CC BY
63
УДК: 330; 65.0 (075.8)
ББК: 65.290
Глухова Л.В., Немцев А.Д.
УПРАВЛЕНИЕ РИСКАМИ РЕАЛИЗАЦИИ ПРОГРАММЫ "ЦИФРОВАЯ ЭКОНОМИКА РОССИЙСКОЙ ФЕДЕРАЦИИ"
Glukhova L.V., Nemtsev A.D.
RISK MANAGEMENT OF THE IMPLEMENTATION OF THE PROGRAM "DIGITAL ECONOMY OF THE RUSSIAN FEDERATION"
Ключевые слова: программа, риски, вероятность достижения поставленной цели, инструменты менеджмента.
Keywords: program, risks, probability of achieving the goal, management tools.
Аннотация: цифровизация экономики ставит перед высшим образованием новые задачи по подготовке кадров. Обозначив в национальном проекте "дорожные карты" и сроки их реализации, правительство страны акцентировало внимание и на новых специальностях, которые будут востребованы в ближайшем будущем. Все они в большей или меньшей степени связаны с принятием управленческих решений. От того, насколько грамотно и обоснованно описан процесс принятия решения с использованием цифровых технологий, зависит не только эффективность конечного результата, но и оправданность инвестиций в нововведения. Операционный менеджмент в связи с этим является первичным фактором, способствующим возникновению ситуаций неопределенности, способных в дальнейшем привести к развитию рисков производственной деятельности.
В статье показаны различные подходы, позволяющие управлять рисками реализации решений дорожной карты программы "Цифровая экономика Российской Федерации".
Abstract: the digitization of the economy poses new challenges to higher education for personnel training. Designating in the national project roadmaps and deadlines for their implementation, the government focused on new specialties that will be in demand in the near future. All of them are more or less related to management decisions. Not only the efficiency of the final result, but also the justification of investing in innovations depends on how well and reasonably the decision-making process is described using digital technologies. Operational management, in this regard, is the primary factor contributing to the emergence of situations of uncertainty that can, in the future, lead to the development of risks ofproduction activities.
The article shows various approaches that allow managing the risks of implementing the decisions of the roadmap of the Digital Economy of the Russian Federation program.
Потребность в кадрах для реализации Программы "Цифровая экономика Российской Федерации" (далее Программа) сегодня очевидна. Правительство ставит перед высшими учебными заведениями и специалистами различного профиля задачи быстрого освоения и внедрения в разнообразные сферы деятельности разработанных "дорожных карт" [1]. Кроме того, актуальность рассматривамых в статье вопросов подтверждается и постоянными обновлениями требований стандартов [2-4], в которых формированию риск-ориентированного мышления уделяется все больше внимания [5-8, 10, 11, 14, 17].
Поэтому надо искать новые пути подготовки и переподготовки кадров в соответствии с запросами национального проекта, готовых к решению современных задач цифровой экономики.
Среди множества направлений, отмеченных в Программе, приоритетным для нашей страны является интеллектуализация знаний в области промышленного сектора. Отметим такое направление развития промышленности, как "промышленный интернет вещей", имеющий аббревиатуру IIoT. Он интегрирует в себе понятия автоматизации производства с обработкой "больших данных" в
процессе "межмашинного" общения. Внедрение ГГоТ направлено на сокращение затрат за счет автоматизации, оптимизации и рационального подхода. Следует заметить, что внедрение ПоТ в деятельность производственных структур сопряжено с возникновением ситуаций, связанных с различными неопределенностями. А так как в рыночных отношениях любой хозяйствующий субъект в своей деятельности сталкивается с множеством возмущающих воздействий (как внутренних, так и внешних), порождающих неопределенность в достижении планируемых результатов, то их можно рассматривать как риски. В первую очередь можно констатировать, что риски могут возникать по причине недостаточности знаний или опыта работников при внедрении нововведений, которым, безусловно, является "промышленный интернет вещей". С точки зрения менеджмента, необходимо иметь инструменты, позволяющие управлять рисками, возникающими при решении задач по достижению заранее запланированных целевых показателей [19].
