CN117057763B - 一种人力资源优化配置方法及系统 - Google Patents
一种人力资源优化配置方法及系统 Download PDFInfo
- Publication number
- CN117057763B CN117057763B CN202311316043.6A CN202311316043A CN117057763B CN 117057763 B CN117057763 B CN 117057763B CN 202311316043 A CN202311316043 A CN 202311316043A CN 117057763 B CN117057763 B CN 117057763B
- Authority
- CN
- China
- Prior art keywords
- execution
- skill
- level
- data
- task
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000004519 manufacturing process Methods 0.000 claims abstract description 113
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 230000005484 gravity Effects 0.000 claims description 10
- 238000013468 resource allocation Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000000044 Amnesia Diseases 0.000 description 1
- 208000031091 Amnestic disease Diseases 0.000 description 1
- 230000006986 amnesia Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000013589 supplement Substances 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
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种人力资源优化配置方法及系统,所述的人力资源优化配置方法,包括:S1:采集员工的身份信息,查询各员工的现生产技能数据,根据现生产技能数据,建立第一技能水平模型,评估员工对待生产任务的执行水平;S2:查询各员工的过往生产技能数据中与待生产任务相匹配的执行技能数据,根据执行技能数据和执行水平,建立第二技能水平模型,评估执行技能数据对应的员工对待生产任务的执行水平。本发明能够根据员工当前的生产任务和过往对待生产任务具有执行生产基础的结合方式,以实现对员工执行待生产任务的执行水平进行合理化评估,从而确定出最优的人力资源配置方案,提高配置方案下的执行生产效率。
Description
技术领域
本发明涉及人力资源配置技术领域,特别是涉及一种人力资源优化配置方法及系统。
背景技术
随着企业竞争的日益加剧,由于车间等多生产线的生产环节较多且繁杂,当生产量增加或其他需要调整员工岗位时,则需要更加符合企业生产需求和人力条件的人力资源配置方案,以达到人力资源调配管理的灵活性和生产高效性。
现有执行生产任务过程中,在进行人力资源配置时,仅通过对员工进行待生产任务执行培训的方式来了解到员工是否能够完成对应的生产任务,此种方式较为耗费对员工的培训成本,而且还影响对员工的人力资源配置效率。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种人力资源优化配置方法及系统,用于解决现有技术中无法根据员工的生产技能数据评估对待生产任务的执行水平,以及根据执行水平进一步完成人力资源优化配置的技术问题。
为实现上述目的及其他相关目的,本发明提供一种人力资源优化配置方法,包括:
S1:采集员工的身份信息,查询各员工的现生产技能数据,根据现生产技能数据,建立第一技能水平模型,评估员工对待生产任务的执行水平;
S2:查询各员工的过往生产技能数据中与待生产任务相匹配的执行技能数据,根据执行技能数据和执行水平,建立第二技能水平模型,评估执行技能数据对应的员工对待生产任务的执行水平/>;
