CN116894652A - 人力资源配置方法、装置、电子设备以及存储介质 - Google Patents
人力资源配置方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN116894652A CN116894652A CN202310931849.XA CN202310931849A CN116894652A CN 116894652 A CN116894652 A CN 116894652A CN 202310931849 A CN202310931849 A CN 202310931849A CN 116894652 A CN116894652 A CN 116894652A
- Authority
- CN
- China
- Prior art keywords
- human resource
- target
- target human
- resource object
- digital
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000013468 resource allocation Methods 0.000 title claims abstract description 53
- 230000008859 change Effects 0.000 claims abstract description 17
- 238000013507 mapping Methods 0.000 claims abstract description 16
- 230000006870 function Effects 0.000 claims description 60
- 238000005457 optimization Methods 0.000 claims description 22
- 230000003993 interaction Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 16
- 230000000694 effects Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 239000004973 liquid crystal related substance Substances 0.000 claims description 5
- 238000013439 planning Methods 0.000 abstract description 15
- 239000002699 waste material Substances 0.000 abstract description 7
- 230000004044 response Effects 0.000 abstract description 6
- 238000007726 management method Methods 0.000 description 42
- 230000006399 behavior Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 10
- 238000005094 computer simulation Methods 0.000 description 10
- 238000004088 simulation Methods 0.000 description 10
- 230000008520 organization Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000012797 qualification Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 239000003795 chemical substances by application Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000399 orthopedic effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种人力资源配置方法、装置、电子设备以及存储介质。所述方法包括确定物理空间中至少两个目标人力资源对象的目标数字线索信息,目标数字线索信息至少描述物理空间中目标人力资源对象的工作特征与活动轨迹;基于目标人力资源对象的目标数字线索信息生成目标人力资源对象在虚拟空间的目标数字孪生体,目标数字孪生体描述目标人力资源对象自身及对物理空间环境变化产生反应的数字化映射;依据至少两个目标人力资源对象的目标数字孪生体配置目标人力资源对象的目标岗位职责信息。本方案解决人力资源系统在面对复杂多变的决策环境无法发挥有效作用时,精准有效地为人力资源配置与战略规划提供决策支持,降低人力资源的浪费和错配的问题。
Description
技术领域
本发明涉及人力资源管理技术领域,尤其涉及一种人力资源配置方法、装置、电子设备以及存储介质。
背景技术
人力资源管理是以科学化的管理方法,使人力资源与岗位职责之间达到适配,发挥最大功效,实现高质量发展目标。
以医院的人力资源管理为例,人力资源信息管理系统主要以人力信息记录和管理为主,通常具有统一的员工信息数据库,用以存储基本信息、工作经历、培训记录等。但是,在进行人力资源配置时,通常是依据经验来实施人力资源配置,其具有一定主观性,面对复杂多变的决策环境,无法发挥有效作用,很难解决人力资源的优化分配和资源冲突问题,极易造成人力资源的浪费和错配。
发明内容
本发明提供了一种人力资源配置方法、装置、电子设备以及存储介质,以解决在面对复杂多变的决策环境,无法发挥有效作用,极易造成人力资源的浪费和错配的问题。
根据本发明的一方面,提供了一种人力资源配置方法,所述方法包括:
