SCI Библиотека

В статье рассматривается вопрос применения цифровых технологий для достижения и повышения уровня устойчивости предприятий, специализирующихся в отрасли черной металлургии. Цель исследования заключается в разработке стратегических мероприятий по внедрению основополагающих цифровых инструментов в отрасли. Для проведения исследования были применены такие научные методы, как дедукция, анализ и синтез, обобщение, метод научных абстракций, исторический и логический анализ, системный подход. Исследованы ключевые тенденции и текущее состояние отрасли черной металлургии, выделены главные задачи для достижения структурной модернизации предприятий. Изучены основные этапы развития отрасли черной металлургии в контексте промышленных революций: особым образом выделены прорывные инновации для автоматизации производственных процессов в рамках Индустрии 4.0 – это киберфизические системы, аналитика больших данных и децентрализованные системы управления. С учетом национальных приоритетов развития Российской Федерации отмечена необходимость достижения устойчивости развития промышленных предприятий, в том числе в отрасли черной металлургии. Выделены актуальные ключевые проблемы в отрасли, и на их основе в заключении статьи определены необходимые мероприятия для их решения (такие, как внедрение цифрового оборудования для мониторинга и контроля всех производственных и управленческих процессов, а также создание комплексных автоматизированных систем управления для координации всех функциональных областей предприятия, специализирующегося в черной металлургии).

Целью данного исследования является определение наиболее важных трендов цифровой трансформации транспортных систем в пространстве развития современной экономики, разработка предложений, направленных на повышение эффективности деятельности транспортных компаний в условиях цифровой трансформации. Методическим основанием данной работы стало использование комплекса методов (анализа, синтеза, классификации), которые позволили определить наиболее перспективные направления цифровизации в области транспортной деятельности, предложить пути дальнейшего ее развития. Автором предложено рассматривать систему управления грузоперевозками как область для создания цифровой платформы.

В современной экономике растет роль новейших технологий, основанных на индустрии 4.0, которые значительным образом повышают эффективность производств. Рост уровня информатизации и цифровизации общества, цифровых навыков является первостепенным для государств в их внутренней политике, так как в совокупности данные факторы создают цифровую среду, необходимую для использования все более усложняющихся технологий и создания новых, повышают конкурентные позиции страны на мировой арене. Цель статьи – изучение существующих подходов к оценке цифрового разрыва, проведение анализа и определение набора критериев для экономического анализа цифрового разрыва, который в нужной степени отображает экономический аспект данного явления для проведения межстрановых сопоставлений. Методологическую основу исследования составляют: структурно-функциональный метод, который позволил выделить основные, определяющие суть цифрового разрыва элементы; исторический и логический методы, с помощью которых был проведен анализ развития теорий, составляющих концептуальную основу цифрового разрыва. Проведенный анализ развития теоретических концепций, связанных с информационным обществом, технологическим разрывом и цифровым разрывом, позволяет сделать вывод о том, что существующие в настоящее время подходы к оценке цифрового разрыва основываются в большей степени на инструментарии социологических исследований. В работе предложен подход для анализа цифрового разрыва, который сочетает индикаторы цифровой среды, цифровизации экономики и цифрового суверенитета и базируется на четырех группах показателей: доступ к Интернету, готовность населения эффективно использовать цифровые технологии, уровень цифровизации бизнеса, цифровой потенциал.

Цель настоящей работы - рассмотрение практических аспектов применения генетических алгоритмов для решения задачи Марковица, заключающейся в адаптации генетических операторов к специфике решения задачи оптимизации портфеля рисковых активов. Основными методами используемыми автором являются методы системного анализ и эвристические методы оптимизации. В качестве данных для эксперимента, которые использовались для эмпирического моделирования, получены из открытых источников котировок Мосбиржи. Рассмотрены аспекты кодирования и декодирования допустимых решений в хромосомы, формализованы требования к размерности хромосом для достижения оптимальной скорости схождения генетического алгоритма. Для решения проблемы сохранения допустимости потенциального решения, с учетом ограничений задач Марковица, предложен оператор нормализации вида хромосом, позволяющий обеспечивать сохранение эквивалентности полученных потомков с допустимыми решениями. Исследования эффективности предложенного оператора генетического алгоритма, проведены по результатам 100 вычислительных экспериментов, и демонстрируют более высокие показатели сходимости чем при традиционном способе уничтожения недопустимых особей, полученных по результатам кроссовера. Вычислительные эксперименты проводились с использованием авторской программы реализованной в среде Lazarus, что позволило в полной мере оценить возможности генетических алгоритмов и их применимость к задачам оптимизации. Приведены результаты динамики целевой функции в процессе поиска оптимальных решений.