S3:根据执行水平和执行水平/>,优化配置相应的员工执行待生产任务。
于本发明的一实施例中,S1中,根据现生产技能数据,建立第一技能水平模型,包括:
查询现生产技能数据中各技能环节数据,建立判断各技能环节数据/>与待生产任务中的各执行技术环节数据的对应情况的第一技能水平模型。
于本发明的一实施例中,判断各技能环节数据与待生产任务中的各执行技术环节数据/>的对应情况,包括:
判断各技能环节数据与待生产任务中的各执行技术环节数据/>中的技能环节类型的相似程度,并输出达到预定相似程度的技能环节数据作为结果环节数据,即/>。
于本发明的一实施例中,建立第一技能水平模型包括:
查询出在执行现生产技能时,各结果环节数据对应的平均完成时间/>,并根据预定的评估完成时间,得到相应的完成时间比例/>,查询完成时间比例/>中完成时间比例的最大值/>和最小值/>,以得到第一执行水平模型/>。
于本发明的一实施例中,S1中,评估员工对待生产任务的执行水平,包括:
确定各结果环节数据占执行技术环节数据的比例因子/>,进而得到平衡公式/>,即得到执行水平/>。
于本发明的一实施例中,S2之前,还包括:
判断执行水平是否满足执行待生产任务的预定水平要求,若满足,则直接控制输出执行水平/>,若不满足,则控制根据各员工的过往生产技能数据中与待生产任务相匹配的执行技能数据,建立第二技能水平模型。
于本发明的一实施例中,S2中,查询各员工的过往生产技能数据中与待生产任务相匹配的执行技能数据,根据执行技能数据和执行水平,建立第二技能水平模型,包括:
判断各员工的过往生产技能数据中是否存在与待生产任务相匹配的执行技能数据,若存在,则查询待生产任务中的各执行技术环节数据的遗忘因子/>,根据过往生产技能数据距待生产执行时的时间/>,得到各执行技术环节数据/>的第二执行水平模型,即,若不存在,则继续输出执行水平/>。
于本发明的一实施例中,S2中,评估执行技能数据对应的员工对待生产任务的执行水平,包括:
查询第二执行水平模型中的执行度最小值/>,根据执行度最小值/>对应的技术环节相应的执行度预定值/>,得到需执行比重/>,并利用员工的执行水平/>对执行度最小值/>进行执行,即,进而得到执行水平/>。
于本发明的一实施例中,S3中,还包括:
查询执行水平中是否存在大于执行水平/>的数据,若存在,则保证总配置员工数量/>不变的前提下,依次去除相应的执行水平/>中的执行水平最小值/>。
本发明还提供一种人力资源优化配置系统,包括:
第一执行能力评估单元,第一执行能力评估单元采集员工的身份信息,查询各员工的现生产技能数据,根据现生产技能数据,建立第一技能水平模型,评估员工对待生产任务的执行水平;
第二执行能力评估单元,第二执行能力评估单元查询各员工的过往生产技能数据中与待生产任务相匹配的执行技能数据,根据执行技能数据和执行水平,建立第二技能水平模型,评估执行技能数据对应的员工对待生产任务的执行水平/>;
任务配置单元,任务配置单元根据执行水平和执行水平/>,优化配置相应的员工执行待生产任务。
如上,本发明的一种人力资源优化配置方法及系统,具有以下有益效果:通过根据员工目前生产任务对应的现生产技能数据,以得到与待生产任务相匹配技能环节的结果环节数据。并且基于得到的结果环节数据,以确定在各结果环节数据对应的平均完成时间条件下的第一执行水平模型。再结合结果环节数据占待生产任务对应的执行技术环节的比例情况,从而以得到评价利用当前员工对待生产任务的学习能力执行所有待生产任务时的执行水平,并且在根据执行水平得到在总配置员工数量不变条件下的最优排序。而其他未配置员工则通过查询其过往生产技能数据中是否存在与待生产任务相匹配的执行技能数据,若存在时,则需要基于执行水平和过往生产技能数据的执行情况进行进一步的结合处理,以确定员工基于过往生产技能数据的基础下的执行水平。进而再将执行水平与根据执行水平得到在总配置员工数量不变条件下的最优排序中的各数据进行对比,若根据执行水平得到在总配置员工数量不变条件下的最优排序中的执行水平最小值小于该执行水平,则控制将对应的执行水平添加至最优排序中,并对应剔除相应的执行水平最小值。从而最大程度的实现对企业员工人力资源的执行技能情况和学习能力水平的相互结合,保证了生产配置优化水平。而且在利用往生产技能数据和执行水平结合时,通过各执行技术环节复杂程度对应的遗忘因子和过往生产技能数据距待生产执行时的时间,以实现对还需要学习执行的执行比重的测算,并且根据该执行比重和执行水平,以对具有执行基础的员工进行执行水平的计算,实现了对于目前生产任务和过往生产任务的综合能力水平进行人力资源的合理的优化配置。