确定物理空间中至少两个目标人力资源对象的目标数字线索信息,所述目标数字线索信息至少描述物理空间中目标人力资源对象的工作特征与活动轨迹;
基于所述目标人力资源对象的目标数字线索信息,生成所述目标人力资源对象在虚拟空间的目标数字孪生体,所述目标数字孪生体描述目标人力资源对象自身及对物理空间环境变化产生反应的数字化映射;
依据所述至少两个目标人力资源对象的目标数字孪生体,配置所述目标人力资源对象的目标岗位职责信息。
根据本发明的另一方面,提供了一种人力资源配置装置,所述装置包括:
信息确定模块,用于确定物理空间中至少两个目标人力资源对象的目标数字线索信息,所述目标数字线索信息至少描述物理空间中目标人力资源对象的工作特征与活动轨迹;
数字孪生生成模块,用于基于所述目标人力资源对象的目标数字线索信息,生成所述目标人力资源对象在虚拟空间的目标数字孪生体,所述目标数字孪生体描述目标人力资源对象自身及对物理空间环境变化产生反应的数字化映射;
人力资源配置模块,用于依据所述至少两个目标人力资源对象的目标数字孪生体,配置所述目标人力资源对象的目标岗位职责信息。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的人力资源配置方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的人力资源配置方法。
本发明实施例的技术方案,通过获取用于描述物理空间中目标人力资源对象的工作特征与活动轨迹的目标数字线索信息,基于多维度、多样化的目标人力资源对象的目标数字线索信息并利用数字孪生技术生成目标人力资源对象的数字孪生体,通过数字孪生体描述目标人力资源对象自身及对物理空间环境变化产生反应的数字化映射,进而可以依据目标人力资源对象的数字孪生体进行人力资源对象的能力意愿分析评估及人力资源配置监测,并通过模拟人力资源对象对于相应岗位或职责的综合能力匹配程度实现人力资源对象的岗位职责配置,解决人力资源系统在面对复杂多变的决策环境无法发挥有效作用时,精准有效地为人力资源配置与战略规划提供决策支持,降低造成人力资源的浪费和错配的问题。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例提供的一种人力资源配置方法的流程图;
图2是根据本发明实施例所适用的数字虚拟孪生体构建流程示意图;
图3是根据本发明实施例所适用的基于数字孪生动态模拟效用优化的人力资源战略部署系统;
图4是根据本发明实施例提供的另一种人力资源配置方法的流程图
图5是根据本发明实施例提供的一种人力资源配置装置的结构示意图;
图6是实现本发明实施例的人力资源配置方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1为本发明实施例提供了一种人力资源配置方法的流程图,本实施例可适用于在面对复杂多变的人力资源决策需求时为人力资源配置与战略规划提供有效决策支持的情况,该方法可以由人力资源配置装置来执行,该人力资源配置装置可以采用硬件和/或软件的形式实现,该人力资源配置装置可配置于任何具有网络通信功能的电子设备中。
如图1所示,本实施例的人力资源配置方法可以包括:
S110、确定物理空间中至少两个目标人力资源对象的目标数字线索信息,目标数字线索信息至少描述物理空间中目标人力资源对象的工作特征与活动轨迹。
以医院的人力资源管理为例,人力资源管理除了人事管理之外,还包括人力规划、培训发展、劳资关系、员工职业生涯管理等具备系统性、战略性、前瞻性的任务,在医院人力资源管理的政策框架内,形成完整运行的一套管理体系。
但是,医院人力资源管理系统主要以人力信息记录和管理为主,通常具有统一的员工信息数据库,用以存储基本信息、工作经历以及培训记录等;同时,还提供一些基础管理功能,例如薪酬管理、考勤管理、福利管理等。在战略管理和人才战略部署层面,面对复杂多变的决策环境,无法发挥有效作用,极易造成人力资源的浪费和错配。
基于上述问题,本案可以预先配置软件API接口、物理接口等,通过预先配置的软件API接口和/或物理接口对物理空间中的至少两个目标人力资源对象进行实时采集可以得到基于多维度、多样化的目标数字线索信息。其中,数字线索作为组件化、可扩展的数据采集框架,使得虚拟空间内信息受控于互操作和融合,以统一数字模型驱动所需抽象物理空间中人力资源对象的特征与工作活动轨迹。可选地,当物理空间为医院物理空间环境时,人力资源对象为医院的员工。
作为一种可选但非限定的实现方式,数字线索信息包括第一属性信息与第二属性信息,第一属性信息包括从业基本信息、从业资质信息及从业报酬信息,第二属性信息包括从业规划信息、从业偏好信息及从业反馈信息。
以医院的人力资源管理为例,数字线索信息包括用于描述人力资源对象客观属性数据的第一属性信息,参见表1,从业基本信息具体可以为员工基本信息,员工基本信息可包括员工编号、员工姓名、出生日期、行政职务、技术职务、教学职务、职称以及学历;从业资质信息具体可以为员工资质信息,员工资质信息可包括执业医师资质、执业药师资质、执业护士资质、处方资质、手术资质以及操作资质;从业报酬信息具体可以为员工薪酬福利信息,员工薪酬福利信息可包括薪酬类别、薪酬金额、薪酬时间以及支付方式。
表1数字线索客观属性
数字线索信息还可以包括用于描述人力资源对象主观动态数据的第一属性信息,参见表2,从业规划信息具体可以为员工行为模式信息,员工行为模式信息可以包括技术领域、培训方式、成长路径以及职业规划;从业偏好信息具体可以为员工行为偏好信息,员工行为偏好信息可以包括排班准时度、组织管理倾向以及稳定性参考值;从业反馈信息具体可以为调查反馈管理信息,调查反馈管理信息可以包括职责满意度、流程满意度以及信息接纳度等。
表2数字线索主观属性
属性类别 | 属性名称 |
员工行为模式 | 技术领域、培训方式、成长路径、职业规划 |
员工行为偏好 | 排班准时度、组织管理倾向、稳定性参考值 |
调查反馈 | 职责满意度、流程满意度、信息接纳度 |
作为一种可选但非限定的实现方式,确定物理空间中至少两个目标人力资源对象的目标数字线索信息,可包括步骤A1-A2:
