В условиях цифровой трансформации, инновационных изменений и возрастающей неопределенности для обеспечения высокого уровня экономического роста и устойчивого развития экономики возрастает значимость и роль человеческого капитала. Активное использование знаний, когнитивных и креативных способностей человека в качестве основы социально-экономического и технологического развития становится особенностью нового технологического уклада и интеллектуальной экономики. Рассмотрена проблема разработки цифрового двойника работника для целей управления человеческим капиталом предприятия.
Предложен подход к построению цифрового двойника работника предприятия, который представляет собой цифровую модель, характеризующую его профиль и поведение на рабочем месте при реализации профессиональных задач, и включает личностные, социальные и поведенческие характеристики работника. Цифровой двойник связан с концепцией индивидуального человеческого капитала как личностных, профессиональных и социальных ресурсов человека, которые определяют его производительность на рабочем месте и могут стать источником дохода. Цифровой двойник работника включает модель оценки человеческого капитала и модель управления индивидуальными карьерными траекториями. Первая модель предназначена для его измерения на основе характеристик качества здоровья, профессиональных и надпрофессиональных компетенций, мотивированности и социальных навыков. Вторая модель использует алгоритмы машинного обучения с подкреплением, формирует оптимальный режим управления и представляет собой последовательный набор программных мероприятий (управленческих решений), направленных на развитие работника с учетом его изменяющихся индивидуальных характеристик.
Практическую значимость имеют результаты внедрения цифрового двойника работника, позволяющие в кратчайшие сроки повысить производительность работников и эффективность функционирования предприятия в целом.
Идентификаторы и классификаторы
- SCI
- Экономика
Драйвером инновационного развития предприятий в интеллектуальной экономике становится технология цифровой двойник (ЦД) как виртуальный прототип реальных процессов, изделий, готовых продуктов.
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Боровков А.И. Цифровые двойники в условиях четвертой промышленной революции. CONNECT. Мир информационных технологий. 2021;(1-2):50-53.
2. Квинт В.Л., Бабкин А.В., Шкарупета Е.В. Стратегирование формирования платформенной операционной модели для повышения уровня цифровой зрелости промышленных систем. Экономика промышленности. 2022;15(3):249-261. DOI: 10.17073/2072-1633-2022-3-249-261 EDN: CUHBYC
3. Гвоздяный С.Е., Мясков А.В. Цифровые двойники как ключевой элемент энергетики будущего: связь с теорией длинных волн Кондратьева. Экономика промышленности. 2025;18(3):346-357. DOI: 10.17073/2072-1633-2025-3-1463 EDN: TSNSZA
4. Shengli W. Is human digital twin possible? Computer Methods and Programs. Biomedicine Update. 2021;1:100014. DOI: 10.1016/j.cmpbup.2021.100014 EDN: BIYSVP
5. Miller M., Spatz E.A. Unified view of a human digital twin. Human-Intelligent Systems Integration. 2022;4:23-33. DOI: 10.1007/s42454-022-00041-x EDN: EDVVGP
6. He Q., Li L., Li D., Peng T., Xiangying Zh., Cai Y., Zhang X., Tang R. From Digital human modeling to human digital twin: Framework and perspectives in human factors. Chinese Journal of Mechanical Engineering. 2024;37(1):9. DOI: 10.1186/s10033-024-00998-7 EDN: JZJSQO
7. Lin Y., Chen L., Ali A., Nugent Ch., Cleland I., Li R., Ding J., Ning H. Human Digital Twin: A survey. Journal of Cloud Computing. 2024;13(1):131. DOI: 10.1186/s13677-024-00691-z EDN: XGHFRS
8. Montini E., Bettoni A., Ciavotta M., Carpanzano E., Pedrazzoli P. A meta-model for modular composition of tailored human Digital Twins in production. Procedia CIRP. 2021;104:689-695. DOI: 10.1016/j.procir.2021.11.116 EDN: CKGUUI
9. Cutrona V., Bonomi N., Montini E., Ruppert T., Delinavelli G., Pedrazzoli P. Extending factory Digital Twins through human characterisation in Asset Administration Shell. International Journal of Computer Integrated Manufacturing. 2023;37(2):1214-1231. DOI: 10.1080/0951192X.2023.2278108
