ecrСтратегические решения и риск-менеджментStrategic decisions and risk management2618-947X2618-9984Real Economy Publishing House10.17747/2618-947X-2022-3-210-225ecr-1005Research ArticleСтатьиСТРАТЕГИЯ ЦИФРОВОЙ ТРАНСФОРМАЦИИ ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЙ: ЭФФЕКТЫ ВНЕДРЕНИЯ ТЕХНОЛОГИЙ УМНОГО ПРОИЗВОДСТВАSTRATEGY OF DIGITAL TRANSFORMATION OF INDUSTRIAL ENTERPRISES: THE EFFECTS OF THE INTRODUCTION OF SMART MANUFACTURING TECHNOLOGIEShttps://orcid.org/0000-0002-8187-8290ИлькевичС. В.IlkevichS. V.

Кандидат экономических наук, доцент департамента менеджмента и инноваций, Финансовый университет при Правительстве Российской Федерации (Москва, Россия). ORCID: 0000-0002-8187-8290; Scopus ID: 56028209600; SPIN-код: 6655-7300. Область научных интересов: инновации и бизнес-модели, международный бизнес, цифровая трансформация отраслей, экономика совместного пользования, фондовый рынок, портфельные инвестиции, экономика впечатлений, интернационализация образования.

Candidate of economic sciences, associate professor, Department of Management and Innovation, Financial University under the Government of the Russian Federation (Moscow, Russia). ORCID: 0000-0002-8187-8290; Scopus ID: 56028209600; SPIN-code: 6655-7300. Research interests: innovations and business models, international business, digital transformation of industries, sharing economy, stock market, portfolio investment, experience economy, internationalization of education.

SVIlkevich@fa.ruФинансовый университет при Правительстве Российской Федерации (Москва, Россия)РоссияFinancial University under the Government of the Russian Federation (Moscow, Russia)Russian Federation202221102022133210225Copyright © Илькевич С.В., 20222022Илькевич С.В.Ilkevich S.V.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.jsdrm.ru/jour/article/view/1005

Социально-экономические эффекты внедрения технологий умного производства представляют существенный интерес с точки зрения их обобщения и систематизации на текущем этапе цифровой трансформации промышленных предприятий, а также тех задач, которые стоят в контексте модернизации промышленности и построения новых моделей бизнеса. Предложенная в статье систематизация базируется на выделении трех групп социально-

экономических эффектов по основной направленности их действия. Первая группа эффектов по основному вектору действия приводит к снижению затрат промышленных предприятий. Вторая группа эффектов ведет преимущественно к повышению выручки: одни эффекты в большей степени в краткосрочном и среднесрочном периоде, другие – в долгосрочной перспективе, в том числе благодаря созданию долгосрочных отличительных способностей, уникальных компетенций, устойчивых конкурентных преимуществ у промышленных компаний. Третья группа эффектов – это более широкие по фокусу воздействия социально-экономические эффекты, имеющие мультипликативное воздействие, а также характер действия положительных экстерналий (внешних эффектов).

В результате систематизации автором выявлено по трем группам соответственно 12, 8 и 13 эффектов внедрения комплекса технологий умного производства. Автор отмечает особую важность исследования социально-экономических эффектов внедрения технологий умного производства, поскольку многие улучшения на стыке производства и социальной трансформации являются в настоящее время недостаточно изученными, в отличие от собственно производственных эффектов, некоторые из которых научное и экспертное сообщества исследовали достаточно подробно. Систематизация, классификация, разграничение и количественная оценка различных социально-экономических эффектов комплекса технологий умного производства могут и даже в некотором смысле должны (в контексте задач модернизации экономики и промышленности Российской Федерации) стать отдельной предметной областью на стыке управления эффективностью (Performance Management) и умного производства (Smart Manufacturing). 

The socio-economic effects from the introduction of smart manufacturing technologies are of significant interest in terms of their generalisation and systematisation at the current stage of the digital transformation on industrial enterprises, as well as the objectives in the context of industrial modernization and new business model development. The proposed systematisation is based on the allocation of three groups of socio-economic effects according to the main direction of their action. The first group of effects primarily leads to reduction in the costs of industrial enterprises. The second group of effects leads mainly to an increase in revenues: some effects to a greater extent in the short and medium term, others in the long term, including through the creation of long-term distinctive capabilities, unique competencies, and sustainable competitive advantages for industrial companies. The third group of effects includes social and economic effects that are broader in focus and have a multiplicative effect, as well as the character of positive externalities (external effects).

As a result of systematisation, the author identified in three groups, respectively, 12, 8 and 13 effects from the implementation of the complex of smart manufacturing technologies. The author stresses the particular importance of studying the socio-economic effects from the implementation of smart manufacturing technologies, since many improvements at the intersection of production and social transformation are currently insufficiently studied. It contrasts to the core production effects, many of which have been studied in sufficient detail by the scientific and expert communities. Systematisation, classification, differentiation and quantitative assessment of various socio-economic effects of the complex of smart manufacturing technologies can and even in a certain sense should (in the context of the tasks to modernise the economy and industries of the Russian Federation) become a separate subject area at the intersection of performance management and smart production.

умное производствопромышленные предприятияпромышленностьцифровые технологиицифровая экономикацифровая трансформацияиндустрия 4.0киберфизическая системабизнес-моделицифровые двойникиsmart manufacturingindustrial enterprisesindustrydigital technologydigital economydigital transformationIndustry 4.0cyber-physical systembusiness modelsdigital twinsВведение

Система умного производства в рамках общего тренда становления и развития цифровой экономики стала одним из самых значимых комплексов технологий. В соответствии с определением Национального института стандартов и технологий США (NIST), умное производство (Smart Manufacturing) – это «полностью интегрированные корпоративные производственные системы, которые способны в реальном масштабе времени реагировать на изменяющиеся условия производства, требования сетей поставок и удовлетворять потребности клиентов» [Мерзликина, 2021]. Понятие «умное производство» можно также определить как интеллектуальное управление и оптимизацию бизнес-, производственных и цифровых процессов по всей цепочке создания стоимости в режиме реального времени [Geerts, 2016]. В ракурсе еще одного определения акцент сделан на потенциале повышения производительности: умное производство представляет собой совокупность технологий обработки больших данных, искусственного интеллекта и передовой робототехники, взаимосвязанных машин и инструментов, используемых для повышения производительности предприятия и оптимизации энергии и рабочей силы [Phuyal et al., 2020a]. Комплекс технологий «умное производство» в самой расширительной и перечислительной трактовке объединяет цифровой дизайн продукта, аналитику, производственный процесс, систему запасов и цепочки поставок, кастомизацию продукта, блоки операционных процессов в режиме реального времени, систему доставки продукта и конечных клиентов с помощью облачных вычислений, которые позволяют наращивать производство под заказ и позволяют делать кастомизацию продукта и общее поддержание экосистемы спроса и предложения более эффективными [Phuyal et al., 2020b].

