نوع مقاله : مقاله پژوهشی- فارسی
نویسندگان
1 استادیار دانشکده فنی مهندسی، دانشگاه الزهرا
2 دانشجوی کارشناسی ارشد دانشکده فنی مهندسی، دانشگاه الزهرا
چکیده
کلیدواژه‌ها
عنوان مقاله [English]
نویسندگان [English]
The assignment of personnel to the right positions in order to increase organizational performance is one of the most crucial tasks in human resource management. In this paper, personnel assignment problem is formulated as a multi-objective binary integer programming model in which skills, level of satisfaction and training cost of personnel are considered simultaneously in a productive company. The purpose of this model is to obtain the best matching between candidates and positions. In this model, a set of methods such as a group analytic hierarchy process (GAHP), Shannon entropy, coefficient of variation (CV) and fuzzy logic are used to calculate the weights of evaluation criteria, weights of positions and coefficients of objective functions. This proposed model can rationalize the subjective judgments of decision makers with mathematical models.
کلیدواژه‌ها [English]
مقدمه
تخصیص کارکنان به موقعیتهای شغلی مناسب برای هر کسب و کاری امری ضروری به شمار میرود. به دلیل تفاوت در شخصیت، توانمندی‌ها و سطح رضایت کارکنان از مشاغل مختلف، مدیران در فرایند تخصیص با معیارهای مختلفی برای ارزیابی کارکنان روبه رو هستند. مسأله تخصیص کارکنان که معمولا به صورت یک مدل تک هدفه ارائه میشود، توسط محققان زیادی مطالعه شده است. در این مسأله، تعدادی داوطلب به تعدادی موقعیت شغلی با هدف حداکثر سازی میزان تطبیق بین توانمندیهای داوطلبان و نیازمندیهای موقعیتهای شغلی، تخصیص داده میشوند ومطابق با مدل برنامهریزی عدد صحیح صفر و یک فرموله میشود (کاباک و همکاران[1]، 2012):
در مدل فوق، ، تعداد داوطلبان متقاضی استخدام و ، تعداد موقعیتهای شغلی موجود در سازمان است، به طوری که مجموعه تخصیصهای ممکن را نشان میدهد. به بیانی دیگر، فرض بر این است که داوطلب وجود دارد و باید به موقعیت شغلی تخصیص داده شوند، در حالی که است. هدف این مدل، حداکثر کردن میزان تطبیق بین توانمندیهای داوطلبان و نیازمندیهای موقعیتهای شغلی است؛ به طوری که درجه تطبیق بین توانمندیهای داوطلب و موقعیت شغلی را نشان میدهد. از طرفی، متغیر صفر و یک ، متغیر تصمیم مدل است که طبق معادله 5 تعریف می شود:
در مطالعات زیادی، به عنوان درجه تطبیقی موزون بین توانمندیهای داوطلب و موقعیت شغلی در نظر گرفته شده است (کرکماز و همکاران[2]، 2008؛ هوانگ و همکاران[3]، 2009؛ لین و همکاران[4]، 2010؛ لین و همکاران، 2012). اگر چه تطبیق مناسب بین توانمندیهای داوطلبان و نیازمندیهای موقعیتهای شغلی از اهداف مهم در فرایند تخصیص کارکنان به شمار میرود، ولی در نظر گرفتن این هدف به تنهایی کافی نیست. هر سازمانی به منظور حفظ و نگهداشت کارکنان خود، به شناسایی اثر رضایت شغلی بر عملکرد شغلی کارکنان نیاز دارد. اگر کارکنان از موقعیت شغلی خود احساس رضایت نداشته باشند، نرخ جا به جایی آنها افزایش خواهد یافت. در همین راستا، در مطالعهای از مدل برنامهریزی عدد صحیح ترکیبی برای تکمیل فرایند تخصیص دانشجویان فارغ التحصیل از دانشگاه‌ها در محیطهای کسب و کار و ایجاد رضایت کارفرما و داوطلبان از تخصیص صورت گرفته، استفاده شده است (لین[5]، 2009). از طرفی دیگر، طبق پیشنهادی که توسط هوانگ و همکاران (2009) ارائه شده است، یکی از اهداف تحقیقی میتواند در نظر گرفتن هزینههای تحمیل شده به سازمان (همچون هزینههای آموزشی) باشد که بندرت در مطالعات گذشته به آن اشاره شده است. بنابراین، سطح رضایت و هزینههای آموزشی داوطلبان میتواند علاوه بر میزان تطبیق میان تواناییهای داوطلبان و نیازمندیهای موقعیتهای شغلی به عنوان اهداف دوم و سوم در مدل کردن فرایند انتصاب مد نظر قرار گیرند.
به طور کلی، هر یک از موقعیتهای شغلی دارای منافع متفاوتی برای سازمان هستند. بنابراین، ممکن است از نظر مدیران سازمان، میزان اهمیت (وزن) موقعیتهای شغلی یکسان نباشد. روشهای معمول برای محاسبه درجه اهمیت موقعیتهای شغلی، فرایند تحلیل سلسله مراتبی[6] و فرایند تحلیل شبکه[7] ارائه شده توسط ساعتی[8] در سال 1980 و 1996 است که در برخی مطالعات مورد استفاده قرار گرفته‌اند (هوانگ و همکاران، 2009). از آنجایی که تصمیمگیری گروهی میتواند مجموعهای از دانش و تجربه خبرگان را در اختیار قرار دهد (ماراکاس[9]، 1999)، فرایند تحلیل سلسله مراتبی گروهی[10] میتواند به بهبود کیفیت تصمیمات کمک نماید، با این حال، در مطالعات گذشته از این روش برای محاسبه وزن موقعیتهای شغلی در فرایند انتصاب کارکنان استفاده نشده است.
