016). Mnogokriterialnoe prinyatie resheniy v ekonomike [Multi-criteria decision-making in the economy] (in Russian).

Lapaev D.N. (2023). Bezopasnost regionov Privolzhskogo federalnogo okruga v ekonomiko-innovatsionnom aspekte [Security of the Volga Federal District regions in the economic and innovation aspect]. Economic security. 6 (1). 291-314. (in Russian). doi: 10.18334/ecsec.6.1.117300.

Lapaev D.N., Lapaeva O.N. (2015). Printsipy vybora mnogoproektsionnogo resheniya v ekonomike [Principles of multi-projection forecasting decision in economics]. Audit and financial analysis. (4). 415-417. (in Russian).

Lapaeva O.N. (2015). Mnogokriterialnaya otsenka ekonomicheskogo sostoyaniya predpriyatiy i otrasley promyshlennosti i vybor predpochtitelnyh alternativ [Multi-criteria assessment of the economic condition of enterprises and industries and the choice of preferred alternatives] (in Russian).

Lapaeva O.N. (2017). Mnogoproektsionnaya sravnitelnaya otsenka alternativ v ekonomike [Multi-projection comparative assessment of alternatives in the economy] (in Russian).

Lapaeva O.N. (2018). Mnogoproektsionnaya otsenka sostoyaniya promyshlennyh ekonomicheskikh sistem [Multi-projection assessment of the state of industrial economic systems] (in Russian).

Lapaeva O.N., Shiryaev M.V. (2019). Kontseptsiya mnogoproektsionnoy sravnitelnoy otsenki sostoyaniya promyshlennyh ekonomicheskikh sistem [The concept of multi-projection comparative assessment of the industrial economic systems]. Journal of Economics, Entrepreneurship and Law. 9 (4). 397-404. (in Russian). doi: 10.18334/epp.9.4.41508.

Pareto V. (2007). Kompendium po obshchey sotsiologii [Compendium of General Sociology] (in Russian).

Pareto V. (2017). Transformatsiya demokratii [Transformation of democracy] (in Russian).

Pareto V. (2017). Uchebnik politicheskoy ekonomii [Textbook of Political Economy] (in Russian).

Popova E.V. (2022). Chetvertaya promyshlennaya revolyutsiya: perekhod ot lineynoy modeli ekonomiki k tsirkulyarnoy [Fourth industrial revolution: transition from linear to circular economy]. Financial business. (10 (232)). 127-129. (in Russian).

Vechkasova M.V. (2022). Nizkouglerodnoe regulirovanie: perspektivy razvitiya otechestvennyh proizvodstv vysokoy dobavlennoy stoimosti [Low carbon regulation: prospects for the development of domestic industry of high added value]. Financial business. (5). 25-28. (in Russian).

Смотрите также:

   Mathematical modeling of innovation diffusion in the context of analysis of threats to national security of the Russian Federation (Бухаров Д.Н., Аракелян С.М.) Russian Journal of Innovation Economics. Num. 3 / 2020

  Development of the food industry and food security in the Southern Kazakhstan area (Ниязбекова Ш.У., Бродунов А.Н.) Food Policy and Security. Num. 2 / 2017

   Analysis of factors for implementing the Russian manufacturing industry development strategy (Трифонов П.В., Фоменко О.В.) Creative Economy. Num. 4 / 2021

   Conditions of manufacturing industry development as a factor of economic growth in developing countries (Мухсимова Д.Х.) Journal of Economics, Entrepreneurship and Law. Num. 12 / 2024

   The procurement process, its role and place in the business of manufacturing industries (Плещенко В.И.) Journal of Economics, Entrepreneurship and Law. Num. 6 / 2011

Страница обновлена: 09.04.2025 в 16:51:39