Цифровой двойник как динамическая модель управления: от ограничений к цифровой зрелости
Шабалтина Л.В.1 
, Масленников В.В.1 , Калинина И.А.1
1 Российский экономический университет им. Г.В. Плеханова, Москва, Россия
Скачать PDF | Загрузок: 3
Статья в журнале
Информатизация в цифровой экономике (РИНЦ, ВАК)
опубликовать статью | оформить подписку
Том 6, Номер 4 (Октябрь-декабрь 2025)
Аннотация:
В исследовании представлена динамическая модель управления, интегрирующая принципы Теории ограничений и методологии оценки цифровой зрелости. Исследование направлено на преодоление дисбаланса уровней технологического развития производственных активов и управленческих систем в промышленных организациях. В качестве инструментария предложен алгоритм цифрового отображения потока создания высокотехнологичной продукции, реализованный на платформе имитационного моделирования. Данный алгоритм позволяет идентифицировать и минимизировать системные ограничения в управлении жизненным циклом изделия. На примере моделирования сборочного производства беспилотного авиационного комплекса показана эффективность применения цифрового двойника для операционной оптимизации, анализа управленческих решений и долгосрочного планирования. Основными практическими результатами исследованию выступают, разработанная параметрическая модель обеспечивающая согласованность данных о производственном потоке со стратегическими целями управления, а синергия рассмотренных концепций формирует основу для создания адаптивных и конкурентоспособных производственных систем, практические рекомендации по внедрению динамической модели управления и подтверждение гипотезы о том, что синергия теории ограничений, цифровой зрелости и стратегического моделирования является драйвером построения адаптивных и конкурентоспособных производственных систем
Ключевые слова: цифровая зрелость, теория ограничения систем, цифровой двойник, имитационное моделирование, высокотехнологичное производство, динамическая модель управления, стратегическое планирование
ВВЕДЕНИЕ
Цифровая трансформация промышленного сектора перестала быть стратегическим выбором, превратившись в ключевой фактор конкурентоспособности и устойчивости в условиях турбулентной внешней среды [5, 20]. Стремясь к операционной эффективности, компании активно инвестируют в технологии IoT (интернета вещей), роботизацию и сбор данных, существенно повышая технологический уровень производственных активов.
Однако, как показывают исследования, приложенные усилия не всегда приводят к ожидаемому стратегическому эффекту [6, 9, 22]. Часто возникает ситуация «цифрового разрыва»: технологическая оснащенность производства («объект») опережает способность систем управления («субъект») преобразовывать генерируемые данные в обоснованные управленческие решения. Этот диссонанс блокирует достижение стратегических целей, таких как рост гибкости, сокращение жизненного цикла продукции и повышение качества.
Современные научные подходы предлагают инструменты для решения отдельных аспектов этой проблемы, но часто делают это изолированно. С одной стороны, Теория ограничений систем (ТОС) предлагает доказавшую свою эффективность философию и строгий алгоритм для идентификации и устранения ключевых системных ограничений («узких мест»), фокусируясь на непрерывном улучшении потока создания ценности [7, 8,]. С другой стороны, концепция цифровой зрелости предоставляет структурированные методологии для диагностики текущего и целевого состояния технологического и управленческого контуров организации, выступая измерителем синхронизации ее возможностей со стратегией [10, 19, 20]. Параллельно развивается область стратегического имитационного моделирования, позволяющая создавать «цифровые двойники» для анализа сложных систем [1, 2, 3, 9]. Тем не менее, в литературе сохраняется пробел в отношении практических механизмов, которые бы обеспечивали динамическую и количественную связь между этими тремя областями: как операционные ограничения, выявленные по методологии ТОС, влияют на стратегические показатели, и как уровень цифровой зрелости определяет возможности по их устранению с помощью цифровых моделей.
