CC BY
0
Rzhavtsev Andrey Arkadevich, candidate of technical sciences, docent, an-drey.rz961@,gmail.com, Russia, St. Petersburg, St. Petersburg State University of Architecture and Civil Engineering,
Garbuzova Taisiya Georgievna, candidate of agricultural sciences, docent, [email protected], Russia, St. Petersburg, St. Petersburg State Forest Technical University,
Zagidullin Ramil Ravilevich, candidate of technical sciences, docent, r.r.zagidullin@,mail.ru, Russia, Kazan, Kazan Federal University
УДК 006; 338.1
DOI: 10.24412/2071-6168-2024-1-285-286
ПОДХОДЫ К ФОРМИРОВАНИЮ СТАНДАРТА ЦИФРОВОЙ УСТОЙЧИВОСТИ КОМПАНИЙ ВЫСОКОТЕХНОЛОГИЧНЫХ РЫНКОВ
М.А. Ноговицын, Е.В. Ляпунцова
Статья посвящена вопросам формирования понятийного аппарата цифровой устойчивости компаний высокотехнологичных рынков национальной технологической инициативы (НТИ). Представлен системный подход к пониманию цифровой устойчивости таких компаний на основе их взаимодействия между собой и экосистемой НТИ в целях обеспечения устойчивого развития всех субъектов в цифровой экономике. Предложены авторские определение и структура цифровой устойчивости компаний высокотехнологичных рынков. Разработаны подходы к формированию умного стандарта цифровой устойчивости рассматриваемых компаний.
Ключевые слова: цифровая устойчивость, компании высокотехнологичных рынков, искусственный интеллект, «большие данные».
Обеспечение технологического суверенитета страны непосредственно связано c развитием национальной технологической инициативы (далее - НТИ), которая объединяет бизнес и экспертные сообщества для развития перспективных технологических рынков и отраслей на базе высокотехнологичных решений [1]. Фокус внимания на национальных интересах и обеспечении ускоренного развития собственных высокотехнологичных производств, а также - системном подходе к устойчивому развитию, учитывающему цифровую составляющую, предполагает создание собственных стандартов цифровой устойчивости, как минимум для компаний высокотехнологичных производств [2]. К таким компаниям справедливо относить субъектов отраслей и рынков НТИ - системно значимых лидеров технологического развития РФ. Согласно Концепции технологического развития страны до 2030 года к таким драйверам можно отнести компании-лидеры и компании, реализующие проекты-маяки и проекты технологического суверенитета [1].
Выделенных субъектов в настоящем исследовании будем называть компаниями высокотехнологичных отраслей (далее - КВР) и для них будем рассматривать понятие цифровой устойчивости (далее - ЦУ).
Анализ значительного количества трудов российских и зарубежных специалистов показал, что не существует унифицированных подходов к определению цифровой устойчивости систем. В трудах российских ученых и практиков цифровая устойчивость часто рассматривается как киберустойчивость (далее - КУ) и устойчивость в целях обеспечения информационной безопасности, а также - устойчивость ИТ - инфраструктуры компании [3].
Цифровая устойчивость системы решает такие проблемы как: защита данных и ИТ - безопасность в целом (противостояние и предотвращение мошенничества, хакер-ских атак, вирусов); скорость и качество передачи данных; развитие человеческого капитала, в том числе непрерывное развитие и обучение персонала (ИТ - навыкам) [4]. Зарубежные ученые утверждают о том, что исследования на стыке цифровизации и устойчивого развития только начинаются [5], однако уже дифференцируют понятия цифровой устойчивости и киберустойчивости. Киберустойчивость определена как часть цифровой устойчивости, способность выявлять уязвимости ИТ, реагировать на атаки и защищать ИТ - активы, а цифровая устойчивость имеет более широкую направленность и трактуется как способность компании гибко и быстро преодолевать различные сбои бизнеса посредством применения цифровых технологий, ЦУ предполагает использование современных технологий для реагирования на все виды кризисов и поддержания оперативной готовности, причем эти кризисы могут выходить далеко за рамки кибератак и быть связанными с: управлением непрерывностью бизнеса, ИТ -устойчивостью [6].
