Содержание к диссертации
Введение
1. Теоретические основы перепозиционирования базовых отраслей промышленности в условиях развития Индустрии 4.0 14
1.1. Индустрия 4.0 как определяющий вектор современного развития экономики 14
1.2. Тренды и закономерности развития металлургии 28
1.3. Технико-экономические предпосылки перепозиционирования металлургического комплекса региона 48
Глава 2. Методический подход к оценке перепозиционирования регионального металлургического комплекса 73
2.1. Методические основы выявления перспективных направлений технологического развития металлургии региона 73
2.2. Особенности методического обоснования существенных параметров перепозиционирования регионального металлургического комплекса 95
2.3. Методический аппарат принятия решений в условиях неопределенности 100
3. Вариативная оценка перепозиционирования металлургического комплекса Свердловской области 114
3.1. Приоритетные направления технологического развития металлургии Свердловской области 114
3.2. Экономическая оценка параметров перепозиционирования регионального металлургического комплекса 124
3.3. Апробация имитационной модели перепозиционирования металлургии на примере Свердловской области 139
Заключение 157
Список литературы 161
- Индустрия 4.0 как определяющий вектор современного развития экономики
- Технико-экономические предпосылки перепозиционирования металлургического комплекса региона
- Особенности методического обоснования существенных параметров перепозиционирования регионального металлургического комплекса
- Апробация имитационной модели перепозиционирования металлургии на примере Свердловской области
Введение к работе
Актуальность темы исследования
В современных условиях актуализируется необходимость учёта трендов четвёртой промышленной революции, принципов развития Индустрии 4.0. Скорость и эффективность реализации стратегии развития отечественной промышленности на основе этих принципов во многом определяется слаженной работой всех секторов экономики. При этом положение «несущей», в трактовке академика С. Глазьева, отрасли, занимает металлургия, развитие которой необходимо для формирования ядра VI технологического уклада.
Современные темпы изменений мировой рыночной конъюнктуры, неопределённость геополитических преобразований и, вместе с тем, ориентация развития отечественной экономики на соответствие принципам Индустрии 4.0, формируют новые приоритеты развития, учитывающие стремительный качественный рост промышленности в целом. Так, немецким концерном SMS group разработан ряд стратегий продвижения цифровых технологий в черной металлургии. Ожидается, что первые изменения произойдут в области производства, технического обслуживания и обеспечения качества. При этом металлургия должна удовлетворять не только потребности новых высокотехнологичных секторов экономики, но и традиционных отраслей промышленности.
Одной из крупнейших территорий размещения металлургической
промышленности РФ является Уральский регион, в частности Свердловская
область, в структуре обрабатывающих производств которой доля
металлургического комплекса составляет более 60%. Дальнейшее развитие
регионального металлургического комплекса предполагает его своеобразное
перепозиционирование, движение в направлении, соответствующем новым
трендам мирового экономического развития. Это определяет создание
принципиально нового образа металлургии, сочетающего изменение роли
высоких технологий в современном металлургическом производстве, их
трансформацию в главный фактор экономического развития с предъявлением
качественно новых требований к человеческому капиталу. Актуализируется
проблема формирования новых ключевых компетенций, связанных с
повышением потенциала трудовых ресурсов, созданием научно-
технологической основы для обеспечения высокотехнологичных отраслей
промышленности современной качественной продукцией. Процесс
перепозиционирования позволяет улучшить восприятие металлургии, которая сможет в дальнейшем рассматриваться как одна из высокотехнологичных отраслей отечественной экономики.
Все вышесказанное обуславливает необходимость развития теоретико-3
методологических положений по выявлению возможностей и оценке процесса перепозиционирования металлургического комплекса Урала, что обусловило выбор темы диссертационного исследования.
Степень разработанности темы исследования
Существенный вклад в исследование вопросов стратегии экономического развития России внесли такие ученые, как Л. Абалкин, А. Аганбегян, А. Амосов, С. Белозерова, С. Глазьев, Р. Гринберг, В. Дементьев, В. В. Ивантер, Д. Львов, В. Макаров, В. Мау, О. Сухарев, А. Татаркин, С. Толкачев, Ю. Яковец. Вопросы развития российской экономики в условиях вектора новой индустриализации рассмотрены С. Бодруновым, С. Губановым, В. Иноземцевым, Е. Ленчук, В. Наймушиным, А. Нешитым, В. Рязановым, В. Черковцом и др.