Целью исследования является преодоление указанного теоретико-методического разрыва. Мы предлагаем подход, в котором цифровой двойник выступает не просто инструментом визуализации, а динамической моделью управления, интегрирующей принципы ТОС и оценки цифровой зрелости. В рамках этого подхода разработан практический алгоритм оцифровки потока создания ценности высокотехнологичной продукции. Этот алгоритм позволяет последовательно трансформировать данные о производственных процессах в параметрическую имитационную модель, которая служит основой для выявления ограничений, тестирования управленческих решений и стратегического сценарного планирования. Прикладная ценность и работоспособность предлагаемого подхода демонстрируются на примере построения цифрового двойника сборочного производства беспилотного авиационного комплекса с использованием платформы для имитационного моделирования (AnyLogic). Таким образом, работа вносит вклад в развитие методологии управления, направленной на гармонизацию технологических возможностей и стратегических целей через создание адаптивных, основанных на данных производственных систем
Результаты исследования
Внешние санкции вынуждают производственные системы искать пути снижения издержек, делая упор на скорость, качество и гибкость [5, 21]. Эффективное управление жизненным циклом высокотехнологичных изделий (ВТИ) позволяет сократить затраты. Ключевая задача – разработка методов управления потоками создания, эксплуатации и обновления ВТИ для выявления ограничений в СУЖЦ [7, 9,17, 19].ТОС выявляет ограничения, а концепция цифровой зрелости через оцифровку потока в AnyLogic способствует визуализации и анализу, обнаруживая узкие места [1,6,8]. Оцифровка включает анализ, моделирование и оптимизацию потока на всех этапах жизненного цикла с целью повышения эффективности, минимизации узких мест и оптимизации ресурсов [13].
Цифровая модель процесса служит инструментом оптимизации. В среде AnyLogic моделируются физические и информационные потоки, что позволяет анализировать влияние параметров на результаты и выявлять ограничения, препятствующие достижению стратегических целей [1,2,13].
Алгоритм оцифровки потока создания высокотехнологичных изделий. Оцифровка потока – инструмент поиска ограничений в СУЖЦ, способствующий минимизации рисков и повышению эффективности [7, 13, 8]. Примеры ограничений по этапам жизненного цикла:
Пример 1: узкое место на этапе «Тестирование» – низкая скорость оборудования, ведущая к задержкам. Решение: увеличение количества оборудования, автоматизация, перенос части тестов [7, 12].Пример 2: на этапе «Разработка и тестирование» – долгие итерации, ограниченные ресурсы. Решение: внедрение DevOps/CI/CD платформ, использование цифровых двойников для предсказания сбоев [12, 13].
Оцифровка решает задачи: выявления ограничивающих этапов; оптимизации логистики и производства; улучшения управления временем; повышения гибкости системы; поддержки принятия обоснованных управленческих решений [9,18,19].
Создание цифрового двойника потока является ключевым для оптимизации затрат и анализа ресурсов. Он позволяет: моделировать без остановки реальных систем; визуализировать ключевые параметры (очереди, загрузку); создавать сценарии для прогнозирования; повышать уровень цифровой зрелости системы [1, 6, 16].
Алгоритм оцифровки потока создания ВТИ представлен ниже (Таблица 1).
Таблица 1 - Алгоритм оцифровки потока создания ВТИ
|
№
|
Этап алгоритма
|
Действия этапа
|
|
1
|
Создание модели СУЖЦ
|
строится поток процессов, по ключевым этапам: проектирование,
производство, и эксплуатация
|
|
добавляются ресурсы: персонал, оборудование, материалы
| ||
|
задаются параметры процессов: длительность задач, пропускная
способность
| ||
|
2
|
Сбор данных и визуализация
|
проводится симуляция потока создания продукта [11]
|
|
собираются данные о времени выполнения задач, очередях на
этапах, загрузке ресурсов
| ||
|
3
|
Определение узкого места
|
узким местом считается этап, где:
§ скопилась самая большая очередь § затрачивается больше всего времени на единицу продукции § Наиболее загружены ресурсы (оборудование или персонал) |
|
4
|
Анализ узкого места с ТОС
|
определяется влияние ограничения на общую производительность
системы
|
|
формируются решения: перераспределение задач, увеличение
ресурсов, улучшение процессов и др.