步骤A1、获取物理空间中至少两个目标人力资源对象的候选数字线索信息。
可选地,可以通过预先配置的软件API接口和/或物理接口对物理空间中的至少两个目标人力资源对象进行实时采集得到至少两个目标人力资源对象的候选数字线索信息。
步骤A2、采用预设校验方式对载入的候选数字线索信息进行校验,并将校验通过的候选数字线索信息确定为目标数字线索信息,预设校验方式包括格式校验、类型校验、范围校验、唯一性校验和/或存在性校验。
参见图2,图2中提供数字虚拟孪生体构建流程示意图,其中实线表示流程步骤,虚线表示数据流动,在获取至少两个目标人力资源对象的候选数字线索信息后,可以对获取的候选数字线索信息进行校验,以验证数字线索的有效性,并对载入的物理空间的候选熟悉线索信息的质量进行验证,确保数据满足准确性、完整性、实时性、一致性、合法性,符合政策要求与人力资源战略部署系统标准。可选地,可以采用但不限于以下预设校验方式:格式校验、类型校验、范围校验、唯一性校验以及存在性校验等,对载入的候选数字线索信息进行校验。
可选地,参见图3,提供了一种基于数字孪生动态模拟效用优化的人力资源战略部署系统,可以包括以下几个部分:数字虚拟孪生体构建、数字虚拟孪生体管理、人力资源管理目标参数配置以及人力资源战略部署决策制定。在数字虚拟孪生体构建中,采集单元通过预先配置的软件API接口和/或物理接口对物理空间中至少两个目标人力资源对象的数字线索进行实时采集;在数字虚拟孪生体构建中,验证单元对获取的候选数字线索信息进行校验,以验证数字线索的有效性。
S120、基于目标人力资源对象的目标数字线索信息,生成目标人力资源对象在虚拟空间的目标数字孪生体,目标数字孪生体描述目标人力资源对象自身及对物理空间环境变化产生反应的数字化映射。
对于各个目标人力资源对象的目标数字线索信息,可以利用数字孪生技术以统一数字模型对物理空间中目标人力资源对象的工作特征与工作活动轨迹进行抽象处理生成目标人力资源对象在虚拟空间的目标数字孪生体。目标数字孪生体能很好的描述目标人力资源对象自身及对物理空间环境变化产生反应的数字化映射。
作为一种可选但非限定的实现方式,基于目标人力资源对象的目标数字线索信息,生成目标人力资源对象在虚拟空间的目标数字孪生体,可以包括步骤B1-B2:
步骤B1、针对至少两个目标人力资源对象,采用预设抽象方式对目标人力资源对象的目标数字线索信息进行抽象,预设抽象方式包括分类抽象、特征映射和/或模版匹配。
步骤B2、采用经抽象处理的目标数字线索信息,构建目标人力资源对象在虚拟空间的目标数字孪生体。
参见图2与图3,在数字虚拟孪生体构建中,转换单元可以将目标人力资源对象的目标数字线索信息进行抽象,并建模生成相应的人力资源对象虚拟的数字孪生体,通过数字孪生体可以反映相对应人力资源对象自身及对环境变化产生反应的数字化映射。可选地,可以采用包括但不限于分类抽象、特征映射、模版匹配等对目标人力资源对象的目标数字线索信息进行抽象。
示例性地,本案以构建了某三级医院骨科三个医疗组10名主治医师数字虚拟孪生体模型实例,抽取得到属性包括年龄、性别、职称、学历、职业规划、组织管理倾向、稳定性参考值、职责满意度、流程满意度、医疗组满意度、信息接纳度,如下表3所示。
表3数字虚拟孪生体模型实例属性信息展示
其中,表3为实例ID=00613数字虚拟孪生体模型实例属性信息展示,其中稳定性参考值为个人及组内评分加权合计,有效范围为[0,1],0表示极度不稳定,1表示极度稳定;职责满意度、流程满意度、医疗组满意度、信息接纳度均为医院员工周期性调查问卷反馈得到的加权合计,有效范围均为[0,1]。
S130、依据至少两个目标人力资源对象的目标数字孪生体,配置目标人力资源对象的目标岗位职责信息。
对于每个目标人力资源对象的目标数字孪生体,目标数字孪生体关联有多个属性信息,利用目标数字孪生体关联的属性信息检测目标人力资源对象与各个岗位职责的匹配度,并依据与各个岗位职责的匹配度从多个岗位职责中选择合适的目标岗位职责配置给目标人力资源对象。
作为一种可选但不限定的实现方式,参见图2与图3,对于基于数字孪生动态模拟效用优化的人力资源战略部署系统,在数字虚拟孪生体管理中,可对数字虚拟孪生体构建中得到的至少两个目标人力资源对象的目标数字孪生体模型进行存储和管理,并对不同数字孪生体间的第一交互关系以及与目标数字孪生体对应物理空间环境之间的第二交互关系进行维护。
可选地,在数字虚拟孪生体管理中,可以通过存储单元对目标人力资源对象的数字虚拟孪生体模型进行存储,可以采用关系型数据库,例如MySQL等;也可以采用图数据库,例如Neo4j等,同时可以对目标人力资源对象的目标数字孪生体模型关联的属性信息及各类交互关系进行存储。
可选地,在数字虚拟孪生体管理中,可以通过管理单元对目标人力资源的数字虚拟孪生体关联的属性信息、参数等进行统计及基础分析,并对不同数字孪生体间的第一交互关系以及与目标数字孪生体对应物理空间环境之间的第二交互关系进行迭代与更新维护,可以采用图数据库,例如Neo4j等,对数字虚拟孪生体模型及信息进行管理。
可选地,在数字虚拟孪生体管理中,可以通过装载单元将目标人力资源的数字虚拟孪生体装载到内存中,提高访问速度,便于其他模块调用数字孪生体模型相关信息。
可选地的,数字虚拟孪生体的模型实例之间无交互关系,存储于MySQL数据库进行管理。
本发明实施例的技术方案,通过获取用于描述物理空间中目标人力资源对象的工作特征与活动轨迹的目标数字线索信息,基于多维度、多样化的目标人力资源对象的目标数字线索信息并利用数字孪生技术生成目标人力资源对象的数字孪生体,通过数字孪生体描述目标人力资源对象自身及对物理空间环境变化产生反应的数字化映射,进而可以依据目标人力资源对象的数字孪生体进行人力资源对象的能力意愿分析评估及人力资源配置监测,并通过模拟人力资源对象对于相应岗位或职责的综合能力匹配程度实现人力资源对象的岗位职责配置,解决人力资源系统在面对复杂多变的决策环境无法发挥有效作用时,精准有效地为人力资源配置与战略规划提供决策支持,降低造成人力资源的浪费和错配的问题。
