Журнал «Экономические стратегии», ключевое слово: «цифровые двойники»

Стратегическое планирование в условиях вызовов цифровой трансформации

Максим Аверьянов
,
Сергей Евтушенко
,
Елена Кочетова
,
Андрей Живайкин
Цифровое общество
Номер 1. Нюансы суверенитета
Ключевые слова:
стратегическое планирование
,
риски
,
нейросеть
,
цифровая трансформация
,
цифровые двойники
,
управление цифровыми моделями
,
цифровые двойники социально-экономических и нормативно правовых систем
,
ситуационные центры

DOI: 10.33917/es-1.193.2024.54-61

Высокая динамика геополитических изменений, усиленная расширением спектра вызовов, стоящих перед страной, выставила новые требования к управлению государством и экономикой. Скорость, с которой надо эти требования реализовать, ставит вопрос о необходимости технологического прорыва в сфере управления. А масштабы сдвигов в мировой экономике требуют с особым вниманием отнестись к стратегическому планированию, подняв его роль в системе госуправления на уровень, который обеспечит ориентирование всех органов управления на достижение формируемых прямо сейчас целей развития общества.

Рассматриваются вопросы технологизации стратегического планирования, вызовы, на которые новая система стратпланирования должна отвечать, некоторые риски цифровой трансформации сферы госуправления и возможные направления их преодоления.

Strategic Planning in the Face of Digital Transformation Challenges

Источники:

1. Аверьянов М.А., Евтушенко С.Н., Кочетова Е.Ю. Цифровое общество: новые вызовы // Экономические стратегии. 2017. № 6. С. 166–175.

2. Указ Президента Российской Федерации от 8 ноября 2021 г. № 633 «Об утверждении Основ государственной политики в сфере стратегического планирования в Российской Федерации» [Электронный ресурс]. Гарант. URL: https://www.garant.ru/products/ipo/prime/doc/402915816/

3. Путин призвал расширить национальные цели развития [Электронный ресурс]. РИА Новости. 2023. 21 декабря. URL: https://ria.ru/20231221/putin-1917226925.html?in=l

Продолжить чтение

Архитектурный инжиниринг гибридных моделей, включающих цифровые двойники и машинное обучение

Елена Тищенко
,
Вячеслав Кондратьев
Цифровое общество
Номер 5. Поломанные судьбы
Ключевые слова:
цифровые двойники
,
машинное обучение
,
модельно-ориентированный системный инжиниринг
,
архитектурное моделирование
,
математическое и компьютерное моделирование

DOI: 10.33917/es-5.191.2023.94-99

В современном инжиниринге сложных технических систем [1] начали применяться цифровые двойники и системы искусственного интеллекта, при этом данные подсистемы имеют свои методы и инструменты системного, математического и компьютерного моделирования. Отсутствие нормализованного подхода к объединению данных разрозненных подсистем в единую систему приводит к методологии «штучной» сборки или созданию уникальных цифровых моделей и интеллектуальных систем, что затрудняет дальнейшее их преобразование в более сложные как технические, так и интеллектуальные системы. В связи с этим актуальным становится поиск типовой формы представления таких подсистем в единую систему наравне с задачей развития методологии унифицированного проектирования и производства интеллектуальных систем на основе применения модельно-ориентированного системного инжиниринга [2–4]. В работе называются и систематизируются методы и приемы таких разработок, демонстрируется типовой подход нормализованного представления платформы моделей разных подсистем, имеющих изначально свои методы и инструменты представления; описываются результаты нормализованной политики построения платформы моделей из различных подсистем для антропоморфного робота и космических аппаратов. В рамках представленного примера позиционированы дополняющие друг друга методы цифрового мультифизического моделирования, цифровых двойников и машинного обучения.

Architectural Engineering of Hybrid Models Incorporating Digital Twins and Machine Learning
 
Источники:
 
1. Романов А.А. Прикладной системный инжиниринг. М.: ФИЗ-МАТЛИТ, 2015.