Процессы цифровизации перманентно увеличивают объём данных, который может быть использован для принятия управленческих решений в целях развития регионов. В связи с этим возникает необходимость в определении релевантности ранее используемых статистических данных и их влияния на инновационное развитие регионов. Статья посвящена исследованию взаимосвязи между количеством объектов интеллектуальной собственности (ОИС) и инновационной деятельностью регионов, которая отражается через Российский региональный инновационный индекс. В работе проведён анализ первичных данных, полученных Федеральной службой по интеллектуальной собственности (Роспатент) и Высшей школой экономики (ВШЭ) за 2021 год. Для исследования данных были применены непараметрические критерии математической статистики с целью повышения робастности (устойчивости к помехам) оценок. В результате исследования было подтверждено влияние количества ОИС на развитие инновационной деятельности регионов. Коэффициент корреляции Спирмана (r) по всему массиву данных составил 0,81 (сильная положительная взаимосвязь), по массиву данных первой группы - 0,51 (умеренная положительная).

С 2017 года по настоящее время субъектами РФ осуществляется панельное наблюдение за состоянием и развитием конкуренции на товарных рынках на основании единой методики, утвержденной на федеральном уровне. В статье анализируются методологические подходы к формированию выборки, использованные в данной методике, и раскрываются практические проблемы его применения на основе реально проведенного мониторинга на территории Новосибирской области. Исследование показало, что существующая методика ведет к нарушению репрезентативности выборки в том смысле, что отдельные товарные рынки оцениваются респондентами, не имеющими никакого опыта приобретения или использования их товаров или услуг. В статье проводится анализ гомогенности групп респондентов и их ответов, на основании чего делается вывод о существующем отличии в ответах тех, кто не пользуется товарами и услугами анализируемых рынков от ответов реальных пользователей. Авторами предлагаются варианты оптимизации методики: ввод большего числа признаков при формировании выборки либо использование других методов структурирования генеральной совокупности. В статье также рассматриваются методы сбора первичной информации. Для упрощения ее сбора авторы рекомендуют использовать онлайн-опросы с продвижением через социальные сети. Для снижения проблемы избыточности «лишних» мнений, не попадающих в квоту опроса, авторы рекомендуют разработку более точных рекомендательных механизмов и введение в опросник квотного фильтра для отсева «внеквотных» респондентов на первоначальном этапе. Дополнительно в статье поднимается вопрос о целесообразности утвержденного в методике перечня товарных рынков, критически анализируется его структура и предлагаются альтернативные варианты.

С 2017 года по настоящее время субъектами РФ осуществляется панельное наблюдение за состоянием и развитием конкуренции на товарных рынках на основании единой методики, утвержденной на федеральном уровне. В статье анализируются методологические подходы к формированию выборки, использованные в данной методике, и раскрываются практические проблемы его применения на основе реально проведенного мониторинга на территории Новосибирской области. Исследование показало, что существующая методика ведет к нарушению репрезентативности выборки в том смысле, что отдельные товарные рынки оцениваются респондентами, не имеющими никакого опыта приобретения или использования их товаров или услуг. В статье проводится анализ гомогенности групп респондентов и их ответов, на основании чего делается вывод о существующем отличии в ответах тех, кто не пользуется товарами и услугами анализируемых рынков от ответов реальных пользователей. Авторами предлагаются варианты оптимизации методики: ввод большего числа признаков при формировании выборки либо использование других методов структурирования генеральной совокупности. В статье также рассматриваются методы сбора первичной информации. Для упрощения ее сбора авторы рекомендуют использовать онлайн-опросы с продвижением через социальные сети. Для снижения проблемы избыточности «лишних» мнений, не попадающих в квоту опроса, авторы рекомендуют разработку более точных рекомендательных механизмов и введение в опросник квотного фильтра для отсева «внеквотных» респондентов на первоначальном этапе. Дополнительно в статье поднимается вопрос о целесообразности утвержденного в методике перечня товарных рынков, критически анализируется его структура и предлагаются альтернативные варианты.