| ||
|
5
|
Оптимизация и тестирование
|
изменяются параметры системы (например, добавить оборудование,
увеличить пропускную способность узкого места) и тестируются новые условия в
AnyLogic
|
Алгоритм оцифровки (табл. 1) [1,2,7,11,13,17,18,19,20]:
1. Создание модели СУЖЦ: построение потока процессов (проектирование, производство, эксплуатация), добавление ресурсов, задание параметров.
2. Сбор данных и визуализация: проведение симуляции, сбор данных о времени выполнения, очередях, загрузке ресурсов.
3. Определение узкого места: этап с наибольшей очередью, наибольшими временными затратами на единицу продукции или максимальной загрузкой ресурсов.
4. Анализ узкого места с ТОС: определение влияния ограничения на общую производительность, формирование решений (перераспределение задач, увеличение ресурсов).
5. Оптимизация и тестирование: изменение параметров системы и тестирование новых условий в AnyLogic.
Стратегия обеспечения цифровой зрелости включает оцифровку процессов, оперативно-календарное планирование, интеграцию цифровых решений (ERP, IoT), сценарное планирование, управление знаниями и интеграцию с системами управления ЖЦ [4, 14, 15, 20].
Далее проследим связь цифровой зрелости, теории ограничения систем (ТОС) и управления производственными и стратегическими процессами.
ТОС – теория ограничения систем методология устранения разрывов между текущим состоянием системы (объект) и целевым (субъект-стратегия) [2, 4, 6, 7, 16, 18, 20]:1. На уровне объекта (производство) ТОС помогает идентифицировать узкие места (технические/организационные), фокусировать усилия на их устранении и оптимизировать процессы.
2. На уровне субъекта (стратегия) ТОС обосновывает приоритеты, формирует целевую архитектуру системы и согласовывает стратегию с технологиями.
3. Синергия ТОС и цифровой зрелости: Цифровая зрелость описывает состояние информационно-технологического контура, а ТОС предоставляет фокус для нахождения и устранения в нем ограничений. Устранение ограничений напрямую повышает цифровую зрелость системы.
Программный продукт в концепции цифровой модели динамического управления потоком создания ценности. Платформа имитационного моделирования (AnyLogic) выполняет три ключевые функции в триаде «цифровая зрелость – ТОС – стратегия» [1, 4,7, 13, 15]:
- ТОС – методология устранения разрывов между текущим состоянием системы (объект) и целевым (субъект-стратегия).- На уровне объекта (производство) ТОС помогает идентифицировать узкие места (технические/организационные), фокусировать усилия на их устранении и оптимизировать процессы.
- На уровне субъекта (стратегия) ТОС обосновывает приоритеты, формирует целевую архитектуру системы и согласовывает стратегию с технологиями.
- Синергия ТОС и цифровой зрелости: Цифровая зрелость описывает состояние информационно-технологического контура, а ТОС предоставляет фокус для нахождения и устранения в нем ограничений. Устранение ограничений напрямую повышает цифровую зрелость системы.
Далее представлены аспекты практического применения платформы имитационного моделирования AnyLogic:
Моделирование производственного потока (TOC) [1, 2, 13, 15]:
₋ Построение модели производственной линии.
₋ Идентификация узких мест с расчётом их влияния.
₋ Тестирование сценариев устранения ограничений (например, увеличение скорости оборудования, перераспределение нагрузки).
₋ Расчёт календарно-плановых нормативов:
₋ Использование AnyLogic для определения оптимального графика производства, минимизирующего простой и задержки.
Анализ потока создания ценности:
₋ Моделирование потока материалов от поставщиков до конечного потребителя.
₋ Оценка влияния изменений в производственном процессе на поставки и логистику.