با توجه به اینکه فرایند تخصیص کارکنان، مستلزم ارزیابی داوطلبان با توجه به معیارهای متنوعی، همچون: مهارت فنی، مهارت ارتباطی، ویژگی های شخصیتی و ... است، نوعی مسأله تصمیمگیری چند معیاره به شمار میرود. در بسیاری از مواقع، به دلیل وجود اطلاعات غیر دقیق، توصیف این معیارها با مقادیر عددی و کمی غیر ممکن است. علاوه بر این، به علت تفاوت در میزان اهمیت هر یک از معیارهای ارزیابی در موقعیتهای شغلی مختلف، محاسبه وزن معیارها در فرایند انتصاب ضروری است. بنابراین، برخی از محققان با ادغام تئوری مجموعههای فازی و روشهای تصمیمگیری چند معیاره[11]، وزن معیارهای ارزیابی را در شرایط عدم اطمینان و مبهم محاسبه کردهاند (هوانگ و همکاران، 2004؛ گونگورا و همکاران[12]، 2009؛ کلیک و همکاران[13]، 2009؛ هوانگ و همکاران، 2009؛ لین، 2010؛ شاه حسینی و سبط[14]، 2011؛ کاباک و همکاران، 2012). مرور ادبیات موضوع گویای آن است که روشهای موجود مبتنی بر قضاوتهای شخصی و غیر علمی تصمیمگیران بوده است. پیشرفتهای اخیر در حوزه پایگاه داده، هوش مصنوعی و فناوری اطلاعات باعث ارتقای تحلیل دادهها، کشف دانش و فهم دانش کشف شده، گردیده است (هوانگ و همکاران، 2006) و بهرهگیری از این فناوریها میتواند باعث منطقیتر شدن تاثیر قضاوتهای شخصی و شهودی تصمیمگیران در حوزههای تصمیمگیری شود، اما تاکنون تحلیل دادههای پرسنلی سازمان برای تعیین وزن معیارهای ارزیابی، مورد توجه محققان نبوده است.
علاوه بر تعیین وزن موقعیتهای شغلی و معیارهای ارزیابی، اندازهگیری درجه تطبیق میان تواناییهای داوطلبان و نیازمندیهای موقعیتهای شغلی در فرایند تخصیص کارکنان از اهمیت زیادی برخوردار است. در این راستا، کروین و همکاران[15] (2002) یک ساختار فازی سازگار برای اندازهگیری درجه تطبیق بین توانمندیهای داوطلبان با اهداف تیم در پروژههای چند مرحلهای ارائه نمودند. انگای[16] و وات (2003) سیستم خبرهای توسعه دادند که از منطق فازی[17] مبتنی بر معیارهای تطبیق برای انتخاب هتل استفاده میکردند. در مطالعات مذکور، وقتی سطح مهارت داوطلب، متجاوز از نیازمندیهای موقعیت شغلی بود، درجه تطبیق بر اساس سطح مهارت داوطلب تعیین میگردید، در حالی که هوانگ و همکاران (2009) با استفاده از یک عملگر فازی، درجه تطبیق یکسانی را برای داوطلبانی که سطح مهارتی آنها متجاوز از نیازمندیهای موقعیت شغلی است، در نظر میگرفتند.
مسأله تخصیص کارکنان، یک مسأله بهینهسازی ترکیبی و برنامهریزی خطی کامل است (ترسلو[18]، 2003؛ ترسلو و آرسلانوگلو[19]، 2007) که میتواند با استفاده از الگوریتمها و روشهای مختلفی حل شود. یکی از الگوریتمهای شناخته شده برای حل مسأله انتصاب کارکنان، الگوریتم ژنتیک است که توسط برخی از محققان استفاده شده است (هررا و همکاران[20]، 1999 و 2001؛ ترسلو و آرسلانوگلو، 2007). در مطالعهای دیگر، هوانگ و همکاران (2009) مسأله تخصیص کارکنان را به صورت یک مدل برنامهریزی عدد صحیح صفر و یک دو هدفه در یک محیط فازی فرموله کرده و با استفاده از الگوریتم ابداعی، آن را حل نمودند. چند سال بعد، محققانی با استفاده از الگوریتم بهینهسازی ازدحام ذرات[21] به بهبود الگوریتم ابداعی ارائه شده توسط هانگ و همکارانش پرداختند (لین و همکاران،2010و 2012).
در مطالعه حاضر، مسأله تخصیص کارکنان به کمک یک مدل برنامهریزی عدد صحیح صفر و یک چند هدفه فرموله میشود، به نحوی که میزان تطبیق بین توانمندیهای داوطلبان و نیازمندیهای موقعیتهای شغلی، سطح رضایت داوطلبان و هزینه آموزشی آنها به طور همزمان مد نظر قرار میگیرد. علاوه بر این، به منظور تعیین ضریب تابع هدف مدل ارائه شده به روش ذیل عمل میشود: ابتدا با استفاده از روش تحلیل سلسله مراتبی گروهی، وزن هر یک از موقعیتهای شغلی تعیین میگردد. سپس به کمک یک روش پیشنهادی ادغامی متشکل از آنتروپی شانون[22] و ضریب پراکندگی[23]، وزن هر یک از معیارهای ارزیابی با توجه به موقعیتهای شغلی مختلف محاسبه میگردد و نهایتا برای تعیین درجه تطبیق بین توانمندیهای داوطلبان و نیازمندیهای موقعیتهای شغلی ، یک عملگر فازی استفاده میشود. پس از مدلکردن مسأله تخصیص، از یک سری روشهای تصمیمگیری چند معیاره، همچون: ال.پی متریک[24]، تابع مطلوبیت[25]، ایدهآل جا به جا شده[26] و تاپسیس[27]، برای حل مدل بهره گرفته میشود. به منظور تست و اجرای مدل پیشنهادی، اطلاعات پرسنلی مورد نیاز، از یک شرکت تولیدی در صنعت غذایی کشور اخذ گردیده است.
همان طور که مشاهده گردید، در بخش حاضر به تعریف مسأله تخصیص کارکنان و مرور مطالعات صورت گرفته در این حوزه پرداخته شد. بخش بعد، به ارائه و تشریح مدل پیشنهاد شده اختصاص یافته است و در بخش سوم روشهای محاسبه وزن موقعیتهای شغلی، معیارهای ارزیابی و درجه تطبیق ارائه میگردد. در بخش چهارم به ارائه روشهای حل مدل پرداخته میشود و در بخش پنجم با ارائه یک مثال عددی مدل پیشنهادی ارزیابی میشود. نهایتا در بخش ششم نتیجه گیری صورت گرفته ، پیشنهادهایی برای مطالعات آینده ارائه میگردد.