图4为本发明实施例提供了另一种人力资源配置方法的流程图,本实施例的技术方案在上述实施例的基础上对前述实施例中依据至少两个目标人力资源对象的目标数字孪生体配置目标人力资源对象的目标岗位职责信息的过程进一步优化,本实施例可与上述一个或多个实施例中各个可选方案结合。
如图4所示,本实施例的人力资源配置方法可以包括以下过程:
S410、确定物理空间中至少两个目标人力资源对象的目标数字线索信息,目标数字线索信息至少描述物理空间中目标人力资源对象的工作特征与活动轨迹。
S420、基于目标人力资源对象的目标数字线索信息,生成目标人力资源对象在虚拟空间的目标数字孪生体,目标数字孪生体描述目标人力资源对象自身及对物理空间环境变化产生反应的数字化映射。
S430、对于至少两个目标人力资源对象,确定每个目标人力资源对象的第一决策变量与第二决策变量,第一决策变量对目标人力资源对象是否承担各个岗位职责进行表示,第二决策变量对目标人力资源对象承担岗位职责时是否在各个岗位职责对应的岗位分组任职进行表示。
S440、基于至少两个目标人力资源对象的目标数字孪生体,确定目标人力资源对象的第一参数与第二参数,第一参数表示目标人力资源对象与岗位职责所需能力的综合匹配度,第二参数表示目标人力资源对象承担岗位职责所需的成本。
作为一种可选但不限定的实现方式,基于至少两个目标人力资源对象的目标数字孪生体,确定目标人力资源对象的第一参数与第二参数,包括:
步骤C1、确定对至少两个目标人力资源对象进行配置时所处的人力资源配置场景。
步骤C2、从目标数字孪生体对应的数字孪生体模型实例中,确定与人力资源配置场景适配的目标数字孪生体模型实例。
步骤C3、基于目标数字孪生体模型实例确定目标人力资源对象的第一参数与第二参数。
S450、基于第一决策变量、第二决策变量、第一参数与第二参数配置目标人力资源对象的目标岗位职责信息。
作为一种可选但不限定的实现方式,基于第一决策变量、第二决策变量、第一参数与第二参数配置目标人力资源对象的目标岗位职责信息,可包括以下步骤D1-D3:
步骤D1、基于第一决策变量与第一参数确定第一函数项,第一函数项用于描述目标人力资源对象与岗位职责的整体能力匹配度。
步骤D2、基于第二决策变量与第二参数确定第二函数项,第二函数项用于描述目标人力资源对象承担岗位职责的成本总和。
步骤D3、采用第一函数项与第二函数项构建目标人力资源配置函数,并通过对目标人力资源配置函数中第一决策变量与第二决策变量进行预设求解并依据求解结果配置所述目标人力资源对象的目标岗位职责信息,预设求解用于提升目标人力资源对象与岗位职责的整体匹配度以及同时降低目标人力资源对象承担岗位职责整体成本。
以医院的人力资源管理为例,医院实际运营管理所有岗位职责可抽象为集合J,岗位职责j∈J;可分配担任岗位职责的人力资源对象可以抽象为集合其中/>为人力资源对象的数字虚拟孪生体;岗位职责所处医疗分组组可抽象为集合/> 医院实际运营管理所需能力可抽象为集合S,/>表示岗位职责j所需能力,/>表示以数字虚拟孪生体m抽象的人力资源对象(简称为人力资源对象m)在运营管理方面的能力。
定义λm,j,i∈[0,1]表示人力资源对象m对于岗位职责j所需能力i的匹配度(0表示不匹配,1表示完全匹配),参数取值可以基于预设经验规则进行设定或者可以基于有监督学习回归模型进行确定,例如弹性网络回归、集成树模型、深度神经网络模型等进行数据分析挖掘后进行设定。
定义为人力资源对象m对于岗位职责j所需能力的综合匹配度。其中,Cm>0表示人力资源对象m承担管理岗位职责时的成本参数,Cm越大,表示成本越高。参数取值可以基于预设经验规则进行设定或者可以基于有监督学习回归模型进行确定。
定义第一决策变量Qm,j表示人力资源对象m是否承担岗位职责j,即第二决策变量Xm,w表示人力资源对象m是否在岗位职责对应医疗分组组w任职,即/>
人力资源配置的优化目标可以设定为提升人力资源对象与岗位职责的能力匹配程度同时降低人力资源对象承担岗位职责的成本。
人力资源配置的优化目标可以定义为:maxQ,X(αΛQ-βCX),其中表示人力资源对象与岗位职责的整体能力匹配度,表示成本总计,α,β∈(0,1)为能力匹配程度与成本优化目标的预设权重值。
基于第一函数项与第二函数项,采用如下公式构建目标人力资源配置函数,定义组织整体效用U为目标人力资源配置函数,以下形式:
其中Λmin与Λmax分别为人力资源对象与岗位职责的整体能力匹配度的最小值与最大值,Cmin与Cmax分别为人力资源对象承担岗位职责的成本总和的最小值与最大值,U表示目标人力资源配置函数,ΛQ表示第一函数项,CX表示第二函数项,α,β∈(0,1)表示能力匹配程度与成本优化目标的预设权重值。优化目标也可以设定为最大化组织整体效用,即
以上场景设定流水线参数设定可以根据物理环境、场景变化所致虚拟场景抽象的变化进行动态调整。
示例性地,针对实际场景例进行人力资源配置部署,以纳入部署范围的6名主治医师作为人力资源对象为例,6名主治医师的数字虚拟孪生体集合为岗位职责对应的医疗分组/>分别有两项岗位职责J={j1,j2},其中j1表示岗位职责对应的医疗组运营效率方案执行支持,j2表示岗位职责对应的医疗组管理培训统筹支持,能力要求/>其中S={R1,R2,R3,R4}分别表示数据分析能力、方案执行能力、人员组织能力以及活动统筹能力。
人力资源对象与岗位职责的能力匹配度由专家经验标注和审核的基于单元抽取得到的属性数据经过回归模型前馈神经网络(隐藏层层数L=2,每层神经元个数N1=50,N2=100)进行推断确定,下述表4为主治医师数字虚拟孪生体各项能力匹配度取值。
设置成本参数Cm=1。决策变量为Qm,j,Xm,w,优化目标为最大化组织整体效用,即maxQ,XU,其中权重值根据场景实际需求与经验预设为α=0.80,β=0.15。
表4数字虚拟孪生体m1的能力匹配度λm,j,i取值
在定义组织整体效用U为目标人力资源配置函数后,最大化组织整体效用可以使用穷举搜索得到最优决策变量Qm,j,Xm,w。
