Модели социальных сетей и нечеткие методы профориентации персонала в системе планирования производственных программ промышленного объединения

Вид материала

Автореферат

Содержание Цель и основные задачи исследования Методы исследования Научная новизна Достоверность научных положений, рекомендаций и выводов Практическая ценность и реализация результатов работы Апробация работы Содержание работы OutW - оператор завершения этапа (произвольного); InW С в одно из состояний kС A0, а выбирать агент должен действие из множества A В заключении Основные выводы и результаты работы Публикации по теме диссертационной работы Статьи, опубликованные в ведущих рецензируемых научных изданиях, определенных ВАК РФ Статьи в сборниках научных трудов

Подобный материал:

• Сформировать комплекс знаний по оценке персонала в системе управления компанией Рассмотреть, 38.12kb.
• Методы сетевого планирования и управления, 285.74kb.
• Проблемы мониторинга и управления инновационным развитием производственного потенциала, 189.39kb.
• Методические указания к лабораторной работе №5 по курсу "Системы передачи данных" Проектирование, 49.75kb.
• Кредитно-модульная система и автоматизация планирования учебного процесса – требования, 97.22kb.
• Методы и модели планирования доходов предприятий почтовой связи ( на примере почтовой, 348.24kb.
• Агропромышленный комплекс контрольная работа нормативная база планирования, 2961.13kb.
• Липаев В. В. Управление разработкой программных средств: Методы, стандарты, технология, 253.42kb.
• Ый курс, семестр 7, 2011-20012 уч год, Столярчук В. А. " Модели и методы анализа проектных, 262.27kb.
• Конспект лекций Математические методы и модели в экономике, 142.84kb.

Цель и основные задачи исследования

Целью работы является повышение эффективности планирования и реализации производственных программ промышленных объединений на основе внедрения технологий социальных сетей и формальных моделей нечеткого управления и сетевого планирования.

Для достижения данной цели в работе решаются следующие задачи:

• системный анализ задач организации процессов профориентации и обучения персонала в социальных сетях;
  
• классификация пользователей социальной сети с целью подбора персонала под реализацию производственных программ;
  
• разработка моделей сетевого планирования и нечеткого управления производственными программами;
  
• разработка методики профориентации и переподготовки персонала для реализации текущих производственных программ;
  
• разработка макета интегрированного программно-технического комплекса системы профориентации и переподготовки персонала.
  

Методы исследования

При разработке формальных моделей компонент системы профориентации в диссертации использовались методы общей теории систем, классический теоретико-множественный аппарат, теория нечетких множеств и нечетких отношений. Системный анализ управления образовательной траекторией в учебных центрах проводился на реальных статистических данных, обработка которых проводилась с помощью современных методов анализа данных с привлечением математических и статистических пакетов.

Научная новизна

Научную новизну работы составляют методы и модели формирования кадрового состава в системе нечеткого планирования производственных программ промышленного объединения.

На защиту выносятся:

• модель нечеткого сетевого планирования производственных программ;
  
• модель кластеризации участников социальной сети на основе марковской цепи взаимодействия;
  
• методики профориентации и переподготовки персонала;
  
• программно-технического комплекс системы профориентации и переподготовки персонала под реализацию производственных программ промышленных объединений.
  

Достоверность научных положений, рекомендаций и выводов

Обоснованность научных положений, рекомендаций и выводов определяется корректным использованием математического аппарата, согласованностью результатов аналитических и имитационных моделей процессов обучения в социальных сетях. Достоверность положений и выводов диссертации подтверждена положительными результатами внедрения работы в ряде промышленных предприятий и соответствием теоретических и практических результатов.

Практическая ценность и реализация результатов работы

Научные результаты, полученные в диссертации, доведены до практического использования в системе профориентации, переподготовки, повышения квалификации и аттестации кадров.

Апробация работы

Содержание отдельных разделов и диссертации в целом было доложено и получило одобрение:

• международная конференция проекта LINK «Глобальная экономика: перспективы антикризисной политики», объединенная сессия LINK – ПМЭФ «Новая модель глобального экономического развития: позиции бизнеса, власти и экспертного сообщества». М., 4-6 июня 2009 г.;
  
• круглый стол «Секреты успешных кампаний в социальных сетях» (РИА Новости). М., 24 июня 2009 г.;
  
• 14-ежегодная международная научно-практическая конференция «Устойчивое экономическое развитие: интеграция государства и бизнеса в современном обществе» (Государственный Университет управления). М., 15-16 октября 2009 г.;
  
• RSPP International Council for Cooperation and Investment, Recent trends in International Taxation. М., 10 December 2009;
  
• вторая Всероссийская научно-практическая конференция «Развитие конкуренции на рынке информационных технологий». М., 14 апреля 2010 г.;
  
• на заседании кафедры АСУ МАДИ 31 января 2011г.
  

Разработанные методы и алгоритмы прошли апробацию и внедрены для практического применения в Межотраслевом региональном центре профессиональной переподготовки и повышения квалификации руководителей и специалистов республики Татарстан (МРЦПК РТ), ООО «ПРОМСИСТЕМЫ», а также используются при организации учебного процесса на кафедре АСУ МАДИ.