2. Кондратьев В.В. Модельно-ориентированный системный инжиниринг 2.0. М.: МФТИ, 2021.

3. Гаричев С.Н., Горбачев Р.А., Давыденко Е.В., Джапаров Б.А., Кондратьев В.В. Модельно-ориентированный инжиниринг физико-технических, информационных и интеллектуальных систем // Труды МФТИ. 2022. Т. 14. № 2.

Продолжить чтение

Теоретические представления и методологические подходы к пониманию теории производства и анализа затрат в условиях цифровизации в микроэкономике

Кунцман Марина Владимировна
,
Султыгова Айнаа Ахмедовна
ЭКОНОМИКА ПРЕДПРИЯТИЙ И ОТРАСЛЕВЫХ КОМПЛЕКСОВ
Номер 5. 2022
Ключевые слова:
цифровые двойники
,
массивы данных
,
новая структура затрат
,
экспоненциальный рост в экономике
,
законы технологического прогресса

DOI: 10.33917/mic-5.106.2022.62-68

В статье рассмотрена эффективность использования цифровых двойников в основных отраслях экономики России. Показано, как применение цифровых двойников влияет на структуру затрат на производство продукции. Авторами статьи сделана попытка аргументации того факта, что использование цифровых двойников и цифровых баз данных сделает возможным экспоненциальный экономический рост. Такая тенденция объясняется следствием роста производительности цифровых двойников, обусловленным действием закона технологического прогресса Гордона Мура (первый закон 1965 г.) и законом Артура Рока (второй закон Мура 1998 г.). В этой связи авторы применяют новый подход к обоснованию специфического проявления закона убывающей отдачи. Сделан вывод, что в краткосрочной перспективе одновременное использование совершенных цифровых технологий и цифрового аналога живого труда раздвигает границы закона убывающей отдачи, обеспечивая рост отдачи от масштабов производства на новом витке микроэкономического развития.

Theoretical concepts and methodological approaches to understanding production theory and cost analysis in the context of digitalization in microeconomics

Источники:

1. Цифровые двойники помогут заработать миллиарды долларов. URL: http://www.eurasiancommission.org/ru /10-08-2018-2.aspx

2. Что такое цифровые двойники и где их используют? URL: https://trends.rbc.ru/trends/industry

3. Царев М.В., Андреев Ю.С. Цифровые двойники промышленности: история развития, классификация, технологии, сценарии использования. URL: https://cyberleninka.ru/article/n/tsifrovye-dvoyniki-v-promyshlennosti-istoriya-razvitiya-klassifikatsiya-tehnologii

4. Кунцман М.В. Деятельность картелей как угроза экономической безопасности. / М.В. Кунцман, А.А. Султыгова. Современные фундаментальные и прикладные исследования. 2015. N 4 (19). С. 142–144.           

5. Российскому АПК помогут цифровые двойники. URL: https://mcx.gov.ru/ministry/departments/ 

Продолжить чтение

Структура адаптированного отраслевого архитектурного фреймворка для страховых компаний

Мишин Александр Юрьевич
,
Лыгина Татьяна Сергеевна
ЭКОНОМИКА ПРЕДПРИЯТИЙ И ОТРАСЛЕВЫХ КОМПЛЕКСОВ
Номер 3. 2020
Ключевые слова:
архитектура предприятия
,
цифровые двойники
,
страховые компании
,
фреймворк TOGAF
,
зрелость процессов
,
проектирование архитектуры
,
референтная модель
,
EAM