Проблемы модернизации и институционального развития экономики, в том числе высокотехнологичных производств, представлены в трудах В. Акбердиной, И. Баева, А. Варшавского, Г. Вечканова, Н. Калюжновой, Б. Кузыка, В. Цветкова, А. Яковлева, Е. Ясина. Изучению различных аспектов устойчивого развития отраслевой экономики, в частности экономики металлургии, посвятили свои труды Ю. Анискин, А. Бродов, И. Буданов, А. Козицын, В. Лисин, Н. Лякишев, Л. Макаров, С. Орехова, Д. Пумпянский, О. Романова, В. Штанский, Ю. Юсфин и др. Проблемам региональной экономики посвящены труды У. Айзарда, Е. Анимицы, А. Вебера, В. Видяпина, Н. Власовой, В. Кристаллера, П. Кругмана, А. Маршалла. В исследование проблем развития промышленности в условиях Индустрии 4.0 и цифровой экономики внесли свой вклад К. Шваб, Ш. Ванг, Д. Ван, Л. Моностори, Э. МакАфи, Э. Бринйолфссон, в том числе в практическом внедрении цифровых технологий в черной металлургии значимы работы Е. Завалишиной, М. Райффершайда и др.
В развитие темы наукометрического анализа, основанного на данных публикационной и патентной активности, большой вклад внесли Ю. Гарфилд, И. Маршакова, М. Мэйер, О. Перссон. Также в диссертации использованы труды таких ученых, как К. Пирсон, С. Рао, О. Родионова, Г. Харман, Г. Хотеллинг и др., чьи работы посвящены статистическим методам анализа, включая факторный и корреляционно-регрессионный анализ.
Основы теории искусственных нейронных сетей и ее дальнейшее развитие содержатся в работах и В. Видроу, Т. Кохонена, У. Мак-Каллока, М. Мински, С. Пайперта, У. Питтса, Ф. Розенблатта, Д. Хебба, Д. Хопфилда и др. Развитию теоретико-методологической базы, посвященной созданию систем классификации на основе теории статистических решений и правил статистического синтеза, послужили исследования А. Колмогорова, Г. Крамера, Б. Левина, Э. Патрика. Проблемам принятия решений в условиях
неопределенности, с применением искусственных нейронных сетей, большой вклад внесли Ю. Евтушенко, Н. Моисеев, Lotfi A. Zadeh, T. Saati и др.
В данных работах раскрыты теоретические и прикладные вопросы,
относящиеся к теме исследования. Тем не менее, решение ряда задач требует
переосмысления сути четвертой промышленной революции и ее влияния на
возможные пути развития металлургического комплекса региона. Отсутствуют
также сегодня методические положения по выявлению приоритетных
направлений технологического развития металлургии региона, выделению
ключевых факторов и оценке процесса перепозиционирования
металлургического комплекса региона, что предопределило цель, предмет и задачи настоящей работы.
Объект исследования – металлургический комплекс Свердловской области.
Предмет исследования – экономические отношения, возникающие в процессе перепозиционирования регионального металлургического комплекса.
Цель работы – развитие теоретико-методических положений и
разработка методического подхода к оценке перепозиционирования
регионального металлургического комплекса в условиях развития Индустрии 4.0.
Достижение поставленной цели потребовало постановки и решения следующих задач:
1. Развить теоретические основы перепозиционирования базовых
отраслей промышленного региона.
2. Разработать методический подход к оценке перепозиционирования
регионального металлургического комплекса.
3. Предложить модель вариативной оценки перепозиционирования
металлургического комплекса Свердловской области.
Область исследования соответствует п. 1.1.22 «Методология развития бизнес-процессов и бизнес-планирования в электроэнергетике, нефтегазовой, угольной, металлургической, машиностроительной и других отраслях промышленности»; п. 1.1.24 «Тарифная политика в отраслях топливно-энергетического комплекса. Методологические и методические подходы к решению проблем в области экономики, организации и управления отраслями и предприятиями металлургического комплекса» Паспорта ВАК Министерства образования и науки России по специальности 08.00.05 «Экономика и управление народным хозяйством (экономика, организация и управление предприятиями, отраслями, комплексами: промышленность)».
Теоретическую и методологическую базу диссертационного
исследования составили научные труды отечественных и зарубежных ученых в
области национальной, отраслевой и региональной экономики, промышленной политики, проблем модернизации и инновационного развития, а также теории долгосрочного технико-экономического развития, теорий единого и нового индустриального общества, теории стадий экономического роста, прикладной эконометрики, теории статистических решений и правил статистического синтеза.
Основными методами исследования являются методы системного, структурно-логического, сравнительного анализа, графико-аналитические методы, инструментарий эконометрического моделирования, включая методы факторного анализа, линейного и нелинейного регрессионного анализа, а также нейросетевое моделирование.
Информационную базу исследования составили законодательные,
нормативные документы в области социально-экономического развития
региона; развития металлургического производства и минерально-сырьевой
базы; методические рекомендации оценки эффективности; данные
Федеральной службы государственной статистики и службы государственной
статистики по Свердловской области; монографии и журнальные статьи;
материалы научных конференций; официальные Интернет-ресурсы;
собственные исследования автора.
Основные результаты, полученные автором, их научная новизна:
1. Развиты теоретические основы перепозиционирования базовых
отраслей индустриального региона на основе уточнения понятия
«перепозиционирование» применительно к металлургическому комплексу
региона, обоснования закономерностей и систематизации новых
технологических и институциональных трендов развития металлургии,
выявления соответствующих им технико-экономических предпосылок развития
металлургии, что позволило установить наличие реальных возможностей
перепозиционирования металлургического комплекса индустриально развитого
региона на принципах Индустрии 4.0 (п 1.1.24. Паспорта специальности ВАК).
