Современные проблемы менеджмента качества: Вызовы Quality 4.0, цифровизация и устойчивость в контексте российской экономики

В условиях стремительной цифровизации и глобальных геополитических изменений, традиционные подходы к управлению качеством, заложенные еще У. Э. Демингом и его последователями, претерпевают кардинальную трансформацию. Если некогда фокус был на оптимизации процессов и устранении дефектов в рамках отдельных производственных циклов, то сегодня акцент смещается в сторону интегрированных, кибернетических систем качества, способных адаптироваться к постоянно меняющейся внешней среде. Актуальность темы обусловлена не только технологическим прогрессом, но и новыми системными вызовами, такими как устойчивое развитие, уязвимость глобальных цепочек поставок и кибербезопасность. По сути, мы наблюдаем фундаментальный сдвиг от реактивного к предиктивному управлению, что кардинально меняет требования к компетенциям и инструментам.

Цель настоящей работы — провести деконструкцию базовых моделей менеджмента качества, таких как принципы TQM и цикл PDCA, чтобы выйти за рамки их классического понимания и осуществить углубленный аналитический разбор современных проблем и вызовов, стоящих перед менеджментом качества в эпоху Quality 4.0, с особым акцентом на специфику российской экономики. В рамках исследования будет рассмотрена эволюция теоретических основ, проанализировано влияние технологий Индустрии 4.0 на контроль качества, изучены современные системные вызовы, предложены стратегические модели решения проблем и выявлены организационно-культурные барьеры в российских компаниях.

Трансформация теоретических основ: Эволюция TQM и концепция Quality 4.0

Классические принципы TQM (Total Quality Management), заложенные в середине XX века, предполагают непрерывное совершенствование продукта и процессов, базируясь на трех столпах: клиентоориентированности, всеобщей вовлеченности персонала и постоянном улучшении. Эти фундаментальные идеи остаются актуальными, однако их реализация сегодня требует интеграции с новыми парадигмами; концепция Quality 4.0 представляет собой именно такую интеграцию, сочетая достижения TQM и кибернетические принципы менеджмента с новыми экономическими, экологическими и социальными требованиями устойчивого развития. Это не просто обновление, а стратегический переход от контроля качества на выходе к предиктивному управлению качеством по всей цепочке создания ценности, используя данные и интеллектуальные системы, что, в конечном итоге, обеспечивает не только стабильность, но и способность к саморазвитию. Интеграция методов TQM и технологий Индустрии 4.0 рассматривается как ключевой подход для значительного повышения показателей устойчивости производственных организаций в современной глобальной экономике.

Процессный подход ISO 9001:2015 как основа для интеграции

Международный стандарт ISO 9001, являющийся краеугольным камнем для построения эффективной системы менеджмента качества (СМК) во всем мире, демонстрирует эту эволюцию. В отличие от ранних версий стандарта ISO 9001 (1987, 1994 гг.), основанных на элементном подходе, редакция 2000 года, а затем и ISO 9001:2015, перешла на процессный подход, включив цикл PDCA (Планирование-Выполнение-Проверка-Действие) Шухарта-Деминга и кибернетическую обратную связь. Этот переход позволил организациям более гибко и системно управлять качеством, рассматривая каждый аспект деятельности как взаимосвязанный процесс, что критически важно для динамичных бизнес-моделей.

На текущий момент, в условиях цифровизации, принципы СМК, заложенные в ISO 9001:2015, дополняются требованиями согласованности, гибкости, технологичности, обеспеченности и инновационности. Международный стандарт ISO 9001:2015 был оставлен без изменений после глобального интернет-опроса в 2020 году, что означает, что организации продолжают работать по его внедренной системе. Однако активно ведется работа над его следующей редакцией. Пересмотр стандарта ISO 9001, ранее планировавшийся к публикации в 2025 году, был отложен, и публикация новой версии ожидается не раньше осени 2026 года (ISO 9001:2026). Ключевые изменения в пересматриваемом стандарте направлены на гармонизацию его структуры с другими стандартами систем менеджмента (например, ISO 14001 по экологии, ISO 45001 по охране труда) через принятие Гармонизированной структуры (HS). Это позволит компаниям проще интегрировать различные системы менеджмента, сокращая административные издержки и повышая общую эффективность. Также ожидается включение аспектов устойчивости развития и управления изменениями в требования к СМК, что отражает растущее значение этих факторов в современной деловой среде и становится основой для трансформации качества в парадигме Quality 4.0.

