Научная статья

Original article

УДК 004:910.25:332.33

doi: 10.55186/2413046X_2022_7_3_143

СОВЕРШЕНСТВОВАНИЕ РЕГИОНАЛЬНОЙ ГЕОИНФОРМАЦИОННОЙ СИСТЕМЫ НЕДРОПОЛЬЗОВАНИЯ

IMPROVING THE REGIONAL GEOGRAPHIC INFORMATION SYSTEM FOR SUBSOIL USE

Елтошкина Наталья Валерьевна, к.г.н., доцент, ФГБОУ ВО «Иркутский государственный аграрный университет им. А.А.Ежевского», г. Иркутск

Eltoshkina Natalia Valerievna, candidate of geographical sciences, assistant professor, FSBEE HE Irkutsk State Agricultural University of A.A. Ezhevsky, Irkutsk 

Аннотация. В статье  рассматриваются вопросы совершенствования геоинформационной системы в области недропользования для решения проблем сбора, хранения, выборки, анализа и отображения данных при ведении кадастров минерально-сырьевых ресурсов территорий, решения задач территориального управления, ведении мониторинга минерально-сырьевых ресурсов, проведение геоэкологического прогноза, выявлении и картографировании зон экологического риска и многих других управленческих задач. В настоящее время роль геоинформационных систем в недропользование возрастает, но их использование препятствует несогласованность систем классификации информации, дублированием информационных потоков и функциональной нагрузки между организациями.

Abstract. The article deals with the issues of improving the geographic information system in the field of subsoil use to solve the problems of collecting, storing, sampling, analyzing and displaying data when maintaining inventories of mineral resources of territories, solving problems of territorial management, monitoring mineral resources, conducting a geoecological forecast, identification and mapping of environmental risk zones and many other management tasks. Currently, the role of geographic information systems in subsoil use is increasing, but their use is hindered by the inconsistency of information classification systems, duplication of information flows and functional load between organizations.

Ключевые слова: недропользование, геоинформационные системы, минерально-сырьевые ресурсы

Key words: subsoil use, geoinformation systems, mineral resources

С каждым годом возрастает роль информатизации в области недропользования, на основании огромных массивов информации и по результатам ее анализа принимаются управленческие решения в масштабе страны, отдельных регионов и муниципальных образований. Эффективность поиска решений многочисленных проблем управления недропользованием сегодня напрямую зависит от возможностей информационных систем – способов их организации, быстродействия, удобства работы пользователей и других характеристик. По этой причине создание и развитие информационной системы управления недропользованием в регионах Российской Федерации выдвигается на одно из первых мест среди других проблем, связанных с охраной природной среды и рациональным недропользованием.

При создании информационной системы управления недропользованием региона решаются проблемы сбора, хранения, выборки, анализа и отображения данных при ведении кадастров минерально-сырьевых ресурсов территорий, решении задач территориального управления, ведении мониторинга минерально-сырьевых ресурсов, проведение геоэкологического прогноза, выявлении и картографировании зон экологического риска и много других управленческих задач.

Информационное обеспечение в экологической сфере включает сбор, систематизацию, обработку, анализ, хранение и выдачу потребителю экологически значимой разноплановой и разномасштабной информации по всей Российской Федерации и его отдельных субъектов, как территориального, так и временного характера.

Цель информационной системы состоит в обеспечении пользователю достаточно эффективных возможностей при:

• оперативном сборе и передаче данных измерений на пунктах мониторинга в единый центр для обработки и анализа;
• ведении банков данных и интегрировании разобщенных баз данных;
• статистическом представлении первичной информации об объектах наблюдения для передачи на различные уровни административного и хозяйственного управления;
• поддержке и унификации используемых классификаторов фактографической и картографической информации;
• пространственном моделировании и построении математических моделей объектов на основе данных мониторинга;
• решении задач оценки состоянии изучаемых объектов методами математического моделирования для анализа возможного изменения экологической ситуации и выработки рекомендаций по управлению процессом недропользования.

Для Российской Федерации в целом и ее субъектов характерно отсутствием единой унифицированной системы, включающей в себя данные различных сторон функционирования эколого-экономических систем. Имеющиеся массивы информации разобщены по министерствам, ведомствам и территориям, не синхронизированы во времени, рассогласованы в методическом отношении. Имеющиеся информационные системы и математические модели отработки массива данных имеют серьезные противоречия с требованиями потребителей и управляющих органов.

Из-за отсутствия единой методики и научно обоснованном системы математических моделей имеющиеся алгоритмы и программы слабо востребованы в деле оптимизации недропользования. Необходимо осуществить комплекс мероприятий по совершенствованию информационного блока управления недропользованием, состоящего из трехуровневой модели:

• 1 уровень — автоматизированная система управления (анализ, планирование и регулирование недропользования, разработка конкретных научно-практических рекомендаций для принятия оперативных решений).
• 2 уровень — геоинформационная система (накопление, агрегирование и синхронизация данных, прогноз состояния природной среды, выработка целевой информации для структур, принимающих решения);
• 3 уровень — мониторинг окружающей среды;

В рамках указанной модели практические меры по совершенствованию блока должны включать:

• выбор и обоснование единой методологии сбора, инвентаризации и классификации информации;
• согласование и отбор методического аппарата, позволяющего осуществить унифицированный перенос информации на машинные носители, и упорядочение данных различного содержания и образца;
• регулирование информационных потоков ресурсного и природоохранного характера;
• создание базы данных по двум взаимосвязанным блокам: картографическому и тематическому:
• создание банка моделей взаимосвязи различных компонентов природной среды и отработка его использования в процессе принятия управленческих решений.

Каждый из указанных уровней технологии совершенствования системы управления недрорользованием имеем свои особые задачи, одинаковые для всех субъектов Российской Федерации.

Основная задача мониторинга — получение объективных и оперативных данных о состоянии компонентов природной среды о количестве выбросов (сбросов) вредных веществ, об аварийных и залповых выбросах (сбросах) загрязняющих веществ, о высоких и экстремально высоких уровнях загрязнений.

Посредством мониторинга выявляются:

• конкретные точки и источники загрязнений окружающей среды;
• наиболее существенные факторы, процессы, явления, вызывающие значительные изменения природной среды;
• необходимость выбора оптимальных способов, методов, приемов и средств выполнения контроля и слежения за состоянием среды;
• наиболее приемлемая периодичность и режим контроля.

После первичной обработки агрегированные данные мониторинга поступают в геоинформационную систему — ГИС. Главная задача — интеграция отраслевых потоков данных в единую систему географической информации о территории, комплексная оценка и прогноз состояния природной среды региона в соответствии и с определенными эталонами, нормативами, ГОСТами на качество этой среды.

Результаты функционирования ГИС:

• оперативная визуализация текущей ситуации в природной среде региона;
• выдача целенаправленной информации для принятия оптимальных решений по рационализации недропользования, локализации, обезвреживанию и предупреждению высоких уровней загрязнения природной среды;
• анализ и интерпретация данных с целью получения выводов об экологическом состоянии природных компонентов, последствиях антропогенного воздействия на них и прогнозирование их состояния;
• выдача рекомендаций о проведении научно-исследовательских работ для выявления влияния загрязнений природной среды на здоровье людей, путей миграции токсикантов по природным средам и пищевым путям;
• использование полученных данных для информирования государственных и общественных организаций и населения о состоянии окружающей среды.

Алгоритмы анализа, оценки и прогноза развития природных и антропогенных изменений природной среды должны реализоваться в виде моделей, для хранения которых в ГИС создается специальный банк моделей. Этот банк формируется специалистами-экспертами в каждой рассматриваемой предметной области.

Для отражения наблюдаемых и прогнозируемых явлений в пространстве необходимо осуществить тематическое картографирование с составлением эколого-географических карт инвентаризационного и прогнозного типов. На них должны найти отображение источники загрязнения атмосферного воздуха, выпуска сточных вод, вероятность рассеивания выбросов от стационарных и передвижных источников, нормирование выбросов по ингредиентам загрязнения, эколого-экономическое районирование территории.

Наибольшее развитие среди тематических карт получили геолого-экономические карты. В общем виде цифровые модели карт состоят из следующих слоев:

• минералогенический: размещение минералогенических зон и рудных районов для определения видов полезных ископаемых;
• минерало-ресурсный: размещение месторождений с указанием их геологопромышленных типов, масштабов, степени освоенности, способа обработки и экономических показателей;
• промышленный: размещение горнодобывающих и перерабатывающих предприятий, как действующих так и строящихся, их обеспеченность разведанными запасами, сведения о грузоперевозках минерального сырья, центрах и объемах его потребления, данные об экспорте и импорте;
• административно-экономическое районирование: вся информация привязывается к экономическим и административным выделам;
• инфраструктурный: пути сообщения, магистральные трубопроводы и др.

В меньшей степени представлены эколого-экономические карты, хотя они, как составные части ГИС являются важнейшим элементом эколого-экономической оценки минерально-сырьевого потенциала любого региона.

Количественная (цифровая) и качественная (картографическая) оценки состояния природной среды дает возможность определить комплекс необходимых мероприятий по оптимизации процесса недропользования, ликвидации негативных последствий хозяйственной деятельности па территории региона. Это позволяет создать эффективный механизм принятия управленческих решений на региональном уровне во взаимодействии с функционирующими народнохозяйственными объектами и отраслями. Кроме того, это обеспечит разработку реально осуществимых мероприятий по охране природы, восстановлению качества ее компонентов, рациональному использованию минеральных ресурсов и снижению загрязнений окружающей среды.

Указанные функции геоинформационной системы для целей управления недропользованием имеют большое народнохозяйственное значение, особенно в области обеспечения экологической безопасности и создания условий устойчивого развития территории региона.

Геоинформационные системы используется:

• для комплексного развития территории, размещения производительных сил, градообразующих объектов инфраструктуры и строительства, охраняемых природных территории, памятников истории и культуры;
• для охраны окружающей среды, обеспечения санитарной и экологической безопасности, установления экологически обоснованных режимов использовании территории;
• для осуществления целевых инвестиционных проектов и программ, направленных на неистощительное использование природно-ресурсного потенциала территории;
• формирования структуры и базы налогообложения в условиях проведения экономической и конституционной реформ, реализации принципов самоуправления территорий.

Дальнейшее совершенствование геоинформационной системы, создание информационно-экспертной системы обеспечения экологической безопасности и рационального недропользования для целей управления целесообразно проводить в три этапа.

На первом этапе разрабатывается проект организации системы, включающий следующие аспекты:

• определение конкретных целей и задач системы;
• анализ существующих банков данных о состоянии окружающей среды и природных ресурсах в ведомственных службах, выявление структуры и объема имеющейся и накапливающейся информации, оценка объема работ по переводу информации из бумажной формы в цифровую;
• выбор и обоснование критериев экологической безопасности и проработка на их базе структуры необходимых банков информации, оценка объема работ по модификации структур существующих банков информации;
• разработка и согласование структуры информационных связей, потоков обмена, регламентации доступа к информации и т.д.

На втором этапе должны быть созданы условия для функционирования системы:

• разработаны или модифицированы банки данных в органи­зациях, начаты процессы формирования интегрированного банка данных;
• применен или разработан единый картографический материал для использования его различными организациями в составе геоинформационных систем (для разработки кадастра природных ресурсов, проведения экологического мониторинга);
• произведено необходимое оснащение всех объектов системы средствами вычислительной техники и связи;
• организована связь между всеми объектами системы;
• проведены другие организационные и технические работы в соответствии с разработанным проектом системы.

На третьем этапе должно быть организовано дальнейшее раз­витие системы:

• развитие распределенной базы данных;
• созданы (разработаны или приобретены) библиотеки математических моделей и алгоритмов анализа данных по параметрическому обеспечению методов опенки и прогнозирования экологической обстановки;
• отработка использования результатов моделирования и ана­лиза экологической обстановки в процессе принятия управленческих решений;
• дальнейшее расширение и оснащение системы.

Формируемая система должна иметь открытую архитектуру, т.е. позволяющую подключать к ней новые объекты, производить обмен информацией с объектами других систем или отдельными организациями.

Наличие и использование достоверной информационной базы управления недропользованием должны способствовать повышению обоснованное и краткосрочных и долговременных прогнозов, объективности и комплексной оценки состояния окружающей природной среды, рациональному использованию природных ресурсов

Таким образом, в деле обеспечения экологической безопасности как главного условия устойчивого развития Бурятии важнейшем и актуальной задачей в современный период является формирование целостной геоинформационной системы.

Главными факторами, определяющими актуальность данного вопроса в нынешний период в развитии российской экономики являются:

• разрыв устоявшейся системы межотраслевых и внутриотраслевых связей объектов недропользования между собой, что в корне подрывает основы комплексирования и комбинирования производств и ликвидации отходов;
• неуклонное повышение стоимости природоохранных мероприятий и в ряде случаев полное прекращение деятельности по охране природы;
• общее удорожание использования большинства видов природных ресурсов, приводящее к ухудшению экономических показателей объектов хозяйственной деятельности;
• ухудшение экологической обстановки в проблемных ареалах региона и появление неучтенных экологических последствий;
• низкая эффективность существующей системы управлении недропользованием, обусловленная отсутствием единой унифицированной информационной базы.

Совершенствование управления недропользованием должно идти в тех же направлениях, что и для всего механизма управления природно-хозяйственными комплексами региона и страны.

В этом деле важнейшим организующим началом должна выступать региональная информационная система. Она необходима для осуществления конкретных практических действий и программных мероприятий по обеспечению экологической безопасности освоения минерально-сырьевых ресурсов в республике Бурятия. Сегодня важны не общие рассуждения об ухудшении экологической обстановки в целом по региону, а накопление количественных показателей по состоянию и использованию минерально-сырьевых ресурсов, загрязнений и нарушений компонентов природной среды вплоть до уровня отдельного предприятия, степени и характера хозяйственной деятельности по восстановлению качества среды и воспроизводству природных ресурсов.

На начальных этапах подготовки минераль­но-сырьевых ресурсов к промышленному освоению, а именно в процессе проведения геологоразведочных работ, на территории Республики нарушались нормативные вырубки леса, водные объек­ты загрязнялись отходами буровых, горнопроходческих работ, на­рушался и не восстанавливался продуктивный почвенный слой, оттеснялась фауна.

Установлены большие масштабы антропогенного воздействия на природную среду при проведении вскрышных и добычных работ на месторождениях полезных ископаемых, которые рассматривают­ся как наиболее экологически активный цикл горного природополь­зования. Формируется новый техногенный рельеф (отвалы вскрыш­ных пород, терриконы «пустой» породы, карьеры, хвостохранилища, провалы и т.д.), увеличиваются площади нарушенных земель, меняется уровень грунтовых вод. Взрывные и обогатительные ра­боты вызывают увеличение объемов пылегазового загрязнения ок­ружающей среды, в том числе и ядовитыми химическими веще­ствами, легко окисляющимися и растворяющимися поверхностны­ми водами. Рекультивационные работы, работы по планировке отвалов проводятся в крайне минимальных масштабах, а местами не проводятся вовсе.

Указанные обстоятельства выдвигают приоритетные задачи в области рационализации недропользования, которые должны включать:

• классификацию факторов отрицательною влияния горнодо­бывающих производств па природную среду и оценку пос­ледующих экологических и социальных последствии такою влияния:
• ревизию всех находящихся в эксплуатации месторождений полезных ископаемых на предмет состояния комплексности переработке и использования их сырьевых запасов.
• разработку рекомендаций по рационализации использования запасов месторождений комплексных руд, вторичного сырки и отходов основного производства, добычи и использования общераспространенных полезных ископаемых;
• осуществление кадастровой экономической оценки минерально-сырьевых ресурсов региона;
• определение приоритетных загрязнителей природной среды и разработку мер по снижению отрицательного влияния горнодобывающих производств на качественное состояние компонентов природного ландшафта;
• экологическую паспортизацию всех горнодобывающих объектов на территории региона;
• оценку состояния геоэкологической обстановки в районах активной горнопромышленной деятельности.

К решению ряда сложных экологических задач необходимо привлекать еще сохраняющиеся силы геологической службы. В ее задачу входят:

• комплексное геолого-экологическое изучение территории республики (аэрозольная съемка, изучение геохимии снежного покрова, агрогеохимическое и радиационно-экологическое картирование, радиационное обследование населенных пунктов, гражданских и промышленных строений, мест захоронения отходов и т.д.);
• разработка и создание мониторинга геологической среды;
• участие в проведении эколого-экономического районирования территории Бурятии.

Список источников

1. Варламов А.А., Гальченко С.А., Земельный кадастр. Т.6 Географические и земельные информационные системы / А.А. варламов, С.А. Гальченко. – М .: Колос С, 2008. – 400с.
2. Елтошкина Н.В., Юндунов Х.И. Оценка потенциала минерально-сырьевых ресурсов Республики Бурятия / Н.В. Елтошкина, Х.И. Юндунов. Московский экономический журнал, № 6, 2019. –с. 20.
3. Елтошкина Н.В., Юндунов Х.И. Техногенное воздействие горного производства на окружающую среду и проблемы утилизации отходов / Н.В. Елтошкина, Х.И. Юндунов. Естественные и технические науки, № 3 (117), 2018. –с. 51-59.
4. Захаров М.С. Картографический метода и геоинформационные системы в инженерной геологии/ М.С. Захаров, А.Г. Кобзев. – СПб.: Лань, 2017. — 128 с.
5. Золотов Е.В. Основы кадастра: территориальные информационные системы / Е.В. Золотова. – М.: Академический проект, 2012. – 416 с.
6. Лурье И.К. Геоинформационное картографирование / И.К. Лурье. — М.: КДУ, 2010 – 424 с.
7. Мезенцев К.Н. Автоматизированные информационные системы / К.Н. Мезенцев. – М.: Академия, 2016. – 280 с.
8. Чепелев О.И. Прикладное применение ГИС / О.И. Чепелев- Белгород: ИПК НИУ «БелГУ», 2011 – 120 с.
9. Eltoshkina N.V., Yundunov H.I. Mining production negative impacts on the environment in Baikal natural territory / N.V. Eltoshkina, H.I. Yundunov H.I. International scientific conference “Artitech-2019: Agribusiness, environment engineering and biotechnologies”, Krasnoyarsk, 2019 – p. 22028.

References

1. Varlamov A.A., Gal`chenko S.A., Zemel`ny`j kadastr. T.6 Geograficheskie i zemel`ny`e informacionny`e sistemy` / A.A. varlamov, S.A. Gal`chenko. – M .: Kolos S, 2008. – 400s.
2. Eltoshkina N.V., Yundunov X.I. Ocenka potenciala mineral`no-sy`r`evy`x resursov Respubliki Buryatiya / N.V. Eltoshkina, X.I. Yundunov. Moskovskij e`konomicheskij zhurnal, № 6, 2019. –s. 20.
3. Eltoshkina N.V., Yundunov X.I. Texnogennoe vozdejstvie gornogo proizvodstva na okruzhayushhuyu sredu i problemy` utilizacii otxodov / N.V. Eltoshkina, X.I. Yundunov. Estestvenny`e i texnicheskie nauki, № 3 (117), 2018. –s. 51-59.
4. Zaxarov M.S. Kartograficheskij metoda i geoinformacionny`e sistemy` v inzhenernoj geologii/ M.S. Zaxarov, A.G. Kobzev. – SPb.: Lan`, 2017. — 128 s.
5. Zolotov E.V. Osnovy` kadastra: territorial`ny`e informacionny`e sistemy` / E.V. Zolotova. – M.: Akademicheskij proekt, 2012. – 416 s.
6. Lur`e I.K. Geoinformacionnoe kartografirovanie / I.K. Lur`e. — M.: KDU, 2010 – 424 s.
7. Mezencev K.N. Avtomatizirovanny`e informacionny`e sistemy` / K.N. Mezencev. – M.: Akademiya, 2016. – 280 s.
8. Chepelev O.I. Prikladnoe primenenie GIS / O.I. Chepelev- Belgorod: IPK NIU «BelGU», 2011 – 120 s.
9. Eltoshkina N.V., Yundunov H.I. Mining production negative impacts on the environment in Baikal natural territory / N.V. Eltoshkina, H.I. Yundunov H.I. International scientific conference “Artitech-2019: Agribusiness, environment engineering and biotechnologies”, Krasnoyarsk, 2019 – p. 22028.

Для цитирования: Елтошкина Н.В. Совершенствование региональной геоинформационной системы недропользования // Московский экономический журнал. 2022. № 3. URL: https://qje.su/nauki-o-zemle/moskovskij-ekonomicheskij-zhurnal-3-2022-11/

© Елтошкина Н.В, 2022. Московский экономический журнал, 2022, № 3.

Научная статья

Original article

УДК 910.25:528.9:132.234.4

doi: 10.55186/2413046X_2022_7_3_142

ГЕОИНФОРМАЦИОННОЕ КАРТОГРАФИРОВАНИЕ ЗЕМЕЛЬ СЕЛЬСКОХОЗЯЙСТВЕННОГО НАЗНАЧЕНИЯ

GEOINFORMATION MAPPING OF AGRICULTURAL LAND

Елтошкина Наталья Валерьевна, к.г.н., доцент, ФГБОУ ВО «Иркутский государственный аграрный университет им. А.А.Ежевского», г. Иркутск

Eltoshkina Natalia Valerievna, candidate of geographical sciences, assistant professor, FSBEE HE Irkutsk State Agricultural University of A.A. Ezhevsky, Irkutsk 

Аннотация. В данной статье рассматриваются методика комплексного геоинформационного картографирования сельскохозяйственных угодий на территорию Иркутской области. Геоинформационное картографирование способно решать актуальные вопросы и проблемы сельского хозяйства региона на современном этапе: выполнять классификацию видов сельскохозяйственных угодий, проводить прогноз урожайности сельскохозяйственных культур, осуществлять управление  и использованием продукции сельского хозяйства. Эффективное управление территорией региона основывается на достоверных и актуальных данных об объектах и процессах, такими инструментами могут выступать земельно-информационные системы на геоинформационной основе.

Abstract. This article discusses the method of integrated geoinformation mapping of agricultural land on the territory of the Irkutsk region. Geoinformation mapping is able to solve topical issues and problems of agriculture in the region at the present stage: to classify the types of agricultural land, to forecast crop yields, to manage and use agricultural products. Effective management of the territory of the region is based on reliable and up-to-date data on objects and processes, such tools can be land information systems based on geographic information.

Ключевые слова: геоинформационное картографирование, сельскохозяйственные карты, сельскохозяйственные земли, землеустройство.

Key words: geoinformation mapping, agricultural maps, agricultural land, land management

Картографирование земель сельскохозяйственного назначения в настоящее время одна из актуальных задач современной картографии и землеустроительной науки. Она базируется на теории и методических  положениях отечественной картографической науки изложенных в трудах Баранского Н.Н., Берлянта А.М., Донцова А.П., Левицкого И.Ю., Лебедева П.П., Ракитникова А.Н., Салищева К.А., Шоцкого В.П. и многих других и  современных подходах к представлению пространственных данных.

На территорию Российской Федерации были созданы сельскохозяйственные карты различного территориального охвата, назначения, содержания и разных масштабов. Однако они не позволяют получить единое, целостное представление о качественном состоянии земель сельскохозяйственного назначения. Изданные в разное время сельскохозяйственные карты в настоящее время не удовлетворяет возросшим требованиям науки и практики. Мало внимания уделяется таким важным проблемам, как картографирование современного состояния сельскохозяйственных угодий, их свойств, использование и мероприятий по улучшению агроэкологических свойств и качественных характеристик почв и их охране. Недостаточно карт для комплексных оценок сельскохозяйственных угодий крупного и среднего масштабов.

Огромный массив пространственной и статистической информации носящих разновременной и разномасштабный характер, требует использование возможностей геоинформационного картографирования (ГК). Геоинформационное картографирование сформировавшись как результат интеграции картографии и геоинформатики, а также дистанционных методов исследования, и может самым активным образом использоваться при комплексных оценках земель.

Говоря о геоинформационном картографировании, мы прежде всего имеем в виду цифровую карту – как модель земной поверхности, сформированный с учетом законов картографической генерализации в принятых для карт проекции и системе координат. ГОСТ 28441 определяет цифровую карту как цифровую картографическую модель, содержание которой соответствует содержанию карты определенного вида и масштаба.

Геоинформационное картографирование как отрасль картографии, занимающаяся автоматизированным составлением и использованием карт на основе геоинформационных технологий и баз географических данных и знаний основывается на трудах Берлянта А.М.,  Королева Ю.К., Кошкарева А.В., Лурье И.И., Тикунова В.С., Цветкова В.Я. и многих других. 

Специфика использования пространственно-определенной информации — большие объемы картографической и аэрокосмической информации и необходимость их обработки и хранения в пространственной привязке, применение методов геопространственного моделирования привела к необходимости разработки специализированных геоинформацион­ных технологий ее анализа и хранения. Так, методы синтетического и системного картографирования, являющиеся истоками ГК, потребовали развития математико-картографических методов моделирования, автоматизированных технологий их реализации и создания картографических баз данных, а использование аэрокосмических снимков для тематического картографирования также стало немыслимо без автоматизации их дешифрирования. Это, в свою очередь, привело к необходимости создания автоматизированных картографических систем и систем автоматизированной обработки изображений, которые впоследствии стали главными компонентами географических информационных систем (ГИС). Таким образом, можно говорить о программно-технологической интеграции рассматриваемых научных областей на базе компьютерных систем и ГИС-технологий об­работки информации. Геоинформационное картографирование не сводится только к использованию ГИС-технологий. Это, прежде всего картографирование объектов и явлений, основанное на методах анализа и синтеза их содержательной сущности. В случае, когда речь идет о картах сельскохозяйственных угодий, то имеется в виду вся методическая база землеустроительных исследований.

Традиционные карты обладают ограниченными аналитическими сред­ствами по сравнению с ГИС. В отличие от данных для ГИС, форма хранения картографических данных не обеспечивает, например, возможности анализа взаимосвязей между различными явлениями, если они не отображены на карте. Примером может служить использование возможностей оверлейных операций с цифровыми картами при пространственном анализе  и оценке территории.

Оценка качественного состояния земель важна тем, что ее данные позволяют перейти от технико-экономических принципов организации территории, приводящих к интенсивному использованию земель и истощению почв, к адаптивному, природоохранному землеустройству, ориентированному на сбалансированные эколого-экономические подходы, экологическую безопасность и экономическую целесообразность территориальной организации сельскохозяйственного производства.

Повышение эффективности использования сельскохозяйственных угодий одна из основных экономических проблем развития сельскохозяйственного производства любого региона. Тесная связь сельского хозяйства с природными условиями предопределяет необходимость комплексного изучения и анализа всех природных факторов, оказывающих влияние на качественное состояние сельскохозяйственных угодий и их комплексное (геоинформационное) картографирование.

