Журнал исследований по управлению, 2022, № 2

ISSN 2500-3291 
 
ЖУРНАЛ ИССЛЕДОВАНИЙ ПО УПРАВЛЕНИЮ 
Сетевой научный журнал 
Том 8 
■ 
Выпуск 2 
■ 
2022 
 
Выходит 6 раз в год  
 
 
 
 
 
 
 
      Издается с 2015 года 
 
 
Свидетельство о регистрации средства 
массовой информации  
Эл № ФС77-61321 от 07.04.2014 г. 
 
Издатель:  
ООО «Научно-издательский центр ИНФРА-М» 
127282, г. Москва, ул. Полярная, д. 31В, стр. 1 
Тел.: (495) 280-15-96 
Факс: (495) 280-36-29 
E-mail: books@infra-m.ru 
http://www.infra-m.ru 
 
Главный редактор:  
Тебекин А.В. – д-р техн. наук, д-р экон. наук, 
профессор, почетный работник науки и техники 
Российской Федерации, профессор кафедры 
менеджмента Московского государственного 
института международных отношений 
(Университета) МИД России 
 
Ответственный редактор:  
Титова Е.Н. 
E-mail: titova_en@infra-m.ru 
 
© ИНФРА-М, 2022 
 
Присланные рукописи не возвращаются.  
Точка 
зрения 
редакции 
может 
не 
совпадать 

с мнением авторов публикуемых материалов.  
Редакция оставляет за собой право самостоятельно 
подбирать к авторским материалам иллюстрации, 
менять заголовки, сокращать тексты и вносить в 
рукописи необходимую стилистическую правку без 
согласования 
с 
авторами. 
Поступившие 

в редакцию материалы будут свидетельствовать о 
согласии авторов принять требования редакции.  
Перепечатка 
материалов 
допускается 

с письменного разрешения редакции.  
При цитировании ссылка на журнал «Журнал 
исследований по управлению» обязательна.  
Редакция не несет ответственности за содержание 
рекламных материалов.  
 
Опубликовано: 25.04.2022 
 
САЙТ: http://naukaru.ru/ 
E-mail: titova_en@infra-m.ru

СОДЕРЖАНИЕ

 

5.2.2. Математические, статистические 
и инструментальные методы в экономике 

 
Сауренко Т.Н., Анисимов В.Г.,  
Анисимов Е.Г., Пак А.Ю. 
Оптимизация параметрических рядов 
продукции предприятия с учетом 
случайности рыночного спроса и 
упущенной выгоды 
 
Шмелева А.С. 
Алгоритм выбора методологии управления 
цифровыми инновационными проектами 
 
5.2.5. Мировая экономика 
 
Тебекин А.В. 
О 
необходимости 
создания 
новой 
национальной модели устойчивого развития 
хозяйствующих субъектов 
 

5.2.6. Менеджмент 

 
Тебекин А.В., Митропольская- 
Родионова Н. В., Хорева А.В. 
Очередной виток западных санкций как 
шанс для стратегического инновационного 
развития национальной экономики 
 
Юнусов И.А., Юнусов Л.А. 
Роль малого и среднего 
предпринимательства в восстановлении 
экономики СССР – уроки для современной 
России 
 
 
 

РЕДАКЦИОННЫЙ СОВЕТ

Тебекин Алексей Васильевич – д-р техн. наук, 
д-р экон. наук, профессор, профессор кафедры 
менеджмента Одинцовского филиала ФГАОУ ВО 
«Московский 
государственный 
институт 
международных 
отношений 
(университет) 
Министерства 
иностранных 
дел 
Российской 
Федерации», г. Москва 

Анисимов Владимир Георгиевич - д-р техн. наук, 
профессор, 
профессор 
ФГАОУ 
ВО 
«СанктПетербургский политехнический университет Петра 
Великого», г. Санкт-Петербург 

Анисимов Евгений Георгиевич – д-р техн. наук, 
д-р воен. наук, профессор, профессор ФГАОУ ВО 
«Российский 
университет 
дружбы 
народов», 

г. Москва 
Бобылева Алла Зиновьевна – д-р экон. наук, 
профессор, заведующий кафедрой, ФГБОУ ВО 
«Московский государственный университет имени 
М.В. Ломоносова», г. Москва 
Буренин Владимир Арсеньевич – д-р экон. наук, 
канд. техн. наук, профессор, профессор кафедры 
менеджмента, маркетинга и внешнеэкономической 
деятельности, 
ФГАОУ 
ВО 
«Московский 
государственный 
институт 
международных 
отношений 
(университет) 
Министерства 
иностранных дел Российской Федерации», г. Москва 