DOI: 10.33917/mic-3.92.2020.36-43

Активное развитие технологий цифровых двойников приведет к появлению цифровых копий организаций, работающих в сфере услуг, в том числе страховых. В данный момент в большинстве российских и зарубежных компаний этому препятствуют низкая зрелость как ключевых бизнес-процессов, так и процессов управления архитектурой предприятия. Анализ существующих зарубежных архитектурных и процессных фреймворков (в том числе отраслевых) показывает, что они слабо адаптированы для российских реалий. Российских архитектурных фреймворков не разработано, имеющиеся кроссотраслевые фреймворки и подходы слишком абстрактны, а зарубежные отраслевые фреймворки имеют в своей основе референтные модели бизнес-процессов, не актуальные для российских компаний. Появление релевантного отраслевого фреймворка могло бы способствовать ускорению развития технологий цифровых двойников российских страховых компаний. По итогам анализа ряда кейсов и существующих архитектурных фреймворков в рамках статьи была предложена структура адаптивного архитектурного фреймворка и построена карта отраслевых бизнес-процессов верхнего уровня для российских страховых компаний.

The structure of an adapted industry-specific architectural framework for insurance companies

Источники:

1. Малыженков П.В., Иванова М.И. Архитектурный подход к выравниванию ИТ и бизнеса // Бизнес-информатика. 2017. № 3 (41). С. 56–64.

2. Хендерсон Дж.С., Венкатраман Н. Стратегическое согласование: использование информационных технологий для трансформации организации // IBM Systems Journal: журнал. 1993. 32 (1). С.4-16.

3. Захман Дж. Фреймворк для архитектуры предприятий// ZACHMAN.COM [Электронный ресурс]. – Режим доступа: https://www.zachman.com/resources/ea-articles-reference/327-the-framework-for-enterprise-architecture-background-description-and-utility-by-john-a-zachman (дата обращения: 15.05.2020).

Продолжить чтение

Стратегия Трампа на выборах: нейроматематический ключ к глубинным слоям сознания американского избирателя

Александр Агеев
,
Евгений Логинов
Цифровое общество
Номер 7. Презумпция несвободы?
,
2019
Ключевые слова:
Выборы
,
искусственный интеллект
,
информационная система
,
Big Data
,
Нейрокодирование
,
электронная семантизация состояний сознания
,
когнитивная нейрофизиология
,
цифровые двойники
,
Трамп

DOI: 10.33917/es-7.165.2019.78-93

Ключевым фактором, определяющим успех выборной стратегии Трампа, стало использование методов когнитивной нейрофизиологии — цифровой идентификации виртуального двойника реального избирателя в информационных и социальных сетях. Семантизация состояний сознания и психики индивидов, выявляемых в Глобальной сети, позволяет на основе вычислительных решений осуществить инкапсуляцию (схватывание) целостной позиции, устраивающей большинство доступных для мониторинга людей, с целью задания вектора устойчивой сходимости выборной платформы Трампа и взглядов описанного и проанализированного конкретного американского избирателя. Идентификация позволяет воздействовать на доминантный очаг эмоционально-образного блока для дистанционной когнитивной коррекции политической позиции людей в условиях стратегической бифуркации (выборы). Российские наработки в сфере нейроменеджмента личности также имеют большое научно-практическое значение

Trump’s Election Strategy: Neuromathematical Key to Deeper Layers of the American Voter Consciousness

Источники:

1. Агеев А.И. Репертуар властвования // Экономические стратегии. 2013. № 8. С. 5.

2. Агеев А.И., Логинов Е.Л., Шкута А.А. Конвергентный мониторинг и программирование личности как инструмент оперирования интеллектуальной динамикой поведения больших групп людей // Экономические стратегии. 2018. № 2. С. 70–87.

3. Ветров Д.П. Машинное обучение — состояние и перспективы: Труды XV Всероссийской научной конференции RCDL’2013 // Электронные библиотеки: перспективные методы и технологии, электронные коллекции. Ярославль: Ярославский государственный университет им. П.Г. Демидова, 2013. С. 21–27.

4. Агеев А.И. Выбор идентичности // Экономические стратегии. 2014. № 1. С. 5.

5. Логинов Е.Л., Райков А.Н., Шкута А.А. Использование нейротехнологий при программировании когнитивно-поведенческих стереотипов действий личностей для устойчивого функционирования систем управления социумом // Нейрокомпьютеры: разработка, применение. 2018. № 9. С. 34–45.

