Логотип
ИЭА СТР
УДК 338.24 • EDN: RSYJKK • e-Library ID: 88986723

ИНТЕЛЛЕКТУАЛЬНЫЕ СРЕДСТВА ОБЕСПЕЧЕНИЯ УСТОЙЧИВОСТИ СИСТЕМ УПРАВЛЕНИЯ В АВТОМОБИЛЬНОЙ ПРОМЫШЛЕННОСТИ РОССИЙСКОЙ ФЕДЕРАЦИИ

• С. 529–533
Скачать JATS XML Скачать PDF
🇷🇺 На русском

Для цитирования

Дзедик В.А., Джикия А.А. Интеллектуальные средства обеспечения устойчивости систем управления в автомобильной промышленности Российской Федерации / III Научнопрактическая конференция «Стандартизация: траектория науки», приуроченная ко Всемирному дню стандартов, Москва, 15 октября 2025 г. // Информационно-экономические аспекты стандартизации и технического регулирования. 2025. № 6(87). С. 529–533.

Аннотация

В статье предлагается цифровая система управления, основанная на интеллектуальных средствах, использующих технологии веб-скрапинга, управления большими данными, искусственного интеллекта, и способная обеспечить процесс прогнозирования и поддержки принятия решений для достижения устойчивости автомобильной промышленности РФ.

Ключевые слова

автомобильная промышленность импортозамещение импортоопережение системы управления устойчивое развитие искусственный интеллект.

Об авторах

Дзедик В А

Дзедик В А — д-р экон. наук,, ФГАОУ ВО «Волгоградский государственный университет», Россия, г. Волгоград, ( г. Волгоград )

Джикия А А

Джикия А А — к-т экон. наук, ФГАОУ ВО «Волгоградский государственный университет», Россия, г. Волгоград, ( г. Волгоград )

Список литературы

  1. 1. ГОСТ Р 58139–2024 «Системы менеджмента качества. Требования к организациям автомобильной промышленности» // АО «Кодекс». Электронный фонд правовых и нормативно-технических документов. URL: https://docs.cntd.ru/document/1310664931 (дата обращения: 27.09.2025).
  2. 2. ГОСТ Р 71726–2024 «Трансфер технологий. Методические указания по оценке уровня технологий (TRL)» // АО «Кодекс». Электронный фонд правовых и нормативно-технических документов. URL: https://docs.cntd.ru/document/1310185632 (дата обращения: 27.09.2025).
  3. 3. ГОСТ Р 71727 «Трансфер технологий. Методические указания по оценке уровня рыночной готовности (CRL)» // АО «Кодекс». Электронный фонд правовых и нормативно-технических документов. URL: https://docs.cntd.ru/document/1310185633/titles (дата обращения: 17.09.2025).
  4. 4. ГОСТ Р 71728–2024 «Трансфер технологий. Методические указания по оценке уровня производственной готовности (MRL)». // АО «Кодекс». Электронный фонд правовых и нормативно-технических документов. URL: https://docs.cntd.ru/document/1310185634 (дата обращения: 20.09.2025).
  5. 5. ГОСТ Р 71729 «Трансфер технологий. Методические указания по оценке уровня инвестиционной готовности (IRL)». // АО «Кодекс». Электронный фонд правовых и нормативно-технических документов. URL: https://docs.cntd.ru/document/1310185635 (дата обращения: 23.09.2025).
  6. 6. Жучкова С.В., Ротмистров А.Н. Автоматическое извлечение текстовых и числовых веб-данных для целей социальных наук // Онлайн-исследования в России: тенденции и перспективы / Под ред. А.В. Шашкина, И.Ф. Девятко, С.Г. Давыдова. М.: Изд-во МИК, 2016. С. 13–37.
  7. 7. Российский автомобильный рынок в 2025 г. // Официальный портал АО АК «Деловой профиль». https://delprof.ru/press-center/open-analytics/rossijskij-rynok-avtoproma-v-2025-godu/ (дата обращения:
  8. 8. RandomForestRegressor. https://scikitlearn.org/stable/modules/generated/sklearn.ensemble.RandomForestRegressor.html
  9. 9. KNeighborsRegressor. https://scikitlearn.org/stable/modules/generated/sklearn.neighbors.KNeighborsRegressor.html (дата обращения 23.09.2025)
  10. 10. Машины опорных векторов. https://wiki.loginom.ru/articles/support-vector-machines.html (дата обращения
  11. 11. Нейронная сеть. https://wiki.loginom.ru/articles/neural-network.html (дата обращения 23.09.2025)
  12. 12. Градиентный бустинг. https://deepmachinelearning.ru/docs/Machine-learning/Boosting/GB-idea (дата обращения: 23.09.2025).
🇬🇧 In English

