SIGNATURE METHOD OF OPTIMIZATION OF MODEL OF IDENTIFICATION IN SYSTEM OF SELECTION OF THE PERSONNEL

Abstract


In article results of development of model of the solution of a problem of selection of the personnel are given in an automated control system for the personnel and a signature method of identification of candidates to a position. This approach differs from known for the increased reliability and efficiency of decision-making.

Full Text

Введение Отбор персонала имеет важное значение при управлении человеческими ресурсами, так как от него во многом зависит дальнейшая деятельность организаций и только при наличии квалифицированного персонала можно добиться наилучших результатов и выполнения поставленных задач. При управлении персоналом на стадии отбора организация выбирает из ряда кандидатов одного или нескольких людей, наиболее подходящих по имеющимся критериям на вакантное место. При этом, конечно же, должна обеспечиваться удовлетворенность самих работников и возможность полного раскрытия и использования их возможностей. Каждый прием нового работника влечет за собой большие расходы для организации, ошибки при приеме либо задержка принятия решения при отборе многократно увеличивают эти расходы. Следовательно, увеличение эффективности процесса отбора персонала уменьшит затраты предприятия. Одним из решений повышения эффективности отбора персонала, безусловно, является применение средств автоматизации, обеспечивающих функционирование и развитие организации как единого целого [1]. В настоящее время на российском рынке наблюдается множество предложений по разработке и поставке автоматизированных систем отбора персонала как отечественных, так и западных. На рынке представлены такие продукты по подбору персонала, как «Резюмакс», «Рекрутер», «1С: Зарплата и Управление Персоналом 8», «Microsoft Dynamics CRM», «ИНЭК-Персонал». Однако перечисленным системам отбора персонала присущ ряд недостатков: высокая стоимость внедрения и сопровождения; для обеспечения достаточной целостности данных системы отбора персонала необходимо применять дополнительные программные и аппаратные средства. Существенным недостатком данных систем является низкое быстродействие принятия решения при отборе персонала. Постановка и решение задачи Целью данной работы является уменьшение времени для процесса идентификации в системе отбора персонала на основе сигнатурного метода. Данная работа опирается на разработанную ранее модель системы отбора персонала на основе принципов ассоциативности и мажоритар-ности принятия решений [2]. Общий вид целевой функции при построении системы автоматизированного отбора персонала имеет следующий вид: E = T-X-'Zlei-(l-ai) + zi-ai]-Pi}^>max; /=і (1) где T - время работы системы отбора; X - интенсивность поступления заявок на проведение отбора в систему; ei - эффект от точного отбора кандидатуры на i-ую вакансию (i = 1, N); z. - эффект от ошибочного отбора кандидатуры; а - вероятность ошибки при отборе на i-ую вакансию; P. - вероятность того, что в систему поступит заявка по процедуре отбора на i-ую вакансию; N - число вакансий за время T; Z и Z3 - затраты на систему отбора: соответственно, фактические «Инфокоммуникационные технологии» Том 10, № 4, 2012 80 Тарасов В.Н., Фот Ю.Д. и заданные; to и t - фактическое и требуемое время на процедуру отбора. Как видно из выражения (1), критерием оценки качества отбора персонала является не только достоверность принятия решения, зависящая от ошибки распознавания кандидатуры а, а также время T, затраченное на отбор. Для формализации модели отбора персонала использованы следующие обозначения: qx - образ (кандидатура на вакантное место), подлежащий распознаванию; <s> - зарегистрированное значение i-го признака, i = 1, m; <Sx> - вектор зарегистрированных значений признаков qx; W{qx ,Qj} - мера близости между qx и j-ым образом из множества эталонов (образов вакансий) Q, j = 1 ... n; v{<s>, dj } - мера принадлежности <s> диапазону i-го признака для j-го образа; D. - вектор диапазонов изменения значений для образа Qj, j = 1; n; Ф {<Sx>, Dj } - функционал для вычисления меры близости W{qx ,Q}. Обобщенная модель распознавания qx имеет следующий вид: r|^e}=o{<Sx>,Z),},j = l,H (2) qx є Q* : ф{< Sx >,Dj\= тахф{< Sx >,£>,.