Практическую значимость использования геоинформационного метода исследования при комплексной оценке земель трудно переоценить. Суть геоинформационного метода состоит во включении в процесс исследования действительности промежуточного звена – цифровой карты как модели изучаемых явлений. При этом геоинформационная карта выступает в двоякой роли: в качестве средства исследования и как его предмет в виде модели, заменяющей собой реальные явления, непосредственное изучение которых невозможно или затруднительно.

Картографическое отображение имеет важное место в решении задач, связанных с оценкой. Карта как средство изучения позволяет представить результаты исследования в наглядном, обозримом виде, с необходимой точностью и детальностью отображая реально существующую действительность и возможные  модели развития. Без цифровых сельскохозяйственных карт трудно представить особенности размещения почв и сельскохозяйственных угодий по территории, их свойства и качественные различия, закономерности их использования. По геоинформационным картам гораздо эффективнее разрабатываются проекты и мероприятия, направленные на интенсификацию использования угодий, повышения их плодородия и охрану.

При геоинформационном картографировании возникает комплекс взаимоувязанных вопросов, определяющих характер, содержание и возможности использования цифровой картографической основы для картографирования сельскохозяйственных земель. К таким вопросам относятся:

• выбор масштаба исходных картографических материалов;
• определение содержания создаваемой геоинформационной карты;
• обеспечение требуемых нормативов точности;
• обеспечение возможностей оперативного приведения геоинформационной карты в соответствие с текущим состоянием местности (актуализация);
• обеспечение совместимости пространственно-координированных данных различного тематического (отраслевого) характера, полученных различными средствами и представленных в различных формах;
• разработка структуры геоинформационной системы, обеспечивающей эффективное многоцелевое использование геоинформационной карты.

В землеустройстве используют карты различного тематического содержания, такие как почвенные карты, кадастровые карты и топографические карты разного масштаба. Они  в основном отображают: рельеф, дорожную сеть и гидрографию как условие и основу развития территории, контуры объектов недвижимости, границы земельных участков.  Многие исследователи придерживаются мнения, что вряд ли когда-нибудь удастся создать единую общегосударственную карту для целей землеустройства, так как соединить всю информацию на единой комплексной карте не представляется возможным.

Для удовлетворения возникающих запросов  пользователей необходим учет многих принципов картосоставления. Это нацелило исследователей на создание серии тематических карт, которые будут отражать фактическое состояние территории, а также оценочные карты. Задача земельно-ресурсного картографирования состоит в обеспечении органов управления картографическими материалами, отражающими современное состояние земельных ресурсов и их регулярное обновление. В этой связи главной задачей является создание инфраструктуры пространственных данных, которая является  информационно-телекоммуникационной системой, обеспечивающая доступ граждан, хозяйствующих субъектов, органов государственной и муниципальной власти к распределенным ресурсам пространственных данных, а также распространение и обмен данными в общедоступной глобальной информационной сети в целях повышения эффективности их производства и использования. Примером такого информационного ресурса служит Единая федеральная информационная система о землях сельскохозяйственного назначения (ЕФИС ЗСН). Которая создается для обеспечения проведения государственного мониторинга земель сельскохозяйственного назначения, информационной поддержки принятия управленческих решений на основе его результатов. Разработанная Министерством сельского хозяйства Российской Федерации Единая федеральная информационная система о землях сельскохозяйственного назначения и землях, используемых или предоставленных для ведения сельского хозяйства в составе земель иных категорий введена в эксплуатацию приказом Минсельхоза России от 2 апреля 2018 г. № 130. Основными задачами ЕФИС ЗСН являются получение, хранение, обработка сведений об использовании и состоянии земель сельскохозяйственного назначения Российской Федерации, учёт этих земель, систематическое наблюдение за их состоянием и использованием. Кроме того, система выполняет такие важные функции, как интеграция и комплексный анализ сведений из различных источников о качественных характеристиках земель сельскохозяйственного назначения и их фактическом использовании, а также визуализация результатов государственного мониторинга и обеспечение информацией авторизованных пользователей. Существенная роль при создании ЕФИС ЗСН отведена использованию технологий спутникового мониторинга. Так, одной из составных частей ЕФИС ЗСН стал специализированный блок работы с данными ДЗЗ, получивший название «Аналитик ДЗЗ ЕФИС ЗСН».  В данной системе есть попытки автоматизации процессов сбора, обработки и анализа информации, проходящей верификацию и валидацию, что позволяет наполнять ЕФИС ЗСН максимально точными данными. Это должна осуществляться визуализацией результатов государственного мониторинга земель сельскохозяйственного назначения в виде различных тематических слоев, а также интеграция с федеральными, региональными и отраслевыми информационными системами в целях консолидации сведений из различных источников о землях сельскохозяйственного назначения. В ЕФИС ЗСН представлены данные по показателям почвенного плодородия, мелиорируемым землям, индексам развития растительности, пострадавшим от пожаров полям.

Проведя анализ содержательной части ЕФИС ЗСН можно констатировать, то что в настоящее время по Иркутской области недостаточно тематических карт по землям сельскохозяйственного назначения. ЕФИС ЗСН нужно наполнять пространственными данными, и в этой связи создаваемая нами серия цифровых карт позволит хоть как то восполнить данный пробел.

На территорию Иркутского района Иркутской области нами составляется серия геоинформационных карт, которая будет пополняться по мере накопления информативной базы. Процесс создания геоинформационных карт состоит из следующих этапов: подготовительный, определение математической основы создаваемых цифровых карт, наполнение базы данных атрибутивной информацией, компоновка карты.

Подготовительный этап включает в себя следующие виды работ:

• сбор исходной картографической информации на территорию обследования и анализ собранных материалов;
• проектирование структуры базы данных;
• создание классификаторов тематической информации;
• в случае необходимости сканирование картографических материалов и преобразование растрового изображения в векторные форматы.

Определение математической основы и компоновка карты зависят от целей для которых создаются геоинформационные карты.

В качестве исходных материалов нами использовались различные данные: традиционные (бумажные) сельскохозяйственные карты, почвенные карты,  ортофотопланы, цифровые изображения (космоснимки),  публичная кадастровая карта, карты землепользований и т.д. Примеры изображены на рисунках 1 и 3.

В настоящее время существует достаточно большое количество космических программ, съемочная аппаратура которых отвечает требованиям геоинформационного картографирования. На условиях оперативного приема могут быть использованы данные спутников Ресурс П-3,GeoEye-1, GeoEye-2, SPOT 6, SPOT 7, FORMOSAT-2, Landsat-5/7. Resourcesat-2. Получение аэрокосмоснимков возможно через отечественные и зарубежные интернет-источники, одним из таких источников является Glovis, через сервис Glovis доступны данные со спутников серии Landsat с камерами MSS, TM и ETM+.

После подготовительного этапа путем векторизации растровых сельскохозяйственных карт и ортофотопланов на территорию исследования были созданы цифровые карты (рис. 4-5).

По картографическим материалам, данным дистанционного зондирования земли и полевым работам на отдельные территории Иркутского района нами создана цифровая модель рельефа (рис. 6-7).

Цифровая модель местности (ЦМР) — это цифровая картографическая модель, содержащая данные об объектах местности и ее характеристиках. Цифровую модель можно рассматривать как некий пространственный каркас, который служит основой для решения ряда задач, включая и построение геоинформационных карт. Цифровая модель местности может в большей степени соответствовать реальной поверхности по сравнению с традиционной картой. Цифровая модель рельефа – как детище математико-картографического моделирования – давно вошла в практику и используется в различных прикладных исследованиях.

Полевое обследование территорий с целью уточнения данных об использовании и функциональном назначении земель сельскохозяйственного назначения отображенных на цифровой карте проводилось для формирования семантической информации.

Полевые работы проходили на полигоне УНПУ «Оёкский».  Ключевой участок выбран для определения  проблемных участков. Положение опознаков и их центра определялись с помощью ГГНС оборудования изображенного на рисунке 8.

Аэрофотосъемка (АФС) территории полигона выполнялась при помощи квадрокоптер DJI Phantom 4 Pro v2.0, оснащенного цифровой фотокамерой EXMOR R CMOS-матрицей в 1 дюйм и обладает параметрами разрешения в 20 Мп. В конструкции объектива было использовано восемь линз. Основные технические характеристики представлены на рисунке 9.

Кроме того, были получены файлы данных с датчиков автопилота в моменты фотографирования, включающие идентификатор снимка, навигационные координаты, барометрическую высоту, крен, тангаж и курс.

Координаты центров фотографирования (ЦФ) снимков определялись с помощью бортового двухчастотного приемника ГГНС/ГЛОНАСС в режиме кинематики.

Основанными источниками для построения являлись снимки, полученные в результате полевых работ.  Результаты обработки представлены на рисунках 10-15.

Для оптимизации результатов расчёта положений камер и их параметров внутреннего ориентирования следует применить маркеры, что позволяет улучшить результаты реконструкции. Для повышения точности геопривязки моделей, необходимо равномерно распределить в пределах области интереса минимум 5 наземных опорных точек.

Следует сказать, что, геоинформационное картографирование позволит создать информационную основу для комплексной оценки земель сельскохозяйственного назначения Иркутском районе Иркутской области и обеспечить  возможность постоянной актуализации созданной базы данных, для принятия управленческих решений.

Итогом геоинформационного картографирования являются тематические карты и базы данных с привязкой их к пространственным объектам, которые могут служить основой геоинформационной системы управления различных ведомств и служб задачами которых является управление и контроль за земельными ресурсами.

Список источников

1. Берлянт А.М. Геоиконика / А.М. Берлянт. — М.: Наука, 1996 – 208 с.
2. Берлянт А.М. Геоинформационное картографирование / А.М. Берлянт. — М.: Наука, 1997 — 64с.
3. Капралов Е.Г., Кошкарев А.В., Тикунов В.С. Геоинформатика / Е.Г. Капралов, А.В. Кошкарев, В.С. Тикунов. – М.: “Academia”, 2010 – 400 c.
4. Королев Ю.К. Общая геоинформатика. Часть I. Теоретическая геоинформатика / Ю.К. Королев. — М.: СП ООО Дата+, 1998 — 118 с.
5. Кузнецова Д.В., Юндунов Х.И. Мониторинг земель сельскохозяйственного с применением данных дистанционного зондирования земли //. Научные исследования студентов в решении актуальных проблем АПК. — Иркутск, 2020. – с. 269-276.
6. Кузнецова Д.В., Юндунов Х.И. Мониторинг земель сельскохозяйственного назначения учебно-опытного хозяйства «Оекское» на основе материалов данных дистанционного // Научные исследования студентов в решении актуальных проблем АПК.- Иркутск, 2021. – с. 47-53.
7. Лурье И.К. Геоинформационное картографирование / И.К. Лурье. — М.: КДУ, 2010 – 424 с.
8. Мещенкова О. И., Юндунов Х.И. Картографирование эрозионных процессов на сельскохозяйственных землях Читинской области // Материалы научной студенческой конференции. — Иркутск: ИрГАУ, 2003. – с. 32.
9. Салищев К. А. Картоведение / К.А. Салищев. — М.: Наука, 1976 – 438 с.
10. Цветков В.Я. Основы геоинформатики / В.Я. Цветков. – М.: Лань 2020 – 378 с.
11. Шоцкий В.П. Картографические методы исследования географических проблем сельского хозяйства / В.П. Шоцкий. – М.: Наука. – 1970 -139 с.
12. Юндунов Х.И. Геоинформационное картографирование при агроэкологической оценке сельскохозяйственных угодий Иркутской области // Актуальные вопросы развития регионального АПК. — Иркутск, 2007. – с. 91-91.
13. Юндунов Х.И., Елтошкина Н.В., Пономаренко Е.А. Картографическое и геоинформационное обеспечение оптимизации землепользования // Материалы региональной научно-практической конференции.- Иркутск: ИрГАУ, 2003. – с. 58-59.

References

1. Berlyant A.M. Geoikonika / A.M. Berlyant. — M.: Nauka, 1996 – 208 s.
2. Berlyant A.M. Geoinformacionnoe kartografirovanie / A.M. Berlyant. — M.: Nauka, 1997 — 64s.
3. Kapralov E.G., Koshkarev A.V., Tikunov V.S. Geoinformatika / E.G. Kapralov, A.V. Koshkarev, V.S. Tikunov. – M.: “Academia”, 2010 – 400 c.
4. Korolev Yu.K. Obshhaya geoinformatika. Chast` I. Teoreticheskaya geoinformatika / Yu.K. Korolev. — M.: SP OOO Data+, 1998 — 118 s.
5. Kuzneczova D.V., Yundunov X.I. Monitoring zemel` sel`skoxozyajstvennogo s primeneniem danny`x distancionnogo zondirovaniya zemli //. Nauchny`e issledovaniya studentov v reshenii aktual`ny`x problem APK. — Irkutsk, 2020. – s. 269-276.
6. Kuzneczova D.V., Yundunov X.I. Monitoring zemel` sel`skoxozyajstvennogo naznacheniya uchebno-opy`tnogo xozyajstva «Oekskoe» na osnove materialov danny`x distancionnogo // Nauchny`e issledovaniya studentov v reshenii aktual`ny`x problem APK.- Irkutsk, 2021. – s. 47-53.
7. Lur`e I.K. Geoinformacionnoe kartografirovanie / I.K. Lur`e. — M.: KDU, 2010 – 424 s.
8. Meshhenkova O. I., Yundunov X.I. Kartografirovanie e`rozionny`x processov na sel`skoxozyajstvenny`x zemlyax Chitinskoj oblasti // Materialy` nauchnoj studencheskoj konferencii. — Irkutsk: IrGAU, 2003. – s. 32.
9. Salishhev K. A. Kartovedenie / K.A. Salishhev. — M.: Nauka, 1976 – 438 s.
10. Czvetkov V.Ya. Osnovy` geoinformatiki / V.Ya. Czvetkov. – M.: Lan` 2020 – 378 s.
11. Shoczkij V.P. Kartograficheskie metody` issledovaniya geograficheskix problem sel`skogo xozyajstva / V.P. Shoczkij. – M.: Nauka. – 1970 -139 s.
12. Yundunov X.I. Geoinformacionnoe kartografirovanie pri agroe`kologicheskoj ocenke sel`skoxozyajstvenny`x ugodij Irkutskoj oblasti // Aktual`ny`e voprosy` razvitiya regional`nogo APK. — Irkutsk, 2007. – s. 91-91.
13. Yundunov X.I., Eltoshkina N.V., Ponomarenko E.A. Kartograficheskoe i geoinformacionnoe obespechenie optimizacii zemlepol`zovaniya // Materialy` regional`noj nauchno-prakticheskoj konferencii.- Irkutsk: IrGAU, 2003. – s. 58-59.

Для цитирования: Елтошкина Н.В. Геоинформационное картографирование земель сельскохозяйственного назначения // Московский экономический журнал. 2022. № 3. URL: https://qje.su/nauki-o-zemle/moskovskij-ekonomicheskij-zhurnal-3-2022-10/

© Елтошкина Н.В, 2022. Московский экономический журнал, 2022, № 3.

Научная статья

Original article

УДК 334

ББК 65

doi: 10.55186/2413046X_2022_7_3_141 

МАШИННОЕ ОБУЧЕНИЕ КАК КОНКУРЕНТНОЕ ПРЕИМУЩЕСТВО ПРЕДПРИЯТИЯ 

MACHINE LEARNING AS A COMPETITIVE ADVANTAGE OF THE COMPANY 

Романов Игорь Андреевич, аспирант, Санкт-Петербургский государственный экономический университет; IgorRomanov96@yandex.ru

Romanov Igor Andreevich, Postgraduate student, St. Petersburg State University of Economics; IgorRomanov96@yandex.ru

Аннотация. В данной статье рассматривается понятие и значимость машинного обучения на современном этапе. Изучаются основные преимущества наличия машинного обучения на предприятии в условиях конкуренции.

Abstract. This article examines the concept and significance of machine learning at the present stage. The main advantages of having machine learning in an enterprise in a competitive environment are explored.

Ключевые слова: машинное обучение, предприятие, производство, конкуренция, преимущества, оптимизация

Key words: machine learning, enterprise, production, competition, advantages, optimization 

Цель

Целью данного исследования являлось определение места машинного обучения как одно из драйверов конкурентного преимущества предприятия.

Исследование

Как известно, конкурентные преимущества какого-либо предприятия так или иначе реализуются в товарах, которые на нем выпускаются и реализуются на рынке. Таким образом, реализация продукции, которое имеет какое-либо конкурентное преимущество или ее изготовление при помощи какого-либо конкурентного преимущества, а также структура всей работы предприятия за счет определенного конкурентного преимущества, позволяет предприятию получать дополнительный эффект. Полученный с продажи доход, который включает в себя этот дополнительный эффект, заново поступает в систему, где было применено конкурентное преимущество [15].

К факторам, которые определяют уровень производства, относят, в том числе и машинное обучение, которое представляет собой одно из ключевых ответвлений искусственного интеллекта как такового. Важнейшим алгоритмом работы машинного обучения всегда является обучение на основе полученных изначальных данных.

В наше время машинное обучение представляется одним из самых продвинутых инструментов для бизнесменов и владельцев предприятий, для создателей онлайн-площадок и магазинов, для юристов и ученых. А системы машинного обучения, по своей сути, могут в короткие сроки использовать знания, которые накапливаются при обучении из огромных массивов информации, что делает их незаменимыми в распознавании образов, речи, различных объектов и так далее [14].

Так, например, ученый может сортировать терабайты онлайн-статей с помощью машинного обучения, чтобы создать индивидуальный список предлагаемых источников для своих исследований. Кроме того, значительно сокращается время, необходимое юристам для поиска соответствующих прецедентов [6]. Человек же, делая все это самостоятельно, без помощи машины, тратит в десятки, а то и в сотни раз больше времени.

Безусловно, в наши дни технический прогресс развивается с гораздо большей скоростью, чем это было раньше. Сейчас очень сложно представить, к примеру, обработку огромных посевных площадей при помощи лошадей и плуга или покос травы вручную. Ведь, когда существует технология, которая сокращает время, трудозатраты и денежные расходы, то почему бы ее не использовать? Именно поэтому ее и используют и именно поэтому уже в самом ближайшем будущем можно представить повсеместное внедрение машинного обучения, которое будет казаться такой же нормой, как сейчас кажется использование сельскохозяйственной техники вместо животных или вместо утомительного и долгого людского труда.

Ускорение ритма жизни требует более оперативной реакции и гибкости от предприятий, а скорость реагирования машины, алгоритм которой можно в любой момент корректировать, в значительной степени превышает скорость работы любого человека. Еще одним плюсом в копилку преимуществ использования машинного обучения является банальная монетизация. Если человеку уже собрал некоторые данные, почему бы не проанализировать их при помощи машины и не начать более разумно и успешно их применять [11].

Многие разработанные в последние годы технологии, сделанные на основе машинного обучения, позволяют в определенной степени получить все данные по работникам предприятия за минимальные сроки. Таким образом, подобная автоматизация освобождает людей от рутинной работы и предоставляет им все необходимые для последующего анализа структурированные данные в готовом виде.

Известно, что в машинном обучении применяется не только программирование, но и математическая статистика/анализ, алгоритмы работы с полученными данными, оптимизация, теория вероятности. Все свежая информация моментально попадает в базу данных, обрабатывается там, анализируется и классифицируется, а в дальнейшей, на основе данной обработки, реализуется алгоритм машинного обучения, которое в наше время делится на два вида:

• с начальными данными, когда перед началом машинного обучения уже существует определенная база данных. К примеру, данные об основных партнерах предприятия (масштабы, названия, бюджеты и так далее), которые вносятся в компьютер и на основе которых машина сама начинает добавлять новую информацию. При этом, машина может ошибаться, поэтому на первых этапах обучения данный процесс полностью контролируется со стороны человека ответственного за это;
• без начальных данных, когда машине приходится все делать самостоятельно: полученные данные она классифицирует, ориентируясь на определенный «эталон». При этом, участие человека при таком обучении сводится к нулю.

Важно отметить, что в наши дни на базе машинного обучения уже работают сотни различных предприятий по всей Земле. По сути, все поисковые системы, исправление орфографии, рекомендации по музыке, играм, кино – это все машинное обучение, которое с каждым запросом, с каждым переносом письма в «спам», с каждым добавлением в «избранное», с каждым «лайком/дизлайком» начинает не только понимать человека лучше, но и работает более точно [12].

Важно отметить тот факт, что машинное обучение может быть конкурентным преимуществом для любой современной компании из любой сферы деятельности. Самое типичное применение, к примеру, в сфере онлайн-форм, которая часто испытывает серьезные проблемы из-за фишинга. Преступники пытаются использовать продукт для создания фишинг-форм, с помощью которых будут обманывать людей и воровать их учетные данные. Инструменты на основе машинного обучения позволяют многим компания обнаруживать кого следует «забанить», а кому необходимо предоставить доступ к продукту. Таким образом, применение машинного обучения для поиска возможной фишинговой активности позволяет компаниям предоставлять свои сервисы тем, кому они действительно нужны и тем, кто ценит безопасность своих личных данных.

Другая сфера, в которой очень часто применяется машинное обучение – это маркетинг. Машина классифицирует пользователей сайтов путем изучения отдельных слов и фраз, которые они используют в формах. Используя данный процесс классификации, маркетинговая служба устраивает индивидуализированные рекламные кампании по электронной почте для различных типов пользователей, которые сами по себе не предоставляли нам никакой демографической информации [1].

Таким образом, машинное обучение активно используется и в онлайн среде различных предприятий. Так, например, боты на сайтах предприятий реагируют на появление на сайте клиентов и анализируют их действия или взаимодействуют с другими программами. На основании поведения пользователя (посещение тех или иных разделов, поиск по сайту, и так далее) машина предлагает ему необходимую информацию и решения его задачи в качестве подсказок или открывающихся чат-ботов [11].

Машина способна моментально обрабатывать и анализировать огромное количество информации, что не под силу ни одному человеку. К примеру, анализ продукции всех конкурентов предприятия. Сколько продукции и какое количество предприятий сможет проанализировать, структурировать один человек за день? Может быть 5 предприятий, если они выпускают не слишком большое число разнообразной продукции. Машина же при этом сможет сделать тоже самое в считанные секунды, а за день проанализирует сотни и тысячи предприятий и выдаст готовый отчет по установленным заранее параметрам. Именно это и представляется одним из ключевых конкурентных преимуществ машинного обучения [12].

По сути, интерес к машинному обучению на предприятиях появился достаточно давно, но реальная готовность компаний вкладывать существенные средства в реализацию подобных проектов появилась лишь десять лет назад. 5 лет назад – это стало своеобразным трендом, который привел внедрение машинного обучения к фазе быстрого роста.

Безусловно, в любой промышленности очень высока цена ошибки и если человек делает что-то неправильно (в частности, при работе с техникой), то в лучшем случае производство работает плохо, не так эффективно, как могло бы, а в худшем произойдут необратимые процессы и понадобится дорогостоящий ремонт оборудования.

Современные работники промышленности – это весьма открытые к новым технологиям люди, которые стараются разобраться в том, что мы им предлагает современный техногенный мир. При этом, важнейшей задачей любого предприятия является прогнозирование выхода оборудования из строя, диагностика моментов нетипичного поведения оборудования. То есть, в процессе прогнозирования необходимы разного рода данные, которые могут не собираться, нужна информация о том, как это оборудование работает. Но человек, при этом, не всегда может уловить закономерность, потому как некоторые закономерности в данных являются логичными и далеко не всегда означают, что оборудование работает некорректно и вот-вот выйдет из строя.

Так, например, человеку сложно определит то, насколько долго может проработать какой-то участок трубопровода под землей в зависимости от того, где он закопан, как глубоко, что показывают последние данные внутреннего обследования труб или магнитного контроля, как часто меняются режимы и какими они были. Машинное обучение может это спрогнозировать, может определить момент, когда труба придет в негодность и оптимально спланировать ее замену.

Это еще одно конкурентное преимущество машинного обучения, ведь если у другой компании произойдет поломка трубы под землей, то ремонт и замена не только неожиданно ударят по бюджету, но и остановят процесс производства и предоставления услуг [9].

По сути, можно сказать, что машинное обучение на предприятии – это практика изучения данных на предмет скрытых закономерностей, которые могут быть полезны для разработки прогнозов будущей производительности. Именно поэтому к числу основных конкурентных преимуществ машинного обучения на предприятии, помимо обозначенного ранее, относят:

• службу поддержки;
• профилактическое обслуживание;
• промышленную автоматизацию и автоматизацию всех процессов;
• прогнозирование;
• улучшенные условия труда [2].

Можно отметить тот факт, что все больше разного рода предприятий в наше время применяют в своей работе развивающиеся инструменты исследования больших данных. Современное промышленное производство чаще обычного предполагает наличие автоматизированного технологического процесса за счет машинного обучения, за которыми так или иначе стоят разного рода экономические показатели предприятия. Именно поэтому машинное обучение выглядит более действенным инструментом, который дополняет классические подходы к оптимизации производства.

Таким образом, к числу самых распространенных преимуществ, которые вытекают из применения машинного обучения и которые нацелены на получение предприятием дополнительной выручки или на сокращение издержек принято относить:

• рост производительности технологического процесса;
• рост качества продукции;
• оптимизация технологического обслуживания и ремонта оборудования;
• оптимизация расходов на испытание продукции;
• управление жизненным циклом продукции и услуг
• использование в НИОКР
• выявление угроз безопасности;
• управление ценообразованием и цепочками поставок [10].

Так, при использовании предприятием любого из этих перечисленных выше преимуществ важно учитывать все появляющиеся нюансы, с которыми неизбежно столкнется любое предприятие, а также основные факторы, которые так или иначе определят успех проектов машинного обучения [13].

Безусловно и то, что многие современные предприятия достигают обозначенного успеха за счет использования машинного обучения пока только в ограниченно ряде сфер своей деятельно, но это только начало более глобального процесса, ведь сначала будет большое число различных экспериментов с машинным обучением, а уже затем потребуется интегрировать модели машинного обучения в бизнес-приложения и процессы, чтобы обеспечить масштабирование данной технологии на всем предприятии.

В настоящее время для полноценной интеграции в масштабе всего предприятия многие организации пока еще не обладают необходимыми навыками, процессами и инструментами. Именно поэтому, для того чтобы наиболее эффективно применять машинное обучение в полном масштабе предприятия, важно вкладывать средства в решения MLOps (совокупность «машинного обучения» и «операций»), которые включают в себя процессы, инструменты и технологию, оптимизируют и стандартизируют каждый этап жизненного цикла машинного обучения, от разработки модели до практического применения. Таким образом, развивающееся направление MLOps может дать еще большую гибкость и скорость жизненному циклу машинного обучения.

По сути, для полноценного перехода от экспериментов с машинным обучением к применению данной технологии, предприятиям требуются надежные и эффективные процессы MLOps, которые не только обеспечивают организациям конкурентное преимущество, но и позволяют внедрять другие сценарии использования машинного обучения.