附图说明
图1为本发明优化配置方法的流程图;
图2为本发明优化配置系统的架构图。
具体实施方式
请参阅图1,本发明提供一种人力资源优化配置方法,包括:
S1:采集员工的身份信息,查询各员工的现生产技能数据,根据现生产技能数据,建立第一技能水平模型,评估员工对待生产任务的执行水平;
S2:查询各员工的过往生产技能数据中与待生产任务相匹配的执行技能数据,根据执行技能数据和执行水平,建立第二技能水平模型,评估执行技能数据对应的员工对待生产任务的执行水平/>;
S3:根据执行水平和执行水平/>,优化配置相应的员工执行待生产任务。
通过上述内容不难发现,在进行某一待生产任务进行人力资源优化配置过程中,通过根据员工的身份信息,例如身份证号、员工编号编码等,以对各员工的现生产技能数据进行查询。其中,现生产技能数据为对应员工现阶段所在生产任务下的各个技能环节(对应于执行技能环节)组成的生产技能数据,该生产技能数据还包括有各个技能环节对应的完成时间信息等。并且基于现生产技能数据,建立各员工相应完成待生产任务对应生产环节下学习能力的第一技能水平模型。并且通过该第一技能水平模型确定完成所有待生产任务的执行水平。但是由于员工在进行现阶段生产任务前也有可能在过往生产技能数据中存在与待生产任务相匹配的执行技能数据。通过查询各员工的过往生产技能数据中与待生产任务相匹配的执行技能数据,进而可以实现对该类员工的执行技能数据与执行水平/>进行联合,以通过得到的第二技能水平模型,可以实现对过往掌握过该执行技能的员工结合基于现有学习能力下的执行水平/>,进一步得到评估执行技能数据对应的员工对待生产任务的执行水平/>。并且,在得到执行水平/>和执行水平/>后,需要确定过往掌握过该执行技能的员工的执行水平/>是否满足总配置员工数量/>下超出执行水平/>中员工的情况。并且在超出时,则需要替换下执行水平/>中最小值对应的员工。从而以最优的配置条件完成对指定的待生产任务的生产。通过上述方式,可以最大程度的实现对企业员工人力资源的执行技能情况和学习能力水平的相互结合,保证了生产配置优化水平。
步骤S1中,根据现生产技能数据,建立第一技能水平模型,包括:
查询现生产技能数据中各技能环节数据,建立判断各技能环节数据/>与待生产任务中的各执行技术环节数据的对应情况的第一技能水平模型。
在本发明一实施例中,根据所有员工的现生产技能数据,对第一技能水平模型搭建时,通过查询各员工目前生产任务下的各技能环节数据。因各个技能环节对应的难度水平不一。因此需要通过将目前生产任务下的各技能环节数据与待生产任务中的各执行环节数据/>进行对比判断,确定出目前生产任务下的对应员工处理与待生产任务中的各执行技术环节数据/>相对应环节的处理水平,从而以实现对第一技能水平模型的搭建。
判断各技能环节数据与待生产任务中的各执行技术环节数据/>的对应情况,包括:
判断各技能环节数据与待生产任务中的各执行技术环节数据/>中的技能环节类型的相似程度,并输出达到预定相似程度的技能环节数据作为结果环节数据,即/>。
在本发明一实施例中,在判断各技能环节数据与待生产任务中的各执行技术环节数据/>的对应情况过程中,还需要根据机器模型预先存储各技能环节对应的相似程度的数据库。从而在输入各技能环节数据至机器模型中后,则会对应输出一个相似程度。并且在输出的相似程度达到预定相似程度时,则会输出对应的技能环节数据,以作为可进行分析的结果环节数据。并且在目前生产任务下的各技能环节数据/>中存在的结果环节数据的数量不一,因此用/>表示,进而结果环节数据的数量为,其中,/>。
建立第一技能水平模型包括:
查询出在执行现生产技能时,各结果环节数据对应的平均完成时间/>,并根据预定的评估完成时间,得到相应的完成时间比例/>,查询完成时间比例/>中完成时间比例的最大值/>和最小值/>,以得到第一执行水平模型/>。
在本发明一实施例中,在建立第一技能水平模型的过程中,各结果环节数据分别对应着不同的评估完成时间,即/>。而在进行目前生产任务过程中,各结果环节数据/>还对应的平均完成时间/>。将二者进行比例换算,即得到相应的完成时间比例。其中,/>存在/>≥1、或0</><1的两种情况。因此在得到完成时间比例/>后,还需要进一步的查询出其中的完成时间比例的最大值/>和最小值/>。并利用该完成时间比例的最大值/>和最小值/>之间的差值计算,得到学习差值水平,并且根据其和值计算,得到其学习能力的欠缺水平。也进一步的得到完成结果环节数据/>时的第一执行水平模型/>,以进一步的评估员工完成所有待生产任务的执行水平/>。