Индустрия 4.0 как инструмент повышения качества: От точечного контроля к Big Data-аналитике

Индустрия 4.0 — это не просто набор новых технологий, а парадигма глубокой цифровой трансформации производства, представляющая собой конвергенцию таких ключевых технологий, как Интернет Вещей (IoT), Большие данные (Big Data), искусственный интеллект (AI), облачные вычисления и киберфизические системы (КФС). Все они нацелены на создание «умных заводов» (Smart Factories), где каждый элемент производственной цепи связан и взаимодействует в реальном времени. Таким образом, Индустрия 4.0 предлагает не просто улучшение отдельных процессов, но создание принципиально новой экосистемы производства, способной к самооптимизации и адаптации.

Применение Интернета Вещей (IIoT) для мониторинга в реальном времени

Базовой технологией, лежащей в основе Индустрии 4.0, является Индустриальный Интернет Вещей (IIoT). IIoT создает единый цифровой контур, объединяя физическое оборудование, датчики, системы управления и аналитические платформы. Это позволяет собирать огромные объемы данных о каждом этапе производственного процесса, состоянии оборудования, параметрах окружающей среды. Технологии IoT и Big Data обеспечивают мониторинг в реальном времени, что является революционным шагом по сравнению с традиционным точечным контролем. Если раньше контроль качества проводился выборочно и постфактум, то теперь дефекты или неэффективность могут быть обнаружены на самых ранних стадиях процесса. Это обеспечивает стабильное качество продукции, превентивно предотвращая брак и сокращая затраты на его устранение. Киберфизические системы (КФС) развивают эту идею, позволяя вести автоматический мониторинг и контроль всего процесса, включая адаптацию производства под текущие нужды клиентов, и являются основой для концепции «умного производства». Цифровизация СМК также включает возможности цифровой сертификации, основанной на тысячах виртуальных испытаний как отдельных компонентов, так и всей системы в целом, что дополняет или частично заменяет дорогостоящее и времязатратное физическое тестирование. В конечном итоге, это позволяет не только сократить издержки, но и значительно ускорить вывод новых продуктов на рынок.

Big Data и машинное обучение в снижении процента брака

Применение технологий сбора и анализа Больших данных (Big Data) и машинного обучения в производстве открывает беспрецедентные возможности для повышения качества. Эти инструменты позволяют не просто фиксировать дефекты, но и выявлять глубинные закономерности, определять причины их возникновения и прогнозировать потенциальные проблемы. По данным отраслевых исследований, такой подход дает возможность снизить процент брака в 2-3 раза.

Например, системы машинного обучения, анализируя исторические данные о производственных параметрах (температура, давление, скорость, состав сырья) и случаях брака, могут автоматически выявлять периодичность или корреляции, которые неочевидны для человека. Они могут обнаружить, что отклонение одного параметра на незначительную величину в определенный момент времени критически влияет на качество конечного продукта. Используя предиктивную аналитику, можно немедленно скорректировать процесс, предотвращая производство бракованной партии. Это существенно сокращает потери, повышает эффективность использования ресурсов и укрепляет репутацию компании как производителя высококачественной продукции. Разве не это является конечной целью любой производственной системы – минимизировать издержки при максимальном качестве?

Анализ системных вызовов современности: Уязвимость и устойчивость в СМК

Современный менеджмент качества сталкивается с рядом системных вызовов, которые выходят далеко за рамки классического понимания качества продукта и процессов. Эти вызовы взаимосвязаны и требуют комплексного подхода в рамках СМК.