Ларионов Аркадий Николаевич – действительный 
член, вице-президент Международной академии 
инвестиций и экономики строительства, Советник 
Российской академии архитектуры и строительных 
наук, д-р экон. наук, профессор, Генеральный 
директор ООО «Научно-исследовательский центр 
“Стратегия”», г. Москва 

Ларионова 
Юлия 
Владимировна 
– 
член 
Международного Союза экономистов (МСЭ) и 
Вольного экономического общества (ВЭО), д-р экон. 
наук, 
доцент, 
доцент 
кафедры 
организации 
строительства 
и 
управления 
недвижимостью, 
ФГБОУ ВО «Национальный исследовательский 
Московский 
государственный 
строительный 
университет», г. Москва 

Макрусев Виктор Владимирович – д-р физ.-мат. 
наук профессор, профессор, ГКОУ ВО «Российская 
таможенная академия», г. Люберцы 

Молчанова Ольга Петровна – д-р экон. наук, 
профессор, 
Зам. 
деана 
по 
дополнительному 
образованию, профессор, Экономический факультет 
ФГБОУ 
ВО 
«Московский 
государственный 
университет имени М.В. Ломоносова», г. Москва 

Юнусов Ленар Альбертович – д-р экон. наук, 
доцент, 
профессор 
кафедры 
менеджмента, 
маркетинга и внешнеэкономической деятельности, 
ФГАОУ ВО «Московский государственный институт 
международных 
отношений 
(университет) 
Министерства 
иностранных 
дел 
Российской 
Федерации», г. Москва 

Игнатьева А.В., МитропольскаяРодионова Н.В., Хорева А.В. 
Анализ лидерских качеств руководителя как 
источника 
обеспечения 
эффективного 
управления организацией  
(часть 4 заключительная) 
 

 

Оптимизация параметрических рядов продукции 
предприятия с учетом случайности рыночного 
спроса и упущенной выгоды 

 
Optimization of parametric series of enterprise 
products, taking into account the randomness of market 
demand and lost profits 
 

УДК 338 
Получено: 14.02.2022 
Одобрено: 02.03.2022 
Опубликовано: 25.04.2022 
 
Сауренко Т.Н. 
Д-р экон. наук, заведующий кафедрой таможенного дела Российского университета 
дружбы народов 
e-mail: tanya@saurenko.ru 
 
Saurenko T.N. 
Doctor of Economic Sciences, Head of Customs Department, Peoples' Friendship University of 
Russia 
e-mail: tanya@saurenko.ru 
 
Анисимов В.Г. 
Д-р техн. наук, профессор, заслуженный деятель науки Российской Федерации, профессор 
Санкт-Петербургского Политехнического университета им. Петра Великого 
e-mail: an-33@yandex.ru 
 
Anisimov V.G. 
Doctor of Engineering, Professor, Honored Scientist of the Russian Federation, Professor, Peter 
the Great St. Petersburg Polytechnic University 
e-mail: an-33@yandex.ru 
 
Анисимов Е.Г. 
Д-р техн. наук, д-р военных наук, профессор, заслуженный деятель науки Российской 
Федерации, профессор, Российского университета дружбы народов 
e-mail: anis.an-33@rambler.ru 
 
Anisimov E.G. 
Doctor of Engineering, Doctor of Military Sciences, Professor, Honored Scientist of the Russian 
Federation, Professor, Peoples' Friendship University of Russia, 
e-mail: anis.an-33@rambler.ru 
 
Пак А.Ю. 
Канд. экон. наук, доцент кафедры таможенного дела Российского университета дружбы 
народов,  
e-mail: ay.pak@yandex.ru 
 
 

Pak A.Yu. 
Candidate of Economic Sciences, Associate Professor of the Department of Customs, Peoples' 
Friendship University of Russia, 
e-mail: ay.pak@yandex.ru 
 
Аннотация 
Статья 
посвящена 
разработке 
методического 
подхода 
к 
построению 
моделей 
формирования оптимальных параметрических рядов производимой предприятиями 
продукции в условиях случайного характера рыночного спроса и упущенной выгоды при 
ее дефиците. Предлагаемый подход может быть использован при разработке конкретных 
моделей и методов для систем поддержки принятия решений по формированию 
производственных программ и товарных стратегий предприятий, ориентированных на 
мелкосерийное производство.  
Ключевые слова: предприятие, производственная программа, товарная стратегия, 
рыночный спрос, параметрический ряд продукции, оптимизация, дефицит, упущенная 
выгода, методический подход. 
 