Сценарное планирование стратегии цифровизации:
- Прогнозирование влияния внедрения новых технологий (например, роботизация или автоматизация) на ключевые показатели (ROI, время выполнения заказов).
У производственников цифровизация фокусируется на объекте правления, стратегия задаёт конечное целевое состояние системы, цифровая зрелость измеряет, насколько близка компания к этой цели, выявляя разрывы между текущими возможностями технологий и целевыми стратегическими задачами. Разрывы и есть ключевой индикатор для корректировки процессов, технологий потока создания продукта.
Между технологией и стратегией действительно находится цифровая зрелость. Цифровая зрелость — это способность компании [6, 14, 19, 20]:
₋ Интегрировать технологии и процессы.
₋ Автоматизировать и оптимизировать взаимодействие.
₋ Принимать стратегические решения на основе данных.
Значит, цифровая зрелость — это не просто результат, а связующее звено, которое соединяет производственную цифровизацию с цифровизацией управления и является динамическим процессом.
Теория ограничения систем гармонично вписывается в концепцию цифровой зрелости, соединяя технологии и стратегию [8, 10,18]:
₋ на производственном уровне устраняет ограничения в объектах управления, таких как оборудование или процессы;
₋ на стратегическом уровне направляет фокус на ключевые изменения, которые необходимы для достижения целевого состояния;
₋ цифровая зрелость становится индикатором того, насколько успешно устранены узкие места, и насколько эффективно технология и стратегия работают вместе;
₋ вместе ТОС и цифровая зрелость оптимизируют процессы и сохраняют конкурентоспособность.
Имитационное моделирование является, инструментом, который встраивается в процесс цифровой зрелости, позволяя связать данные из объектов управления (технологии) с целями стратегии [4, 5, 20,21]. Реализует принципы ТОС, выявляя узкие места и тестируя варианты их устранения. Поддерживает интеграцию технологий и бизнес-процессов, формируя основу для принятия обоснованных решений. Именно через моделирование компании достигают цифровую зрелость, устраняя разрывы между текущим состоянием и стратегическими целями [1, 8, 13, 15]. Цифровая модель позволяет найти ограничения, оптимизировать процессы и предложить управленческие решения для их устранения.
Рассмотрим пример применения программного продукта для моделирования производственной системы как цифрового объекта управления. На примере цеха по сборке БАС представлена пошаговая инструкция построения дискретно-событийной модели в AnyLogic с использованием Библиотеки моделирования процессов (БМП) и Библиотеки производственных систем (БПС).
Основные шаги:Основными результатами проведенного авторами исследования, выступают следующие:
1. Разработана комплексная динамическая модель управления, формализующая взаимосвязь между производственными процессами (выступающими в качестве объекта управления) и стратегическими целями (выступающими в качестве субъекта управления) на основе интеграции принципов Теории ограничений систем и методологии оценки цифровой зрелости.
2. Предложен и описан алгоритм оцифровки потока создания высокотехнологичной продукции, состоящий из последовательных этапов: создание имитационной модели системы управления жизненным циклом, сбор данных и визуализация, определение узкого места, его анализ в соответствии с Теорией ограничений, оптимизация и тестирование сценариев.
Источник: разработано автором
Рисунок 1. Графическая схема цифровой модели производственной системы БАС как объекта управления
Источник: разработано автором
Рисунок 2. 3D Визуализация цифровой модели производственной системы БАС как объекта управления
3. На основе предложенного алгоритма построена дискретно-событийная имитационная модель (цифровой двойник) сборочного производства на примере БАС в среде AnyLogic. Модель включает графическую схему процессов, 3D-визуализацию и инструменты для сбора статистики по времени цикла и загрузке ресурсов.
4. В ходе проведения экспериментов на цифровом двойнике идентифицированы конкретные операционные ограничения (узкие места) в технологической цепочке и количественно оценено их влияние на общие показатели производственного потока [21,22].