10. Greco A. Caterino M., Fera M., Gerbino S. Digital Twin for monitoring ergonomics during manufacturing production. Applied Sciences. 2020;10(21):7758. DOI: 10.3390/app10217758 EDN: MXTUDV
11. Sun X., Jinsong B., Li J., Zhang Y., Liu Sh., Zhou B. A Digital Twin-driven approach for the assembly-commissioning of high precision products. Robotics and Computer-Integrated Manufacturing. 2020;61:101839. DOI: 10.1016/j.rcim.2019.101839 EDN: EVSILG
12. Tao F., Sun X., Cheng J., Zhu Y. MakeTwin: A reference architecture for digital twin software platform. Chinese Journal of Aeronautics. 2024;37(1):1-18. DOI: 10.1016/j.cja.2023.05.002 EDN: SZLVCZ
13. Ariansyah D., Buerkle A., Al-Yacoub A., Zimmer M., Erkoyuncu J.A., Lohse N. Towards a digital human representation in an industrial Digital Twin. In: Proceed. TESConf 2020 - 9th Inter. conf. on throughlife engineering services. Cranfield,UK. October 23, 2020; 2020. 8 p.
14. Al Assadi A., Fries Ch., Fechter M., Siegert B., Ewert D., Schnauffer H.-G., Zürn M., Reichenbach M. User-friendly, requirement based assistance for production workforce using an asset administration shell design. Procedia CIRP. 2020;91(2):402-406. DOI: 10.1016/j.procir.2020.02.192 EDN: TDNRAJ
15. Sharotry A., Jimenez J.A., Wierschem D., Mediavilla F.A.M., Koldenhoven R.M., Valles D., Koutitas G., Aslan S. A Digital Twin framework for real-time analysis and feedback of repetitive work in the manual material handling industry. In: Proceed. 2020 Winter simulation conf. (WSC). Orlando, FL, USA; 2020. P. 2637-2648. DOI: 10.1109/WSC48552.2020.9384043
16. Freise L., Hupe A. Transferring Digital Twin technology on employee skills: A framework to support human resources. Boston, MA, USA: Academy of Management Annual Meeting; 2023. 32 p.
17. Pivnička M., Hrušecká D., Hrbáčková L. Introduction of a new flexible human resources planning system based on Digital Twin approach: A case study. Serbian Journal of Management. 2022;17:361-373. EDN: RJREKW
18. Anam C., Fadilah M., Rahmawati W. HR Digital Twin: Creating digital employee replication to enhance human resource management. In: Proceed. 7th Conf. on innovation and application of science and technology (CIASTECH) “Potensi dan Dampak Artificial Intelligence (AI) di Era Society 5.0”. Universitas Widya Gama, Malang. 2024; 2025. Vol. 7. No. 1. P. 120-28. DOI: 10.31328/ciastech.v7i1.6912
19. Mosalanejad A., Dalvi M., Aghsi S. Digital employee experience in Iranian banks. Digital Transformation and Administration Innovation. 2025;3:1-12.
20. Орлова Е.В. Оценка человеческого капитала предприятия и управление им в условиях цифровой трансформации экономики. Journal of Applied Economic Research. 2021;20(4):666-700. DOI: 10.15826/vestnik.2021.20.4.026 EDN: NYTQYP
21. Квинт В.Л., Власюк Л.И., Новикова И.В., Чхотуа И.З. Оценка человеческого потенциала в стратегировании промышленных регионов России. Экономика промышленности. 2025;18(4):459-471. DOI: 10.17073/2072-1633-2025-4-1564 EDN: LCIAPP
22. Жданов Д.А. Онтогенез человеческого капитала предприятия. Управленческие науки. 2023;13(1):54-70. DOI: 10.26794/2304-022X-2023-13-1-54-70 EDN: LLZMVA
23. Генкин Б.М. Экономика и социология труда. М.: Норма; 2007. 448 с. EDN: QRXSIH
24. Пришляк Е.А., Радько С.Г. Исследование факторов, влияющих на формирование человеческого капитала в Российской Федерации. Управленческие науки. 2018;8(2):94-105. DOI: 10.26794/2404-022X-2018-8-2-94-105 EDN: XTMGZF
25. Orlova E.V. Design of personal trajectories for employees’ professional development in the knowledge society under Industry 5.0. Social Sciences. 2021;10(11):427. DOI: 10.3390/socsci10110427
26. Орлова Е.В. Методы и модели анализа данных и машинного обучения в задаче управления производительностью труда. Программная инженерия.2020;11(4):219-229. DOI: 10.17587/prin.11.219-229 EDN: FTMUJS
27. Graesser L., Keng W.L. Foundations of deep reinforcement learning: Theory and practice in python. Addison-Wesley; 2019. 416 p.