Abstract 
The article is devoted to the development of a methodological approach to building models for 
the formation of optimal parametric series of products manufactured by enterprises in the 
conditions of a random nature of market demand and lost profits in case of its deficit. The 
proposed approach can be used in the development of specific models and methods for decision 
support systems for the formation of production programs and commodity strategies of 
enterprises focused on small-scale production. 
Keywords: enterprise, production program, product strategy, market demand, parametric range 
of products, optimization, deficit, lost profit, methodical approach. 
 
1. Введение. 
Определение целесообразных вариантов ассортимента и объемов производимой 
продукции является одной из важнейших задач управления предприятиями [1−4]. При 
этом в условиях рыночной экономики возникает задача учета случайного характера 
рыночного спроса на производимую продукцию и упущенной выгоды при ее возможном 
дефиците. Особенно острый характер эта задача приобретает при управлении 
предприятиями, 
ориентированными 
на 
мелкосерийное 
производство 
[5−10]. 
Эффективным инструментом ее решения в современных условиях цифровизации 
процессов 
управления является использование соответствующих математических 
моделей. Вместе с тем в известных в настоящее время системах поддержки принятия 
решений по формированию производственных программ и товарных стратегий 
предприятий, как правило, используются различные варианты детерминированных 
моделей оптимизации параметрических рядов их продукции, что не позволяет адекватно 
учитывать ни случайный характер рыночного спроса на производимую продукцию, ни 
упущенную выгоду при ее возможном дефиците. Этот пробел в части учета случайного 
характера рыночного спроса был устранен в работе [11]. Комплексный же учет этих 
факторов в моделях поддержки принятия решений по формированию производственных 
программ  и товарных стратегий предприятий составляет цель настоящей статьи, которая 
является дальнейшим развитием методического подхода, предложенного авторами в [11].  
2. Формализация задачи  
В 
общем 
случае 
рассматриваемую 
задачу 
формирования 
оптимальных 
параметрических рядов производимой предприятиями продукции можно представить 
следующим образом. Задан ряд изделий (типов продукции предприятия) с некоторыми 
параметрами U1<U2<…<Un. Эти изделия являются частично взаимозаменяемыми: изделие 
с меньшим значением соответствующего параметра может быть заменено изделием с 

большим значением этого параметра. Будем полагать, что объемы потребностей ξj (j=
n
1, ) 

в изделиях с параметром Uj (j=
n
1, ) могут быть представлены в виде случайных величин, 
распределённых по закону Пуассона и  характеризуются математическими ожиданиями 
спроса bj  (j=
n
1, ). Величины ξj и ξi (i,j=
n
1, , i≠j) предполагаются независимыми. 
Стоимость изделий j–го типа, которые обеспечивают потребности в изделиях i+1, 
i+2,…,j-1, j–го типа, определяется выражением  





=
>
+
=
,
0
0
;
0
)
(

0

ij

ij
j
j
j
ij
ij
x
x
x
c
c
x
c
                                                                               (1) 

где 

0
jc  − стоимость разработки изделия j–го типа; 
cj − стоимость производства и эксплуатации единицы изделия j–го типа; 

ij
x
− количество изделий j–го типа, которые обеспечивают потребности в изделиях 
(i+1, i+2,…,j-1, j) – го типа.  
При этом предполагается, что cj<cj+1, j=1,2,…,n-1 (n – количество типов изделий) и 
заявка на изделие k–го типа 
})
,...,
2
,1
{
(
j
i
i
k
+
+
∈
 удовлетворяется сразу же по 
мере ее появления за счет изделий j–го типа. 
Средняя упущенная выгода при нехватке одного изделия j–го типа находится по 
формуле  

∑
+
=
=

j

i
k
k
k
ij
j
i
P
j
i
c
с

1
)
,
(
)
,
(
ˆ
ˆ
,                                                                                       (2) 

где 
)
,
(
ˆ
j
i
ck
– упущенная выгода при нехватке одного изделия k–того типа; 

∑
+
=

=
j

i
m
m

k
k
b

b
j
i
P

1

)
,
(
− вероятность того, что дефицит изделий j–го типа, которые 

обеспечивают потребности в изделиях i+1, i+2,…,j-1, j –го типа, произойдет из-за спроса в 
изделиях k–го типа 
})
,...,
2
,1
{
(
j
i
i
k
+
+
∈
.  
С учетом случайного характера величины спроса суммарные затраты определяются 

выражением 





=
≥
+
+
=
,
0
при
ˆ
;
0
при
)
(
ˆ
)
(

0
*

ij
ij
ij

ij
j
j
j
ij
ij
ij
ij
ij
x
a
c
x
x
c
c
x
Q
c
x
с
                                  (3) 