Совокупность научных положений, идей и практических результатов исследований в области автоматизации образовательного процесса составляет актуальное направление в области теоретических и практических методов управления производственными программами промышленных объединений.

Структура работы соответствует списку перечисленных задач, содержит описание разработанных методов, моделей и методик.

Содержание работы

Во введении обосновывается актуальность работы. Сформулирована цель работы и основные задачи. Приведено краткое содержание глав диссертации.

В первой главе диссертации проводится системный анализ задач, возникающих при организации процессов профориентации и переподготовки персонала промышленных объединений с использованием социальных сетей.

Концепция социальных сетей сформировалась в последние десятилетия. Она разработана в исследованиях Фримана (Freeman L.С), Ноука (Knoke D), Марсдена (Marsden Р.V.), Вассермана (Wasserman S.), Веллмана (Wellman В.), Берковица (Berkowitz S .D.) и других. Актуальность сетевого анализа растет, поскольку в настоящий момент происходит глобализация общемировых процессов, прежде всего, в форме сетевизации. Системные вопросы использования социальных сетей в области управления человеческими ресурсами рассматриваются в обобщающей работе IBM Institute of Business Value (Lesser E., Prusak L.).

С 2005 г. сформировались качественно новые тенденции в развитии интернет. На смену информационным и торговым порталам стали приходить новые формы сетевых организаций: рейтинг посещаемости показал, что такие крупные проекты виртуального бизнеса как Ebay и Amazon уступают место новым - YouTube, Facebook и Wikipedia.

Таким образом, существующие модели социальных сетей по целям исследования можно разделить на две основные категории: модели формирования социальных сетей и модели распространения нововведений в социальных сетях. В будущем, по-видимому, появятся и комплексные модели, поскольку процессы сетевой динамики и процессы распространения в сетях связаны друг с другом.

Образовательные социальные платформы расширяют классические возможности управления образовательным процессом, используя социальное программное обеспечение, позволяющее пользователям:

• создавать профиль, отражающий интересы и навыки пользователя;
  
• обмениваться необходимой информацией, в том числе в режиме реального времени (чат);
  
• организовывать процесс обучения, руководствуясь отзывами и рейтингами участников;
  
• взаимодействовать с участниками социальных образовательных сетей и получать доступ к новым источникам информации, находящимся вне сети и т.д.
  

Согласно последним исследованиям, мировой рынок образовательных социальных сетей уже к 2012 году может достигнуть объема 55 трлн. долларов США.

Стремительные изменения в сфере современной подготовки кадров подтверждают, что информационные технологии в сфере образования будут пользоваться все большим спросом. При этом, конкуренция на данном рынке будет все больше стимулировать применение самых последний технологий, включая виртуализацию образования.

Общий рынок электронного обучения (как региональный, так и международный) по оценкам экспертов увеличится от 15 до 30 %. На сегодняшний день США являются лидерами на этом рынке (доля США — 60 %). Европа является вторым по масштабу рынком — 15 %. Рынок дистанционного обучения становится крайне насыщенным. Такие сайты как LiveMocha, PrepMe или TechCrunch стремительно появляются в интернет.

В работе проведен анализ программных инструментальных средств. Так, ссылка скрыта – самый глобальный продукт, позиционируемый как главное технологическое решение IBM в области Enterprise 2.0 технологий. Lotus Connections является программно-расширяемой платформой, предоставляющей как набор базовых сервисов, так и возможность расширения своей функциональности за счет разработки стороннего программного обеспечения, используя программный интерфейс (API) Lotus. ссылка скрыта - это интернет-приложение с широкими возможностями (Rich Internet Application (RIA)), являющееся клиентом для BlueTwit, который был разработан внутри IBM на базе технологии Adobe AIR. ссылка скрыта – это, как и Fringe - внутренняя социальная сеть IBM, главным прототипом которой можно назвать Facebook. Как большинство социальных сетей, Beehive предоставляет пользователям возможность настройки своих профилей: размещать фотографии, ссылки, добавлять контакты, организовывать так называемые события. Beehive предоставляет программный интерфейс, тем самым позволяя сторонним разработчикам расширять функциональность самой сети. Компанией IBM разработан широкий спектр социально-ориентированного программного обеспечения, доступного сотрудникам и клиентам. Например, в его составе созданы микроблоггинг платформы BlueTwit, а также плагины (программы-расширения) для Lotus SameTime и Lotus Notes, что предоставляет пользователям свободу выбора и обеспечивает удобство использования BlueTwit.

Модели социальных сетей можно разбить на два типа: оптимизационные (включая имитационные) и теоретико-игровые. Например, модель случайных графов, в которой рассматривается вероятностный процесс, генерирующий связи в социальной сети, относится к первому типу, а стратегическая модель, в которой формирование связей происходит на основе сравнения выгод и затрат — ко второму.