Очень схожее понятие (которое в контексте настоящего исследования целесообразно использовать как полный аналог для термина «умное производство») «умная фабрика» обозначает фабрику, достигшую уровня, который делает возможными функции самоорганизации в производстве и во всех процессах, связанных с ним. Основное преимущество состоит во взаимном дополнении диверсифицированных областей производственной экосистемы, от умного производства до умных логистических сетей [Strozzi et al., 2017]. Широкие возможности позволяют выполнять операции с минимальным ручным вмешательством и высокой надежностью в различных аспектах экосистемы, включая высокие значения автоматизированных рабочих процессов, синхронизацию активов, улучшенное отслеживание и планирование, оптимизированное потребление энергии, присущие умной фабрике, для повышения производительности, времени безотказной работы и качества. Ключевые способности умной фабрики тесно взаимосвязаны, прозрачны, проактивны и гибки. Это помогает в общей эффективности сети поставок экосистемы [Odważny et al., 2018].

Вместе с тем существует точка зрения, что два комплекса технологий – «цифровой дизайн» и «кастомизированный продукт» – целесообразнее рассматривать как отдельные компоненты развития цифровой трансформации промышленных предприятий за рамками умного производства в более узком смысле. Вычленение этих двух комплексов технологий обосновывается в первую очередь автономностью (как программной, так и процессной и организационной), а также отличительными особенностями их внедрения и спецификой логики коммерциализации технологий, а также теми специфическими эффектами, которые были выявлены отдельно для кастомизации в контексте цифровой трансформации промышленных предприятий [Титов, Титова, 2022]. На основании этих соображений в настоящей работе предпочтение отдано более узкому определению умного производства, поскольку это представляется целесообразным также с точки зрения описания и систематизации всей совокупности социально-экономических эффектов от внедрения комплекса технологий «умное производство». Более узкая трактовка умного производства позволяет точнее определить и разграничить его эффекты в контексте цифровой трансформации промышленных предприятий.

Также представляется очень важным понимать взаимосвязь между различными комплексами технологий и выбором специфических, нишевых бизнес-моделей промышленными предприятиями. Так, в монографии под редакцией А.В. Трачука «Трансформация промышленности в условиях четвертой промышленной революции» представлены три отличительные бизнес-модели: умный автоматизированный завод, завод, ориентированный на клиента, мобильный завод [Трачук и др., 2018]. И логично предполагать, что промышленные предприятия, сконцентрированные на внедрении комплекса технологий «умное производство» будут тяготеть к бизнес-модели «умный автоматизированный завод». Успех бизнеса промышленного предприятия принципиально зависит от степени комплементарности комплекса цифровых технологий и бизнес-модели, так как нестыковки отразятся на устойчивости и результативности как отдельных блоков бизнес-процессов, так и всей стратегии.

В промышленности процессы создания стоимости меняются по мере того, как информационные и коммуникационные технологии интегрируются с производственными процессами. Это изменение может привести к повышению эффективности и новым бизнес-моделям. Цифровой прорыв, воплощенный в умном производстве, уже наступил и происходит быстрее, чем многие компании предполагали. Многочисленные исследования показали, что применение интеллектуальных производственных технологий дает преимущества первопроходца (first mover advantage). Например, компании среднего размера, которые более продвинуты во внедрении цифровых технологий, растут значительно быстрее, чем отстающие компании. Производители могут действовать на опережение, начать извлекать выгоду и использовать новые возможности. Также исследования демонстрируют, что отношения между вложениями в технологии умного производства и четвертой промышленной революции, результатами инновационной деятельности и ростом производительности нелинейны и имеют устойчивую положительную взаимосвязь только после того, как достигнута определенная критическая масса вложений [Трачук, Линдер, 2020]. Большинство компаний, которые не адаптируют свои бизнес-модели к возможностям, создаваемым цифровыми технологиями, потерпят неудачу [Bughin et al., 2018]. На рис. 1 показан переломный момент, когда происходит резкое сокращение доли рынка традиционных компаний, которые не смогли отреагировать на вызовы цифровой экономики. Отчасти это происходит по причине недостаточно структурированного понимания компаниями, как соотносить задачи цифровой трансформации с преобразованием бизнес-моделей [Schallmo et al., 2018]. Однако некоторым компаниям удается приспособиться благодаря в первую очередь быстрой переориентации на нишевые рынки.

Интенсивное развитие производственных систем на основе внедрения комплекса технологий «умное производство» на текущем этапе осуществляется преимущественно компаниями-новаторами, как это предполагается моделью диффузии инноваций Роджерса: новаторы (2,5%), первые пользователи (13,5%), раннее большинство (34%), позднее большинство (34%), консерваторы (16%). Разумеется, модель диффузии инноваций в большей степени подчеркивает пользовательские аспекты со стороны потребителя, а не организационно-внедренческие. Тем не менее по сумме долей новаторов и ранних пользователей (16%) в этой модели можно относительно точно, хоть и обобщенно охарактеризовать текущий этап применения технологий умного производства в российской промышленности. Это достаточно хорошо соотносится с данными исследования «Цифровая экономика 2022», представленными в табл. 1 в контексте использования цифровых технологий в организациях по виду экономической деятельности [Цифровая экономика.., 2022]. Особые важность и интерес теперь представляют скорость и полнота выхода на участки раннего и позднего большинства кривой Роджерса. При этом в исследованиях отмечается, что направления развития российских промышленных компаний соответствуют общемировым трендам, однако темпы реализации цифровых инициатив заметно отстают от темпов ведущих стран – по разным оценкам, от 5 до 10 лет [Цифровая трансформация отраслей.., 2021]. Этим и объясняется острота и срочность модернизационных задач, стоящих перед российскими промышленными предприятиями.