В целом понятие цифровой устойчивости эволюционировало от сохранения и обслуживания цифрового контента (2005 - 2007 гг.) до того, как организация использует технологии для достижения целей устойчивого развития (2020 г.). Цифровая устойчивость означает:
1) процесс применения принципов социального, экономического и экологического управления к цифровым продуктам, услугам и данным, доставляемым через Интернет [7];
2) организационная деятельность, которая стремится к продвижению целей устойчивого развития посредством творческого внедрения технологий, которые создают, используют, передают электронные данные [8];
3) деятельность, охватывающая широкий спектр вопросов и проблем, которые способствуют долговечности цифровой информации на протяжении общего жизненного цикла, технических и социотехнических проблем, связанных с созданием и управлением цифровыми объектами («большими данными») [9];
4) практика создания, использования и регулирования цифровых ресурсов с целью максимизировать их ценность для общества сегодня и в будущем, включающая совокупность требований: к продукту, к экосистеме, к вкладу в устойчивое развитие (зрелость, семантические данные, справедливые структуры управления, совместное использование знаний) [10];
6) подотрасль цифровой трансформации, в которой компании стремятся достичь своих целей в области устойчивого развития, используя такие технологии как: искусственный интеллект (далее - ИИ), блокчейн, промышленный интернет и другие умные технологии; смысл ЦУ заключается в повышении корпоративной эффективности для содействия устойчивому развитию [11].
Очевидно, что единого понятия цифровой устойчивости систем пока не сформировано в научной теории и практике. Анализ общей совокупности дефиниций позволяет рассматривать ЦУ как:
- способность предприятия непрерывно функционировать и устойчиво развиваться на основе внедрения в работу цифровых технологий;
- равноценный компонент устойчивого развития наряду с экономической, экологической и социальной составляющими;
- кибербезопасность, хотя КУ - только один из ключевых элементов ЦУ.
В рамках настоящего исследования под цифровой устойчивостью КВР (далее -ЦУ КВР) предлагается понимать способность КВР достигнуть и сохранять в долгосрочном периоде лидирующие позиции по устойчивому развитию в своей отрасли, по обеспечению непрерывного инновационного процесса и готовности выходить и /или создавать новые высокотехнологичные рынки, по скорости и гибкости реагирования и преодоления различных сбоев и кризисов, в том числе киберинцидентов, по готовности
к изменениям и скорости усвоения и применения новых знаний и навыков посредством создания и /или внедрения цифровых технологий и фокусирования на главных целях и возможностях их применения, постоянной готовности создавать новые технологии, развития интеллектуального потенциала и цифрового мышления на основе данных, цифрового управления рисками.
В целях достижения цифровой устойчивости эксперты выделяют для компаний совокупность обязательных шагов: необходимость сформировать правильное цифровое мышление, то есть мышление на основе данных по всем процессам деятельности; обеспечить своему бизнесу гибкость и готовность к изменениям, выходу на новые рынки; рационально использовать ресурсы; фокусироваться на главных целях и возможностях применения цифровых технологий и развития интеллектуального капитала; мотивировать персонал высокими смыслами устойчивого развития и др. [5, 9].
Среди элементов цифровой устойчивости российские ученые выделяют ИИ как главный элемент и «большие данные» (далее - BigData) как главный ресурс в целях принятия эффективных решений киберфизическими системами [4], а именно об организации системы поддержки принятия решений (далее - СППР). Зарубежные специалисты также активно изучают и используют ИИ, машинное обучение и BigData как наиболее значимые технологии для обеспечения ЦУ систем различного уровня [12], но подчеркивают, что по-прежнему мало знаний на стыке ЦУ, ИИ и устойчивого развития [13].