Управление устойчивостью и социальной ответственностью

Сегодня концепция качества неразрывно связана с понятием устойчивости развития, которая включает в себя экономическую, экологическую и социальную ответственность. Это означает, что СМК должна выйти за рамки фокусировки только на качестве продукции и включить более широкие аспекты воздействия деятельности организации на окружающую среду и общество. Например, это может быть контроль за выбросами вредных веществ, рациональное использование ресурсов, справедливые условия труда, соблюдение этических норм в цепочке поставок. Потребители и регулирующие органы все больше ценят компании, демонстрирующие высокий уровень корпоративной социальной ответственности (КСО). Таким образом, эффективная СМК должна интегрировать принципы устойчивого развития, становясь инструментом не только для улучшения продукта, но и для построения социально ответственного и экологически чистого бизнеса. Это не дань моде, а императив для долгосрочной жизнеспособности.

Устойчивость цепочек поставок и импортозамещение в России

Одним из наиболее острых системных вызовов, особенно актуальных для российской экономики, является низкая устойчивость цепочек поставок. Несмотря на то, что 85% российских компаний заявляют о высокой устойчивости своих цепей поставок, эта уверенность зачастую опирается на ручное управление и реактивность, а не на зрелость процессов и контроль рисков, что указывает на фактическую уязвимость. Глобальные потрясения, такие как пандемия COVID-19 и геополитические санкции, ярко продемонстрировали критическую зависимость многих отраслей от импортных компонентов и промежуточных товаров.

Возьмем, к примеру, машиностроение. Доля импорта машин, оборудования и транспортных средств в общем объеме импорта России в 2021 году составляла более 49%. Еще более показательны данные по отдельным отраслям: до введения санкционных ограничений доля импортных комплектующих в российском автопроме составляла от 50% до 70%, а отечественный самолет SSJ100 по состоянию на 2022 год состоял на 70% из импортных компонентов. Такая критическая зависимость обусловила серьезные проблемы со стабильностью производства и качеством продукции в условиях ограничений. В 2024–2025 годах на российском рынке сохраняется повышенный спрос на крупные партии запчастей и промышленного оборудования из Европы даже при более высокой стоимости, что обусловлено нехваткой качественных и совместимых комплектующих на внутреннем рынке и в соседних странах. Это является серьезным вызовом для обеспечения стабильного качества и требует от СМК глубокой перестройки подходов к управлению поставщиками, развитию локализации и обеспечению технологического суверенитета. Отсюда следует, что без системного подхода к импортозамещению и развитию собственной производственной базы, зависимость от внешних факторов будет постоянно подрывать качество и устойчивость отечественной экономики.

Кибербезопасность как качество информации

В эпоху цифровизации, когда все больше данных собирается, обрабатывается и хранится в электронном виде, вопросы информационной безопасности и кибербезопасности напрямую влияют на управление качеством. Растущее количество данных и переход сфер деятельности в информационный формат делают критически важной защиту от взломов, уничтожения или изменения данных. Несанкционированный доступ, потеря или искажение данных могут привести не только к финансовым потерям и репутационному ущербу, но и к прямому снижению качества продукции или услуг, если решения принимаются на основе некорректной информации. Это означает, что инвестиции в кибербезопасность — это не просто затраты, а инвестиции в сохранение качества и доверия.

Принципы управления качеством (такие как процессный подход, выявление проблем, устранение уязвимостей, постоянное улучшение) могут быть успешно применены для повышения уровня информационной безопасности в организации. Например, идентификация рисков кибербезопасности аналогична выявлению потенциальных дефектов, разработка процедур защиты — это контроль качества процесса, а регулярный аудит систем безопасности — это проверка эффективности СМК в области информации. Интеграция СМК и системы управления информационной безопасностью (например, на базе ISO 27001) становится не просто желательной, а необходимой для обеспечения доверия к данным, а следовательно, и к конечному продукту.

Стратегические модели решения проблем: Применение Lean Six Sigma и стандартов ISO

В условиях современных вызовов организации нуждаются в мощных, интегрированных методологиях для решения проблем качества. Среди них выделяется Lean Six Sigma (LSS), а также не теряют актуальности стандарты ISO.

Методология Lean Six Sigma (LSS) и DMAIC

Lean Six Sigma (LSS) — это мощная интегрированная методология, объединяющая два проверенных подхода:

1. Бережливое производство (Lean manufacturing): Направлено на сокращение потерь (муда) и ускорение процессов за счет оптимизации потока ценности, устранения ненужных операций, сокращения запасов и времени цикла.
2. Шесть Сигм (Six Sigma): Сфокусировано на повышении качества продукта и снижении дефектов через устранение статистических отклонений и вариативности в процессах.

Объединяя эти две концепции, LSS позволяет организациям не только производить быстрее и с меньшими затратами, но и обеспечивать почти безупречное качество. Основной методологией решения проблем в LSS является DMAIC (Define – Measure – Analyse – Improve – Control), которая обеспечивает структурированный, основанный на данных подход к совершенствованию процессов:

• Define (Определение): Четкое определение проблемы, целей проекта и требований клиента.
• Measure (Измерение): Сбор данных о текущем состоянии процесса и измерение ключевых показателей производительности.
• Analyse (Анализ): Использование статистических инструментов для выявления первопричин проблем и отклонений.
• Improve (Улучшение): Разработка и внедрение решений для устранения выявленных причин.
• Control (Контроль): Установление систем контроля для поддержания достигнутых улучшений и предотвращения рецидивов.

Этот цикл позволяет систематически подходить к улучшению процессов, делая их более эффективными и менее подверженными дефектам.

Количественное обоснование целей Six Sigma

Концепция Six Sigma требует, чтобы менеджмент принимал решения на основе фактов и данных, используя статистические методы для достижения цели не более 3,4 дефектных выходов на 1 млн операций (DPMO – Defects Per Million Opportunities). Этот уровень качества, известный как уровень 6σ, является ориентиром для компаний, стремящихся к совершенству.

Для того чтобы продемонстрировать академическую глубину и понять масштаб этой цели, важно сравнить ее с другими уровнями качества:

• Уровень Трех Сигм (3σ): Соответствует 66 800 дефектам на 1 млн операций. Это означает, что из каждого миллиона произведенных единиц или выполненных операций, почти 67 тысяч будут иметь дефект.
• Уровень Четырех Сигм (4σ): Это стандартный показатель для большинства компаний, который соответствует 6 210 дефектам на 1 млн операций. Хотя это значительно лучше, чем 3σ, все еще остается много возможностей для улучшения.
• Уровень Шести Сигм (6σ): Целевой уровень 3,4 дефекта на 1 млн операций. Это подчеркивает, что цель 6σ является целью, на порядок превышающей средний уровень качества в большинстве отраслей, требующей глубокого понимания процессов, строгого контроля и постоянного совершенствования.

Для иллюстрации: если компания производит 1 миллион продуктов в год, то при уровне 3σ у нее будет 66 800 бракованных продуктов, при 4σ — 6 210, а при 6σ — всего 3 или 4 бракованных продукта. Это огромное различие в потерях, затратах на переделку, гарантийное обслуживание и репутационном ущербе. Формула для расчета дефектов на миллион возможностей (DPMO) выглядит так:

DPMO = (количество дефектов / (количество возможностей * количество единиц)) * 1 000 000

Где:

• Количество дефектов — общее число выявленных дефектов.
• Количество возможностей — число потенциальных видов дефектов на единицу.
• Количество единиц — общее число произведенных единиц.

Пример: Если в партии из 1000 единиц (каждая с 5 потенциальными возможностями дефектов) обнаружено 10 дефектов, то DPMO = (10 / (5 * 1000)) * 1 000 000 = 2000. Это соответствует уровню примерно 4,3σ.