Концепция умного производства опирается на целый спектр передовых и перспективных технологий четвертой промышленной революции (индустрии 4.0), среди которых можно отметить в первую очередь виртуальное моделирование, большие данные (Big Data), облачные вычисления, искусственный интеллект (ИИ), интернет вещей (IoT), подключенную робототехнику, предиктивную аналитику, аддитивное производство и др. [Цифровая трансформация отраслей.., 2021]. Разнообразие большого конгломерата технологий умного производства в немалой степени предопределяет разнообразие социально-экономических эффектов от их внедрения.

Удачным и наглядным представляется обобщение основных тенденций развития производственно-логистических систем на основе внедрения технологий умного производства, предложенное О.В. Мясниковой (рис. 2).

Однако важно отметить, что темпы внедрения цифровых технологий зависят не только от развития технологий самих по себе. На аспект культурной и социальной трансформации обращают внимание Л. Берг и коллеги, говоря о пирамидальной структуре цифровой экономики (рис. 3), где фундаментальным слоем является культура, основанная на данных, или движимая данными культура (data-driven culture), под которой понимается культура готовности создавать и передавать данные по всей цепочке создания стоимости [Berg et al., 2020].

Общий социально-экономический эффект от внедрения комплекса технологий умного производства в промышленности и в экономике в целом характеризуется большой и довольно разнообразной совокупностью эффектов, ведущих к повышению эффективности работы предприятий, сокращению многих групп затрат и росту востребованности продукции и выручки, что в итоге сказывается на росте рентабельности. У научного и экспертного сообществ сложилось уже достаточно зрелое и доказательное представление о ряде центральных эффектов умного производства. Вместе с тем целый ряд специфических и более широких социально-экономических эффектов получают пока недостаточное внимание даже в ведущих изданиях по проблематике цифровой трансформации промышленных предприятий.

Среди социально-экономических эффектов комплекса технологий умного производства представляется наиболее целесообразным выделить три укрупненные группы эффектов. Первая по основному вектору действия приводит к снижению затрат. Вторая приводит преимущественно к повышению выручки: одни эффекты в большей степени в краткосрочном и среднесрочном периоде, другие – в долгосрочной перспективе, в том числе благодаря созданию долгосрочных отличительных способностей, уникальных компетенций, устойчивых конкурентных преимуществ у промышленных компаний. Третья группа эффектов – это более широкие по фокусу воздействия социально-экономические эффекты от применения комплекса технологий умного производства, которые можно в целом охарактеризовать как имеющие мультипликативное воздействие для всей экономики и свойства положительных экстерналий (внешних эффектов). Такое разделение на три группы эффектов представляется целесообразным с точки зрения основного фокуса эффектов, однако вместе с тем необходимо отметить, что во многих контекстах применение комплекса технологий умного производства прямо или косвенно влияет и на издержки, и на будущий потенциал продаж компаний, и на мультипликаторы на уровне отрасли и всей экономики. И границы между отдельными эффектами могут быть в некоторой степени размытыми.

Значимость систематизации эффектов в ракурсе разделения на три группы эффектов состоит в более полном и широком понимании потенциала комплекса технологий умного производства, что может положительно влиять на динамику внедрения и масштабирования как самих технологий, так и взаимосвязанных с ними моделей бизнеса. Это важно с точки зрения готовности и скорости принятия решений как самими промышленными предприятиями, так и другими стейк- холдерами, в том числе влияющими на инновационную, технологическую и промышленную политики государства.

К группе эффектов комплекса технологий умного производства, которые преимущественно приводят к сокращению затрат, можно в первую очередь отнести следующие:

К группе эффектов, которые преимущественно ведут к повышению выручки, можно прежде всего отнести:

К группе более широких социально-экономических эффектов от применения комплекса технологий «умное производство», которые можно в целом охарактеризовать как имеющие мультипликативный эффект для всей экономики, а также воздействие в качестве положительных экстерналий (внешних эффектов), можно в первую очередь отнести:

Таблица 1

Использование цифровых технологий в организациях по видам экономической деятельности в 2020 году (% от общего числа организаций)

Table 1

Use of digital technologies in organizations by type of economic activity in 2020 (% of the total number of organizations)

Источник: составлено автором на основе [Цифровая экономика.., 2022].

ОтрасльОблачные сервисыBig DataЦифровые платформыIoTAIРоботы
Добыча полезных ископаемых19,021,813,214,62,54,2
Обрабатывающая промышленность27,126,516,015,83,617,2
Обеспечение энергией19,423,716,615,93,32,0

Рис. 1. Новые цифровые бизнес-модели вытесняют старые бизнес-модели

Fig. 1. New digital business models are replacing old ones

Источник: [Bughin et al., 2018].

https://cdn.elpub.ru/assets/journals/ojs-dev/2018/1/VLbUVzhoXqZOBqKhzUSd6tumHaK5HhJMDd2i6mYK.png

Рис. 2. Тенденции развития производственно-логистических систем

Fig. 2. Trends in the development of production and logistics systems

Источник: [Мясникова, 2020].

https://cdn.elpub.ru/assets/journals/ojs-dev/2018/1/S4OcswlnD0mIHBQ3B7Ik7Z2N2hiOfvEzlATdBUxc.png

Рис. 3. Структурное представление цифровой экономики

Fig. 3. Structural representation of the digital economy

Источник: [Berg et al., 2020].

https://cdn.elpub.ru/assets/journals/ojs-dev/2018/1/s9FAErN3M7VVWGjmVnXPNdlvyjp7Fsp9Vmt3pRPw.png

Рис. 4. Перспективы снижения удельных затрат малых и средних производителей благодаря удешевлению технологий аддитивного производства

Fig. 4. Prospects for reducing the unit costs of small and medium-sized manufacturers through the reduction in the cost of additive manufacturing technologies

Источник: [Mahoney, Kota, 2020].

https://cdn.elpub.ru/assets/journals/ojs-dev/2018/1/qBZUrayrBP8Q6UCRp7VTfZLoROxgGcvbpbidBQQv.png

Таблица 2

Систематизация социально-экономических эффектов внедрения технологий умного производства

Table 2

Systematization of the socio-economic effects from the implementation of smart production technologies

Источник: составлено автором.