Цель исследования. В настоящей статье анализируется вклад сетевого человеческого капитала в экономическую динамику и инновации посредством эконометрического моделирования на основе данных по 70 странам за 2020-2021 гг. Основная цель исследования состоит в анализе взаимосвязи между сетевым человеческим капиталом, экономическим развитием и инновационной активностью. Материалы и методы. Настоящее исследование основано на методологии обратной связи. С одной стороны, развитие человеческого капитала выступает стратегическим фактором устойчивого экономического развития. С другой стороны, экономические ресурсы, увеличивающиеся в условиях развития, инвестируются в человеческий капитал. Авторами разработан двухэтапный метод оценки вклада сетевого человеческого капитала в экономическую динамику и развитие инновационной деятельности. На первом этапе оценивалось влияние человеческого капитала на факторы инновационного развития, оцениваемые показателями Глобального инновационного индекса (The Global Innovation Index, GII). На втором - моделировалась оценка вклада этих факторов в ВВП на одного занятого. Реализация метода производилась посредством разработки эконометрических моделей, позволяющих оценить вклады сетевого человеческого капитала в экономическую динамику на основе профиля национальной экономики и оценки зависимости ВВП на одного занятого от структуры занятости национальной экономики. Результаты. По результатам эконометрического моделирования произведена оценка влияния накопления человеческого капитала на инновационное развитие экономики. Выявлены и обоснованы статистически значимые зависимости между: увеличением человеческого капитала и ускорением темпов развития новых технологий и экономики знаний; развитием креативной деятельности; нарастанием инновационных связей. На основании результатов моделирования, эмпирически оценен, во-первых, вклад сетевого человеческого капитала в ВВП на одного занятого; во-вторых, увеличивающийся вклад новых отраслей в ВВП на одного занятого и уменьшающийся вклад традиционных отраслей (на примере сельского хозяйства); в-третьих, более значимый вклад занятых в IT по сравнению с вкладом занятых в образовании и здравоохранении в ВВП на одного занятого. Заключение. Результаты проведенного моделирования доказали, что сетевой человеческий капитал влияет на экономический рост и инновационное развитие посредством двух механизмов. Во-первых, сетевой человеческий капитал непосредственно участвует в производственных процессах платформенной экономики как фактор производства. В этом смысле накопление сетевого человеческого капитала непосредственно увеличивает совокупный выпуск. Во-вторых, накопление сетевого человеческого капитала позитивно влияет на классические факторы производства и, в частности, способствует технологическому прогрессу.

В статье актуализируется значимость многокритериальной диагностики результатов цифровой трансформации организаций. Целью исследования является разработка методического подхода к оценке эффективности цифровизации предприятия на основе многопараметрических данных и построения интегральной функции желательности Харрингтона. В качестве индикаторов цифровой эффективности рекомендуется рассматривать три группы показателей: экономические, социальные и технические. Методическим базисом исследования является экспоненциальное преобразование частных метрик эффективности и последующий расчет обобщенного индекса желательности Харрингтона. Предложенная методика является универсальным аналитическим инструментом и может быть применена для экспертизы цифровых проектов в различных отраслях экономики. Апробация методики представлена на примере цифрового проекта локомотиворемонтного предприятия, в результате оценки проект признан экономически и технически эффективным (на среднем уровне по шкале желательности). Расчеты показали более высокую степень технической эффективности по сравнению с экономическими и социальными эффектами. Научная новизна работы состоит в систематизации показателей «цифровой» эффективности, а также в расширении области применения функции желательности как обобщенного параметра оценки цифровых проектов, что вносит вклад в развитие научно-практических аспектов экономического анализа.

Исследование посвящено проблеме дифференциации доходов населения регионов России. Целью работы является разработка методики анализа процессов дифференциации доходов населения регионов России на базе теории динамических систем и машинного обучения, а также ее апробация на фактическом аналитическом материале. Гипотеза исследования заключается в предположении одновременного сосуществования процессов конвергенции и дивергенции дифференциации доходов населения регионов России, зависящих от внешних и внутренних факторов. Указанные процессы являются объектом исследования. Информационной базой исследования являются данные Росстата о значениях индекса Джини 80 регионов за период с 1995 по 2018 г. Для построения экспериментальных траекторий помимо индекса Джини использованы две независимые динамические переменные - его первая и вторая производные по времени, что позволило построить три различных пространства состояний (от одномерного до трехмерного). Методом кластеризации «k-средних» всё наблюдавшееся множество состояний было разделено на пять кластеров, количество которых было предварительно определено тестом «на осыпь» («метод локтя»). В результате расчетов было доказано преобладание конвергентных процессов над дивергентными в течение исследованного периода. Было обнаружено, что индивидуальные траектории движения отдельных регионов в пространстве состояний существенно отличаются: траектории некоторых регионов могут быть локализованы в пределах только одного кластера, тогда как отдельные части траекторий других могут принадлежать одновременно нескольким кластерам. Подавляющее большинство траекторий расположены в пределах 2-3 кластеров. Теоретическая значимость полученных результатов заключается в углублении представлений о региональной специфике динамики изменений дифференциации доходов населения субъектов Федерации. Практическая значимость результатов исследования заключается в расширении инструментальной поддержки принятия решений при реализации государственной политики в сфере регулирования дифференциации доходов населения на региональном уровне.