Данная технология дает новые преимущества для предприятия, среди которых:

• формирование группы более эффективных специалистов путем совершенствования их навыков и более плодотворной среды совместной работы;
• рост прибыли;
• более качественное обслуживание заказчиков;
• быстрый рост доходов.

Использование машинного обучения на предприятиях

В вертикальных отраслях технологии и методы машинного обучения успешно развертываются, обеспечивая организациям ощутимые и реальные результаты.

Например, с финансовой стороны предприятия могут успешнее выявлять и удовлетворять потребности своих клиентов, используя прогнозные модели машинного обучения, в которых учитываются огромные объемы взаимосвязанных измерений. Прогнозные модели машинного обучения также способны выявлять и ограничивать риски. Предприятия могут обнаруживать киберугрозы, отслеживать и фиксировать мошеннические действия клиентов и прогнозировать риски, связанные с новыми продуктами.

Так, предприятия из отрасли производства широко внедряют автоматизацию и все чаще оснащают оборудование и процессы необходимыми инструментами, используя при этом моделирование машинного обучения для реорганизации и оптимизации производства, которые, в свою очередь, позволяют оперативно удовлетворять спрос и реагировать на изменения в будущем. Конечным результатом работы машинного обучения является гибкий и отказоустойчивый производственный процесс. Таким образом, к основным сценариям применения ML относятся:

• прогнозирование временных рядов;
• классификация и кластеризация данных;
• распознавание речи, жестов и изображений;
• кредитный скоринг;
• ранжирование данных;
• прогноз оттока клиентов, спама, мошенничества;
• технический анализ.

Результаты исследований

Таким образом, можно сказать, что машинное обучение – это возможность заменить человеческий труд машинным. Машинное обучение на производстве – это не только возможность оптимизировать процесс работы, но и способность обезопасить его (вычислить возможную поломку, рассчитать срок службы того или иного прибора, и так далее), потому как в промышленности очень высокая цена ошибки. В чем преимущества наличия машинного обучения на предприятии? В том, что: гораздо больший объем данных обрабатывается за меньшее время; совершается меньше ошибок; происходит постоянный анализ и структурирование данных. По сути, успехи проектов машинного обучения на промышленных предприятиях определяется большим числом факторов, учет которых позволяет, так или иначе, оптимизировать распределение всевозможных ресурсов, обезопасить предприятие от неоправданных вложений и от каких-либо ошибок. При этом, все это зависит от правильности выбора алгоритмов машинного обучения на конкретном предприятии. машинное обучение может показывать необходимые результаты на любых задачах с огромным объемом структурированных данных. Машинное обучение в разы повышает возможности, скорость, гибкость и отказоустойчивость любого современного предприятия, что дает серьезные конкурентные преимущества. Именно поэтому дальновидные предприятия выбирают машинное обучение для обеспечения целостного развития, высокой производительности сотрудников и удовлетворенности своих заказчиков.

Список источников

1. 2017: год революции машинного обучения. [Электронный ресурс]: https://apptractor.ru/info/articles/2017-god-revolyutsii-mashinnogo-obucheniya.html (Дата обращения: 20.11.2021)
2. Burns E. 5 major benefits of machine learning in the enterprise. [Электронный ресурс]: https://searchenterpriseai.techtarget.com/feature/5-major-benefits-of-machine-learning-in-the-enterprise (Дата обращения: 20.11.2021)
3. Dans E. Machine learning as a competitive advantage. [Электронный ресурс]: https://medium.com/enrique-dans/machine-learning-as-a-competitive-advantage-f2691b73f829 (Дата обращения: 20.11.2021)
4. Voskoglou M., Abdel-Badeeh M.S. Machine learning techniques for teaching mathematics // Physics and mathematics education. 2020. №2(25). Pp.17-25.
5. Le D.T., Dao M.H., Nguyen Q.L.T. Comparison of machine learning algorithms for DDOS attack detection in SDN // Information management systems. №3. Pp.59-69.
6. Machine Learning — The New Competitive Advantage For Enterprise Business. [Электронный ресурс]: https://www.conceptatech.com/blog/machine-learning-is-the-new-competitive-advantage-for-enterprise-business (Дата обращения: 20.11.2021)
7. Mohsen A., Promita D. Machine Learning: The New «Big Thing» for Competitive Advantage // International Journal of Knowledge Engineering and Data Mining. №5(4). Pp.277-305.
8. Wakefield K. A guide to the types of machine learning algorithms and their applications. [Электронный ресурс]: https://www.sas.com/en_ie/insights/articles/analytics/machine-learning-algorithms.html (Дата обращения: 20.11.2021)
9. Зачем заводам машинное обучение, 2017. [Электронный ресурс]: https://habr.com/ru/company/smileexpo/blog/429940/ (Дата обращения: 19.11.2021)
10. Машинное обучение — форма искусственного интеллекта, 2021. [Электронный ресурс]: https://www.hpe.com/ru/ru/what-is/machine-learning.html#resources (Дата обращения: 19.11.2021)
11. Машинное обучение в маркетинге – чем оно поможет вашему бизнесу? 2018. [Электронный ресурс]: https://club.cnews.ru/blogs/entry/mashinnoe_obuchenie_v_marketinge_chem_ono_pomozhet_vashemu_biznesu_ (Дата обращения: 18.11.2021)
12. Машинное обучение, как конкурентное преимущество: завтра будет поздно, 2018. [Электронный ресурс]: https://spark.ru/startup/digital-contact/blog/35205/mashinnoe-obuchenie-kak-konkurentnoe-preimuschestvo-zavtra-budet-pozdno (Дата обращения: 19.11.2021)
13. Плосская О. Машинное обучение в промышленности — формула успеха // Открытые системы. СУБД. – 2018. – №3. [Электронный ресурс]: https://www.osp.ru/os/2018/03/13054409 (Дата обращения: 19.11.2021)
14. Справочник. Искусственный интеллект и машинное обучение. [Электронный ресурс]: https://spravochnick.ru/informacionnye_tehnologii/iskusstvennyy_intellekt_i_mashinnoe_obuchenie/#mashinnoe-obuchenie (Дата обращения: 20.11.2021)
15. Фатхутдинов Р.А. Теория управления конкурентными преимуществами объектов, 2005. [Электронный ресурс]: https://www.cfin.ru/management/strategy/competit/obj_edge.shtml (Дата обращения: 20.11.2021)

References

1. 2017: god revolyucii mashinnogo obucheniya. [E`lektronny`j resurs]: https://apptractor.ru/info/articles/2017-god-revolyutsii-mashinnogo-obucheniya.html (Data obrashheniya: 20.11.2021)
2. Burns E. 5 major benefits of machine learning in the enterprise. [Электронный ресурс]: https://searchenterpriseai.techtarget.com/feature/5-major-benefits-of-machine-learning-in-the-enterprise (Дата обращения: 20.11.2021)
3. Dans E. Machine learning as a competitive advantage. [Электронный ресурс]: https://medium.com/enrique-dans/machine-learning-as-a-competitive-advantage-f2691b73f829 (Дата обращения: 20.11.2021)
4. Voskoglou M., Abdel-Badeeh M.S. Machine learning techniques for teaching mathematics // Physics and mathematics education. 2020. №2(25). Pp.17-25.
5. Le D.T., Dao M.H., Nguyen Q.L.T. Comparison of machine learning algorithms for DDOS attack detection in SDN // Information management systems. №3. Pp.59-69.
6. Machine Learning — The New Competitive Advantage For Enterprise Business. [Электронный ресурс]: https://www.conceptatech.com/blog/machine-learning-is-the-new-competitive-advantage-for-enterprise-business (Дата обращения: 20.11.2021)
7. Mohsen A., Promita D. Machine Learning: The New «Big Thing» for Competitive Advantage // International Journal of Knowledge Engineering and Data Mining. №5(4). Pp.277-305.
8. Wakefield K. A guide to the types of machine learning algorithms and their applications. [Электронный ресурс]: https://www.sas.com/en_ie/insights/articles/analytics/machine-learning-algorithms.html (Дата обращения: 20.11.2021)
9. Zachem zavodam mashinnoe obuchenie, 2017. [E`lektronny`j resurs]: https://habr.com/ru/company/smileexpo/blog/429940/ (Data obrashheniya: 19.11.2021)
10. Mashinnoe obuchenie — forma iskusstvennogo intellekta, 2021. [E`lektronny`j resurs]: https://www.hpe.com/ru/ru/what-is/machine-learning.html#resources (Data obrashheniya: 19.11.2021)
11. Mashinnoe obuchenie v marketinge – chem ono pomozhet vashemu biznesu? 2018. [E`lektronny`j resurs]: https://club.cnews.ru/blogs/entry/mashinnoe_obuchenie_v_marketinge_chem_ono_pomozhet_vashemu_biznesu_ (Data obrashheniya: 18.11.2021)
12. Mashinnoe obuchenie, kak konkurentnoe preimushhestvo: zavtra budet pozdno, 2018. [E`lektronny`j resurs]: https://spark.ru/startup/digital-contact/blog/35205/mashinnoe-obuchenie-kak-konkurentnoe-preimuschestvo-zavtra-budet-pozdno (Data obrashheniya: 19.11.2021)
13. Plosskaya O. Mashinnoe obuchenie v promy`shlennosti — formula uspexa // Otkry`ty`e sistemy`. SUBD. – 2018. – №3. [E`lektronny`j resurs]: https://www.osp.ru/os/2018/03/13054409 (Data obrashheniya: 19.11.2021)
14. Spravochnik. Iskusstvenny`j intellekt i mashinnoe obuchenie. [E`lektronny`j resurs]: https://spravochnick.ru/informacionnye_tehnologii/iskusstvennyy_intellekt_i_mashinnoe_obuchenie/#mashinnoe-obuchenie (Data obrashheniya: 20.11.2021)
15. Fatxutdinov R.A. Teoriya upravleniya konkurentny`mi preimushhestvami ob«ektov, 2005. [E`lektronny`j resurs]: https://www.cfin.ru/management/strategy/competit/obj_edge.shtml (Data obrashheniya: 20.11.2021)

Для цитирования: Романов И.А. Машинное обучение как конкурентное преимущество предприятия // Московский экономический журнал. 2022. № 3. URL: https://qje.su/ekonomicheskaya-teoriya/moskovskij-ekonomicheskij-zhurnal-3-2022-9/

© Романов И.А., 2022. Московский экономический журнал, 2022, № 3.

Научная статья

Original article

УДК 332.12

doi: 10.55186/2413046X_2022_7_3_140

НОРМАТИВНО-ПРАВОВОЕ РЕГУЛИРОВАНИЕ ДЕЯТЕЛЬНОСТИ ПРОМЫШЛЕННЫХ ТЕХНОПАРКОВ

LEGAL REGULATION OF THE ACTIVITIES OF INDUSTRIAL TECHNOLOGY PARKS

Кузнецова Светлана Николаевна, к.э.н., доцент кафедры экономики предприятия, ФГБОУ ВО Нижегородский государственный педагогический университет им. К.Минина, E-mail: dens@52.ru

Гнездин Андрей Владимирович, магистрант, ФГБОУ ВО Нижегородский государственный педагогический университет им. К.Минина, E-mail: gnezdinav@st.mininuniver.ru

Голыничева Екатерина Михайловна, студентка, ФГБОУ ВО Нижегородский государственный педагогический университет им. К.Минина, E-mail: golynichevaem@std.mininuniver.ru

Рыжакова Кристина Александровна, студентка, ФГБОУ ВО Нижегородский государственный педагогический университет им. К.Минина, E-mail: 79172395503@yandex.ru

Kuznetsova Svetlana Nikolaevna, Ph.D. in Economics, Associate Professor of the Department of Enterprise Economics, Minin Nizhny Novgorod State Pedagogical University, E-mail: dens@52.ru

Gnezdin Andrey Vladimirovich, Master’s student, Minin Nizhny Novgorod State Pedagogical University, E-mail: gnezdinav@st.mininuniver.ru

Golynicheva Ekaterina Mikhailovna, student, Minin Nizhny Novgorod State Pedagogical University, E-mail: golynichevaem@std.mininuniver.ru

Ryzhakova Kristina Alexandrovna, student, Minin Nizhny Novgorod State Pedagogical University, E-mail: 79172395503@yandex.ru 

Аннотация. В статье рассматривается вопрос о необходимости реализации мер государственной поддержки создания и развития промышленных парков. Целью исследования является обоснование мероприятий по увеличению результативности использования предоставляемых государственных ресурсов на создание и развитие промышленных парков. Задачи: осуществление координации мер стимулирования промышленных парков; разработка инструментария учета промышленных парков; совершенствование законодательства, регламентирующего предоставление государственной поддержки. Гипотеза исследования: необходимость синхронизации государственной политики по инфраструктуре промышленных парков. Методы исследования: анализ, синтез и обобщение. Достигнутые результаты: осуществляются федеральные меры государственной поддержки паркам: новое строительство промышленных парков и технопарков 15 млн рублей на 1 га. и  50 млн рублей на 1 га., а также реиндустриализация промышленных парков и технопарков 60 тыс рублей за 1 кв.м. и 75 тыс рублей за 1 кв.м. В ходе анализа выявлены нарушения и недостатки в отношении нормативно-правовой базы, эффективности расходования средств и реализации мер государственной поддержки. Необходимо определение единых требований к промышленным паркам и технопаркам, а также проведение анализа эффективности предлагаемых нормативно-правовых мер поддержки парков. Решением является установление единой методологии создания промышленных проектов, что позволит повысить эффективность координации между различными промышленными парками и технопарками, а также ликвидировать несоответствия в нормативной базе. Для обеспечения улучшения законодательства в данной сфере ратифицированы единые требования к промышленным технопаркам на федеральном уровне. Промышленные парки, получающие или планирующие получить средства господдержки должны пройти проверку на соответствие данным требованиям. Для завершения построения данной системы регионам необходимо привести свое законодательство в соответствие с федеральным.

Abstract. The article deals with the issue of the need to implement measures of state support for the creation and development of industrial parks. The purpose of the study is to substantiate measures to increase the effectiveness of the use of public resources provided for the creation and development of industrial parks. Objectives: to coordinate measures to stimulate industrial parks; development of tools for accounting industrial parks; improvement of legislation regulating the provision of state support. Research hypothesis: the need to synchronize the state policy on the infrastructure of industrial parks. Research methods: analysis, synthesis and generalization. Achieved results: federal measures of state support for parks are being implemented: new construction of industrial parks and technology parks 15 million rubles per 1 ha. and 50 million rubles per 1 ha, as well as the reindustrialization of industrial parks and technology parks 60 thousand rubles per 1 sq.m. and 75 thousand rubles per 1 sq.m. The analysis revealed violations and shortcomings in relation to the regulatory framework, the efficiency of spending funds and the implementation of state support measures. It is necessary to define uniform requirements for industrial parks and technology parks, as well as to analyze the effectiveness of the proposed regulatory and legal measures to support parks. The solution is to establish a unified methodology for creating industrial projects, which will improve the efficiency of coordination between various industrial parks and technology parks, as well as eliminate inconsistencies in the regulatory framework. To ensure the improvement of legislation in this area, uniform requirements for industrial technoparks at the federal level have been ratified. Industrial parks receiving or planning to receive state support funds must be checked for compliance with these requirements. To complete the construction of this system, the regions need to bring their legislation in line with the federal one.

Ключевые слова: нормативно-правовое регулирование, промышленные технопарки, меры поддержки, экотехнопарки, льготы, субсидии, методика

Keywords: legal regulation, industrial technology parks, support measures, ecotechnoparks, benefits, subsidies, methodology 

Введение

По итогам 1 полугодия 2021 г. поддержку  получили на региональном уровне 279 объектов и создано 4 500 новых промышленных парка на территории 63 регионов, 18 млн м² производственных помещений: 1 трлн рублей частных вложений в открытие новых парков 2010-2020 гг., 500 площадок с иностранным капиталом (каждый девятый резидент).

Авторами рассмотрены региональные меры поддержки промышленных парков и промышленных технопарков:

• количество субъектов РФ, у которых приняты НПА по вопросам ПП/ПТ — 39 (45%);
• количество субъектов РФ, у которых имеются меры поддержки ПП/ПТ — 33 (38%).

Максимальный объем субсидии из федерального бюджета – 500 млн руб. на 2 года (но не более 250 млн руб. в год) (таблица 1).

Создано 60 тыс. раб. мест резидентами промышленных технопарков и 1,7 млн м² производственных и технологических помещений (88 объектов, 33 региона).

Одним из механизмов стимулирования инвестиций в промышленность является предоставление налоговых льгот.

Основные результаты

Внесены изменения, в котором утверждены требования к промышленным и агропромышленным технопаркам (агробиотехнопаркам).

Вводится понятие экотехнопарк в нормативных актах, как разновидность промышленного технопарка, с использованием различных методов, количество которых в период 2018-2019 гг. составило соответственно  — 4-7; в 2020 г. — 12, в 2025-2030 гг. составит соответственно — 25-30.

Разрабатывается единая методология (таблица 2):

Необходимость создания единой платформы:

• единая нормативно-правовая база на федеральном уровне;
• единая нормативно-правовая база на региональном уровне;
• единый механизм государственной поддержки;
• единые стандарты проектирования и строительства.

Иные меры поддержки:

• льготы по аренде земли / имущества;
• упрощенный порядок предоставления земли.

Наиболее востребованные льготы:

• налог на прибыль резидентам и УК;
• налог на имущество резидентам и УК;
• транспортный налог резидентам и УК;
• земельный налог резидентам и УК.

34 региона имеют налоговые льготы для ИП / ПТ и резидентов.

38 регионов сообщили об отсутствии данных налоговых льгот.

Динамика организации и формирования технопарков повышается, при этом сохраняется неравномерность распределения технопарков по территории России: максимальное их число приходится на Центральном (49,7%) и Приволжском (18,5%) федеральных округах. В структуре площадей формируемых и функционирующих технопарков отмечается превалирование производственных помещений, их доля каждый год повышается с 35,9% в до 51,1%.

Общее число резидентов технопарков России в среднем каждый год повышается на 15,5%, из них 93,2% резидентов технопарков являются субъектами малого и среднего предпринимательства (МСП). Количество организовываемых резидентами технопарков рабочих мест в 2020 г. превысило 128 тыс. человек. В последние годы технопарки России показывают увеличение по всем главным показателям эффективности.

Авторами представлена методика рейтинга технопарков, в основе которой проводится комплексная оценка деятельности резидентов и управляющих компаний технопарков по 21 частному показателю, сгруппированным по 5 группам показателей (таблица 3).

Эффект предоставления поддержки (2021-2023 гг.).

25,8 млрд руб. внебюджетных инвестиций

5,2 тыс новых рабочих мест

4,8 млрд руб. налоговых поступлений в бюджеты всех уровней

Организация экотехнопарка не является правовой моделью привлечения инвестиций, а формирует хозяйственную модель организации вторичной переработки и утилизации отходов [4].

Анализ нормативно-правовых актов, регулирующих создание экотехнопарков, свидетельствует о неритмичном продвижение в данном направлении от региона к региону.

При анализе нормативно-правовой сферы на уровне регионов определена ключевая тенденция — организация большего числа объектов по утилизации отходов, регионы приумножают целевые показатели по доле утилизируемых отходов. Необходимо подметить основные проблемы, которые были установлены в исследовании: процесс внедрения экотехнопарков осуществляется неравномерно; часть регионов не обеспечивают благоприятную правовую и экономическую среду для организации комплексов экотехнопарков; некоторые регионы почти не осуществляют захоронение отходов при производстве промышленной продукции [5].

Авторами рассматриваются предложения нормативно-правового регулирования:

• установить единые требования к ПП и ТП, а также к их резидентам;
• координировать меры государственной поддержки;
• разработать систему оценки этой эффективности [6].

Заключение

Авторами предложены новые возможности организации производства отечественной продукции. Зафиксировать на уровне федерального и регионального законов определение экотехнопарка, его резидентов и предъявляемые к ним требования и конкретизировать в стратеги развития отрасли [7].  Статус экотехнопарков должен регулироватся положениями о промышленных технопарках. Необходимо формирование нормативных актов, касающихся предоставления льгот резидентам экотехнопарков. Целесообразно установить на уровне тарифного регулирования условия возврата вложенных инвестиций или возможности предоставления дополнительных налоговых льгот [8]. Закрепление возможности объединения в экотехнопарки резидентов, которые находятся во владении всевозможных управляющих компаний с целью обеспечения технологии замкнутого цикла и предоставления резидентам дополнительных мер финансовой поддержки [9].

Дальнейшее формирование экотехнопарков зависит от последовательного развития правовой среды (создание объектов в нормативно-правовые акты) и структурирования соглашений в рамках доступных форм ГЧП и концессионных соглашений [10].

Список источников

1. Федеральный закон от 31.12.2014 Г. № 488-ФЗ «О промышленной политике в Российской Федерации».
2. Федеральный закон от 23.08.1996 № 127-ФЗ «О науке и государственной научно-технической политике».
3. Андряшина Н.С. Современные подходы к созданию нового продукта в машиностроении. Вестник Мининского университета . № 1 (5). 2014.
4. Миронов, Д. С. Институционально-трансформационные факторы развития индустриальных парков Свердловской области / Д. С. Миронов // Теоретическая и прикладная экономика. – 2018. – № 4. – С. 33–52.
5. Миронов, Д. С. Институциональные условия и факторы выбора индустриального парка как места для развития инновационного бизнеса / Д. С. Миронов, В. Ж. Дубровский // Управленец = The Manager. – 2018. – Т. 9, № 6. – С. 33–52.
6. Миронов, Д. С. Механизмы государственной поддержки в формировании и развитии полиотраслевых промышленных парковых структур / Д. С. Миронов, В. А. Благинин // Современная научная мысль. – 2017. – № 3. – С. 117–126.
7. Efremova, A. D., Kuznetsov V.P., Artemyeva M.V., Grigoryev A.I., Sintsov E.V. Disaggregation of industrial enterprises as one of the ways to overcome the economic crisis, Lecture Notes in Networks and Systems. Springer, 2019, 947-953. DOI: 10.1007/978-3-030-00102-5_101.
8. Kozlova E.P., Kuznetsov V.P., Garina E.P., Romanovskaya E.V., Andryashina N.S. Methodological Bases of the Assessment of Sustainable Development of Industrial Enterprises (Technological Approach), in Lecture Notes in Networks and Systems. Springer, 2020, 670-679. DOI: 10.1007/978-3-030-32015-7_75.
9. Kozlova, E. P., Kuznetsova S.N., Garina E.P., Romanovskaya E.V., Andryashina N.S. The Concept Interpretation of Sustainable Development Mechanism in the Conditions of Technological Transformation of Industrial Enterprises, in Studies in Systems, Decision and Control, 2021, DOI: 10.1007/978-3-030-56433-9_77.
10. Kozlova, E.P., Potashnik, Y.S., Artemyeva, M.V., Romanovskaya, E.V., Andryashina, N.S. Formation of an Effective Mechanism for Sustainable Development of Industrial Enterprises, in Lecture Notes in Networks and Systems. Springer, 2020, 545–556. DOI: 10.1007/978-3-030-15160-7_55.

References

1. Federal`ny`j zakon ot 31.12.2014 G. № 488-FZ «O promy`shlennoj politike v Rossijskoj Federacii».
2. Federal`ny`j zakon ot 23.08.1996 № 127-FZ «O nauke i gosudarstvennoj nauchno-texnicheskoj politike».
3. Andryashina N.S. Sovremenny`e podxody` k sozdaniyu novogo produkta v mashinostroenii. Vestnik Mininskogo universiteta . № 1 (5). 2014.
4. Mironov, D. S. Institucional`no-transformacionny`e faktory` razvitiya industrial`ny`x parkov Sverdlovskoj oblasti / D. S. Mironov // Teoreticheskaya i prikladnaya e`konomika. – 2018. – № 4. – S. 33–52.
5. Mironov, D. S. Institucional`ny`e usloviya i faktory` vy`bora industrial`nogo parka kak mesta dlya razvitiya innovacionnogo biznesa / D. S. Mironov, V. Zh. Dubrovskij // Upravlenecz = The Manager. – 2018. – T. 9, № 6. – S. 33–52.
6. Mironov, D. S. Mexanizmy` gosudarstvennoj podderzhki v formirovanii i razvitii poliotraslevy`x promy`shlenny`x parkovy`x struktur / D. S. Mironov, V. A. Blaginin // Sovremennaya nauchnaya my`sl`. – 2017. – № 3. – S. 117–126.
7. Efremova, A. D., Kuznetsov V.P., Artemyeva M.V., Grigoryev A.I., Sintsov E.V. Disaggregation of industrial enterprises as one of the ways to overcome the economic crisis, Lecture Notes in Networks and Systems. Springer, 2019, pp. 947-953. DOI: 10.1007/978-3-030-00102-5_101.
8. Kozlova E.P., Kuznetsov V.P., Garina E.P., Romanovskaya E.V., Andryashina N.S. Methodological Bases of the Assessment of Sustainable Development of Industrial Enterprises (Technological Approach), in Lecture Notes in Networks and Systems. Springer, 2020, pp. 670-679. DOI: 10.1007/978-3-030-32015-7_75.
9. Kozlova, E. P., Kuznetsova S.N., Garina E.P., Romanovskaya E.V., Andryashina N.S. The Concept Interpretation of Sustainable Development Mechanism in the Conditions of Technological Transformation of Industrial Enterprises, in Studies in Systems, Decision and Control, 2021, DOI: 10.1007/978-3-030-56433-9_77.
10. Kozlova, E.P., Potashnik, Y.S., Artemyeva, M.V., Romanovskaya, E.V., Andryashina, N.S. Formation of an Effective Mechanism for Sustainable Development of Industrial Enterprises, in Lecture Notes in Networks and Systems. Springer, 2020, pp. 545–556. DOI: 10.1007/978-3-030-15160-7_55.

 Для цитирования: Кузнецова С.Н., Гнездин А.В., Голыничева Е.М., Рыжакова К.А. Нормативно-правовое регулирование деятельности промышленных технопарков // Московский экономический журнал. 2022. № 3. URL: https://qje.su/otraslevaya-i-regionalnaya-ekonomika/moskovskij-ekonomicheskij-zhurnal-3-2022-8/

© Кузнецова С.Н., Гнездин А.В., Голыничева Е.М., Рыжакова К.А., 2022. Московский экономический журнал, 2022, № 3.