где 
∑
+
=
=

j

i
k
k
ij
b
a
1

 − математическое ожидание величины спроса в изделиях j–го типа, 

обеспечивающих потребности в изделиях i+1, i+2,…,j-1, j–го типа; 

∑

∞

+
=

−
−
=
1
!
)
(
)
(

ij

ij

x
k

a
k
ij
ij
ij
ij
e
k
a
x
k
x
Q
− математическое ожидание дефицита в 

изделиях j–го типа;  
bk  − математическое ожидание спроса в изделиях k–го типа. 
При увеличении количества изделий xij уменьшается составляющая, связанная с 
упущенной выгодой вследствие дефицита изделий  j–го типа (которая представляется как 
условный штраф за дефицит), и увеличивается составляющая затрат, связанная с 
производством и эксплуатацией изделий. 

Оптимальное количество изделий 

0
ij
x  может быть определено из следующих 
неравенств, полученных на основе маргинального анализа: 

;
)
(
ˆ
)1
(
ˆ
0
0
j
ij
ij
ij
ij
c
x
c
x
с
>
−
−
 
 
 
 
 
 
 
(4)  

,
)1
(
ˆ
)
(
ˆ
0
0
j
ij
ij
ij
ij
c
x
с
x
с
≤
+
−
 
 
 
(5) 

где 
)
(
ˆ
)
(
ˆ
0
0
ij
ij
ij
ij
ij
x
Q
с
x
с
=
 – математическое ожидание упущенной выгоды вследствие 
дефицита при обеспечении изделиями j–го типа потребностей в изделиях i+1, i+2,…, j-1,j–
го типа. 
Физический смысл неравенства (4) заключается в том, что оно показывает, что 
увеличение количества изделий 
)
1
(
0 −
ij
x
 на единицу является целесообразным, так как 
при этом величина уменьшения упущенной выгоды при дефиците изделия j–го типа 
превышает стоимость этого изделия. 
Из неравенства (5) следует, что дальнейшее увеличение количества изделий j–го 

типа сверх величины 

0
ij
x
 не приводит к уменьшению суммарных затрат. 
При использовании неравенств (4), (5) предполагается, что выполняется условие 

)
(
)
0
(
0
*
*
ij
ij
ij
ij
x
c
x
c
>
=
, т.е. упущенная выгода при дефиците изделий j–го типа превышает 

суммарные затраты при оптимальном количестве изделий 
0
ij
x
. 

Определив с помощью неравенств (4), (5) оптимальное количество изделий 

0
ij
x

(i=0,1,…,j-1,j=1,2,…,n) и рассчитав по формуле (3) суммарные затраты 
)
(
0
ij
ij x
с
, задачу 
выбора оптимального параметрического ряда можно свести к простейшей задаче 
динамического программирования. 
Сущность этой задачи заключается в определении кратчайшего пути в линейном 
графе из исходной нулевой вершины в конечную n–ю вершину. Особенность графа 
заключается в том, что каждая последующая вершина соединена дугами со всеми 
предыдущими. Для решения данной задачи используется рекуррентное выражение 

[
]
0
,
,...,
2,1
,
)
(,1
0
,)
(
min
0
0
*
=
=
∈
−
≤
≤
+
=
f
n
j
V
ij
j
i
x
c
f
f
j
ij
ij
i
j
,      (6) 
где fj – минимальные суммарные затраты, связанные с обеспечением потребностей в 

изделиях первого, второго, j-го типов 
n
j
,1
=
. 
Перед решением уравнения (6) с помощью неравенств (4), (5) определяется 
оптимальное количество изделий каждого типа 
0
ij
x (i=0,1,…,j-1,j, j=1,2,…,n). Для 

определения значений 
0
ij
x  неравенства (4), (5) могут быть преобразованы к более 
удобному для практических расчетов виду  

∑

∞

=

−
>

0
;
ˆ
!
ij

ij

x
k
ij

j
a
k
ij
c
c
e
k
a

 
 
 
 
 
 
 
 
(7) 

∑

∞

+
=

−
≤

1
0
.
ˆ
!
ij

ij

x
k
ij

j
a
k
ij
c
c
e
k
a

 
 
 
 
 
 
 
 
(8) 

Зависимости в левой части неравенств (7) и (8) являются табличными функциями, 
что значительно упрощает процесс определения значений 
0
ij
x
.  
3. Пример. 
Проиллюстрируем процесс решения уравнения (5) на численном примере, 
исходные данные для которого приведены в табл. 1.  
 