Для визуализации явных и неявных социальных сетей разрабатываются различные инструментальные средства. Например, в области компьютерных сетей SNA может использоваться для оптимизации топологий, а в сфере информационных систем — для разработки оптимальной структуры ссылок. С помощью таких средств можно выявить группы с внутренними взаимосвязями различной степени интенсивности и сопоставить их с аффилированными группами или практическими сообществами, в том числе при решении задач развития персонала.

В контексте бизнес-задач часто используется продукт InFlow 3.0 компании Orgnet.com, позиционируемый как «средство отображения и измерения социальных сетей». Среди других систем можно отметить NetMiner, Pajek, UCINET, а также российскую разработку SociometryPro (ссылка скрыта). Дополнительные ссылки на инструментарий и методы SNA можно найти на сайте International Network for Social Network Analysis (ссылка скрыта).

Характерная архитектура системы сбора, накопления, анализа и визуализации в социальных сетях может быть схематично представлена в следующем виде (рис.1.)

Анализ взаимодействия индивидов в социальной сети - эффективный инструмент для систематической оценки существующих на практике коммуникационных каналов между работниками предприятия. Существующие технологии визуализации социальных сетей отражают реальное взаимодействие между людьми, командами, отделами и даже целыми организациями. Для оценки взаимодействия между участниками социальной сети в работе предлагается использовать индекс контрибуции (Ик), который определяется следующим образом:

Ик=(Со – Сп)/( Со + Сп),

(1)

где: Со = количество отправленных сообщений; Сп = количество полученных сообщений.


Архитектура системы сбора, анализа и визуализации в социальных сетях

Рис.

1.

Значение индекса контрибуции находится в пределах от (-1) до (+1). В случае, когда Ик=(+1), участник социальной сети занят исключительно тем, что отправляет сообщения другим участникам сети. В случае, когда Ик=(-1), участник социальной сети получает сообщения, при этом, не отправляя сообщений другим участникам. Если же Ик=0, то взаимодействие между участниками сети является сбалансированным.

Проведенный анализ показал, что для формализованного представления и структуризации учебных планов и рабочих программ системы профориентации и переподготовки целесообразно использовать принципы терм-анализ связности модулей учебных материалов, где модуль представляет структуру: M={D_M, A_M, H_M, F_D}, D_M - наименование модуля; A_M - аннотация модуля; H_M - объем часов, выделенных на модуль; F_D - указатель дисциплины. Основными связывающими понятиями также являются термы. Терм-множество представляет структуру W=W^IW^O, где W^I - множество входных термов; W^O - множество выходных термов. Входные термы определены как: W^I_w={D^I_W, F^I_W, F^I_W, U^I_W}, где D^I_W - идентификатор терма; F^I_M - указатель принадлежности модулю; F_W - ссылка на терм-источник (для организации синонимии); U_W - коэффициент усиления (определяет увеличение активности понимания терма). Выходные термы определены как: W^O_w ={D^O_W, F^O_W, F^O_W. Z^O_W}, где D^O_W - идентификатор терма; F^O_M - указатель принадлежности модулю; F^O_W - ссылка на терм карты требований; Z^O_W - коэффициент забывания терма.

Во второй главе диссертации рассматриваются вопросы построения моделей оценки квалификационного уровня участников социальной сети, и их кластеризации с целью подбора исполнителей для реализации проектов объединения.

Основным достоинством социальных сетей при формировании производственных программ промышленных объединений является поддержка коллективного взаимодействия. Социальные сети позволяют увеличить продуктивность командной и управленческой работы с помощью предоставления информации асинхронно. Имеются примеры использования социальных сетей при выполнении различных проектов, которые включают в себя:

• краудсорсинг - технологию, которая позволяет привлекать к непосредственной разработке продукта, как производителей, так и пользователей;
  
• сегмент «рынок идей», позволяющий осуществлять генерацию инноваций путем установления кооперации и партнерских отношений между участниками сети;
  
• частные виртуальные миры, которые представляют собой виртуальное интернет-пространство, отражающее корпоративное устройство организации.
  

Пример визуализации коммуникационных потоков при выполнении командной работы над проектом можно представить следующим образом (рис.2):

Для формирования коллектива исполнителей проектов, в том числе вовлекаемых в процессы профориентации и переподготовки, могут быть использованы социальные сети типа «Blue Pages» (компания IBM). В таких сетях отражается подробная информация о каждом сотруднике, включая род деятельности и контактную информацию, квалификацию и опыт работы, профессиональные навыки (подразумевает перечень обучения, пройденного/запланированного работником, а также его уровень), проекты и команды (включает описание проектов, в которых работник принимал участие, а также рассказывает о рабочих группах, в которых состоит/состоял работник).

С целью осуществления мониторинга уровня сформированности требуемых характеристик специалиста в работе предлагается использовать комплексный показатель качества психолого-индивидуальных компетенций , где Ka – локальные коэффициенты сформированности профессиональных компетенций, b – число локальных коэффициентов.


Коммуникационные потоки при выполнении проекта несколькими командами специалистов

Рис.

2.