Научная статья

Original article

УДК 332: 631

doi: 10.55186/2413046X_2022_7_3_139

МОДЕЛИРОВАНИЕ ЗЕМЛЕВЛАДЕНИЙ И ЗЕМЛЕПОЛЬЗОВАНИЙ СЕЛЬСКОХОЗЯЙСТВЕННЫХ ОРГАНИЗАЦИЙ ЧАЙНОЙ ОТРАСЛИ ПРИ ОПТИМИЗАЦИИ СЫРЬЕВЫХ ЗОН, ПЕРЕРАБАТЫВАЮЩИХ ФАБРИК

MODELING OF LAND OWNERSHIP AND LAND USE OF AGRICULTURAL ORGANIZATIONS OF THE TEA INDUSTRY IN THE OPTIMIZATION OF RAW MATERIAL ZONES, PROCESSING FACTORIES

Пэн Юньлун, соискатель кафедры землеустройства Государственного университета по землеустройству, КНР, E-mail: 626667049@qq.com

Peng Yunlong

Аннотация. Рассмотрены вопросы развития чайной отрасли через модели оптимизации взаимного размещения чайных плантаций и перерабатывающих предприятий, вопросы размещения предприятий по переработке сельскохозяйственной продукции и формирования их сырьевых зон. Таким образом, существующее закрепление чайных плантаций за перерабатывающими предприятиями (фабриками) часто не оптимально и приводит к большим транспортным издержкам. Предлагаются методы решения данной задачи. Этим вопросам посвящена данная работа.

Abstract. The issues of development of the tea industry through optimization models of mutual placement of tea plantations and processing enterprises, issues of placement of enterprises for processing agricultural products and the formation of their raw material zones are considered. Thus, the existing attachment of tea plantations to processing enterprises (factories) is often not optimal and leads to high transport costs. Methods are offered for solving this problem. This work is devoted to these issues.

Ключевые слова: чайная отрасль, чайная плантация, модель размещения перерабатывающей фабрики, размещение чайной плантации, зоны размещения чайных плантаций, организация территории чайных плантаций, устройство территории чайных плантаций, цифровое землеустройство 

Keywords: tea industry, tea plantation, model of placement of processing factory, placement of tea plantation, zones of placement of tea plantations, organization of the territory of tea plantations, arrangement of the territory of tea plantations, digital land management

Вопросы развития чайной отрасли рассмотрены нами в следующих работах. [1, 9, 15, 23] Дальнейшее развитие чайной отрасли как составной части АПК страны необходимо развивать через оптимизацию формирования сырьевых зон перерабатывающих фабрик.

Вопросы размещения предприятий по переработке сельскохозяйственной продукции и формирования их сырьевых зон рассматривали многие отечественные ученые С.Н. Волков [4, с.330-336], А.В. Купчиненко [4], Ю.П. Лебединский, Т.В. Папаскири [5, 8, 10], Л.С. Твердовская [4], Е.М. Чепурин [4], Е.В. Черкашина [14], А.М. Шаров, М.П. Шубич и др. Наши исследования [15], при установлении и формировании сырьевых зон фабрик, перерабатывающих чайное сырье, выявили следующие характерные черты:

1) например, при размещении вновь создаваемых перерабатывающих предприятий (фабрик) на территории, пригодной для возделывания чайного сырья, их мощность должна рассчитываться по следующим вариантам:

• с учетом предельной ограниченности земельных ресурсов для возделывания чая;

2) например, при размещении вновь создаваемых перерабатывающих предприятий (фабрик) на территории, пригодной для возделывания чайного сырья, его мощность должна рассчитываться по следующим вариантам:

• с учётом возможности расширения производства, за счёт вовлечения дополнительных площадей путём долгосрочной аренды соседних земельных участков;
• с учётом возможности расширения производства, за счёт вовлечения дополнительных площадей путём выкупа соседних земельных участков;
• с учётом возможности расширения производства, за счёт вовлечения дополнительных площадей путём вовлечение скрытых внутренних резервов земельных ресурсов;

рассчитываются они по следующим формулам:

• для капитальных вложений, производственных фондов и трудовых ресурсов:

∆К = ∆Д /Ен ∆ Ф = ∆Д /Фо ∆Т = ∆Д /ПТ                       (1.1)

• для земельных ресурсов:

∆З га = ∆Д / ПЗ ∆З руб = ∆Д /Пр                                   (1.2)

где — ∆К, ∆Ф, ∆T, ∆З га, ∆З руб — соответственно экономия капитальных вложений, производственных фондов, трудовых и земельных ресурсов; Ен — нормативный коэффициент сравнительной эффективности капиталовложений; Фо — фондоотдача; ПТ — производительность труда (по чистой продукции); ПЗ — выход чистой продукции (валового дохода) на 1 га сельхозугодий; Пр —ссудный процент.

Размещение и организация территории плантаций чаще всего это два редко системно связанных между собой процесса. Особенно если проведение землеустройства регулируется в большей степени рыночными механизмами, выполняется не регулярно и слабо контролируется.

Для многих стран, возделывающих чай  характерно наличие в дефиците  перерабатывающих чайное сырье фабрик и в избытке по сравнению друг с другом количество чайных плантаций. Как правило, поставка чайного сырья на фабрики производится субъективно, по взаимному согласованию, не учитывая множество факторов, влияющих на качество конечной продукции. При этом часто используются в качестве посредника сборные пункты, где продукцию перегружают, что также отрицательно влияет на качество и количество в итоге собранного чая.

Рассмотрим модель размещения перерабатывающей фабрики по отношению к плантациям с помощью схемы на рисунке 2.13.

Среди всех факторов влияния выделим следующие: расстояние от фабрики до плантации, качество дорожного покрытия, способ доставки, время от сбора урожая до поступления чайного сырья на переработку.  При этом лимитирующим качество сырья фактором становиться время доставки, т.к. все остальные будут функционально влиять на него. Чем больше времени затрачивается на доставку, тем хуже для качества и количества сырья. Процессы окисления сырья начинаются сразу после сбора, а утруска при доставке и тряске, ухудшают сырье.

Поэтому время как главный лимитирующий фактор выразим как функцию от расстояния от плантации до фабрики и поправочного коэффициента влияния остальных факторов на продолжительность доставки (табл.1.1).

Тогда выразим эту функцию так:

T = f(S, K),               (1.3)

где Т – время доставки чайного сырья от плантации до фабрики;

S — расстояние от плантации до фабрики;

К – поправочный коэффициент

Таким образом, существующее закрепление чайных плантаций за перерабатывающими предприятиями (фабриками) в Китае часто не оптимально и приводит к большим транспортным издержкам. Кроме того, из-за увеличенного интервала в неоптимальных случаях закрепления доставки зеленого листа серьезно влияет на качество сырья (чем длиннее путь, тем больше вероятности потери качества и порчи сырья) и величину потерь урожая что снижает стоимость до 2 раз, а суммарные потери до 3 и более раз.

В рассматриваемом примере вычисления проведены в расчёте на один цикл урожайности. С учётом климатических характеристик некоторых плантаций, сбор урожая может повторяться до 5 раз в году. С учётом того, что сбор проводиться по мере отрастания листа, многократность (повторяемость) перевозок довольно значительная. Поэтому применение экономико-математических методов необходимо, поскольку позволяет оптимизировать план перевозок и значительно сократить (минимизировать) транспортные затраты и другие, зависимые от доставки потери (табл.1.2).

При работе над нашим исследованием анализировались также материалы из следующих публикаций [3, 6, 7, 10-13].

Используя в ходе системной цифровизации указанные подходы можно значительно сократить логистические затраты и связанные с ними потери. Встроенные в систему цифрового землеустройства указанные алгоритмы дадут скрытые дополнительные эффекты. Цифровому землеустройству посвящены целый ряд публикаций. [2, 5, 8, 16-22, 24]

Дополнительно в ходе решения задач распределительного типа мы пришли к следующим выводам:

1. Если модель задачи открытая и необходимо вводить фиктивного потребителя, значит, есть необходимость и потенциал для организации дополнительной фабрики по переработке чайного сырья.
2. Если модель задачи открытая и необходимо вводить фиктивного поставщика, значит, есть необходимость для организации дополнительных площадей чайных плантаций или увеличивать производительность существующих.
3. Потери, связанные с нерациональным (неоптимальным) закреплением участков (плантаций) за перерабатывающими предприятиями (чайными фабриками), в среднем составляют 24 %.

Список источников

1. Анализ производства чая в Китайской Народной Республике / Т. В. Папаскири, Ю. Л. Пэн // Актуальные проблемы обеспечения современного землеустройства: Материалы международного научно-практического форума, посвященного 95-летию основания факультета и кафедры землеустройства Государственного университета по землеустройству, Москва, 16–17 декабря 2014 года. – Москва: Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Государственный университет по землеустройству, 2014. – С. 90-93.
2. Аспекты цифрового землеустройства / Т. В. Папаскири // Землеустройство, геодезия и кадастр: прошлое — настоящее — будущее : Сборник научных статей по материалам Международной научно-практической конференции, посвященной 95-летию землеустроительного факультета, Горки, 25–27 сентября 2019 года / Редколлегия: А.В. Колмыков (гл. ред.) [и др.]. – Горки: Белорусская государственная сельскохозяйственная академия, 2020. – С. 101-122.
3. Волков, С. Н. Земельная политика и управление земельными ресурсами в Китае: Учебно-научное издание / С. Н. Волков. – Москва: Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Государственный университет по землеустройству, 2019. – 424 с. – ISBN 9785921504363.
4. Волков, С. Н. Землеустройство: в 9-ти т. Т.4: Экономико-математические методы и модели: учеб. пособие / С. Н. Волков. – М.: Колос, 2001. – 696 с.
5. Геоинформационные системы и технологии автоматизированного проектирования в землеустройстве / Т. В. Папаскири. – Москва: Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Государственный университет по землеустройству, 2000. – 82 с.
6. Инвентаризационный паспорт чайной плантации [Текст]: методика и нормативная документация / А. В. Рындин [и др.]; Гос. науч. учреждение Всероссийский науч.-исследовательский ин-т цветоводства и тропических культур Российской акад. с.-х. наук. — Сочи: ГНУ ВНИИЦиСК РАСХН, 2011. — 28, [1] с.: табл.; 21 см.; ISBN 978-5-904533-14-4
7. Критерии оценки эффективности землеустроительного проектирования и землеустройства на основе автоматизации / Т. В. Папаскири // Государственный аудит. Право. Экономика. – 2015. – № 1. – С. 88-95.
8. Методы создания системы автоматизированного проектирования рабочих участков / Т. В. Папаскири // Внутрихозяйственная организация территории сельскохозяйственных предприятий в условиях интенсификации. – Москва: Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Государственный университет по землеустройству, 1991. – С. 66-71.
9. Прогнозные геомаркетинговые модели развития чайной отрасли в КНР и ведущих странах производителях / Т. В. Папаскири, П. Юньлун // Московский экономический журнал. – 2017. – № 2. – С. 11.
10. Технологии САПР и ГИС в землеустроительном проектировании / Т. В. Папаскири // Землеустройство, кадастр и мониторинг земель. – 2005. – № 2(2). – С. 27-30.
11. Хлыстун, В.Н. Формирование системы регулирования земельного рынка [Текст] / В.Н. Хлыстун // Экономика сельскохозяйственных и перерабатывающих предприятий. – 2011. – № 2. – С. 11–14.
12. Хлыстун, В.Н. Эффективное использование земель как фактор успеха импортозамещения [Текст] / В. Н. Хлыстун // Экономика сельскохозяйственных и перерабатывающих предприятий. – 2016. — №1.-С. 58-61.
13. Хлыстун, В. Н. О принципах и содержании проекта нового закона «о землеустройстве» / В. Н. Хлыстун, В. Н. Семочкин, Т. В. Папаскири // Экономика сельскохозяйственных и перерабатывающих предприятий. – 2019. – № 9. – С. 52-56. – DOI 10.31442/0235-2494-2019-0-9-52-56.
14. Черкашина, Е.В. Экономика и организация рационального использования и охраны земель эфиромасличной и лекарственной отрасли в Российской Федерации: диссертация … доктора экономических наук: 08.00.05 / Черкашина Елена Вячеславовна; [Место защиты: Государственный университет по землеустройству]. — Москва, 2014. — 419 с.: ил.
15. Экономика и землеустройство чайной отрасли (на примере юга Китая) [Текст]: Монография / Папаскири Т.В., Пэн Юньлун // под ред. Т.В.Папаскири. (2-е издание переработанное и дополненное) — М.: Изд-во ГУЗ, 2018. – 299 с., — ил.
16. Digital land management / T. V. Papaskiri, A. E. Kasyanov, N. N. Alekseenko [et al.] // IOP Conference Series: Earth and Environmental Science : 2019th International Symposium on Earth Sciences: History, Contemporary Issues and Prospects, Moscow, 28 марта 2019 года. – Moscow: Institute of Physics Publishing, 2019. – P. 012065. – DOI 10.1088/1755-1315/350/1/012065.
17. Digital land management technologies / T. V. Papaskiri, V. N. Semochkin, N. N. Alekseenko [et al.] // IOP Conference Series: Earth and Environmental Science : VI All-Russian Science and Technology Conference: Forests of Russia: Politics, Industry, Science, Education (FR 2021), St-Petersburg, 26–28 мая 2021 года. – St-Petersburg: IOP Publishing Ltd, 2021. – P. 012159. – DOI 10.1088/1755-1315/867/1/012159.
18. Directions and methods of digital land management / T. V. Papaskiri, V. N. Semochkin, E. P. Ananicheva [et al.] // IOP Conference Series: Earth and Environmental Science, Moscow, 10 марта 2020 года. – Moscow, 2020. – P. 012130. – DOI 10.1088/1755-1315/579/1/012130.
19. Digital land management and land resource data generation / T. V. Papaskiri, V. N. Semochkin, E. P. Ananicheva [et al.] // IOP Conference Series: Earth and Environmental Science, Moscow, 10 марта 2020 года. – Moscow, 2020. – P. 012131. – DOI 10.1088/1755-1315/579/1/012131.
20. Information and technological support of digital land management / T. V. Papaskiri, M. P. Burov, E. P. Ananicheva [et al.] // IOP Conference Series: Earth and Environmental Science : VI All-Russian Science and Technology Conference: Forests of Russia: Politics, Industry, Science, Education (FR 2021), St-Petersburg, 26–28 мая 2021 года. – St-Petersburg: IOP Publishing Ltd, 2021. – P. 012174. – DOI 10.1088/1755-1315/867/1/012174.
21. Key provisions of digital land management theory and methods / T. V. Papaskiri, A. E. Kasyanov, N. N. Alekseenko [et al.] // IOP Conference Series: Earth and Environmental Science : VI All-Russian Science and Technology Conference: Forests of Russia: Politics, Industry, Science, Education (FR 2021), St-Petersburg, 26–28 мая 2021 года. – St-Petersburg: IOP Publishing Ltd, 2021. – P. 012158. – DOI 10.1088/1755-1315/867/1/012158.
22. Land-property and land-resource information obtained as a result of land management / S. N. Volkov, T. V. Papaskiri, N. N. Alekseenko [et al.] // IOP Conference Series: Earth and Environmental Science, Moscow, 10 марта 2020 года. – Moscow, 2020. – P. 012132. – DOI 10.1088/1755-1315/579/1/012132.
23. Methods of land management when locating tea plantations / T. V. Papaskiri, Yu. Peng, A. E. Kasyanov [et al.] // IOP Conference Series: Earth and Environmental Science: 2019th International Symposium on Earth Sciences: History, Contemporary Issues and Prospects, Moscow, 28 марта 2019 года. – Moscow: Institute of Physics Publishing, 2019. – P. 012067. – DOI 10.1088/1755-1315/350/1/012067.
24. Papaskiri, T. On creating digital land management in the framework of the program on digital economy of the Russian Federation / T. Papaskiri, A. Kasyanov, E. Ananicheva // IOP Conference Series: Earth and Environmental Science, Moscow, 24–25 октября 2018 года. – Moscow: Institute of Physics Publishing, 2019. – P. 012092. – DOI 10.1088/1755-1315/274/1/012092.

References

1. Analiz proizvodstva chaya v Kitajskoj Narodnoj Respublike / T. V. Pa-paskiri, Yu. L. Pe`n // Aktual`ny`e problemy` obespecheniya sovremennogo zemleustrojstva: Materialy` mezhdunarodnogo nauchno-prakticheskogo foruma, posvyashhennogo 95-letiyu osnovaniya fakul`teta i kafedry` zemleustrojstva Gosudarstvennogo universiteta po zemleustrojstvu, Moskva, 16–17 dekabrya 2014 goda. – Moskva: Federal`noe gosudarstvennoe byudzhetnoe obrazovatel`noe uchrezhdenie vy`sshego professional`nogo obrazovaniya Gosudarstvenny`j universitet po zem-leustrojstvu, 2014. – S. 90-93.
2. Aspekty` cifrovogo zemleustrojstva / T. V. Papaskiri // Zemleustroj-stvo, geodeziya i kadastr: proshloe — nastoyashhee — budushhee : Sbornik nauchny`x statej po materialam Mezhdunarodnoj nauchno-prakticheskoj konferencii, posvyashhennoj 95-letiyu zemleustroitel`nogo fakul`teta, Gorki, 25–27 sentyabrya 2019 goda / Redkollegiya: A.V. Kolmy`kov (gl. red.) [i dr.]. – Gorki: Belorusskaya gosudarstvennaya sel`skoxozyajstven-naya akademiya, 2020. – S. 101-122.
3. Volkov, S. N. Zemel`naya politika i upravlenie zemel`ny`mi resursami v Kitae: Uchebno-nauchnoe izdanie / S. N. Volkov. – Moskva: Federal`-noe gosudarstvennoe byudzhetnoe obrazovatel`noe uchrezhdenie vy`sshego professional`nogo obrazovaniya Gosudarstvenny`j universitet po zem-leustrojstvu, 2019. – 424 s. – ISBN 9785921504363.
4. Volkov, S. N. Zemleustrojstvo: v 9-ti t. T.4: E`konomiko-matematicheskie metody` i modeli: ucheb. posobie / S. N. Volkov. – M.: Kolos, 2001. – 696 s.
5. Geoinformacionny`e sistemy` i texnologii avtomatizirovannogo pro-ektirovaniya v zemleustrojstve / T. V. Papaskiri. – Moskva: Federal`-noe gosudarstvennoe byudzhetnoe obrazovatel`noe uchrezhdenie vy`sshego professional`nogo obrazovaniya Gosudarstvenny`j universitet po zem-leustrojstvu, 2000. – 82 s.
6. Inventarizacionny`j pasport chajnoj plantacii [Tekst]: metodika i normativnaya dokumentaciya / A. V. Ry`ndin [i dr.]; Gos. nauch. uchrezhde-nie Vserossijskij nauch.-issledovatel`skij in-t czvetovodstva i tro-picheskix kul`tur Rossijskoj akad. s.-x. nauk. — Sochi: GNU VNIICiSK RASXN, 2011. — 28, [1] s.: tabl.; 21 sm.; ISBN 978-5-904533-14-4
7. Kriterii ocenki e`ffektivnosti zemleustroitel`nogo proektirovaniya i zemleustrojstva na osnove avtomatizacii / T. V. Papaskiri // Gosu-darstvenny`j audit. Pravo. E`konomika. – 2015. – № 1. – S. 88-95.
8. Metody` sozdaniya sistemy` avtomatizirovannogo proektirovaniya rabo-chix uchastkov / T. V. Papaskiri // Vnutrixozyajstvennaya organizaciya territorii sel`skoxozyajstvenny`x predpriyatij v usloviyax intensi-fikacii. – Moskva: Federal`noe gosudarstvennoe byudzhetnoe obrazo-vatel`noe uchrezhdenie vy`sshego professional`nogo obrazovaniya Gosu-darstvenny`j universitet po zemleustrojstvu, 1991. – S. 66-71.
9. Prognozny`e geomarketingovy`e modeli razvitiya chajnoj otrasli v KNR i vedushhix stranax proizvoditelyax / T. V. Papaskiri, P. Yun`lun // Moskovskij e`konomicheskij zhurnal. – 2017. – № 2. – S. 11.
10. Texnologii SAPR i GIS v zemleustroitel`nom proektirovanii / T. V. Papaskiri // Zemleustrojstvo, kadastr i monitoring zemel`. – 2005. – № 2(2). – S. 27-30.
11. Xly`stun, V.N. Formirovanie sistemy` regulirovaniya zemel`nogo ry`n-ka [Tekst] / V.N. Xly`stun // E`konomika sel`skoxozyajstvenny`x i pere-rabaty`vayushhix predpriyatij. – 2011. – № 2. – S. 11–14.
12. Xly`stun, V.N. E`ffektivnoe ispol`zovanie zemel` kak faktor uspexa importozameshheniya [Tekst] / V. N. Xly`stun // E`konomika sel`skoxozyaj-stvenny`x i pererabaty`vayushhix predpriyatij. – 2016. — №1.-S. 58-61.
13. Xly`stun, V. N. O principax i soderzhanii proekta novogo zakona «o zemleustrojstve» / V. N. Xly`stun, V. N. Semochkin, T. V. Papaskiri // E`konomika sel`skoxozyajstvenny`x i pererabaty`vayushhix predpriyatij. – 2019. – № 9. – S. 52-56. – DOI 10.31442/0235-2494-2019-0-9-52-56.
14. Cherkashina, E.V. E`konomika i organizaciya racional`nogo ispol`zova-niya i oxrany` zemel` e`firomaslichnoj i lekarstvennoj otrasli v Ros-sijskoj Federacii: dissertaciya … doktora e`konomicheskix nauk: 08.00.05 / Cherkashina Elena Vyacheslavovna; [Mesto zashhity`: Gosudar-stvenny`j universitet po zemleustrojstvu]. — Moskva, 2014. — 419 s.: il.
15. E`konomika i zemleustrojstvo chajnoj otrasli (na primere yuga Kitaya) [Tekst]: Monografiya / Papaskiri T.V., Pe`n Yun`lun // pod red. T.V.Papaskiri. (2-e izdanie pererabotannoe i dopolnennoe) — M.: Izd-vo GUZ, 2018. – 299 s., — il.
16. Digital land management / T. V. Papaskiri, A. E. Kasyanov, N. N. Ale-kseenko [et al.] // IOP Conference Series: Earth and Environmental Science : 2019th International Symposium on Earth Sciences: History, Contemporary Issues and Prospects, Moscow, 28 marta 2019 goda. – Moscow: Institute of Physics Publishing, 2019. – P. 012065. – DOI 10.1088/1755-1315/350/1/012065.
17. Digital land management technologies / T. V. Papaskiri, V. N. Semochkin, N. N. Alekseenko [et al.] // IOP Conference Series: Earth and Environmental Science : VI All-Russian Science and Technology Conference: Forests of Russia: Politics, Industry, Science, Education (FR 2021), St-Petersburg, 26–28 maya 2021 goda. – St-Petersburg: IOP Publishing Ltd, 2021. – P. 012159. – DOI 10.1088/1755-1315/867/1/012159.
18. Directions and methods of digital land management / T. V. Papaskiri, V. N. Semochkin, E. P. Ananicheva [et al.] // IOP Conference Series: Earth and Environmental Science, Moscow, 10 marta 2020 goda. – Moscow, 2020. – P. 012130. – DOI 10.1088/1755-1315/579/1/012130.
19. Digital land management and land resource data generation / T. V. Papaskiri, V. N. Semochkin, E. P. Ananicheva [et al.] // IOP Conference Series: Earth and Environmental Science, Moscow, 10 marta 2020 goda. – Moscow, 2020. – P. 012131. – DOI 10.1088/1755-1315/579/1/012131.
20. Information and technological support of digital land management / T. V. Papaskiri, M. P. Burov, E. P. Ananicheva [et al.] // IOP Conference Series: Earth and Environmental Science : VI All-Russian Science and Technology Conference: Forests of Russia: Politics, Industry, Science, Education (FR 2021), St-Petersburg, 26–28 maya 2021 goda. – St-Petersburg: IOP Publishing Ltd, 2021. – P. 012174. – DOI 10.1088/1755-1315/867/1/012174.
21. Key provisions of digital land management theory and methods / T. V. Pa-paskiri, A. E. Kasyanov, N. N. Alekseenko [et al.] // IOP Conference Series: Earth and Environmental Science : VI All-Russian Science and Technology Conference: Forests of Russia: Politics, Industry, Science, Education (FR 2021), St-Petersburg, 26–28 maya 2021 goda. – St-Petersburg: IOP Publishing Ltd, 2021. – P. 012158. – DOI 10.1088/1755-1315/867/1/012158.
22. Land-property and land-resource information obtained as a result of land management / S. N. Volkov, T. V. Papaskiri, N. N. Alekseenko [et al.] // IOP Conference Series: Earth and Environmental Science, Moscow, 10 marta 2020 goda. – Moscow, 2020. – P. 012132. – DOI 10.1088/1755-1315/579/1/012132.
23. Methods of land management when locating tea plantations / T. V. Papaskiri, Yu. Peng, A. E. Kasyanov [et al.] // IOP Conference Series: Earth and Environmental Science: 2019th International Symposium on Earth Sciences: History, Contemporary Issues and Prospects, Moscow, 28 marta 2019 goda. – Moscow: Institute of Physics Publishing, 2019. – P. 012067. – DOI 10.1088/1755-1315/350/1/012067.
24. Papaskiri, T. On creating digital land management in the framework of the program on digital economy of the Russian Federation / T. Papaskiri, A. Kasyanov, E. Ananicheva // IOP Conference Series: Earth and Environmen-tal Science, Moscow, 24–25 oktyabrya 2018 goda. – Moscow: Institute of Physics Publishing, 2019. – P. 012092. – DOI 10.1088/1755-1315/274/1/012092.

Для цитирования: Пэн Юньлун. Моделирование землевладений и землепользований сельскохозяйственных организаций чайной отрасли при оптимизации сырьевых зон, перерабатывающих фабрик // Московский экономический журнал. 2022. № 3. URL: https://qje.su/nauki-o-zemle/moskovskij-ekonomicheskij-zhurnal-3-2022-7/

© Пэн Юньлун, 2022. Московский экономический журнал, 2022, № 3.

