CC BY
30
УДК 004.891.3:314.174
С.Г. Фомичева, Т.Н. Елина
НЕЙРО-НЕЧЕТКОЕ МОДЕЛИРОВАНИЕ СТРАТЕГИЧЕСКОГО ВЗАИМОДЕЙСТВИЯ УЧАСТНИКОВ РЫНКА ТРУДА МОНОИНДУСТРИАЛЬНОГО РЕГИОНА
В настоящее время многие регионы России сталкиваются с проблемами формирования и адекватного управления рынком труда по причине исторически сложившихся структурных диспропорций. В частности, моноиндустриальные регионы и города из-за их специфики имеют сильно ограниченные адаптационные возможности рынка труда, что требует создания механизмов его мягкого внешнего регулирования. Например, Норильский промышленный регион (НПР), где замедление темпов социально-экономического роста привело к тотальному дефициту высококвалифицированных кадров. На данный момент наблюдается значительный недостаток кадров в одних отраслях экономики региона и существенный переизбыток в других, что усугубляется невозможностью привлечения кадров из других регионов. Принципиальными отличиями Норильска в сфере кадровой политики на региональном уровне являются:
вхождение Норильска в сферу краевого подчинения и одновременно - существенная удаленность от краевых структур, территориальная замкнутость;
зависимость кадровой политики в регионе от основного работодателя - Заполярного Филиала ОАО «ГМК «Норильский никель» (ЗФ) и его корпоративной политики в отношении кадровых ресурсов;
высокая инерционность и слабая эластичность рынка труда, обусловленные территориальной обособленностью региона;
слабая легитимная связь между общим средним и высшим профессиональным образованием;
особенность экстремальных климатических условий региона.
Формирование и управление региональным рынком труда в закрытом монорегионе требует создания информационно-управляющей системы, которая позволит для решения таких задач объединить усилия не только регионального центра
занятости, но и основного работодателя, местных органов власти и руководства учебных заведений региона. В данной статье рассматривается математическая модель оценки состояния регионального рынка труда на базе иерархических нейро-нечетких систем.
Формализация входных и управляемых параметров нейро-нечеткой модели
В сложившихся условиях приоритетной задачей становится подготовка в регионе квалифицированных кадров своими силами, с использованием всех ресурсов образовательных учреждений, с учетом предпочтений и запросов основного работодателя.
Реализация поставленной задачи предполагает проведение анализа демографической ситуации в регионе, системы управления кадрами градообразующего предприятия и структуры специальностей образовательных учреждений. Данные исследования были проведены в рамках НИОКР [1], где помимо всего прочего отмечено, что ни минимум уровня безработицы, ни максимум уровня занятости населения не могут рассматриваться в качестве критериев оптимальности функционирования рынка труда. Однако слишком высокий уровень безработицы и, наоборот, низкий уровень занятости, чем бы это не было вызвано, однозначно являются негативными показателями состояния рынка труда как социальной системы. Основным критерием оптимальности (fx)) для рынка труда предлагается принять минимум совокупного отклонения между спросом предприятия и предложением квалифицированных кадров от учебных заведений по всем направлениям подготовки. Так как численность населения НПР имеет стойкую тенденцию к снижению, а критерий эффективности рынка труда следует определять только в динамике, расчет целевой функции в абсолютных величинах не покажет адекватных значений. Поэтому предлагается данный показатель относить к общей численности
населения региона для получения относительных величин:
. Цчзн;-4
(1)
ЧН.
где г = 1, N - номер профессиональной группы в общей структуре специальностей и профессий, требуемых на рынке труда региона; ЧЗН - численность работников по группе г в расчетном году t, чел.; ЧН; - численность населения региона в расчетном году t, чел.; х'1 - предложение квалифицированных кадров от учебных заведений по группе подготовки г (количество выпускников) в расчетном году t, чел.
Ограничение на параметры целевой функции (1), отражающее демографические показатели населения, выражается в том, что количество выпускников учебных заведений региона не может быть больше количества абитуриентов региона в году их поступления в вуз (ссуз) (ЧА):
1>;<ЧА,_5 .