}; Q* &Q-,Dj eD;j = l,n; (3) qx e Q: ф{< Sx >,D*}< / > 1ітф{< Sx >,Z)y}; Dj eD;j = l;n. (4) x Функционал Ф{^ >, Dj} в выражении (2) представляет собой разделяющую (дискриминантную) функцию в модели отбора, а выражения (3) и (4) описывают разделяющее правило, при отнесении qx к одному из классов образоввакансий Q*. При этом отбор проводится по максимальной величине меры близости функционала - см. (3), либо принимается решение о том, что qx не принадлежит ни к одному образу-эталону из базы данных эталонов Q (выражение 4), если значение функционала согласно правилу, будет меньше (или больше) некоторого заданного порога функционала lim Ф {<S>, Dj }, j = 1, n. Как правило, матрица W{qx, Qj} формируется из цифровой последовательности определенных значений образов. Недостатки данной модели: постоянное время распознавания всех образов, что приводит к тому, что в случае простых образов затрачивается лишнее время, а в случае сложных образов - приходится повторять эксперимент при новых данных. Сигнатурный метод как метод сжатия информации при проверке соответствия эталонам получил широкое распространение и представляет собой метод исследования реакций на подачу определенных последовательностей. Анализ последовательностей очень трудоемок, вследствие чего необходимо определить количество таких потоков, при расположении значений которых дальнейшее распознавание образа можно остановить. Предложенная модель распознавания образов в системе отбора персонала - динамическая, то есть имеет множество состояний в процессе отбора. При ее исследовании был проведен ряд экспериментов. В таблице 1 представлены состояния системы для распознавания образов, рассмотренных по признаку «два из трех», для n = 3, m = 2 при различных значениях разрядов сдвиговых регистров. Как видно из таблицы 1, при значениях 0011 код выход Q2Q1 соответствуют 01(см. строку 4), что свидетельствует о распознавании образа кандидата Q. Аналогичное состояние выхода в системе соответствует значениям 0111 (см. строку 8). Значения 1100 и 1101 соответствуют распознаванию образа Qr При наличии ситуаций, когда в процессе идентфикации значения одного или нескольких признаков выходят за границы доверительного интервала одного класса образов или попадают в диапазоны изменения других классов, в предлагаемой модели ошибки распознавания не происходит, поскольку результат распознавания формируется по большинству признаков. Для этого число разрядов m выбирается с учетом возможного числа таких ситуаций, которое не должно превышать числа, соответствующего половине всех признаков распознавания n, причем должно выдерживаться соотношение: m > s + 1 при m < n, где s - наиболее вероятное число выходов значений признака за пределы заданного диапазона величин. То есть должно быть выполнено условие s > ]n/2[, где функционал в обратных квадратных скобках означает целую часть отношения. Например, для учета однократного выхода при n = 3 число разрядов сдвигового регистра m = 2. В данном случае результат ошибочного распознавания останется в первом разряде сдвигового регистра, а во втором разряде будет достоверный результат. При отсутствии ситуации, когда значения одного или нескольких признаков выходят за границы доверительного интервала одного класса образов или попадают в диапазоны изменения других классов, поскольку число разрядов сдвиговых регистров m меньше числа признаков вектора образа n, результаты принадлежности начальных признаков по ходу анализа всех признаков будут выдвигаться из сдвиговых регистров. Если в качестве примеров принять s равным 2, 3 или 4, то с учетом вышеприведенных соотношений минимальные значения параметра m будут «Инфокоммуникационные технологии» Том 10, № 4, 2012 Тарасов В.