2. Разработан методический подход к оценке перепозиционирования
регионального металлургического комплекса, включающий реализацию трех
последовательных этапов: 1) разработка информационной модели взаимосвязи
металлургии с перспективными направлениями научно-технологического
развития; 2) обоснование на основе метода главных компонент существенных
параметров, оказывающих определяющее влияние на процесс
перепозиционирования; 3) оценка на базе нейросетевых алгоритмов изменений
данных параметров в условиях высокой скорости технологических изменений и
неустойчивой рыночной конъюнктуры. Разработанный подход позволяет
создать методическую основу для формирования дорожной карты
перепозиционирования металлургии региона и модели оценки ее реализации (п. 1.1.24 Паспорта специальности ВАК).
3. Разработана модель вариативной оценки перепозиционирования
металлургии региона, основанная на технологии искусственных нейронных
сетей и позволяющая оценить изменения существенных параметров
металлургического комплекса в условиях меняющейся рыночной
конъюнктуры. Модель формирует основу для принятия управленческих решений в области поэтапной реализации приоритетных направлений развития региональной металлургии, в том числе на основе построенной дорожной карты, и может быть использована при разработке стратегии развития металлургического комплекса региона (п. 1.1.22 Паспорта специальности ВАК).
Обоснованность и достоверность результатов исследования
подтверждается: использованием теоретической, методической, статистической аналитической информации, полученной из достоверных источников; систематизацией работ зарубежных и отечественных исследователей в области развития Индустрии 4.0, развития базовых отраслевой экономики, в частности металлургии; корректным применением современных методов исследования.
Теоретическая и практическая значимость результатов
диссертационного исследования заключается в развитии теоретических основ
процесса перепозиционирования, что позволило разработать авторский
методический подход к оценке процесса перепозиционирования регионального
металлургического комплекса, который может быть использован в
деятельности региональных органов власти, отраслевых научно-
исследовательских институтов и металлургических предприятий при
обосновании стратегических решений развития отрасли. Предложенная
дорожная карта перепозиционирования регионального металлургического
комплекса может быть использована органами законодательной и
исполнительной власти при формировании государственных программ и
стратегий социально-экономического развития региона. Результаты
проведенных исследований вносят вклад в развитие методической базы построения технологии проектирования будущего.
Апробация работы
Основные положения и результаты диссертационного исследования обсуждались на российских и международных научно-практических конференциях (Екатеринбург – 2013, 2015, 2016, гг., Караганда – 2013 г., Челябинск – 2016 г.) и получили одобрение.
Результаты исследований использованы при выполнении программы фундаментальных исследований Президиума РАН № 12-М-37-2033 (за 2013-2014 гг.) «Формирование нового технологического облика металлургического
комплекса региона»; в программе Президиума РАН № 27 «Фундаментальный
базис инновационной технологической добычи, оценки и глубокой
комплексной переработки стратегического минерального сырья, необходимого
для модернизации экономики России» (2012-2014 гг.); при выполнении
бюджетных тем Центром структурной политики региона Института экономики
УрО РАН на 2014-2015 годы – «Методология исследования структурных
изменений отраслевых рынков в условиях смены технологических укладов», на
2016-2017 годы – «Методология исследования структурных изменений
отраслевых рынков в условиях трансформации механизмов управления
государственными ресурсами». Значимость результатов научно-
исследовательской работы подтверждена справками участия в научных проектах и актами внедрения.
Автор диссертации является победителем конкурса 2014 г. научных
проектов молодых ученых и аспирантов Уральского отделения РАН по теме:
«Инновационное обновление металлургии Урала как фактор новой
индустриализации старопромышленного региона», № 14-7-НП-328.
Заложенные в основу диссертационной работы результаты научной деятельности позволили автору выиграть конкурс на получение молодежного гранта РФФИ № 16–36–00097 «Экономико-математическое моделирование процесса перепозиционирования регионального металлургического комплекса в условиях новой индустриализации экономики» (2016-2017 гг.). Цикл работ автора, соответствующих тематике диссертационного исследования, удостоен Премии губернатора Свердловской области для молодых ученых по экономическим наукам в 2017 году.
Публикации. Основные положения и результаты диссертационного исследования отражены в 24 печатных работах общим объемом 20,6 п.л., в том числе авторских 14,6 п.л., из них десять статей в рецензируемых изданиях, определенных ВАК РФ для публикации результатов диссертационных исследований («Региональная экономика», «Известия ВУЗов, Черная металлургия», «Вестник ЗабГУ», «Экономика и предпринимательство», «Economic and Social Changes»), из них три статьи в журналах, входящих в базу Scopus («Экономика региона», «Steel in translation»), а также два препринта, раздел в коллективной монографии.