Эффекты сокращения затратЭффекты повышения выручкиМультипликативные эффекты и положительные внешние эффекты
Сокращение затрат на контроль и мониторинг производственных процессовУлучшенное понимание покупательских привычек и требованийРост рынка полупроводниковой электроники и промышленного оборудования
Сокращение затрат на детали и комплектующиеБолее полное удовлетворение потребителейПовышение уровня наукоемкости и технологичности продукции и сервисов в смежных отраслях
Более эффективное использование производственных мощностей за счет экосистемной интеграцииБыстрая адаптация продукции под требования заказчика за счет гибкости производстваИнтенсификация развития прикладной науки, особенно технической и инженерной
Сокращение простоев, потерь и отходовВозможность изготовления малых серий специфических модификаций продуктов и деталейИзменение структуры занятости в сторону высококвалифицированных рабочих мест
Сокращение затрат, связанных с выходом оборудования из строяПовышение качества выпускаемой продукции, снижение производственного бракаПовышение спроса на IT-специалистов
Сокращение затрат на обратный инжинирингУвеличение цен и маржинальности продукции за счет фактора монополистической конкуренцииПовышение производительности труда в промышленности и в экономике в целом
Оптимизация и информационная интеграция цепочек поставокСокращение для потребителей полной стоимости владения сложными техническими изделиями на этапе цифрового сервисаСнижение экономического и социального ущерба от несоблюдения техники безопасности
Снижение потребления электроэнергииУвеличение срока ожидания поставки за счет предоставления более инновационного продуктаБолее широкий переход отраслей и секторов экономики на бизнес-модели PaaS
Снижение затрат на подготовку высококвалифицированных инженерных и рабочих специалистов Повышение доли средних и малых предприятий в объеме промышленного производства
Сокращение времени и стоимости при проведении НИОКР Повышение инвестиционной активности предприятий
Сокращение безвозвратных затрат за счет снижения значимости фактора специфических активов Повышение качества и прозрачности менеджмента
Сокращение потребности в оборотном капитале Улучшение корпоративного руководства и ESG-факторов в промышленных компаниях
Повышение экологической устойчивости производств  

Представляется целесообразным представить выделенные выше социально-экономические эффекты внедрения технологий умного производства по трем группам в табличном виде (табл. 2.). Некоторые расширенные заголовки эффектов были сокращены для удобства табличного представления.

В результате проведенного исследования обобщены и выделены 12 эффектов сокращения затрат, 8 эффектов повышения выручки и 13 эффектов мультипликативного действия и характера положительных внешних эффектов от внедрения комплекса технологий умного производства на промышленных предприятиях. Особую важность в настоящее время имеют направления исследования социально-экономических эффектов внедрения технологий умного производства, поскольку некоторые улучшения на стыке производства и социальной трансформации являются в настоящее время недостаточно изученными, в отличие от собственно производственных эффектов, многие из которых научное и экспертное сообщества исследовали достаточно подробно.

Как представляется, систематизация, классификация, разграничение и количественная оценка различных эффектов комплекса «умное производство» могут и даже в некотором смысле (в контексте задач модернизации экономики и промышленности Российской Федерации) должны стать отдельной предметной областью на стыке управления эффективностью (Performance Management) и умного производства (Smart Manufacturing). Отдельного внимания может заслуживать вопрос о целесообразности и перспективности построения некоего композитного индекса уровня зрелости и/или результативности внедрения технологий умного производства на уровне промышленности или отдельных отраслей и секторов.

С точки зрения государственной промышленной политики важно понимать приоритетность обеспечения более широкого применения комплекса технологий умного производства. Инструменты государственной промышленной политики и благоприятная институциональная среда способны помочь с быстрым масштабированием комплекса технологий умного производства по широкому кругу предприятий в различных отраслях и секторах экономики.