¡=1
Кроме того необходимо учитывать ограничения по прогнозным значениям структуры персонала предприятия (ЧЗНпр
хг, > ЧЗН , к = 1, ..., 5, г = 1, ...,N,
пр t, 5 5 5 5 5 5
т. е. численность учащихся в определенном году по каждой специальности не должна быть меньше, чем прогнозная численность персонала предприятия в расчетном году.
Для эффективного функционирования рынка труда необходимо таким образом управлять показателем хг, чтобы значение/(х) было минимальным. Главным при этом является фактор времени t, выражающийся в том, что процесс обучения студентов занимает несколько лет, поэтому при наборе на первый курс необходимо прогнозировать будущую структуру спроса на кадры по основным направлениям подготовки, а за два года до окончания обучения - по специализациям подготовки.
Процесс определения оптимальной структуры набора в учебные заведения региона укрупнен-но представлен в виде IDEF0 модели на рис. 1. Для реализации поставленной цели необходимо решить три основные задачи: спрогнозировать численность и состав населения региона, численность и структуру кадров на предприятии, рассчитать оптимальные показатели набора в учебные заведения и разработать систему гибкого регулирования параметров обучения.
В настоящее время в демографических процессах территории необходимо отметить следующие тенденции: высокий миграционный отток населения, рост рождаемости на фоне снижения смертности, постоянное увеличение доли населения пенсионного возраста.
Высокая миграционная активность населения указывает на снижение привлекательности территории как места проживания. Огромное влияние
Специалист, ПО
Рис.1. Определение оптимальной структуры подготовки кадров
Годы
Рис. 2. Прогноз значений демографических показателей Норильска ( П ) коэффициент рождаемости; ( В ) коэффициент смертности; ( П ) коэффициент миграции; ( П ) коэффициент прироста
на демографический процесс оказывают суровые климатические условия, неблагоприятная экологическая обстановка и рост уровня жизни населения в других регионах России. В настоящее время значительный отток населения из НПР пока еще не оказывает существенного влияния на экономику и рынок труда, но уже в ближайшем будущем территория может испытать катастрофический дефицит трудовых ресурсов.
Для оценки показателей естественного прироста населения использовался метод «передвижки возрастов» [2]. В результате определен прогноз (рис. 2) естественного движения населения Норильска без учета миграционного оттока. Естественный прирост населения положительный, что подтверждается соотношением рождаемости и смертности в Норильске - одном из немногих регионов России, где рождаемость значительно превышает смертность. Тем не менее, численность населения города несомненно будет снижаться. Основной причиной этого является отрицательный миграционный поток, который так же необходимо спрогнозировать.
Изучая уровень миграции, в первую очередь, необходимо учитывать специфику региона. Можно выделить следующие факторы:
динамика развития производства на территории; динамика численности персонала градообразующего предприятия;
уровень жизни в регионе в сравнении с другими регионами, более комфортными для проживания.
Для оценки показателей миграции проведен статистический анализ взаимосвязей демографических показателей НПР с показателями ЗФ на основе перекрестных данных [1]. При этом аппаратом исследования является корреляционно-регрессионный анализ. Для построения модели в каждом году рассматривались значения четырех абсолютных показателей: численность населения региона (ЧН); численность населения, занятого в ЗФ (ЧЗН); среднедушевой доход в месяц (СДД); объем производства руды, тыс. т (ПР). Построенная матрица парных коэффициентов корреляции выявила сильную связь между двумя парами показателей:
1. ЧН и ЧЗН - коэффициент парной корреляции 0,932.
2. СДД и ПР - коэффициент парной корреляции 0,952.
Полученные значения подтверждают гипотезу о том, что численность населения Норильска очень зависит от кадрового состава градообразующего предприятия. Учитывая стратегию развития производства ЗФ, до 2020 г. кардинальных изменений не произойдет, и миграционный поток останется отрицательным (рис. 2).
Из проведенного анализа деятельности ЗФ в области обеспечения кадрами можно сделать вывод, что его руководство уделяет очень большое внимание процессу формирования кадрового потенциала. Это объясняется высокими требованиями к квалификации работников. Кроме того, данная политика вызвана растущим дефицитом квалифицированных кадров в регионе расположения основных предприятий ЗФ.
Формирование кадрового резерва предполагает составление планов по набору кадров, опирающихся на прогнозирование кадрового состава предприятия в средне- и долгосрочной перспективе. Использование таких планов позволит учебным заведениям корректировать структуру подготовки по различным специальностям и направлениям и формировать такую структуру выпускников, которые будут востребованы на рынке труда региона с минимальным периодом адаптации.