Поиск эффективных инструментов менеджмента для снижения неопределенности и оценки вероятности достижения целей послужил обоснованием выбора темы исследования.
В этом случае формирование навыков оценки вероятности достижения поставленной цели можно рассматривать как отдельную локальную задачу. В дальнейшем обозначим ее как целевую задачу.
Рассмотрим некоторые инструменты менеджмента, которые можно предложить для решения целевой задачи. Саму задачу будем рассматривать как систему, состоящую из набора единичных и комплексных характеристик, способствующих ее решению.
В настоящее время существует много стандартных и нестандартных подходов к управлению рисками. Акцентируем внимание на методы структурного анализа и синтеза и метод робастного проектирования.
Рассмотрим кратко их возможности.
1. Методы структурного анализа и синтеза
Методами структурного анализа и синтеза можно описать существующие причинно-следственные связи внутри организационной структуры анализируемых показателей и выявить большую или меньшую степень влияния каждого из них на формируемый комплексный показатель [9, 16].
Структурный анализ системы позволяет исследовать устойчивые внутренние взаимосвязи и обосновать математическую модель ее структуры по заранее заданному свойству (эффективность, надежность, устойчивость и прочее). Он заканчивается обоснованием конфигурации интегративно-го свойства системы (ее целостности).
Методы структурного синтеза позволяют прогнозировать поведение объекта исследования (системы) во времени по его существенным свойствам с вероятностной оценкой альтернативных состояний системы и управлять ими в реальном времени и на перспективу. Более подробно результаты применения методов структурного анализа и синтеза описаны в работе [9].
На рисунке 1 показаны возможные состояния структурных схем описания системы и связанные с ними структурные формулы управления деятельностью системы с у % уровнем вероятности достижения целевых параметров (1).
к к
1=0.5 1=0.6
к к
2=0.25 3=0.1
\
к к
3=0.25 2=0.3
1=1.0
к к
2=0.85 1=0.6
к к
3=0.1 2=0.35
=0.4
к 1=0.6
к 4=0.1
=0.35
=0.3
Рисунок 1 - Примеры состояния структурных схем описания системы
Р(1>Тн)=[1-(1-Р1)(1-Р2)]*[1-(1-Р1)(1-
р2)]*р1*р,*
[1-(1-Р1)(1-Р2Р3)]*
[1-(1-Р1)(1-Р2Рз)]> у/100 (1)
Рассмотрим пример. Необходимо оценить вероятность достижения цели. Пусть основной целью смарт-организации (кафед-
к
к
к
к
2
ра "Менеджмента и экономики" ОАНО ВО ВУиТ) является "внедрение 11оТ в процесс подготовки кадров". Подцелями являются: "формирование знаний в области
автоматизации производства", "формирование знаний в области обработки больших данных", "формирование знаний о процессах межмашинного общения" (таблица 1).
Таблица 1 - Исходные данные для оценки вероятности достижения цели
Цель Подцели Задачи
Внедрение ПоТ в процесс подготовки кадров 1. Формирование знаний в области автоматизации производства 1.1 Изучение особенностей автоматизации производства 1.2 Формирование навыков управления автоматизированными производствами
2. Формирование знаний в области обработки "больших данных" 2.1 Изучение современных компьютерных технологий по обработке "больших данных" 2.2 Формирование навыков управления работой с "большими данными" на основе современных компьютерных средств
3. Формирование знаний о процессах межмашинного общения 3.1 Формирование базы знаний о процессах межмашинного общения 3.2 Формирование навыков управления процессами межмашинного общения
Введем обозначения: пусть у - это вероятность достижения главной цели. Зададим ее на уровне 95%. Исходя из структурной схемы (см. рисунок 1), для достижения главной цели (1) требуется обеспечить решение задач по достижению трех подцелей (1.1, 1.2, 1.3) по параметрам требуемой эффективности (Erp) функционирования.