INTELLIGENT TOOLS FOR ENSURING THE STABILITY OF MANAGEMENT SYSTEMS IN THE AUTOMOTIVE INDUSTRY OF THE RUSSIAN FEDERATION

Abstract

The article proposes a digital management system based on intelligent tools that utilize web scraping, big data management, and artificial intelligence technologies. This system is designed to enable forecasting and decision-support processes aimed at ensuring the resilience of Russia’s automotive industry.

Keywords

automotive industry import substitution import advancement management systems sustainable development artificial intelligence

About the authors

Dzedik V A

Dzedik V A — Doctor of Economical Sciences, Volgograd State University, Volgograd, ( Volgograd )

Dzhikiya A A

Dzhikiya A A — Candidate of Economical Sciences, Volgograd State University, Volgograd, ( Volgograd )

References

  1. 1. GOSТ R 58139–2024 "Quality Management Systems. Requirements for Automotive Industry Organizations" // AO Kodeks. Electronic Collection of Legal, Regulatory, and Technical Documents. URL: https://docs.cntd.ru/document/1310664931 (accessed on September 27, 2025).
  2. 2. GOST R 71726–2024 "Technology Transfer. Guidelines for Technology Readiness Level (TRL) Assessment" // AO Kodeks. Electronic Collection of Legal, Regulatory, and Technical Documents. URL: https://docs.cntd.ru/document/1310185632 (accessed on September 27, 2025).
  3. 3. GOST R 71727 "Technology Transfer. Guidelines for Market Readiness Level (CRL) Assessment". // AO Kodeks. Electronic collection of legal and regulatory documents. URL: https://docs.cntd.ru/document/1310185633/titles (accessed on September 17, 2025).
  4. 4. GOST R 71728–2024 "Technology Transfer. Guidelines for Assessing the Manufacturing Readiness Level (MRL)". // JSC "Kodeks". Electronic collection of legal and regulatory documents. URL: https://docs.cntd.ru/document/1310185634 (accessed on September 20, 2025).
  5. 5. GOST R 71729 "Technology Transfer. Guidelines for Assessing the Investment Readiness Level (IRL)". // JSC "Kodeks". Electronic collection of legal and regulatory documents. URL: https://docs.cntd.ru/document/1310185635 (accessed September 23, 2025).
  6. 6. Zhuchkova S. V., Rotmistrov A. N. Automatic Extraction of Text and Numeric Web Data for Social Sciences // Online Research in Russia: Trends and Prospects / Ed. by A.V. Shashkin, I.F. Devyatko, S.G. Davydov. Moscow: MIС Publishing House, 2016. Рp. 13–37.
  7. 7. The Russian Automobile Market in 2025 // Official Portal of JSC AK "Business Profile." https://delprof.ru/presscenter/open-analytics/rossijskij-rynok-avtoproma-v-2025-godu/
  8. 8. RandomForestRegressor. https://scikitlearn.org/stable/modules/generated/sklearn.ensemble.RandomForestRegressor.html
  9. 9. KNeighborsRegressor. https://scikitlearn.org/stable/modules/generated/sklearn.neighbors.KNeighborsRegressor.html (accessed 23.09.2025)
  10. 10. Support vector machines. https://wiki.loginom.ru/articles/support-vector-machines.html (accessed 23.09.2025)
  11. 11. Neural network. https://wiki.loginom.ru/articles/neural-network.html (дата обращения 23.09.2025)
  12. 12. Gradient boosting. https://deepmachinelearning.ru/docs/Machine-learning/Boosting/GB-idea (accessed