Прогнозирование будущей структуры спроса ЗФ на трудовые ресурсы состоит из двух направлений:
1. С помощью описанного ранее статистического метода «Передвижки возрастов» определяется движение работников с учетом их половозрастной структуры. Для реализации этой задачи описывается текущая структура работников в разрезе их возраста, профессии и пола. Затем, учитывая возраст выхода на пенсию, определяется численность вакантных мест по каждой профессии в каждый год прогноза. Пополнение кадрового состава предприятия осуществляется из резерва и учитывается в прогнозе, как в демографической модели учитывалась рождаемость.
2. На структуру кадров предприятия оказывает большое влияние развитие производства, внешнеэкономические показатели и другие факторы, учесть которые с помощью статистических
Факторы нейро-нечеткой модели
Группа Лингвистические переменные
Состояние внешней среды (С ) \ внспт / Состояние фондового рынка ()
Экономические показатели (Е^)
Потенциальные запасы руд )
Политика органов власти в области металлургии (Дх)
Политика руководства предприятия (_ЦХ)
Естественные демографические показатели региона (Ц?)
Политика в области образования (Щ)
Внутреннее состояние вуза V внутр / Состояние учебной деятельности ( Ц*)
Состояние научной работы ( Ц" )
Техническое и программное оснащения учебного процесса )
Показатели I уровня (I}) Развитие производства (Т\)
Статус вуза (¿'2)
Показатели П уровня (¿л) Кадровая политика предприятия (1^)
Социальная политика предприятия )
Показатели Ш уровня (Ьш) Численность работников предприятия (¿5")
Структура кадров высшей квалификации предприятия
Механическая миграция населения региона(£^)
Внебюджетное финансирование вуза (Ь"')
Бюджетное финансирование вуза (¿?)
Показатели IV уровня Численность населения региона (¿¡у)
Половозрастная структура населения региона ()
Возможности вуза по приему студентов ()
Показатели V уровня (¿у) Численность абитуриентов вуза ( Ц )
Рис. 3. Схема связей нейро-нечеткой модели
Рис 4. Структура иерархической системы нечеткого вывода x1 - индекс РТС; x2 - индекс ММВБ; x3 - цены на нефть (Brent); x4 - объем ВВП; x5 - уровень доходов населения; x6 - инвестиции в основной капитал; x7 - уровень инфляции; x8 - уровень безработицы; x9 - коэффициент естественного прироста
Рис. 5. Структура систем нечеткого вывода
методов невозможно из-за дефицита информации и неточности входных данных, а также из-за качественного характера некоторых параметров. Задача прогнозирования может быть выполнена средствами нейро-нечеткого моделирования.
Архитектура нейро-нечеткой сети
Описываемая нейро-нечеткая система, состав параметров которой (см. табл.) был подвергнут экспертной оценке и ранжирован, представлена в виде каскада нечетких систем (рис. 3).
Рассмотрим создание модели на базе иерархической нейро-нечеткой системы (рис. 4) оценки состояния внешней среды (У 1): состояние фондового рынка (X10), основные внешнеэкономические показатели (X11), состояние рынка труда региона (X12).
На основе экспертных оценок построены системы нечеткого вывода типа Мамдани (рис. 5). Функции принадлежности термов входных переменных х1-х9 сигмоидного и гауссовского типов, промежуточных переменных х10-х12 треугольного типа, выходной переменной у1 гауссовского типа.
Параметры термов выходной переменной у1 получены по результатам нечеткой кластеризации алгоритмом с-средних. В результате определены три возможных состояния внешней среды: «благоприятное», «среднее», «неблагоприятное» [3].
В структуре нейро-нечеткой сети выделены пять слоев: термы входных переменных, антецеденты нечетких правил, нормализация степеней выполнения правил, заключения правил, агрегирование результата.
Рис. 6. Функции принадлежности сети до и после обучения: а - система X10; б - система X11; в - система X12
Для обучения иерархической сети использовался модифицированный алгоритм [4, 5], адаптированный для систем нечеткого вывода типа Мамдами. Параметры сети, отобранные для настройки в процессе обучения, следующие: коэффициенты концентраций функций принадлежности входных и выходной переменных (Рк); координаты максимума функций принадлежности входных и выходной переменных (Рт); веса правил всех нечетких систем (Ж).