5. Сформулированы и формализованы пять ключевых индикаторов для оценки цифровой зрелости управленческих систем: кадровый потенциал, уровень интеграции искусственного интеллекта, зрелость процессов, клиентоориентированность и стратегическая адаптивность.
Полученные в ходе исследования результаты, позволяют сделать следующие выводы:
1. Моделирование на практическом примере подтвердило работоспособность предложенного алгоритма. Разработанный цифровой двойник сборочного производства был успешно использован авторами для оптимизации процессов, тестирования различных управленческих решений (таких как перераспределение нагрузки и изменение пропускной способности участков) и стратегического сценарного планирования.
2. На основе полученных результатов сформирована методология оценки цифровой зрелости, которая была применена для анализа разрыва между технологическим оснащением и системами управления. Методология служит практическим инструментом для аудита и формирования дорожной карты цифровой трансформации промышленных предприятий.
3. Результаты исследования, в частности, демонстрация синергии трех компонентов – Теории ограничений, оценки цифровой зрелости и стратегического имитационного моделирования, – позволила авторам подтвердить исходную гипотезу. Данная связка является эффективным драйвером для построения адаптивных архитектур управления, способных обеспечивать устойчивое конкурентное преимущество.
4. Полученные данные и построенная модель создают основу для дальнейшей разработки тиражируемых решений в области интеллектуализации управления отклонениями и проектного управления, что прямо направлено на повышение цифровой зрелости организаций реального сектора экономики.
ЗАКЛЮЧЕНИЕ
Проведенное авторами исследование было направлено на решение актуальной проблемы дисбаланса в развитии технологических активов и управленческих систем в условиях цифровой трансформации. Предложенный в работе подход, центром которого является цифровой двойник как динамическая модель управления, позволяет преодолеть традиционную разрозненность между операционной деятельностью и стратегией. Он дает руководителям и аналитикам не просто инструмент для визуализации, а целостную платформу для принятия обоснованных решений, где каждое потенциальное изменение можно заранее проверить в виртуальной среде, минимизируя риски для реального производства.
Исследование демонстрирует, что гармонизация таких, на первый взгляд, различных областей, как управление ограничениями, оценка зрелости и имитационное моделирование, открывают новые возможности для повышения эффективности. Созданная модель и методология служат мостом между точными инженерными данными о производственном потоке и стратегическими экономическими целями компании. Это важный шаг к построению производственных систем, которые не только реагируют на изменения, но и проактивно адаптируются к ним, используя данные в качестве основного стратегического ресурса.
Таким образом, интеграция рассмотренных концепций в единый динамичный управленческий контур формирует прочный фундамент для достижения технологического суверенитета через развитие адаптивных, наукоемких и конкурентоспособных предприятий, готовых к вызовам современной экономики
Источники:
2. Масленников В. В., Минтуш О. В. Построение панели динамической системы управления потоком создания ценности // Экономика и предпринимательство. – 2022. – № 12. – c. 1425-1430. – doi: 10.34925/EIP.2022.149.12.283.
3. Шабалтина Л. В., Розанова Л. Ф. Методологическая основа оценки эффективности использования инвестиций в образование // Менеджмент и бизнес-администрирование. – 2018. – № 3. – c. 156-165.
4. Шабалтина Л.В. Интегрированные структуры как инструмент обеспечения устойчивого развития // Экономика, предпринимательство и право. – 2023. – № 12. – c. 5365-532. – doi: 10.18334/epp.13.12.120231.
5. Шабалтина Л. В. Технологическая автономия России. Стратегические ориентиры // Финансовый бизнес. – 2023. – № 12. – c. 257-262.
6. Шабалтина Л.В. Классификация методов оценки цифровой зрелости // Экономика, предпринимательство и право. – 2023. – № 10. – c. 4257-4280. – doi: 10.18334/epp.13.10.119266.
7. Шабалтина Л. В. Методы управления жизненным циклом высокотехнологичной продукции // Вестник Алтайской академии экономики и права. – 2024. – № 9-2. – c. 338-346. – doi: 10.17513/vaael.3741.