Составим структурную схему (рис. 2). Для простоты рассматриваемого инструмента менеджмента задачи учитывать в этом примере не будем.
1.1 1.2 1.3
Рисунок 2 - Структурная схема по обеспечению главной цели
ления достижение целевых параметров) имеет следующий вид (2):
(Р(Е>Етр)^Р1Л-Р12-Р13>
Г
(2)
тр, ,, „„ шо
При у=95%, учитывая, что важность достижения всех трех подцелей одинакова (т.е. = °12 = °13 = °пробХ будем иметь
Р
проб.
= /095 = ).983.
Из расчетов видно, что для достижения главной цели на уровне 95%, целевые параметры 1.1, 1.2, 1.3 должны быть на уровне не менее чем 98,3%. Продолжая дальнейшую декомпозицию целевых параметров, получим нормативные требования для обеспечения целевых задач, которые показаны в таблице 2.
Структурная формула (модель управ-
Таблица 2 - Формирование нормативных показателей для обеспечения целевых параметров
Цель Вероятность обеспечения, % Подцели Вероятность обеспечения, % Задачи Вероятность обеспечения, %
Внедрение IIoT в процесс подготовки кадров 95 1. Формирование знаний в области автоматизации производства 98,3 1.1 Изучение особенностей автоматизации производства 99,15
1.2 Формирование навыков управления автоматизированными производствами 99,15
Продолжение таблицы 2
2. Формирование знаний в области обработки "больших данных" 98,3 2.1 Изучение современных компьютерных технологий по обработке "больших данных" 99,15
2.2 Формирование навыков управления работой с "большими данными" на основе современных компьютерных средств 99,15
3. Формирование знаний о процессах межмашинного общения 98,3 3.1 Формирование базы знаний о процессах межмашинного общения 99,15
3.2 Формирование навыков управления процессами межмашинного общения 99,15
Отметим, что такой вариант возможен, если все задачи для достижения цели равнозначны (тогда схема представляет собой последовательное соединение ее компонентов).
Однако если учитывать весовое значение (приоритет) какой-либо из задач, решение которой обеспечивает достижение целевых параметров, то схема становится значительно сложнее и для построения ее модели управления следует рассматривать комбинацию параллельно и последовательно соединенных элементов, сохраняющих целостность структуры рассматриваемого существенного свойства.
2. Метод робастного проектирования
В процессе интеллектуализации, информатизации и цифровизации всех видов деятельности стали формироваться проблемные ситуации, требующие строгого математического обоснования результативности полученных выводов. Наряду с поиском ответов на вопросы "как оценить полученный результат", "насколько показатели результативности далеки от запланированных значений", "каковы риски анализируемой деятельности и причины их возникновения" насущным остается поиск ответов на вопросы, "что помешало достичь цели", "почему принимаемое управленческое решение не смогло обеспечить достижение целевых параметров?" Ответы на эти и другие многочисленные вопросы можно получить в процессе формализации.
Выбор оценки уровня развития смарт-
организации на основе робастного проектирования обоснован тем, что этот метод позволяет корректировать технологию самообучения и регулировать поток усваиваемой новой информации с целью повышения эффективности самообучения [12, 13].
Рассмотрим возможность управления деятельностью смарт-организации (на примере кафедры "Менеджмент и экономика" вуза) на основе робастного подхода. Воспользуемся выводами Тагути о том, что факторы, влияющие на деятельность смарт-организации, можно условно разделить на две категории: факторы неконтролируемые, называемые шумами, и факторы контролируемые, называемые сигналами. Улучшения качества деятельности можно добиться за счет уменьшения шумов и усиления сигналов.