6. Агеев А.И. Предпринимательство: проблемы собственности и культуры. М.: Наука, 1991. 112 с.

7. Расследование Das Magazin: как Big Data и пара ученых обеспечили победу Трампу и Brexit [Электронный ресурс] // The Insider. URL: https://theins.ru/politika/38490.

8. Гнездицкий В.В., Корепина О.С., Чацкая А.В., Клочкова О.И. Память, когнитивность и эндогенные вызванные потенциалы мозга: оценка нарушения когнитивных функций и объема оперативной памяти без психологического тестирования // Успехи физиологических наук. 2017. № 1. С. 3–23.

9. Емелин К.Э., Ахапкин Р.В., Александровский Ю.А. Когнитивный профиль пациентов с депрессивными расстройствами и его значение для антидепрессивной терапии и социального функционирования // Обозрение психиатрии и медицинской психологии имени В.М. Бехтерева. 2018. № 1. С. 23–32.

10. Зеленина Н.В., Нагибович О.А., Овчинников Б.В., Юсупов В.В. Возможности использования современных достижений психогенетики в интересах профессионального психологического отбора в Вооруженных силах Российской Федерации // Вестник Российской военно-медицинской академии. 2016. № 3. С. 245–250.

11. Апанович З.В. Эволюция методов визуализации коллекций научных публикаций // Russian Digital Libraries Journal. 2018. № 1. С. 1–42.

12. Абрамов Е.С., Басан Е.С., Басан А.С. Разработка системы управления уровнем доверия в мобильной кластерной беспроводной сенсорной сети // Известия ЮФУ. Технические науки. 2015. № 7. С. 41–52.

13. Гриднев С.Е., Кургалин С.Д., Туровский Я.А. Моделирование поведения человека и его ошибок с использованием искусственных нейронных сетей // Актуальные направления научных исследований XXI века: теория и практика. 2015. № 5-2. С. 249–253.

14. Цукерман В.Д. Математическая модель фазового кодирования событий в мозге // Математическая биология и биоинформатика. 2006. № 1-2. С. 97–107.

15. Иванов В.В., Коробова А.Н. Государственное и муниципальное управление с использованием информационных

технологий. М.: ИНФРА-М, 2011. 383 с.

16. Астахова Л.В. Информационное поведение пользователя цифровых ресурсов как объект технологического мониторинга в обществе, основанном на знаниях // Научно-техническая информация. Серия 1: Организация и методика информационной работы. 2018. № 10. С. 17–25.

17. Стриженко А.А. Изменение коммуникативных и социальных моделей поведения людей в цифровую эпоху: мифы и реальность // Вестник Алтайской академии экономики и права. 2010. № 1. С. 57–61.

18. Иванов В.В., Коробова А.Н. Государственное и муниципальное управление с использованием информационных

технологий. М.: ИНФРА-М, 2011. 383 с.

19. Артеменков С.Л. Сетевое моделирование психологических конструктов // Моделирование и анализ данных. 2017. № 1. С. 9–28.

20. Дружинин В.Н., Бирюков С.Д., Воронин А.Н., Толоконникова Е.В. Психометрическое моделирование тестирования интеллекта и креативности // Информационный бюллетень РФФИ. 1996. № 4.

21. Новиков Д.А., Чхартишвили А.Г. Рефлексивные игры. М.: СИНТЕГ, 2003. 160 с.

22. Агарков В.А., Бронфман С.А., Божко С.А., Шерина Т.Ф., Гуртовенко И.Ю. Влияние социально-психологических факторов и особенностей культуры на ожидания российских пациентов от психотерапии // Вестник новых медицинских технологий. 2014. № 1. С. 204.

23. Дьячук П.П. (мл.), Дьячук П.П., Карабалыков С.А., Шадрин И.В. Диагностика неустойчивых когнитивных состояний активных агентов // Нейроинформатика-2016: Сб. науч. трудов: В 3 ч. М.: Национальный исследовательский ядерный университет «МИФИ», 2016. С. 259–270.