8. Шабалтина Л. В., Масленников В. В., Микалина М. Р. Управление жизненным циклом высокотехнологичной продукции: влияние теории ограничений и цифровой зрелости // Цифровое общество: научные инициативы и новые вызовы: Сборник научных трудов по материалам IХ Всероссийской научно-практической конференции, Москва, 15 ноября 2024 года. – Москва: Центр развития образования и науки. Москва, 2024. – c. 32-37.
9. Шабалтина Л.В., Боровский С.С., Машечкова В.Ю. Цифровая зрелость базис технологического развития // Междисциплинарные исследования: опыт прошлого, возможности настоящего, стратегии будущего: Сборник статей XVIII Международной научно-практической конференции, Москва, 22 марта 2024 года. – Москва: Издательство ЦДПО «Цифровая академия». Москва, 2024. – c. 399-405.
10. Шабалтина Л. В., Масленников В. В. Формализация понятия цифровой зрелости в процессе развития организации // Шаг в будущее: искусственный интеллект и цифровая экономика. Техноэкономика: трансформация платформ: Сборник научных статей Международного научного форума. В 3-х томах, Москва, 16–17 февраля 2023 года. – Москва: Российский экономический университет им. Г.В. Плеханова. Москва, 2023. – c. 267-274.
11. Abdurakhmanov O. K., Minasyan A. A., Shabaltina L. V. Quality of digital product and opportunities to raise it: a view from the position of corporate management // International Journal for Quality Research. – 2025. – № 3. – p. 907-918. – doi: 10.24874/ijqr19.03-15.
12. Шабалтина Л.В., Машечкова В.Ю. Инновации на пути к рынку: особенности жизненного цикла высокотехнологичных изделий // Наука и технологии: путь к устойчивому развитию: Сборник статей II Международной научно-практической конференции, Казань, 19 марта 2025 года. – Чебоксары: ООО \\\"Издательский дом \\\"Среда\\\". Казань, 2025. – c. 401-408.
13. Шабалтина Л.В., Масленников В.В., Калинина И.А. Интеллектуализация управления по отклонениям: концепция, принципы и применение // Информатизация в цифровой экономике. – 2025. – № 2. – c. 271-296. – doi: 10.18334/ide.6.2.123446.
14. Шабалтина Л.В., Калинина И.А., Масленников В.В., Черницова К. А. Цифровая трансформация управления: от структурированной аналитики к самообучающимся интеллектуальным системам // Экономика строительства. – 2025. – № 7. – c. 284-288.
15. Шабалтина Л.В., Калинина И.А., Масленников В.В., Черницова К. А. Интеллектуализация проектного управления как инструмент повышения цифровой зрелости организации // Финансовые рынки и банки. – 2025. – № 6. – c. 103-111.
16. Kholbekov R. O., Shabaltina L. V., Boris O. A. Platform solutions to raise the quality of the products of organisations with high digital maturity // International Journal for Quality Research. – 2024. – № 4. – p. 965-976. – doi: 10.24874/ijqr18.04-03.
17. Shabaltina L. V., Maslennikov V. V., Popova E. V., Gonchukova S. A. Trends in the Development of Digital Transformation of Organizations based on Artificial Intelligence // I International Scientific Forum on Sustainable Development and Innovation (WFSDI 2023): Conference Proceedings, Porto, Portugal, 27–28 апреля 2023 года. – Ekaterinburg: Institute of Digital Economics and Law LLC. Ekaterinburg, 2024. – p. 382-386.
18. Шабалтина Л.В. Исследование процессов управления жизненным циклом продукции // Креативная экономика. – 2024. – № 10. – c. 2801-2824. – doi: 10.18334/ce.18.10.121776.