Под смарт-организацией авторами понимается самообучающаяся организация, в которой коллектив исполнителей готов к быстрому внедрению инноваций в общество. Робастное проектирование процесса трансформации знаний представляет собой подход, позволяющий обеспечить устойчивость передаваемых знаний к внешним воздействующим факторам. Под устойчивостью знаний понимается возможность сохранения структуры знания, т.е. структурная устойчивость.
В качестве исследуемой характеристики качества будем рассматривать главную цель (см. таблицу 1), описанную выше.
Отметим, что анализируемая характеристика качества (ХК) должна быть:
- непрерывна, легко измерима и количественно исчисляема;
- положительной и иметь абсолютный нуль (отсутствие отрицательных значений);
- аддитивной, в крайнем случае монотонной (независимость компонентов);
- скомплектованной из отдельных, более мелких, частных характеристик (обеспечение всей информации);
- фундаментальной (отсутствие смещения разных физических процессов и реакции на внешние возмущения после проведения оптимизации).
Также ХК должна иметь максимальные значения важности и приоритетности. В нашем случае исследуемая ХК —>шах.
Проблема заключается в недостаточной инструментальной базе, позволяющей судить об уровне качества сформированно-сти интеллектуального потенциала для внедрения 11оТ в процесс деятельности кафедры. В качестве примера выберем ту же цель, подцели и задачи. Необходимо уточнить причину недостаточной сформирован-ности этого показателя и определить характеристику качества (ХК), по которой внешний потребитель будет оценивать деятельность смарт-организации. В нашем конкретном случае это будет оценка уровня достижения цели при внедрении Программы "Цифровая экономика РФ, в частности, одного из требуемых в Национальном проекте показателя, который отражает развитие промышленного сектора экономики в стране [15-19].
Выберем шумовые факторы (ШФ), мешающие достижению требуемого уровня развития интеллектуального потенциала. Важным условием является то, что оцениваемые шумовые факторы не зависят от деятельности персонала смарт-организации. Все эти факторы являются внешними и оказывают негативное влияние на формирование требуемой характеристики качества. Выбор ШФ является одним из основных этапов планирования. Робастность системы достигается только для выбранных ШФ.
Принятие решений об эксперименте с выбранным комплектом ШФ всегда зависит от опыта и интуиции команды и должно быть подтверждено экспериментально (шумовой эксперимент).
Шумовой эксперимент имеет следующие цели:
1. Определить наиболее важные ШФ, которые максимально влияют на вариабельность.
2. Провести сравнительный анализ (бенч-маркинг) характеристик начального состояния исследуемой характеристики.
3. Совершенствовать экспериментальную процедуру для минимизации воздействия ШФ путем параметрической оптимизации.
4. Проверить значения неконтролируемых шумов, т.е. измерять ошибку.
Шумовой эксперимент не предполагает моделирования зависимости ХК от ШФ, но позволяет найти значимые ШФ и направления их воздействия. По направлениям воздействия ШФ объединяются в комбинации и называются объединенными шумовыми факторами - ОШФ. Выделяют ОШФ 1" (по возрастания значений ХК) и Шумовой эксперимент проводится при номинальных значениях управляющих факторов (УФ) с применением ортогональных матриц (ОМ). ШФ рассматриваются обычно на двух уровнях, при этом взаимозависимости ШФ имеют равномерное распределение. Такое распределение позволяет оценивать основной эффект ШФ, не беспокоясь о его влиянии на соседние столбцы матрицы. Анализ шумового эксперимента сводится к нахождению среднего отклика каждого столбца, направления изменения ХК и величины разброса ХК.
Выбор шумовых факторов происходит по следующему алгоритму:
1. Анализ требований внешней среды, предъявляемых к исследуемой характеристике качества.
2. Классификация выбранной информации по источнику возникновения и причинам возможного риска.
3. Ранжирование факторов по степени негативного влияния и определение наиболее значимых из них.
4. Определение количества состояний выявленных значимых шумовых факторов и анализ их состояния.
5. Условная идентификация каждого из шумовых факторов с учетом его состояния.