Таблица 1 

j
1
2
3
4
5

0
jc  
12
15
15
20
20

jc
2
3
5
8
10

jcˆ
20
30
40
100
200

jb
2
4
3
2
1

 
Последовательно рассчитываем при всех значениях i=1,2,…,j-1, j=1,2,…,5 

величины средней упущенной выгоды при дефиците одного изделия 

'
ij
с , оптимальное 

количество изделий 
0
ij
x , стоимость 
)
(
0
ij
ij x
с
, упущенную выгоду 
)
(
ˆ
0
ij
ij x
c
и суммарные 

затраты 
)
(
0
*
ij
ij x
c
.  

Например, при i=2, i=4 
,
5
3
)
4
,
2
(

4
3

3
3
=
+
=
b
b
b
P
 
,
5
2
)
4
,2
(

4
3

4
4
=
+
=
b
b
b
P

находим 
среднюю 
упущенную 
выгоду 
при 
дефиците 

64
5
2
100
5
3
40
)
4
,
2
(
ˆ
)
4
,
2
(
ˆ
ˆ
4
4
3
3
24
=
+
=
+
=
P
c
P
c
c
. 

Определив 
125
,
0
64
8
ˆ24

4
=
=
c
c
, с помощью неравенств (7), (8) находим 

оптимальное количество изделий 
8
'
24 =
x
, так как ∑

∞

=

−
>
=
8

24
;
125
,
0
133
,
0
!

24

k

a
k
e
k
c
 

∑

∞

=

−
<
=

9

24
;
125
,0
068
,0
!

24

k

a
k
e
k
c

 a24=b3+b4=5. 

По формулам (1), (2) рассчитываем 
;
84
64
20
)
(
0
24
4
0
4
0
24
24
=
+
=
+
=
x
c
c
x
c
 

;8
12
,0
64
)
(
ˆ
)
(
ˆ
0
24
24
24
0
24
24
=
⋅
=
=
x
Q
c
x
c
 

.
92
8
85
)
(
ˆ
)
(
)
(
0
24
24
0
24
24
0
24
*
24
=
+
=
+
=
x
c
x
c
x
c
 
Аналогичным образом выполняются расчеты при всех возможных значениях 
i=1,2,…,j-1; j=1,2,…,5. 
Результаты расчетов представлены в табл. 2. 
Таблица 2 

i
j
ijcˆ  
0
ijx  
)
(
0
ij
ij x
с
 
)
(
ˆ
0
ij
ij x
c
 
)
(
0
*
ij
ij x
с
 

0
1
20
4
20
2
22

0
2
27
9
42
4
46

0
3
31
12
75
9
84

0
4
44
14
132
16
148

0
5
57
15
180
23
203

1
2
30
7
36
2
38

1
3
35
10
65
7
172

1
4
49
12
116
14
130

1
5
64
13
160
21
181

2
3
40
5
40
5
45

2
4
64
8
84
8
92

2
5
87
9
120
14
134

3
4
100
4
52
8
60

3
5
133
6
90
7
97

4
5
200
3
60
6
66

;
22
22
0
)
(
0
01
*
01
0
1
=
+
=
+
=
x
c
f
f
 

[
]
;
46
]
38
22
;
46
0
min[
)
(
);
(
min
0
12
*
12
1
0
02
*
02
0
2
=
+
+
=
+
+
=
x
c
f
x
c
f
f
 

[
]
;
84
]
45
46
;
72
22
;
84
0
min[
)
(
);
(
);
(
min
0
23
*
23
2
0
13
*
13
1
0
03
*
03
0
3
=
+
+
+
=
+
+
+
=
x
c
f
x
c
f
x
c
f
f

[
]

;
138
]
60
84
;
92
46
;
130
22
;
148
0
min[

)
(
);
(
);
(
);
(
min
0
34
*
34
3
0
24
*
24
2
0
14
*
14
1
0
04
*
04
0
4
=
+
+
+
+
=

=
+
+
+
+
=
x
c
f
x
c
f
x
c
f
x
c
f
f

 

[
]

.
180
]
66
138
;
97
84
;
134
46
;
181
22
;
203
0
min[

)
(
);
(
);
(
);
(
);
(
min
0
45
*
45
4
0
35
*
35
3
0
25
*
25
2
0
15
*
15
1
0
05
*
05
0
5
=
+
+
+
+
+
=

=
+
+
+
+
+
=
x
c
f
x
c
f
x
c
f
x
c
f
x
c
f
f

 

Следовательно, кратчайший путь в графе – тот, которому соответствуют вершины 
0-2-5. Длина кратчайшего пути f5=180 определяет минимальные суммарные затраты. 
Следовательно, в оптимальный параметрический ряд продукции входят второе и пятое 
изделия 
)
9
x
(
),
9
x
(
0
25
0
02
=
=
. 
Таким образом, задача выбора оптимального одномерного параметрического ряда 
производимой предприятием продукции при случайном характере спроса и заданной 
величине упущенной выгоды при дефиците изделий может быть сведена к задаче 
определения кратчайшего пути в графе и может быть решена на основе метода 
динамического программирования [12−14].  
В целом же рассмотренный подход к построению моделей задач формирования 
оптимальных параметрических рядов продукции предприятия с учетом случайного 
характера рыночного спроса и заданных значениях упущенной выгоды при дефиците 
изделий может служить основой для разработки соответствующих подсистем поддержки 
принятия решений по формированию производственных программ и товарных стратегий 
в системах управления конкретных предприятий.  
 