当搜索空间较大,即|J|、|W|较大时,可以使用基于控制搜索路径广度及深度的智能搜索。调整超参数替代选择数(SNA)控制搜索广度、决策视野(DH)控制搜索深度、采样率(SR)控制搜索路径分叉、迭代步长(IS)控制搜索路径起始决策,得到使得组织整体效用在迭代次数约束下的最优决策变量Qm,j,Xm,w。
将制定的优化决策以分析报告形式生成,包含决策变量结果、仿真结果、统计图表等,便于持续分析评估。本实施例|J|=2、|W|=3,搜索空间较小,使用穷举搜索得到最优决策变量Qm,j,Xm,w,根据医疗组满意度及人事部门审核,最终制定人力资源配置优化决策(如下表5)。
表5通过最大化整体组织效用得到的人力资源配置决策结果
医疗组/职责 | w1 | w2 | w3 |
j1 | m7 | m4 | m6 |
j2 | m2 | m1 | m8 |
可选地,参见图3提供的基于数字孪生动态模拟效用优化的人力资源战略部署系统,在人力资源管理目标参数配置中,场景目标设定单元根据人力资源实际场景的特点与需求进行场景抽象、场景仿真状态设置,以及目标设定,包括人力资源管理指标、医院运营管理指标、医院绩效考核指标等。
可选地,参见图3提供的基于数字孪生动态模拟效用优化的人力资源战略部署系统,在人力资源管理目标参数配置中,场景参数设定单元对场景数字环境进行参数设定,包括环境基本参数、约束条件等;例如,所有岗位职责由人力资源集合中的人力资源对象承担,可以设定/> 场景参数设定单元还可对数字虚拟孪生体的模型进行参数设定,包括模型基本参数、行为周期、模拟仿真运行周期、步数等。
可选地,人力资源部署场景的约束条件如下:设定所有岗位职责J由人力资源集合中的人力资源对象承担,即设定每个人力资源对象承担不超过一项岗位职责,即/>设定任职不可跨医疗分组组,即
可选地,参见图3提供的基于数字孪生动态模拟效用优化的人力资源战略部署系统,在人力资源战略部署决策制定中,参数输入接口接收模块C3对于数字环境、人力资源任务场景、人力资源对象的数字虚拟孪生体模型参数等的配置,可以使用标准数据格式进行规范设定。
可选地,参见图3提供的基于数字孪生动态模拟效用优化的人力资源战略部署系统,在人力资源战略部署决策制定中,仿真模拟引擎基于参数输入接口中输入的配置数据构建人力资源场景动态仿真模拟,包括离散事件仿真、系统动力仿真和智能体仿真。具体如下:
智能体仿真:通过离散事件模拟人力资源的行为、流程执行以及与环境的交互状况,按时间顺序管理事件生成、分配和执行,从而模拟人力资源任务场景的动态变化。
系统动力仿真:通过系统动态行为分析进行数学建模,模拟人力资源的行为状态,推算人力资源任务场景作为系统整体,人力资源对象的动态属性、工作模式等随系统的变化情况。
智能体仿真:通过多智能体状态、行为、决策逻辑和目标的规划以及互相影响和协调作用,模拟特定人力资源场景下人力资源对象的数字虚拟孪生体作为智能体的动态变化情况。
可选地,参见图3提供的基于数字孪生动态模拟效用优化的人力资源战略部署系统,在人力资源战略部署决策制定中,优化决策制定可以根据仿真模拟引擎进行的人力资源场景动态仿真结果与单场景目标设定单元的场景设定目标,通过不同的场景与模型输入参数组合,制定达成场景目标所相应的物理空间人力资源配置部署。其中,优化决策制定也可以使用数值算法,对场景设定目标进行迭代优化,输出相应决策。
作为一种可选但未限定的实现方式中,依据至少两个目标人力资源对象的目标数字孪生体,配置目标人力资源对象的目标岗位职责信息,包括:
针对至少两个目标人力资源对象的目标数字孪生体,确定目标数字孪生体之间的第一交互关系以及确定所述目标数字孪生体与对应物理空间环境之间的第二交互关系;基于第一交互关系、第二交互关系及至少两个目标人力资源对象的目标数字孪生体,配置目标人力资源对象的目标岗位职责信息。
本发明实施例的技术方案,通过数字孪生体描述目标人力资源对象自身及对物理空间环境变化产生反应的数字化映射,进而可以依据目标人力资源对象的数字孪生体进行人力资源对象的能力意愿分析评估及人力资源配置监测,并通过模拟人力资源对象对于相应岗位或职责的综合能力匹配程度实现人力资源对象的岗位职责配置,解决人力资源系统在面对复杂多变的决策环境无法发挥有效作用时,精准有效地为人力资源配置与战略规划提供决策支持,降低造成人力资源的浪费和错配的问题。尤其是,能够完整准确地刻画医院物理环境中人力资源应用场景下,员工属性及工作状态的动态变化。对场景进行目标设定及参数配置,通过员工数字虚拟孪生体在数字环境中的仿真模拟或数值算法迭代优化,进行人力资源动态配置和部署,形成数据驱动、精准可靠、实时动态、实用性强的人力资源战略规划决策支持。
图5为本发明实施例提供了一种人力资源配置装置的结构示意图,本实施例可适用于在面对复杂多变的人力资源决策需求时为人力资源配置与战略规划提供有效决策支持的情况,该人力资源配置装置可以采用硬件和/或软件的形式实现,该人力资源配置装置可配置于任何具有网络通信功能的电子设备中。
如图5所示,本实施例的人力资源配置装置可以包括:
信息确定模块510,用于确定物理空间中至少两个目标人力资源对象的目标数字线索信息,所述目标数字线索信息至少描述物理空间中目标人力资源对象的工作特征与活动轨迹;
数字孪生生成模块520,用于基于所述目标人力资源对象的目标数字线索信息,生成所述目标人力资源对象在虚拟空间的目标数字孪生体,所述目标数字孪生体描述目标人力资源对象自身及对物理空间环境变化产生反应的数字化映射;
人力资源配置模块530,用于依据所述至少两个目标人力资源对象的目标数字孪生体,配置所述目标人力资源对象的目标岗位职责信息。
在上述实施例的基础上,可选地,所述数字线索信息包括有第一属性信息与第二属性信息,所述第一属性信息包括从业基本信息、从业资质信息及从业报酬信息,所述第二属性信息包括从业规划信息、从业偏好信息及从业反馈信息。
在上述实施例的基础上,可选地,所述确定物理空间中至少两个目标人力资源对象的目标数字线索信息,包括:
获取物理空间中至少两个目标人力资源对象的候选数字线索信息;
采用预设校验方式对载入的候选数字线索信息进行校验,并将校验通过的候选数字线索信息确定为所述目标数字线索信息,所述预设校验方式包括格式校验、类型校验、范围校验、唯一性校验和/或存在性校验。
在上述实施例的基础上,可选地,所述基于所述目标人力资源对象的目标数字线索信息,生成所述目标人力资源对象在虚拟空间的目标数字孪生体,包括:
针对所述至少两个目标人力资源对象,采用预设抽象方式对所述目标人力资源对象的目标数字线索信息进行抽象,所述预设抽象方式包括分类抽象、特征映射和/或模版匹配;
采用经抽象处理的目标数字线索信息,构建所述目标人力资源对象在虚拟空间的目标数字孪生体。
在上述实施例的基础上,可选地,所述依据所述至少两个目标人力资源对象的目标数字孪生体,配置所述目标人力资源对象的目标岗位职责信息,包括:
对于所述至少两个目标人力资源对象,确定每个所述目标人力资源对象的第一决策变量与第二决策变量,所述第一决策变量对所述目标人力资源对象是否承担各个岗位职责进行表示,所述第二决策变量对所述目标人力资源对象承担岗位职责时是否在各个岗位职责对应的岗位分组任职进行表示;
基于所述至少两个目标人力资源对象的目标数字孪生体,确定所述目标人力资源对象的第一参数与第二参数,所述第一参数表示所述目标人力资源对象与岗位职责所需能力的综合匹配度,所述第二参数表示所述目标人力资源对象承担岗位职责所需的成本;
基于所述第一决策变量、所述第二决策变量、所述第一参数与第二参数配置所述目标人力资源对象的目标岗位职责信息。
在上述实施例的基础上,可选地,所述基于所述第一决策变量、所述第二决策变量、所述第一参数与第二参数配置所述目标人力资源对象的目标岗位职责信息,包括:
基于所述第一决策变量与所述第一参数确定第一函数项,所述第一函数项用于描述目标人力资源对象与岗位职责的整体能力匹配度;
基于所述第二决策变量与所述第二参数确定第二函数项,所述第二函数项用于描述目标人力资源对象承担岗位职责的成本总和;
采用第一函数项与所述第二函数项构建目标人力资源配置函数,并通过对所述目标人力资源配置函数中第一决策变量与第二决策变量进行预设求解并依据求解结果配置所述目标人力资源对象的目标岗位职责信息,所述预设求解用于提升目标人力资源对象与岗位职责的整体匹配度以及同时降低目标人力资源对象承担岗位职责整体成本。
在上述实施例的基础上,可选地,所述采用第一函数项与所述第二函数项构建目标人力资源配置函数,包括:
基于所述第一函数项与所述第二函数项,采用如下公式构建目标人力资源配置函数:
其中,Λmin与Λmax分别为人力资源对象与岗位职责的整体能力匹配度的最小值与最大值,Cmin与Cmax分别为人力资源对象承担岗位职责的成本总和的最小值与最大值,U表示目标人力资源配置函数,ΛQ表示第一函数项,CX表示第二函数项,α,β∈(0,1)表示能力匹配程度与成本优化目标的预设权重值。
在上述实施例的基础上,可选地,所述基于所述至少两个目标人力资源对象的目标数字孪生体,确定所述目标人力资源对象的第一参数与第二参数,包括:
确定对所述至少两个目标人力资源对象进行配置时所处的人力资源配置场景;
从目标数字孪生体对应的数字孪生体模型实例中,确定与所述人力资源配置场景适配的目标数字孪生体模型实例;
基于目标数字孪生体模型实例确定目标人力资源对象的第一参数与第二参数。
在上述实施例的基础上,可选地,所述依据所述至少两个目标人力资源对象的目标数字孪生体,配置所述目标人力资源对象的目标岗位职责信息,包括:
针对所述至少两个目标人力资源对象的目标数字孪生体,确定所述目标数字孪生体之间的第一交互关系以及确定所述目标数字孪生体与对应物理空间环境之间的第二交互关系;
基于所述第一交互关系、所述第二交互关系及所述至少两个目标人力资源对象的目标数字孪生体,配置所述目标人力资源对象的目标岗位职责信息。
本发明实施例中所提供的人力资源配置装置可执行上述本发明任意实施例中所提供的人力资源配置方法,具备执行该人力资源配置方法相应的功能和有益效果,详细过程参见前述实施例中人力资源配置方法的相关操作。
值得注意的是,上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本公开实施例的保护范围。
图6示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图6所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如人力资源配置方法。
在一些实施例中,人力资源配置方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的人力资源配置方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行人力资源配置方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种人力资源配置方法,其特征在于,包括:
确定物理空间中至少两个目标人力资源对象的目标数字线索信息,所述目标数字线索信息至少描述物理空间中目标人力资源对象的工作特征与活动轨迹;
基于所述目标人力资源对象的目标数字线索信息,生成所述目标人力资源对象在虚拟空间的目标数字孪生体,所述目标数字孪生体描述目标人力资源对象自身及对物理空间环境变化产生反应的数字化映射;
依据所述至少两个目标人力资源对象的目标数字孪生体,配置所述目标人力资源对象的目标岗位职责信息。
2.根据权利要求1所述的方法,其特征在于,所述基于所述目标人力资源对象的目标数字线索信息,生成所述目标人力资源对象在虚拟空间的目标数字孪生体,包括:
针对所述至少两个目标人力资源对象,采用预设抽象方式对所述目标人力资源对象的目标数字线索信息进行抽象,所述预设抽象方式包括分类抽象、特征映射和/或模版匹配;
采用经抽象处理的目标数字线索信息,构建所述目标人力资源对象在虚拟空间的目标数字孪生体。
3.根据权利要求1所述的方法,其特征在于,所述依据所述至少两个目标人力资源对象的目标数字孪生体,配置所述目标人力资源对象的目标岗位职责信息,包括:
对于所述至少两个目标人力资源对象,确定每个所述目标人力资源对象的第一决策变量与第二决策变量,所述第一决策变量对所述目标人力资源对象是否承担各个岗位职责进行表示,所述第二决策变量对所述目标人力资源对象承担岗位职责时是否在各个岗位职责对应的岗位分组任职进行表示;
基于所述至少两个目标人力资源对象的目标数字孪生体,确定所述目标人力资源对象的第一参数与第二参数,所述第一参数表示所述目标人力资源对象与岗位职责所需能力的综合匹配度,所述第二参数表示所述目标人力资源对象承担岗位职责所需的成本;
基于所述第一决策变量、所述第二决策变量、所述第一参数与第二参数配置所述目标人力资源对象的目标岗位职责信息。
4.根据权利要求3所述的方法,其特征在于,所述基于所述第一决策变量、所述第二决策变量、所述第一参数与第二参数配置所述目标人力资源对象的目标岗位职责信息,包括:
基于所述第一决策变量与所述第一参数确定第一函数项,所述第一函数项用于描述目标人力资源对象与岗位职责的整体能力匹配度;
基于所述第二决策变量与所述第二参数确定第二函数项,所述第二函数项用于描述目标人力资源对象承担岗位职责的成本总和;
采用第一函数项与所述第二函数项构建目标人力资源配置函数,并通过对所述目标人力资源配置函数中第一决策变量与第二决策变量进行预设求解并依据求解结果配置所述目标人力资源对象的目标岗位职责信息,所述预设求解用于提升目标人力资源对象与岗位职责的整体匹配度以及同时降低目标人力资源对象承担岗位职责整体成本。
5.根据权利要求4所述的方法,其特征在于,所述采用第一函数项与所述第二函数项构建目标人力资源配置函数,包括:
基于所述第一函数项与所述第二函数项,采用如下公式构建目标人力资源配置函数:
其中,Λmin与Λmax分别为人力资源对象与岗位职责的整体能力匹配度的最小值与最大值,Cmin与Cmax分别为人力资源对象承担岗位职责的成本总和的最小值与最大值,U表示目标人力资源配置函数,ΛQ表示第一函数项,CX表示第二函数项,α,β∈(0,1)表示能力匹配程度与成本优化目标的预设权重值。
6.根据权利要求3所述的方法,其特征在于,所述基于所述至少两个目标人力资源对象的目标数字孪生体,确定所述目标人力资源对象的第一参数与第二参数,包括:
确定对所述至少两个目标人力资源对象进行配置时所处的人力资源配置场景;
从目标数字孪生体对应的数字孪生体模型实例中,确定与所述人力资源配置场景适配的目标数字孪生体模型实例;
基于目标数字孪生体模型实例确定目标人力资源对象的第一参数与第二参数。
7.根据权利要求1所述的方法,其特征在于,所述依据所述至少两个目标人力资源对象的目标数字孪生体,配置所述目标人力资源对象的目标岗位职责信息,包括:
针对所述至少两个目标人力资源对象的目标数字孪生体,确定所述目标数字孪生体之间的第一交互关系以及确定所述目标数字孪生体与对应物理空间环境之间的第二交互关系;
基于所述第一交互关系、所述第二交互关系及所述至少两个目标人力资源对象的目标数字孪生体,配置所述目标人力资源对象的目标岗位职责信息。
8.一种人力资源配置装置,其特征在于,包括:
信息确定模块,用于确定物理空间中至少两个目标人力资源对象的目标数字线索信息,所述目标数字线索信息至少描述物理空间中目标人力资源对象的工作特征与活动轨迹;
数字孪生生成模块,用于基于所述目标人力资源对象的目标数字线索信息,生成所述目标人力资源对象在虚拟空间的目标数字孪生体,所述目标数字孪生体描述目标人力资源对象自身及对物理空间环境变化产生反应的数字化映射;
人力资源配置模块,用于依据所述至少两个目标人力资源对象的目标数字孪生体,配置所述目标人力资源对象的目标岗位职责信息。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的人力资源配置方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的人力资源配置方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310931849.XA CN116894652A (zh) | 2023-07-26 | 2023-07-26 | 人力资源配置方法、装置、电子设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310931849.XA CN116894652A (zh) | 2023-07-26 | 2023-07-26 | 人力资源配置方法、装置、电子设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116894652A true CN116894652A (zh) | 2023-10-17 |
Family
ID=88312029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310931849.XA Pending CN116894652A (zh) | 2023-07-26 | 2023-07-26 | 人力资源配置方法、装置、电子设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116894652A (zh) |
-
2023
- 2023-07-26 CN CN202310931849.XA patent/CN116894652A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | The behavioural causes of bullwhip effect in supply chains: A systematic literature review | |
McMullen et al. | Multi-objective assembly line balancing via a modified ant colony optimization technique | |