6. Формирование матрицы, включающей описание каждого шумового фактора и его состояния.
7. Формирование ортогональной матрицы, в которой отражены взаимнооднозначные соответствия сочетаниям факторов.
8. Планирование эксперимента, учитывающего не менее двух реплик (опытов) по каждому из факторов.
9. Обработка результатов шумового эксперимента.
10. Выбор управляющих факторов, способных снизить риски влияния шумовых факторов на характеристику качества.
11. Верификация результатов исследования.
В таблице описан сам шумовой фактор, его состояние и условное обозначение каждого из состояний. Для расчета количества реализаций и проведения эксперимента необходимо знать:
а - количество шумовых факторов; Ь - количество управляющих факторов;
т - количество уровней; п - число степеней свободы (т-1). Расчет количества реализаций выполняется по формуле (1)
К = т* а + п* Ь + . (3)
Выберем следующие три шумовых фактора:
Фактор 1 (ШФ1) - отсутствие достаточного по объему временного параметра для освоения процессов "межмашинного обмена"
Фактор 2 (ШФ2) - наличие риска "погружения" в процесс современной "автоматизации производства".
Фактор 3 (ШФ3) - недостаточный уровень квалификации персонала по работе с "большими данными".
Учитывая, что каждый из факторов имеет свое состояние, которое можно оценить экспертным методом, идентифицируем это состояние и сведем выявленные показатели в единую таблицу (таблица 3).
Из таблицы видно, что шумовых факторов будет три, в каждом из них по 2 уровня выявленного состояния, а управляющий фактор будет один.
В этом случае число степеней свободы равно 1.
Тогда получим, что К=2*3+1*1+1=8.
Сочетание шумовых факторов определяется по ортогональной матрице. Ортогональная матрица будет иметь условное обозначение L8 (так как три ШФ по 2 реплики).
Отметим, что планирование эксперимента выполняется дважды для каждой реализации (реплика 1 и реплика 2).
Расчет средних значений вычисляется
Таблица 3 - Шумовые факторы, мешающие достижению целевого параметра
Общая ХК ШФ1 Состояние ШФ1 ШФ2 Состояние ШФ2 ШФ3 Состояние ШФ3
Внедре- Отсут- А - много Наличие С - Недо- Е - отсутствие
ние 11оТ ствие до- времени для риска отсутствие статоч- интеллектуаль-
в процесс статочно- сбора и ана- "погру- возможно- ный ных инструмен-
подго- го по объ- лиза необ- жения" в сти стажи- уровень тов для обра-
товки ему вре- ходимой процесс ровки на квали- ботки больших
кадров менного информации совре- высокотех- фикации данных на осно-
параметра В - сроч- менной нологичном персо- ве технологии
для осво- ность в "автома- оборудова- нала по БЫ
ения про- формирова- тизации нии работе с К - отсутствие
цессов нии при- произ- Д - невоз- "боль- опыта обработ-
"межма- кладных водства" можность шими ки больших
шинного навыков трансфор- данны- данных для
обмена" мации полу- ми". принятия
ченных зна- управленческо-
ний и опыта го решения
по формулам.
Среднее значение ХК для каждой реализации рассчитывается по формуле (4), а сумма квадратов отклонений ( ) - по формуле (5)
_ I
Расчет средних значений по всем опытам: среднее значение ХК - по формуле (6), а среднее отклонение по всем опытам - по формуле (7)
_ 2
(6)
«,2= Г(Л-У)2
Таблица 4 - Шумовой эксперимент
(4)
(5)
I
и • О)
Результаты вычислений приведены в таблице 4.