Психолого-индивидуальные компетенции представляют собой способности, развиваемые в профессиональной деятельности под влиянием мотивации, которая может, как усиливать, так и ослаблять потенциальные задатки специалиста. В этой связи необходимо осуществлять постоянный мониторинг мотивационной направленности. Для определения критериев сформированности проводится тестирование выборки специалистов, успешных в своей деятельности. Для визуализации локальных показателей используется их представление в виде профилограммы, где: A – коэффициент точности внимания; E – коэффициент продуктивности влияния; K_расп – коэффициент распределения внимания; V_m – коэффициент объема памяти; K_m – коэффициент творческого мышления; K_л – коэффициент логического мышления; K_в

Применение такой модели специалиста на основе процессного подхода и методологии «развертывания функции качества» позволяет снизить уровень неопределенности идентификации и мониторинга рассматриваемых компетенций и повысить качество переподготовки специалистов.

Для оценки квалификационных характеристик в диссертации предлагается использование механизмов гетерогенного тестового контроля, основанного на множественной привязке выдаваемых тестовых заданий к направлениям деятельности. В результате формируется отношение, которое представляет двудольный граф, схематично представленный на рис.3., дуги которого взвешены числовой оценкой степени принадлежности.


Отношение связности тестовых заданий и модулей

Рис.

3.

Начальный вариант анализа тестового контроля предполагает оценку правильности решения тестовых заданий. С одной стороны, эта оценка может быть определена как «да-нет» и определяться либо как 0, либо как 1. X представляет вектор множества модулей:

X=(X1, X2, ... , Xn),

(2)

где каждая компонента X_i вектора определяет привязку соответствующего тестового задания к модулю. В двухуровневых факторных экспериментах (полных и дробных) определяется только принадлежность задания, т.е. X_i = 1 - задание имеет отношение к
i-ому модулю и X_i = 0 – в противном случае.

В качестве оцениваемого функционала берется вероятность правильного ответа на задание конкретной направленности (она определяется содержательной стороной модуля), поэтому каждый тестируемый определяется вектором: P=(P₁, P₂, ... , P_n), где каждая компонента вектора определяет вероятность решения задач соответствующей направленности. Предполагается, что вероятность решения задания равна произведению вероятностей , что соответствует схеме независимых испытаний. В этом случае невозможно использовать предположение линейности функционалов в факторных планах. Однако, логарифмированием можно линеаризовать функционал и в результате такого преобразования получить классическую линейную модель факторного плана , где в качестве оцениваемых параметров регрессии выступают lnP_i . При моделировании множества тестовых заданий, составляющих тест, формируется матрица плана теста F=||x_i,j||, где x_ij определяет наличие j-ой направленности в i-ом тестовом задании.

В качестве модели сетевого планирования производственных программ, реализующей временную последовательность запросов на кадровый состав, в работе предлагается использовать рекуррентную схему, которая концептуально подобна имитационной схеме, что позволяет расширить ее до вероятностной и статистической интерпретации.

Формально операторы преобразования структуры. Определены два оператора: OutW - оператор завершения этапа (произвольного); InW_i(k) - оператор начала этапа (i - текущий этап, k - после какого этапа выполняется).

Сама процедура может быть представлена в виде:

	(3)
	(4)

В условиях лингвистической неопределенности время, выделенное на реализацию каждого этапа проекта, является экспертной оценкой, поэтому вершины сетевой модели взвешиваются нечеткими переменными. Кроме того, нечеткими переменными также определяются и кадровые резервы, необходимые для реализации каждого этапа программы. В работе проведен анализ модели, в которой время реализации этапа является нечеткой переменной с функцией принадлежности:

x ~ ,

(5)

которая подобна нормальному закону распределения, но где функция нормирована по максимуму.

Показано что из условия x₁ ~ f_e(x|a₁₁,₁₂), x₂ ~ f_e(x|a₂₁, ₂₂) следует, что x₁+x₂ ~ f_e(x|a₁₁+ a₂₁, ₁₂+ ₂₂), т.е. сумма нечетких переменных имеет функцию принадлежности из того же класса f_N.

В случае параллельного выполнения этапов время начала очередного этапа определяется как T=max(T₁,T₂). Построена программная имитационная модель и экспериментально показано, что операция максимума также практически не выводит результат из выбранного класса функций принадлежности (относительная среднеинтегральная ошибка порядка 3%).

При формировании кадрового состава из множества участников социальной сети для реализации конкретных производственных программ предлагается задача кластеризации на основе расчета индекса контрибуции с помощью программы TeCFlow, которая:

• производит анализ обмена информацией между участниками сети (на основании количества отправленных и полученных сообщений) и определяет основные и периферийные коммуникационные узлы;
  
• анализирует периоды, в течении которых возникают вспышки коммуникационной активности между участниками сети;
  
• выделяет наиболее активных участников сети и определяет их роли внутри сети.
  

Пример визуального анализа взаимодействия участников рабочей группы в социальной сети представлен на рисунке.4. Одной из основных задач при этом является формирование групп, для которых внутригрупповое взаимодействие максимально, а межгрупповое минимально. Основной характеристикой исполнителей при этом является индекс контрибуции.


Схема взаимодействия участников социальной сети

Рис.