Научная статья

Original article

УДК: 332.1

doi:  10.55186/2413046X_2022_7_3_138 

ОСОБЕННОСТИ РАЗВИТИЯ ПРОДУКТОВЫХ ЦЕПОЧЕК В УСЛОВИЯХ ЦИФРОВОЙ ТРАНСФОРМАЦИИ 

FEATURES OF THE DEVELOPMENT OF FOOD CHAINS IN THE CONTEXT OF DIGITAL TRANSFORMATION 

Дегтева Любовь Вячеславовна, к.ф.н., доцент, декан факультета экономики, ФГБОУИ ВО «Московский государственный гуманитарно-экономический университет», ORCID: 0000-0002-1423-8728, E-mail: degteva@mggeu.ru

Тимохин Дмитрий Владимирович, к.э.н., доцент, доцент кафедры экономики и инноваций, ФГБОУИ ВО «Московский государственный гуманитарно-экономический университет», и.о. зав. кафедрой №51 Экономика, Национальный исследовательский ядерный университет «МИФИ», ORCID: 0000-0002-5716-6699, E-mail: dtprepod@yandex.ru

Головина Лидия Алексеевна, к.э.н., доцент, ведущий научный сотрудник отдела экономических отношений в организациях АПК, «Всероссийский научно-исследовательский институт организации производства, труда и управления в сельском хозяйстве – филиал ФГБНУ ФНЦ ВНИИЭСХ», ORCID: 0000 0002-8362-6804, E-mail: golovina.lidia@yandex.ru

Гагарина Маргарита Викторовна, к.э.н., преподаватель кафедры финансов и управления банковской деятельностью в Вооруженных Силах, ФГКВОУ ВО «Военный университет имени князя Александра Невского», ORCID: 0000-0003-1750-8217, E-mail: mvgagarina@yandex.ru

Логачева Ольга Викторовна, к.э.н., доцент кафедры экономики, АНО ВО «Российский новый университет», г. Москва, ORCID: 0000 0002-0740-1339, E-mail: ro22ashka@mail.ru 

Degteva Lyubov Vyacheslavovna, PhD in Philosophy, Associate Professor, Dean of the Faculty of Economics, Moscow State University for the Humanities and Economics, E-mail: degteva@mggeu.ru

Timokhin Dmitry Vladimirovich, Candidate of Economic Sciences, Associate Professor, Associate Professor of the Department of Economics and Innovations, Moscow State University for the Humanities and Economics, Acting head Department No. 51 Economics, National Research Nuclear University «MEPhI», E-mail: dtprepod@yandex.ru

Golovina Lidia Alekseevna, Candidate of Economic Sciences, Associate Professor, Leading Researcher of the Department of Economic Relations in Agricultural Organizations, «All-Russian Research Institute for the Organization of Production, Labor and Management in Agriculture — Branch of the Federal State Budget Scientific Institution Federal Research Center VNIIESH», E-mail: golovina.lidia@yandex.ru

Gagarina Margarita Viktorovna, Candidate of Economic Sciences, Lecturer, Department of Finance and Banking Management in the Armed Forces, Military University, E-mail: mvgagarina@yandex.ru

Logacheva Olga Viktorovna, Candidate of Economic Sciences, Associate Professor of the Department of Economics, Russian New Universitу, E-mail: ro22ashka@mail.ru 

Аннотация. В статье исследованы экономические аспекты трансформации механизма формирования продуктовых цепочек в результате цифровизации экономики. Рассмотрены производственные, управленческие, логистические и правовые последствия цифровизации АПК для продуктовых цепочек. Выявлены завершенные на начало 2022 года трансформационные процессы в сфере формирования продуктовых цепочек, продолжающиеся процессы их трансформации и ожидаемые в кратко- и среднесрочной перспективе изменения. Определены позитивные последствия влияния цифровизации на экономическое положение участников продуктовых цепочек, сложности, с которыми они сталкиваются в результате цифровой трансформации. Предложена система рекомендаций по адаптации участников продуктовых цепочек к процессам цифровой трансформации. Исследован зарубежный опыт перестройки продуктовых цепочек под воздействием цифровизации и предложены направления адаптации зарубежного опыта применительно к экономическим условиям развития российского АПК.

Abstract. The article examines the economic aspects of the transformation of the mechanism of formation of food chains as a result of the digitalization of the economy. The production, management, logistics and legal consequences of digitalization of the agroindustrial complex for product chains are considered. The transformation processes completed at the beginning of 2022 in the sphere of the formation of product chains, the ongoing processes of their transformation and the changes expected in the short and medium term are revealed. The positive consequences of the impact of digitalization on the economic situation of the participants of the product chains, the difficulties they face as a result of digital transformation are determined. A system of recommendations for the adaptation of participants in product chains to the processes of digital transformation is proposed. The foreign experience of restructuring digital chains under the influence of digitalization is studied and the directions of adaptation of foreign experience in relation to the economic conditions of the development of the Russian agro-industrial complex are proposed.

Ключевые слова: цифровизация, продуктовые цепочки, АПК, отраслевые комплексы, экономическое реформирование

Keywords: digitalization, food chains, agro-industrial complex, industrial complexes, economic reform 

Введение. Цифровая трансформация является магистральным трендом развития для всех отраслей национальной экономики. Агропромышленный сектор, понимаемый в контексте настоящей статьи как совокупность производителей, участвующих в формировании продуктовых цепочек, является крайне чувствительной к макро- и мегаэкономическим трансформационным процессам сферой. Причинами такой чувствительности являются: значительное количество участников; ресурсоемкость и трудоемкость стержневых экономических цепочек в агропромышленной сфере; риски негативных макроэкономических и социальных последствий для экономики страны в случае инициации в АПК резких неподготовленных изменений в механизмах формирования продуктовых цепочек. Наряду с этим, следует отметить инертность отрасли с точки зрения готовности ее к непосредственному реагированию на угрозы и возможности, формируемые цифровой трансформацией. Причинами такой инертности являются увеличившийся уровень концентрации рыночной власти в руках крупных агрохолдингах и значительная защищенность отечественных аграрных рынков со стороны государства, что делает реагирование на трансформационные процессы во внешней среде малоцелесообразным. Кроме того, низкая эластичность спроса по цене на продукцию АПК позволяет производителю перекладывать убытки, возникшие в результате упущенной выгоды и непокрытых рисков, на потребителя. По этой причине на начало 2022 года в процессе организации продуктовых цепочек отечественным АПК-производителем некоторые тренды трансформации до сих пор игнорируются, либо учитываются не в полной мере. Однако, вынужденный эксперимент, осуществленный в результате распространения инфекции Covid-19 в совокупности с трендами технологической трансформации глобальных цепочек добавочной стоимости, создали условия для безальтернативной отраслевой цифровизации в короткие сроки. В России значительное влияние на процессы формирования продуктовых цепочек в 2022 – 2030 гг. будут оказывать меры, реализуемые государством в рамках поддержки цифровой трансформации национальной экономики в форме расширенного финансирования инновационных технологических преобразований производства. Однако, общий тренд на совершенствование технологического и управленческого обеспечения процессов формирования продуктовых цепочек в указанный период будет сопровождаться структурно асимметричной перестройкой. Такая перестройка несет значительные риски участникам продуктовых цепочек, особенно небольшим фермерским хозяйствам и актуализирует необходимость сокращения инфраструктурной асимметричности функционирования участников продуктовых цепочек в регионах.

Методология проведения исследования. Цель подготовки научной статьи: разработка системы рекомендаций по модернизации процессов формирования продуктовых цепочек с учетом возможностей и рисков, сформированных процессами цифровой трансформации как на микроуровне, так и на уровне государственной поддержки АПК индустрии.

Методика исследования основана на изучении статистических трендов цифровой трансформации продуктовых цепочек в России и за рубежом с учетом изменений долгосрочной технологической перестройки АПК индустрии на текущем цикле Кондратьева.

Информационно-экспертную базу составляют официальная статистика по динамике развития российского и мирового АПК, нормативно-правовые инициативы в области внедрения и регулирования использования цифровых технологий при формировании продуктовых цепочек, прогнозы исследовательских организаций и отдельных ученых, изучающих экономические аспекты технологического переформатирования продуктовых цепочек в контексте развития индустрии 4.0.

Исследования. Наиболее значимыми с точки зрения формирования продуктовых цепочек цифровыми технологиями являются:

• технологии, обеспечивающие возможность мониторинга состояния и использования ресурсов, задействованных в сельскохозяйственных цепочках;
• технологии, обеспечивающие возможность повышения экономической результативности сформированных продуктовых цепочек;
• технологии, обеспечивающие возможность контроля соблюдения участниками продуктовых цепочек норм и правил, установленных в отношении данной продуктовой цепочки по качеству, структуре и иным физическим и экономическим параметрам;
• технологии, обеспечивающие возможность более тесного сотрудничества между участниками продуктовой цепочки.

Экономико-управленческие цифровые новации, требуемые от участников продуктовых цепочек глобальным рынком пищевой продукции, не могут быть осуществлены силами одной организации, в том числе крупной. Такое утверждение является справедливым в контексте инфраструктурных запросов современных цифровых решений в сфере организации продуктовых цепочек. Рассмотрим актуальную на начало 2022 года структуры организации пищевых цепочек с использованием цифровых технологий (рисунок 1).

Условия обеспечения комплексности развития продуктовых цепочек в условиях цифровизации можно разделить по уровням, на которых обеспечивается такая целостность.

На макроуровне системность процесса развития продуктовых цепочек на основе цифровых технологий обеспечивается:

• формированием нормативно-правовой базы, исключающей неоднозначность правового положения, использующего цифровые инструменты участника продуктовой цепочки, ориентированной на стимулирование инновационного потенциала этого участника;
• созданием условий инфраструктурного обеспечения и сопутствующей поддержки участников продуктовых цепочек; прежде всего, речь идет о формировании на уровне государства возможности использования участниками продуктовых цепочек возможностей навигационной системы ГЛОНАСС, технологий двойного назначения, инфраструктуры связи, сформированных государством в области земельного фонда;
• реализацией государственных программ поддержки цифровизации в контуре продуктовых цепочек и их развития за счет использования новых технологических решений, которыми для сельского хозяйства являются дроны и системы дистанционного и автоматизированного управления сельскохозяйственной техники.

Указанные выше меры содействия развитию продуктовых цепочек на уровне государства требуется конкретизировать с учетом цифрового потенциала регионов. При этом, главной задачей, стоящей перед аграрными регуляторами в 2022-2030 гг. является недопущение распада единого технологического пространства, в котором формируются продуктовые цепочки из-за инфраструктурной асимметричности регионов. В первую очередь, речь идет о регионах – аутсайдерах по критерию развития цифровой инфраструктуры.

Так, массовое внедрение автоматизированных аграрных производств полного цикла на основе архитектуры цифрового планирования и управления распределительными процессами может стать препятствием для развития сельского хозяйства в регионах, отстающих по показателю интернетизации. Из-за того, что территория России существенно дифференцирована по критерию качества цифровой инфраструктуры подобный разрыв может привести к окончательному подрыву инвестиционного климата в регионах с точки зрения аграрных холдингов и выпадению существенных сельскохозяйственных ресурсов из оборота на десятилетия.

Система рекомендаций по обеспечению мезоуровневой поддержки внедрения цифровых технологий в производственные цепочки и их категоризация в зависимости от состояния инфраструктуры представлена в таблице 1.

Принципиальное значение для целей адаптации продуктовых цепочек к цифровизации будет иметь комплексность региональной политики. Несмотря на то, что, как показано в таблице 1, меры и результаты перестройки продуктовых цепочек на базе использования цифровых технологий в регионах с различной степенью развития цифровой инфраструктуры будут различаться, итоговый уровень адаптации участников продуктовых цепочек к возможностям цифрового потенциала должен стать единым для воздействия на всех участников [10]. Унифицированными результатами использования цифровых технологий на всей протяжённости продуктовых цепочек в этом смысле следует рассматривать:

• единые для всех участников продуктовой цепочки технологии и алгоритмы цифрового взаимодействия по поводу обмена информацией, что особенно важно для межрегиональных продуктовых цепочек;
• единые стандарты представления информации; в настоящее время данное требование является проблемным для соблюдения участников продуктовых цепочек, являющихся представителями небольших региональных компаний;
• готовность к использованию участниками автоматизированных экспертных систем моделирования архитектуры и параметров продуктовых цепочек в зависимости от целевых экономических приоритетов их потенциального участника.

Рассмотрим основные участки продуктовой цепочки и порядок воздействия цифровизации на каждый из таких участков. Всего можно выделить следующие четыре укрупненных участка продуктовых цепочек:

• участок производства первичной сельскохозяйственной продукции, включающий в себя сферы растениеводства и животноводства;
• участок обработки сельскохозяйственной продукции до уровня готового пищевого продукта;
• участок обеспечения логистики готовой пищевой продукции;
• участок, отвечающий за маркетинговое продвижение готового пищевого продукта.

Рассмотрим возможности использования цифровых технологий на каждом из рассмотренных участков продуктовой цепочки на рисунке 2.

Рассмотрим количественные показатели потенциала использования цифровых технологий для участников пищевых цепочек. Прогнозные показатели рынка «умных» сельскохозяйственных технологий в России, относящихся к первому звену цепочки пищевых продуктов представлены на рисунке 3.

Вместе с тем, внедрение каждой позиции из указанных групп цифровых технологий невозможно силами исключительно участниками первого звена продуктовой цепочки, без координации их усилий с другими участниками.

Определим условия, при которых потенциал использования цифровых технологий в первом звене продуктовой цепочки может быть задействован с минимальными экономическими барьерами [3].

Важнейшим препятствием перестройки сельскохозяйственного производства является дефицит первоначального капитала. Для сельскохозяйственного производства в большей степени по сравнению со среднеотраслевыми показателями характерна асимметричность между доходами и затратами во времени. Наибольшая часть затрат в этой отрасли приходится на начальный период, особенно в растениеводстве, во время посевной. Основная часть дохода приходится на период после уборки урожая, при этом дисконтированную величину валового дохода сельскохозяйственного предприятия сложно определить изначально из-за существенной волатильности рынка сельскохозяйственной продукции.

Экономически обоснованными инвестиции в цифровые инновации со стороны участников первоначального звена продуктовой цепочки оправданы в случае:

• возможности масштабировать производство;
• наличия у производителя длительного срока для гарантированной окупаемости цифровых инноваций.

Соответственно, масштабные инвестиции участников начального звена цепочки пищевой продукции в цифровые технологии предполагают принятие ими на себя всех рисков, связанных с увеличением производства на длительный период времени в условиях волатильности рынка. Такое решение достаточно проблематично, особенно для малого сельскохозяйственного бизнеса.

Таким образом, структура рисков аграрного бизнеса в сочетании с экономическими особенностями внедрения цифровых технологий в продуктовые цепочки приводит к:

• концентрации цифровых инноваций в руках крупных аграрных холдингов, что приводит к росту монополизации рынка;
• замедлению цифровой технологической трансформации продуктовых цепочек.

Решение указанной проблемы видится в использовании участниками продуктовых цепочек со второго по четвертое их звено электронных коммуникаций с участниками первого звена продуктовых цепочек. Целью такой трансформации коммуникаций является коммодитизация рынка сельскохозяйственной продукции. Составим матрицу, в которой указаны цифровые инструменты коммодитизации продуктовых цепочек, предлагаемые для стабилизации рынка продуктовых товаров через взаимодействие между участниками производственного (представлены столбцами в таблице 2) и сбытового (представлены строками в таблице 2) звена пищевых цепочек.

Ключевым трендом развития продуктовых цепочек в 2022–2030 г. станет цифровизация каналов сбыта на всем протяжении этих цепочек, начиная со звена сельскохозяйственного производства и закачивая контактом с потребителем. Динамика прогнозов электронной торговли как инструмента продвижения сельскохозяйственной продукции предложена на рисунке 4.

При реализации пессимистического сценария, диджитализация продуктовых цепочек будет сопровождаться ростом монополизации рынка пищевой продукции из-за низкой доступности цифровых инструментов небольшим компаниям на фоне масштабирования цифровых преимуществ крупнейшими агрохолдингами и ритейлом. Оптимистичный сценарий диджитализации пищевых цепочек связан с реализацией мер государственной поддержки представителей малого и среднего бизнеса для выравнивания конкурентных условий на начальной фазе присутствия компаний на всех участках формирования продуктовых цепочек. Наиболее позитивно зарекомендовавшими себя инструментами такой поддержки в соответствии с китайским опытом, когда стране в короткие сроки удалось существенно увеличить продовольственную безопасность и уровня жизни населения в части доступности им качественной продукции, являются:

• формирование бесплатных либо условно-бесплатных сетевых информационных ресурсов, обеспечивающих безбарьерный вход на рынок новых участников продуктовых цепочек из числа МСБ и представителей регионов, а также предоставление государственной поддержки соответствующих некоммерческим частным ресурсам;
• всесторонняя инфраструктурная и финансовая поддержка частных цифровых инициатив в сферах, заявленных государством как приоритетные с точки зрения социальной политики и вопросов продовольственной безопасности.

Наконец, в период 2022 – 2030 г. цифровизация будет оказывать существенное влияние на развитие пищевых цепочек в части организации контрольных мероприятий со стороны государства. Наиболее значимым событием 2021 и текущего года является введение обязательной маркировки в отношении ряда пищевых продуктов, в первую очередь молочных. Такая маркировка позволяет прослеживать всю продуктовую цепочку как в интересах структур, ответственных за качество продукции, так и в интересах фискальных органов.

Выводы. Таким образом, основными особенностями развития продуктовых цепочек в условиях цифровой трансформации станет:

• расширение практики использования участниками начального (сельскохозяйственного) звена технологий класса «умная» ферма;
• межрегиональная и межотраслевая консолидация сельскохозяйственного производителя на базе технологических платформ, в первую очередь платформ спутниковой навигации и контроля;
• более тесное взаимодействие всех участников продуктовой цепочки в части планирования производства и сбыта, условий контрактов, коммодитизации рынка пищевых продуктов;
• вытеснения цифровыми формами взаимодействия традиционных на всех участках продуктовой цепочки, снижением региональных, отраслевых и иных барьеров;
• рост риска монополизации и олигополизации продовольственного рынка интегрированными на базе цифровых платформ сетевыми компаниями;
• повышение качества контроля пищевых цепочек со стороны государства в части качества продукции и в фискальных целях. 

Список источников

1. Ekaterina Gromova, Dmitriy Timokhin, Galina Popova The role of digitalisation in the economy development of small innovative enterprises / Procedia Computer Science, Volume 169, 2020, Pages 461-467, https://doi.org/10.1016/j.procs.2020.02.224.
2. Timokhin D.V. (2021) The Use of Digital Tools in the Formation of Two-Component Nuclear Energy on the Base of Economic Cross Method. In: Samsonovich A.V., Gudwin R.R., Simões A.S. (eds) Brain-Inspired Cognitive Architectures for Artificial Intelligence: BICA*AI 2020. BICA 2020. Advances in Intelligent Systems and Computing, vol 1310. Springer, Cham. https://doi.org/10.1007/978-3-030-65596-9_62
3. Бегучев А.А., Пономаренко А.В. Цифровизация в сельском хозяйстве // Агрофорсайт. 2021. № 4 (35). С. 64-67.
4. Гагарина М.В. Устойчивое развитие предприятий в условиях цифровой экономики // Экономические исследования и разработки. 2020. № 4. С. 102-105.
5. Головина Л.А., Кислицкий М.М. Цифровой вектор во взаимодействии субъектов аграрного производителя // Аграрный вестник Урала. – 2020. — №9(200). – С. 74-82
6. Головина Л.А., Кислицкий М.М., Логачева О.В. Специфика взаимодействия организаций основных отраслей АПК при ускорении цифровизации // ЭТАП: экономическая теория, анализ, практика. 2021. № 2. С. 49-60.
7. Гончарук И.В. Обзор исследований о влиянии пандемии COVID-19 на развитие мировой и российской электронной торговли // Таможенная политика России на дальнем востоке. – 2021. — №94. – С. 66-82
8. Гричанова К.И. Переход к омниканальности продуктовых ретейлов посредствам диджитализации / Наука России: цели и задачи. сборник научных трудов по материалам XXVII международной научной конференции. Международная Объединенная Академия Наук. Екатеринбург, 2021. С. 88-92.
9. Слепенкова Е.М. Ключевые проблемы цифровизации российского продуктового ритейла / Управление бизнесом в цифровой экономике. Сборник тезисов выступлений Четвертой международной конференции. Под общей редакцией И.А. Аренкова, М.К. Ценжарик. Санкт-Петербург, 2021. С. 471-476.
10. Чуба А.Ю., Чуба А.Ю. Современные решения в области цифровизации и автоматизации сельского хозяйства // Известия Оренбургского государственного аграрного университета. 2019. № 5 (79). С. 163-165.
11. Чутчева Ю.В., Коротких Ю.С., Кирица А.А. Цифровые трансформации в сельском хозяйстве // Agricultural Engineering. — 2021. — 5 (105). – С. 53-58.

References

1. Ekaterina Gromova, Dmitriy Timokhin, Galina Popova The role of digitalisation in the economy development of small innovative enterprises / Proce-dia Computer Science, Volume 169, 2020, Pages 461-467, https://doi.org/10.1016/j.procs.2020.02.224.
2. Timokhin D.V. (2021) The Use of Digital Tools in the Formation of Two-Component Nuclear Energy on the Base of Economic Cross Method. In: Samsonovich A.V., Gudwin R.R., Simões A.S. (eds) Brain-Inspired Cognitive Ar-chitectures for Artificial Intelligence: BICA*AI 2020. BICA 2020. Advances in In-telligent Systems and Computing, vol 1310. Springer, Cham. https://doi.org/10.1007/978-3-030-65596-9_62
3. Beguchev A.A., Ponomarenko A.V. Cifrovizaciya v sel’skom hozyajstve // Agroforsajt. 2021. № 4 (35). S. 64-67.
4. Gagarina M.V. Sustainable development of enterprises in a digital economy // Economic Research and Development. 2020. No. 4. S. 102-105.
5. Golovina L.A., Kislickij M.M. Cifrovoj vektor vo vzaimodej-stvii sub»ektov agrarnogo proizvoditelya // Agrarnyj vestnik Urala. – 2020. — №9(200). – S. 74-82.
6. Golovina L.A., Kislickij M.M., Logacheva O.V. Specifika vzaimo-dejstviya organizacij osnovnyh otraslej APK pri uskorenii cifrovizacii // ETAP: ekonomicheskaya teoriya, analiz, praktika. 2021. №2. S. 49-60.
7. Goncharuk I.V. Obzor issledovanij o vliyanii pandemii COVID-19 na razvitie mirovoj i rossijskoj elektronnoj torgovli // Tamozhennaya politika Rossii na dal’nem vostoke. – 2021. — №94. – S. 66-82.
8. Grichanova K.I. Perekhod k omnikanal’nosti produktovyh retejlov posredstvam didzhitalizacii / Nauka Rossii: celi i zadachi. sbornik nauchnyh trudov po materialam XXVII mezhdunarodnoj nauchnoj konferencii. Mezhdu-narodnaya Ob»edinennaya Akademiya Nauk. Ekaterinburg, 2021. S. 88-92.
9. Slepenkova E.M. Klyuchevye problemy cifrovizacii rossijskogo produktovogo ritejla / Upravlenie biznesom v cifrovoj ekonomike. Sbor-nik tezisov vystuplenij CHetvertoj mezhdunarodnoj konferencii. Pod ob-shchej redakciej I.A. Arenkova, M.K. Cenzharik. Sankt-Peterburg, 2021. S. 471-476.
10. CHuba A.YU., CHuba A.YU. Sovremennye resheniya v oblasti cifroviza-cii i avtomatizacii sel’skogo hozyajstva // Izvestiya Orenburgskogo gosudar-stvennogo agrarnogo universiteta. 2019. № 5 (79). S. 163-165.
11. CHutcheva YU.V., Korotkih YU.S., Kirica A.A. Cifrovye trans-formacii v sel’skom hozyajstve // Agricultural Engineering. — 2021. — 5 (105). – S. 53-58.

Для цитирования: Дегтева Л.В., Тимохин Д.В., Головина Л.А., Гагарина М.В., Логачева О.В. Особенности развития продуктовых цепочек в условиях цифровой трансформации // Московский экономический журнал. 2022. №3. URL: https://qje.su/otraslevaya-i-regionalnaya-ekonomika/moskovskij-ekonomicheskij-zhurnal-3-2022-6/

© Дегтева Л.В., Тимохин Д.В., Головина Л.А., Гагарина М.В., Логачева О.В. 2022, Московский экономический журнал, 2022, №3.

Научная статья

Original article

УДК: 338.2

doi: 10.55186/2413046X_2022_7_3_137

МЕТОДИКА ОЦЕНКИ ВКЛАДА АГРАРНЫХ ВУЗОВ В РАЗВИТИЕ СЕЛЬСКИХ АГЛОМЕРАЦИЙ

METHODOLOGY FOR ASSESSING THE CONTRIBUTION OF AGRICULTURAL UNIVERSITIES TO THE DEVELOPMENT OF RURAL AGGLOMERATIONS

Широкорад И.И., доктор исторических наук, профессор, ФГБОУ ВО «Государственный университет по землеустройству»

Фадеева О.М., директор Центра стратегического развития аграрного образования, ФГБОУ ВО «Государственный университет по землеустройству»

Болдырев Б.П., кандидат философских наук, доцент, ФГБОУ ВО «Государственный университет по землеустройству»

Shirokorad I.I., Shirokorad_irina@mail.ru

Fadeeva O.M., olesya.fadeeva@mail.ru

Boldyrev B.P., boris.boldyrev.45@mail.ru

Аннотация. Система высшего аграрного образования является неотъемлемым сегментом российского высшего образования, которая призвана выполнять важнейшую задачу кадрового обеспечения АПК с целью устойчивого социально-экономического развития сельских агломераций на всей территории страны. В предложенной статье обобщается опыт проведения оценки вклада отраслевых образовательных организаций высшего образования Минсельхоза России в развитие АПК регионов Российской Федерации.

Abstract. The system of higher agricultural education is an integral segment of Russian higher education, which is designed to fulfill the most important task of staffing the agro-industrial complex for the purpose of sustainable socio-economic development of rural agglomerations throughout the country. The proposed article summarizes the experience of assessing the contribution of sectoral educational organizations of higher education of the Ministry of Agriculture of Russia to the development of the agro-industrial complex of the regions of the Russian Federation.

Ключевые слова: АПК регионов, отраслевое высшее аграрное образование в регионах, методика оценки образовательных организаций высшего образования аграрной направленности, сельские агломерации

Keywords: аgro-industrial complex of the regions, branch higher agrarian education in the regions, methods of evaluation of educational institutions of higher education of agrarian orientation, rural agglomerations

Направления развития системы высшего аграрного образования как фактора пространственного развития сельских агломераций определены в документах стратегического планирования и заключаются в следующем:

• достижение национальной цели развития Российской Федерации до 2030 года: «возможности для самореализации и развития талантов» в части выполнения целевого показателя – «создание эффективной системы высшего образования» (Указ Президента Российской Федерации от 21.07.2020 № 474 «О национальных целях развития Российской Федерации на период до 2030 года») [1];
• реализация Стратегии пространственного развития Российской федерации на период до 2025 года в части «совершенствования территориальной организации оказания услуг отраслей социальной сферы (здравоохранения, образования, культуры, физической культуры и спорта, социального обслуживания)» (Распоряжение Правительства Российской Федерации от 13.02.2019 № 207 –р) [2];
• выполнение задач, определенных Основами государственной политики регионального развития Российской Федерации на период до 2025 года (Указ Президента Российской Федерации от 16.01.2017 № 13 «Об утверждении основ государственной политики регионального развития Российской федерации на период до 2025 года») [3];
• достижение целей Федеральной научно-технической программы развития сельского хозяйства на 2017-2025 годы в части «совершенствования системы подготовки и дополнительного профессионального образования кадров для агропромышленного комплекса, ориентированной на быструю адаптацию к требованиям научно-технического прогресса» (Постановление Правительства Российской Федерации от 25.08.2017 г. № 996) [4].