19. Shabaltina L. V., Maslennikov V. V., Popova E. V. Digital Development Management Strategy of Organizations Based on Digital Maturity Parameters // II International Scientific Forum on Sustainable Development of SocioEconomic Systems (WFSDS 2022), Zoom, 23–24 декабря 2022 года: Zoom: LLC Institute of Digital Economics and Law. 2022. – p. 854-858.
20. Sozinova A. A., Ilyina E. N., Shabaltina L. V. Hi-tech production based on intelligent machines in emerging economies in Industry 4.0: a source of new quality of economic growth or a path to socio-economic crisis // International Journal of Economic Policy in Emerging Economies. – 2024. – № 3/4. – p. 368-380. – doi: 10.1504/ijepee.2024.139077.
21. Шабалтина Л. В., Боровский С.С., Керимова К. П., Шарикадзе В. Р. Прогнозирование будущего технологического суверенитета России. Концепции прогнозирования // Состояние и перспективы развития современной науки и образования: сборник статей VII Международной научно-практической конференции, Петрозаводск, 25 января 2024 года. – Петрозаводск: Международный центр научного партнерства «Новая Наука» (ИП Ивановская И.И.). Петрозаводск, 2024. – c. 250-256.
22. Шабалтина Л.В., Гарнова В.Ю., Чеснокова В.Р. Управление организацией при цифровой трансформации бизнеса // Научные исследования и разработки. Экономика фирмы. – 2020. – № 4. – c. 4-14. – doi: 10.12737/2306-627X-2020-4-14.
Страница обновлена: 27.01.2026 в 12:14:40
Download PDF | Downloads: 3
Digital twin as a dynamic management model: from constraints to digital maturity
Shabaltina L.V., Maslennikov V.V., Kalinina I.A.Journal paper
Informatization in the Digital Economy
Volume 6, Number 4 (October-December 2025)
Abstract:
The article presents a dynamic management model that integrates the principles of the theory of constraints and methodology for assessing digital maturity. The article aims at overcoming the imbalance in the levels of technological development of production assets and management systems in industrial companies.
An algorithm for digitally displaying the flow of high-tech product creation, implemented on a simulation modeling platform, is proposed as a toolkit.
This algorithm allows y to identify and minimize system constraints in product lifecycle management. On the example of modeling the assembly production of an unmanned aircraft complex, the effectiveness of applying a digital twin for operational optimization, management decision analysis, and long-term planning is shown.
The article develops parametric model that ensures the consistency of production flow data with strategic management goals. The synergy of the concepts considered forms the basis for creating adaptive and competitive production systems.
The article provides practical recommendations for implementing a dynamic management model and confirms the hypothesis that the synergy of constraint theory, digital maturity, and strategic modeling is the driver of building adaptive and competitive production systems.
Keywords: digital maturity, theory of constraints, digital twin, simulation modeling, high-tech production, dynamic management model, strategic planning
JEL-classification: O33, D81, C61, L60, M14
References:
Abdurakhmanov O. K., Minasyan A. A., Shabaltina L. V. (2025). Quality of digital product and opportunities to raise it: a view from the position of corporate management International Journal for Quality Research. 19 (3). 907-918. doi: 10.24874/ijqr19.03-15.
Kholbekov R. O., Shabaltina L. V., Boris O. A. (2024). Platform solutions to raise the quality of the products of organisations with high digital maturity International Journal for Quality Research. 18 (4). 965-976. doi: 10.24874/ijqr18.04-03.
Maslennikov V. V., Mintush O. V. (2022). BUILDING A DYNAMIC VALUE STREAM DASHBOARD. Ekonomika i predprinimatelstvo. (12). 1425-1430. doi: 10.34925/EIP.2022.149.12.283.
Shabaltina L. V. (2023). TECHNOLOGICAL AUTONOMY OF RUSSIA. STRATEGIC GUIDELINES. Financial business. (12). 257-262.
Shabaltina L. V. (2024). High-tech product life cycle management methods. Bulletin of the Altai Academy of Economics and Law. (9-2). 338-346. doi: 10.17513/vaael.3741.