步骤S1中,评估员工对待生产任务的执行水平,包括:
确定各结果环节数据占执行技术环节数据的比例因子/>,进而得到平衡公式/>,即得到执行水平/>。
在本发明一实施例中,在对完成所有的待生产任务的执行水平进行评估时,因获得的第一执行水平模型/>为在完成结果环节数据下进行的,即结果环节数据的数量为/>。而在所有待生产任务对应的执行技术环节数据/>,对应的技术环节数量为/>,进而得到各结果环节数据/>占执行技术环节数据/>的比例因子/>。从而在计算执行水平/>时,可以通过平衡公式/>计算得到。即得到执行水平/>来表示各员工目前生产任务下,完成待生产任务的执行能力情况。以确定各员工目前的执行水平/>排序,第一次得到对总配置员工数量/>最优配置结果数据。
步骤S2之前,还包括:
判断执行水平是否满足执行待生产任务的预定水平要求,若满足,则直接控制输出执行水平/>,若不满足,则控制根据各员工的过往生产技能数据中与待生产任务相匹配的执行技能数据,建立第二技能水平模型。
在本发明一实施例中,此步骤S2进行第二技能水平模型搭建前,需要先基于总配置员工数量得到执行水平/>排名靠前的员工最优排序。而在该总配置员工数量/>以外的其他员工的执行水平/>还会存在过往生产技能数据中存在与待生产任务相匹配的执行技能数据的情况。因此需要对未得到排名靠前的员工的执行水平基于执行水平/>进行进一步的测算,以得到执行水平/>,再与基于总配置员工数量/>得到执行水平/>排名靠前的员工最优排序中的执行水平/>进行二次比较。若执行水平/>中的数据大于执行水平/>排名靠前的员工最优排序中的执行水平/>最后一名时,则通过剔除原最后一名,并补入执行水平/>中对应数据的方式,以建立第二技能水平模型。而且在建立第二技能水平模型时,剔除原最后一名的执行水平/>也可以再次加入到经执行水平/>补入执行水平/>后的再次判断处理。直至输出满足总配置员工数量/>不变条件下的最优的配置员工结果。
步骤S2中,查询各员工的过往生产技能数据中与待生产任务相匹配的执行技能数据,根据执行技能数据和执行水平,建立第二技能水平模型,包括:
判断各员工的过往生产技能数据中是否存在与待生产任务相匹配的执行技能数据,若存在,则查询待生产任务中的各执行技术环节数据的遗忘因子/>,根据过往生产技能数据距待生产执行时的时间/>,得到各执行技术环节数据/>的第二执行水平模型,即,若不存在,则继续输出执行水平/>。
在本发明一实施例中,利用执行技能数据和执行水平建立第二技能水平模型的过程中,可以预先查询基于总配置员工数量/>得到执行水平/>排名靠前的员工最优排序以外的其他员工的过往生产技能数据是否存在在与待生产任务相匹配的执行技能数据。若存在,则由于过往执行生产任务距离待生产任务执行时的时间因素影响,而且各个技术环节对应的复杂程度也不一,因此遗忘程度也不一致。因此通过查询待生产任务中的各执行技术环节数据/>的遗忘因子/>,并且再结合过往生产技能数据距待生产执行时的时间/>,可以进一步的确定各执行技术环节数据的第二执行水平模型/>。进而通过第二执行水平模型/>可以精准的确定出过往执行过待生产任务的员工在继续执行待生产任务时的基础执行水平。从而可以利用该第二执行水平模型/>结合员工目前生产任务对应的执行水平/>,可以进一步的获取到另一种优化配置方式,以提高员工人力资源的可利用性。
步骤S2中,评估执行技能数据对应的员工对待生产任务的执行水平,包括:
查询第二执行水平模型中的执行度最小值/>,根据执行度最小值/>对应的技术环节相应的执行度预定值/>,得到需执行比重/>,并利用员工的执行水平/>对执行度最小值/>进行执行,即,进而得到执行水平/>。
在本发明一实施例中,在评估执行技能数据对应的员工对待生产任务的执行水平时,通过利用第二执行水平模型/>可以得到员工在执行各个执行技能环节时的执行度情况。而在由第二执行水平模型得到的执行度中,需要确定出员工的执行度最小值/>。以确定员工在该执行度最小值/>下,能够在其对应的执行水平/>完成待生产任务的执行水平情况。具体处理过程中,通过查询执行度最小值/>对应技术环节的执行度预定值/>。此执行度预定值/>为满足配置优化合格的标准值。并且通过确定执行度最小值/>确定出其想要达到执行度预定值/>时的需执行比重/>。也就是说,需执行比重/>也为员工的可上升空间比重。在该可上升空间比重,即需执行比重/>的前提下,利用员工对目前生产任务的执行水平/>,可以进一步的利用平衡公式/>,得到评估执行技能数据对应的员工对待生产任务的执行水平/>,即执行水平/>。而执行水平,进而可以得到执行水平。