ReferencesБагаутдинова Н.Г., Багаутдинова Р.А. (2018). Новые конкурентные преимущества в условиях цифровизации. Инновации, 8: 80–83.Bagautdinova N.G., Bagautdinova R.A. (2018). New competitive advantages in the context of digitalization. Innovation, 8: 80-83. (In Russ.)Барвинок В.А., Смелов В.Г., Кокарева В.В., Малыхин А.Н. (2014). Прогрессивные технологии в машиностроении. Проблемы машиностроения и автоматизации, 4: 142–149.Barvinok V.A., Smelov V.G., Kokareva V.V., Malykhin A.N. (2014). Progressive technologies in mechanical engineering. Problems of Mechanical Engineering and Automation, 4: 142-149. (In Russ.)Баурина С.Б. (2020). Технологии будущего: умные производства в промышленности. Вестник РЭУ им. Г.В. Плеханова, 17(2): 123–132. DOI: http://dx.doi.org/10.21686/2413-2829-2020-2-123-132Baurina S.B. (2020). Technologies of the future: smart manufacturing in industry. Bulletin of the Russian University of Economics G.V. Plekhanov, 17(2): 123-132. DOI: http://dx.doi.org/10.21686/2413-2829-2020-2-123-132. (In Russ.)Глазков Б. (2016). Возможности индустриального интернета. Трамплин к успеху, 7: 24–27.Glazkov B. (2016). The possibilities of the industrial Internet. Springboard to Success, 7: 24-27. (In Russ.)Зубрицкая И.А. (2018). Цифровая трансформация промышленных предприятий Республики Беларусь: экономическое содержание, виды и цели. Цифровая трансформация, (3): 5–13.Zubritskaya I.A. (2018). Digital transformation of industrial enterprises of the Republic of Belarus: Economic content, types and goals. Digital Transformation, (3): 5-13. (In Russ.)Иванов Д. (2016). Испытательный полигон для передовых производственных технологий. Трамплин к успеху, 7: 14–16.Ivanov D. (2016). A testing ground for advanced manufacturing technologies. Springboard to Success, 7: 14-16. (In Russ.)Касяненко Е.О., Шимченко А.В., Салкуцан С.В. (2020). Сравнительный анализ традиционной модели производства и «умных фабрик». Журнал правовых и экономических исследований, 3: 7–17.Kasyanenko E.O., Shimchenko A.V., Salkutsan S.V. (2020). Comparative analysis of the traditional production model and “smart factories”. Journal of Legal and Economic Studies, 3: 7-17. (In Russ.)Мерзликина Г.С. (2021). Экономическая эффективность «Умного производства»: от целевых установок к регламентации. Вестник АГТУ. Экономика, 3.Merzlikina G.S. (2021). Economic efficiency of “smart production”: From targets to regulation. Bulletin of ASTU. Economy, 3. (In Russ.)Мясникова О.В. (2020). Теоретико-концептуальные подходы к формированию производственно-логистической системы «умного» производства как социокиберфизической системы. Экономика. Управление. Инновации, 1(7): 29–35.Myasnikova O.V. (2020). Theoretical and conceptual approaches to the formation of the production and logistics system of “smart” production as a socio-cyber-physical system. Economy. Control. Innovation, 1(7): 29-35. (In Russ.)Тарасова Н.Н., Шпарова П.О. (2021). Топ-15 цифровых технологий в промышленности. https://issek.hse.ru/mirror/pubs/share/494926392.pdf.Tarasova N.N., Shparova P.O. (2021). Top 15 digital technologies in the industry. https://issek.hse.ru/mirror/pubs/share/494926392.pdf. (In Russ.)Титов С.А., Титова Н.В. (2022). Оценка экономических эффектов от кастомизации продукции российских промышленных предприятий. Стратегические решения и риск-менеджмент, 13(1): 26–36. DOI: 10.17747/2618-947X-2022-1-26-36.Titov S.A., Titova N.V. (2022). Estimation of economic effects from customization of products of Russian industrial enterprises. Strategic Decisions and Risk Management, 13(1): 26-36. DOI: 10.17747/2618-947X-2022-1-26-36. (In Russ.)Трачук А.В., Линдер Н.В., Тарасов И.В., Налбандян Г.Г., Ховалова Т.В., Кондратюк Т.В., Попов Н.А. (2018). Трансформация промышленности в условиях четвертой промышленной революции: монография. СПб.: Реальная экономика.Trachuk A.V., Linder N.V., Tarasov I.V., Nalbandyan G.G., Khovalova T.V., Kondratyuk T.V., Popov N.A. (2018). Transformation of industry in the conditions of the fourth industrial revolution: monograph. St. Petersburg, Real’naya ekonomika. (In Russ.)Трачук А.В., Линдер Н.В. (2020). Влияние технологий индустрии 4.0 на повышение производительности и трансформацию инновационного поведения промышленных компаний. Стратегические решения и риск-менеджмент, 2(11): 132–149.Trachuk A.V., Linder N.V. (2020). The impact of industry 4.0 technologies on increasing productivity and transforming the innovative behavior of industrial companies. Strategic Decisions and Risk Management, 2(11): 132-149. (In Russ.)Хейфец Б.А., Чернова В.Ю. (2019). Зарубежные программы умной реиндустриализации. ЭКО, 8: 118–140. DOI: 10.30680/ЕСО0131-7652-2019-8-118-140.Kheifets B.A., Chernova V.Yu. (2019). Foreign programs of smart reindustrialization. ECO, 8: 118-140. DOI: 10.30680/ЕСО0131-7652-2019-8-118-140. (In Russ.)Цифровая Россия: новая реальность (2017). Digital McKinsey. https://www.mckinsey.com/ru/~/media/mckinsey/locations/europe%20and%20middle%20east/russia/our%20insights/digital%20russia/digital-russia-report.pdf.Digital Russia: A new reality (2017). Digital McKinsey. https://www.mckinsey.com/ru/~/media/mckinsey/locations/europe%20and%20middle%20east/russia/our%20insights/digital%20russia/digital-russia-report.pdf. (In Russ.)Цифровая трансформация отраслей: стартовые условия и приоритеты (2021). М.: НИУ ВШЭ. https://conf.hse.ru/mirror/pubs/share/463148459.pdf?ysclid=l2yt4ijpgh.Digital transformation of industries: Starting conditions and priorities (2021). Moscow, NRU HSE. https://conf.hse.ru/mirror/pubs/share/463148459.pdf?ysclid=l2yt4ijpgh. (In Russ.)Цифровая экономика 2022: краткий статистический сборник (2022). М.: НИУ ВШЭ. https://issek.hse.ru/mirror/pubs/share/552091260.pdf.Digital economy 2022: A brief statistical compendium (2022). Moscow, NRU HSE. https://issek.hse.ru/mirror/pubs/share/552091260.pdf. (In Russ.)Щербаков Г.