Охтень, Дасів, ПРОГРАМНИХ СИСТЕМ МОДЕЛЮВАННЯ РОЗВИТКУ СМАРТ-ПРОМИСЛОВОСТІ

О.О. Охтень, к.е.н. старший науковий співробітник Інститут економіки промисловості НАН України
А.Ф. Дасів, к.е.н. Інститут економіки промисловості НАН України

ОГЛЯД ПРОГРАМНИХ СИСТЕМ МОДЕЛЮВАННЯ РОЗВИТКУ СМАРТ-ПРОМИСЛОВОСТІ

Головним напрямом розвитку промисловості у світі протягом останніх десятиліть є впровадження цифрових технологій у виробництво, зокрема, великих даних, розумних датчиків, штучного інтелекту, роботів тощо (що відомо під загальною назвою «смарт-промисловість»). В менш розвинених економіках однією з перешкод на шляху створення смарт-промисловості є неможливість визначити пріоритетні напрямки стимулювання впровадження смарт-технологій за умови обмежених ресурсів. Цю проблему можна вирішити з використанням економіко-математичних моделей, які дозволяють розраховувати наслідки тих чи інших управлінських рішень (зокрема, із розподілу фінансових та інших ресурсів). У цій роботі розглянуто доступні зараз програмні системи моделювання економіки, які можуть використовуватися для визначення напрямків стимулювання розвитку смарт-промисловості.
Energy Policy Simulator від американського аналітичного центру в галузі енергетики та клімату Energy Innovation
Американський аналітичний центр у галузі енергетики та клімату Energy Innovation пропонує у вільному доступі систему «Симулятор енергетичної політики» (Energy Policy Simulator) [1], яка є системно-динамічною моделлю, призначеною для оцінки впливу численних енергетичних та екологічних політик на різні показники, включаючи викиди 12 забруднюючих речовин; зміни грошових потоків для уряду, промисловості та споживачів; структуру генерації електроенергії; використання різних видів палива; запобігання смертності за рахунок скорочення викидів твердих частинок і тощо. Модель включає п'ять основних галузей: транспорт, електропостачання, будівництво, промисловість (включаючи сільське господарство) і землекористування / лісове господарство, кожен з яких містить велику кількість змінних і політик.
Логіка розрахунків моделі починається з «аркуша характеристик палива», на якому задаються основні властивості всіх видів палива та застосовуються політики, що впливають на ціну палива. Інформація про паливо використовується в трьох галузях попиту: транспорті, будівництві та промисловості (включаючи сільське господарство). По цих галузях розраховуються власні викиди від безпосереднього використання палива, тобто спалювання викопного палива у транспортних засобах, будинках та на промислових об'єктах. Для галузей також вказується кількість електроенергії або тепла (енергоносіїв, що постачаються іншими частинами моделі), яка потрібна в кожному році. Галузі електроенергії та централізованого теплопостачання споживають паливо для задоволення енергетичних потреб трьох галузей попиту. Модель також включає галузь землекористування та змін у галузі землекористування та лісового господарства, яка відповідає за викиди забруднюючих речовин та уловлювання CO2 існуючими лісами, заліснення/відновлення лісів, обезліснення та заготівлю деревини тощо.
Як і у випадку забруднюючих речовин, на аркуші «Зведені дані по галузях» підсумовується вплив на грошові потоки по галузях. Грошові потоки розраховуються окремо для конкретних суб'єктів (уряд, неенергетичні галузі, робоча сила та споживачі, а також різні енергопостачальні галузі), при цьому вплив на неенергетичні галузі додатково розподіляється за різними кодами галузей за Міжнародною стандартною галузевою класифікацією (МСГК). На цьому етапі виконується розрахунок змін у витратах (наприклад, на капітальні інвестиції, паливо, експлуатацію та технічне обслуговування). Потім усі прямі фінансові результати вводяться в модель «витрати-випуск» для розрахунку впливу на ВВП, робочі місця та заробітну плату працівників. Також передбачено петлю зворотного зв'язку від моделі «витрати-випуск» до трьох галузей попиту, що дозволяє врахувати споживання енергії та викиди, пов'язані з індукованою (ефект мультиплікатора) та непрямою економічною діяльністю.
У моделі передбачені два компоненти, які впливають на роботу різних галузей: важелі НДДКР, що дозволяють користувачеві вказати покращення в економії палива та зниження капітальних витрат для технологій по галузях, а також модуль уловлювання та зв'язування вуглецю. Ці покращення застосовуються на додаток до покращень у рамках базового сценарію та всіх покращень, розрахованих ендогенним механізмом навчання в рамках політик, що прискорюють впровадження технологій. Модуль уловлювання та зв'язування вуглецю змінює параметри галузей промисловості та електроенергетики, скорочуючи їх викиди CO2 та збільшуючи споживання ними палива (для забезпечення роботи енергоємного процесу) та впливаючи на їх грошові потоки.