Shabaltina L. V., Rozanova L. F. (2018). METHODOLOGICAL BASIS FOR ESTIMATION OF EFFECTIVENESS OF USE OF INVESTMENTS IN EDUCATION. Management and Business Administration. (3). 156-165.
Shabaltina L. V., Borovskiy S.S., Kerimova K. P., Sharikadze V. R. (2024). Forecasting the future technological sovereignty of Russia. Forecasting concepts The state and prospects of modern science and education development. 250-256.
Shabaltina L. V., Maslennikov V. V. (2023). Formalization of the concept of digital maturity in the process of organization development Step into the future: artificial intelligence and the digital economy. Techno-economics: Platform Transformation. 267-274.
Shabaltina L. V., Maslennikov V. V., Mikalina M. R. (2024). High-tech product lifecycle management: the impact of constraint theory and digital maturity Digital society: scientific initiatives and new challenges. 32-37.
Shabaltina L. V., Maslennikov V. V., Popova E. V. (2022). Digital Development Management Strategy of Organizations Based on Digital Maturity Parameters II International Scientific Forum on Sustainable Development of SocioEconomic Systems (WFSDS 2022), Zoom, 23–24 dekabrya 2022 goda. 854-858.
Shabaltina L. V., Maslennikov V. V., Popova E. V., Gonchukova S. A. (2024). Trends in the Development of Digital Transformation of Organizations based on Artificial Intelligence I International Scientific Forum on Sustainable Development and Innovation (WFSDI 2023). 382-386.
Shabaltina L.V. (2023). Classification of methods for assessing digital maturity. Journal of Economics, Entrepreneurship and Law. 13 (10). 4257-4280. doi: 10.18334/epp.13.10.119266.
Shabaltina L.V. (2023). Integrated structures as a tool for sustainable development. Journal of Economics, Entrepreneurship and Law. 13 (12). 5365-532. doi: 10.18334/epp.13.12.120231.
Shabaltina L.V. (2024). Research of product lifecycle management processes. Creative Economy. 18 (10). 2801-2824. doi: 10.18334/ce.18.10.121776.
Shabaltina L.V., Borovskiy S.S., Mashechkova V.Yu. (2024). Digital maturity is the basis of technological development Interdisciplinary research: past experiences, present opportunities, future strategies. 399-405.
Shabaltina L.V., Garnova V.Yu., Chesnokova V.R. (2020). Organization management in digital business transformation. Scientific research and development. Economy of the company. 9 (4). 4-14. doi: 10.12737/2306-627X-2020-4-14.
Shabaltina L.V., Kalinina I.A., Maslennikov V.V., Chernitsova K. A. (2025). DIGITAL TRANSFORMATION OF MANAGEMENT: FROM STRUCTURED ANALYTICS TO SELF-LEARNING INTELLIGENT SYSTEMS. Ekonomika stroitelstva. (7). 284-288.
Shabaltina L.V., Kalinina I.A., Maslennikov V.V., Chernitsova K. A. (2025). INTELLECTUALIZATION OF PROJECT MANAGEMENT AS A TOOL FOR INCREASING THE DIGITAL MATURITY OF AN ORGANIZATION. Finansovye rynki i banki. (6). 103-111.
Shabaltina L.V., Mashechkova V.Yu. (2025). Innovations on the way to the market: features of the life cycle of high-tech products Science and technology: the path to sustainable development. 401-408.
Shabaltina L.V., Maslennikov V.V., Kalinina I.A. (2025). Intellectualization of management by exception: concept, principles and application. Informatization in the Digital Economy. 6 (2). 271-296. doi: 10.18334/ide.6.2.123446.
Sozinova A. A., Ilyina E. N., Shabaltina L. V. (2024). Hi-tech production based on intelligent machines in emerging economies in Industry 4.0: a source of new quality of economic growth or a path to socio-economic crisis International Journal of Economic Policy in Emerging Economies. (3/4). 368-380. doi: 10.1504/ijepee.2024.139077.