Для оценки вклада отраслевых образовательных организаций высшего образования системы Минсельхоза России необходимы выработка методологических подходов с учетом специфики аграрного отрасли экономики.

К числу ведомственных вузов Минсельхоза России относятся (рисунок 1):

На рисунке 1 видно, что отраслевая система высшего аграрного образования включает 54 вуза и 14 филиалов образовательных организаций, из них – 38 высших учебных заведений и 11 филиалов имеют сельскохозяйственную направленность (преобладает контингент обучающихся по аграрным направлениям подготовки и специальностям) и 19 образовательных организаций, с учетом филиалов, не имеют специфики деятельности, т.е. контингент обучающихся по сельскохозяйственным специальностям в вузе не доминирует.

Система высшего аграрного образования сельскохозяйственной отрасли является территориально распределенной. В таблице 1 представлено распределение отраслевых образовательных организаций высшего образования и приведенного контингента обучающихся в них студентов по направлениям подготовки и специальностям сельскохозяйственного профиля по федеральным округам.

Как видно из таблицы 1, исходя из демографической ситуации и уровня социально — экономического развития регионов, наибольшее число высших учебных заведений аграрного профиля сконцентрированы в Центральном и Приволжском федеральных округах (50%), в Европейской части страны – свыше 80%.

Аграрные вузы являются центрами подготовки кадров для отраслей АПК с учетом специализации сельскохозяйственного производства в регионах, в связи этим необходима научно обоснованная оценка вклада каждой организации высшего образования в развитие сельских агломераций на местах.

Существует ряд методик, позволяющих оценить вклад образовательных организаций высшего образования в социально-экономическое, научно-инновационное развитие региона и иные сферы общественной жизни.

Современные авторы выделяют несколько моделей оценки в зависимости от выбранного предмета анализа:

• традиционный подход к оценке экономического влияния («economic based» approach)
• навыко-ориентированный подход («skill-based» approach)
• оценка вклада университета как фасилитатора инновационной деятельности региона [5].

Для построения модели оценки вклада аграрных вузов в социально-экономическое развитие регионов и сельских агломераций использовались элементы имеющихся методик при их адаптации к специфике аграрной отрасли и образования. Рассматривались три группы критериев, определяющих: вклад образовательной организации в развитие человеческого капитала в сельском хозяйстве региона (субъект Российской Федерации); в инновационное развитие региона и в социально-экономическое развитие субъекта. Перечень критериев представлен на рисунке 2.

Модель оценки вклада отраслевых организаций высшего образования аграрного профиля в развитие регионов содержит три ключевых блока: описательно-характеризующий, аналитико-оценочный и результативно-рекомендательный.

Апробация модели оценки вклада отраслевых организаций высшего образования в развитие АПК регионов, проведенная на примере восьми субъектов Российской Федерации во всех восьми федеральных округах (по одному субъекту в федеральном округе и одному аграрному вузу в субъекте методом случайной выборки) позволяет говорить о ее универсальности в части возможности производить аналогичные исследования в отношении образовательных организаций иных отраслей экономики с учетом специфики их деятельности.

Список источников

1. Указ Президента Российской Федерации от 21.07.2020 № 474 «О национальных целях развития Российской Федерации на период до 2030 года»;
2. Стратегии пространственного развития Российской федерации на период до 2025 года, утвержденная Распоряжением Правительства Российской Федерации от 13.02.2019 № 207 –р. URL: http://static.government.ru/media/files/UVAlqUtT08o60RktoOXl22JjAe7irNxc.pdf;
3. Указ Президента Российской Федерации от 16.01.2017 № 13 «Об утверждении основ государственной политики регионального развития Российской федерации на период до 2025 года» URL: http://publication.pravo.gov.ru/Document/View/0001201701160039;
4. Федеральной научно-технической программы развития сельского хозяйства на 2017-2025 годы, утвержденная Постановлением Правительства Российской Федерации от 25.08.2017 г. № 996. URL: http://publication.pravo.gov.ru/Document/View/0001201708300023;
5. Оценка вклада региональных систем высшего образования в социально-экономическое развитие регионов России. URL: https://ioe.hse.ru/data/2017/04/03/1168588296/САО%2011%20электронный.pdf;
6. Широкорад И.И., Фадеева О.М., Пафнутова Е.Г., Олексенко О.М. Становление и развитие аграрных высших учебных заведений в России. Монография. – М.: ГУЗ, 2021;
7. Fadeeva O.M, Shirokorad I.I, Pafhutova E.G. Caracteristicas del sistema de educacion superior de la federacion de rusia: aspecto regional characteristics of the higher education system in the Russian Federation: regional aspect. Themed collection of papers from Foreign International Scientific Conference «Trends in the development of science and Global challenges» by HNRI «National development» in cooperation with AFP. December 2021. — Managua (Nicaragua).: HNRI «National development», AFP, 2021. – P. 24-27;
8. Fadeeva O.M., Shirokorad I.I, Pafnutova E.G., Oleksenko O.M. Monitoring of agricultural landscapes to the innovative development of regions. The European Proceedings of Social and Behavioural Sciences EpSBS. Conference on Land Economy and Rural Studies Essentials (LEASECON 2021);
9. Shirokorad I.I, Fadeeva O.M., Pafnutova E.G., Oleksenko O.M. Territorial organisation of educational services a factor of the sustainable spatial development. The European Proceedings of Social and Behavioural Sciences EpSBS. Conference on Land Economy and Rural Studies Essentials (LEASECON 2021)
10. Uslu B. A path for ranking success: what does the expanded indicator-set of international university rankings suggest? // Higher Education. 2020. Volume 80, Issue 3, November 2020, Pp. 949–972. DOI: 10.1007/s10734–020–00527–0.

References

1. Decree of the President of the Russian Federation No. 474 dated 21.07.2020 «On National Development Goals of the Russian Federation for the period up to 2030»;
2. Spatial development strategies of the Russian Federation for the period up to 2025, approved by the Decree of the Government of the Russian Federation dated 13.02.2019 No. 207 -R. URL: http://static.government.ru/media/files/UVAlqUtT08o60RktoOXl22JjAe7irNxc.pdf;
3. Decree of the President of the Russian Federation No. 13 dated 16.01.2017 «On approval of the fundamentals of the State policy of regional Development of the Russian Federation for the period up to 2025» URL: http://publication.pravo.gov.ru/Document/View/0001201701160039;
4. The Federal Scientific and Technical Program for the Development of Agriculture for 2017-2025, approved by the Decree of the Government of the Russian Federation dated 25.08.2017 No. 996. URL: http://publication.pravo.gov.ru/Document/View/0001201708300023;
5. Assessment of the contribution of regional higher education systems to the socio-economic development of Russian regions;
6. Shirokorad I.I., Fadeeva O.M., Paphnutova E.G., Aleksenko O.M. Formation and development of agrarian higher educational institutions in Russia. Monograph. — M.: GUZ, 2021;
7. Fadeeva O.M, Shirokorad I.I, Pafhutova E.G. Caracteristicas del sistema de educacion superior de la federacion de rusia: aspecto regional characteristics of the higher education system in the Russian Federation: regional aspect. Themed collection of papers from Foreign International Scientific Conference «Trends in the development of science and Global challenges» by HNRI «National development» in cooperation with AFP. December 2021. — Managua (Nicaragua).: HNRI «National development», AFP, 2021. – P. 24-27;
8. Fadeeva O.M., Shirokorad I.I, Pafnutova E.G., Oleksenko O.M. Monitoring of agricultural landscapes to the innovative development of regions. The European Proceedings of Social and Behavioural Sciences EpSBS. Conference on Land Economy and Rural Studies Essentials (LEASECON 2021).
9. Shirokorad I.I, Fadeeva O.M., Pafnutova E.G., Oleksenko O.M. Territorial organisation of educational services a factor of the sustainable spatial development. The European Proceedings of Social and Behavioural Sciences EpSBS. Conference on Land Economy and Rural Studies Essentials (LEASECON 2021);
10. Uslu B. A path for ranking success: what does the expanded indicator-set of international university rankings suggest? // Higher Education. 2020. Volume 80, Issue 3, November 2020, Pp. 949–972. DOI: 10.1007/s10734–020–00527–0.

Для цитирования: Широкорад И.И., Фадеева О.М., Болдырев Б.П. Методика оценки вклада аграрных вузов в развитие сельских агломераций // Московский экономический журнал. 2022. № 3. URL: https://qje.su/ekonomicheskaya-teoriya/moskovskij-ekonomicheskij-zhurnal-3-2022-5/

© Широкорад И.И., Фадеева О.М., Болдырев Б.П., 2022. Московский экономический журнал, 2022, № 3.

Научная статья

Original article

УДК 336.64

doi: 10.55186/2413046X_2022_7_3_136

ОПТИМИЗАЦИЯ УПРАВЛЕНИЯ НЕМАТЕРИАЛЬНЫМИ АКТИВАМИ МЕТАЛЛУРГИЧЕСКОЙ КОМПАНИИ 

INTANGIBLE ASSET MANAGEMENT OPTIMIZATION OF A METALLURGICAL COMPANY

Кокорев Александр Сергеевич, кандидат экономических наук, доцент кафедры истории и экономической теории, Академия Государственной противопожарной службы МЧС России, г. Москва,                                            e-mail: askokorev78@mail.ru

Kokorev Alexander Sergeevich, PhD in Economics, associate Professor, Department of History and Economic Theory, Academy of the State Fire Service of the EMERCOM of Russia, Moscow. E-mail: askokorev78@mail.ru 

Аннотация. В статье представлены результаты анализа и оценки эффективности управления нематериальными активами одного из ведущих мировых лидеров цветной металлургии ПАО «РУСАЛ». Анализ проведен на основе финансовой отчетности, размещенной в публичном доступе, за 2016–2020 гг. Статья также содержит сравнительный анализ доли нематериальных активов во внеоборотных активах и в общей сумме активов компаний, являющихся пятеркой крупнейших в черной и цветной российской металлургии. Автором обозначены проблемы управления внеоборотными активами с акцентом на отраслевую специфику и определены направления оптимизации системы управления нематериальными активами металлургической корпорации.

Abstract. The article presents the results of the analysis and evaluation of the effectiveness of intangible assets management of one of the world’s leading non-ferrous metallurgy companies PJSC RUSAL. The analysis was carried out on the basis of publicly available financial statements from 2016 to 2020. The article also contains a comparative analysis of the share of intangible assets in fixed assets and in the total assets of the five largest in the Russian ferrous and non-ferrous metallurgy. The author outlines the problems of managing fixed assets with an emphasis on industry specifics and determines the directions for optimization of the intangible assets managing system of a metallurgical corporation.

Ключевые слова: нематериальные активы, управление внеоборотными активами, оптимизация, металлургическая компания

Keywords: intangible assets, fixed asset management, optimization, metallurgical company

Нематериальные активы (далее по тексту – НМА) представляют особую ценность для корпораций в последнее время. Это связано с тем, что рост стоимости компании стал выступать основополагающим критерием оценки эффективности её деятельности, при этом инвесторы обращают всё больше внимания на нефинансовые факторы роста. Именно НМА обеспечивают инновационную составляющую конкурентной борьбы между компаниями, принадлежащими одной отрасли [3]. Исследования, проводимые в части корреляционно-регрессионного анализа влияния стоимости идентифицируемых НМА на уровень капитализации российских компаний, показывают заметную взаимосвязь между данными показателями [4].

В металлургической отрасли НМА играют достаточно важную роль. Результаты интеллектуальной деятельности, такие как инновации в материаловедении, в процессе добычи и обработки металла, разработка состава покрытия, ресурсосберегающие технологии при производстве, повышение потребительских характеристик продуктов являются ключевыми факторами в повышении рентабельности деятельности металлургических компаний, в борьбе с конкурентами. Помимо этого, крупные компании переводят внутреннюю деятельность (как в рамках создания стоимости, так и в рамках работы с партнёрами) в цифровой формат, а также улучшают портфель продуктов, вводя инновационные цифровые разработки и услуги на основе анализа больших данных. Например, цифровая маркировка продуктов, торговые интернет-платформы и множество других инноваций отражается в учёте НМА. Помимо этого, торговый знак, бренд отличительные знаки компании также являются объектом внимания со стороны инвесторов. Всё это также включается в состав НМА.

Такие активы, согласно российской системе учёта, регулируются Положением по бухгалтерскому учёту «Учёт нематериальных активов» ПБУ 14/2007 [3], а также статьёй 257 «Порядок определения стоимости амортизируемого имущества» и 258 «Амортизационные группы (подгруппы). Особенности включения амортизируемого имущества в состав амортизационных групп (подгрупп)» Налогового кодекса Российской Федерации (часть вторая) [1]. В ПБУ отсутствует прямое определение нематериальных активов. Для их идентификации перечислены критерии, согласно которым объект можно причислить к НМА. В Налоговом кодексе статья 257 даёт конкретное определение нематериальных активов – созданные или приобретённые налогоплательщиком результаты интеллектуальной деятельности или иные объекты интеллектуальной собственности (права на них), используемые при производстве продукции свыше 12 месяцев, приносящие владельцу экономические выгоды и имеющие надлежащее документарное оформление [1].

Управление НМА – это менеджмент всех операций, связанных с НМА, начиная с создания самого актива и оформления прав на него, заканчивая выбытием объекта из состава активов. Главной целью данного вида деятельности является создание условий, при которых НМА будет приносить наибольшую выгоду компании, при этом, не создавая дополнительной налоговой нагрузки. [6].

Выделяют следующие основные этапы управления НМА в металлургических компаниях:

1. Оценка возможностей эффективного использования НМА и целесообразности его введения — этот этап является самым важным для любой организации, ему должно уделяться особенное внимание. В силу особенности отрасли внеоборотные активы занимают большую часть имущественного комплекса или активов баланса (здания заводов, сталелитейное оборудование, станки и так далее). Однако именно успешное внедрение НМА повышает конкурентоспособность предприятия среди других, выравнивает «перекос» состава активов и улучшает финансовое положение компании. Как правило, крупные металлургические компании создают специализированные отделы по созданию различных сегментов НМА (отдел НИОКР, маркетинга, IT и так далее), в каждом из них разработан ряд критериев эффективности внедрения под определённый вид создаваемых (приобретаемых) активов. Общими будут расчёт финансовых показателей по первоначальным данным: рентабельности, коэффициентов износа, морального старения, скорости исчерпания, срока полезного использования и прочие, при наличии возможности их рассчитать.
2. Идентификация имеющихся, создание новых, приобретение НМА — на этом этапе компания, в соответствии со стандартами РСБУ и налоговым учётом идентифицирует актив, который был создан самой организацией или приобретён у сторонней, и отражает его наличие в балансе. Особенность данного этапа в металлургической отрасли заключается в том, что большой процент НМА создаётся в самой организации в связи со спецификой деятельности (создание нового сплава, способа обработки изделия, придания ему новых свойств). В связи с этим, особенно важен следующий этап управления НМА.
3. Правовое оформление НМА — поскольку в металлургии достаточно большой спектр возможностей ля создания инновационных решений, их необходимо своевременно и надлежащим образом оформлять. Открытие любого нового сплава с улучшенными технологиями сразу же создаёт конкурентное преимущество, поэтому его состав необходимо сразу запатентовать. Также отличительные знаки и наименование, бренд, особенно в случае крупных публичных компаний, играют особенную роль, так как имя и репутация промышленной компании высоко ценится при выборе поставщика, например, сталелитейной продукции. Всё это в итоге составляет деловую репутацию (гудвилл) компании, который хоть и учитывается отдельно от НМА, однако входит в ПБУ «Учёт нематериальных активов».
4. Оценка стоимости НМА [6] — необходима для корректного принятия актива на баланс (первоначальной стоимости для бухгалтерского и налогового учёта, справедливой стоимости для отчётности), начисления амортизации по нему, для определения выгоды от коммерциализации актива, для определения специальной стоимости при судебных разбирательствах, для определения стоимости отчуждения, стоимости для замещения. Этот этап включает в себя следующий укрупнённый алгоритм:

• определение цели оценки;
• определение сферы использования и назначения НМА;
• определение выгоды и дохода от использования НМА – этот момент является ключевым при определении стоимости активов. Проводится комплексная правовая технико-экономическая экспертиза оцениваемого объекта;
• выбор методов оценки: доходный, затратный и сравнительный;
• согласование результатов.

5. Коммерциализация НМА — необходима в том случае, если компания собирается продавать результаты своей интеллектуальной деятельности. На сегодняшний день вопрос коммерциализации стоит наиболее остро, так как научные изыскания в металлургической промышленности сопровождаются большими издержками. Организация прикладных научных исследований зачастую недоступна даже крупным участникам рынка, а компании с достаточными ресурсами не развивают данное направление в рамках своей побочной деятельности.
6. Мониторинг эффективности и рентабельности использования НМА, оценка эффективности функционирования предприятия с использованием НМА — включает в себя проверку на обесценение и проведение коэффициентного анализа для отслеживания динамики изменения полезности актива, а также влияния на стоимость компании.
7. Выбытие НМА — включает в себя отчуждение в связи с передачей прав собственности или в связи с потерей способности приносить выгоду компании. На этом этапе необходимо определить остаточную стоимость и снять актив с баланса по правилам РСБУ.

Таким образом, управление НМА в металлургической компании имеет свои особенности, которые необходимо учитывать для более эффективного использования таких активов.

Далее в статье приведены практические аспекты темы в виде результатов анализа и оценки эффективности управления НМА одного из гигантов цветной металлургии ПАО «РУСАЛ».

Позиция компании в отношении управления НМА раскрывается в Примечаниях к ежегодным консолидированным финансовым отчётам. Для анализа эффективности управления НМА использована отчётность, составленная в соответствии с МСФО [13].

Все затраты, связанные с исследовательской деятельностью, признаются компанией в составе прибыли или убытка. Затраты, связанные с разработкой (в данном случае под ней понимается планирование, создание и тестирование новых видов продукции, или проектирование производственных процессов, снижающих издержки) могут быть капитализированы при возможности их надёжной оценки. К таким затратам относятся затраты на материалы, оплату труда разработчикам, затраты по займам и остальным расходам, которые были непосредственно понесены при разработке. При невыполнении условий затраты относятся к прибыли (убытку) за период.

Капитализированные затраты, как правило, отображаются по строке Себестоимость.

Амортизация начисляется линейным способом, указаны сроки полезного использования двух групп НМА: для программного обеспечения – 5 лет, для прочих – от 2 до 8 лет.

ПАО «РУСАЛ» развивает собственные научные центры, которые являются разработчиками и поставщиками НИОКР, инжиниринговых и консультационных услуг для компании и для всего рынка цветной металлургии, поэтому компания имеет достаточно большую долю НМА. Такими центрами являются:

1. Институт легких материалов и технологий – научно-производственный центр, изучающий материаловедение и выпуск порошков и разрабатывающий новые материалы, изделия на основе алюминия, технологии производства. Институт включает в себя центр аддитивного производства, реализующий полный замкнутый технологический цикл от создания до коммерциализации новых материалов.
2. Инженерно-технологический центр – основная научно-техническая база, реализующая проекты НИОКР по технологии электролиза, литья, сплавов, разработки инновационного оборудования, экологии и утилизации отходов производства. Можно выделить несколько масштабных разработок центра: энергоэффективные конструкции электролизеров; EcoFriendy технология футеровки электролизеров; производство инновационной оснастки для литья сплавов; технология производства обожжённых анодов; АСУТП 4-го поколения (с использованием обработки Big Data, цифрового двойника процесса «Виртуальный электролизер», системы токораспределения по анодам) и другое.
3. Всероссийский Алюминиево-магниевый Институт – проектный институт в области технологии добычи и обогащения сырья, дальнейшей его переработки для производства легких цветных металлов. Институт является разработчиком и проектировщиком полного технологического пакета по производству глинозема, алюминия, магния и других технологий, в том числе уникальной технологии производства глинозема из нефелинового концентрата. В интеллектуальной базе Института более 250 патентов и научно-технологический архив созданных технологий.
4. Сибирский научно-исследовательский, конструкторский и проектный институт алюминиевой и электродной промышленности – является разработчиком систем газоудаления и очистки, где используются современные системы проектного документооборота и системы цифрового проектирования с использованием 3D моделирования. В интеллектуальной базе Института более 110 патентов, а также собственный архив.

Как можно заметить, на базе институтов разрабатывается и используется огромное количество НМА: от создания новых видов продукции и материалов до цифровизации документооборота и архивов, поэтому компании важно правильно и эффективно использовать такие активы.

Для анализа и оценки эффективности управления НМА, как правило, используют несколько подходов:

1. Сравнительный анализ (бенчмаркинг) – помогает выявить ряд ключевых особенностей, характерных для отрасти, найти средний показатель, в сравнении с которым можно оценить уровень эффективности управления НМА в организации. Как правило, для такого анализа берётся ряд организаций, которые можно сопоставить (они должны принадлежать одной отрасти, иметь схожий объём производства и состав активов, иметь равные доли на рынке и так далее).
2. Анализ динамики – позволяет оценить наличие или отсутствие прогресса компании в части управления НМА, отследить изменения во времени и спрогнозировать возможное развитие состояния показателя в будущем.
3. Коэффициентный анализ – позволяет оценить финансовое состояние компании в части эффективности использования НМА. Для его проведения может быть использован набор показателей (табл. 1).

Для проведения сравнительного анализа ПАО «РУСАЛ» среди крупнейших российских металлургов были выбраны следующие компании:

• ПАО «МЕЧЕЛ» – одна из ведущих мировых компаний в горнодобывающей и металлургической отраслях. Бизнес компании состоит из четырех сегментов: горнодобывающего, металлургического, ферросплавного и энергетического.
• ПАО «Новолипецкий Металлургический Комбинат» (НЛМК) – одна из крупнейших металлургических компаний в мире. Группа производит широкий спектр листового и сортового стального проката, является ведущим поставщиком слябов и трансформаторной стали в мире.
• ПАО «Северсталь» – один из крупнейших в мире вертикально интегрированных сталелитейных и горнодобывающих компаний с активами в России и США, а также — Украине, Латвии, Польше и др.
• ПАО «Норильский никель» – крупнейший в мире производитель палладия, один из крупнейших производителей никеля, платины и меди.
• ПАО «Корпорация ВСМПО-Ависма» — крупнейший в мире производитель титана и изделия из него. Компания глубоко интегрирована в мировую авиакосмическую индустрию.

Компании-аналоги подбирались с учётом сферы деятельности – добыча и производство базовых ресурсов, объёмов производства и доли на рынке.

По каждой компании рассчитана доля НМА в общей сумме долгосрочных активов (табл.2). Важно отметить, что специфика отрасли существенно влияет на распределение активов (естественно предположить, что доля НМА будет существенно ниже, чем материальных активов), однако такой дисбаланс может быть скорректирован путём увеличения состава НМА.

Анализируя приведённые в таблице данные, можно с уверенностью сказать, что компания ПАО «РУСАЛ» проводит достаточно эффективную политику управления НМА в части отражения в балансе: компания имеет наибольшую долю НМА в долгосрочных активах в сравнении с компаниями-аналогами. Также стоит отметить, что ПАО «РУСАЛ» имеет наибольшую сумму НМА среди приведённых компаний.

В абсолютном значении суммы НМА металлургических компаний показывают ежегодный рост, что сигнализирует о возрастании спроса на них со стороны компаний (рис. 1).

Для проведения анализа динамики нематериальных активов ПАО «РУСАЛ» выбран временной промежуток с 2017 по 2020 год включительно. Стоит отметить, что в 2020 году на показатели существенно повлиял кризис, вызванный пандемией коронавируса, поэтому в основном наблюдается спад показателей баланса (табл.3). По данным таблицы можно сделать вывод о динамике доли НМА во внеоборотных активах и в суммарных активах – она снижается с течением времени. На это влияет не только общий рост активов, но и снижение непосредственно нематериальных активов. Динамика темпов роста нестабильна, однако в части доли НМА во внеоборотных активах прослеживается тенденция её сокращения. Темпы роста НМА опережают темпы роста выручки – активы неэффективно генерируют доход компании.

Коэффициентный анализ НМА (табл.4) позволил выявить следующие тенденции: коэффициент отдачи НМА (иначе коэффициент оборачиваемости, характеризует их эффективность) с 2018 г. сокращается, причиной тому служит скорее падение общего операционного дохода (выручки от продаж), так как рост НМА не наблюдается. Рентабельность активов также снижается с 2018 г., на что повлияло в том числе и ежегодное сокращение чистой прибыли.

Стоит принимать во внимание то, что НМА являются лишь частью имущества компании, поэтому его анализ учитывает косвенное влияние на экономический результат.

Таким образом, можно констатировать, что ПАО «РУСАЛ» проводит достаточно эффективную политику управления НМА. Однако, как можно заметить из анализа, темпы роста НМА опережают темпы роста выручки, что свидетельствует о недостаточной эффективности их использования.

Далее обозначим направления повышения эффективности управления НМА металлургическими компаниями на основе проведенного анализа и выявленных проблем.

Поскольку в металлургии НМА не являются ведущей статьей внеоборотных активов для осуществления основного вида деятельности, то компании, как правило, не уделяют повышенного внимания менеджменту эффективности таких активов. На практике наибольшие трудности вызывают идентификация и классификация НМА, а также определение их стоимости и выбор схемы амортизации. По этим причинам, компании, занимающие небольшую долю на рынке, предпочитают не тратить ресурсы на выделение и идентификацию НМА, что снижается их конкурентоспособность и привлекательность для инвесторов. Для решения данной проблемы компании могут привлекать сторонних экспертов к проведению качественной и всесторонней оценки НМА.

Другой проблемой является длительный срок оформления прав пользования как на активы, созданные компанией, так и на приобретённые у других лиц. Проблема заключается в несовершенстве законодательства. Недостаточное правовое регулирование, низкий уровень правовой охраны, сложность с выбором ресурсов для оформления – все эти препятствия для компаний снижают полезный эффект от внедрения НМА. Для их преодоления важно комплексно подойти к проработке законодательных актов, поскольку на данном этапе они не отвечают запросам индустрии.

Также стоит отметить, что НМА в цветной металлургии – это, прежде всего, отражение уровня цифровизации компании. Цветная металлургия является энергозатратным производством, поэтому любая «умная» оптимизация помогает сокращать издержки в разы. Помимо этого, многие виды изделий отличаются многоступенчатым переделом промежуточных изделий. Это также способствует применению цифровых технологий.  Искусственный интеллект, цифровые двойники, цифровое зрение, сквозные технологии оптимизация маржинальности процесса – всё это помогает управлять качеством изделия, оптимизировать издержки, улучшать технологию процесса на основе анализа исторических данных. Поэтому компаниям стоит внедрять различные НМА для того, чтобы комплексно и качественно повысить уровень производства и продукции [15, 17].

Отдельно для компании ПАО «РУСАЛ» стоит выделить следующие направления повышения эффективности работы с НМА:

1) Повышение раскрываемости информации.