А. (2022). Глобальный дефицит полупроводниковых компонентов как источник современного кризиса мировой автомобильной промышленности. МИР (Модернизация. Инновации. Развитие), 13(2): 270–287. https://doi.org/10.18184/2079-4665.2022.13.2.270-287.Shcherbakov G.A. (2022). The global shortage of semiconductor components as a source of the current crisis in the global automotive industry. MID (Modernization. Innovations. Development), 13(2): 270-287. https://doi.org/10.18184/2079-4665.2022.13.2.270-287. (In Russ.)Alkaraan F., Albitar K., Hussainey K., Venkatesh V.G. (2022). Corporate transformation toward Industry 4.0 and financial performance: The influence of environmental, social, and governance (ESG). Technological Forecasting and Social Change, 175: 121423. https://doi.org/10.1016/j.techfore.2021.121423.Alkaraan F., Albitar K., Hussainey K., Venkatesh V.G. (2022). Corporate transformation toward Industry 4.0 and financial performance: The influence of environmental, social, and governance (ESG). Technological Forecasting and Social Change, 175: 121423. https://doi.org/10.1016/j.techfore.2021.121423.Anackovski F., Kostov M., Pasic R., Kuzmanov I. (2021). The impact of Industry 4.0 on education and future jobs (2021). In: 56th International Scientific Conference on Information, Communication and Energy Systems and Technologies (ICEST): 185-188. DOI: 10.1109/ICEST52640.2021.9483516.Anackovski F., Kostov M., Pasic R., Kuzmanov I. (2021). The impact of Industry 4.0 on education and future jobs (2021). In: 56th International Scientific Conference on Information, Communication and Energy Systems and Technologies (ICEST): 185-188. DOI: 10.1109/ICEST52640.2021.9483516.Berg H., Le Blévennec K., Kristoffersen E., Strée B., Witomski A., Stein N., Bastein T., Ramesohl S., Vrancken K. (2020). Digital circular economy as a cornerstone of a sustainable European industry transformation. European Circular Economy Research Alliance (ECERA). https://ss-usa.s3.amazonaws.com/c/308476495/media/19365f987b483ce0e33946231383231/201023%20ECERA%20White%20Paper%20on%20Digital%20circular%20economy.pdf.Berg H., Le Blévennec K., Kristoffersen E., Strée B., Witomski A., Stein N., Bastein T., Ramesohl S., Vrancken K. (2020). Digital circular economy as a cornerstone of a sustainable European industry transformation. European Circular Economy Research Alliance (ECERA). https://ss-usa.s3.amazonaws.com/c/308476495/media/19365f987b483ce0e33946231383231/201023%20ECERA%20White%20Paper%20on%20Digital%20circular%20economy.pdf.Berg L.P., Vance J.M. (2017). Industry use of virtual reality in product design and manufacturing: A survey. Virtual Reality, 21(1): 1–17.Berg L.P., Vance J.M. (2017). Industry use of virtual reality in product design and manufacturing: A survey. Virtual Reality, 21(1): 1-17.Bughin J., Catlin T., Hirt M., Willmott P. (2018). Why digital strategies fail. McKinsey Quarterly, Jan.Bughin J., Catlin T., Hirt M., Willmott P. (2018). Why digital strategies fail. McKinsey Quarterly, Jan.Caccamo C., Pedrazzoli P., Eleftheriadis R., Magnanini M.C. (2022). Using the process digital twin as a tool for companies to evaluate the return on investment of manufacturing automation. Procedia CIRP, 107: 724–728. https://doi.org/10.1016/j.procir.2022.05.052.Caccamo C., Pedrazzoli P., Eleftheriadis R., Magnanini M.C. (2022). Using the process digital twin as a tool for companies to evaluate the return on investment of manufacturing automation. Procedia CIRP, 107: 724-728. https://doi.org/10.1016/j.procir.2022.05.052.Carvalho T.P., Soares F.A., Vita R., Francisco R.P., Basto J.P., Alcalá S.G. (2019). A systematic literature review of machine learning methods applied to predictive maintenance. Computers & Industrial Engineering, 137: 106024. https://doi.org/10.1016/j.cie.2019.10602.Carvalho T.P., Soares F.A., Vita R., Francisco R.P., Basto J.P., Alcalá S.G. (2019). A systematic literature review of machine learning methods applied to predictive maintenance. Computers & Industrial Engineering, 137: 106024. https://doi.org/10.1016/j.cie.2019.10602.Deac C.N., Popa C.L., Ghinea M., Cotet C.E. (2017). Using augmented reality in smart manufacturing. In: Proceedings of the 28th DAAAM International Symposium: 0727–0732. Vienna, DAAAM International. 10.2507/28th.daaam.proceedings.102Deac C.N., Popa C.L., Ghinea M., Cotet C.E. (2017). Using augmented reality in smart manufacturing. In: Proceedings of the 28th DAAAM International Symposium: 0727-0732. Vienna, DAAAM International. 10.2507/28th.daaam.proceedings.102Etz D., Frühwirth T., Kastner W. (2020). Flexible safety systems for smart manufacturing. In: 25th IEEE International Conference on Emerging Technologies and Factory Automation (ETFA): 1123-1126. DOI: 10.1109/ETFA46521.2020.9211905.Etz D., Frühwirth T., Kastner W. (2020). Flexible safety systems for smart manufacturing. In: 25th IEEE International Conference on Emerging Technologies and Factory Automation (ETFA): 1123-1126. DOI: 10.1109/ETFA46521.2020.9211905.Gajdzik B., Wolniak R. (2022). Smart production workers in terms of creativity and innovation: The implication for open innovation. Journal of Open Innovation: Technology, Market, and Complexity, 8(2): 68. https://doi.org/10.3390/joitmc8020068.Gajdzik B., Wolniak R. (2022). Smart production workers in terms of creativity and innovation: The implication for open innovation. Journal of Open Innovation: Technology, Market, and Complexity, 8(2): 68. https://doi.org/10.3390/joitmc8020068.Geerts R. (2016). The smart manufacturing elevator pitch, literally! MESA International’s. https://blog.mesa.org/2016/03/the-smart-manufacturing-elevator-pitch.html.Geerts R. (2016). The smart manufacturing elevator pitch, literally! MESA International’s. https://blog.mesa.org/2016/03/the-smart-manufacturing-elevator-pitch.html.Grenčíková A., Kordoš M., Berkovič V. (2020). The impact of Industry 4.0 on jobs creation within the small and medium-sized enterprises and family businesses in Slovakia. Administrative Sciences, 10(3): 71. https://doi.org/10.3390/admsci10030071.Grenčíková A., Kordoš M., Berkovič