步骤S3中,还包括:
查询执行水平中是否存在大于执行水平/>的数据,若存在,则保证总配置员工数量/>不变的前提下,依次去除相应的执行水平/>中的执行水平最小值/>。
在本发明一实施例中,利用执行水平和执行水平/>,优化配置相应的员工执行待生产任务时,通过基于总配置员工数量/>不变的前提下得到执行水平/>排名靠前的员工最优排序。而在该总配置员工数量/>以外的其他员工的执行水平/>还会存在过往生产技能数据中存在与待生产任务相匹配的执行技能数据的情况。因此需要对未得到排名靠前的员工的执行水平基于执行水平/>进行进一步的测算,以得到执行水平/>,再与基于总配置员工数量/>得到执行水平/>排名靠前的员工最优排序中的执行水平/>进行二次比较。若执行水平/>中的数据大于执行水平/>排名靠前的员工最优排序中的执行水平/>最后一名(即执行水平最小值/>)时,则通过剔除原最后一名(即执行水平最小值/>),并补入执行水平/>中对应数据的方式,以建立第二技能水平模型。而且在建立第二技能水平模型时,剔除原最后一名(即执行水平最小值/>)的执行水平/>也可以再次加入到经执行水平/>(即执行水平最小值/>)补入执行水平/>后的再次判断处理。直至输出满足总配置员工数量/>不变条件下的最优的配置员工结果。
如图2所示,本发明还提供一种人力资源优化配置系统,包括:
第一执行能力评估单元,第一执行能力评估单元采集员工的身份信息,查询各员工的现生产技能数据,根据现生产技能数据,建立第一技能水平模型,评估员工对待生产任务的执行水平;
第二执行能力评估单元,第二执行能力评估单元查询各员工的过往生产技能数据中与待生产任务相匹配的执行技能数据,根据执行技能数据和执行水平,建立第二技能水平模型,评估执行技能数据对应的员工对待生产任务的执行水平/>;
任务配置单元,任务配置单元根据执行水平和执行水平/>,优化配置相应的员工执行待生产任务。
在本发明一实施例中,通过利用第一执行评估单元以实现根据员工的身份信息调取到各员工的现生产技能数据。其中,现生产技能数据包括有对应员工现阶段所在生产任务下的各个技能环节(对应于执行技能环节)组成的生产技能数据,该生产技能数据还包括有各个技能环节对应的完成时间信息等。并建立第一技能水平模型和评估员工对待生产任务的执行水平,从而对员工基于目前生产任务的学习能力条件下对待生产任务的执行水平/>的确定。并且通过第二执行评估单元以实现根据经第一次利用执行水平/>优化配置后,未存在于总配置员工数量/>的员工的执行水平/>进行处理,而该类员工还需要过往生产技能数据中存在与待生产任务相匹配的执行技能数据。进而根据执行技能数据和执行水平/>联合处理,以实现根据过往的执行技能数据的执行基础条件下,结合执行水平,得到评估执行技能数据对应的员工对待生产任务的执行水平/>。并且最后再通过任务配置单元根据执行水平/>是否满足优化配置方案,以重新调整基于执行水平/>优化配置后的配置排序。从而以优化配置相应的员工执行待生产任务。
综上所述,本发明通过根据员工目前生产任务对应的现生产技能数据,以得到与待生产任务相匹配技能环节的结果环节数据。并且基于得到的结果环节数据,以确定在各结果环节数据对应的平均完成时间条件下的第一执行水平模型。再结合结果环节数据占待生产任务对应的执行技术环节的比例情况,从而以得到评价利用当前员工对待生产任务的学习能力执行所有待生产任务时的执行水平,并且在根据执行水平/>得到在总配置员工数量/>不变条件下的最优排序。而其他未配置员工则通过查询其过往生产技能数据中是否存在与待生产任务相匹配的执行技能数据,若存在时,则需要基于执行水平/>和过往生产技能数据的执行情况进行进一步的结合处理,以确定员工基于过往生产技能数据的基础下的执行水平/>。进而再将执行水平/>与根据执行水平/>得到在总配置员工数量不变条件下的最优排序中的各数据进行对比,若根据执行水平/>得到在总配置员工数量/>不变条件下的最优排序中的执行水平最小值/>小于该执行水平/>,则控制将对应的执行水平/>添加至最优排序中,并对应剔除相应的执行水平最小值/>。从而最大程度的实现对企业员工人力资源的执行技能情况和学习能力水平的相互结合,保证了生产配置优化水平。而且在利用往生产技能数据和执行水平/>结合时,通过各执行技术环节复杂程度对应的遗忘因子和过往生产技能数据距待生产执行时的时间/>,以实现对还需要学习执行的执行比重的测算,并且根据该执行比重和执行水平/>,以对具有执行基础的员工进行执行水平/>的计算,实现了对于目前生产任务和过往生产任务的综合能力水平进行人力资源的合理的优化配置。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (2)