Достаточно часто ИИ и машинное обучение рассматривают как инструменты киберустойчивости для защиты промышленного интернета как одного из самых уязвимых и подвергаемых кибератакам объекта. Помимо ИИ, машинного обучения и BigData к актуальным современным технологиям в целях ЦУ систем различного уровня эксперты относят облачные вычисления, блокчейн, технологии удаленной работы [11].
По мнению ученых, целесообразно рассматривать ЦУ на макро- (национальный) и микро- (предприятия) уровнях, поскольку оба уровня должны непрерывно взаимодействовать и влиять на итоговые решения по мерам и процедурам развития ЦУ экономики страны [14].
На макроуровне интерес представляет ЦУ экосистемы НТИ, под которой понимается способность экосистемы НТИ обеспечивать выполнение национальных стратегических задач и целей по достижению технологического суверенитета страны, обеспечивать непрерывность деятельности по созданию новых уникальных технологий и рынков посредством разработки и внедрения цифровых технологий, в т.ч. сквозных технологий, эффективной киберзащиты цифрового пространства НТИ, готовности к изменениям, рационального использования ресурсов, представленная структура, разработанная авторами исследования (рис.1).
Согласно структуре, представленной на рисунке 1, ЦУ экосистемы НТИ включает совокупность взаимосвязанных элементов:
«1» - ЦУ ядра экосистемы НТИ;
«2» - ЦУ КВР;
«3» - ЦУ цикла BigData;
«4» - ЦУ цифрового пространства экосистемы НТИ;
«5» - ЦУ системы межотраслевого взаимодействия рынков НТИ).
Ядро экосистемы НТИ взаимосвязано с рынками НТИ (действующими и формирующимися), в т.ч. через технологии рынка Технет, в первую очередь ИИ, и цикл BigData.
Стандарт ЦУ КВР (рис. 1) выступает связующим звеном взаимодействия всех элементов экосистемы НТИ для обеспечения ее цифровой устойчивости.
В цикле BigData идет обмен данными между ядром экосистемы НТИ и всеми КВР. Цикл работает и развивается в непрерывно режиме, способствует развитию мультипликативного эффекта экосистемы НТИ и регулируется нормативно-правовыми документами. ЦУ КВР выступает важным звеном, необходимым условием ЦУ экосисте-
мы НТИ, а значит, и ее устойчивого развития. Правильно выстроенная экосистема НТИ с высоким уровнем ЦУ способна обеспечить качественные данные для обучения ИИ.
Перейдем к структуре ЦУ КВР. Отметим, что несмотря на уникальность цифровых пространств и продуктов каждой отдельной КВР, у них у всех есть общие свойства, которые можно включить в стандарт ЦУ КВР:
1) уникальная модель обучения ИИ в цикле BigData;
2) высокий уровень цифровой зрелости (управление на основе данных);
3) высокий уровень системы поддержки принятия решений (СППР), построенной и учитывающей взаимодействие ИИ и цикла BigData, киберустойчивости и критических технологий (рис. 2).
Мировые рынки
Рис. 1. Структура цифровой устойчивости экосистемы НТИ
Рис. 2. Структура цифровой устойчивости КВР
Большими стрелками на рисунке 2 показан цикл цифрового сопряжения КВР с экосистемой НТИ, а именно цикл BigData на уровне КВР. Этот цикл включает взаимосвязанное развитие СППР и цифровой зрелости (далее - ЦЗ): на каждом цикле уровни обеих составляющих цикла (ЦЗ и СППР) должны увеличиваться в том числе за счет эффективной работы комплементарных оснований: ИИ, BigData, киберустойчивости, критических технологий.
Комплементарные основания - это различные аспекты или элементы, которые дополняют друг друга и создают более полное представление или понимание определенной ситуации, проблемы или концепции. Комплементарные основания могут быть
288
использованы для объединения разных точек зрения, подходов или навыков, чтобы достичь более эффективных результатов или решений. Комплементарные основания могут быть применены в различных областях, включая науку, бизнес.
Критические технологии имеют системное значение и необходимы для производства наиболее значимой высокотехнологичной продукции [1]. Критические технологии - это технологии, которые имеют важное стратегическое значение для различных областей жизни и общества. Они могут иметь широкое применение и влияние на экономику, национальную безопасность, научные исследования, социальные изменения и другие аспекты общественной жизни. Критические технологии обычно требуют высокой степени экспертизы и инвестиций для их разработки, применения и поддержки. Примеры критических технологий включают искусственный интеллект, квантовые вычисления, кибербезопасность, биотехнологии и другие.
Система поддержки принятия решений (СППР) - это пространство, которое аккумулирует знания на основе аналитики BigData и экспертных заключений и трансформирует их в действия по процессам.
Однако, в настоящее время не существует унифицированных подходов к концептуальной модели формирования СППР, в том числе на основе BigData и ИИ [6].
Уровень СППР можно оценивать с точки зрения общей величины семантического разрыва по всем направлениям деятельности КВР, функционирующим на основе управления данными и величины дефицита данных. Оба параметра зависят от цифровой зрелости КВР.
Семантический разрыв - это понятие, которое описывает различия в смысле или интерпретации информации между разными сторонами или контекстами. Он возникает, когда две или более стороны имеют разные представления или понимание определенных понятий, терминов или концепций. Семантический разрыв может приводить к недоразумениям, непониманию и проблемам в коммуникации. Для преодоления семантического разрыва важно установить ясные определения понятий и обеспечить взаимопонимание между сторонами.
На наш взгляд, пока в рамках стандарта ЦУ КВР сложно предложить концепцию унификации подходов к построению СППР для КВР, но вполне возможно работать с подходами к оценке дефицита данных, который в том числе зависит от объема генерируемых BigData и уровня цифровой зрелости КВР.
Цифровая зрелость КВР рассматривается как результат цифровой трансформации КВР, оцениваемый по степени и глубине интеграции цифровых технологий во все процессы деятельности КВР в определенный временной период [15].
Уровни ЦЗ любых компаний, как правило, дифференцируются от самого низкого, когда организация только готовится к цифровой трансформации процессов, до самого высокого, построенного на управлении на основе данных. Соответственно, чем выше уровень ЦЗ предприятия, тем быстрее генерируются и обрабатываются BigData и тем выше уровень ЦУ КВР.
Среди современных проблем оценки ЦЗ можно выделить:
1) отсутствуют единые подходы к оценке ЦЗ современных организаций;
2) действующие методики не учитывают системный характер;
3) нет учета скорости цифровых преобразований;
4) инновационный потенциал хозяйствующих субъектов опирается на субъективный выбор направлений;
5) сбор данных опирается на субъективные методы: опросы, анкетирование и другие оценки.
В целях унификации подходов к оценке ЦЗ КВР для стандарта ЦУ КВР авторами предлагается использовать подход на основе оценки финансовых, временных и других потоков, генерируемых посредством управления на основе данных в значительном количестве направлений деятельности КВР.
В данном исследовании авторами предлагается построить модель, включающую систему уравнений оценки цикла BigData. Метрики с применением уравнений могут быть минимум двух типов:
- первого типа - экономия времени или ресурсов КВР в связи с работой данного цикла;
- второго типа - оценка уровня вложений цикла BigData в создание новых технологий / рынков НТИ.
Представим предлагаемую модель в упрощенном виде. Допустим, что количество КВР в заданном временном периоде равно п. В целях обобщения примем, что число оцениваемых направлений для ЦЗ каждой КВР равно m. Тогда поток (в денежных единицах или в единицах времени) по каждой КВР с учетом управления на основе данных можно оценить следующим образом:
т
BDrI (X) = &*(0 С¥у (X), (1)
м
где ББг1 (X) - общий поток по т направлениям оценки цифровой зрелости 1-ой КВР, единице (рубль, час); С¥ц (X) - поток по]-ому направлению оценки ЦЗ 1-ой КВР, единицы (рубль, час); (X) - показатель корректировки потоков, условных единицах.
Поток БВг1 (X) образуется в цикле BigData (рис. 2).
Потоки С¥ц (X) оцениваются как экономия / получение дополнительной выгоды (временной, денежной и др.) с учетом работы цикла BigData на уровне КВР. Показатель (X) является функцией зависимости потоков от уровня дефицита данных и семантических разрывов (для анализа СППР) и оценивается в текущем периоде экспертно.
Помимо потоков ББг1 (X) для полного цикла BigData для 1-ой КВР актуально оценивать потоки ББт (X) как уровень вложений цикла BigData в создание новых технологий / рынков НТИ:
БDnl (X) = ^ (X) ■ С¥п1 (X), (2)
где ББт (X) - итоговый поток от вложений 1-ой КВР в создание новых технологий / рынков НТИ, ед. (руб., час); С¥п (X) - поток от вложений 1-ой КВР в создание новых технологий / рынков НТИ, ед. (руб., час).
Потоки ББп (X) образуются в сферах межотраслевого взаимодействия КВР в цикле BigData в областях с цифрой «5» (рис. 1). Оценивать данные потоки можно, например, через оценку роста доли высокотехнологичной продукции в ВВП или роста доли продукции новых компаний / рынков, образованных в течение заданного периода.
В целом объем потоков цикла BigData на уроне КВР составляет:
БОг (X) = БВг1 (X) + БВп (X), (3)
где БВ1 (X) - общий поток от работы цикла BigData на уровне КВР, ед. (руб., час).
В результате всех произведенных оценок рассчитывается интегральный показатель ЦЗ КВР как отношение потока ББ1 (X) к величине общего дохода (или величине затраченного рабочего времени с добавлением часов ББ1 (X)) КВР за период, т.е. доля вложения цикла BigData в доход КВР:
Кг = ^ (4) 1 ^ (X) ^ ^
где (X) - интегральный показатель ЦЗ КВР, %; Яп (X) - доход 1-ой КВР за период (или общий объем затраченного рабочего времени вместе с ББ1 (X)), ед. (руб., час).
С учетом построенных уравнений (1) - (4) модель оценки ЦЗ КВР можно представить в виде системы уравнений:
m
BDr (t) = Sd(t) CFt (t),
BDn (t) = Sd (t) ■ CFn (t), BD (t) = BDr (t) + BDn (t),
>
(5)
Представленная модель (5) носит предикативный характер, поскольку позволяет прогнозировать и моделировать различные сценарии и корректировать их при необходимости.
Модель (5) представляет собой обобщенный вариант оценки ЦЗ, который подлежит апробации на значительном количестве КВР по мере их развития. Однако, такой подход вполне можно рассматривать в перспективе для стандарта ЦУ КВР.
Стандарт ЦУ КВР в настоящее время необходим и очень актуален на уровне общих положений и терминологии в условиях фокусирования внимания на развитии высокотехнологичных производств с дальнейшим развитием и полностью утвержденный. Разработка стандарта проходит несколько этапов.
На первом этапе в стандарт целесообразно включать основные понятия КВР и определения ЦУ КВР и ее компонентов, а также совокупность требований к модели обучения ИИ и организации цикла BigData и киберустойчивости; ЦЗ и параметрам организации СППР и другие метрики.
В отношении типа стандарта ЦУ КВР отметим, что, поскольку активизируются процессы создания Умных стандартов, то целесообразно стандарт ЦУ КВР сразу формировать и разрабатывать с учетом парадигмы и в виде SMART - стандарта.
SMART - стандарт - это совокупность данных в машиночитаемом, машиноин-терпретируемом и машинопонимаемом форматах. Согласно предварительному Национальному стандарту ПНСТ 864-2023 «Умные (SMART) стандарты. Общие положения», утвержденному в 2023 году [16, 17].
На апробацию первого утвержденного в России Умного стандарта выделено три года, что предполагает тесную работу разработчиков и пользователей (реальный сектор экономики) в целях формирования оптимальной практической версии. Очевидно, что внедрять в практику умный стандарт непросто, но, с высокой вероятностью, можно предполагать, что для экосистемы НТИ и ее субъектов стандарты будут разрабатываться внутри самой экосистемы и апробироваться на полной совокупности рынков НТИ. Данное предположение позволяет уже сегодня начинать подготовку Умного (SMART) стандарта на базе КВР.
По мнению авторов данного исследования, предварительный вариант стандарта ЦУ КВР с элементами умного стандарта должен включать следующие элементы:
1) понятийный аппарат;
2) требования к цифровой зрелости КВР и инструментам ее оценки;
3) требования к организации и оценке СППР КВР;
4) требования к организации цикла BigData на уровне КВР, в частности к видам данных и организации их хранения, структурирования, передачи (smart);
5) требования к ИИ (связь со стандартами ИИ), но дополнительно - к модели обучения ИИ (smart);
6) требования к киберустойчивости КВР (smart);
7) требования к организации системы коммуникаций, сетевого интегрированного взаимодействия КВР внутри экосистемы НТИ;
8) взаимосвязь данного стандарта с другими стандартами и нормативно-правовыми документами, относящимися к деятельности НТИ и технологическому развитию страны в целом;
9) правила пересмотра и корректировки стандарта.
Выделенные разделы стандарта ЦУ КВР в скобках со словом «smart» являются теми ведущими блоками, с которыми уже на текущем этапе определения ЦУ КВР и ЦУ экосистемы НТИ можно работать в направлении умной стандартизации и на практике КВР апробировать те или иные подходы для формирования оптимальных версий и масштабирования как на все КВР, так и в целом в рамках экосистемы НТИ.
По итогам проведенного исследования авторами сделаны выводы:
1) в процессе исследования выделены КВР как компании-лидеры развития рынков и отраслей НТИ, непосредственно участвующие в проектах-маяках и проектах технологического суверенитета РФ;
2) выявлено, что единого понятия цифровой устойчивости систем пока не сформировано в научной теории и практике, поэтому в целях исследования предложено авторское определение ЦУ КВР и разработаны авторские структуры ЦУ экосистемы НТИ и ЦУ КВР. В ЦУ экосистемы НТИ стандарт ЦУ КВР выступает связующим звеном взаимодействия всех этих элементов, а в цикле BigData идет обмен данными между ядром экосистемы НТИ и всеми КВР. ЦУ КВР представлена в виде цикла цифрового сопряжения КВР с экосистемой НТИ, включающего взаимосвязанное развитие СППР и ЦЗ КВР за счет эффективной работы комплементарных оснований: ИИ и BigData, ки-берустойчивости и критических технологий;
3) предложен авторский подход и построена в обобщенном варианте предикативная модель оценки ЦЗ КВР, позволяющая связать ЦЗ КВР с циклом BigData и заложить основы стандартизации данных элементов ЦУ КВР;
4) предложен пилотный вариант стандарта ЦУ КВР с выделенными SMART -разделами и обоснована целесообразность его формирования и апробации как минимум по «умным» разделам уже на текущем этапе развития экосистемы НТИ и КВР.
Формирование стандарта цифровой устойчивости компаний высокотехнологичных рынков является важным процессом, который направлен на обеспечение безопасности и надежности информационных систем и данных компаний. Такой стандарт определяет набор требований и рекомендаций, которые компании должны соблюдать для защиты своих информационных активов и снижения рисков цифровых атак и утечек данных.
Список литературы
1. Об утверждении Концепции технологического развития на период до 2030 года : Распоряжение Правительства РФ от 20 мая 2023 г. № 1315-р [Электронный ресурс]. URL: https://www.garant.ru/products/ipo/prime/doc/406831204/ (дата обращения: 11.02.2024).
2. Российская академия наук в решении проблем научно-технологического развития РФ: Общее собрание Отделения общественных наук Российской академии наук (ООН РАН) 11.12.2023 [Электронный ресурс]. URL: http://www.cemi.rssi.ru/news/science/index.php?ELEMENT ID=16992 (дата обращения: 05.02.2024).
3. На TNF 2023 обсудили вопросы цифровой устойчивости индустрии 4.0 [Электронный ресурс]. URL: https:// oil gasforum.ru/news/partners/vstroennaya-bezopasnost-konsortsiumy-i-obshchie-standarty-na-tnf-2023-obsudili-voprosy-tsifrovoy-ust/ (дата обращения: 20.01.2024).
4. Лясковская, Е.А. Индустрия 4.0 и устойчивое развитие: от устойчивых бизнес-моделей к цифровой устойчивости // Вестник ЮУрГУ. Серия «Экономика и менеджмент». 2021. Т. 15. № 4. С. 73 - 83.
5. Bohnsack R, Bidmon C., Jonatan Pinkse J. Sustainability in the digital age: Intended and unintended consequences of digital technologies for sustainable development // Business Strategy and the Environment. 2022. V. 31 (2). P. 599 - 602.
6. Cano J. J. M. FLEXI - A Conceptual Model for Enterprise Cyber Resilience // Procedia Computer Science. 2023. № 219. P.11 - 19.
7. Wut T.M., Lee D., Ip W.M., Lee S.W. Digital Sustainability in the Organization: Scale Development and Validation // Sustainability. 2021. V. 13 (6). P. 1 - 14.
8. George G., Merrill R.K., Schillebeeckx S.J.D. Digital sustainability and entrepre-neurship: How digital innovations are helping tackle climate change and sustainable development. Entrepreneurship Theory Practice. 2020. № 1. С. 1 - 28.
9. Bradley K. Defining digital sustainability // Library Trends. 2007. V. 56 (1). P. 148 - 163.
10. Sturmer, M.; Abu - Tayeh, G.; Myrach, T. Digital sustainability: Basic conditions for sustainable digital artifacts and their ecosystems. Sustainability Science. 2017. V. 12 (1). P. 247 - 262.
11. Dilmegani C. Digital Sustainability in 2024: Importance & Top 5 Digital Solutions [Электронный ресурс]. URL: https://research.aimultiple.com/digital-transformation-and-sustainability/ (дата обращения: 05.02.2024).
12. Alrumaih T.N.I., Alenazi M.J.F., AlSowaygh N.A., Humayed A. A., Alablani I. A. Cyber resilience in industrial networks: A state of the art, challenges, and future directions // Journal of King Saud University - Computer and Information Sciences. 2023. № 35. P. 1 -24.
13. Schoormann T., Strobel G., Moller F., Petrik D. Artificial Intelligence for Sus-tainability—A Systematic Review of Information Systems Literature // Communications of the Association for Information Systems. 2023. V. 52 (8). P. 199 - 237.
14. Abazi B. Establishing the National Cybersecurity (Resilience) Ecosystem //
IFAC PapersOnline. 2022. V. 55(35). P. 42 - 47.
15. Ноговицын М. А. Отраслевой аспект формирования модели цифровой трансформации экономической системы в условиях глобальных вызовов (на примере отрасли черной металлургии) // Инновации и инвестиции. 2022. № 12. С. 242- 248.
16. База ГОСТов: Предварительный Национальный стандарт ПНСТ 864-2023 «Умные (SMART) стандарты» [Электронный ресурс]. URL: https://allgosts.ru/35/020/pnst 864-2023; (дата обращения: 16.02.2024).
17. Федеральное Агентство по техническому регулированию и метрологии: ПНТ 864-2023, Умные (SMART) Стандарты. Общее положение. https://protect.gost.ru/document.aspx?control=7&id=255709 (дата обращения: 16.02.2024).
Ноговицын Максим Александрович, аспирант, [email protected] , Россия, Москва, МГТУ им. Н. Э. Баумана,
Ляпунцова Елена Вячеславовна, д-р техн, наук, профессор, [email protected], Россия, Москва, МГТУ им. Н.Э. Баумана
APPROACHES TO FORMING A STANDARD FOR DIGITAL SUSTAINABILITY OF COMPANIES IN HIGH-TECH MARKETS
МЛ. Nogovitsyn, E.V. Lyapuntsova
The article is devoted to the formation of the conceptual framework of digital sustainability of companies in high-tech markets of the National Technology Initiative (NTI). A systematic approach to understanding the digital sustainability of such companies based on their interaction with each other and the NTI ecosystem to ensure the sustainable development of all actors in the digital economy is presented. The author's definition and structure of digital sustainability of companies in high-tech markets are proposed. Approaches to the formation of a smart standard of digital sustainability of the companies under consideration are developed.
Key words: digital sustainability, high-tech market companies, artificial intelligence,
BigData.
Nogovitsyn Maxim Alexandrovich, postgraduate, [email protected] , Russia, Moscow, Bauman Moscow State Technical University,
Lyapuntsova Elena Vyacheslavovna, doctor of technical sciences, professor, [email protected], Russia, Moscow, Bauman Moscow State Technical University
УДК 658.562
DOI: 10.24412/2071-6168-2024-1-294-295
К ВОПРОСУ ОРГАНИЗАЦИИ КОНТРОЛЯ В ПРОИЗВОДСТВЕ
О.И. Борискин, С.Н. Ларин, Г.А. Нуждин, И.В. Муравьева, М.Г. Нуждин
Обсуждены вопросы проведения оценки воздействия на окружающую среду машиностроительного и металлургического производства с применением метода определения фторид-ионов и хлорид-ионов в депонирующих среда. Правильность результатов их определения подтверждена сопоставлением результатов, полученных несколькими параллельными измерениями по стандартизованной методике. Проведено сопоставление полученных результатов при использовании каждого из двух способов подготовки проб.
Ключевые слова: депонирующие среды, загрязнители, хлорид-ион, фторид-ион, экологический контроль, потенциометрический метод.
Функционирование производственных предприятий может оказывать значительное влияние на окружающую среду, экологическую обстановку и проч. На всей территории Российской Федерации (РФ) законодательно закреплен принцип обязательности проведения оценки воздействия на окружающую среду (далее — ОВОС) при принятии решений об осуществлении хозяйственной и иной деятельности. Также регламентировано проведение ОВОС в отношении не только осуществляемой, но даже и планируемой деятельности, которая может оказать прямое или косвенное воздействие на окружающую среду, независимо от организационно-правовых форм собственности юридических лиц и индивидуальных предпринимателей (ст. 3, п. 1 ст. 32 Федерального закона «Об охране окружающей среды») [1].
Проекты технической документации на новые технику и/или технологию, использование которых может оказать воздействие на окружающую среду; проекты технической документации на новые вещества, которые могут поступать в природную среду, - это все объекты государственной экологической экспертизы [2]. Известно, например, что количественный и качественный состав стоков машиностроительных предприятий разнообразен и зависит от технологических процессов, используемых в производственном цикле [3, 4]. Именно поэтому однозначная идентификация металлов, сплавов и растворенных в воде примесей служит одним из важных факторов в обеспечении деятельности металлургического комплекса и затем машиностроительного производства [5].
В материалы ОВОС в отношении отдельных видов хозяйственной и иной деятельности, обосновывающая документация которых является объектом экологической экспертизы в соответствии с Федеральным законом от 23 ноября 1995 г. N 174-ФЗ «Об экологической экспертизе», должны быть включены общие сведения о веществе; его физико-химические свойства; стандарт организации и технический регламент получения и применения вещества, содержащие в том числе условия, а также количественные