Классические инструменты качества, такие как Диаграммы Исикавы (причинно-следственных связей) и Диаграммы Парето, продолжают использоваться в рамках таких методологий, как Lean Six Sigma и TQM. Диаграмма Исикавы помогает визуализировать все возможные причины проблемы, а Диаграмма Парето – определить наиболее значимые из них, что позволяет сосредоточить усилия на устранении ключевых факторов.

В свою очередь, стандарты серии ISO 9000 (включая ГОСТ Р ИСО 9001-2015) остаются международно признанной основой для построения эффективной СМК, основанной на процессном подходе. Они задают общие требования к системе, которые могут быть дополнены и усилены такими методологиями, как Lean Six Sigma, для достижения стратегических целей в области качества.

Организационно-культурные барьеры цифровой зрелости в России

Несмотря на очевидные преимущества цифровизации и внедрения концепции Quality 4.0, многие организации сталкиваются с существенными барьерами, лежащими в плоскости человеческого фактора и организационной культуры. В российских компаниях эти барьеры проявляются особенно остро.

Сопротивление персонала и нехватка компетенций

Ключевым барьером для внедрения цифровых технологий и искусственного интеллекта (ИИ) в российских компаниях является изменение культуры и преодоление сопротивления персонала. Согласно исследованию CGI Global 1000, 72% опрошенных сотрудников компаний назвали эту причину главной. Люди часто боятся изменений, опасаются потери рабочих мест, необходимости осваивать новые навыки или просто не доверяют новым системам. По данным опросов российских компаний, проведенных в 2018 году, страх изменений (являющийся частью сопротивления персонала) был назван препятствием для цифровой трансформации 45,3% респондентов, подтверждая значимость человеческого фактора. Это явное указание на то, что технологические решения сами по себе не работают без глубокой работы с человеческим капиталом и его готовностью к изменениям.

Помимо сопротивления, существуют и более фундаментальные проблемы. Основные препятствия для цифровой трансформации российских предприятий включают недостаточные компетенции и знания (64,1%), а также нехватку квалифицированных кадров (60,9%) и отсутствие четкой стратегии (53,2%). Это указывает на системный дефицит специалистов, способных работать с новыми технологиями, и отсутствие ясного видения того, как интегрировать цифровые решения в бизнес-процессы. Без адекватного обучения и развития персонала, даже самые передовые технологии останутся неиспользованными или будут внедрены неэффективно.

Низкое качество данных и data-driven культура

Второй по значимости причиной неудач ИИ-проектов и цифровой трансформации в целом является низкое качество и хаотичность исходных данных. Дубликаты, устаревшие файлы, несовместимые форматы, ошибки ввода — все это делает данные непригодными для аналитики и обучения алгоритмов ИИ. Успешность внедрения инноваций, таких как ИИ-проекты, напрямую зависит от культуры работы с информацией в компании: организации с data-driven подходом (где решения принимаются на основе данных) успешнее, чем те, что полагаются на авторитет экспертов (people-driven) или формальное следование регламентам (process-driven).

К сожалению, значительная часть опрошенных российских компаний (61%, по данным Росстата и НИУ ВШЭ) не используют цифровые технологии и не видят в них потребности, что указывает на низкий уровень цифровой зрелости. Этот факт усугубляется тем, что даже те, кто внедряет технологии, делают это фрагментарно. Например, несмотря на общий тренд цифровизации, интеграция передовых технологий остается низкой: только 27% российских организаций, применяющих искусственный интеллект, используют его в связке с технологиями Интернета вещей (IoT). Это говорит о том, что многие компании не до конца осознают потенциал комплексного использования технологий Индустрии 4.0 и продолжают работать в рамках устаревших парадигм, что неизбежно становится барьером для формирования эффективной СМК в условиях Quality 4.0.