28. Li Y. Deep reinforcement learning: An overview. CoRR; 2017. 30 p. DOI: 10.48550/arXiv.1701.07274
29. Orlova E.V. Dynamic regimes for corporate human capital development used reinforcement learning methods. Mathematics. 2023;11(18):3916. DOI: 10.3390/math11183916 EDN: IKWPXM
Выпуск
Другие статьи выпуска
В статье рассмотрены организационно-экономические барьеры, препятствующие созданию эффективной системы управления электронными отходами, являющейся частью экономики замкнутого цикла.
Барьеры объединены в основные блоки, изученные последовательно. Структурные дисбалансы проанализированы с позиций теории системной сбалансированности, что позволило выявить имеющиеся дисбалансы в объектном, проектном, процессном и средовом секторах электронной промышленности и системы управления отходами, предложить варианты решения обозначенных проблем.
В качестве финансовых ограничений выявлены высокие капитальные затраты на создание инфраструктуры управления электронными отходами, отсутствие экономических стимулов для участников рынка, неразвитость рынка вторичного сырья и отсутствие господдержки.
К логистическим ограничениям отнесены: низкая плотность пунктов приема отходов, высокая стоимость транспортировки и сортировки, отсутствие системы обратной логистики и правовые барьеры.
Рыночные искажения отражают ис кажение цен на первичное и вторичное сырье, высокий уровень налога на добавленную стоимость (НДС) на вторичное сырье, отсутствие экологического ущерба в цене продукции, наличие теневого рынка отходов, а также искажения в сфере экспорта отходов.
Выделены признаки эффективной системы управления отходами и сформулированы количественные и качественные показатели системы, объединенные в соответствии с организационно-правовыми, инфраструктурными, экономическими, экологическими, социальными и информационными критериями, а также с критерием наличия международного сотрудничества.
Статья посвящена созданию и внедрению Цифровой аналитической платформы (ЦАП) Федеральной службы государственной статистики - ядра Национальной системы управления данными в условиях цифровизации экономики.
Выявлены и систематизированы проблемы отечественной статистики: разрозненность данных, высокая нагрузка на малый и средний бизнес, дефицит оперативности и доказательности информации.
На основе анализа эволюции нормативного регулирования сформулированы приоритеты развития статистики до 2030 г.: переход к предиктивной аналитике, обеспечение доверия к данным, интеграция источников по принципу «одного окна», персонализация сервисов, развитие кадров, международная гармонизация, открытость.
Описаны функциональные компоненты ЦАП: конструктор выборок, интерактивная визуализация, статистический и сетевой анализ, прогнозирование на основе машинного обучения, программный интерфейс приложения.
Показано, что платформа обеспечивает взаимодействие государства, бизнеса, науки и общества в единой цифровой среде на принципах межведомственной автоматизации с использованием Системы межведомственного электронного взаимодействия (СМЭВ), Единой системы идентификации и аутентификации (ЕСИА) и платформы «Гостех».
Результаты полезны органам власти, крупному бизнесу, малому и среднему предпринимательству, ученым и преподавателям.
Проанализирована роль государственных программ поддержки развития и внедрения цифровых двойников и сквозных технологий в авиастроительной отрасли.