4.

Преобразование Марковской цепи запросов

Рис.

5.

Наиболее адекватной формализацией такого процесса взаимодействия являются Марковские цепи (рис.5.), которые учитывают распределение вероятностей взаимодействия между всеми участниками сети. В работе предлагается решение данной задачи на основе метода к-средних кластерного анализа, где в качестве мер сходства и различия используются переходные вероятности агрегированной Марковской цепи.

Для решения этой задачи в диссертации введены формальные операторы укрупнения, исключения петель, сокращения и другие, которые позволяют построить переходные вероятности вторичной (межгрупповой) цепи по известным характеристикам первичной цепи.

Обозначим Марковскую цепь:

=(k,,P),

(6)

где _k - случайная величина, имеющая конечное число значений, иначе множество состояний C=(C₀,C₁,...C_n); card C=n;  - вектор начального распределения состояний =(p₁,p₂,...,p_n); P - матрица переходных вероятностей P=||p_ij|| i,j=1..n.

Оператор укрупнения F_укр : (С,,P)  =(’,’,P’) задается следующим образом. Определяется новое множество состояний и задается отображение F^(C)_укр : С  С’ card C’< card C. Считается, что если случайная величина  в МЦ (,,P) принимает одно из состояний (C_i’)^-1, то в МЦ (’,’,P’)  принимает значение C_i’. При этом начальное и стационарное распределение вероятностей преобразуются на основании:

’=(p’1,p’2,...,p’n), ’=F()укр(), где ,

(7)

т.е. суммируются вероятности состояний исходной МЦ для которой F^(C)_укр : С_i = С’_j. Матрица переходных вероятностей переопределяется оператором F^(P)_укр, как P = F^(P)_укр(P’), где:

.

(8)

Оператор исключения петель представляет F^(P)_ип : PP’, где новая МЦ (С’,’,P’) получается из МЦ (С,,P), если последнюю рассматривать лишь в моменты перехода из одного состояния в другое. При этом моменты, когда цепь находится в одном и том же состоянии исключаются. В этом случае card C=card C’ и i p’_ii=0.

Композиция двух предыдущих операций приводит к операции последовательного укрупнения и исключения петель.

При реализации операции сокращения Марковской цепи (С,,P), множество состояний С разбивается на два непересекающихся подмножества С⁽¹⁾ и С⁽²⁾, С = С⁽¹⁾С⁽²⁾ , С⁽¹⁾С⁽²⁾=0. Между С⁽¹⁾ и С⁽²⁾ существует биективное отображение F^(C)_СМЦ:CC’. Матрица P преобразуется следующим образом:

F(P)СМЦ:PP’, p’ij=pij+p*ij,

(9)

где p*_ij определяет вероятность того, что МЦ выйдет из состояния i С⁽¹⁾ в одно из состояний kС⁽²⁾ и при этом первый выход из множества состояний iС⁽²⁾ будет в состояние jС⁽¹⁾.

Таким образом, вместе с задачей сетевого планирования, задача кластеризации участников социальной сети с учетом их взаимодействия и квалификационных характеристик позволяет формировать временную организационную структуру для реализации текущих производственных программ промышленного объединения.

В третьей главе рассматривается задача формирования механизмов управления реализацией производственных программ при нечетких целях потенциальных исполнителей производственных программ.

В диссертации поставлена задача подбора сотрудников для реализации потенциальных проектов и формирования временной организационной структуры. Предлагается использование матричной структуры, которая совмещает принципы построения функциональных и процессных систем.

В этих структурах существуют жестко регламентированные процессы, находящиеся под управлением менеджера процесса. При этом деятельность осуществляется работниками, находящимися в оперативном подчинении менеджера процесса и в административном подчинении руководителя в функциональном «колодце» (рис.6.).


Матричная организационная структура

Рис.

6.

В работе предполагается, что имеется множество X возможных действий участника социальной сети и множество Y состояний управляемой системы. Задача Участника состоит в том, чтобы определить действие (нечеткое), которое позволило бы ему достичь нечеткой цели.

Для решения задачи управления коллективом исполнителей производственных программ при нечетких целях в работе предлагается использовать принципы активной системы, состоящей из управляющего органа – центра и управляемого субъекта (потенциального исполнителя) или активного элемента (АЭ). В качестве центра и субъекта могут выступать как отдельные люди, так и их группы, коллективы и т.д.

Одним из способов влияния на поведение субъекта является его стимулирование. С точки зрения психологии можно рассматривать следующие процессуальные компоненты деятельности АЭ: потребность – мотив – цель – задача – технология – действие – результат (рис.7.).

Предполагается, что Центр обладает широким спектром возможностей по управлению субъектом:

- - функция полезности центра, Ф~:XA₀MR¹;

- функция стимулирования АЭ центром;

- функция штрафов, налагаемых на АЭ центром, ~:XA₀ R¹|M, принадлежащие допустимому множеству M ;

R¹|M - множество возможных значений функции стимулирования – подмножество R¹, определяемое ограничениями механизма стимулирования M ;

yA - действие АЭ;

Модель управление производственными программами

Рис.

7.

A - множество допустимых действий активного элемента;

zA₀ - результат деятельности АЭ;

A₀ - множество возможных результатов деятельности;

xX - план АЭ (желаемое с точки зрения центра действие или результат деятельности АЭ);

X - множество допустимых планов АЭ;

h~(z, r) - функция дохода АЭ, h~:A₀R¹;

c~(z, r) - функция затрат АЭ, c~:A₀R¹;

r- параметр функции дохода (затрат) – тип АЭ;

- допустимое множество типов АЭ.

Функция полезности активного элемента представляется в одном из двух следующих видов:

,

(10)

-"стимулирование минус затраты";

-“доход минус штрафы".

В данной постановке стимулирование (изменение предпочтений АЭ центром) осуществляется путем поощрения или наказания АЭ за выбор тех или иных действий, то есть путем изменения его функции полезности. Таким образом, стимулирование заключается либо в прибавлении к функции полезности АЭ функции стимулирования (задача I рода), либо в прибавлении к функции полезности АЭ функции стимулирования и одновременном вычитании этой функции из целевой функции центра (задача стимулирования II рода). В задаче стимулирования второго рода целевая функция центра имеет вид “доход минус затраты на стимулирование”: Ф~(x,z, ~())=H~(x,z)-~(x,z), или “доход плюс штрафы”: Ф~(x,z,~())=H~(x,z)+~(x,z), где H~(x,z) - доход центра, зависящий от результата деятельности АЭ, и быть может плана.

Далее в работе ставится и решается задача управления организационной системой в условиях нечеткой информации – задача стимулирования. В ней два целенаправленных субъекта – управляющий орган (центр) и управляемый субъект (агент).

Функция полезности агента задана на множестве результатов A₀, а выбирать агент должен действие из множества A. Чтобы выбрать наилучшее действие, агент должен уметь сравнивать разные действия по их предпочтительности. Таким образом, чтобы определить правило рационального выбора агента, мы должны найти нечеткое отношение предпочтения (НОП), которое индуцируется на множестве A действий агента функцией полезности f(z) и нечетким отображением (рис.8.).


Множество максимально недоминируемых действий агента

Рис.

8.

Индуцированное НОП предлагается вычислять по формуле:

(11)

где – это НОП агента на множестве результатов действий. В рассматриваемой задаче отношение предпочтения на множестве результатов четкое и задается функцией полезности агента, то есть , если (z')f(z'') , и в противном случае. Тогда выражение для индуцированного НОП на множестве действий агента можно записать в следующем виде:

(12)

Если агент имеет НОП на множестве действий, то его рациональный выбор определяется т.н. нечетким множеством недоминируемых действий. Для построения этого множества необходимо выделить из индуцированного НОП его строгую компоненту – нечеткое отношение строгого предпочтения.

Далее будем считать, что агент считает рациональным выбор одной из максимально недоминируемых альтернатив – альтернатив, степень недоминируемости которых максимальна, то есть выбирает действие из множества .

В частности, если нечеткое множество недоминируемых альтернатив оказывается нормальным, то агент выбирает одну из четко недоминируемых альтернатив.

В работе предлагается использование нечеткого вывода на основе механизма Мамдани (Mamdani). В нем используется минимаксная композиция нечетких множеств. Данный механизм включает в себя следующую последовательность действий.

1. Процедура фазификации: определяются степени истинности, т.е. значения функций принадлежности для левых частей каждого правила (предпосылок). Для базы правил с m правилами обозначим степени истинности как Aik(xk), i=1..m, k=1..n.

2. Нечеткий вывод. Сначала определяются уровни "отсечения" для левой части каждого из правил: Далее находятся "усеченные" функции принадлежности:

3. Композиция, или объединение полученных усеченных функций, для чего используется максимальная композиция нечетких множеств: где MF(y) – функция принадлежности итогового нечеткого множества.

4. Дефазификация, или приведение к четкости. Существует несколько методов дефазификации. Например, метод среднего центра, или центроидный метод.

В управлении персоналом самой значительной по объёму является сфера профориентации, переподготовки и повышения квалификации. В мире на её долю приходится до 40% всех средств, затрачиваемых организациями на кадровую работу. В отечественной промышленности с переходом к рыночной экономике и реализацией высокотехнологичных проектов технического перевооружения будет возрастать потребность в гибкой системе профориентации и переподготовки, реализуемой самими промышленными предприятиями и объединениями или с привлечением специализированных организаций. В любом случае содержание, методы, организационные формы, обучаемый контингент должны быть объектом гибкого управления с учётом производственных потребностей.

В работе использован способ использования социальных сетей для формирования так называемых практических сообществ (Community of Practice, CoP), объединяющих людей, заинтересованных в приобретении и развитии знаний в определённой области и их использовании для достижения практических целей. Применение описанных методов для формирования состава участников, целей и направленности программ переподготовки на основании информации, содержащейся в социальной сети, позволяет службе управления персоналом совместно с подразделением/учреждением, осуществляющим профориентацию и профессиональную переподготовку сотрудников, управлять содержанием программ для целевых групп персонала, формируемых в соответствии с реальными задачами перевооружения производства.

В диссертации предложена методика профориентации, повышения квалификации и аттестации персонала промышленных предприятий, которая включает этапы входного контроля, непосредственно обучения и выходного контроля. Введены операции последовательной реализации учебных элементов «», параллельной «» и обратной связи «F», что позволяет реализовать все приведенные этапы на основе единого универсального механизма.

На первом этапе сотруднику предоставляется возможность просмотра краткого содержания, отражающего специфику специальности. В профессиограмме превалируют параллельные несвязные последовательности учебных модулей и тестов, объединенных в блоки ((U₁T₁)(U₂T₂)… (U_nT_n)). В результате сотрудник выбирает определенное направление переподготовки.

Входное тестирование осуществляется на основании предъявления тестовых заданий по всем учебным модулям. Во входном контроле основной задачей является выявление уровня знаний по всем модулям выбранной специальности, т.е. определение F(T₁T₂… T_n). Использование разработанных методов позволяет сформировать индивидуальную программу на основании результатов входного контроля.

Третий этап представляет непосредственно обучение, которое заканчивается после изучения всех модулей, закрепляющих теоретические знания и практические навыки выбранного направления переподготовки. Процесс обучения определяется жестким треком последовательного соединения модулей и тестов U₁T₁U₂T₂U₃U₄… T_n.

Выходной контроль является четвертым этапом, который представляет единый гетерогенный тест F(T).

В четвертой главе диссертации рассматриваются вопросы построения программно-моделирующего комплекса системы профориентации и переподготовки персонала промышленных объединений.

Разработана структура базы данных (рис.9.), интегрирующая учебный план, тестовые задания, результаты выполнения и характеристики доступа к учебно-методическим материалам. Комплекс реализован в рамках единой оболочки с универсальным интерфейсом и возможностью интеграции со стандартными пакетами.

Разработанный программный комплекс, реализует среду консультанта, который наряду с другими функциями обеспечивает реализацию механизмов управления образовательной траекторией по результатам выполнения участниками социальной сети тестовых заданий. Анализ результатов переподготовки для ряда промышленных предприятий по различным направлениям подготовки показал существенную связь между типом профессиональной деятельности и непосредственно содержательной частью блока.

Средние баллы по типам производственной деятельности, набранные сотрудниками по отдельным блокам и по финансово-экономическому блоку в целом, приведены в табл.1.

Проведенный анализ показал, что в рамках рассматриваемых типов производственной деятельности наиболее высоким уровнем практических навыков характеризуются работники Корпоративного Центра. По данной группе средняя оценка составляет 65,8 баллов, что соответствует высокому уровню практических навыков. Самую низкую среднюю оценку, приближающуюся к верхней границе среднего уровня, – 48,0 баллов - получили работники Корпоративного управления и науки.

Следует отметить, что по всем типам производственной деятельности, за исключением Корпоративного управления и науки, работники показали уровень практических навыков, существенно превышающий уровень знаний, определенный по результатам аттестации. Это может свидетельствовать о более практической направленности деятельности работников.

Полученные результаты анализа свидетельствуют о необходимости дифференцированного подхода к процессу переподготовки кадров, что приводит к задам оценки связности базовых знаний персонала (профессиональная деятельность) с программами переподготовки.

Инфологическая модель базы данных связности учебных модулей

Рис.

9.

При этом также важна оценка взаимосвязи между всеми курсами и блоками, входящими в цикл профориентации и переподготовки.

Таблица

1.

Средние оценки по типам производственной деятельности

Название блока	Тип производственной деятельности					В среднем по всем работникам
	Корпоративный центр	Блок производ-ства	Блок маркетинга, продаж и переработки	Блок сервисов	Корпоративное управление и наука
Управление финансами	65,0	55,1	62,1	59,8	45,2	59,2
Экономика	70,8	65,3	64,5	70,6	43,3	67,0
Бухгалтерский учет и аудит	65,8	59,6	65,4	61,7	46,9	62,1
Юридические основы финансово-экономического управления	60,6	50,3	57,6	55,2	52,9	54,8
Организационные основы современного финансово-экономического управления	66,6	56,2	58,9	59,3	47,6	58,7
Информационные технологии	66,1	55,7	57,0	60,4	51,9	58,6
Финансово-экономический блок в целом	65,8	57,0	60,9	61,2	48,0	60,1

Таким образом, в диссертации выполнено расширение функционала социальной сети путём достраивания модели формирования направлений профориентации и переподготовки целевого контингента в структуре социальной сети инструментальными средствами автоматизированного управления образовательными программами.

В заключении представлены основные результаты работы.

Приложение содержит документы об использовании результатов работы.

Публикации. По результатам выполненных исследований опубликовано 11 печатных работ, приведенных в списке публикаций.

Основные выводы и результаты работы

1. Проведен системный анализ задач организации процесса профориентации и обучения участников социальных сетей промышленных объединений. Выделен набор инструментальных средств, позволяющий повысить эффективность управления производственными программами.
   