Реализации ШФ1 ШФ2 ШФ3 1 реплика 2 реплика Среднее значение у1 Сумма квадратов отклонения
1 А с Е 0,7 0,6 0,65 0,001359766
2 А С К 0,5 0,8 0,65 0,001359766
3 А Д Е 0,65 0,55 0,6 0,000172266
4 А Д К 0,6 0,75 0,675 0,003828516
5 В с Е 0,6 0,82 0,71 0,009384766
6 В С К 0,5 0,74 0,62 4,72656Е-05
7 В Д Е 0,6 0,35 0,475 0,019078516
8 В Д К 0,5 0,55 0,525 0,007766016
£ у = 0,613125 — 2 S2 =0,005374609
п
2
п
=1
п
1= 1
Из таблицы видно, что в ней отражены результаты проведения эксперимента (реплика 1, реплика 2), вычислено среднее значение по всем опытам, и вычислена сумма квадратов полученных отклонений от сред-
него значения.
Расчет средних значений для каждого уровня шумового фактора показан в таблице 5.
Таблица 5 - Средние значения в шумовом эксперименте
Шумовой фактор Уровень фактора Уровень развития интеллектуального потенциала Смарт-организации
ШФ1 А =(0,7+0,5+0,65+0,6+0,6+0,8+0,55+0,75)/8=0,64
В =(0,6+0,5+0,6+0,5+0,82+0,74+0,35+0,55)/8=0,58
ШФ2 С =(0,7+0,5+0,6+0,8+0,6+0,5+0,82+0,74)/8=0,66
Д =(0,65+0,6+0,55+0,75+0,6+0,5+0,35+0,55)/8=0,59
ШФ3 Е =(0,7+0,65+0,6+0,6+0,6+0,55+0,82+0,35)/8=0,60
К =(0,5+0,6+0,5+0,5+0,8+0,75+0,74+0,55)/8=0,62
Графическая интерпретация полученных результатов (рисунок 3) позволяет оценить интервалы для каждого из шумовых факторов.
Условно отобразим показатели начала и конца отрезка, обозначив их для ШФ1 -а1, а2; для ШФ2- (б1, б2); для ШФ3- (с1, с2).
¡й 1ТЛ Б2 с! СГ
Рисунок 3 - Результаты эксперимента
ГТ= 1.613+ 0,64- 1,613)+ 0,66- 1,613)+ 0,62- 1,613)= ),694 Г 4-= 1613+ 0,58- 1,613)+ 0,59- 1,613)+ 0,60- 1,613)= ),544
в) проведение верификации.
Верификация - сравнение прогнозного значений ХК со значением, полученным в результате проведения экспериментов. Выбранные факторы являются шумовыми, если экспериментальные значения отличаются от прогнозных не более чем на величину (таблица 6).
Таблица 6 - Верификация шумового эксперимента
ОШФ Прогноз Балл
ОШФ1 0,694 0,697
ОШФ2 0,544 0,547
Выполним обобщение факторов и проведем верификацию результатов шумового эксперимента.
а) относим каждый уровень ШФ к одной из двух категорий: повышающие значение ХК (ОШФ|) и понижающие ХК (ОШФ|);
ОШФ| (А2, В2, С1)
ОШФ| (А1, В1, С2)
б) расчет значений: прогнозное значение ХК при ОШФ| и ОШФ|;
71= "+ 1
Верификация полученных экспериментальных данных и шумового эксперимента показывает, что анализируемые факторы являются шумовыми и их влияние надо минимизировать. Продолжая планировать эксперимент, можно получить сведения о том, какие управляющие факторы наиболее значимы, и найти характеристику,
отражающую соотношение между шумовыми и управляющими факторами.
Полученные выводы позволяют сделать заключение о том, что оба метода могут быть использованы для оценки вероятностной границы для контролируемых характеристик, при выходе за пределы которых нарушается структурная устойчивость.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Программа «Цифровая экономика РФ», утвержденная от 28.07.2017. № 1632-р. [Электронный ресурс]. - Режим доступа: http: // static.government.ru>media/files/.. ..pdf.
2. ГОСТ Р ИСО 9001-2015 Системы менеджмента качества. Требования. - М.: ФГУП «Стандартинформ», 2015. - 24 с.