Н., Фот Ю.Д. 81 равны, соответственно, 3, 4 или 5, при этом минимальные значения n будут равны, соответственно, 4, 6 или 8. Таблица 1. Состояния системы при распознавании образов в системе отбора персонала Для иллюстрации и сравнения режимов идентификации в системе распознавания образа кандидата на вакантную должность ассоциативно-мажоритарным способом и предлагаемым сигнатурным на рисунках 1 и 2 представлены графы переходов состояний при m = 2, n = 3. При подаче на вход первого признака сдвиговый регистр может перейти в одно из двух состояний 51 с вероятностью Р1 или S2 с вероятностью Р2. Состояние S1 определяет соответствия первого признака распознаваемому образу кандидата. Состояние S2 соответствует сбою при распознавании первого признака. Состояние S3 определяет событие, когда второй признак соответствует распознанному образу, а S4 - соответствует сбою. Аналогично состояние S6 определяет событие, когда третий признак соответствует распознанному образу, а S7 - сбою. Состояние S4 определяет событие, когда при анализе второго признака происходит сбой. Состояния S6 - S9 на рис. 1 соответствуют окончанию распознавания образа. Состояния S3, S6 и S7 на рис.2 соответствуют окончанию распознавания образа. На рис 1 и рис. 2 приняты следующие обозначения: Р0... Р9 - вероятности состояний S0-S9 сдвигового регистра, P1 - вероятность перехода состояний при условии отсутствии сбоя, P2 - вероятность перехода состояния при наличии сбоя, P3 - вероятность безусловного перехода. Рис. 1. Граф переходов состояний в ассоциативномажоритарной модели, если регистр соответствует распознанному образу при m = 2, n = 3, где Р0... Р 9 - вероятности перехода состояний; S0...S9 -состояния регистра Как видно из рис. 1, система будет находиться в одном из трех состояний, в частности, в S3, распознавание завершается за два этапа, в S6 и S7 - за три этапа. В то время как в предложенной Признак ПІ Признак п2 Признак «3 Состояние системы ml (Pi) m2 т ml (0i) ml (Q?) ml т ml ((h) 0 0 0 0 0 0 распознавание производится в 3 такта 1 0 0 0 0 0 распознавание производится в 3 такта 0 0 1 0 0 0 распознавание производится в 3 такта 1 0 1 0 0 0 распознавание производится в 2 такта 0 0 0 0 1 0 распознавание производится в 3 такта 1 0 0 0 1 0 распознавание производится в 2 такта 0 0 1 0 1 0 распознавание производится в 3 такта 1 0 1 0 1 0 распознавание производится в 2 такта 0 1 0 0 0 0 распознавание производится в 3 такта 1 1 0 0 0 0 распознавание производится в 3 такта 0 1 1 0 0 0 распознавание производится в 3 такта 1 1 1 0 0 0 распознавание производится в 2 такта 0 1 0 0 1 0 распознавание производится в 3 такта 1 1 0 0 1 0 распознавание производится в 2 такта 0 1 1 0 1 0 распознавание производится в 2 такта 1 1 1 0 1 0 распознавание производится в 2 такта 0 1 1 1 1 1 распознавание производится в 2 такта 1 1 1 1 1 1 распознавание производится в 2 такта «Инфокоммуникационные технологии» Том 10, № 4, 2012 82 Тарасов В.Н., Фот Ю.Д. выше модели все конечные состояния процесса распознавания достигаются за три этапа. Вероятности состояний системы Р0 . Р9 при равновероятных переходах состояний рассчитываются следующим образом: РЛ=Рс0Рп\ = 1-1/2 = 0,5; Рс2 = Рс0-Р„2 = 1-1/2 = 0,5; РС3=РСЬР„\ = 0,5-1/2 = 0,25; Рс4 = Рс1-Р„2 = 0,5-1/2 = 0,25; Рс5 = РС2-Рп3 = 0,5-1 = 0,5; Рс 6 = Рс3-Р„1 = 0,25-1/2 = 0,125; РС1 = Рс3-Р„2 = 0,25-1/2 = 0,125; Рс 8 = РА-Р„3 = 0,25-1 = 0,25; Рс9 = Рс5-Рп3 = 1-0,5 = 0,5; Рс 6+ Рс7+ Рс8+ Рс9 = 1; то есть распознавание образа в 100% производится на третьем такте. Здесь Рс0 ... Р 9 - вероятности перехода состояний; Рп1 - вероятность перехода состояний без сбоя в системе; Рп2 - вероятность