مدل برنامه ریزی عدد صحیح باینری چند هدفه[28] پیشنهادی
مدل چند هدفه پیشنهادی به منظور تخصیص تعدادی داوطلب به تعداد کمتری موقعیت شغلی با هدف حداکثر سازی مجموع درجه تطبیق بین توانمندیهای داوطلبان و نیازمندیهای موقعیتهای شغلی (تابع هدف )، حداکثر کردن تعداد داوطلبان راضی (تابع هدف )، حداقل کردن میانگین ترجیحات داوطلبان (تابع هدف ) و حداقل کردن هزینه آموزشی داوطلبان (تابع هدف ) ارائه گردیده است. معادلات 1، 6، 7 و 8 توابع هدف و معادلات 2، 3 و 4 محدودیت های این مدل را ارائه میدهند.
در معادله 1، پارامتر ، عناصر ماتریس مقیاس‌های ترکیبی موزون هستند که میزان تطبیق موزون بین توانمندیهای داوطلب و نیازمندیهای موقعیت شغلی را مطابق معادله 9 نشان میدهد.
ضمنا طبق معادله 10 تعریف می شود (هوانگ و همکاران، 2009):
در مسأله تخصیص کارکنان، هر موقعیت شغلی دارای وزن اهمیتی است که با نشان داده میشود و نشاندهنده اهمیت آن موقعیت شغلی در سازمان است. علاوه بر این، هر موقعیت شغلی دارای معیار ارزیابی است که هر یک از این معیارها با نماد نشان داده و توسط مدیران منابع انسانی سازمان تعریف میشوند. مجموع معیارهای ارزیابی مربوط به موقعیت شغلی دارای وزنی است که با استفاده از بردار ستونی مطابق معادله 11 نشان داده میشود:
به طوری که نشان دهنده وزن معیار ارزیابی تحت موقعیت شغلی است. در نهایت، ماتریس مقیاس تطبیقی که میزان تطابق بین توانمندیهای هر یک از داوطلبان و نیازمندیهای موقعیت شغلی را نشان می دهد، طبق معادله 12 تعریف میشود:
که نماد نشان دهنده درجه تطبیق داوطلب با موقعیت شغلی تحت معیار است. در معادله 6، پارامتر به شرح ذیل تعریف می شود:
در معادله 7، پارامتر درجه علاقهمندی داوطلب به موقعیت شغلی است که بیشترین درجه علاقهمندی با ارزش عددی 1 مشخص میشود. برای نمونه، اگر 5 موقعیت شغلی در فرایند تخصیص مد نظر باشد و داوطلبی موقعیت شغلی خاصی را با عدد 1 ارزش گذاری نماید، حاکی از آن است که آن موقعیت شغلی، اولویت اول داوطلب محسوب شده است، ولی اگر با عدد 5 ارزش گذاری شده باشد، نشان دهنده آن است که داوطلب کمترین علاقه را به موقعیت شغلی مذکور داشته است. پارامترهای و از طریق مصاحبههای اولیه با داوطلبان به دست میآید. شایان ذکر است که معادلات 6 و 7 به طور همزمان، در پی بالابردن سطح رضایت داوطلبان هستند؛ با این تفاوت که هدف اول در پی حداکثر نمودن تعداد داوطلبانی است که اولویت اول شغلی خود را انتخاب نمودهاند و هدف دوم در پی حداقل نمودن میانگین ترجیحات داوطلبان است.
در معادله 8، پارامتر عناصر ماتریس هزینه آموزشی کل هستند که میزان هزینه آموزشی کل داوطلب را تحت موقعیت شغلی نشان میدهد:
که طبق معادله 15 تعریف می شود:
در بسیاری از سازمانها، پس از فرایند تخصیص یک سری دورههای آموزشی برای ارتقای تواناییهای داوطلبان تخصیص داده شده و آمادهسازی آنها در پذیرش موقعیت شغلی مربوطه برگزار میگردد که برای سازمان هزینهبر است. بردار ستونی نشان دهنده هزینه آموزشی همه معیارهای مرتبط با موقعیت شغلی است، که طبق معادله 16 تعریف میشود:
به طوری که میزان هزینه آموزشی صرف شده برای ارتقای معیار تحت موقعیت شغلی است. همانطور که قبلا اشاره گردید، نشان دهنده درجه تطبیق توانمندیهای داوطلب با موقعیت شغلی تحت معیار است. بنابراین، ماتریس میزان عدم تطابق بین توانمندیهای هر یک از داوطلبان و نیازمندیهای موقعیت شغلی را نشان میدهد که سازمان برای رفع این عدم تطابق، باید یک سری دوره آموزشی برگزار نماید. پارامتر اشاره شده از معادله 17 قابل محاسبه است.
در نهایت، محدودیت اول (معادله 2) مدل حاکی از آن است که هر موقعیت شغلی فقط و فقط میتواند توسط یک داوطلب اشغال شود، درحالی که محدودیت دوم (معادله 3) نشان میدهد که ممکن است برخی از داوطلبان به هیچ یک از موقعیتهای شغلی تخصیص داده نشوند.
بدین ترتیب، مسأله انتصاب کارکنان به کمک یک مدل برنامه ریزی عدد صحیح باینری چند هدفه فرموله گردید. در بخش بعد، روش محاسبه ، و به تفسیر مورد بحث قرار خواهد گرفت.
یک روش ادغامی برای محاسبه پارامترهای حساس مد
همانطور که در بخش 1 اشاره شد، برای بهبود کیفیت تصمیمات، از روش تحلیل سلسله مراتبی گروهی ارائه شده توسط هوانگ و لین[29] (1987) برای محاسبه وزن موقعیت شغلی () استفاده میشود. بر اساس این روش، ماتریس مقایسات زوجی با ابعاد توسط تصمیم گیرنده (فرض بر این است که تصمیم گیرنده وجود دارد) ساختاربندی شده است. عناصر این ماتریس که با نماد نشان داده میشود، اهمیت رابطهای میان دو موقعیت شغلی را که مبتنی بر مقیاس 1-9 ساعتی (1980) است، ارائه میدهد (جدول 1). در مرحله بعد، برای ادغام ماتریس مقایسات زوجی تصمیمگیرنده و به دست آوردن ماتریس مقایسات زوجی تجمعی از میانگین هندسی استفاده میشود (جدول 2) که عناصر این ماتریس با نماد (معادله 18) نشان داده میشود.
