УДК 338.583
DOI: 10.36871/ek.up.p.r.2026.05.11.018

Авторы

Олег Борисович Тверье,
Московский государственный технологический университет «СТАНКИН», Москва, Россия

Аннотация

В статье обосновывается необходимость создания новой концептуальной модели принятия инвестиционных решений для высокотехнологичных промышленных предприятий, функционирующих в условиях турбулентной внешней среды и сжатых жизненных циклов продуктов. Предлагаемая модель интегрирует принципы стоимостного инжиниринга с блочно-модульным подходом к проектированию производственных систем. Автором представлен детальный анализ существующих публикаций по проблеме, сформулированы цель и научная гипотеза, описана методология исследования. Основное внимание уделено раскрытию структуры авторской модели, включающей пять последовательных блоков: аналитический, расчетный, диагностический, проектный и реализационный. В выводах обобщены теоретическая значимость и практическая применимость модели для повышения обоснованности инвестиционных решений в высокотехнологичном секторе промышленности.

Ключевые слова

концептуальная модель, инвестиционные решения, высокотехнологичные промышленные предприятия, стоимостной инжиниринг, целевая стоимость продукта, модульная производственная система, технико-экономическое моделирование

Список литературы

  1. Kimura H., Yamada T., Matsumoto M. Dynamic tension in target costing: A case study of highquality low-cost manufacturing // International Journal of Production Economics. – 2024. – Vol. 270. – Art. 109185.
  2. Бугаев Д.А., Лопатин Д.А., Тургаева А.А. Управление рисками в период цифровых трансформаций // Вестник Евразийской науки. – 2023. – Т. 15, № 6. – С. 1–12.
  3. Value Engineering in the Era of Industry 4.0 (VE 4.0): A Comprehensive Review, Gap Analysis, and Strategic Framework // International Journal of Natural-Applied Sciences and Engineering. – 2025. – Vol. 3, No. 1.
  4. Hammann D. Big data and machine learning in cost estimation: An automotive case study // International Journal of Production Economics. – 2024. – Vol. 269. – Art. 109137.
  5. Бойцова Е.А., Басанова Т.А., Лазарев Н.П. Интеграция сбалансированной системы показателей в стратегическое планирование высокотехнологичных компаний // Вестник Евразийской науки. – 2025. – Т. 17, № 1. – С. 1–20.
  6. Кирьянов Е.О., Чараева М.В. Финансово-инвестиционная стратегия российских промышленных предприятий: от формирования до реализации: монография. – М.: КноРус, 2024. – 182 с.
  7. Lario J., Mateos J., Psarommatis F., Ortiz Á. A cost model for the investment feasibility of quality inspection technologies in the Zero Defect Manufacturing era // International Journal of Production Research. – 2024. – DOI 10.1080/00207543.2024.2383780.
  8. Медведева Е.В., Шальнева М.С. Оценка влияния цифровой среды и ESG-трансформации экономики на развитие российских высокотехнологичных компаний // Инновации и инвестиции. – 2024. – № 11. – С. 316–321.
  9. Пятовский С.Е., Горбунов А.В., Кравченко О.В., Петрова Т.А. Управление высокотехнологичными компаниями в условиях импортозамещения // Russian Engineering Research. – 2024. – № 44. – С. 1050–1053.
  10. Thanoon I.Y. Integration between Target Costing and Activity Based Costing and its Role in Rationalizing Investment Decisions: Case Study // TANMIYAT AL-RAFIDAIN. – 2025. – Vol. 44, No. 148. – P. 112–135.
  11. Шадькова Д.К., Коркишко А.Н. Стоимостной инжиниринг как основа управления проектом обустройства месторождения на примере компании ПАО «Газпром нефть» // Фундаментальные исследования. – 2016. – № 12-4. – С. 930–934.
  12. Susanti S., Efendi B. Evolution of the Concept and Implementation of Target Costing in the Manufacturing Industry: A Critical Literature Review 2010-2025 // MAGISMA: Jurnal Ilmiah Ekonomi dan Bisnis. – 2025. – Vol. 7, No. 1. – P. 45–67.
  13. Liu X. Cost Engineering Systems for Manufacturing Enterprises: Methods, Processes and Experience Reports from Practice. – 1st ed. – Singapore: Springer Nature, 2025. – XXVI, 169 p.
  14. Nørgaard M., Gronwald J.M., Christensen C.K.F., Mortensen N.H. The Product Variety Costing Method (PVCM): A Data-Driven Approach to Resource Allocation and Cost Evaluation // Machines. – 2025. – Vol. 13, No. 12. – Art. 1137.
  15. Wouters M., Hammann D. Explainability Versus Accuracy of Machine Learning Models: The Role of Task Uncertainty and Need for Interaction with the Machine Learning Model // European Accounting Review. – 2026. – Vol. 35, No. 2. – P. 343–375. – DOI 10.1080/09638180.2025.2463961.