2. Предложен показатель сформированности требуемых характеристик специалиста, учитывающий психолого-индивидуальные компетенции, что позволяет автоматизировать систему подбора кадров под реализацию конкретных производственных программ. Для оценки квалификационного уровня предложены механизмы гетерогенного тестового контроля.
   
3. Разработана аналитико-имитационная модель сетевого планирования производственных программ, учитывающая лингвистические неопределенности оценки квалификации персонала и позволяющая оценить временные затраты в виде нечетких переменных, что повышает качество решений по подбору кадров на основе инструментально-технологических средств социальных сетей.
   
4. На основе модели марковской цепи взаимодействия участников социальной сети разработана методика кластеризации кадрового состава промышленного объединения, которая позволяет декомпозировать организационную структуру управления конкретной производственной программой.
   
5. Для решения задачи управления коллективом исполнителей производственных программ в работе предложено использовать принципы активной системы, состоящей из управляющего органа и управляемого субъекта (потенциального исполнителя), что позволяет найти компромиссные решения для формирования временных рабочих групп реализации производственных программ.
   
6. Разработана методика подготовки персонала для реализации текущих производственных программ, включающая этапы профориентации, контроля и обучения и позволяющая формировать индивидуальные учебные планы.
   
7. Разработан макет интегрированного программно-технического комплекса системы профориентации и переподготовки персонала. Разработанные методы и алгоритмы прошли апробацию и внедрены для практического применения в ряде промышленных предприятий, а также на кафедре АСУ МАДИ.
   

Публикации по теме диссертационной работы

Статьи, опубликованные в ведущих рецензируемых научных изданиях, определенных ВАК РФ:

1. Ульянова А.И. Социальное программное обеспечение как инструмент управления в современном вузе/ Ульянова А.И. // Высшее образование в России. - 2010. – №8-9. - С.138-141.
   
2. Ульянова А.И. Социальные сети как инструмент управления / Ульянова А.И. // Вестник Казанского технологического университета раздел: Управление, информатика и вычислительная техника. – Казань: Издательство Казанского государственного технологического университета. – 2010. - № 8. – С. 125-128.
   

Статьи в сборниках научных трудов:

3. Ульянова А.И. Развитие социальных сетей и возможности их использования в энергетике / Сорокин А.В., Ульянова А.И. // Информационные Ресурсы России, - 2009. - №5. - С. 22-26.
   
4. Ульянова А.И. Использование нечетких отображений в задачах принятия решений / Ягудаев Г.Г., Николаева К.А., Ульянова А.И., Свободин В.Ю. // Методы управления потоками в транспортных системах: сб. науч. тр. МАДИ. Ротапринт МАДИ. - М., 2009 . - С. 58 – 63.
   
5. Ульянова А.И. Конкурсные механизмы экспертного оценивания / Ягудаев Г.Г., Николаева К.А., Ульянова А.И., Свободин В.Ю. // Методы управления потоками в транспортных системах: сб. науч. тр. МАДИ. Ротапринт МАДИ. - М., 2009 . - С. 70 – 76.
   
6. Ульянова А.И. Формализованное представление деловой игры в условиях конкуренции участников / Никитин М.М., Ульянова А.И. // Логистическая поддержка процессов управления: сб. науч. тр. МАДИ (ГТУ) № 4 (44) . Ротапринт МАДИ (ГТУ). - М., 2009 . - С. 52 – 59.
   
7. Ульянова А.И. Параметрическая оптимизация систем распределенной обработки данных / Николаев А.Б., Ягудаев Г.Г., Ульянова А.И. // Методы описания и моделирования бизнес-процессов и технологий в промышленности, строительстве и образовании: сб. науч. тр. МАДИ № 3/47 . Ротапринт МАДИ. - М., 2010 . - С. 122 – 125.
   
8. Ульянова А.И. Опыт и тенденции использования социальных сетей в управлении / Ульянова А.И. // Вестник Международного института рынка. – Самара. – 2010. - № 1 (6). –С. 55-61.
   
9. Ульянова А.И. Анализ базовых моделей связности учебного материала / Строганов В.Ю., Карташов М.И., Ульянова А.И., Свободин В.Ю. // Оптимизация решений в промышленности, строительстве и образовании: сб. науч. тр. МАДИ № 1/45 . Ротапринт МАДИ. - М., 2010 . - С. 49 – 52.
   
10. Ульянова А.И. Модель генерации образовательной траектории / Строганов В.Ю., Карташов М.И., Ульянова А.И., Свободин В.Ю. // Оптимизация решений в промышленности, строительстве и образовании: сб. науч. тр. МАДИ № 1/45 . Ротапринт МАДИ. - М., 2010 . - С. 53 – 61.
    
11. Ульянова А.И. Использование нечетких множеств при определении количественных оценок связности учебного материала / Николаев А.Б., Ягудаев Г.Г., Карташев М.И., Ульянова А.И., Свободин В.Ю. // Интерактивные технологии моделирования и управления: сб. науч. тр. МАДИ № 2/46 . Ротапринт МАДИ. - М., 2010 . - С. 128 – 134.