جدول 1. ماتریس مقایسات زوجی موقعیت شغلی توسط تصمیم گیرنده
جدول 2. ماتریس مقایسات زوجی تجمعی
سپس، عناصر ماتریس تصمیم نرمال شده که با نماد ارائه میگردد، طبق معادله 19 تعریف میشود:
و نهایتا وزن موقعیت شغلی () بر اساس معادله 20 محاسبه میگردد:
علاوه بر این، از یک روش ادغامی شامل آنتروپی شانون و ضریب پراکندکی برای محاسبه وزن معیار ارزیابی تحت موقعیت شغلی () استفاده میشود. ابتدا به تفکیک هر موقعیت شغلی، امتیازات مربوط به کارکنان فعلی سازمان که دارای عملکرد شغلی بالایی هستند، از پایگاه داده پرسنلی سازمان استخراج و ماتریس تصمیم آن شکل میگیرد (جدول 3). کارکنان با نماد نشان داده شدهاند.
در دنیای واقعی، وقتی میانگین امتیازات تمامی کارکنانی که دارای عملکرد شغلی بالا هستند، بر اساس یکی از معیارهای ارزیابی بالاتر از حد متوسط باشد، گویای آن است که بالا بودن آن معیار برای فرد، بر بالا بودن عملکرد شغلی او اثر داشته است و میتوان نتیجه گرفت که اهمیت هر معیار با میانگین دادههای مربوط به آن معیار، رابطهای مستقیم دارد.
جدول 3. امتیازات کارکنان فعلی سازمان با عملکرد بالا ، مربوط به موقعیت شغلی ()
البته، ذکر این نکته ضروری است که میانگین، به تنهایی تعیینکننده نیست، چرا که ممکن است دو معیار دارای میانگین یکسانی باشند، ولی پراکندگی دادههای آنها متفاوت باشد. وقتی دادههای مربوط به یکی از معیارها دارای پراکندگی بیشتری نسبت به دیگری باشد (البته با میانگینهای یکسان)، به این معنی است که در ارتباط با آن معیار، کارکنان در هر صورت- چه با امتیاز بالا، چه متوسط و چه پایین دارای عملکرد بالا هستند و این امر حاکی از آن است که معیار با پراکندگی بیشتر، تاثیر کمتری در بالابودن عملکرد شغلی دارد. بنابراین، میتوان نتیجه گرفت، وزن هر معیار با انحراف معیار دادههای مربوط به آن رابطهای عکس دارد. با توجه به تحلیل فوق، وزن معیار ارزیابی در موقعیت شغلی به کمک معادله 21 محاسبه میگردد.
به طوری که ضریب پراکندگی دادههای مربوط به معیار ارزیابی در موقعیت شغلی است و توسط معادله 22 محاسبه میشود. ضریب پراکندگی برای مقایسه پراکندگی دو جامعه، مخصوصا هنگامی که میانگین آنها برابر نباشد، استفاده میشود (آذر و مومنی[30]، 1375).
میانگین داده های مربوط به هر معیار ارزیابی در موقعیت شغلی () طبق معادله 23 محاسبه میشود:
حال با استفاده از روش آنتروپی شانون ارائه شده توسط هوانگ و یون[31] (1981) انحراف معیار دادههای مربوط به هر معیار ارزیابی در موقعیت شغلی () محاسبه میگردد.
آنتروپی یک مفهوم عمده در علوم فیزیکی، اجتماعی و تئوری اطلاعات است؛ به طوری که نشاندهنده مقدار عدم اطمینان موجود از محتوای مورد انتظار اطلاعاتی از یک پیام است. به بیانی دیگر، آنتروپی در تئوری اطلاعات معیاری است برای مقدار عدم اطمینان بیان شده توسط یک توزیع احتمال گسسته ()؛ به گونهای که این عدم اطمینان در صورت پخشبودن توزیع، بیشتر از موردی است که توزیع فراوانی تیزتر است. این عدم اطمینان که با نماد نشان داده شده است، طبق معادله 25 تعریف میشود:
به طوری که ارزش نرمال شده بوده،بر اساس معادله 26 تعریف می شود:
از آنجایی که فرایند تخصیص کارکنان در برگیرنده ارزیابی داوطلبان مبتنی بر معیارهای زبانی است، برای اندازهگیری درجه تطبیق داوطلب با موقعیت شغلی تحت معیار ( ) از یک عملگر فازی ارائه شده توسط لطفی زاده طبق معادله 27 استفاده میشود (رس[32]، 2004):
شکل 1. بالاترین تقاطع دو تابع عضویت و
همانطور که در شکل 1 مشاهده می شود بالاترین نقطه اشتراک دو تابع عضویت و است که در ادامه این توابع معرفی خواهند شد. در تحلیل تصمیمات زبانی، سه مرحله برای حل مسائل تصمیمگیری چند معیاره زبانی پیشنهاد شده است (هررا و هررا ویدما[33]، 2000): انتخاب مجموعه زبانی مناسب، انتخاب عملگر جمعآوریکننده اطلاعات زبانی و انتخاب بهترین گزینهها. معمولا ارزش عدد اصلی مجموعههای مورد استفاده در مدلهای زبانی یک مقدار فرد است که این عدد میانی تقریبا با تخمین 0.5 ارائه میشود و بقیه ارزشها حول این مقدار قرار میگیرند (بونیسون و دکر[34]، 1986). مجموعههای زبانی میتوانند با توابع عضویت ذوزنقهای یا مثلثی نشان داده شوند (هررا و همکاران، 1996). هررا ویدما و همکاران[35] (2005) بیان کردند تصمیمگیران، ترجیحات خود را با استفاده از مجموعههای زبانی با عدد اصلی 5، 7 و 9 برای تخمین گزینهها نشان میدهند. برای جمعآوری و مقایسه ارزشهای زبانی، دو نگرش میتواند استفاده شود: محاسبات مستقیم روی معیارهای زبانی و پذیرش توابع عضویت ارائه شده توسط بسیاری از محققان. در مطالعه حاضر، از عدد اصلی 5 برای بیان معیارهای زبانی استفاده شده است، زیرا دسته بندی واضح تواناییهای هر داوطلب در پنج سطح، کافی است. علاوه بر این، از تابع عضویت مثلثی به علت سادگی و پذیرش زیاد آن در عمل، استفاده شده است. امتیازات داده شده به هر داوطلب، می تواند به عنوان متغیر زبانی تعریف شود. پنج طیف زبانی متغیر و اعداد فازی مثلثی مربوط به آنها طبق جدول 4 دستهبندی شدهاند (هوانگ و همکاران، 2009):
جدول 4. پنج طیف زبانی متغیر و اعداد فازی مثلثی مربوط به آنها
|
خیلیخوب |
(0.8،1،1) |
|
خوب |
(0.6،0.8،1) |
|
متوسط |
(0.3،0.5،0.7) |
|
ضعیف |
(0،0.2،0.4) |
|
خیلیضعیف |
(0،0،0.2) |
هر یک از پنج تابع عضویت برای داوطلب تحت معیار با نماد نشان داده شده است (شکل2).
