CC BY
55
УДК 004.9
АВТОМАТИЗАЦИЯ ПРОЦЕССА АТТЕСТАЦИИ СОТРУДНИКОВ КОМПАНИИ НА
ОСНОВЕ МЕТОДА АНАЛИЗА ИЕРАРХИЙ
Шафоростова Елена Николаевна, к.п.н., доцент, Старооскольский технологический институт НИТУ «МИСиС», Россия, г. Старый Оскол, [email protected]
Ковтун Нелли Игоревна, старший преподаватель, Старооскольский технологический институт НИТУ «МИСиС», Россия, г. Старый Оскол, [email protected] Лазарева Татьяна Ивановна, старший преподаватель, Старооскольский технологический институт НИТУ «МИСиС», Россия, г. Старый Оскол, [email protected]
Михайлюк Екатерина Андреевна, старший преподаватель, Старооскольский технологический институт НИТУ «МИСиС», Россия, г. Старый Оскол, [email protected]
Задача планирования потребностей в персонале является актуальной для каждого предприятия. Ее решение предполагает проведение следующих действий:
• формирование новых и освободившихся вакансий;
• анализ существующего резерва кадров предприятия с учетом необходимых требований к специалистам, с целью занятия вакантных мест;
• анализ кадров вне предприятия.
В современном обществе каждое предприятие заинтересовано в сохранении сотрудников компании. С этой целью в компаниях регулярно проводятся мероприятия по аттестации сотрудников. Для автоматизации данного процесса требуется разработка модуля информационной системы аттестации сотрудников. Контекстная диаграмма основного процесса до автоматизации включает входные, выходные потоки информации, управляющие воздействия и регуляторы (рис. 1).
Должностные инструкции
Локальные акты
Форма анкеты
Соискатель
Результат собеседования
Данные из учебного центра
Письмо от директора предприятия
Приказ о > назначении
Сотрудник отдела кадров
Заключение договора
Рис.1 - Контекстная диаграмма ГОБР0
Основываясь на требованиях, предъявляемых к процессу аттестации, в качестве математической модели была выбрана математическая модель метода анализа иерархий (МАИ) [1]. При подходе МАИ одни и те же усилия лица, принимающего решение, (ЛПР) по построению функции полезности могут быть затрачены при большом и малом числе альтернатив.
Взаимоотношения между критериями учитываются путем построения иерархии критериев и применения парных сравнений для выявления важности критериев и подкритериев. Важным достоинством метода анализа иерархий является возможность на ранних стадиях оценивания выявлять несогласованность суждений экспертов, причинами которой может быть необоснованное определение значений приоритетов, как критериев, так и альтернатив (сотрудников).
Рис.2 - Декомпозиция процесса аттестации сотрудников
Рассмотрим следующую ситуацию. Имеется некоторое начальное множество альтернатив (претенденты) А, среди которых необходимо произвести выбор наилучшей альтернативы и провести ранжирование альтернатив по предпочтению ЛПР. Задана главная цель ¥, исходя из которой будет производиться выбор или ранжирование множества альтернатив А. При постановке задачи принятия решения, главная цель (главный критерий) разбивается на подцели - частные критерии. Задано некоторое множество подцелей/1,/2, ... , П, учитываемых при выборе или ранжировании альтернатив множества А. Необходимо с учетом главной цели и подцелей произвести выбор наилучшей альтернативы из множества А и упорядочить альтернативы по степени уменьшения их значимости [1].
Алгоритм метода:
1. Построение соответствующей иерархии задачи принятия решения. При
изучении какой-либо системы человек производит ее декомпозицию на подсистемы и затем, выявив отношения между подсистемами, производит ее синтез.
Декомпозиция и синтез используются в МАИ для создания структуры задачи принятия решения - иерархии. В вершине иерархии, используемой в МАИ для представления задачи принятия решения, располагается основная цель, далее, на уровень ниже - подцели, и, наконец, на самом нижнем уровне - альтернативы, среди которых производится выбор и ранжирование (рис. 3).
Объекты или элементы иерархии - это цель, подцели, альтернативы.
2. Попарное сравнение всех элементов иерархии. Осуществляется попарное сравнение отдельных компонент иерархии.
Попарные сравнения - это процесс, согласно которому ЛПР сравнивает все параметры объектов из некоторого списка по определенному критерию, указывая каждый раз наиболее предпочтительный объект (по данному критерию).
Математическая модель:
Е ■ & = €пах • & (1)
Оценки компонент собственного вектора элементов ] для 1-го уровня иерархии:
Нормализованные оценки вектора приоритета:
п 1
п еу (2)
у=1
Ж
н1 = (3)
1 „ Ж ^
г
€тах = „ [( ^Жу) ■ Н]
У=1 г=1 (4)
где Е- положительная матрица критериев, содержащая элементы иерархии ец; Ж- матрица приоритетов альтернатив (собственный вектор); ^тах- максимальное собственное значение матрицы [Е]; еу - элемент(значение) матрицы [Е];
г - уровень иерархии, г = 1...п;
У - порядковый номер элемента на уровне иерархии. у = 1 ...п;
п - порядок матрицы критериев;
Н1 - нормализованные оценки вектора приоритета.
Все результаты попарных сравнений заносятся в соответствующую таблицу (матрицу попарных сравнений), по которой потом проводятся необходимые вычисления.
Данный этап позволяет ЛПР установить интенсивность взаимодействия между элементами иерархии или силу, с которой различные элементы одного уровня иерархии влияют на элементы предшествующего уровня [2].