Заключение и перспективы развития

Переход от классических принципов менеджмента качества к концепции Quality 4.0 является неизбежным и критически важным для выживания и процветания организаций в современных условиях. Исследование показало, что академическая деконструкция базовых моделей качества, таких как TQM и PDCA, позволяет выявить новые грани их применения в условиях цифровизации и возрастающих требований к устойчивому развитию. Технологии Индустрии 4.0, в особенности IIoT, Big Data и AI, кардинально меняют методы контроля качества, трансформируя точечный контроль в предиктивную аналитику, способную снижать процент брака в разы.

Однако путь к Quality 4.0 сопряжен с серьезными системными вызовами, особенно остро стоящими перед российской экономикой. Управление устойчивостью, обеспечение кибербезопасности и, что особенно важно, повышение устойчивости цепочек поставок в условиях критической зависимости от импорта – все это требует комплексного подхода и стратегической перестройки СМК. Применение таких методологий, как Lean Six Sigma, с их строгим количественным обоснованием целей (например, переход от 3σ к 6σ), становится необходимым условием для достижения стратегических преимуществ.

Вместе с тем, ключевыми барьерами остаются человеческий фактор и организационная культура: сопротивление персонала изменениям, недостаток компетенций и, что особенно критично, низкое качество данных и отсутствие полноценной data-driven культуры в российских компаниях. Эти аспекты требуют особого внимания при разработке стратегий цифровой трансформации и внедрения Quality 4.0, ведь без изменения мышления и навыков персонала, даже самые передовые технологии будут лишь дорогостоящими игрушками.

Для дальнейших исследований перспективными направлениями являются:

• Глубокий анализ этических и социальных аспектов Quality 4.0, включая влияние ИИ на рабочие места и принятие решений.
• Исследование практических кейсов внедрения интегрированных систем менеджмента (качество, экология, безопасность, информационная безопасность) в российских компаниях.
• Детальная проработка методик управления изменениями и формирования data-driven культуры в контексте российской специфики для успешного внедрения ISO 9001:2026 и других современных стандартов.

Список использованной литературы

1. ГОСТ Р ИСО 9001-2015. Системы менеджмента качества. Требования. М.: Стандартинформ, 2015.
2. 5 главных трендов Internet of Things на ближайшие 5 лет // Big Data School. URL: https://bigdataschool.ru/blog/5-glavnyh-trendov-internet-of-things-na-blizhajshie-5-let.html (дата обращения: 07.10.2025).
3. 8 Принципов TQM // Smartcons. URL: https://smartcons.org/blog/8-principles-tqm (дата обращения: 07.10.2025).
4. АНАЛИТИКА, вып. 13. Импортозамещение индустриального ПО в России: проблемы и перспективы // Фонд энергетического развития. URL: https://fea.ru/news/858-analitika-vyp-13-importozameshchenie-industrialnogo-po-v-rossii-problemy-i-perspektivy (дата обращения: 07.10.2025).
5. Адаптация российских промышленных компаний к санкциям: первые шаги и ожидания // НИУ ВШЭ. URL: https://www.hse.ru/data/2023/07/03/2056973686/2023_04_07_Ros_prom_kompanii_v_usl_sankciy_P.pdf (дата обращения: 07.10.2025).
6. Барьеры распространения цифровых технологий в деятельности Российских промышленных предприятий // УрФУ. URL: https://elar.urfu.ru/bitstream/10995/103986/1/978-5-7996-3243-2_2021_11.pdf (дата обращения: 07.10.2025).
7. Вопросы интеграции систем менеджмента качества и информационной безопасности // ВААЭЛ. URL: https://vaael.ru/jour/article/view/174/174 (дата обращения: 07.10.2025).
8. Как IoT способствует развитию Индустрии 4.0? // Trugem Tech. URL: https://trugemtech.com/articles/kak-iot-sposobstvuet-razvitiyu-industrii-4-0 (дата обращения: 07.10.2025).
9. Кибербезопасность и проблема повышения качества управления информацией // Cyberleninka. URL: https://cyberleninka.ru/article/n/kiberbezopasnost-i-problema-povysheniya-kachestva-upravleniya-informatsiey (дата обращения: 07.10.2025).
10. Lean Six Sigma: объединение проверенных методик для получения стратегических преимуществ // Cfin.ru. URL: https://www.cfin.ru/management/control/lean_six_sigma.shtml (дата обращения: 07.10.2025).
11. Lean Six Sigma: обзор метода и его основные инструменты // LeadStartup.ru. URL: https://leadstartup.ru/blog/lean-six-sigma-obzor-metoda-i-ego-osnovnye-instrumenty (дата обращения: 07.10.2025).
12. Основные тренды цифровизации системы менеджмента качества // Комбикорма. URL: https://kombi-korma.ru/articles/osnovnye-trendy-tsifrovizatsii-sistemy-menedzhmenta-kachestva (дата обращения: 07.10.2025).
13. Переход к Индустрии 4.0: роль беспроводных датчиков в повышении эффективности производства // Habr.com. URL: https://habr.com/ru/companies/maxus/articles/734360/ (дата обращения: 07.10.2025).
14. Применение Индустрии 4.0 в рамках TQM для повышения устойчивости бизнеса // Качество.pro. URL: https://kachestvo.pro/blog/articles/primenenie-industrii-4-0-v-ramkakh-tqm-dlya-povysheniya-ustoychivosti-biznesa/ (дата обращения: 07.10.2025).
15. ПРОБЛЕМЫ В СИСТЕМЕ МЕНЕДЖМЕНТА КАЧЕСТВА, ВЛИЯЮЩИЕ НА УСТОЙЧИВОЕ РАЗВИТИЕ ПРЕДПРИЯТИЯ // ResearchGate. URL: https://www.researchgate.net/publication/348256338_PROBLEMY_V_SISTEME_MENEDZMENTA_KACESTVA_VLIYASIE_NA_USTOJCIROE_RAZVITIE_PREDPRIYATIYA (дата обращения: 07.10.2025).
16. Пути развития СМК в условиях цифровизации // Cyberleninka. URL: https://cyberleninka.ru/article/n/puti-razvitiya-smk-v-usloviyah-tsifrovizatsii (дата обращения: 07.10.2025).
17. Тенденции развития менеджмента: качество 4.0 // Центр «Приоритет». URL: https://centr-prioritet.ru/blog/tendentsii-razvitiya-menedzhmenta-kachestvo-4-0 (дата обращения: 07.10.2025).
18. Управление качеством проекта: Метрики, KPI и методики Lean, TQM, Six Sigma // Elma365.com. URL: https://elma365.com/blog/upravlenie-kachestvom-proekta-metriki-kpi-i-metodiki-lean-tqm-six-sigma/ (дата обращения: 07.10.2025).
19. Цифровая система управления производством — важный шаг к «Индустрии 4.0» // Control Engineering Russia. URL: https://controlengrussia.com/opyt-i-praktika/tsifrovaya-sistema-upravleniya-proizvodstvom-vazhnyy-shag-k-industrii-4-0/ (дата обращения: 07.10.2025).
20. Цифровое будущее СМК // РИА «Стандарты и Качество». URL: https://ria-stk.ru/stk/arkhiv/novosti-i-informatsiya/tsifrovoe-budushchee-smk (дата обращения: 07.10.2025).
21. Цифровизация в новой редакции стандарта ISO 9001 // DQS Russia. URL: https://www.dqs-russia.ru/blog/2020-03-03-tsifrovizatsiya-v-novoy-redaktsii-standarta-iso-9001.html (дата обращения: 07.10.2025).
22. Экономика 4.0: Big Data, цифровизация и рост экономики // Habr.com. URL: https://habr.com/ru/companies/maxus/articles/734360/ (дата обращения: 07.10.2025).
23. Исследование: 95% компаний неудачно внедряют ИИ из-за 6 главных ошибок // Новости IT-канала. URL: https://novostiitkanala.ru/news/issledovanie-95-kompaniy-neudachno-vnedryayut-ii-iz-za-6-glavnykh-oshibok (дата обращения: 07.10.2025).