شکل 2. پنج تابع عضویت برای امتیازبندی توانایی های هر یک از داوطلبان (هوانگ و همکاران، 2009)
از طرفی، برای هر موقعیت شغلی تحت معیار سه سطح حداقلی از نیازمندیها، توسط خبرگان سازمان تعیین میگردد. این سطوح میتوانند به عنوان یک متغیر زبانی (بر اساس اعداد فازی شبه ذوزنقهای) طبق جدول 5 تعریف شوند (هوانگ و همکاران، 2009).
جدول 5. سه طیف زبانی متغیر و اعداد فازی شبه ذوزنقهای مربوط به آنها
|
بالا |
(0.7،1،1) |
|
متوسط |
(0.5،0.7،0.7) |
|
پایین |
(0.3،0.5،0.5) |
هر یک از سه تابع عضویت برای موقعیت شغلی تحت معیار با نماد نشان داده شده است (شکل 3).
شکل 3. سه تابع عضویت ارائه شده توسط سازمان برای مشخصکردن حداقل نیازمندیهای هر موقعیت شغلی (هوانگ و همکاران، 2009)
در نهایت، برای اعتبارسنجی و اثبات مدل ارائه شده به دو طریق عمل گردید: یک روش، ارائه نتایج حاصل از حل مدل به مدیران و خبرگان حوزه منابع انسانی و اخذ تأییدیه از آنها بود. همان طور که مشاهده شد، در قسمت اهداف مدل، کلیه اهداف از نظر واحد سنجش متفاوتند. هدف اول، میزان تطابق مهارتهای کارکنان با موقعیتهای شغلی، هدف دوم تعداد کارکنان راضی، هدف سوم میزان ترجیحات کارکنان نسبت به موقعیتهای شغلی موجود در سازمان و هدف آخر میزان هزینههای آموزشی کارکنان را نشان میدهد. از طرفی، دو هدف اول و چهارم معیارهای سازمان و اهداف دوم و سوم معیارهای کارکنان را مورد توجه قرار داده است. بدین ترتیب برای اعتبار سنجی مدل، نتایج حاصل از حل مدل با استفاده از نرم افزار، به صورت دستی نیز در اهداف و محدودیتهای مدل قرار گرفته و مقادیر چک شدند. نتایج حاکی از آن بود که خروجیهای مدل با اهداف تطبیق داشته ، در محدودیتها صدق میکنند. شایان ذکر است، محدودیتهای مدل ارائه شده، همان محدودیتهای مدل تک هدفه کلاسیک بوده است.
1-روشهای حل مدل پیشنهادی
در این بخش، یک سری روشهای تصمیمگیری چند معیاره برای حل مدل چند هدفه پیشنهادی ارائه میگردد. هدف از ارائه این روشها حداقل کردن انحراف توابع هدف موجود در این مدل نسبت به یک راه حل ایده آل است (اصغر پور، 1377). روشهای ارائه شده در این مطالعه، به دو دسته تقسیم میشوند: دسته اول روشهایی هستند که به طور مستقیم به ارائه راه حل میپردازند، مانند روش ال.پی متریک و روش تابع مطلوبیت؛ دسته دوم روشهایی هستند که ابتدا با استفاده از سایر روشها (ال.پی متریک و محدودیتهای )، راه حلهای مؤثر را تعیین و سپس از بین راه حلهای مؤثر، بهترین راه حل را به عنوان راه حل بهینه انتخاب میکنند، مانند روش ایدهآل جا به جا شده و روش تاپسیس.
روش ال.پیمتریک: فاصله متریک در روشهای ال.پی متریک به منظور سنجش نزدیکی یک راه حل موجود نسبت به راهحل ایدهآل مورد استفاده واقع میشوند. این سنجش از انحراف به صورت یک تابع سازگار طبق معادله 28 خواهد بود (اصغر پور، 1377):
اهداف به صورت بیشینه مد نظر است، نشان دهنده راه حل ایده ال در بهینه سازی هدف ام است. بیانگر یک راه حل مفروض بوده و نشاندهنده درجه اهمیت (وزن) برای هدف ام با است. تابع سازگار ال.پی متریک به منظور حداقلکردن انحرافات از ایدهآل باید کمینه شود. ارزش مشخصکننده درجه تاکید به انحرافات موجود است؛ به گونهای که هر چه این ارزش بزرگتر باشد، تأکید بیشتری بر بزرگترین انحرافات خواهد بود و اگر شود، بدان مفهوم خواهد بود که بزرگترین انحراف از انحرافات موجود برای بهینهسازی، مدنظر واقع میگردد.
روش تابع مطلوبیت. مطلوبیت از یک هدف، مشخصکننده بیشترین درجه رضایت بخشی ممکن از آن هدف برای تصمیمگیرنده است و مطلوبیت کل ، به عنوان میانگین هندسی مطلوبیت تک تک اهداف طبق معادله 29 تعریف میشود:
که برای اهداف حداکثرسازی و حداقلسازی به ترتیب به کمک معادله 30 و 31 به دست میآید:
که نشاندهنده حد بالا و نشاندهنده حد پایین هر یک از توابع هدف است (درینگر و سوییچ، 1980).