Обучение сети сводится к решению следующей задачи: найти такой вектор (Рк, Р, Ж), чтобы
где Хг - входной вектор в г-й паре обучающей выборки; уг - соответствующий выход; ^(Рк, Рт, Ж, Хг) - результат вывода по иерархической системе.
На рис. 6 представлены функции принадлежности систем нечеткого вывода до обучения (жирная линия) и после обучения (светлая линия).
Результат обучения сети представлен на рис. 7. После обучения сети значение ошибки на тестовых данных, объем выборки которых - 70 значений, сократилось с 42 до 12 %.
Построение иерархической нейро-нечеткой сети всей системы (рис. 3) позволит оценить ее состояние и сделать качественный прогноз параметров рынка труда региона.
Реализация информационно-управляющей системы на основе описанной модели позволит: • предприятию снижать затраты на формирование резервов и привлечение персонала; уменьшать кадровые риски; получать молодые квалифицированные кадры, подготовка которых проведена с учетом дальнейшей работы на пред-
100
80
60
40
20
ЗНАЧЕНИЯ НЕВЯЗКИ НА ТЕСТОВЫХ ДАННЫХ
"Г
■ до обучения
■ после обучения
РЗМЗЕ до обучения = 0.42121
РМЭЕ после: обучения = 0.127
10
20
30 40
Номер строки тестовой выборки
50
60
70
ее—ее
НЕЧЕТКИЙ ВЫВОД НА ТЕСТОВЫХ ДАННЫХ --1-е-в-е-е-е-р
2.5
1.5
е «-е-е-е-е-е-е 4 * е-е-е-е-е-е-е е + ее-е-е-е-е-е е е +-е-е-е->
» до обучения •о после обучения о тестовая выборка
- - •
10
20
30 40
Номер строки тестовой выборки
50
Рис. 7. Результаты обучения нейро-нечеткой сети
60
70
приятии; влиять на учебные планы, корректируя направления и специфику подготовки студентов.
• учебным заведениям увеличивать показатели трудоустройства выпускников, тем самым повышая свой статус; получать во временное или постоянное пользование современные программные продукты, используемые на предприятии; улучшать свою материальную базу; проводить консультации работников ЗФ; организовывать производственную практику на предприятиях.
• студентам и выпускникам заключать до-
говоры по оплате обучения ЗФ; выбирать свою будущую специальность в соответствии с актуальными требованиями экономики региона; знакомиться с новейшими производственными технологиями, оборудованием и информационными технологиями во время учебы; трудоустроиться. • администрации региона уменьшить отток молодых перспективных кадров; снизить уровень безработицы; установить более тесные связи с ЗФ; снизить объемы финансовой поддержки учебных заведений из муниципального бюджета.
СПИСОК ЛИТЕРАТУРЫ
1. Разработка основных принципов стратегического управления образовательным пространством НПР и сопряженных с ними инженерных и экономических проблем развития территориального производственного комплекса: отчет о НИР [Текст] / Норильский индустриальный институт; рук. Фомичева С.Г.; исп. Мыльников В.А., Елина Т.Н. и др. - 220 с., № 020302329 03 03, № рег. 01200900213, инв. 02201000236.
2. Басалаева, Н.А. Моделирование демографических процессов и трудовых ресурсов [Текст] / Н.А. Басалаева. - М.: Наука, 1978. - 230 с.
3. Елина, Т.Н. Оценка состояния внешней среды
металлургического предприятия методом нечеткой кластеризации [Текст] / Т.Н. Елина. - Межд. конф. «Информационная среда вуза»: сб. науч. тр. - Иваново, ИГАСУ, 2009. - с. 23-28.
4. Штовба, С.Д. Проектирование нечетких систем средствами МА^АВ [Текст] / С.Д. Штовба. - М.: Горячая линия - Телеком, 2007. - 288 с.
5. Фомичева, С.Г. Система управления временем актуальности защищаемой информации [Текст] / С.Г. Фомичева // Научно-технические ведомости СПбГТУ. Сер. Информатика, телекоммуникации, управление. -2009. -№ 1 (72), - С. 77-87.