V. (2020). The impact of Industry 4.0 on jobs creation within the small and medium-sized enterprises and family businesses in Slovakia. Administrative Sciences, 10(3): 71. https://doi.org/10.3390/admsci10030071.Guneshka D. (2021). Benefits of product personalization. https://www.iplabs.de/en/blog/blog/benefits-of-product-personalization.Guneshka D. (2021). Benefits of product personalization. https://www.iplabs.de/en/blog/blog/benefits-of-product-personalization.Hinz P. (2013). Effects of mass customization on manufacturing. https://www.adaptalift.com.au/blog/2013-06-17-effects-of-mass-customisation-on-manufacturing.Hinz P. (2013). Effects of mass customization on manufacturing. https://www.adaptalift.com.au/blog/2013-06-17-effects-of-mass-customisation-on-manufacturing.Jagannathan S., Ra S., Maclean R. (2019). Dominant recent trends impacting on jobs and labor markets – an overview. International Journal of Training Research, 17(sup1): 1–11. DOI: 10.1080/14480220.2019.1641292.Jagannathan S., Ra S., Maclean R. (2019). Dominant recent trends impacting on jobs and labor markets - an overview. International Journal of Training Research, 17(sup1): 1-11. DOI: 10.1080/14480220.2019.1641292.Kanawaday A., Sane A. (2017). Machine learning for predictive maintenance of industrial machines using iot sensor data. In: 8th IEEE International Conference on Software Engineering and Service Science (ICSESS), IEEE: 87–90. https://doi.org/10.1109/ICSESS.2017.8342870.Kanawaday A., Sane A. (2017). Machine learning for predictive maintenance of industrial machines using iot sensor data. In: 8th IEEE International Conference on Software Engineering and Service Science (ICSESS), IEEE: 87-90. https://doi.org/10.1109/ICSESS.2017.8342870.Kang H.S. (2016). Smart manufacturing: Past research, present findings, and future directions. International Journal of Precision Engineering and Manufacturing Green Technology, 3(1): 111–128.Kang H.S. (2016). Smart manufacturing: Past research, present findings, and future directions. International Journal of Precision Engineering and Manufacturing Green Technology, 3(1): 111-128.Kumar M., Shenbagaraman V.M., Shaw R.N., Ghosh A. (2021). Predictive data analysis for energy management of a smart factory leading to sustainability. In: Favorskaya M.N., Mekhilef S., Pandey R.K., Singh N. (eds.). Innovations in electrical and electronic engineering. Lecture notes in electrical engineering, 661. Singapore: Springer. https://doi.org/10.1007/978-981-15-4692-1_58.Kumar M., Shenbagaraman V.M., Shaw R.N., Ghosh A. (2021). Predictive data analysis for energy management of a smart factory leading to sustainability. In: Favorskaya M.N., Mekhilef S., Pandey R.K., Singh N. (eds.). Innovations in electrical and electronic engineering. Lecture notes in electrical engineering, 661. Singapore, Springer. https://doi.org/10.1007/978-981-15-4692-1_58.Lage M.J., Filho M.G. (2010). Variations of the Kanban system: Literature review and classification. International Journal of Production Economics, 125(1): 13–21.Lage M.J., Filho M.G. (2010). Variations of the Kanban system: Literature review and classification. International Journal of Production Economics, 125(1): 13-21.Lu Y. (2017). Industry 4.0: A survey on technologies, applications and open research issues. Journal of Industrial Information Integration, 6: 1–10.Lu Y. (2017). Industry 4.0: A survey on technologies, applications and open research issues. Journal of Industrial Information Integration, 6: 1-10.Lu Y., Morris K.C., Frechette S. (2016). Current standards landscape for smart manufacturing systems. National Institute of Standards and Technology, 8107.Lu Y., Morris K.C., Frechette S. (2016). Current standards landscape for smart manufacturing systems. National Institute of Standards and Technology, 8107.Mahoney T.C., Kota S. (2020). Smart manufacturing: Premier for small manufacturers, March. Report MF-TR-2020-0301. www.MForesight.org.Mahoney T.C., Kota S. (2020). Smart manufacturing: Premier for small manufacturers, March. Report MF-TR-2020-0301. www.MForesight.org.Martin N.L., Dér A., Herrmann C., Thiede S. (2020). Assessment of smart manufacturing solutions based on extended value stream mapping. Procedia CIRP, 93: 371–376. https://doi.org/10.1016/j.procir.2020.04.019.Martin N.L., Dér A., Herrmann C., Thiede S. (2020). Assessment of smart manufacturing solutions based on extended value stream mapping. Procedia CIRP, 93: 371-376. https://doi.org/10.1016/j.procir.2020.04.019.Mathai P. (2015). Big data: Catalyzing performance in manufacturing. Wipro, Jan., 8. http://www.wipro.com/documents/Big%20Data.pdf.Mathai P. (2015). Big data: Catalyzing performance in manufacturing. Wipro, Jan., 8. http://www.wipro.com/documents/Big%20Data.pdf.Matulik P. (2008). Mass customization. Zlin: Tomas Bata University. http://195.178.95.140:8080/bitstream/handle/10563/6523/matul%C3%ADk_2008_dp.pdf?sequence=1&isAllowed=y.Matulik P. (2008). Mass customization. Zlin, Tomas Bata University. http://195.178.95.140:8080/bitstream/handle/10563/6523/matul%C3%ADk_2008_dp.pdf?sequence=1&isAllowed=y.Moon S., Becerik-Gerber B., Soibelman L. (2019). Virtual learning for workers in robot deployed construction sites. In: Advances in informatics and computing in civil and construction engineering. Proceedings of the 35th CIB W78 2018 Conference: IT in Design, Construction, and Management. Springer, 889–895.Moon S., Becerik-Gerber B., Soibelman L. (2019). Virtual learning for workers in robot deployed construction sites. In: Advances in informatics and computing in civil and construction engineering. Proceedings of the 35th CIB W78 2018 Conference: IT in Design, Construction, and Management. Springer, 889-895.Negi S., Dhiman S., Sharma R.K. (2013). Basics, applications and future of additive manufacturing technologies: A review. Journal of Manufacturing Technology Research, 5(1/2): 75.Negi S., Dhiman S., Sharma R.K. (2013). Basics, applications and future of additive