ایده آل جا به جا شده. مفهوم ایدهآل جا به جا شده، اولین بار توسط افرادی به نامهای یو در سال 1973 و زلندی در سال 1973 به طور همزمان پیشنهاد شد (رومرو و رحمان[36]، 1989). روش ایدهآل جا به جا شده در شکل 4 برای دو تابع هدف تشریح گردیده است (اصغرپور[37]،1377):
شکل 4. تشریح روش ایدهآل جابجا شده
راه حل ایدهآل در نقطه حدی است، ولی برای فضای مسأله مفروض، عملی نیست. مجموعه راه حلهای مؤثر از مسأله مفروض شامل کلیه نقاط واقع بر اضلاع موجود از تا میگردد، اما کاهش آن مجموعه به یک زیر مجموعه () موجب داشتن نقاط با کمترین فاصله از نقطه ایدهآل میگردد.
اولین گام در این روش به دست آوردن یک مجموعه راه حل مؤثر () است. یکی از روشهایی که میتوان به کمک آن راه‌حل‌های مؤثر را به دست آورد، روش ال.پی متریک است که در قسمت قبل به آن پرداخته شد. روش دیگر، روش مربوط به محدودیتهای است. اگر حداقل مجاز از سطوح تمایل () برای هدف از هدف موجود مشخص شده باشد، یک راه حل مؤثر همواره از حل مسأله زیر حاصل میشود (اصغرپور، 1377):
گام بعدی، به دست آوردن راه حلهای ایده آل از طریق حل توابع هدف به صورت تکهدفه است (). به علت وجود تضاد میان هر یک از اهداف در مسائل چندهدفه، راه حل ایدهآل غیر عملی است، بنابراین، جستجوی یک راه حل سازشی، ضروری به نظر میرسد. در نتیجه، نیاز به محاسبه فاصله میان هر راه حل با نقطه ایدهآل احساس میگردد. این درجه نزدیکی که با نماد نشان داده میشود، طبق معادله 34 محاسبه می شود:
سپس به کمک معادله 36 تعریف میشود:
در گام بعد، دستهای از ال.پی متریک به قرار زیر تعریف میشود:
در نهایت، با حداقلسازی ال. پی متریک ها به ازای خواهیم داشت:
به طوری که به عنوان یک راه حل سازشی پذیرفته میشود (اصغر پور، 1377).
روش تاپسیس: روش تاپسیس اولین بار توسط هوانگ و یون (1981) توسعه یافت. بر اساس این تکنیک، بهترین گزینه، نزدیکترین به راه حل ایدهآل مثبت و دورترین به راه حل ایدهآل منفی است (ارتوگرول و کاراکاسوگلو[38]، 2007). راه حل ایده آل مثبت، راه حلی است که معیارهای سودآور را حداکثر و معیارهای هزینهبر را حداقل میکند، در حالی که راه حل ایدهآل منفی عکس مورد قبل عمل میکند؛ یعنی معیارهای سودآور را حداقل و معیارهای هزینه بر را حداکثر میکند (وانگ و الهاگ[39]، 2006). روش تاپسیس شامل مراحلی به شرح ذیل است (شیور و شی[40]، 2006):
ابتدا یک ماتریس تصمیم برای رتبهبندی، ساختاربندی میشود که به قرار زیر است:
به طوری که و به ترتیب نشاندهنده گزینهها (راه حلهای مؤثر) و شاخصها (توابع هدف) است و مقدار تابع هدف با توجه به راه حل مؤثر با نماد مشخص میگردد. در مرحله بعد، ماتریس تصمیم نرمال شده () محاسبه میگردد که عناصر این ماتریس به کمک معادله 40 به دست میآید:
از طرفی، به کمک روش آنتروپی شانون وزن هر یک از شاخصها () طبق معادلات 41 تا 44 محاسبه میگردد:
در این مرحله عناصر ماتریس تصمیم نرمال شده وزین () طبق معادله 45 محاسبه میگردد:
سپس راه حل ایده آل مثبت () و راه حل ایده آل منفی () به قرار زیر تعیین میشود:
به طوری که مربوط به معیارهای سودآور و مربوط به معیارهای هزینه بر است. در مرحله بعد میزان فاصله هر گزینه از راه حل ایدهآل مثبت و منفی طبق معادله 48 و 49 محاسبه میگردد:
در نهایت، با محاسبه میزان نزدیکی نسبی هر گزینه به راه حل ایده آل () که به کمک معادله 50 به دست میآید، میتوان گزینهها را رتبهبندی و بهترین گزینه را تعیین کرد. شایان ذکر است مقدار بین صفر و یک است؛ به گونه ای که هر چه مقدار به یک نزدیکتر باشد، گزینه مورد نظر به جواب ایده آل نزدیکتر بوده و در نتیجه گزینه بهتری است.
1-مثال عددی و مطالعه موردی
هدف از ارائه این مثال عددی، نشاندادن امکانپذیری مدل پیشنهادی در دنیای واقعی است. شرکت مورد مطالعه، یکی از بزرگترین شرکتهای تولید کننده در صنعت غذایی کشور است. مدیران منابع انسانی این شرکت، در صدد تخصیص تعدادی داوطلب به پنج موقعیت شغلی، شامل تولید ()، فروش ()، خرید ()، فنی () و اداری () هستند؛ به گونه ای که هر موقعیت شغلی فقط و فقط توسط یک نفر اداره گردد و هر داوطلب حداکثر به یک موقعیت شغلی تخصیص داده شود. در مرحله مقدماتی (مصاحبههای اولیه) از میان داوطلبان متقاضی استخدام، ده نفر به مرحله انتصاب راه پیدا کردهاند. شایان ذکر است هر موقعیت شغلی دارای پنج معیار، برای ارزیابی داوطلبان است که عبارتند از: مهارت فنی ()، مهارت ارتباطی ()، مهارت ادراکی ()، تجربه کاری () و ویژگیهای شخصیتی (). جدول 6 امتیازات داوطلبان را برای هر یک از معیارهای ارزیابی نشان میدهد که از طریق مصاحبه به دست آمدهاند. از طرفی، حداقل سطح معیارهای ارزیابی با توجه به موقعیتهای شغلی و هزینههای آموزشی هر معیار ارزیابی، که توسط مدیران منابع انسانی شرکت مورد مطالعه تعیین شده، به ترتیب در جدول 7 و 8 نشان داده شده است.
به منظور مدلکردن مسأله انتصاب کارکنان در یک مدل برنامهریزی عدد صحیح باینری چند هدفه، باید ضریب توابع هدف (، ، و ) را به دست آوریم.