Компания не раскрывает состав НМА, что затрудняет анализ влияния каждой группы на финансовый результат. Это может быть связано с коммерческой тайной, но несмотря на это, указание используемых НМА может повысить интерес не только инвесторов, но и поставщиков приобретённых НМА.

2) Увеличение доли НМА.

Компания в последнее время часто публикует информацию о выпуске новых видов сплавов, что свидетельствует о росте НМА, однако общая стоимость, отражённая в балансе, не только не увеличивается, но сокращается с течением времени. Это свидетельствует о том, что активы быстрее выбывают из состава активов, чем пополняются новыми, что может служить индикатором неэффективной работы с НМА.

3) Ускоренная амортизация для отдельных групп активов.

Хорошим показателем служит выделение ПО как отдельной группы активов для начисления амортизации (по ним установлен меньший срок полезного использования), однако в связи с ускоренными темпами цифровизации таких активов может быть больше, компании стоило бы пересмотреть политику начисления амортизации и расширить перечень амортизируемых групп, по которым начисляется ускоренная амортизация (в соответствии с нормативными актами). Ускоренная амортизация не только поможет высвободить больше финансовых ресурсов, но и увеличит оборачиваемость нематериальных активов.

4) Внедрение «умных материалов» [13].

Умные материалы могут обеспечить два ключевых преимущества. Во-первых, внедрение интеллекта в продукты с помощью умных материалов может сделать возможной полную прослеживаемость. Эта технология позволит узнать, где и когда были получены и изготовлены материалы, а также их состав, тем самым отвечая на этические и экологические проблемы. Во-вторых, разработка интеллектуальных материалов, облегчающих проектирование для демонтажа, поможет достичь полностью безотходной экономики. Такие материалы становятся альтернативой, которая дает практические преимущества и получение дополнительного дохода от сокращения продаж поддельных материалов.

5) Технологические инновации.

Технологические инновации также могут способствовать решению проблем ресурсоэффективности и нулевого производства. Анализ больших данных по всей цепочке создания стоимости, сетевые технологии и низкоуглеродистое первичное производство являются ценными направлениями для реализации. Инновации позволяют гибко управлять производственными процессами, ускоряя рентабельность на несколько процентных пунктов в год (2–3 п. п.). С помощью промышленного интернета вещей можно существенно сократить издержки на передачу данных между внедрёнными в производство системами. Так, с помощью данной технологии была создана рекомендательная система для оператора дуговой сталеплавильной печи, которая позволила без модернизации текущего производственного оборудования достигнуть сокращения времени работы под током при каждой плавке с 55 минут до 41 минуты при полном соблюдении всех требований по качеству (в том числе по содержанию FeO в шлаке, содержанию фосфора и азота в полупродукте [15].

6) Роботизация и автоматизация логистики и производственных процессов.

Формирование отчетов и рутинных данных, заполнение форм и сверка данных может быть оптимизирована введением RPA (роботизации бизнес-процессов): средний срок окупаемости внедрения роботов составляет 1 год, при этом, среди эффектов от внедрения роботизации отмечается увеличение скорости выполнения задач (71%), автоматизация монотонных процессов (70%), снижение затрат (69%) и снижение рисков и ошибок при выполнении задач (68%) [15].

Роботизация позволит сокращать затраты на логистику с каждым годом все быстрее. ПАО «РУСАЛ» уже применяет систему мониторинга транспорта [16], однако полная роботизация складской и внутрикорпоративной логистики поможет существенно сократить время сбора и отправки грузов и исключить травматичность и влияние человеческого фактора.

В заключение отметим, что металлургия – это энергоёмкое производство, поэтому любые инновации по экономии электроэнергии значительно оптимизируют затраты и увеличат прибыль. Все инновации являются составляющими НМА для компании, поэтому грамотное управление ими поможет существенно улучшить финансовые результаты корпорации.

Список источников

1. Налоговый кодекс Российской Федерации (часть вторая) от 05.08.2000 N 117-ФЗ (в последней редакции) // СПС «КонсультантПлюс».
2. Приказ Минфина России от 30.03.2001 N 26н (в последней редакции) «Об утверждении Положения по бухгалтерскому учету «Учет основных средств» ПБУ 6/01» // СПС «КонсультантПлюс».
3. Приказ Минфина России от 27.12.2007 N 153н (в последней редакции) «Об утверждении Положения по бухгалтерскому учету «Учет нематериальных активов» (ПБУ 14/2007)» // СПС «КонсультантПлюс».
4. Приказ Минфина России от 17.09.2020 N 204н «Об утверждении Федеральных стандартов бухгалтерского учета ФСБУ 6/2020 «Основные средства» и ФСБУ 26/2020 «Капитальные вложения» (в последней редакции) // СПС «КонсультантПлюс».
5. Мельник М.В., Кривцов А.И., Лихтарова О.В. Комплексный экономический анализ: учебное пособие. — 2-е изд., — М.: ИНФРА-М, 2021. — 368 с. — Текст: электронный. — URL: https://znanium.com/catalog/product/1127687 (дата обращения: 12.01.2022).
6. Нематериальные активы и интеллектуальная собственность корпорации: оценка и управление: учебник / Б.Б. Леонтьев, В.Б. Леонтьева, О.В. Лосева [и др.] ; под ред. М.А. Федотовой, Т.В. Тазихиной. — М.: КноРус, 2021. — 187 с. — ISBN 978-5-406-08648-3. — URL:https://book.ru/book/940208 (дата обращения: 12.01.2022). — Текст: электронный.
7. Морозова Т.В., Малицкая В.Б. Международные стандарты финансовой отчетности. Материальные и нематериальные активы. Практика. — М.: ИНФРА-М, — 2022. – 293 с.
8. Финансы России — 2020. — Текст: электронный // Федеральная служба государственной статистики: [сайт]. — URL: https://gks.ru/bgd/regl/b20_51/Main.htm (дата обращения: 12.01.2022).
9. Косорукова, И.В., Анализ финансово-хозяйственной деятельности: учебник / И.В. Косорукова, О.В. Мощенко, А.Ю. Усанов. — М.: КноРус, 2022. — 341 с. — ISBN 978-5-406-09624-6. — URL:https://book.ru/book/943228 (дата обращения: 12.01.2022). — Текст: электронный.
10. Мокрова, Л.П., Управление нематериальными активами и деловой репутацией: монография / Л.П. Мокрова. — М.: Русайнс, 2020. — 135 с. — ISBN 978-5-4365-5573-7. — URL:https://book.ru/book/941464 (дата обращения: 10.01.2022). — Текст: электронный.
11. Ажлуни А.М.Б Бирючков Д.Н. Методы эффективного управления промышленными многоуровневыми металлургическими компаниями // Вестник аграрной науки. — 2019. — №3. — С. 63–70.
12. Войко Д. В., Войко А. В. Нематериальные активы: вопросы учета и управления в условиях цифровизации экономики // Вестник ГУУ. 2019. №9. URL: https://cyberleninka.ru/article/n/nematerialnye-aktivy-voprosy-ucheta-i-upravleniya-v-usloviyah-tsifrovizatsii-ekonomiki (дата обращения: 14.01.2022). — Текст: электронный.
13. Горбач, К. «Умный» цветной металл / К. Горбач // Control Engineering Россия. — 2019. — URL: https://controlengrussia.com/sistemy-upravlenija-predprijatiem/z-smelting/ (дата обращения: 10.02.2022). — Текст: электронный.
14. Консолидированная финансовая отчетность за год, закончившийся 31 декабря 2020 года // RUSAL URL: https://rusal.ru/upload/iblock/a56/a564e1a079c04f503b720d8848178d28.pdf (дата обращения: 26.12.2021).
15. Тенденции развития роботизации в РФ RPA | 2020. — Текст: электронный // Deloitte: [сайт]. — URL: https://www2.deloitte.com/content/dam/Deloitte/ru/Documents/tax/deloitte-rpa-survey.pdf (дата обращения: 12.02.2022).
16. Цифровизация промышленности. Опыт РУСАЛА // integration24.ru [Электронный ресурс] – Режим доступа: https://integration24.ru/2018/06/09/cifrovizaciya-promyshlennosti-opyt-rusala/ (дата обращения: 12.02.2022).
17. Кокорев А.С. Факторы конкурентоспособности и финансовой устойчивости компании. Московский экономический журнал, -№ 9. — Москва. — 2020. – 56 с.

References

1. Tax Code of the Russian Federation (part two) dated 05.08.2000 N 117-FZ (as amended) // ATP ConsultantPlus.
2. Order of the Ministry of Finance of Russia dated March 30, 2001 N 26n (in the latest edition) “On approval of the Accounting Regulation “Accounting for fixed assets” PBU 6/01” // SPS “ConsultantPlus”.
3. Order of the Ministry of Finance of Russia dated December 27, 2007 N 153n (in the latest edition) “On Approval of the Accounting Regulation “Accounting for Intangible Assets” (PBU 14/2007)” // SPS “ConsultantPlus”.
4. Order of the Ministry of Finance of Russia dated September 17, 2020 N 204n “On Approval of the Federal Accounting Standards FSBU 6/2020 “Fixed Assets” and FSBU 26/2020 “Capital Investments” (as amended) // SPS ConsultantPlus.
5. Melnik M.V., Krivtsov A.I., Likhtarova O.V. Complex economic analysis: textbook. — 2nd ed., — M .: INFRA-M, 2021. — 368 p. — Text: electronic. — URL: https://znanium.com/catalog/product/1127687 (date of access: 01/12/2022).
6. Intangible assets and intellectual property of a corporation: assessment and management: textbook / B.B. Leontiev, V.B. Leontiev, O.V. Loseva [and others]; ed. M.A. Fedotova, T.V. Tazihina. — M.: KnoRus, 2021. — 187 p. — ISBN 978-5-406-08648-3. — URL: https://book.ru/book/940208 (date of access: 01/12/2022). — Text: electronic.
7. Morozova T.V., Malitskaya V.B. International Financial Reporting Standards. Tangible and intangible assets. Practice. — M.: INFRA-M, — 2022. — 293 p.
8. Finance of Russia — 2020. — Text: electronic // Federal State Statistics Service: [website]. — URL: https://gks.ru/bgd/regl/b20_51/Main.htm (date of access: 01/12/2022).
9. Kosorukova, I.V., Analysis of financial and economic activity: textbook / I.V. Kosorukova, O.V. Moshchenko, A.Yu. Usanov. — M.: KnoRus, 2022. — 341 p. — ISBN 978-5-406-09624-6. — URL: https://book.ru/book/943228 (date of access: 01/12/2022). — Text: electronic.
10. Mokrova, L.P., Management of intangible assets and business reputation: monograph / L.P. Mokrov. — M.: Rusajns, 2020. — 135 p. — ISBN 978-5-4365-5573-7. — URL: https://book.ru/book/941464 (date of access: 01/10/2022). — Text: electronic.
11. Azhluni A.M.B Biryuchkov D.N. Methods of effective management of industrial multi-level metallurgical companies // Bulletin of agrarian science. — 2019. — No. 3. — S. 63–70.
12. Voiko D. V., Voiko A. V. Intangible assets: issues of accounting and management in the context of digitalization of the economy // Bulletin of the State University of Management. 2019. No. 9. URL: https://cyberleninka.ru/article/n/nematerialnye-aktivy-voprosy-ucheta-i-upravleniya-v-usloviyah-tsifrovizatsii-ekonomiki (Date of access: 01/14/2022). — Text: electronic.
13. Gorbach, K. «Smart» non-ferrous metal / K. Gorbach // Control Engineering Russia. — 2019. — URL: https://controlengrussia.com/sistemy-upravlenija-predprijatiem/z-smelting/ (date of access: 02/10/2022). — Text: electronic.
14. Consolidated financial statements for the year ended December 31, 2020 // RUSAL URL: https://rusal.ru/upload/iblock/a56/a564e1a079c04f503b720d8848178d28.pdf (Accessed on 26.12.2021).
15. Trends in the development of robotization in the Russian Federation RPA | 2020. — Text: electronic // Deloitte: [website]. — URL: https://www2.deloitte.com/content/dam/Deloitte/ru/Documents/tax/deloitte-rpa-survey.pdf (accessed 02/12/2022).
16. Digitization of industry. RUSAL experience // integration24.ru [Electronic resource] — Access mode: https://integration24.ru/2018/06/09/cifrovizaciya-promyshlennosti-opyt-rusala/ (date of access: 02/12/2022).
17. Kokorev A.S. Factors of competitiveness and financial stability of the company. Moscow Economic Journal. — Moscow. — 2020, — No. 9. — 56 p.

Для цитирования: Кокорев А.С. Оптимизация управления нематериальными активами металлургической компании // Московский экономический журнал. 2022. № 3. URL: https://qje.su/ekonomicheskaya-teoriya/moskovskij-ekonomicheskij-zhurnal-3-2022-4/

© Кокорев А.С., 2022. Московский экономический журнал, 2022, № 3.

Научная статья

Original article

УДК 332.2

doi: 10.55186/2413046X_2022_7_3_135

ПОСТРОЕНИЕ ЦИФРОВОЙ ЭКОНОМИКИ

BUILDING A DIGITAL ECONOMY

Ефремова Лариса Борисовна, кандидат экономических наук, доцент, кафедры экономической теории и менеджмента, ФГБОУ ВО «Государственный университет по землеустройству», laraguz@yadex.ru.

Efremova Larisa Borisovna, Candidate of Economic Sciences, Associate Professor, Department of Economic Theory and Management, State University of Land Management, laraguz@yadex.ru .

Аннотация. Темпы построения цифровой экономики сегодня определяют как развитие страны так и ее регионов, внедрение цифровых технологий во все виды как экономической деятельности и отрасли социальной сферы обеспечивает создание современных комфортных условий жизнедеятельности населения страны, организацию эффективных систем государственного и муниципального управления.

Abstract. The pace of building a digital economy today determines both the development of the country and its regions, the introduction of digital technologies in all types of economic activity and social sectors ensures the creation of modern comfortable living conditions for the population of the country, the organization of effective public and municipal management systems.

Ключевые слова: ускоренное развитие страны и ее регионов, цифровая трансформация, цифровая экономика, цифровые технологии, эффективное управление процессами цифровой трансформации, экосистема цифровой экономики

Keywords: accelerated development of the country and its regions, digital transformation, digital economy, digital technologies, effective management of digital transformation processes, digital economy ecosystem 

Одним из ведущих трендов, определяющих в современных условиях ускоренное развитие страны и ее регионов, является цифровая трансформация, предусматривающая построение цифровой экономики, внедрение цифровых технологий во все виды экономической деятельности и отрасли социальной сферы, что обеспечивает создание современных комфортных условий жизнедеятельности населения страны и ее регионов, организацию эффективных систем государственного и муниципального управления.

В настоящее время наблюдается активное формирование единого унифицированного понятийного аппарата в области цифровой экономики, позволяющего обеспечить институциональные основы и нормативно-правовую базу для эффективного управления процессами цифровой трансформации в социально-экономическом развитии страны и ее регионов. В Указе Президента РФ от 09.05.2017 № 203 «О Стратегии развития информационного общества в Российской Федерации на 2017—2030 годы» даются следующие определения цифровой экономики: «Цифровая экономика— хозяйственная деятельность, в которой ключевым фактором производства являются данные в цифровом виде, обработка больших объемов и использование результатов анализа которых по сравнению с традиционными формами хозяйствования позволяют существенно повысить эффективность различных видов производства, технологий, оборудования, хранения, продажи, доставки товаров и услуг». При этом отмечается системный характер цифровой экономики и дополнительно вводится понятие экосистемы цифровой экономики, что подразумевает «партнерство организаций, обеспечивающее постоянное взаимодействие принадлежащих им технологических платформ, прикладных интернет-сервисов, аналитических систем, информационных систем органов государственной власти Российской Федерации, организаций и граждан»¹.

Цифровая трансформация отраслей экономики и социальной сферы включает деятельность по созданию, распространению и интеграции цифровых технологий (в части сбора, хранения, обработки, поиска, передачи, представления данных в электронном формате) в технологические и организационно-управленческие процессы в государственном и корпоративном секторах, в принципы создания продуктов и предоставления услуг, новые модели потребления.

Наиболее четкое определение цифровизации субъекта РФ дают специалисты Московской школы управления СКОЛКОВО, которые определяют ее как «уровень использования в субъекте федерации потенциала цифровых технологий во всех аспектах народнохозяйственной деятельности, бизнес-процессах, продуктах, сервисах и подходах к принятию решений с целью модернизации социально- экономической инфраструктуры субъектов РФ»^[1] [2].

Можно выделить следующие направления получения эконмических и социальных выгод и эффектов от внедрения цифровых технологий и формирования цифрового уклада социально-экономического развития региона.

Экономические выгоды от цифровой трансформации:

•  значительный вклад в экономический рост;
•  рост числа рабочих мест в смежных отраслях;
•  рост производительности труда;
•  ускорение темпов роста малого и среднего бизнеса;
•  создание новых продуктов и услуг (сервисов);
•  снижение трансакционных издержек бизнеса.

Социальные выгоды от цифровой трансформации:

•  повышение инклюзивности и доступности государственных и муниципальных услуг;
•  повышение уровня мобильности населения и качества транспортных услуг;
•  повышение доступности образовательных услуг;
•  повышение качества и доступности медицинского обслуживания;
•  снижение негативного воздействия на окружающую среду;
•  повышение уровня общественной безопасности, безопасности на транспорте, улучшение криминальной обстановки;
•  повышение доступности и качества финансовых сервисов.

Формирование эффективной стратегии цифровой трансформации страны и ее регионов предусматривает решение ряда вопросов, среди которых следует выделить выявление и обоснование приоритетных цифровых технологий и сфер их применения в регионе, анализ и оценка экономических и социальных эффектов, а также ограничений и возможных рисков, которые могут возникнуть в процессе перехода к цифровым платформам, анализ готовности государственных и муниципальных органов управления к переходу на цифровой уклад, формирование новых навыков и компетенции, которые будут востребованы от специалистов и управленцев при работе в условиях цифровой трансформации, оценка готовности и спроса со стороны населения региона на потребление разного рода услуг в цифровом формате.

Распространение цифровых технологий зависит не только от создания соответствующей инфраструктуры на территории, но и в значительной степени от возраста, уровня образования и доходов населения, проживающего на данной территории, общего стартового уровня социально-экономического развития региона.

Анализ отечественной и зарубежной практики формирования цифровой экономики в регионах свидетельствует о необходимости наличия определенных предпосылок, создающих необходимую среду для эффективной реализации цифровой трансформации отдельных территорий и регионов. К таким предпосылкам следует отнести:

•  наличие долгосрочной стратегии внедрения цифровых технологий, учитывающей уровень подготовленности бизнес-структур и граждан к переходу на основанные на абсолютно новых принципах способы организационного построения и функционирования экономической и социальной сфер;
•  имеющийся ресурсный и технологический базис, обеспечивающий системную трансформацию экономики и социальной среды на функционирование в условиях цифровой экономки с учетом потребностей и возможностей всех стейкхолдеров, интегрированных в этот процесс;
•  платежеспособный спрос потребителей цифровых технологий, обусловливающих принципиально новые условия жизни и трудовой деятельности;
•  профессиональная подготовленность управленцев всех уровней к принципиальным изменениям в подходах и принципах управленческой деятельности;
•  адаптивность системы государственного и муниципального управления к предоставлению качественных и доступных публичных услуг, предоставляемых на цифровых платформах.

Важный этап в развитии цифровой экономики в России связан с Указом Президента от 07.05.2018 № 204 «О национальных целях и стратегических задачах развития Российской Федерации до 2024 года», в котором отмечалось, что обеспечение ускоренного внедрения цифровых технологий в экономику и социальную сферу страны и ее регионов является национальной целью развития РФ. Для достижения одной из ряда поставленных в майском Указе Президента целей в настоящее время реализуется национальный проект «Цифровая экономика Российской Федерации», призванный существенным образом обеспечить распространение цифровых технологий в стране и российских регионах, задавая новые траектории, раскрывая потенциал их социально-экономического развития. Проект содержит следующие ключевые цели, предусмотренные в майском указе Президента РФ:

1) увеличение внутренних затрат на развитие цифровой экономики за счет всех источников не менее чем в 3 раза по сравнению с 2017 г. и доведение доли таких затрат до 5,1 % в ВВП страны к 2024 г.;

2) создание устойчивой и безопасной информационно-телекоммуникационной инфраструктуры высокоскоростной передачи, обработки и хранения больших объемов данных, доступной для всех организаций и домохозяйств; доля домохозяйств, имеющих широкополосный доступ к интернет-сети, должна достичь 97 % к 2024 г.;

3) использование преимущественно отечественного программного обеспечения государственными органами, органами местного самоуправления и организациями, стоимостная доля отечественного программного обеспечения должна превысить 90 % к 2024 г.

Следует отметить, что в качестве одной из пяти национальных целей развития РФ, определенных Указом Президента РФ от 21.07.2020 № 474 «О национальных целях развития Российской Федерации на период до 2030 года», также выделяется цифровая трансформация, которая призвана открыть новые возможности для повышения качества и уровня жизни населения российских регионов, улучшения условий проживания населения, развития отраслей региональной экономки и социальной сферы, раскрытия предпринимательского потенциала регионов. Данный документ содержит уточнения отдельных целевых установки реализации национального проекта «Цифровая экономика» на период до 2030 г., которые состоят в следующем:

• достижение «цифровой зрелости» ключевых отраслей экономики и социальной сферы, в том числе здравоохранения и образования, а также государственного управления;
• увеличение доли массовых социально значимых услуг, доступных в электронном виде, до 95 %;
• рост доли домохозяйств, которым обеспечена возможность широкополосного доступа к информационно-телекоммуникационной сети «Интернет», до 97 %;
• увеличение вложений в отечественные решения в сфере информационных технологий в 4 раза по сравнению с показателем 2019 г.

Национальный проект «Цифровая экономика Российской Федерации» включает шесть федеральных проектов, общий бюджет которых превышает 1,6 трлн руб., из которых более 67 % приходится на федеральный бюджет. Важно отметить, что в структуре расходов данного национального проекта значительная доля приходится на федеральные проекты «Информационная инфраструктура» и «Цифровые технологии» (рис. 6.7).

В рамках федерального проекта «Цифровые технологии» выделяются девять сквозных цифровых технологий, которые затрагивают не отдельные сегменты экономики и социальной сферы, а формируют новые модели ведения бизнеса, функционирования объектов социальной сферы, построения социального пространства (например, искусственный интеллект, интернет вещей, робототехника). Сквозные цифровые технологии включают:

1) большие данные;

2) новые производственные технологии;

3) промышленный интернет;

4) искусственный интеллект;

5) технологии беспроводной связи;

6) компоненты робототехники и сенсорика;

7) квантовые технологии;

8) системы распределенного реестра;

9) технологии виртуальной и дополненной реальностей.

В дорожных картах, разработанных по каждой сквозной цифровой технологии, дается характеристика достигнутого уровня развития каждой из технологий, эффекты от их совершенствования и целевые ориентиры, соответствующие мероприятия, объемы финансирования, сроки реализации. Суммарный потребный объем финансовых ресурсов для разработки технологий до 2024 г. составляет около 851,7 млрд руб. из бюджетных и внебюджетных источников, при этом наибольшие ресурсы (почти 46 % от заявленных объемов) будут затрачены на развитие технологий искусственного интеллекта.

Практика показывает, что от масштабов внедрения и эффективности использования таких сквозных цифровых технологий в социально-экономическом развитии страны и ее регионов в стратегической перспективе будет зависеть их конкурентоспособность как на внутренних, так и глобальных рынках, качество и доступность предоставляемых публичных услуг.

В настоящее время в Российской Федерации разработан и находится в стадии обсуждения проект федерального проекта «Цифровой регион», который планируется включить в национальный ¹ URL: http://government. ru/info/35568/

проект «Цифровая экономика». Этот проект содержит следующие основные цели и задачи.

Цель 1. Ускорить внедрение цифровых технологий и решений в субъектах РФ.

Задача 1.1. Обеспечение эффективности координации реализации федерального проекта «Цифровой регион», создание необходимых организационно-методических и финансовых условий для ускоренной цифровизации субъектов.

Решение данной задачи предусматривает разработку и принятие концепции цифровой трансформации субъектов РФ, подготовку инструментария для оценки уровня цифровой трансформации регионов, формирование общероссийского банка лучших практик и решений по цифровой трансформации субъектов РФ, утверждение отечественных стандартов в сфере региональной цифровизации, обеспечение координации и нормативно-методической поддержки реализации мероприятий федерального проекта «Цифровой регион», обеспечение финансирования региональных и муниципальных проектов, реализуемых в рамках реализации региональных стратегий цифровой трансформации, в том числе по направлению разработки и внедрения цифровых платформенных решений на основе отечественных разработок, создание условия для построения единого цифрового пространства субъектов и муниципальных образований на основе единых подходов к работе с данными.

Цель 2. Повысить эффективность управления ресурсами субъектов РФ.

Задача 2.1. Повышение качества управления ресурсами ЖКХ, в том числе за счет внедрения комплексной системы повышения эффективности использования энергетических ресурсов в регионе

Решение данной задачи позволит внедрить региональный сегмент Государственной системы жилищно-коммунального хозяйства (ГИС ЖКХ) в субъектах РФ, повысив тем самым эффективное управление сферой ЖКХ. При этом важно обеспечить повышение эффективности использования энергетических ресурсов в системе ЖКХ региона с учетом ее интеграции с ГИС ЖКХ и ГИС ТЭК. Важным фактором эффективности управления ресурсами ЖКХ остается внедрение в регионах прозрачной и достоверной системы взаиморасчетов на основе технологий распределенного реестра.

Задача 2.2. Повышение эффективности проектирования и строительства объектов недвижимости в регионах

Решение данной задачи предусматривает, что в субъектах РФ будет внедрена Информационная система обеспечения градостроительной деятельности (ИСОГД), при которой проектирование новых зданий за счет средств регионального бюджета будет осуществляется с использованием технологий информационного моделирования — Building Information Modelling (BIM).

Задача 2.3. Повышение качества управления мобильностью граждан и эффективности грузовых перевозок.

Для решения этой задачи проект предусматривает внедрение единого проездного билет в каждом субъекте РФ, внедрены технологии цифрового транспортного планирования и управления транспортной системой на уровне региона, в том числе с целью увеличения общей средней скорости движения.

Задача 2.4. Повышение качество управления природными ресурсами и экологией.

Решение данной задачи требует во-первых, разработки и внедрения государственной информационной системы мониторинга (включая комплексное программное обеспечение), состояния окружающей среды (почва, воздух, вода, уровень шума) для контроля показателей окружающей среды в режиме реального времени и обеспечения возможности осуществления общественного контроля; во- вторых, разработки и внедрения государственной информационной системы учета отходов производства и потребления для мониторинга (включая комплексное программное обеспечение) за состоянием отрасли в режиме реального времени, а также построения прогнозов, проведения оценки необходимых инвестиций и обеспечения возможности осуществления общественного контроля.