manufacturing technologies: A review. Journal of Manufacturing Technology Research, 5(1/2): 75.Odważny F., Szymańska O., Cyplik P. (2018). Smart factory: The requirements for implementation of the Industry 4.0 solutions in FMCG environment-case study. LogForum, 14(2): 257–267. http://doi.org/10.17270/J.LOG.2018.253.Odważny F., Szymańska O., Cyplik P. (2018). Smart factory: The requirements for implementation of the Industry 4.0 solutions in FMCG environment-case study. LogForum, 14(2): 257-267. http://doi.org/10.17270/J.LOG.2018.253.Paelke V. (2014). Augmented reality in the smart factory: Supporting workers in an Industry 4.0. environment. In: Proceedings of the 2014 IEEE emerging technology and factory automation (ETFA), IEEE, 1–4.Paelke V. (2014). Augmented reality in the smart factory: Supporting workers in an Industry 4.0. environment. In: Proceedings of the 2014 IEEE emerging technology and factory automation (ETFA), IEEE, 1-4.Phuyal S., Bista D., Bista R. (2020а). Challenges, opportunities and future directions of smart manufacturing: A state of art review. Sustainable Futures, 2: 100023. https://doi.org/10.1016/j.sftr.2020.100023.Phuyal S., Bista D., Bista R. (2020а). Challenges, opportunities and future directions of smart manufacturing: A state of art review. Sustainable Futures, 2: 100023. https://doi.org/10.1016/j.sftr.2020.100023.Phuyal S., Bista D., Izykowski J., Bista R. (2020b). Design and implementation of cost-efficient SCADA system for industrial automation. International Journal of Engineering and Manufacturing, 10(2): 15–28. 10.5815/ijem.2020.02.02.Phuyal S., Bista D., Izykowski J., Bista R. (2020b). Design and implementation of cost-efficient SCADA system for industrial automation. International Journal of Engineering and Manufacturing, 10(2): 15-28. 10.5815/ijem.2020.02.02.Piller F.T., Moeslein K., Stotko C.M. (2004). Does mass customization pay? An economic approach to evaluate customer integration. Production Planning & Control, 15(4): 435–444. doi:10.1080/0953728042000238773.Piller F.T., Moeslein K., Stotko C.M. (2004). Does mass customization pay? An economic approach to evaluate customer integration. Production Planning & Control, 15(4): 435-444. doi:10.1080/0953728042000238773.Rahmanzadeh S., Pishvaee M.S., Govindan K. (2022). Emergence of open supply chain management: the role of open innovation in the future smart industry using digital twin network. Annals of Operations Research, preprint. https://doi.org/10.1007/s10479-021-04254-2.Rahmanzadeh S., Pishvaee M.S., Govindan K. (2022). Emergence of open supply chain management: the role of open innovation in the future smart industry using digital twin network. Annals of Operations Research, preprint. https://doi.org/10.1007/s10479-021-04254-2.Ren S., Zhang Y., Liu Y., Sakao T., Huisingh D., Almeida C.M. (2019). A comprehensive review of big data analytics throughout product lifecycle to support sustainable smart manufacturing: A framework, challenges and future research directions. Journal of Cleaner Production, 210: 1343–1365.Ren S., Zhang Y., Liu Y., Sakao T., Huisingh D., Almeida C.M. (2019). A comprehensive review of big data analytics throughout product lifecycle to support sustainable smart manufacturing: A framework, challenges and future research directions. Journal of Cleaner Production, 210: 1343-1365.Riemer K., Totz C. (2003). The many faces of personalization. In: The Customer Centric Enterprise: 35–50. Berlin; Heidelberg: Springer Berlin Heidelberg.Riemer K., Totz C. (2003). The many faces of personalization. In: The Customer Centric Enterprise: 35-50. Berlin, Heidelberg, Springer Berlin Heidelberg.Rovito M. (2022). Smart manufacturing: The future of making is digital. https://redshift.autodesk.com/smart-manufacturing/.Rovito M. (2022). Smart manufacturing: The future of making is digital. https://redshift.autodesk.com/smart-manufacturing/.Schallmo D., Willams C.A., Boardman L. (2018). Digital transformation of business models-best practice, enabler, and roadmap. International Journal of Innovation Management, 21(8): 1740014. https://doi.org/10.1142/9781786347602_0005.Schallmo D., Willams C.A., Boardman L. (2018). Digital transformation of business models-best practice, enabler, and roadmap. International Journal of Innovation Management, 21(8): 1740014. https://doi.org/10.1142/9781786347602_0005.Strozzi F., Colicchia C., Creazza A., Noè C. (2017). Literature review on the ‘Smart Factory’concept using bibliometric tools. International Journal of Production Research, 55(22): 6572–6591. http://doi.org/10.1080/00207543.2017.1326643.Strozzi F., Colicchia C., Creazza A., Noè C. (2017). Literature review on the ‘Smart Factory’concept using bibliometric tools. International Journal of Production Research, 55(22): 6572-6591. http://doi.org/10.1080/00207543.2017.1326643.Ulas D. (2019). Digital transformation process and SMEs. Procedia Computer Science, 158: 662–671. https://doi.org/10.1016/j.procs.2019.09.101.Ulas D. (2019). Digital transformation process and SMEs. Procedia Computer Science, 158: 662-671. https://doi.org/10.1016/j.procs.2019.09.101.Wang X.V., Wang L. (2020). Safety strategy in the smart manufacturing system: A human robot collaboration case study. In: Proceedings of the ASME 2020 15th International Manufacturing Science and Engineering Conference, 2: Manufacturing Processes; Manufacturing Systems; Nano/Micro/Meso Manufacturing; Quality and Reliability. September 3. V002T07A026. ASME. https://doi.org/10.1115/MSEC2020-8427.Wang X.V., Wang L. (2020). Safety strategy in the smart manufacturing system: A human robot collaboration case study. In: Proceedings of the ASME 2020 15th International Manufacturing Science and Engineering Conference, 2: Manufacturing Processes; Manufacturing Systems; Nano/Micro/Meso Manufacturing; Quality and Reliability. September 3. V002T07A026. ASME. https://doi.org/10.1115/MSEC2020-8427.

The authors declare that there are no conflicts of interest present.