Незважаючи на те, що описана системно-динамічна модель орієнтована, перш за все, на оцінку наслідків тих чи інших керуючих впливів (політик) на викиди забруднюючих речовин і, у ширшому розумінні, на енергетичну компоненту економіки, вона також розраховує грошові потоки за іншими галузями, і навіть вплив на ВВП, і ілюструє можливості системно-динамічного підходу до моделювання економіки. Потенційно при відповідній адаптації (за рахунок включення змінних і потоків, що характеризують смарт-промисловість) модель може використовуватися для оцінки тих чи інших сценаріїв розвитку смарт-промисловості. Слід зазначити, що системно-динамічний підхід загалом, і описана модель зокрема, дозволяє оцінити поширення ефектів у системі, проте ці ефекти мають бути задані в моделі екзогенно, наприклад, необхідно спочатку знати, як ті чи інші політики вплинуть на ключові параметри (наприклад, використання того чи іншого палива чи інвестиції в ті чи інші галузі), а вже потім модель покаже їх вплив на різні галузі (наприклад, витрати), тобто подібні моделі повністю залежать від якості вхідних даних та точності відображення покладених в основу залежностей.
Siforeca від Інституту економіки промисловості НАН України
Колективом Інституту економіки промисловості НАН України було створено систему промислового прогнозування та форсайтингу Siforeca, яка є цифровою модульною платформою, що спеціалізується на науково-аналітичній роботі у сфері економіки промисловості. Система призначена для професійного аналізу, прогнозування та форсайтингу розвитку промисловості України. Її функціонал спроектований таким чином, щоб досліджувати промислове минуле, а також складати ймовірні сценарії майбутнього, виявляти його нові можливості та виклики та, виходячи з цього, обґрунтовувати шляхи подальшого розвитку національної промисловості.
Основними елементами системи Siforeca є: спеціалізована база даних (БД) про промисловість, що автоматично оновлюється, а також супутні інформаційні та науково-аналітичні матеріали; комплекс економіко-математичних моделей окремих аспектів індустріального розвитку, які використовують БД як джерело даних; програмна оболонка смарт-системи для взаємодії користувача з функціями програми в Інтернеті. У БД включені дані про економіку в цілому та промисловості щодо основних галузей по Україні та 130 інших країн, що дозволяє не лише аналізувати дані по Україні, а й порівнювати їх зі світовими тенденціями. Передбачено як ручне, так і автоматизоване наповнення бази даних із інтернет-ресурсів статистичних служб. У систему інтегрований комплекс економіко-математичних моделей: довгострокова модель розвитку промисловості за секторами (переробна промисловість, видобувна промисловість, сільське господарство); модель розвитку людського капіталу у промисловості; модель екологізації промисловості. Моделі використовують БД системи як джерело даних для розрахунків. Однією з найважливіших функцій модуля роботи з моделями є можливість роботи зі сценаріями, включаючи введення вхідних даних для окремих сценаріїв (у форматі наборів значень показників або тенденцій їх зміни у часі в залежності від конкретного сценарію), виконання розрахунків та порівняння сценаріїв між собою, у тому числі у графічному вигляді.
Перевагою системи Siforeca є можливість реалізації різних моделей, тобто розробники моделей та користувачі не прив'язані до якоїсь конкретної моделі. З погляду фінансово-економічного стимулювання розвитку смарт-промисловості особливий інтерес представляє реалізована у системі модель довгострокового розвитку промисловості [2], призначення якої полягає у побудові сценаріїв розвитку національної промисловості за ключовими галузями з метою виявлення нових можливостей та загроз її розвитку. Для моделювання вибрано три основні галузі, які в сукупності та взаємодії визначають потенціал національного виробництва: переробну промисловість, видобувну промисловість та сільське господарство.
«Ядром» моделі, яке «розкручує» спіраль економічних процесів, що моделюються, є виробнича функція, що включає в якості факторів такі класичні складові виробничих функцій як праця і капітал, але адаптована до умов Четвертої промислової революції за рахунок включення вартості програмного забезпечення і баз даних як окремого чинника виробництва. Залежною змінною є додана вартість, створена галуззю. Також розроблено окремі моделі для розрахунку кожного з основних факторів на основі динаміки інвестицій з урахуванням рекурсивного впливу доданої вартості, схильності до інвестування, стану світової економіки та інших специфічних факторів.
У контексті проблеми стимулювання ця модель, реалізована в системі Siforeca, дозволяє оцінювати вплив тих чи інших стимулюючих заходів на результати роботи окремих галузей. Таким чином, якщо відомо, як конкретний захід вплине на вхідні параметрах моделі (наприклад, на обсязі інвестицій, чисельності зайнятих, вартості основних фондів тощо), то можна буде оцінити її вплив на обсяги доданої вартості і, рекурсивно, але інших параметри з часом. Тим не менш, залишається відкритим питання, як оцінити цей вплив (наприклад, як конкретно позначиться на розмірі інвестицій у цифровізацію той чи інший фіскальний чи монетарний захід).
Global Industry Model від консалтингової компанії Oxford Economics
Глобальна модель промисловості (Global Industry Model) від консалтингової компанії Oxford Economics [3], що доступна на платній основі, визначає та відображає зв'язки в ланцюжку поставок між галузями економіки окремих країн та регіонів та пов'язує їх з макроекономічними факторами попиту, забезпечуючи жорстке та послідовне представлення виробництва та інвестицій у розрізі галузей.