24. Володенков С.В., Митева В.В. Особенности трансформации моделей массового информационного потребления в условиях эволюции технологий политической коммуникации // Гражданин. Выборы. Власть. 2019. № 2. С. 122–133.

25. Черниговская Т.В., Шелепин Е.Ю., Защиринская О.В. и др. Психофизиологические и нейролингвистические аспекты процесса распознавания вербальных и невербальных паттернов коммуникации. СПб.: ВВМ, 2016. 203 с.

26. Лефевр В.А. Рефлексия. М.: Когито-Центр, 2003. 495 с.

27. Райков А.Н. Конвергентный синтез когнитивной модели на основе глубокого обучения и квантовых семантик // International Journal of Open Information Technologies. 2018. Т. 6. № 12. С. 43–50.

28. Президент Дональд Трамп объявляет стратегию национальнойбезопасности [Электронный ресурс] // US. Embassy in Belarus. URL: https://by.usembassy.gov/be/президент-дональд-трамп-объявляет-ст/

29. Рогожникова Т.М. Политическая коммуникация и вербальная суггестия в формате психолингвистической парадигмы // Политическая лингвистика. 2019. № 2. С. 24–37.

30. Субботина Н.Д. Суггестия и контрсуггестия в обществе. М.: КомКнига, 2006. 208 с.

31. Смирнов И., Безносюк Е., Журавлев А. Психотехнологии. Компьютерный психосемантический анализ и психокоррекция на неосознаваемом уровне. М.: Прогресс, Культура, 1995. 416 с.

32. Выполняемые проекты [Электронный ресурс] // НИЦ «Курчатовский институт». URL: http://www.nrcki.ru/catalog/index.shtml?g_show=34693&path=3878,34693.

33. Научно-практические разработки / Институт психологии Российской академии наук [Электронный ресурс] // Институт психологии РАН. URL: http://www.ipras.ru/cntnt/rus/institut_p/nauchnopra.html.

34. Макаров В.Л., Бахтизин А.Р., Сушко Е.Д. Мультиагентные системы и суперкомпьютерные технологии в общественных науках // Нейрокомпьютеры: разработка, применение. 2017. № 5. С. 3–9.

35. Макаров В.Л., Бахтизин А.Р., Сушко Е.Д., Сушко Г.Б. Моделирование социальных процессов на суперкомпьютерах: новые технологии // Вестник Российской академии наук. 2018. № 6. С. 508–518.

36. Денисов А.А., Денисова Е.В. Конструирование абстрактных сознаний // Информационные войны. 2013. № 1. С. 2–13.

37. Денисов А.А., Денисова Е.В. Теорема и парадокс барьера осознания // Экономические стратегии. 2015. № 5–6. С. 142–157.

38. Вайно А.Э., Кобяков А.А., Сараев В.Н. Образ Победы. М.: Институт экономических стратегий РАН, компания «GLOWERS», 2012. 140 с.

39. Психолингвистическая экспертная система ВААЛ [Электронный ресурс]. URL:http://www.vaal.ru/prog/rukov.php.

40. Аудиальная программа «Бименталь» [Электронный ресурс] // Mirmageric.ru. URL: https://mirmageric.ru/prs.php?str=bmental.

41. Бугаев А.С., Логинов Е.Л., Райков А.Н., Сараев В.Н. Семантика сетевых контактов // Научно-техническая информация. Серия 1: Организация и методика информационной работы. 2009. № 2. С. 33–36.

42. Агеев А.И., Логинов Е.Л. Нейроменеджмент личности. М.: Институт экономических стратегий, 2019. 120 с.

43. Агеев А.И., Логинов Е.Л. Битва за будущее: кто первым в мире освоит ноомониторинг и когнитивное программирование субъективной реальности? // Экономические стратегии. 2017. № 2. С. 124–139.

Продолжить чтение