3. ГОСТ Р ИСО 31000-2010 Менеджмент рисков. - М.: ФГУП «Стандартинформ», 2015. - 26 с.
4. ГОСТ Р ИСО 31010 - 2011. Менеджмент рисков. Методы оценки рисков. - М.: ФГУП «Стандартинформ», 2015. - 34 с.
5. Алексеев, И.Р. Цифровая экономика: особенности и тенденции развития электронного взаимодействия [Текст] / И.В. Алексеев // Актуальные направления научных исследований: от теории к практике. - № 4 (10). - С. 42-45. - Ч.: Изд-во «Интерактив плюс», 2017.
6. Глухова, Л.В. Особенности практической реализации требований ГОСТ Р ИСО 90012015 для управления процессами СМК // Вестник Волжского университета им. В.Н. Татищева. - 2017. - Т. 1. № 1. - С. 141-147.
7. Глухова, Л.В., Немцев, А.Д. Концепция стандартизации деятельности менеджеров в условиях цифровой экономики // Вестник Волжского университета им. В.Н. Татищева. -2018. - Т. 2. № 1. - С. 165-175.
8. Глухова, Л.В., Немцев, А.Д. Управление изменениями и нововведениями: концептуальный подход к применению инструментов менеджмента качества [Текст] / Л.В. Глухова, А.Д. Немцев // Вестник Волжского университета имени В.Н. Татищева. Раздел «Экономика». - 2013. - №2 [26]. - C. 21-29.
9. Глухова, Л.В. Методология управления инновационной деятельностью предприятий с использованием методов структурного анализа и синтеза: монография / Л.В. Глухова. - М.: Изд-во института коммерции и права, 2010. - 165 с.
10. Глухова, Л.В., Немцев, А.Д. Использование некоторых инструментов риск-менеджмента для управления проектной деятельностью // Вестник Волжского университета имени В.Н. Татищева. - 2015. - № 3 (34). - С. 145-155.
11. Петросян, А. Что нужно знать о цифровой экономике и ее перспективах развития [Электронный ресурс]. - Режим доступа: http://www.kommersant.ru/doc/3063024 (дата обращения: 14.06.2017).
12. Сыротюк, С.Д. Технология трансформации университета в самообучающуюся организацию // Вектор науки Тольяттинского государственного университета. - 2012. - № 4. -С. 432 - 437.
13 Глухова, Л.В. Методология управления трансформацией организации в самообучающуюся систему: монография / Л.В. Глухова, С.А. Гудкова, С.Д. Сыротюк; под общ. ред. А.Д. Немцева. - Воронеж: ВГПУ, 2012. - 148 с.
14. Гримашевич, О.Н. Идентификация рисков промышленных предприятий // Наука и общество. - 2015. - № 2 (21). - С. 4-9.
15. Glukhova, L.V., Syrotyuk, S.D. Application of the full factorial experiment for validating the processes efficiency indicators.// Science Vector of Tolyatti State University, series: Pedagogics, psychology, pp. 160-164, № 4 (19), 2014.
16. Glukhova, L.V. Theoretical bases of structural analysis and synthesis: monograph / L.V. Glukhova; Institute of Commerce and Law. Moscow, 2007. 122 p.
17. Glukhova, L.V., Serdyukova, N.A. Risk management of implementation of a results-based method of budgeting. Bulletin of the Volga University. V.N. Tatishcheva. 2013. № 2 (28). Pp. 120-127.
18. Glukhova, L.V., Syrotyuk, S.D. Smart organizations and mathematical modeling of opportunities for their transition to a higher development level. // In: Bulletin of the Volzhsky University named after V.N. Tatischev, 2018, vol.2, № 3, pp.122-131.
19. Glukhova, L.V., Mitrofanova, Y.S. Digitalization of economy and the particularities of its application in an integrated facility's activity. // The Bulletin of the Volga Region State University of Service, № 4, 2017.