Литература 
1. Анисимов В.Г. Стратегическое управление инновационной деятельностью: 
анализ, планирование, моделирование, принятия решений, организация, оценка. − СанктПетербург, 2017. − 312 с. 
2. Anisimov V.G., Anisimov E.G., Saurenko T.N., Sonkin M.A. The model and the 
planning method of volume and variety assessment of innovative products in an industrial 
enterprise // Journal of Physics: Conference Series, 2017, 803(1), 012006. DOI:  10.1088/17426596/803/1/012006. 
3. Тебекин А.В. Методический подход к моделированию процессов формирования 
планов инновационного развития предприятий / А. В. Тебекин [и др.] // Журнал 
исследований по управлению. − 2019. − Т. 5. − № 1. − С. 65-72. 
4. Гапов М.Р., Сауренко Т.Н. Модель поддержки принятия решений при 
формировании товарной стратегии и производственной программы предприятия // 
Вестник Российского университета дружбы народов. Серия: Экономика. − 2016. − № 2. − 
С. 62-73.  
5. Ботвин Г.А., Черныш А.Я., Чечеватов А.В. Анализ и оценивание эффективности 
инвестиционных проектов в условиях неопределенности. − Москва: Военная академия 
Генерального штаба Вооруженных сил Российской Федерации; 2006.  288 с. 
6. 
Чварков 
С.В. 
 
Учет 
неопределенности 
при 
формировании 
планов 
инновационного развития военно-промышленного комплекса // Актуальные вопросы 
государственного управления Российской Федерации: Сборник материалов круглого 
стола.- Военная академия генерального штаба вооруженных сил Российской Федерации, 
Военный институт (Управления национальной обороной). 2018. С. 17-25.  

7. Смоленский А.М.  Модель определения рационального объема запасов 
продукции в цепях поставок со случайным спросом // Вестник Академии права и 
управления. − 2017. − № 1 (46). − С. 124-128.  
8. Saurenko T.N., Gapov M.R. Formalization of planning procedureproduction process of 
the complex industrial patterns of vertical integration // Экономические стратегии ЕАЭС: 
проблемы и инновации: Сборник материалов Всероссийской научно-практической 
конференции.- Москва: Российский университет дружбы народов. − 2018. − С. 154-161.  
9. Тебекин А.В. Модель обоснования программы инновационного развития 
компании // Журнал исследований по управлению. − 2020. − Т. 6. − № 2. − С. 32-41. 
10. Тебекин А.В., Песчанникова Е.Н.  Методический подход к формированию 
портфеля заказов предприятия // Журнал исследований по управлению. − 2021. − Т. 7. 
− № 2. − С. 41-50. 
11. Сауренко Т.Н., Анисимов В.Г., Анисимов Е.Г., Веселко А.А. Оптимизация 
параметрических рядов продукции предприятия с учетом случайности рыночного спроса 
// Журнал. − 2022. − Т. 8. − № 1. − С. 10-16. 
12. Липатова Н.Г., Черныш А.Я. Применение математических методов при 
проведении диссертационных исследований.  − Москва: Российская таможенная академия, 
2011. − 514 с. 
13. Анисимов В.Г., Анисимов Е.Г., Осипенков М.Н., Селиванов А.А., Чварков С.В. 
Математические методы и модели в военно-научных исследованиях (в 2-х частях) / часть 
2. − Москва: Военная Ордена Кутузова, Ордена Ленина, Краснознаменного Ордена 
Суворова Академия Генерального штаба Вооруженных Сил Российской Федерации. - 
2017. 466 с. 
14. Алексеев О.Г. Комплексное применение методов дискретной оптимизации. – 
Москва: Наука. Гл. ред. физ-мат. лит., 1987. –  248 с. 
 