Задача 2.5. Повышение качества здравоохранения с использованием цифровых технологий.

Решение данной задачи предусматривает создание региональной аналитической платформы «Здоровье», включающей логистику медицинской помощи, предоставление услуг аптечных сетей, услуг здоровья, цифровая платформа «Умная клиника», а также платформы финансовых расчетов и управления ресурсами в здравоохранении субъекта РФ.

Задача 2.6. Обеспечение равных условий получения образования жителями региона.

Решение данной задачи направлено, во-первых, на обеспечение равных условий получения образования, в том числе в дистанционном формате, для всех учеников региона независимо от их физических и материальных возможностей, а также места проживания; во-вторых, на обеспечение экономики региона востребованными квалифицированными кадрами за счет возможностей профессиональной подготовки и переподготовки жителей региона, с учетом актуального спроса на необходимые компетенции, что приводит увеличить кадровый потенциала региона, уменьшить безработицу, оперативно и гибко реагировать на кризисные явления в экономике.

Кроме того, региональная цифровая образовательная среда обеспечивает доступность современных образовательных методик и материалов, а также повышение качества образования с учетом индивидуальных способностей учеников и их предпочтений, помогает в мотивации и профориентации учащегося, обеспечивает дополнения стандартных учебно-методических материалов внешним образовательным контентом. Тем самым повышается доступность и разнообразие образовательных программ и мероприятий, направленных на уничтожение цифрового неравенства всех жителей региона.

Цель 3. Повысить качество предоставляемых услуг и вовлеченности граждан в процессы управления субъектом РФ.

Задача 3.1. Создание организационной, методологической основы и финансирования реализации проектов цифровизации городского хозяйства «Умный город» в субъектах РФ.

В рамках решения данной задачи Федеральный центр компетенций совместно с Региональными центрами компетенций обеспечивают организационную и методологическую поддержку и финансирование реализации проектов «Бережливый умный регион/город» в субъектах РФ и муниципальных образований городского типа.

Задача 3.2. Повышение качества информирования жителей и заинтересованных инвесторов регионов об управлении регионом/ городом и принимаемых решениях.

Для решения этой задачи жители региона имеют открытый доступ к информации и данным о принимаемых решениях в рамках осуществления управления субъектом и муниципальными образованиями.

Задача 3.3. Вовлечение граждан субъектов и муниципальных образований в процессы принятия решений вопросов городского и регионального развития через развитие региональных цифровых платформ для граждан.

Решение этой задачи требует обеспечения граждан, региональных и муниципальных органов власти эффективными инструментами взаимодействия по вопросам городского развития через каналы обращений жителей в единую диспетчерскую службу, с помощью голосований и опросов, получения актуальной информацию об органах власти, планах градостроительства, городского и регионального развития, запланированных ремонтных работах, а также механизмах участия в обсуждении этих вопросов и общественного контроля за качеством их исполнением.

Задача 3.4. Повышение эффективности процессов администрирования и оказания муниципальных/региональных услуг.

Решение данной задачи предусматривает обеспечение высокого качество оказания муниципальных/региональных услуг населению и субъектам малого и среднего предпринимательства, используя онлайн-сервисы, на основе методологии бережливости, внедрения интеграционных платформенных решений в субъекта РФ и муниципальных образованиях, обеспечивающих управление на основе актуальных данных.

Задача 3.5. Создание комфортной и безопасной среды для жителей региона.

Для решения этой задачи предусматривается, во-первых, создание и внедрение федеральной платформы аппаратно-программного комплекса (АПК) «Безопасный регион», обеспечивающей прогнозирование и реагирование на внештатные ситуации, разработка типовых решений для регионального сегмента АПК «Безопасный регион», во-вторых, внедрение информационной системы, необходимой для работы ситуационных центров высших должностных лиц субъектов РФ и муниципалитетов, центров управления регионом, а также развитие и модернизация системы «112».

Следует отметить, что в российских регионах уже накопили определенный опыт реализации региональных проектов в области внедрения информационно-коммуникационных технологий. Так, в соответствии с положениями Концепции развития региональной информатизации, утвержденной распоряжением Правительства РФ от 29.12.2014 № 2769-р, в 2017 г. был проведен и представлен Минкомсвязи России рейтинг российских регионов, отражающий состояние развития информационных технологий в отраслях региональной инфраструктуры, региональном управлении (электронное правительство), в образовании, здравоохранении и на транспорте. Регионами-лидерами, вошедшими в первую десятку рейтинга 2017 г., стали город Москва, Тюменская область, Ханты-Мансийский автономный округ, Республика Татарстан, Тульская область, Новосибирская область, Республика Башкортостан, Ямало-Ненецкий автономный округ, Томская и Челябинская области.

Проведенный в 2019 г. Аналитическим центром при Правительстве РФ опрос о состоянии процесса цифровой трансформации в 79 субъектах РФ затрагивал оценку следующих параметров (рис. 6.8).

В качестве приоритетных цифровых технологий были названы следующие: большие данные (80 % участвовавших в опросе регионов) и технологии беспроводной связи (63 %). Значительной популярностью пользуются промышленный интернет и интернет вещей (53 %), искусственный интеллект и нейротехнологии (47 %), системы распределенного реестра (43 %), технологии виртуальной и дополненной реальностей (30 %), новые производственные технологии (28 %) и компоненты робототехники и сенсорика (27 %).

Органы местного самоуправления и органы государственной власти, входящие в единую систему публичной власти в Российской Федерации, также сталкиваются с необходимостью решения задач, касающихся развития автоматизированных информационных систем, в сферах здравоохранения, образования, транспорта. Разумеется, базовым условием цифровизации различных сфер экономической деятельности является достижение высокого уровня информатизации и автоматизации. Отдельное значение для регионов имеют программы и проекты в области развития информационной инфраструктуры и внедрения автоматизированных информационных систем.

Анализ показывает, что большая часть региональных проектов в области цифровизации экономических процессов осуществляется по направлениям, схожим с направлениями федеральных проектов национальной программы «Цифровая экономика», а именно безопасность информационной среды, информационная инфраструктура, цифровые технологии, нормативное регулирование в сфере информационно-коммуникационных технологий, кадровое обеспечение цифровой экономики, цифровизация государственного управления.

Приоритетными отраслями регионального развития цифровых технологий являются: здравоохранение (75 % регионов), городская среда (75 % регионов), образование и кадровая политика (66 % регионов), транспорт и связь, включая беспроводную связь и цифровую мобильность (61 % регионов), ЖКХ и энергетика (56 % регионов). Также приоритетными являются сельское и лесное хозяйство, культура и туризм, государственные и муниципальные услуги и управление (включая цифровое правительство), строительство и промышленность.

К особо значимым регионы относят проекты в сфере государственного управления, включая госуслуги и государственные финансы. Данные проекты характеризуются наибольшим эффектом (как ожидаемым, так и достигнутым) реализации и финансируются преимущественно за счет средств регионального бюджета. Во многих регионах внедряются региональные медицинские информационные системы и системы автоматизации работы скорой медицинской помощи, автоматизированные системы управления образованием. В сфере внимания регионов остаются также системы фото- и видеофиксации в области дорожного движения.

Признавая заинтересованность регионов в развитии цифровых технологий и успешную реализацию цифровых походов в отдельных отраслях экономики и социальной сферы, следует отметить, что в силу ряда объективных и субъективных причин не все субъекты РФ имеют соответствующие региональные программы. Как показало упомянутое выше исследование Аналитического центра при Правительстве РФ в 2019 г. менее половины российских регионов имели региональные программы и проекты по цифровизации в стадии реализации или на этапе разработки (рис. 3).

Совокупный объем финансирования мероприятий по информатизации в субъектах РФ из региональных бюджетов за период 2015—2018 гг. демонстрировал ежегодный рост бюджетных расходов, которые возросли более чем в 2,8 раза за соответствующий период. Вместе с тем доля бюджетных расходов города Москвы в этом показателе достигла по итогам 2018 г. 49,1 %, что ярко свидетельствует о цифровом неравенстве бюджетных возможностей регионов, преодолеть которое без активной скоординированной федеральной политики в этой области невозможно.

Последние события, связанные с концентрацией усилий на борьбе с пандемией COVID-19, активизировали процессы внедрения технологий, связанных с удаленным взаимодействием физических лиц учреждений и организаций всех сфер деятельности.

Отдельного внимания заслуживает организация электронного голосования по поправкам в Конституцию РФ, осуществленное на территории Москвы и Нижегородской области, что свидетельствует о высокой степени готовности данных территорий к использованию цифровых технологий в самых чувствительных для функционирования государства сферах.

В целях осуществления цифровой трансформации регионов применяется комплекс мероприятий государственного регулирования и поддержки (рис. 3).

Для оценки экономических, технологических и социальных процессов, происходящих в российских регионах в ходе цифровизации экономики, социальной сферы и процессов развития общества в целом, в России на основе разработанной с учетом международного опыта методологии рассчитывается индекс «Цифровая Россия» в разрезе каждого субъекта РФ. Данный индекс рассчитывается на основе сочетания статистического и экспертного подходов, что позволяет дать оценку уровня цифровизации региона вне зависимости от размера его территории, численности проживающего населения и географического положения^[3].

«Индекс «Цифровая Россия» рассчитывается на основе формализации семи субиндексов и их весов.

• Нормативное регулирование и административные показатели цифровизации.
• Специализированные кадры и учебные программы.
• Наличие и формирование исследовательских компетенций и технологических заделов, включая уровень НИОКР.
• Информационная инфраструктура.
• Информационная безопасность.
• Экономические показатели цифровизации.
• Социальный эффект от внедрения цифровизации».

Необходимо с учетом специфики и имеющегося потенциала регионов заложить в них основные предпосылки и создать стимулы практического использования цифровых технологий в базовых сегментах экономики соответствующих территорий, проводить постоянный мониторинг скорости и направлений цифровизации, симулировать спрос потребителей на цифровые услуги, основываясь на принципах преемственности и постепенности при переходе на цифровые технологии в системах регионального и муниципального управления, повышать цифровую грамотность населения, реализуя образовательные и консультационные программы на базе центров компетенций.

Список источников

1. Указ Президента РФ от 09.05.2017 № 203 «О Стратегии развития информационного общества в Российской Федерации на 2017—2030 годы».
2. Методология расчета индекса «Цифровая Россия» субъектов Российской Федерации. — Московская школа управления Сколково. URL: https://finance.skolkovo.ru/downloads/documents/FinChair/Research_Reports/SKOLKOVO_Digital_Russia_Methodology_2019—04_ru.pdf
3. Методология расчета индекса «Цифровая Россия» субъектов Российской Федерации. URL:
4. Europe 2020 Strategy [Электронный ресурс]. URL: https://ec.europa.eu/digital-single-market/en/europe-2020-strategy (дата обращения: 04.06.2018 г.)
5. Интернет вещей, IoT, М2М (мировой рынок) [Электронный ресурс]. — URL: http://www.tadviser.ru/index.php/ Статья: Интернет вещей, IoT, М2М (мировой рынок) (дата обращения: 04.06.2018 г.)
6. Индикаторы инновационной деятельности: 2017: статистический сборник / Н.В. Городникова, Л.М. Гохберг, К.А. Дитковский и др.; Нац. исслед. ун-т «Высшая школа экономики». — М.: НИУ ВШЭ, 2017.

References

1. Ukaz Prezidenta RF ot 09.05.2017 № 203 «O Strategii razvitiya informacionnogo obshhestva v Rossijskoj Federacii na 2017—2030 gody`».
2. Metodologiya rascheta indeksa «Cifrovaya Rossiya» sub«ektov Rossijskoj Federacii. — Moskovskaya shkola upravleniya Skolkovo. URL: https://finance.skolkovo.ru/downloads/documents/FinChair/Research_Reports/SKOLKOVO_Digital_Russia_Methodology_2019—04_ru.pdf
3. Metodologiya rascheta indeksa «Cifrovaya Rossiya» sub«ektov Rossijskoj Federacii. URL:
4. Europe 2020 Strategy [E`lektronny`j resurs]. URL: https://ec.europa.eu/digital-single-market/en/europe-2020-strategy (data obrashheniya: 04.06.2018 g.)
5. Internet veshhej, IoT, M2M (mirovoj ry`nok) [E`lektronny`j resurs]. — URL: http://www.tadviser.ru/index.php/ Stat`ya: Internet veshhej, IoT, M2M (mirovoj ry`nok) (data obrashheniya: 04.06.2018 g.)
6. Indikatory` innovacionnoj deyatel`nosti: 2017: statisticheskij sbornik / N.V. Gorodnikova, L.M. Goxberg, K.A. Ditkovskij i dr.; Nacz. issled. un-t «Vy`sshaya shkola e`konomiki». — M.: NIU VShE`, 2017.

Для цитирования: Ефремова Л.Б. Построение цифровой экономики  // Московский экономический журнал. 2022. № 3. URL: https://qje.su/otraslevaya-i-regionalnaya-ekonomika/moskovskij-ekonomicheskij-zhurnal-3-2022-3/

© Ефремова Л.Б., 2022. Московский экономический журнал, 2022, № 3.

Научная статья

Original article

УДК 332

doi: 10.55186/2413046X_2022_7_3_134

РАЗВИТИЕ ESG-ПРИНЦИПОВ В РОССИЙСКОЙ ФЕДЕРАЦИИ И АКТУАЛЬНОСТЬ ПОВЫШЕНИЯ ЭНЕРГОЭФФЕКТИВНОСТИ ЗДАНИЙ

THE DEVELOPMENT OF ESG PRINCIPLES IN THE RUSSIAN FEDERATION AND THE RELEVANCE OF IMPROVING ENERGY EFFICIENCY OF BUILDINGS

Астафьева Ольга Сергеевна, аспирантка кафедры экономической теории и менеджмента ФГБОУ ВО Государственного университета по землеустройству, Россия, г.Москва, ул.Казакова, 15. E-mail: osa.kaluga@mail.ru

Шевченко Татьяна Викторовна, к.э.н., доцент кафедры экономической теории и менеджмента ФГБОУ ВО Государственного университета по землеустройству, Россия, г.Москва, ул.Казакова, 15. E-mail: tatyanavidn@mail.ru

Astafeva Olga, Postgraduate of Economic Sciences Department of Economic Theory and Management

Shevchenko Tatiana, Candidate of Economic Sciences, associate Professor, Department of Economic Theory and Management

Аннотация. В статье проанализирована текущая ситуация в сфере устойчивого развития в Российской Федерации и сделан вывод о его активном развитии. Отмечена актуальность тенденций на федеральном уровне в области климатической повестки в нашей стране на фоне введения трансграничного углеродного налога европейскими странами.  В жилых зданиях скрыт существенный потенциал для экономии тепловой энергии, поэтому крайне актуальным является повышение эффективности систем теплоснабжения существующих зданий и внедрение высоких стандартов энергоэффективности строящихся. Добровольная ESG-оценка недвижимости может стать базой для дифференциации ставок налогообложения объектов недвижимости и возможности снижения энергетической нагрузки.

Abstract. The article analyzes the current situation in the field of sustainable development in the Russian Federation and concludes about its active development. The relevance of trends at the federal level in the field of the climate agenda in our country against the background of the introduction of a cross-border carbon tax by European countries was noted. There is a significant potential for saving thermal energy in residential buildings. It is extremely urgent to increase the efficiency of heat supply systems of existing buildings and the introduction of high energy efficiency standards under construction. Voluntary ESG-valuation of real estate can become the basis for differentiating the rates of taxation of real estate and the possibility of reducing the energy load. 

Ключевые слова: устойчивое развитие, энергоэффективности зданий, ESG-рейтинг, ESG-оценка, углеродный налог, Стратегия социально-экономического развития, парниковые выбросы, дифференциация ставок

Keywods: sustainable development, energy efficiency of buildings, ESG-rating, ESG-assessment, carbon tax, socio-economic development strategy, greenhouse emissions, differentiation of rates 

Введение. Миру становится всё более и более интересны экологические и климатические вопросы, происходит обновление и совершенствование инфраструктуры устойчивого развития. Происходит постепенное перераспределения мировых потоков капитала в пользу современных рынков.

Наша страна в 2019 году приняла на себя обязательства по Парижскому климатическому соглашению и целям устойчивого развития, подписав документы в ООН. То есть климатическая повестка была признана, однако практической реализации не было. Считалось, что Россия не должна брать на себя дополнительные обязательства, так как обладает огромными массивами лесов, а темпы экономического развития незначительны, а значит не окажет негативного влияния на изменение экологической ситуации.  

Ход исследования. В 2020 году мировая тенденция на декарбонизацию, принятие стандартов в области экологии в нашей стране приобрела новое значение в связи с возможным введением ЕС углеродного налога на экспорт. По данным Минэкономразвития налоговая нагрузка от введения трансграничного углеродного налога может составлять около 50,6 млрд евро в период до 2030 года. У руководителей современных предприятий начинает складываться понимание того, что не учитывая ESG факторы, будут генерироваться повышенные риски [9].

Аббревиатуру ESG можно расшифровать, обратив внимание на рисунок 1, как «экология, социальная политика и корпоративное управление».

ESG-рейтинг компаний формируют исследовательские агентства, представленные на рисунке 2, а основные из них — JUST Capital, Bloomberg, S&P, Refinitiv Dow Jones Indices, MSCI и другие. Они оценивают развитие компаний по трем критериям — E, S и G — и присваивают баллы по стобалльной шкале [5].

Единого подхода к формированию ESG-рейтинга нет. Агентства используют данные из открытых источников, но методики имеют существенные отличия. Поэтому получаемые рейтинги могут сильно различаться. Использование ESG-рейтингов относится и к компаниям, работающим в секторе недвижимости. Первенство сегодня принадлежит системе GRESB (GLOBAL REAL ESTATE SUSTAINABILITY BENCHMARK). В 2018 году GRESB было оценено более 900 организаций в сфере недвижимости (фонды и компании, владеющие недвижимостью) в 64 странах мира, более 79 000 объектов общей стоимостью 3,6 триллиона долларов США.

В последние два года в России принципы ESG развития приобретают более широкое распространение и практическое внедрение. В 2021 году принят Федеральный закон N 296-ФЗ «Об ограничении выбросов парниковых газов» [7], предусматривающий создание в России реестра углеродных единиц. Это будет способствовать развитию углеродного рынка. То есть компании смогут продавать неиспользованные углеродные единицы тем, у кого выбросы выше установленных показателей.

Распоряжением Правительства РФ от 29 октября 2021 года N 3052-р была утверждена Стратегия социально-экономического развития России с низким уровнем выбросов парниковых газов до 2050 года[6]. Её целью является адаптация экономики к энергетическому переходу и существенному снижению выбросов парниковых газов, углеродной нейтральности к 2060 году при устойчивом росте нашей экономики. Ожидается, что реализация мер по достижению углеродной нейтральности потребует около 1,5-2% ВВП в 2031-2050 гг.

Среди основных источников по объему парниковых выбросов и потребляемой энергии – здания и сооружения. Объекты недвижимости согласно отчету Международного энергетического агентства IEA Global Status Report примерно 36% использования энергии в мире приходится на здания и сооружения, а доля выбросов CO₂-39%. Поэтому достижение целевых показателей Стратегии социально-экономического развития России с низким уровнем выбросов парниковых газов до 2050 года определяется потенциалом экономии энергии объектами недвижимости — зданиями и сооружениями, промышленными объектами, земельными участками под животноводством и пашней, транспортными магистрали и т.д.

Исследования Центра по эффективному использованию энергии (ЦЭНЭФ) представлены рисунке 3, на котором отображены доли прямые и косвенных выбросы от российских зданий 2019 году. Прямые выбросы – это сжигание топлива в зданиях, составили 162 млн тонн CO₂ или 28% выбросов, а вместе с косвенными выбросами – это сжигание топлива при производстве тепловой и электрической энергии, составили 4469 млн тонн или 42% нетто-выбросов СО₂[1]. Имея огромные масштабы сетей централизованного теплоснабжения, Россия сильно отстает по их эффективности. При этом оцененный специалистами потенциал экономии конечной энергии в жилом секторе составляет 67-101 млн тут, а в сфере услуг еще 19-25 млн тут. Таким образом в жилых зданиях скрыт существенный потенциал для экономии тепловой энергии.

В настоящее время в сфере ЖКХ и жилищного строительства предполагаются повышение эффективности систем теплоснабжения и внедрение высоких стандартов энергоэффективности строящихся зданий – это классы А и А+.

Действующей Стратегий [6] предусмотрены следующие мероприятия для снижения энергоемкости зданий и сооружений, представленные на рисунке 4.

Предложения. Для реализации целей Стратегии социально-экономического развития России с низким уровнем выбросов парниковых газов до 2050 года необходимо введение мер финансовой и налоговой политики, стимулирующих снижение парниковых выбросов. В налоговой политики стимулирующий экономический эффект можно достичь через установление дифференцированных ставок налогообложения с учётом ESG-рейтинга. Так как объекты недвижимости обеспечивают значительную часть выбросов СО₂, то появляется необходимость учета их экологичности и энергоэффективности в том числе и для налогообложения. Применительно к зданиям и сооружениям ставки должны назначаться с учётом влияния объекта недвижимости на окружающую среду[3].

Дифференциация ставок возможна с привязкой к ESG рейтингу объекта налогообложения, а именно- использования ВИЭ, наличия энергосбережения, озеленения, имеющегося оборудования для очистки сбросов, сортировки отходов, способа утилизации мусора и т. п. ESG-оценка недвижимости – совершенно новое для России направление экономических измерений[2].

ESG-оценка должна проводиться добровольно. Если собственник проявил желание снизить налоговую нагрузку, то он должен будет выполнить ряд мероприятий, которые понижают энергоемкость в соответствии с методологией рейтинговой системы. Также необходимо предусмотреть повышенные ставки налога, если объект оказывает негативное влияние на окружающую его среду. Это можно будет сделать на основе класса по энергоэффективности. Характеристики критериев рейтинговой оценки, должны войти в решение Совета депутатов муниципалитетов. Для объектов, имеющих положительный ESG рейтинг, ставка налога может быть понижена. Если же объект недвижимости загрязняет среду и обладает высокой энергоемкостью, то будет облагаться повышенной ставкой налога. В муниципальном образовании такие мероприятия возможно осуществить без изменений в нормативно-правовой базе РФ.

Вывод. Для выявления существенного потенциала экономии тепловой энергии, скрытого в жилых зданиях возможно использовать инструменты добровольной ESG-оценки недвижимости. Присвоенный ESG-рейтинг  может стать базой для дифференциации ставок налогообложения объектов недвижимости и возможности существенного снижения энергетической нагрузки, что соответствует текущим тенденциям устойчивого развития в Российской Федерации на федеральном уровне в области климатической повестки. Наличие ESG- рейтинга недвижимости позитивно влияет и на ее рыночную цену. По оценкам специалистов ожидается, что такие здания будут продаваться в среднем на 10% дороже своих несертифицированных аналогов. 

Список источников

1. Башмаков И.А. Низкоуглеродная трансформация экономики и энергетики в России и в мире. Перспективы и последствия до и после 2050 г. 10 вопросов Центр по эффективному использованию энергии (ЦЭНЭФ) https://docviewer.yandex.ru/view/0
2. Коростелев С. П., ESG-оценка недвижимости и налогообложение, журнал: Землеустройство, кадастр и мониторинг земель, сентябрь 2021 г., страницы: 674-679.
3. Коростелев С.П., Иванов Н.И., Горбунов В.С. и др. Управление собственностью и устойчивым развитием территорий. Учебное пособие для магистрантов. Из-во ГУЗ, М.: 2021, 354 с., режим доступа https://guz.bookonlime.ru/viewer/427033.
4. Презентация Frank RG «Рынок ESG инвестирования в России: настоящее и будущее», подготовлено для Россельхозбанка, URL: https://www.rshb.ru/download-file/472115/.
5. Особенности экологической сертификации объектов недвижимости Зайцева А.А., Шевченко Т.В. Интеграл. 2019. № 2. С. 57.
6. Стратегия социально-экономического развития России с низким уровнем выбросов парниковых газов до 2050 года https://www.economy.gov.ru/material/file/babacbb75d32d90e28d3298582d13a75/proekt_strategii.pdf
7. Федеральный закон N 296-ФЗ «Об ограничении выбросов парниковых газов» от 2 июля 2021 г. http://www.consultant.ru/law/hotdocs/69967.html/
8. Финансирование устойчивого развития, презентация, Банк России, 16.07. 2021г.,URL:https://cbr.ru/Content/Document/File/123919/presspdf, http://www.cbr.ru/develop/ur/
9. The problem of functioning and sustainable development of municipalities Germanovich A.G., Gorbunov V.S., Shevchenko T.V. Moscow Economic Journal. 2021. № 5.

References

1. Bashmakov I.A. Low-carbon transformation of the economy and energy in Russia and in the world. Prospects and consequences before and after 2050 10 questions Center for the Efficient Use of Energy (CENEF) https://docviewer .yandex.ru/view/0
2. Korostelev S. P., Gez-real estate valuation and taxation, Journal: Land Management, Cadastre and Land monitoring, September 2021, pages: 674-679.
3. Korostelev S.P., Ivanov N.I., Gorbunov V.S. et al. Property management and sustainable development of territories. Textbook for undergraduates. GUZ Publishing House, Moscow: 2021, 354 p., access mode https://guz.bookonlime.ru/viewer/427033 .
4. Presentation by Frank R.G. «ESG Investment Market in Russia: present and future», prepared for the Rosselkhoznadzor» URL: https://www.rshb.ru/download-file/472115 /.
5. Features of environmental certification of real estate objects Zaitseva A.A., Shevchenko T.V. Integral. 2019. No. 2. p. 57.
6. Socio-economic development strategy of Russia with low greenhouse gas emissions until 2050 https://www.economy.gov.ru/material/file/babacbb75d32d90e28d3298582d13a75/proekt_strategii.pdf
7. Federal Law No. 296-FZ «On Limiting Greenhouse Gas Emissions» dated July 2, 2021. http://www.consultant.ru/law/hotdocs/69967.html/
8. Financing of sustainable development, presentation, Bank of Russia, 16.07. 2021,URL:https://cbr.ru/Content/Document/File/123919/press_02072021.pdf, http://www.cbr.ru/develop/ur/
9. The problem of functioning and sustainable development of municipalities Germanovich A.G., Gorbunov V.S., Shevchenko T.V. Moscow Economic Journal. 2021. № 5

Для цитирования: Астафьева О.С., Шевченко Т.В. Развитие ESG-принципов в Российской Федерации и актуальность повышения энергоэффективности зданий // Московский экономический журнал. 2022. № 3. URL: https://qje.su/rekreacia-i-turizm/moskovskij-ekonomicheskij-zhurnal-3-2022-2/

© Астафьева О.С., Шевченко Т.В., 2022. Московский экономический журнал, 2022, № 3.