В системі використовуються моделі «витрати-випуск», що включають ключові показники, такі як обсяг виробництва, інвестиції та прибуток для широкого кола галузей, включаючи транспортне обладнання, хімічну промисловість, виробництво машин та промислового обладнання, видобуток нафти та природного газу, виробництво електроенергії та комунальні послуги, будівництво та виробництво будівельних матеріалів, виробництво товарів народного споживання, виробництво електроніки та високотехнологічних товарів, а також понад 10 сфер послуг.
Інтегрована модель охоплює понад 100 секторів виробництва та послуг у 77 основних країнах та єврозоні (Україна до цих країн не входить), використовуючи як основні вхідні дані компоненти макроекономічного попиту (споживчі витрати, інвестиції та державні витрати). Як основний результуючий показник обрана додана вартість по галузях.
Загальна структура моделей однакова для різних країн із поправками, що відображають специфічні для країни фактори, такі як залежність від сировинних товарів, режим обмінного курсу та гнучкість ринку праці. Ключові відносини між показниками в типовій моделі ґрунтуються на таких припущеннях: споживчі витрати визначаються реальним доходом, багатством та відсотковими ставками; інвестиції визначаються прибутковістю інвестицій та змінами у використанні виробничих потужностей; експорт залежить від світового попиту та конкурентоспроможності; заробітна плата змінюється разом з інфляцією, продуктивністю праці та рівнем безробіття щодо природного рівня; ціни є надбавкою до питомих витрат, а розмір прибутку є функцією від розриву між фактичним і потенційним обсягом виробництва; моделі грошово-кредитної політики відображають поведінку центрального банку; обмінні курси визначаються відносною продуктивністю праці та чистими зовнішніми активами у довгостроковій перспективі та змінами відносних процентних ставок у короткостроковій перспективі.
Графічна оболонка, доступна у вигляді програмного засобу або хмарного сервісу, дозволяє створювати сценарії, експортувати дані, завантажувати наперед задані сценарії та представляти дані у вигляді діаграм, теплових карт та інформаційних панелей.
Система Global Economic Data & Forecasts від консалтингової компанії Moody's Analytics
Система Global Economic Data & Forecasts [4] надається консалтинговою компанією Moody's на платній основі і призначена швидше для практиків, ніж для наукових досліджень: основні сфери застосування результатів макроекономічного моделювання включають дотримання нормативних вимог банками та страховими компаніями, оцінку кредитних ризиків тощо. Вона надає прогнози за більш ніж 100 країнами, засновані на структурній глобальній макроекономічній моделі, що охоплює понад 12 000 змінних, включаючи ринки праці, нерухомість, відсоткові ставки тощо. Базові прогнози та альтернативні сценарії оновлюються щомісяця, а горизонт прогнозування становить 30 років.
У системі використовується поєднання економетричних, статистичних моделей та моделей машинного навчання. Економетричні моделі використовуються для аналізу та прогнозування економічних взаємозв'язків між різними змінними, такими як ВВП, інфляція, відсоткові ставки та безробіття. Моделі часових рядів застосовуються для прогнозування майбутніх значень змінних, таких як ВВП, інфляція і безробіття, на основі їх минулих значень. Вони засновані на статистичних методах, таких як авторегресійне інтегроване ковзне середнє (ARIMA) та експоненційне згладжування. Структурні моделі використовуються для моделювання наслідків змін у економічній політиці, нормативних положеннях чи інших екзогенних ефектів на економіку (ВВП, інфляцію та зайнятість). Структурні моделі використовують математичні рівняння для опису поведінки різних економічних агентів, таких як домогосподарства, компанії та уряди. Моделі машинного навчання використовують алгоритми виявлення закономірностей і взаємозв'язків у великих наборах даних. Вони застосовуються як для прогнозування економічних показників, таких як зростання ВВП, інфляція та зайнятість, так і для аналізу впливу на економіку різних факторів, таких як зміни в торговельній політиці, стихійні лиха чи геополітичні події.
Таким чином, розглянуто деякі доступні зараз програмні системи моделювання економіки в контексті визначення напрямків стимулювання розвитку смарт-промисловості, встановлено їх широкі можливості, але закритий характер моделей. Напрямками подальших досліджень є розробка моделей для конкретних цілей або адаптація існуючих систем до конкретних задач.

Список використаних джерел

1. Energy Policy Simulator / Energy Innovation Policy & Technology LLC https://us.energypolicy.solutions/scenarios/home
2. Охтень О.О., Дасів А.Ф. (2022) Економіко-математичне моделювання довгострокового розвитку національної промисловості в умовах цифровізації з використанням виробничої функції. Економіка промисловості, № 4 (96), с. 5-20. DOI: 10.15407/econindustry2021.04.005
3. Global Industry Model / Oxford Economics. https://www.oxfordeconomics.com/service/subscription-services/industries/global-industry-model
4. Global Economic Data & Forecasts / Moody’s Analytics. https://www.moodysanalytics.com/product-list/global-economic-data-forecasts