 

Алгоритм выбора методологии управления 
цифровыми инновационными проектами 
 

Algorithm of Digital Innovation Project 

Management Methodology Selection  

 
УДК 338 
Получено: 16.03.2022 
Одобрено: 02.04.2022 
Опубликовано: 25.04.2022 
 
Шмелева А.С. 
Аспирант Института промышленного менеджмента, экономики и торговли  
Санкт-Петербургского политехнического университета Петра Великого 
e-mail: o.2908@mail.ru 
 
Shmeleva A.S. 
Postgraduate Student, Institute of Industrial Management, Economics and Trade, Peter 
the Great St. Petersburg Polytechnic University 
e-mail: o.2908@mail.ru 
 
Аннотация  
В статье для выявления наиболее востребованных методов и инструментов 
гибкого управления, а также положительных эффектов от их использования и 
барьеров при внедрении, был проведен анализ отчетов об исследовании Agileтрансформации в России и за рубежом. Исследованы цели, которые ставят 
компании различных отраслей, осуществляющие Agile-трансформацию. Описан 
разработанный автором алгоритм выбора методологии управления, включающий 
анализ трех групп факторов, позволяющих учесть: степень неопределённости, 
характеристики 
проекта 
и 
необходимость 
масштабирования. 
Выводы 
и 
рекомендации, 
полученные 
в 
исследовании, 
могут 
быть 
использованы 
организациями при формировании системы гибкого управления цифровыми 
инновационными проектами. 
Ключевые слова: гибкая методология, информационные системы, управление 
проектами, гибридная методология, фреймворки масштабирования, паттерн 
проекта. 
 
Abstract 
In the article, to identify the most popular methods and tools of agile management, as 
well as the positive effects of their use and barriers in implementation, an analysis of 
Agile Transformation research reports in Russia and abroad was carried out. The goals 
set by companies of various industries carrying out Agile-transformation have been 
investigated. The algorithm of project management methodology selection developed 
by the author is described, which includes the analysis of three groups of factors that 
allows to take into account: the degree of uncertainty, the characteristics of the project 
and the need for scaling. The conclusions and recommendations obtained in the study 
can be used by organizations in the formation of agile management system for digital 
innovation projects. 
Keywords: agile methodology, information systems, project management, hybrid 
methodology, scaling frameworks, project pattern. 
 
 

Введение 
Использование классических стандартов управления проектами базируется 

на тщательном планировании, систематическом контроле и управлении 
изменениями многочисленных параметров проектов, что бывает достаточно 
трудоемким, излишне бюрократизированным и не всегда выполнимым с 
необходимым уровнем качества, как со стороны руководителя проекта, так и 
участников проектных команд. Это приводит к снижению заинтересованности и 
вовлеченности сотрудников и, как следствие, к ухудшению результатов проектов.  

Гибкие методологии акцентируют внимание на создании ценности для 

клиента 
и 
позволяют 
за 
счет 
регулярных 
итераций 
и 
интенсивного, 

структурированного 
взаимодействия 
с 
заказчиком 
создавать 
готовые 
к 

использованию продукты. 

В связи с разнообразием методологий, методов и инструментов управления 

проектами ключевой задачей проектного управления является обоснованный 
выбор наиболее подходящих из них для конкретного проекта [1, 2, 34].  

Для выявления наиболее востребованных методов и инструментов гибкого 

управления, а также целей организаций различных отраслей, осуществляющих 
Agile-трансформацию, автором был проведен анализ отчетов об исследовании 
Agile-трансформации в России «Agile в России 2020» [3] и за рубежом «The 15th 
annual state of Agile report » [4], а также источников [5−7], что позволило сделать 
выводы о наиболее значимых тенденциях в данной области. 

Целью исследования являлась разработка алгоритма, позволяющего 

сделать 
обоснованный 
выбор 
методологии 
управления 
цифровыми 

инновационными проектами с учетом особенностей предприятия, команды, 
внедряемой технологии. 

 
Основные результаты исследования 
Среди Agile-методов во всем мире доминирует Scrum и Россия − не 
исключение (см. рис. 1). В общемировом исследовании доля Scrum очень высока 
и довольно стабильна: по состоянию на 2020 г. (58%). В России она несколько 
ниже, но все равно данный метод занимает лидирующее положение (41%). В 
России наблюдается повышенный интерес к гибридным методам, в частности, 
(18%) организаций используют собственные подходы, разработанные на базе 
нескольких стандартных методов [8−15]. За рубежом таких организаций 
существенно меньше (8%). Еще одним существенным отличием является 
усиление интереса российских компаний к методу Kanban (23%), особенно тех, 
которые уже давно практикуют Agile-подходы. В мире его доля всего лишь (5%). 
 

 
  
 
Рис. 1. Востребованность Agile-методов управления проектами 
 

При анализе использования фреймворков масштабирования Agile в России 
отмечается высокая популярность собственных разработок (30%), в зарубежных 
компаниях их доля составила всего лишь (8%) (см. рис. 2). Устойчивым трендом 
является усиление интереса к SAFe (Scaled Agile Framework) как в российских (с 
14 до 26%) , так и зарубежных компаниях (с 30 до 35%). SAFe − самый удобный 
фреймворк для запуска масштабирования в крупных организациях, «он позволяет 
перейти к Agile на уровне организации максимально безопасно, эволюционным, а 
не революционным путем» [3]. Далее следует SoS (Scrum of Scrums), 
востребованность других фреймворков масштабирования значительно ниже. 

16%

8%

3%

4%

4%

30%

27%

35%

4%

30%

2%

3%

11%

2%

22%

26%

Другие методы

Гибрид (собственный метод)

Nexus

DAD (Disciplined Agile Delivery)

LeSS (Large Scaled Scrum)

APM (Agile Project Management)

SoS (Scrum of Scrums)

SAFe (Scaled Agile Framework)

В мире
В России

 
Рис. 2. Востребованность фреймворков масштабирования Agile 

Далее были исследованы цели, которые ставят компании, осуществляющие 
Agile-трансформацию. Было выявлено, что они существенно отличаются в 
зависимости от сферы деятельности компании (см. табл. 1). Для ИТ-компаний − 
это возможность управлять меняющимися приоритетами и повышение качества 
продуктов. Для финансовых компаний − это повышение согласованности работы 
бизнеса и ИТ-структур, а также ускорение поставки продуктов на рынок. Для 
телекоммуникационных компаний – это увеличение прозрачности проектов и 
упрощение управления распределенными командами. Для промышленных и 
энергетических компаний – это управление изменениями и повышение 
производительности. 
Таблица 1 
Цели Agile-трансформации компаний различных отраслей 

Цели Agile-трансформации 

ИТ-компании 

Финансовые 

компании 

Телекоммуникац

ионные 

компании 

Промышленные 

и энергетические 

компании 

Возможность 
управлять 
меняющимися 

приоритетами
1 
3 
 
1 

Увеличение прозрачности проектов
1
3

Ускорение поставки продуктов на рынок
2

Упрощение управления распределенными 
командами
 
 
2 
 

Повышение мотивации команд
Повышение согласованности бизнеса и ИТ
3
1

Повышение производительности

Увеличение предсказуемости поставок
Повышение качества продуктов
2
3
2

Улучшение инженерной культуры
Снижение проектных рисков
Сокращение стоимости проектов

Кроме того, следует отметить, что ожидаемые эффекты и статистика 
улучшений несколько отличаются друг от друга, как в лучшую, так и в худшую 
сторону. На рис. 3 представлена диаграмма, демонстрирующая это расхождение.  

62%

57%

54%

53%

51%

47%

43%

40%

38%

34%

27%

20%

78%

47%

56%

76%

59%

49%

55%

53%

51%

32%

47%

18%

Возможность управлять меняющимися приоритетами

Повышение качества продуктов

Повышение согласованности работы бизнеса и ИТ

Увеличение прозрачности проектов

Ускорение поставки продуктов на рынок

Повышение производительности

Увеличение предсказуемости поставок

Повышение мотивации команд

Упрощение управления распределенными командами

Снижение проектных рисков

Улучшение инженерной культуры

Сокращение стоимости проектов

Цель

Достижение

 
Рис. 3. Цели и реальные достижения компаний, внедряющих Agile 

По большинству целей реальность превосходит ожидание от Agile, за 
исключением проектных рисков, затрат и качества продукта. Это объясняется 
тем, что переход на новые методы ведения проектов − это достаточно затратная 
процедура, поэтому экономические эффекты наиболее явно проявляются в 
компаниях, которые уже имеют опыт использования подобных практик. 
Снижения проектных рисков отдельным организациям не удалось добиться из-за 
того, что, быстро реагируя на часто меняющиеся приоритеты, непросто уложиться 
в параметры изначального плана. 

44%

68%

23%

26%

36%

41%

35%

48%

17%

29%

32%

63%

47%

45%

43%

41%

34%

34%

31%

20%

19%

15%

Корпоративная культура, не приемлющая ценности Agile

Недостаточно опыта в применении Agile-методов

Слабая поддержка со стороны руководства

Сопротивление изменениям организации в целом

Низкая вовлеченность бизнеса/заказчика/владельца продукта

Недостаточное обучение

Доминирование традиционной разработки

Неполные/непоследовательные Agile-практики и процессы

Фрагментарное использование инструментов

Низкий уровень сотрудничества

Необходимость соблюдения нормативных требований

В России

В мире

Рис. 4. Барьеры при внедрении Agile