Структура и объем работы. Диссертация состоит из введения, трех глав, заключения, списка использованной литературы из 212 наименований. Текст изложен на 182 страницах и включает 28 таблиц, 29 рисунков и 17 приложений.
Индустрия 4.0 как определяющий вектор современного развития экономики
В традиционном представлении индустриальное общество – это общество, в котором достигнут высокий уровень технико-технологического развития и квалификации трудовых ресурсов, где приоритетом обладают крупные корпорации, а производство продукции ориентировано на массовый характер потребления [72]. Для более четкого понимания категории индустриализации воспользуемся ее определением, данным в словаре Б. Райзберга: «индустриализация – перевод экономики страны на промышленную основу, создание крупного машинного производства в народном хозяйстве или отдельной его отрасли, значительное увеличение доли промышленного производства в экономике. Индустриализация отдельной отрасли, например, сельского хозяйства, означает перевод ее на промышленную (машинную) основу» [136].
Существует ряд теорий, объясняющих тенденции и особенности развития индустрии территорий в различные периоды времени, а также возможные пути развития производства в перспективе. В основе теоретической базы индустриального развития общества лежит проблема экономического роста. В рамках данной проблемы основной задачей выступает повышение уровня жизни в условиях постоянного роста населения. В рамках проблемы индустриализации учеными выдвинут ряд теорий, выделены принципы, закономерности и обоснованы стадии и перспективы промышленного развития. Основополагающую роль в развитии теоретической базы рассматриваемой тематики сыграли теория стадий экономического роста Уолта Ростоу [201], теории единого индустриального общества Раймона Арона [7] и нового индустриального общества Джона Гелбрейта [30], теории постиндустриального общества Даниела Бэлла [11], Элвина Тоффлера [149] и др. В исследование теории экономического роста большой вклад внес американский экономист Ангус Мэддисон, изучая историю экономического роста, он установил зависимость между ростом населения и повышением выпускаемой продукции на одного человека. Другой экономист, американец Саймон Смит Кузнец, высказал мнение, что ускорение темпов экономического роста развитых стран, таких как США, Великобритания и Германия, связано с промышленным переворотом, причиной которому послужило становление капитализма [50]. Многие исследователи, в том числе М. Вебер и Э. Фромм, при анализе вопросов экономического роста в центр проблемы ставят фактор работоспособности человека (производительность труда, трудоемкость). Э. Денисон разделял факторы, объясняющие экономический рост, на две категории: 1) физические факторы производства (труд, капитал) и 2) факторы роста производительности труда [176]. Также есть взгляды, приверженцы которых на передний план выдвигают и другие факторы, в том числе науку и ноу-хау, природные ресурсы, туризм и иные экономические стимулы. Эти факторы достаточно субъективны и могут быть актуальны для отдельных государств. В настоящее время в силу геолого-географических, внутриполитических, финансовых, социально-экономических и иных особенностей развития стран и регионов достижение экономического роста общества на базе единого подхода затруднительно. Тем не менее, можно утверждать, что экономический рост индустриальных стран невозможен без поддержки научно-технологического развития, ориентации на рост производительности труда и качества трудовых ресурсов.
Известно, что переходом от аграрной экономики к индустриальному производству послужила промышленная революция. Становление мировой индустриализации началось с середины XVIII века и продолжалось в течение века XIX, что сопровождалось стремительным ростом производительных сил и утверждением капитализма в качестве господствующей мировой системы хозяйства [23]. Таким образом, первая промышленная революция ознаменовала собой переход от ручного труда к машинному. Развитие науки и техники способствовало появлению новых форм организации труда, новых служебных специальностей занятого персонала.
В основе второй промышленной революции заложены электрификация и конвейерное производство. Основным ее результатами стали рост производительности труда, повышение уровня жизни населения, преимущественно среднего класса, резкое развитие высокотехнологичного сектора экономики (машиностроение, приборостроение, авиастроение, химическое производство). При этом были пересмотрены подходы к управлению производством.
Третья промышленная революция ассоциируется с телекоммуникационными технологиями, цифровой революцией. Продвижение заложенных в ней принципов позволило еще больше повысить производительность труда, дисбаланс занятых в экономике трудовых ресурсов продолжил смещаться в сторону квалифицированных кадров.
Важным свойством промышленных революций является отсутствие синхронности их распространения в мире. На сегодняшний день черты третьей промышленной революции наблюдаются еще не по всему миру. Тем не менее, многие ученые полагают, что мир стоит на пороге очередных социально экономических потрясений, сопровождающих период смены действующего технологического уклада и формирования новой высокоразвитой экономической системы. При этом в отдельных странах успели сформироваться задатки четвертой промышленной революции, предполагающей внедрение киберфизических систем в производство (Индустрия 4.0) (рис. 1).
Впервые о четвертой промышленной революции предупредил Мартин Клаус Шваб. Сделал он это на 46-м Международном Экономическом форуме в Давосе. По мнению Шваба, очередная промышленная революция отличается темпами развития и степенью влияния на производственную и организационную системы.
Базу для перехода к новой экономической парадигме составляют новые технологические решения, инструменты и методы обработки данных, формирующих основу Индустрии 4.0 (рис. 1, правая часть). Изначально термин «Индустрия 4.0» обозначал процесс фундаментального преобразования глобальных цепочек создания стоимости [159]. Технологическая база Индустрии 4.0 ориентирована на развитие взаимосвязанных умных машин и систем. Ярким примером является технология «умных заводов» (Smart Factory). Четвертая промышленная революция, как процесс, значительно шире. Она охватывает такие области, как кодирование и расшифровка информации, в том числе на базе квантовых вычислений, генная инженерия и нанотехнологии, создание возобновляемых энергоресурсов. Синергия в рамках перечисленных областей определяет основу четвертой промышленной революции. Ее ядро составляет внедрение в производство «киберфизических систем», а первый движущий фактор включает новые способы сбора и анализа информации: Big Data (большие данные); Data Science (наука о данных); Machine Learning (машинное обучение); Deep Learning (глубокое, или глубинное, обучение) и т.д. [155].
При этом особое влияние на экономику окажут следующие факторы: – цифровые технологии;
– массовая промышленная автоматизация;
– переход на альтернативные источники энергии [44].
Вторым движущим фактором является интернет вещей, определяющий персонализацию производства. Если до недавнего времени Интернет использовался в основном в качестве коммуникационной платформы, то сегодня области его использования значительно расширились и продолжают расширяться, создавая платформы для управления различными объектами и процессами.
Наблюдаемая в рамках предыдущей, третьей промышленной революции «цифровая революция» основывалась на сетевых технологиях, аппаратном и программном обеспечении. Наблюдаемые сегодня процессы цифровых преобразований значительно более усовершенствованы, отличаются интегрированностью в глобальную экономику, что вызывает трансформацию общества. Этот период даже получил название «второй машинный век» [17]. Наукой уже накоплен необходимый запас идей и разработок, реализуемых в малых масштабах, но для перехода на промышленный уровень производства необходима технологическая перестройка экономики. Так, Германией в 2011 году была разработана концепция и утверждена программа развития промышленности «Индустрия 4.0». В первую очередь она направлена на развитие обрабатывающих производств, в том числе машиностроения, автомобилестроения, а также транспортно-логистического сектора. В рамках этой программы к условиям совместного развития промышленной и информационной технологических баз адаптируется система национального образования [35]. Поводом для разработки программы послужил прогноз мировых экспертов относительно формирования в ближайшие годы очередной (четвертой) промышленной революции, в условиях которой стратегическое значение имеет повышение конкурентоспособности обрабатывающей промышленности. Обрабатывающие виды деятельности в развитых странах (США, Германии и др.) не только обеспечивают потребности территорий их базирования, но и имеют высокий экспортный потенциал
Технико-экономические предпосылки перепозиционирования металлургического комплекса региона
Развитие металлургии в современных условиях требует реализации организационных и прогрессивных технико-технологических преобразований, учитывающих продвижение основополагающих элементов «зеленой экономики», необходимость значительного развития энерго- и ресурсосберегающих технологий, индивидуализацию производства и возможность локального приближения производственных мощностей к источникам сырья и потребителям металлопродукции. При этом особое внимание уделяется проблеме выбора индустриально развитых территорий РФ, с развитым металлургическим комплексом, обладающим достаточным потенциалом для дальнейшего развития в современных условиях.
Корректная оценка промышленного потенциала регионов предполагает учет влияния как внутренних, так и внешних факторов, определяющих возможную динамику промышленного развития [73]. В настоящее время в промышленно развитых регионах существуют параллельно три технологические системы. Одна из них, созданная еще в период существования СССР, но подвергшаяся серьезной модернизации в настоящий период, продолжает обеспечивать значительную долю потребностей в промышленной продукции. Вторая создана на базе многочисленных зарубежных технологий, импортированных в Россию, еще в 2000-е годы. К настоящему времени данная система успешно функционирует, производимая здесь продукция является вполне конкурентоспособной не только на внутреннем, но и на мировом рынке. Третья технологическая система основана на немногочисленных полностью отечественных разработках, главным образом в сфере ОПК, но высокий уровень которых отвечает требованиям VI-го технологического уклада. За период 2014-2016 гг. процессы развития научно-технологического потенциала России и ее промышленных регионов начинают приобретать системный характер. Вынужденная разработка проектов импортозамещения способствовала реализации эффективных проектов, инициирующих появление новых, не только производственных, но и встроенных в них исследовательских цепочек.
Существуют различные типологии индустриальных регионов, например, на основе критериев ВРП и производительности труда [65]. Известна также типология, основанная на критерии, определяющем долю обрабатывающих производств в ВРП соответствующих субъектов РФ. Эта доля должна быть не ниже 25% [4]. Представляется такой подход достаточно убедительным для констатации факта индустриального профиля территории. В соответствие данному подходу было проанализировано развитие индустриальных регионов России за период 2004-2015 годы (табл. 8).
Обращает на себя внимание во многих субъектах РФ достаточно резкое изменение рейтинга по критерию доли обрабатывающих производств в ВРП. Например, ранг Калужской области снизился с 1-го в 2012 году до 9-го в 2015, Республики Башкортостан соответственно с 3-го до 15-го. Но, например, Липецкая область, отнесенная к территориям с негативной деиндустриализацией, не только повысила свой рейтинг, но и стала лидером по вышеотмеченному критерию (2012 год – 8-е место, 2015 год – 1-е). Отсутствие однонаправленного вектора изменений проиллюстрировано на рисунке 6. Интересной выглядит динамика изменения анализируемого показателя по Свердловской области. Доля обрабатывающих производств в ВРП региона снизилась с 35,1% в 2004 году до 27,1% в 2012 году. Одновременно с изменением динамики вышеуказанного показателя, необходимо выявить, какие процессы сопровождали данное изменение. Так, например, в ведущей отрасли Свердловской области – металлургия произошли значительные прогрессивные изменения в технологическом развитии. Здесь полностью ликвидированы производства, характерные для третьего технологического уклада (например, мартеновское производство), наиболее высокими темпами рос выпуск электростали, что характеризует развитие производств пятого технологического уклада, получают развитие производства, так называемой, белой металлургии, обеспечивающей не только экологически чистое производство, но и использование высококвалифицированных трудовых ресурсов. Эти процессы прямо противоположны тем процессам, которые, по нашему мнению, характеризуют деиндустриализацию производства. Она имеет в качестве значительных негативных последствий упрощение труда и используемых технологий, снижение наукоемкости производства, разрушение производственных коллективов, то есть вызывает значительные отрицательные последствия и в социальной сфере [174, 190, 191, 210]. Таким образом, сложившаяся ситуация в Свердловской области, в частности, в ее ведущей отрасли промышленности – металлургии – не может характеризоваться как деиндустриализация, ибо технологический уровень производства, качество выпускаемой металлопродукции, качественный и квалификационный состав рабочей силы, тенденции улучшения экологической обстановки – все это свидетельствует о повышении научно-технологического уровня производства и улучшении качества используемой рабочей силы. Можно также отметить, что уже в 2015 году доля обрабатывающих производств в структуре ВРП Свердловской области возросла до 30,4% против 27,1% в 2012 году.
Современные темпы изменений мировой рыночной конъюнктуры, неопределенность геополитических преобразований и, вместе с тем, формирование вектора развития отечественной экономики на базе принципов Индустрии 4.0 приводят к тому, что успешное развитие металлургического комплекса Свердловской области может быть основано на формировании новых рынков сбыта, ориентированных на высокотехнологичные отрасли потребления, а также сохранении традиционных секторов потребления при возрастающей конкуренции на рынке конструкционных материалов. Развитие комплекса должно опираться на четкое представление рыночных перспектив и реализацию конкурентных преимуществ. В связи с чем, можно утверждать об изменении роли металлургии в структуре промышленности. Дальнейшее развитие металлургии Урала в условиях вектора Индустрии 4.0 предопределяет необходимость перепозиционирования регионального металлургического комплекса (РМК) и превращения его в мощную научно-технолого-производственную базу, отвечающую современным требованиям мировых стандартов.
Неопределенность условий и факторов, обуславливающих такое перепозиционирование металлургического комплекса региона, предопределяет необходимость единообразного подхода к пониманию термина «перепозиционирование». С целью формирования представления и раскрытия сути процесса перепозиционирования металлургического комплекса региона, нами проведено исследование понятийного аппарата относительно трактовки данного термина отечественными экономистами, приведенное в таблице 9.
Особенности методического обоснования существенных параметров перепозиционирования регионального металлургического комплекса
Сформировавшаяся интенция нового технологического образа металлургического комплекса Свердловской области предполагает стремительное развитие высокотехнологичных рынков потребления металлопродукции высокого передела. При этом развитие процесса перепозиционирования металлургии региона возможно при идентификации основных замедляющих ее причин, что позволит как органам исполнительной власти, так и бизнес-структурам определять методы и направления стимулирующего воздействия на металлургические предприятия региона.
Стандартные статистические методы оценки дают общее представление о тенденциях развития отрасли. Для более детального анализа представляется необходимым использование методов, основанных на выделении и оценке основных стимулирующих развитие отрасли факторов. Перечень методов факторного анализа, ориентированных на решение подобных задач, достаточно широк. К основным из них можно отнести метод главных компонент; метод выделения общностей по квадрату коэффициента множественной корреляции; выделение итеративных общностей; метод максимального правдоподобия; метод главных осей; центроидный метод и др. [152].
За последние годы особую популярность за универсальность применения приобрел метод главных компонент (МГК) [38, 63, 64, 129]. Данный метод позволяет проводить факторный анализ данных и осуществлять прогнозирование, его особенностью является снижение размерности данных выборки посредством определения малого числа линейных комбинаций исходных признаков, объясняющих изменчивость данных модели. Метод был предложен в 1901 году К. Пирсоном, дальнейшее развитие получил в трудах Г. Хармана, Г. Хотеллинга, С. Рао и др. МГК также именуют методом преобразования Карунена – Лоэва, и преобразованием Хотеллинга [138]. Статистические методы факторного анализа широко распространены при изучении особенностей развития экономики регионов, к таким исследованиям можно отнести диагностику инновационного развития Сибири [56], управление устойчивым развитием регионов [62], оценку ресурсов инновационного потенциала Республики Бурятия [127] и др.
Суть метода. Предположим, что технологический облик металлургии региона можно описать набором факторов xij, где i – порядковый номер фактора (i = 1, 2, …, I); j – точка временного ряда (j = 1, 2, …, J), а I и J – количество факторов и наблюдений соответственно. Тогда временной ряд для каждого фактора можно описать вектором
Так, вращение осей по методу кваримакс происходит таким образом, что результирующие факторные нагрузки максимизируют дисперсию д [163].
В результате проведения расчетов в соответствии с описанным действием получаем и интерпретируем матрицы нагрузок, характеризующие анализируемые факторы как значимые и незначимые. При этом положительные и отрицательные значения нагрузок отражают соответствующий характер воздействия факторов друг на друга внутри главной компоненты.
С целью выделения факторов, оказывающих существенное влияние на развитие металлургии региона в условиях развития Индустрии 4.0, построена экономико-математическая модель на основе метода главных компонент (МГК). Исходя из основополагающих принципов, заложенных в данном методе, нами сформулирована гипотеза, что если изменчивость группы отобранных факторов согласована (наблюдается высокая степень корреляции), то такая тенденция может являться следствием их общей зависимости от одной латентной компоненты, свойства которой обусловлены совокупностью признаков определяющих ее факторов. Для проверки данной гипотезы необходимо разбить совокупность исследуемых факторов таким образом, чтобы их согласованность была ограничена действием значимых, но не зависимых друг от друга главных компонент.
В результате анализа научной литературы, посвященной изучению факторов, оказывающих наибольшее влияние на технологическое, инновационное и социально-экономическое развитие металлургической отрасли и промышленности региона в целом [5, 14, 46, 166, 98, 16, 89, 26, 122, 20, 195], сформирован перечень из 19 показателей. Полученный информационный базис оптимально характеризует параметры технологического облика регионального металлургического комплекса. Для проведения более детального исследования по данным официальных источников сформирована необходимая статистическая база, отвечающая стандартным требованиям проведения количественного и качественного анализа. Информационная база составлена аналитически, на основе данных пространственно-временной выборки статистической базы Росстата по Свердловской области, бюллетеней научно-технической и экономической информации «Черная металлургия» и Государственных докладов о состоянии и об охране окружающей среды Свердловской области. Значения показателей отобраны за единый временной интервал (2005-2016 гг.). Перед проведением исследования необходимо привести информационную базу в надлежащий вид. Наиболее универсальной считается нормализация, математическое описание которой имеет вид [80]:
К системе показателей, характеризующих процесс перепозиционирования металлургического комплекса региона, отнесены показатели, позволяющие оценить движущую силу, стабильность функционирования и результаты развития металлургии региона по системе критериев, включающей: социально экономическое развитие; качество трудовой базы; финансовую поддержку; высокотехнологичное производство внутри сектора; инновационную активность; экологическую безопасность, развитие локального (внутрирегионального) потребительского рынка и внешние управляющие факторы (табл. 19).
Приведенный в таблице 19 перечень показателей оценки перепозиционирования обусловлен ожидаемыми кардинальными изменениями технологического образа металлургического комплекса региона.
Апробация имитационной модели перепозиционирования металлургии на примере Свердловской области
Конечной целью перепозиционирования регионального металлургического комплекса является формирование его нового технологического образа. В рамках выбранного подхода оценка изменения образа металлургии региона относится к задачам классификации и распознавания образов. Классическая задача классификации образов заключается в определении принадлежности входного параметра, представленного вектором признаков, к некоторым классам. Нейронные сети часто используются в решении различных задач на основе классификации данных: распознавание сигнала электрокардиограммы; классификация клеток крови, прогнозирование химического состава стали, управление робототехническими устройствами и др. [49, 124, 13, 154, 137, 84]. Большой вклад в развитие теоретико-методологической базы, посвященной созданию систем классификации на основе теории статистических решений и правил статистического синтеза, внесли исследователи А.Н. Колмогоров [68], Г. Крамер [77], С. Кульбак [79], Б.Р. Левин [81], Э. Патрик [104] и др.
Процесс построения нейронной сети включает ряд основных этапов: 1) формирование выборки; 2) выбор типа соединения нейронов (архитектура сети); 3) определение активационных (передаточных) функций элементов системы; 4) формирование обучающей выборки; 5) выполнение алгоритма обучения сети, учитывающего возможные модификации синоптических весов (весовых коэффициентов) связей между нейронами; 6) тестирование адекватности работы сети.
На основе аппроксимированных математических функций главных компонент произведена оценка изменения параметров технологического образа металлургии региона с использованием таблицы прогнозных значений входных переменных. Используемые регрессионные модели играют роль датчика, преобразующего разнородные физические величины, характеризующие развитие металлургического комплекса, в величину наиболее простую для восприятия обрабатывающей подсистемой. Исходные данные для построения нейросети для оценки перепозиционирования металлургии региона распределены по критерию реализации инновационного потенциала (F1.1); повышения конкурентоспособности (F1.2); сокращения выбросов и ресурсопотребления в процессе производства (F1.3); зависимости качественной металлургии от мировой конъюнктуры (F2); производства готовой продукции (F3); стимулирования инновационной деятельности и роста квалификации трудовых ресурсов (F4); а также обеспечения перспективных внутренних рынков высокотехнологичной металлопродукцией. При этом число анализируемых внутренних рынков ограничено шестью основными сегментами: производство судов, летательных и космических аппаратов и прочих транспортных средств (market1); производство автомобилей, прицепов и полуприцепов (market2); производство электрических машин и электрооборудования (market3); производство медицинских изделий, средств измерений, контроля, управления и испытаний; оптических приборов, фото- и кинооборудования; часов (market4); строительство зданий и сооружений (market5); транспортирование по трубопроводам газа и продуктов его переработки, нефти и нефтепродуктов (market6). Структура перечисленных рынков определяет наличие внешних возможностей для перепозиционирования металлургии региона. Таким образом, полученные значения главных компонент, в совокупности с переменными, определяющими удельный вес основных шести сегментов рынка металлопродукции, формируют информационную базу для построения нейронных сетей.
Методические указания к построению нейросети в программе Statistica приведены в Приложении 15. Перед построением сетей проведен анализ распределения данных в пространстве. Для этого в программе Statistica построены категоризованные графики. Распределение классов в пространстве для каждой группы признано равномерным. В Приложении 16 приведены двухмерные категоризованные графики распределения анализируемых параметров по этапам перепозиционирования металлургии региона, а также таблица прогнозных значений входных параметров. В результате проведенного графического анализа выбросов выявлено не было.
В процессе проведения расчетов построен ряд сетей, из которых выбрана оптимальная. Отобранная нейронная сеть имеет вид многослойного персептрона с двенадцатью нейронами на входном слое, двадцатью на скрытом (wi), и пятью выходными нейронами. Сеть имеет структуру прямого распространения (рис. 25).
Как видно из рисунка 25, совокупность входных переменных модели учитывает факторы, описывающие параметры технологического образа металлургии региона и, выраженные в долях единиц, доли металлоемких рынков в структуре ВВП, качественная структура совокупности которых определяет условия развития отечественной экономики в рамках Индустрии 4.0. Значимость переменных на входном слое сети равноценна.
Для обучения отобранной сети использован квазиньютоновский алгоритм второго порядка BFGS (Broyden, Fletcher, Goldfarb, Shanno). Метод нелинейной оптимизации BFGS отличается быстрой сходимостью и широко применяется для сетей с малым числом весов. Его основной задачей является исследование изменений градиента функции ошибок по всем наблюдениям и подстройка весов нейронов после каждой эпохи обучения (итерации) сети [60]. Стоит отметить, что обученная квазиньютоновским алгоритмом (BFGS) сеть может застревать на локальных минимумах [123, с. 93]. Функция ошибки – кросс-энтропия, или перекрестная энтропия:
Данный метод был предложен в 1997 году и используется, в основном, для оптимизации непрерывных функций. Его особенностью является апробирование точек исследуемого на оптимум пространства и аппроксимация точек, соответствующих условиям нормального распределения. Таким образом, на каждом шаге алгоритма генерируются случайные точки, участвующие впоследствии в корректировке распределения [184].
Приведенное на рисунке 25 уравнение отражает математическую спецификацию полученной модели и имеет следующие обозначения: OUTPUTk=1, …, 5 - выходной сигнал нейросети, соответствующий одному из пяти возможных состояний: два технологического облика и три этапа перепозиционирования металлургии региона; е - число Эйлера (е 2,718); xt -входной сигнал; wtj - весовые коэффициенты входов сумматора. Функция активации нейронов на скрытом слое имеет вид гиперболического тангенса. На выходном слое использована функция Softmax, при которой суммирование производится по всем нейронам выходного слоя, а сумма всех выходов слоя равна единице при любых значениях сигнала NET, предполагая вероятность отнесения металлургического комплекса к каждому из классов (технологических образов и этапов перепозиционирования). Стоит отметить, что такая сеть работает в режиме интерполяции, то есть активируется сразу несколько нейронов. В таком режиме классификация происходит непрерывно, за счет плавного изменения входного вектора с одних весов на последующие [175]. При этом суммирование производится по всем нейронам выходного слоя, а сумма всех выходов слоя равна единице при любых значениях сигнала NETU предполагая вероятность отнесения металлургического комплекса к каждому из классов (этапов перепозиционирования)