Операционная модель производительности труда при эксплуатации распределенной инженерной инфраструктуры

Экономика и менеджмент предприятий и комплексов
Авторы:
Аннотация:

В условиях ограниченных возможностей экстенсивного обновления инфраструктуры возрастает значение производительности труда (ПТ) современных сервисно-промышленных и производственных предприятий, обеспечивающих функционирование территориально распределенной сети инженерных объектов, система бизнес-процессов хозяйственной деятельности которых является объектом настоящего исследования. Для таких предприятий ПТ зависит не только от численности персонала и общего объема выполненных работ, но и от структуры заданий, плотности планирования, насыщенности выездов и времени перемещения персонала. Этим определяется необходимость поиска моделей повышения ПТ, учитывающих измеримые характеристики бизнес-процессов. Цель исследования состоит в построении операционной модели ПТ указанных предприятий, позволяющей представить этот показатель как аналитически интерпретируемую зависимость от измеримых характеристик бизнес-процессов, а также сформировать и обосновать направления оптимизации хозяйственной деятельности. Методология исследования основана на операционализации ПТ через параметры, отражающие организацию работ и затраты рабочего времени. В качестве информационной базы использован срез эксплуатационных данных крупного российского сервисно-промышленного предприятия, ФГУП РТРС, за 2025 г., включающий показатели по инженерным объектам, эксплуатационным подразделениям и территориальным филиалам, а также рассчитанные на их основе производные показатели. В работе выделены управляемые факторы и диагностические индикаторы, характеризующие структуру работ, частоту и насыщенность выездов, плотность планирования и время перемещения персонала. Научная новизна исследования состоит в переводе ПТ из агрегированного отчетного показателя в операционно декомпозируемую величину, связанную с наблюдаемыми характеристиками процессов. Результаты апробации показали, что параметры предложенной модели представлены в эксплуатационных данных, поддаются расчету и позволяют интерпретировать различия в ПТ между сопоставимыми объектами и подразделениями. Практическая ценность исследования заключается в возможности использовать модель для выявления организационных причин различий в трудозатратах и для обоснования направлений повышения ПТ без сведения анализа к универсальным нормативам. Сделан вывод, что предложенная модель применима для аналитического описания ПТ на данных крупного предприятия. Ограничение исследования связано с использованием среза данных за один период. Дальнейшие исследования целесообразно направить на применение панельных данных, проверку устойчивости выявленных зависимостей во времени и уточнение границ применимости модели для предприятий разных типов.

  • Список литературы

    1. Акаев А.А., Садовничий В.А. (2021) Человеческий фактор как определяющий производительность труда в эпоху цифровой экономики. Проблемы прогнозирования, 1 (184), 45–58. DOI: 10.47711/0868-6351-184-45-58

    2. Tian M., Chen Y., Tian G., Huang W., Hu C. (2023) The role of digital transformation practices in the operations improvement in manufacturing firms: A practice-based view. International Journal of Production Economics, 262, art. no. 108929. DOI: 10.1016/j.ijpe.2023.108929

    3. Fulgenzi R., Gitto S., Mancuso P. (2024) Information and communication technology and labour productivity growth: a production-frontier approach. Annals of Operations Research, 333, 123–156. DOI: 10.1007/s10479-024-05818-8

    4. Li W., Yang X., Yin X. (2024) Digital transformation and labor upgrading. Pacific-Basin Finance Journal, 83, art. no. 102280. DOI: 10.1016/j.pacfin.2024.102280

    5. Wang D., Shao X. (2024) Research on the impact of digital transformation on the production efficiency of manufacturing enterprises: Institution-based analysis of the threshold effect. International Review of Economics & Finance, 91, 883–897. DOI: 10.1016/j.iref.2024.01.046

    6. Zhou Y., Lyu J., Li L. (2025) Can digital transformation enhance labor productivity in enterprises: An analysis from the perspective of business process reengineering. PLOS One, 20 (6), art. no. e0325484. DOI: 10.1371/journal.pone.0325484

    7. Wang J., Zhao H. (2025) Enterprise digital transformation and sustainable productivity. Discover Sustainability, 6, art. no. 308. DOI: 10.1007/s43621-025-01128-6

    8. Dalio R. (2017) How the Economic Machine Works: Leveragings and Deleveragings, Westport, CT: Bridgewater Associates.

    9. Solow R.M. (1957) Technical Change and the Aggregate Production Function. The Review of Economics and Statistics, 39 (3), 312–320. DOI: 10.2307/1926047

    10. Arrow K.J. (1962) The Economic Implications of Learning by Doing. The Review of Economic Studies, 29 (3), 155–173. DOI: 10.2307/2295952

    11. Syverson C. (2011) What Determines Productivity? Journal of Economic Literature, 49 (2), 326–365. DOI: 10.1257/jel.49.2.326

    12. Журавлев Д.М. (2024) Стратегирование цифровой трансформации сложных социально- экономических систем (под науч. ред. В.Л. Квинта), СПб.: ИПЦ СЗИУ РАНХиГС. DOI: 10.559-59/978-5-89781-862-4

    13. Spanaki K., Dennehy D., Papadopoulos T., Dubey R. (2025) Data-driven digital transformation in operations and supply chain management. International Journal of Production Economics, 284, art. no. 109599. DOI: 10.1016/j.ijpe.2025.109599

    14. Акаев А.А., Коротаев А.В. (2019) О начале фазы подъема шестой Кондратьевской волны и проблемах глобального устойчивого роста. Век глобализации, 1 (29), 3–17. DOI: 10.30884/vglob/2019.01.01

    15. Brynjolfsson E., Hitt L.M. (2003) Computing Productivity: Firm-Level Evidence. The Review of Economics and Statistics, 85 (4), 793–808.