1.一种人力资源优化配置方法,其特征在于,包括:
S1:采集员工的身份信息,查询各所述员工的现生产技能数据,根据所述现生产技能数据,建立第一技能水平模型,评估所述员工对待生产任务的执行水平;
S2:查询各所述员工的过往生产技能数据中与待生产任务相匹配的执行技能数据,根据所述执行技能数据和执行水平,建立第二技能水平模型,评估执行技能数据对应的所述员工对所述待生产任务的执行水平/>;
S3:根据所述执行水平和所述执行水平/>,优化配置相应的员工执行所述待生产任务;
所述S1中,根据所述现生产技能数据,建立第一技能水平模型,包括:
查询所述现生产技能数据中各技能环节数据,建立判断各所述技能环节数据/>与待生产任务中的各执行技术环节数据的对应情况的所述第一技能水平模型;
判断各所述技能环节数据与待生产任务中的各所述执行技术环节数据/>的对应情况,包括:
判断各所述技能环节数据与待生产任务中的各所述执行技术环节数据/>中的技能环节类型的相似程度,并输出达到预定相似程度的所述技能环节数据作为结果环节数据,即/>;
建立所述第一技能水平模型包括:
查询出在执行现生产技能时,各所述结果环节数据对应的平均完成时间/>,并根据预定的评估完成时间/>,得到相应的完成时间比例/>,查询所述完成时间比例/>中完成时间比例的最大值/>和最小值/>,以得到第一执行水平模型;
所述S1中,评估所述员工对待生产任务的执行水平,包括:
确定各所述结果环节数据占所述执行技术环节数据的比例因子/>,进而得到平衡公式/>,即得到执行水平/>;
所述S2之前,还包括:
判断所述执行水平是否满足执行所述待生产任务的预定水平要求,若满足,则直接控制输出所述执行水平/>,若不满足,则控制根据各所述员工的过往生产技能数据中与待生产任务相匹配的执行技能数据,建立所述第二技能水平模型;
所述S2中,查询各所述员工的过往生产技能数据中与待生产任务相匹配的执行技能数据,根据所述执行技能数据和执行水平,建立第二技能水平模型,包括:
判断各所述员工的过往生产技能数据中是否存在与待生产任务相匹配的执行技能数据,若存在,则查询待生产任务中的各执行技术环节数据的遗忘因子/>,根据所述过往生产技能数据距待生产执行时的时间/>,得到各所述执行技术环节数据/>的第二执行水平模型,即,若不存在,则继续输出执行水平/>;
所述S2中,评估执行技能数据对应的所述员工对所述待生产任务的执行水平,包括:
查询所述第二执行水平模型中的执行度最小值,根据所述执行度最小值/>对应的技术环节相应的执行度预定值/>,得到需执行比重/>,并利用所述员工的所述执行水平/>对所述执行度最小值/>进行执行,即/>,进而得到执行水平/>;
所述S3中,还包括:
查询执行水平中是否存在大于所述执行水平/>的数据,若存在,则保证总配置员工数量/>不变的前提下,依次去除相应的执行水平/>中的执行水平最小值/>。
2.一种执行如权利要求1所述的人力资源优化配置方法的配置系统,其特征在于,包括:
第一执行能力评估单元,所述第一执行能力评估单元采集员工的身份信息,查询各所述员工的现生产技能数据,根据所述现生产技能数据,建立第一技能水平模型,评估所述员工对待生产任务的执行水平;
第二执行能力评估单元,所述第二执行能力评估单元查询各所述员工的过往生产技能数据中与待生产任务相匹配的执行技能数据,根据所述执行技能数据和执行水平,建立第二技能水平模型,评估执行技能数据对应的所述员工对所述待生产任务的执行水平/>;
任务配置单元,所述任务配置单元根据所述执行水平和所述执行水平/>,优化配置相应的员工执行所述待生产任务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311316043.6A CN117057763B (zh) | 2023-10-12 | 2023-10-12 | 一种人力资源优化配置方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311316043.6A CN117057763B (zh) | 2023-10-12 | 2023-10-12 | 一种人力资源优化配置方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117057763A CN117057763A (zh) | 2023-11-14 |