Актуальность исследования обусловлена необходимостью обеспечения технологического суверенитета и цифровой трансформации отечественной авиационной промышленности в условиях санкционных ограничений.
На основе сравнительного анализа и институционального подхода систематизирован опыт США, ЕС, Китая и России.
Выявлены ключевые направления государственной поддержки: финансирование НИОКР в области цифрового моделирования, создание отраслевых центров компетенций, стимулирование разработки отечественного программного обеспечения, формирование нормативной базы для применения цифровых двойников на всех этапах жизненного цикла.
Обосновано, что системная государственная поддержка ключевых цифровых технологий является критическим фактором обеспечения непрерывности производственных процессов и конкурентоспособности отрасли авиастроения.
Современный этап развития мировой и российской энергетики характеризуется фундаментальными изменениями, обусловленными необходимостью декарбонизации, обеспечения энергетической безопасности и технологического суверенитета.
В статье исследованы теоретические и практические аспекты трансформации электроэнергетики в условиях энергоперехода и существующих региональных дисбалансов.
Цель работы заключается в выявлении территориальных диспропорций развития электроэнергетического комплекса РФ и обосновании необходимости дифференцированного подхода к стратегическому планированию его развития.
Методологическая база включает системный подход, статистические методы и методы стратегического анализа.
На основе обзора отечественных и зарубежных научных публикаций систематизированы теоретические подходы к энергопереходу с учетом пространственной дифференциации, выявлены устойчивые региональные дисбалансы в потреблении электроэнергии и структуре генерирующих мощностей.
В ходе исследования проведена статистическая обработка данных Федеральной службы государственной статистики, системного оператора ЕЭС России, которая дала возможность проанализировать динамику потребления электроэнергии по федеральным округам и объединенным энергосистемам за период 2010-2024 гг., представлена оценка изменений в структуре установленной мощности генерирующих объектов.
Результаты показали устойчивый рост потребления электроэнергии в целом по стране (на 11,2 % за 2020-2024 гг.) при неравномерной региональной динамике. Выявлено сохранение доминирования тепловой генерации (65,2 %) при одновременном росте доли атомной и возобновляемой энергетики. Установлено, что игнорирование пространственных диспропорций в потреблении электроэнергии и структуре генерирующих мощностей снижает эффективность энергосистемы.
Сделан вывод о необходимости реализации дифференцированных стратегий в регионах.
В статье проведен сравнительный анализ научно-инновационной активности ведущих предприятий медицинской промышленности России и мировых лидеров отрасли из США, Германии и Нидерландов.
Актуальность исследования обусловлена необходимостью достижения технологического суверенитета и повышения экспортного потенциала отечественной медицинской промышленности в условиях масштабного импортозамещения.
Методологическую основу работы составила теория стратегирования академика В. Л. Квинта. Показано, что годовая выручка зарубежных корпораций-гигантов превосходит показатели наиболее успешных российских компаний на два-три порядка, однако относительная патентная активность в расчете на одного сотрудника у них сопоставима. На основе данных Росстата зафиксировано, что относительный рост совокупного объема отечественного производства медицинских изделий опережает рост ВВП страны. Доля российских изделий на внутреннем рынке увеличилась более чем вдвое с 2012 г., превысив 30 %. Вместе с тем выявлена сохраняющаяся зависимость от зарубежных комплектующих, составляющих до 40 % стоимости локальной техники.
Показано, что с точки зрения глобальных тенденций и в период жестких санкционных ограничений ключевым драйвером развития сектора становится перенос акцента при кладных исследований непосредственно на производства.
Обоснована необходимость формирования единой цифровой платформы стратегического управления медицинским сектором для предиктивной аналитики.
Показано, что в долгосрочной перспективе именно развитие экспорта в дружественные страны способно сыграть ключевую роль в долгосрочной поддержке и масштабировании отечественного производства.
В статье обоснована трансформация модели сквозного производственного планирования в интегрированных структурах машиностроения, объединяющих предприятия единичного и мелкосерийного типа.
Актуальность исследования обусловлена необходимостью ответа на вызовы регионализации производственных цепочек и достижения технологического лидерства в условиях рационального использования ресурсов.
Систематизированы факторы, определяющие модель планирования: структурные и производственные (первый разрез), динамические и статические (второй разрез). Структурные факторы предопределяются формой организации - интегрированной структурой, включающей многоуровневую систему управления, вертикальную и горизонтальную интеграцию, включение новых бизнес-единиц. Производственные факторы определяются особенностями единичного и мелкосерийного машиностроения: связанностью функций на всем жизненном цикле продукта, конъюнктурными условиями, применением бережливого производства и цифровизации.
Предложен переход от последовательного к параллельному централизованному планированию на единой цифровой платформе для обеспечения сокращения цикла планирования.
Сформулированы стратегии интеграции в модель планирования новых бизнес-единиц («черного ящик», «аквариума» и комбинированная).
Определены параметры тактического плана с горизонтом 18-36 месяцев, учитывающим полный цикл создания ценности в условиях единичного машиностроения. Обоснована необходимость синхронизации производственных планов с бюджетированием и функциональными стратегиями (продажи, закупки, инжиниринг).
Предложенные решения позволяют достичь глобального оптимума цепочки создания ценности интегрированной структуры в условиях внешних и внутренних изменений, обеспечивая баланс между операционной автономностью бизнес-единиц и централизацией стратегического управления.
Результаты исследования имеют научную значимость для развития теории внутрифирменного планирования и практическую значимость для реинжиниринга моделей планирования машиностроительных холдингов единичного и мелкосерийного типа производства.
Исследование направлено на совершенствование бизнес-процессов инвестиционной деятельности в вертикально интегрированных промышленных холдингах. Особое внимание уделяется анализу социально-экономических отношений, возникающих в процессе оценки эффективности и реализации сделок слияний и поглощений (M&A, Mergers & Acquisitions). В центре внимания находится специфический поведенческий риск - «страх упущенной выгоды» (FoMO, Fear of Missing Out), который деформирует рациональные бизнес-процессы принятия экономических решений о заключении неэффективных сделок в периоды отраслевых трансформаций.
В работе применены методы системного анализа и синтеза для выявления взаимосвязи между признаками FoMO и долгосрочной эффективностью бизнеса. Апробация проведена на базе данных 63 сделок горно-металлургического сектора. Оценка эффективности хозяйственной деятельности после объединения активов осуществлялась с использованием авторской методики «среднесрочной окупаемости» на основе динамики показателя EBITDA в течение 4 лет после завершения сделки.
Разработан комплексный индикатор - риск-индикатор (RIF, Risk Indicator Factor), включающий мониторинг динамики сделок, настроений инвесторов, трансграничной активности и ценовых трендов. Доказано, что достижение индикатором критических значений сигнализирует о снижении качества бизнес-процессов и росте вероятности заключения «экстра убыточных» сделок. Авторами предложен алгоритм модификации корпоративных процедур риск-менеджмента, включающий создание независимых групп «оппонирования сделке» и внедрение альтернативных сценариев в модели дисконтированных денежных потоков.
Внедрение предложенного экономического инструментария в бизнес-процессы промышленных холдингов позволяет минимизировать иррациональные факторы в управлении. Практическое использование индикатора RIF советами директоров промышленных предприятий способствует повышению эффективности хозяйственной деятельности при сделках M&A в долгосрочной перспективе за счет предотвращения возможных деструктивных интеграционных процессов.
Актуальность исследования обусловлена кардинальными изменениями делового ландшафта отечественной легкой промышленности и индустрии моды, а также ростом значимости креативного сектора. Уход значительного числа международных ритейлеров, трансформация потребительских предпочтений в сторону поддержки отечественного производителя и принятый государственный курс на импортоопережение создали стратегические возможности для долгосрочного развития локальных брендов. Они перестали быть нишевым явлением и стали значимым сегментом экономики, способным удовлетворить потребительский спрос. Долгосрочное развитие локальных брендов не возможно без системного стратегического подхода. Стратегирование позволяет трансформировать культурный код и локальную аутентичность в долгосрочные конкурентные преимущества.
Целью данного исследования является анализ эволюции локальных брендов в отечественной легкой промышленности и индустрии моды. Понимание исторического контекста позволяет использовать накопленный опыт для разработки актуальных стратегий развития локальных брендов.
Теоретико-методологической основой исследования является теория стратегии и методология стратегирования В. Л. Квинта. В статье также использованы такие методы, как анализ, синтез, наблюдение, систематизация, абстракция, сравнение, обобщение. В результате исследования уточнено понятие локального бренда применительно к легкой промышленности и индустрии моды, выделены его ключевые стратегические характеристики (аутентичность, локальность, связь с культурным нарративом, короткая цепочка создания стоимости).
Проведен ретроспективный анализ эволюции локальных брендов в России и выявлены факторы внешней и внутренней среды, повлиявшие на их стратегическое развитие. Разработана авторская таблица интеграции компонента локальности в цикл добавленной стоимости предприятия отрасли. Будучи сложным социокультурным конструктом, локальный бренд отражает традиции, ценности, историческую память и культурный код территории. Стратегирование локального бренда становится на уровне корпоративных и национальных приоритетов.
С развитием технологий искусственного интеллекта (ИИ) расширяется сфера его применения, в том числе в области стратегического управления. Однако с учетом факторов, ограничивающих использование ИИ для решения профессиональных задач, необходимо тщательно определять направления, масштаб и форматы включения ИИ в процесс стратегирования.
Промышленные экосистемы характеризуются высоким уровнем интеллектуализации производства и управления и являются на сегодняшний день перспективной и динамично развивающейся моделью организации современного производства.
Целью данной статьи является формирование взаимосвязанного комплекса инструментов стратегирования, учитывающего особенности промышленных экосистем и ориентированного на обоснованное применение технологий ИИ для повышения результативности стратегических решений в условиях существенного возрастания нестабильности внешней среды.
В работе исследованы возможности и подходы использования ИИ в рамках триады взаимосвязанных инструментов: стратегия - модель зрелости - система KPI (ключевые показатели эффективности). В качестве теоретико-методической основы разработки стратегии промышленной экосистемы представлены стратегия цифровой трансформации, экосистемная стратегия и стратегия в области ИИ.
На основе интеграции атрибутов данных стратегий сформулированы ключевые положения в части содержания и представления стратегии, учитывающей специфику промышленных экосистем. На основе теории и методологии стратегирования В. Л. Квинта разработан ландшафт практик и инструментов интеллектуализации стратегии промышленной экосистемы с учетом их направленности на создание ценности для потребителей и участников экосистемы, а также рассматривающий как содержательные, так и организационные аспекты использования ИИ для обеспечения успешности стратегии. Построен фреймворк оценки интеллектуальной зрелости промышленной экосистемы.
Сделаны выводы о необходимости представления оценочной модели в виде динамической совокупности субмоделей и целесообразности применения ИИ для настройки общей модели с учетом целей проведения оценки, внешнего контекста и особенностей конкретной экосистемы.
Сформулирована совокупность специфических принципов оценки интеллектуальной зрелости промышленной экосистемы (модульности, избыточности, конфигурации и приоритизации, интеллектуализации и мониторинга).
В качестве перспективного инструмента стратегирования рассмотрена система «умных» KPI, основанная на использовании ИИ для формирования рекомендаций по выбору ключевых показателей эффективности на основе анализа причинно-следственных связей между операционными факторами и контекстными переменными, с одной стороны, и стратегическими результатами - с другой.
Издательство
- Издательство
- МИСИС
- Регион
- Россия, Москва
- Почтовый адрес
- 119049, г Москва, р-н Якиманка, Ленинский пр-кт, д 4 стр 1
- Юр. адрес
- 119049, г Москва, р-н Якиманка, Ленинский пр-кт, д 4 стр 1
- ФИО
- Черникова Алевтина Анатольевна (РЕКТОР)
- E-mail адрес
- kancela@misis.ru
- Контактный телефон
- +7 (495) 9550074
- Сайт
- https://misis.ru/