جدول 6. امتیازات ده داوطلب تحت هر یک از معیارهای ارزیابی
|
داوطلبان |
معیارهای ارزیابی |
||||
|
متوسط |
متوسط |
خوب |
خوب |
متوسط |
|
|
متوسط |
متوسط |
خوب |
خوب |
ضعیف |
|
|
ضعیف |
خوب |
خیلی ضعیف |
خوب |
خوب |
|
|
متوسط |
خوب |
خوب |
متوسط |
متوسط |
|
|
متوسط |
خوب |
متوسط |
خوب |
متوسط |
|
|
خیلی خوب |
ضعیف |
خوب |
متوسط |
خوب |
|
|
خوب |
ضعیف |
خوب |
ضعیف |
خیلی خوب |
|
|
خوب |
خوب |
خوب |
خوب |
ضعیف |
|
|
خوب |
خوب |
متوسط |
متوسط |
متوسط |
|
|
خیلی خوب |
خوب |
متوسط |
خوب |
متوسط |
|
جدول 7. حداقل سطح معیارهای ارزیابی با توجه به موقعیت های شغلی
|
معیارهای ارزیابی |
موقعیت های شغلی |
||||
|
بالا |
بالا |
بالا |
بالا |
بالا |
|
|
متوسط |
متوسط |
بالا |
متوسط |
متوسط |
|
|
بالا |
متوسط |
متوسط |
متوسط |
بالا |
|
|
متوسط |
پایین |
متوسط |
متوسط |
متوسط |
|
|
بالا |
متوسط |
بالا |
متوسط |
متوسط |
|
جدول 8. هزینه آموزشی هر یک از معیارهای ارزیابی
|
هزینه های آموزشی |
|||||
|
مقادیر |
400 |
350 |
500 |
250 |
450 |
بنابراین، ابتدا با استفاده از روش تحلیل سلسله مراتبی گروهی وزن موقعیتهای شغلی محاسبه میگردد. ماتریس مقایسات زوجی موقعیتهای شغلی، ارائه شده توسط تصمیم گیرنده t و ماتریس مقایسات زوجی تجمعی، از طریق معادله 18 ارائه میگردد. جدول 9 وزن موقعیتهای شغلی که با استفاده از معادله 19 و 20 محاسبه شده را نشان میدهد.
جدول 9. وزن موقعیت های شغلی ()
|
|
|||||
|
0.0509 |
0.1140 |
0.1296 |
0.2749 |
0.4305 |
سپس به کمک تحلیل دادههای پرسنلی موجود در پایگاه داده شرکت، وزن معیار ارزیابی در موقعیت شغلی از طریق معادلات 21 تا 26 محاسبه میگردد که در جدول 10 ارائه گردیده است.
جدول 10. وزن معیار ارزیابی در موقعیت شغلی ()
|
0.285 |
0.156 |
0.129 |
0.702 |
0.067 |
|
|
0.038 |
0.143 |
0.190 |
0.015 |
0.276 |
|
|
0.096 |
0.229 |
0.112 |
0.030 |
0.337 |
|
|
0.055 |
0.188 |
0.138 |
0.041 |
0.042 |
|
|
0.524 |
0.281 |
0.428 |
0.209 |
0.276 |
در مرحله بعد، درجه تطبیق میان داوطلب و موقعیت شغلی تحت معیار () به کمک معادله 27 محاسبه میشود. بدین ترتیب، ضریب تابع هدف اول () با استفاده از معادلات 9 تا 12 و ضریب تابع هدف چهارم () به کمک معادلات 14 تا 17 محاسبه میگردد.
از طرفی دیگر، به منظور تعیین ضریب تابع هدف دوم () و سوم ()، از داوطلبان تقاضا شده موقعیتهای شغلی را بر حسب علاقهمندی خود اولویتبندی نمایند (جدول 11).
جدول 11. رتبه ترجیحی ارائه شده توسط داوطلب به موقعیت شغلی ()
|
داوطلبان |
موقعیتهای شغلی |
||||
|
1 |
5 |
4 |
2 |
3 |
|
|
5 |
2 |
3 |
4 |
1 |
|
|
3 |
2 |
4 |
1 |
5 |
|
|
4 |
3 |
2 |
5 |
1 |
|
|
2 |
5 |
1 |
3 |
4 |
|
|
1 |
4 |
3 |
5 |
2 |
|
|
5 |
1 |
2 |
3 |
4 |
|
|
3 |
4 |
5 |
1 |
2 |
|
|
2 |
1 |
5 |
4 |
3 |
|
|
4 |
5 |
1 |
2 |
3 |
|
حال مدل برنامهریزی عدد صحیح باینری چند هدفه به شرح ذیل ارائه میگردد:
پس از ارائه مدل به بررسی روشهای حل آن می‌پردازیم. با استفاده از روش ال. پی متریک (با های مختلف)، نتیجه نهایی انتصاب طبق جدول 12 ارائه می گردد.
جدول 12. نتیجه نهایی انتصاب با استفاده از روش ال.پی. متریک
|
|
تخصیص های صورت گرفته |
||||
|
موقعیت شغلی |
|||||
|
داوطلب () |
|||||
|
داوطلب () |
|||||
با استفاده از روش تابع مطلوبیت نتیجه نهایی انتصاب در جدول 13 نشان داده شده است.
جدول 13. نتیجه نهایی انتصاب با استفاده از روش تابع مطلوبیت
|
|
تخصیص های صورت گرفته |
||||
|
موقعیت شغلی |
|||||
|
داوطلب |
|||||
طبق روش ایده آل جا به جا شده، ابتدا توابع هدف، ماکزیمم شده و مقادیر آنها () برای مجموعهای از راه حلهای مؤثر محاسبه میگردد. سپس به کمک معادلات 34 تا 36، متمم درجه نزدیکی محاسبه میشود. به منظور اندازهگیری فاصله میان هر راه حل و ایده آل آن از ال. پی متریک استفاده میگردد. در نهایت، گزینهای با پایینترین ارزش ال. پی، بهترین راه حل خواهد بود، زیرا این راه حل نزدیکترین به ایده آل آن است. بنابراین، نتیجه نهایی انتصاب با استفاده از روش ایده آل جا به جا شده طبق جدول 14 است.
جدول 14. نتیجه نهایی انتصاب با استفاده از روش ایده آل جا به جا شده
|
|
تخصیص های صورت گرفته |
||||
|
موقعیت شغلی |
|||||
|
داوطلب |
|||||
در روش تاپسیس مجموعه راه حل های مؤثر به عنوان گزینهها و توابع هدف به عنوان شاخصها در نظر گرفته و بدین ترتیب راه حل ایده آل مثبت و منفی محاسبه میشود. در مرحله بعد، میزان فاصله هر گزینه از راه حل ایده آل مثبت و منفی محاسبه میشود و در نهایت، میزان نزدیکی نسبی هر گزینه به راه حل ایده آل () طبق معادله 50 محاسبه میگردد (جدول 15).
جدول 15. میزان نزدیکی نسبی هر گزینه به راه حل ایده آل ()
|
|
حل مسأله به صورت تک هدفه |
حل مسأله به صورت تک هدفه
|
حل مسأله به صورت تک هدفه |
حل مسأله به صورت تک هدفه
|
حل مسأله با روش ال. پی متریک (p=1) |
حل مسأله با روش ال. پی متریک (p=4) |
حل مسأله با روش محدودیت
|
حل مسأله با روش محدودیت
|
حل مسأله با روش محدودیت
|
حل مسأله با روش محدودیت
|
|
0.941 |
0.994 |
0.994 |
0.003 |
0.998 |
0.004 |
0.984 |
0.998 |
0.998 |
0.984 |
طبق روش تاپسیس، گزینهای به عنوان راه حل نهایی انتخاب میشود که دارای بالاترین ارزش باشد. جدول 16 نتیجه نهایی انتصاب بر اساس روش تاپسیس را نشان میدهد.
جدول 16. نتیجه نهایی انتصاب با استفاده از روش تاپسیس
|
|
تخصیص های صورت گرفته |
||||
|
موقعیت شغلی |
|||||
|
داوطلب |
|||||
مقایسه نتایج به دست آمده از چهار روش ال. پی متریک، تابع مطلوبیت، ایده آل جا به جاشده و تاپسیس گویای آن است که جز موقعیت شغلی 3 که در روش های مختلف، داوطلبان متفاوتی به آن تخصیص داده شده اند، مابقی تخصیص ها یکسان است.
نتیجهگیری و پیشنهادهایی برای مطالعات آینده
در مقاله حاضر، مسأله تخصیص کارکنان به کمک یک مدل برنامهریزی عدد صحیح صفر و یک چند هدفه فرموله شد؛ به گونه ای که در آن اهدافی چون رضایت داوطلبان و هزینههای آموزشی آنها به مدل تک هدفه کلاسیک در مطالعات پیشین، اضافه گردید. هدف از ارائه این مدل، کاهش نرخ جا به جایی کارکنان و هزینههای سازمان علاوه بر تطبیق مناسب میان تواناییهای داوطلبان و نیازمندیهای موقعیتهای شغلی است که در مطالعات گذشته به ندرت به آن پرداخته شده است. علاوه بر این، با الهام گرفتن از مفاهیم پایگاه داده و کشف دانش و با استفاده از یک سری تکنیکهای آماری (آنتروپی شانون، ضریب پراکندگی)، دادههای پرسنلی موجود در پایگاه داده سازمان برای تعیین وزن معیارهای ارزیابی، تحلیل شدند، در حالی که در تحقیقات گذشته از روشهای تصمیمگیری چند معیاره که مبتنی بر نظرات شخصی خبرگان بود، تعیین وزن معیارهای ارزیابی استفاده میگردید.
مزیت مدل پیشنهادی نسبت به روش سنتی به کار رفته در شرکت مورد مطالعه، استفاده از یک مدل علمی برای تخصیص کارکنان به موقعیتهای شغلی است. در روش سنتی فرایند تخصیص کاملا بر اساس تجربه و قضاوتهای شخصی و غیر علمی تصمیمگیران بوده است. از طرفی، تطبیق مناسب میان مهارتهای کارکنان با موقعیتهای شغلی به عنوان تنها هدف تصمیمگیران در فرایند تخصیص مد نظر قرار میگرفت، در حالی که مدل پیشنهادی با بهرهگیری از مدلهای ریاضی و در نظر گرفتن اهدافی دیگر، همچون افزایش رضایت کارکنان و کاهش هزینههای آموزشی در کنار تطبیق مناسب میان مهارتهای کارکنان با موقعیتهای شغلی، باعث منطقیتر نمودن تصمیمات تصمیمگیران در این حوزه شده است.
از آنجایی که مدل ارائه شده در این پژوهش، جامع و در برگیرنده اهداف مهم در حوزه تخصیص کارکنان به موقعیتهای شغلی بوده است، پیشنهاد میگردد این مدل در قالب یک سیستم پشتیبان تصمیم برای کمک به مدیران و تصمیمگیران، پیاده‌سازی گردد. همچنین، پیشنهاد میگردد این مدل به کمک الگوریتم ژنتیک و الگوریتم ابداعی ارائه شده توسط هوانگ و همکارانش در سال 2009 نیز حل شود و با روشهای حل مدل که در این مقاله ارائه شده، مقایسه و تحلیل گردد.
[1] Kabak et al
[2] Korkmaz et al
[3] Huang et al
[4] Lin et al
[5] Lin
[6] Analytic hierarchy process (AHP)
[7] Analytic network process (ANP)
[8] Saaty
[9] Marakas
[10] Group analytic hierarchy process (GAHP)
[11] Multi-criteria decision making (MCDM)
[12] Gungora et al
[13] Celik et al
[14] Shahhosseini & Sebt
[15] Korvin et al
[16] Ngai & Wat
[17] Fuzzy logic
[18] Toroslu
[19] Torosluand & Arslanoglu
[20] Herrera et al
[21] Particle swarm optimization (PSO) algorithm
[22] Shannon entropy
[23] Coefficient of variation
[24] Metric
[25] Desirability function
[26] Displaced ideal
[27] Technique for order performance by similarity to ideal solution (TOPSIS)
[28] Multi-Objective binary Integer Programming
[29] Hwang & Lin
[30] Azar & Momeny
[31] Hwang & Yoon
[32] Ross
[33] Herrera & Herrera Viedma
[34] Bonissone & Decker
[35] Herrera Viedma et al
[36] Romero & Rehman
[37] Asgharpour
[38] Ertugrul & Karakasoglu
[39] Wang & Elhag
[40] Shyur & Shih
)