Bozbura et al. | Prioritization of human capital measurement indicators using fuzzy AHP | |
Yaraghi et al. | Comparison of AHP and Monte Carlo AHP under different levels of uncertainty | |
Wang et al. | An application of agent-based simulation to knowledge sharing | |
Oukil et al. | Ranking dispatching rules in multi-objective dynamic flow shop scheduling: a multi-faceted perspective | |
US20210174306A1 (en) | Adaptive and reusable processing of retroactive sequences for automated predictions | |
US20150161539A1 (en) | Decision support system for project managers and associated method | |
Shafiei-Monfared et al. | A novel approach for complexity measure analysis in design projects | |
Lei et al. | Construction of organisational system of enterprise knowledge management networking module based on artificial intelligence | |
Englmaier et al. | Organization design and firm heterogeneity: Towards an integrated research agenda for strategy | |
Wen et al. | Modified honey bees mating optimization algorithm for multi-objective uncertain integrated process planning and scheduling problem | |
Sampath et al. | A decision-making framework for project portfolio planning at Intel Corporation | |
WO2016183401A1 (en) | Human capital management system and method | |
Nikolenko et al. | Investment policy of governance of economic security of agrarian sector of Ukraine on the basis of theory of fuzzy logics | |
Sampath et al. | A generalized decision support framework for large‐scale project portfolio decisions | |
Hao | Optimal allocation of human resource structure based on capability maturity model integration | |
CN103903070B (zh) | 应用系统资源需求测算系统 | |
Resta | An agent-based simulator driven by variants of self-organizing maps | |
Mylnikov | Particularities of solving the problems of support for managerial decision making in production and economic systems using the statistical data | |
Jin et al. | Selection of design project with the consideration of designers' satisfaction factors and collaboration ability | |
CN116894652A (zh) | 人力资源配置方法、装置、电子设备以及存储介质 | |
Shapiro et al. | DPCM: a method for modelling and analysing design process changes based on the applied signposting model | |
Al-Aomar et al. | Simulation-based Six Sigma value function for system-level performance assessment and improvement | |
WO2020188043A1 (en) | Method and system to deliver time-driven activity-based-costing in a healthcare setting in an efficient and scalable manner |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |