uzriaУченые записки Российской академии предпринимательстваScientific notes of the Russian academy of entrepreneurship2073-6258JSC “Publishing Agency “Science and Education”10.24182/2073-6258-2022-21-2-60-66uzria-744Research ArticleОТРАСЛЕВОЙ СЕКТОР КАК ОСНОВА ЭКОНОМИКИ РОССИИINDUSTRY SECTOR AS THE BASIS OF THE RUSSIAN ECONOMYРазвитие инновационных компетенций предприятий по производству электрического оборудования в области импортозамещенияDevelopment of innovative competencies of enterprises for the production of electrical equipment in the field of import substitutionМоисеевС. Б.MoiseevS. B.

генеральный директор

Москва

General director

Moscow 

moiseev.sb@mosizolyator.ruКакатуноваТ. В.KakatunovaT. V.

доктор экономических наук, профессор, кафедра информационных технологий в экономике и управлении

Смоленск

Dr. Sci. (Econ.), Prof.

Smolensk 

tatjank@yandex.ruООО «Масса»РоссияJSC «Massa»Russian FederationНациональный исследовательский университета «МЭИ», филиал в г. СмоленскеРоссияNational Research University «MPEI», Smolensk branchRussian Federation2022110720222126066Copyright © Моисеев С.Б., Какатунова Т.В., 20222022Моисеев С.Б., Какатунова Т.В.Moiseev S.B., Kakatunova T.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.scinotes.ru/jour/article/view/744

Приведены результаты анализа российского импорта в различных сегментах рынка электротехнической продукции. Показано, что одним из способов повышения уровня конкурентоспособности и обеспечения импортонезависимости предприятий по производству электрического оборудования является формирование инновационных ключевых компетенций. Рассмотрена система развития инновационных компетенций предприятий по производству электрического оборудования в области импортозамещения.

The results of the analysis of Russian imports in various segments of the electrical products market are presented. It is shown that one of the ways to increase the level of competitiveness and ensure the import independence of enterprises for the production of electrical equipment is the formation of innovative key competencies. The system of development of innovative competencies of enterprises for the production of electrical equipment in the field of import substitution is considered.

инновационные ключевые компетенции предприятияпроизводство электрического оборудованияпроизводство высоковольтных вводовимпортозамещениеинновацииinnovative key competencies of the enterpriseproduction of electrical equipmentproduction of high–voltage bushingsimport substitutioninnovationsReferencesШашкова О. Трансформаторы. Внешняя торговля РФ по итогам 2021 года. Электротехнический рынок. 2022. № 2 (104). С. 22–24. [Электронный ресурс]: https://www.elec.ru/library/arhiv-nomerovzhurnala-elektrotehnicheskij-rynok/.Shashkova O. Transformers. Foreign trade of the Russian Federation in 2021. Electrotechnical market. 2022. No. 2 (104). Pp. 22–24. [Electronic resource]: https://www.elec.ru/library/arhiv-nomerov-zhurnala-elektrotehnicheskij-rynok/.Шашкова О. Аппаратура электрическая. Внешняя торговля РФ по итогам 1-го полугодия 2021 года. Электротехнический рынок. 2021. № 6 (102). С. 26–29. [Электронный ресурс]: https://www.elec.ru/library/arhiv-nomerov-zhurnala-elektrotehnicheskij-rynok/.Shashkova O. Electrical equipment. Foreign trade of the Russian Federation based on the results of the 1st half of 2021. Electrotechnical market. 2021. No. 6 (102). Pp. 26–29. [Electronic resource]: https://www.elec.ru/library/arhiv-nomerov-zhurnala-elektrotehnicheskij-rynok/.Шашкова О. Рынок кабельно-проводниковой продукции. Внешняя торговля РФ по итогам 2020 года. Электротехнический рынок. 2021. № 1(97). С. 20–22. [Электронный ресурс]: https://www.elec.ru/library/arhiv-nomerov-zhurnala-elektrotehnicheskij-rynok/.Shashkova O. The market of cable and wire products. Foreign trade of the Russian Federation at the end of 2020. Electrotechnical market. 2021. No. 1(97). Pp. 20–22. [Electronic resource]: https://www.elec.ru/library/arhiv-nomerov-zhurnala-elektrotehnicheskij-rynok/.Шашкова О. Российский рынок электродвигателей по итогам 2021 года. Электротехнический рынок. 2022. № 3 (105). С. 24–27. [Электронный ресурс]: https://www.elec.ru/library/arhiv-nomerovzhurnala-elektrotehnicheskij-rynok/.Shashkova O. Russian market of electric motors based on the results of 2021// Electrotechnical market. 2022. No. 3 (105). Pp. 24–27. [Electronic resource]: https://www.elec.ru/library/arhiv-nomerov-zhurnala-elektrotehnicheskij-rynok/.Шашкова О. Изоляторы. Внешняя торговля РФ по итогам 2020 года. Электротехнический рынок. 2021. № 4-5 (100-101). С. 24–26. [Электронный ресурс]: https://www.elec.ru/library/arhiv-nomerovzhurnala-elektrotehnicheskij-rynok/.Shashkova O. Insulators. Foreign trade of the Russian Federation at the end of 2020 // Electrotechnical market. 2021. No. 4-5 (100-101). Pp. 24–26. [Electronic resource]: https://www.elec.ru/library/arhiv-nomerov-zhurnala-elektrotehnicheskij-rynok/.Анализ рынка электротехнического оборудования в условиях кризиса 2020 года: снижение может составить до 25% [Электронный ресурс]: https://www.megaresearch.ru/news_in/analiz-rynkaelektrotehnicheskogo-oborudovaniya-v-usloviyah-krizisa-2020-goda-snizhenie-mozhet-sostavit-do-25-1567.Analysis of the market for electrical equipment during the crisis of 2020: the decline may be up to 25% [Electronic resource]: https://www.megaresearch.ru/news_in/analiz-rynka-elektrotehnicheskogo-oborudovaniya-v-usloviyah-krizisa-2020-goda-reduction-mozhet-sostavit-do-25-1567.Dli M.I., Bulygina O.V., Sokolov A.M. Rubrication of text information basedon the voting of intellectual classify. Journal of Applied Informatics. 2020. Т. 15. № 5 (89). С. 29–36.Dli M.I., Bulygina O.V., Sokolov A.M. Rubrication of text information based on the voting of intellectual classify. Journal of Applied Informatics. 2020. V. 15. No. 5 (89). Pp. 29–36.Дли М.И., Пучков А.Ю., Лобанева Е.И. Анализ влияния архитектуры входных слоев свертки и подвыборки глубокой нейронной сети на качество распознавания изображений. Прикладная информатика. 2020. Т. 15. № 1 (85). С. 113–122.Dli M.I., Puchkov A.Yu., Lobaneva E.I. Analysis of the influence of the architecture of input layers of convolution and subsampling of a deep neural network on the quality of image recognition. Applied Informatics. 2020. V. 15. No. 1 (85). Pp. 113–122.Энергетическая стратегия РФ на период до 2035 года [Электронный ресурс]: http://www.consultant.ru/document/cons_doc_LAW_354840/feb387ba6cb412e94e5c4fd72de0228c1a68af25/.Energy strategy of the Russian Federation for the period up to 2035 [Electronic resource]: http://www.consultant.ru/documentcons_doc_LAW_354840/feb387ba6cb412e94e5c4fd72de0228c1a68af25/.Отраслевые планы импортозамещения Минпромторга России [Электронный ресурс]: https://frprf.ru/zaymy/prioritetnye-proekty/?docs=334.Industry plans for import substitution of the Ministry of Industry and Trade of Russia [Electronic resource]: https://frprf.ru/zaymy/prioritetnye-proekty/?docs=334.Спецпредставитель Путина предложил стратегию «технологического острова» [Электронный ресурс]: https://www.rbc.ru/technology_and_media/09/06/2022/62a0bb419a79471aefb3cc5e.Putin’s special envoy proposed a «technological island» strategy [Electronic resource]: https://www.rbc.ru/technology_and_media/09/06/2022/62a0bb419a79471aefb3cc5e.Dli M.I., Vlasova E.A., Sokolov A.M., Morgunova E.V. Creation of a chemical-technological system digital twin using the python language. Journal of Applied Informatics. 2021. Т. 16. № 1 (91). С. 22–31.Dli M.I., Vlasova E.A., Sokolov A.M., Morgunova E.V. Creation of a chemical-technological system digital twin using the python language. Journal of Applied Informatics. 2021. V. 16. No. 1 (91). Pp. 22–31.Мешалкин В.П., Дли М.И., Пучков А.Ю., Лобанева Е.И. Предварительная оценка прагматической ценности информации в задаче классификации на основе глубоких нейронных сетей. Прикладная информатика. 2021. Т. 16. № 3 (93). С. 9–20.Meshalkin V.P., Dli M.I., Puchkov A.Yu., Lobaneva E.I. Preliminary assessment of the pragmatic value of information in the classification problem based on deep neural networks. Applied Informatics. 2021. V. 16. No. 3 (93). Pp. 9–20.

The authors declare that there are no conflicts of interest present.