CN117057763B true CN117057763B (zh) | 2024-01-09 |
Family
ID=88664875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311316043.6A Active CN117057763B (zh) | 2023-10-12 | 2023-10-12 | 一种人力资源优化配置方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117057763B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101271546A (zh) * | 2008-05-09 | 2008-09-24 | 重庆大学 | 多装配线车间人力资源优化配置方法 |
CN113657794A (zh) * | 2021-08-24 | 2021-11-16 | 广州浩汉智能科技有限公司 | 一种生产人力资源分配的策划方法及策划装置 |
CN114819660A (zh) * | 2022-04-28 | 2022-07-29 | 华中科技大学 | 一种动态演进的设计众包的人力资源任务匹配方法系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020003355A1 (ja) * | 2018-06-25 | 2020-01-02 | 株式会社フォーラムエンジニアリング | マッチングスコア算出装置 |
US11182707B2 (en) * | 2018-11-19 | 2021-11-23 | Rimini Street, Inc. | Method and system for providing a multi-dimensional human resource allocation adviser |
-
2023
- 2023-10-12 CN CN202311316043.6A patent/CN117057763B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101271546A (zh) * | 2008-05-09 | 2008-09-24 | 重庆大学 | 多装配线车间人力资源优化配置方法 |
CN113657794A (zh) * | 2021-08-24 | 2021-11-16 | 广州浩汉智能科技有限公司 | 一种生产人力资源分配的策划方法及策划装置 |
CN114819660A (zh) * | 2022-04-28 | 2022-07-29 | 华中科技大学 | 一种动态演进的设计众包的人力资源任务匹配方法系统 |
Non-Patent Citations (4)
Title |
---|
基于行为效应的MRO服务中心多技能工调度优化;杨斌彬;叶春明;;工业工程与管理(06);第85-91、106页 * |
岗位胜任能力评价系统数字化建设的未来展望;郑越;;企业改革与管理(18);第123-124页 * |
构建基于业务流的继电保护岗位能力测评工具;马丽军;肖立飞;翁张力;徐春土;陈凯;;中国电力教育(02);第54-56页 * |
考虑学习/遗忘特性的软件项目调度多目标优化方法;郭一楠;季俊华;吉建娇;巩敦卫;;控制与决策(02);第203-210页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117057763A (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Karasakal et al. | A multicriteria sorting approach based on data envelopment analysis for R&D project selection problem | |
Hashemkhani Zolfani et al. | An extended stepwise weight assessment ratio analysis (SWARA) method for improving criteria prioritization process | |
JP6962539B2 (ja) | 業務計画最適化方法 | |
Jalilvand-Nejad et al. | A mathematical model and genetic algorithm to cyclic flexible job shop scheduling problem | |
CN105786860A (zh) | 一种数据建模中的数据处理方法及装置 | |
US20070192266A1 (en) | Apparatus for identification of performance scenario and methods thereof | |
CN114169766A (zh) | 一种工业产能分配的生产管理方法及系统 | |
CN110689355A (zh) | 客户分类方法、装置、计算机设备和存储介质 | |
Zaman et al. | Sustainable operator assignment in an assembly line using genetic algorithm | |
Joseph et al. | Effects of flexibility and scheduling decisions on the performance of an FMS: simulation modelling and analysis | |
CN109934420A (zh) | 一种预测员工离职的方法及系统 | |
CN115423289A (zh) | 智能板材加工车间数据处理方法及终端 | |
CN111639706A (zh) | 基于图像集的个人风险画像生成方法及相关设备 | |
Tseng et al. | A sequential consideration for assembly sequence planning and assembly line balancing using the connector concept | |
CN117057763B (zh) | 一种人力资源优化配置方法及系统 | |
CN112200459B (zh) | 一种配电网数据质量分析评价方法及系统 | |
Vidal et al. | Modeling and statistical analysis of complexity in manufacturing systems under flow shop and hybrid environments | |
KR102003616B1 (ko) | 스마트 팩토리 레이아웃 효율성 평가 방법 및 시스템 | |
CN115203545A (zh) | 基于深度学习和知识图谱的康养服务智能匹配方法和系统 | |
CN115577897A (zh) | 一种基于智慧云平台的人才评选方法及装置 | |
Rabbani et al. | Using metaheuristic algorithms for solving a mixed model assembly line balancing problem considering express parallel line and learning effect | |
CN114266479A (zh) | 一种基于熵值分析的区域高新技术产业评估方法 | |
Hou et al. | A job assignment model for conveyor-aided picking system | |
Goswami et al. | A reallocation-based heuristic to solve a machine loading problem with material handling constraint in a flexible manufacturing system | |
CN111598418A (zh) | 基于均衡度的项目排序方法、装置、设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |