КОНЦЕПТУАЛЬНАЯ МОДЕЛЬ ОЦЕНКИ РИСКОВ ПРИ ВНЕДРЕНИИ ИЗМЕНЕНИЙ В СУДОСТРОИТЕЛЬНОЙ ОТРАСЛИ

Аннотация

Судостроительная отрасль является сложной организационно-технической системой, характеризующейся длительным жизненным циклом, множеством взаимосвязей между подсистемами и высокой стоимостью управленческих ошибок. Внедрение изменений в такой системе затрагивает одновременно технологические процессы, снабжение, производственное планирование, цифровую инфраструктуру и компетенции персонала. Цель статьи заключается в разработке концептуальной гибридной модели оценки рисков, возникающих при реализации изменений, на основе объединения сетевого представления системы, экспертных оценок и сценарного моделирования. Научная новизна предлагаемого подхода состоит в выделении двух взаимосвязанных контуров риска: контура непосредственного воздействия изменения и контура распространения его последствий через существующие зависимости между элементами системы. Это позволяет перейти от традиционного перечня потенциальных рисков к анализу возможных траекторий их развития и взаимного влияния. Практическая значимость модели определяется возможностью её использования при создании цифрового двойника производственной системы и обосновании решений о поэтапном внедрении изменений.

Ключевые слова: адаптивное управление; организационно-техническая система; риск; сложные системы; управление изменениями; устойчивость.

Судостроительная система сочетает в себе особенности уникального производства, длительные производственные циклы и разветвлённую сеть кооперационных связей [1]. Поэтому изменение одного процесса может повлечь за собой последствия для снабжения, загрузки оборудования, контроля качества и сроков выполнения работ. Внедрение инноваций, модернизация оборудования или развертывание цифровых платформ в подобных системах неизбежно порождают каскадные возмущения, способные распространяться по всей технологической цепочке [2]. Традиционные методики проектного риск-менеджмента, использующие статические матрицы вероятностей и последствий, не способны адекватно оценить динамическое распространение сбоев и возникновение эмерджентных свойств системы [3].

Анализ динамики судостроительных производств в условиях турбулентности показывает высокую чувствительность результатов внедрения к малым флуктуациям начальных параметров [4]. Использование аппарата теории хаоса и нелинейной динамики позволяет формализовать процессы возникновения хаотических режимов и определить границы устойчивости производственного контура [1]. При этом модель предприятия целесообразно представить в виде взвешенного ориентированного графа:

,

где V – совокупность элементов производственной, управленческой и цифровой инфраструктуры, а E— связи и зависимости между ними [5].

Для описания функциональных взаимозависимостей и вариативности производственных операций в модели применяется метод резонансного функционального анализа [6]. Оценка параметров неопределенности, связанных с человеческим фактором и квалификационной готовностью персонала к нововведениям, осуществляется на основе математических методов обработки экспертных суждений в нестабильных средах [7]. Синтез модели опирается на принципы устойчивости, ориентированные на обеспечение живучести и быстрого восстановления технологических процессов независимо от источника сбоя [8]. Для каждого сценария реализации изменений производится расчёт комплексного критерия устойчивости проекта:

,

где P – нормированный риск срыва сроков; D – риск роста затрат; U – устойчивость к возмущениям; F – скорость восстановления; q_i – веса. В отличие от оценки одного ожидаемого результата, такой критерий учитывает диапазон последствий и способность системы выдержать неблагоприятный сценарий.

Структурно-логическая взаимосвязь функциональных блоков, обеспечивающих расчет критерия устойчивости и выработку управляющих воздействий, систематизирована в таблице 1.

Таблица 1.

Архитектура и функциональные компоненты гибридной модели рисков

Как видно из представленных в таблице 1 данных, ни один из модулей изолированно не решает задачу комплексной оценки: топологический блок выявляет каналы распространения сбоев, динамический модуль определяет устойчивость к начальным возмущениям, экспертный блок компенсирует дефицит метрических данных по персоналу, а сценарный модуль синтезирует итоговые траектории в среде цифрового двойника. Таким образом, гибридный характер архитектуры обеспечивает непрерывный переход от статических уязвимостей к динамическому прогнозированию каскадных эффектов при внедрении инноваций [1].

Сценарный блок модели интегрируется с цифровым двойником судостроительного предприятия, что позволяет проводить виртуальные стресс-тесты организационных изменений до их внедрения в цехах. Научная новизна предложенного решения заключается в системном соединении сетевого анализа распространения дефектов, нелинейного динамического моделирования и экспертной верификации в рамках единой платформы поддержки принятия решений. Практическое применение модели на верфях позволяет снизить длительность простоев и предотвратить срывы сроков сдачи судов при проведении модернизации.

Таким образом, предлагаемая гибридная модель позволяет перейти от статического перечня потенциальных угроз к анализу динамики их развития и распространения последствий по взаимосвязанным элементам судостроительной системы, что создаёт основу для более обоснованного выбора управленческих решений и повышения устойчивости системы при реализации изменений.

Список литературы

1. Григорьева А.В. Применение теории хаоса для управления рисками в цифровых двойниках судостроительных производственных систем. – СПб. – 2025. – 6 с.

2. Borissov D. et al. Enterprises as Complex Systems: Navigating Challenges and Embracing Resilience // Business Ethics and Leadership. – 2024. – Т. 8, № 4. – P. 95⁠–⁠122.

3. da Silva Vieira R. Complex adaptive systems. P. 139⁠–⁠149. – Cham: Springer International Publishing, 2021.

4. Santos V. et al. Use of management controls and product innovation in startups: intervention of knowledge sharing and technological turbulence // Journal of Knowledge Management. – 2023. – Т. 27, № 2. – P. 264⁠–⁠284.

5. Atoiev K., Knopov P. Modeling of complex systems instability under risks and uncertainty // 2022 IEEE 3rd International Conference on System Analysis & Intelligent Computing (SAIC). – 2022. – P. 1⁠–⁠4.

6. Salehi V., Veitch B., Smith D. Modeling complex socio-technical systems using the FRAM: A literature review // Human Factors and Ergonomics in Manufacturing & Service Industries. – 2021. – Т. 31, № 1. – P. 118⁠–⁠142.

7. Баламирзоев Н.Л., Мелехин В.Б. Метод обработки экспертных данных для построения эмпирических математических моделей сложных систем, функционирующих в нестабильных окружающих средах // Вестник Дагестанского государственного технического университета. Технические науки. – 2025. – Т. 52, № 2. – С. 63⁠–⁠73.

8. Trump B.D. et al. Threat-agnostic resilience: Framing and applications // International Journal of Disaster Risk Reduction. – 2021. – Art. 105535.