После того, как ЛПР проведет все сравнения, по полученным данным можно вычислить соответствующий вектор приоритетов, отвечающий предпочтениям ЛПР (вектор приоритетов есть собственный вектор матрицы попарных сравнений). Вектор приоритетов самого нижнего уровня иерархии позволяет получить значимость того или иного претендента (т.е. ранжирует претендентов в порядке их значимости для предприятия). Элементы вектора
приоритетов - веса (рис.4).
3. Устранение несогласованности матриц попарных сравнений. Для того чтобы полученные с помощью МАИ результаты были адекватны ситуации, в которой принимается решение, необходимо, чтобы в матрицах попарных сравнений достигалась требуемые уровни согласованности данных.
Для оценки согласованности в МАИ вводятся следующие величины:
• ИО - индекс однородности суждений эксперта;
• ОО - отношение однородности суждений эксперта.
Яшах - n
ИО =-— (5)
n -1
ИО
ОО =-^—100% (6)
М (ИО)
где ИО - индекс однородности суждений эксперта;
ОО - отношением однородности суждений эксперта (оценивается при условии ИО < 10
%);
М(ИО) - среднее значение (математическое ожидание) ИО случайным образом составленной матрицы парных сравнений [E], которое основано на экспериментальных данных.
4. Расчет глобального приоритета по сотруднику j и выбор наилучших альтернатив. Итоговый результат проведенных сравнений (претенденты ранжированы в порядке уменьшения их значимости для предприятия).
AJ =„ (Wjj • Нг) (7)
i = 1
*
А = max{Aj} (8)
где Aj - итоговая оценка (глобальный приоритет) по j-му сотруднику; A - выбор наилучших альтернатив.
Разработанный алгоритм позволяет вычислить вектора приоритетов и нормализовать результаты (рис.5).
Ниже представлен фрагмент программного кода реализации представленного алгоритма «Вычисление векторов приоритетов»
//Вычисление вектора приоритетов
private double[,] get vec priority(double[,] matrix, out double IS) {
//Вектор приоритетов
double[,] vec prioryty = new double[matrix.GetLength(0), 1]; //Сумма значений вектора приоритетов double vec prioryty summ = 0; //Сумма по столбцам матрици
double[] vec matrix column sum = new double[matrix.GetLength(1)]; double Lmax = 0; //Максимальное собственное значение //Вычисление собственного вектора
for (int row = 0; row < matrix.GetLength(O); row++) {
vec prioryty[row, 0] = 1;
for (int column = 0; column < matrix.GetLength(l); column++) {
vec prioryty[row, 0] *= matrix[row, column];
vec matrix column sum[column] += matrix[row, column]; }
vec prioryty[row, 0] = Math.Pow(vec prioryty[row, 0] , (double)1 / matrix.GetLength(1));
vec prioryty summ += vec prioryty[row, 0]; }
}
Конец «МАИ»
Рис. 4 - Алгоритм математической модели
В результате определяется относительная значимость исследуемых альтернатив относительно всех критериев, находящихся в иерархии. Относительная значимость выражается численно в виде векторов приоритетов. Полученные таким образом значения векторов являются оценками в шкале отношений и соответствуют так называемым жестким оценкам. Таким образом, автоматизация процесса аттестации сотрудников компании на основе метода анализа иерархий позволит учесть особенности требований к сотруднику и решить задачу планирования потребностей в персонале.
Работа сотрудника отдела кадров по назначению того или иного работника на вакантную должность должна осуществляться на основании анализа анкеты, личной беседы с ним, наличия заявления от директора компании, а также на основе карьерных историй, хранящихся в базе данных об имеющемся персонале. В результате исследования предметной области была построена инфологическая модель данных (рис. 6), включающая в себя основные сущности и связи между ними.
Рис. 5 - Алгоритм «Вычисление векторов приоритетов»
Разрабатываемая автоматизированная информационная система аттестации сотрудников должна отвечать следующим требованиям:
• иметь единую БД с возможным доступом и редактированием;
• иметь возможность хранить данные в БД о проведенных аттестациях сотрудников;
• иметь возможность дополнять БД необходимыми полями таблицы и справочниками;
• осуществлять запросы пользователя на основании собранных данных;
• содержать функцию аналитики, позволяющую оценивать имеющийся кадровый резерв;
• обеспечивать функции поддержки принятия решений о назначении претендентов на вакантные должности;
• осуществлять расстановку персонала на вакантные места;
• иметь возможность поиска, добавления новых и редактирования уже имеющихся данных.
Таким образом, автоматизация процесса аттестации сотрудников позволит повысить эффективность распределения сотрудников нужной квалификации по соответствующим должностям.
Литература
1. Саати Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1993.
2. Федунец, Н.И. Теория принятия решений. Учебное пособие для вузов / Н.И. Федунец, В.В. Куприянов. - М.: Московский государственный горный университет, 2005. - 218 с. -(Высшее горное образование). - ISBN 5-7418-0397-0.
УДК 004.42
ОБЪЕКТНО-ОРИЕНТИРОВАННОЕ ПРОГРАММИРОВАНИЕ С СОЗДАНИЕМ КЛАССОВ ДЛЯ ОБЪЕКТОВ ТИПА «МАССИВ» И «МАТРИЦА»
Широкова Ольга Александровна, к. ф.-м. н., доцент кафедры высшей математики и математического моделирования, Казанский (Приволжский) федеральный университет
Россия, Казань, [email protected]
Введение