    16. Brynjolfsson E., Rock D., Syverson C. (2021) The Productivity J-Curve: How Intangibles Com-plement General Purpose Technologies. American Economic Journal: Macroeconomics, 13 (1), 333–372. DOI: 10.1257/mac.20180386

    17. Bloom N., Van Reenen J. (2007) Measuring and Explaining Management Practices Across Firms and Countries. The Quarterly Journal of Economics, 122 (4), 1351–1408. DOI: 10.1162/qjec.2007.122.4. 1351

    18. Bloom N., Brynjolfsson E., Foster L., Jarmin R., Patnaik M., Saporta-Eksten I., Van Reenen J. (2019) What Drives Differences in Management Practices? American Economic Review, 109 (5), 1648–1683. DOI: 10.1257/aer.20170491

    19. Si G., Xia T., Gebraeel N., Wang D., Pan E., Xi L. (2022) A reliability-and-cost-based framework to optimize maintenance planning and diverse-skilled technician routing for geographically distributed systems. Reliability Engineering & System Safety, 226, art. no. 108652. DOI: 10.1016/j. ress.2022.108652

    20. Tusar M.I.H., Sarker B.R. (2024) Technician assignment in multi-shift maintenance schedules in an offshore wind farm. Renewable Energy Focus, 51, art. no. 100616. DOI: 10.1016/j.ref.2024.100616

    21. Chen X., Li K., Lin S., Ding X. (2024) Technician routing and scheduling with employees’ learning through implicit cross-training strategy. International Journal of Production Economics, 271, art. no. 109208. DOI: 10.1016/j.ijpe.2024.109208

    22. Monfared M.A.S., Zio E. (2025) Maintenance planning: Reflections, lessons learned and a novel categorization. Computers & Industrial Engineering, 207, art. no. 111272. DOI: 10.1016/j.cie.2025.111272

    23. Salzano A., Parisi C.M., Acampa G., Nicolella M. (2023) Existing assets maintenance manage- ment: Optimizing maintenance procedures and costs through BIM tools. Automation in Construction, 149, art. no. 104788. DOI: 10.1016/j.autcon.2023.104788

    24. Alsaffar A., Beach T., Rezgui Y. (2025) Enhancing asset management: Integrating digital twins for continuous permitting and compliance – A systematic literature review. Journal of Building Engineering, 99, art. no. 111515. DOI: 10.1016/j.jobe.2024.111515

    25. Gladysz B., Quadrini W., Ruppert T., Smagowicz J., Szwed C., van Erp T., Macchi M. (2025) Digital Twins in maintenance and asset management: evidence on the technology adoption from scien- tific literature and patents. IFAC-PapersOnLine, 59 (24), 452–457. DOI: 10.1016/j.ifacol.2025.11.907

    26. Afsharian M., Ahn H., Kamali S., Vilela B. (2025) DEA-based benchmarking of water and wastewater utilities: A comprehensive literature review. Utilities Policy, 95, art. no. 102024. DOI: 10.10- 16/j.jup.2025.102024

    27. Maziotis A., Molinos-Senante M. (2025) Benchmarking technical efficiency of water utilities in Chile under heterogeneity: A latent class frontier approach. Utilities Policy, 97, art. no. 102076. DOI: 10.1016/j.jup.2025.102076

    28. Oum T.H., Wang K., Yu C., Coppola P., Castagna L., Kato H., Le Y., Luo X., Gan S., Kim K., Kim W., Patil G., Gaur V., Circella G., Mohiuddin H., Lecompte M.C., Lim C. (2025) The WCTRS global subway efficiency benchmarking task force inaugural report: The key findings, lessons learned, policy issues investigated. Transport Policy, 162, 353–363. DOI: 10.1016/j.tranpol.2024.12.012

    29. Gunasekaran A., Patel C., McGaughey R.E. (2004) A framework for supply chain performance measurement. International Journal of Production Economics, 87 (3), 333–347. DOI: 10.1016/j.ijpe.2003. 08.003

    30. Журавлев Д.М., Троценко А.Н., Чаадаев В.К. (2022) Методология и инструментарий стратегирования социально-экономического развития региона. Экономика промышленности, 15 (2), 131–142. DOI: 10.17073/2072-1633-2022-2-131-142

    31. Журавлев Д.М., Чаадаев В.К. (2023) Моделирование процессов сложной социально-экономической системы при выборе стратегических приоритетов развития. Стратегирование: теория и практика, 3 (1), 1–20. DOI: 10.21603/2782-2435-2023-3-1-1-20

     

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Предыдущая статьяСледующая статья