перехода состояний с наличием сбоя системы; РЪ - вероятность безусловного перехода от одного состояния системы в другое. Аналогичным образом (см. рис. 2) производится расчет вероятностей состояний: РЛ=РсО-Р„1 = 1-1/2 = 0,5; Рс2 = Рс0- Р„2 = 1-1/2 = 0,5; Рс3 = Рс1- Рп 1 = 0,5-0,5 = 0,25; Рс4 = Рс1- Рп 2 = 0,5-0,5 = 0,25; Рс5 = Рс2- Р„3 = 0,5-1 = 0,5; Рс6 = Рс4- Рп 3 = 0,25-1 = 0,25; РЛ = Рс5- Рп 3= 0,5-1 =0,5; Рс6+Рс7 = 0,75; то есть распознавание образа в 75% производится на третьем такте и в 25% закончится на втором такте. Рис. 2. Граф переходов состояний в сигнатурной модели, если регистр соответствует распознанному образу при m = 2, n = 3 Если предположить, что Р0 = 1, Рп 1 = Р2 = 0,5, Рп3 = 1, то вероятность состояния Р3 (см. рис. 2), когда система завершает распознавание за два этапа, равна Р 3 = 0,25. Это свидетельствует о том, что в 25% из 100% случаев предложенная система завершит распознавание за два этапа, в то время как модель, описанная выше, - за три этапа, следовательно, фактическое время распознавания образа ^ значительно снизится. При аналогичных расчетах при равновероятных переходах Рп1 = Р2 = 0,5 и Рп0 = 1, Р3 = 1 для случая m = 3, n = 4 было выявлено, что распознавание образа произойдет раньше (на третьем такте) в 12,5% случаях; для случая m = 3, n = 5 распознавание образа произойдет раньше в 31,25% случаях, из них в 12,5% распознавание закончится на третьем такте, а в 18,75% на четвертом такте; для случая m = 4, n = 6 распознавание образа произойдет раньше в 18,75% случаях, из них в 6,25% распознавание закончится на четвертом такте, в 12,5% на пятом такте. Если предположить, что число распознаваний равно N = 1000, то в 250 случаях распознавание завершается за два этапа, а в 750 случаях - за три этапа. В то время как в модели-прототипе каждое распознание завершается за три этапа, а общее число этапов равно 3-1000 = 3000. Выигрыш в производительности АР предлагаемой модели рассчитывается следующим образом: Ар = 3-1000 -(2.250 + 3-750 ) (5) 3•1000 Расчеты показывают, что для случая m = 2, n = 3 производительность модели отбора персонала возросла на 8,3%. Очевидно, что экономия, от своевременного принятия решения, а следовательно и экономия требуемого времени tQ3 по распознаванию образов сигнатурным методом составляет 8,3%. На рис. 3 представлен анализ сокращения требуемого времени t03 для различных признаков n при N = 1000. 100% 94,80% | 100% 91,30% 100% 96,88% | 100% 91,70%| I I 80% 90% 100% Требуемое время распознавания образов в системе отбора персонала, % Рис. 3. Сокращение требуемого времени для различных признаков «Инфокоммуникационные технологии» Том 10, № 4, 2012 83 Заключение При n = 3 экономия требуемого времени t03 по распознаванию образов сигнатурным методом составляет 8,3%, при n = 4 экономия требуемого времени t03 по распознаванию образов сигнатурным методом составляет 3,12%, При n = 5 экономия требуемого времени t03 по распознаванию образов сигнатурным методом составляет 8,7%, при n = 6 экономия требуемого времени t03 по распознаванию образов сигнатурным методом составляет 5,2%. Применение сигнатурного метода идентификации значительно сокращает время анализа зарегистрированных значений образов, тем самым повышается производительность сис темы отбора персонала. Ассоциативно-мажоритарный подход и сигнатурный метод реализованы программно. Для иллюстрации их работы и приведены проведенные выше расчеты.

About the authors

V. N. Tarasov

Email: vt@ist.psati.ru

Yu. D Phot

Email: fotulia@mail.ru

References

  1. Иванцевич Д.М., Лобалов А.А. Человеческие ресурсы управления. М., 1993. - 132 с.
  2. Фот Ю.Д., Аралбаев Т.З. Модель отбора персонала на основе принципов ассоциативности и мажоритарно сти принятия решения // Интеллект. Инновации. Инвестиции. №1, 2011. - С.178-180.

Statistics

Views

Abstract - 28

PDF (Russian) - 10

Cited-By


Article Metrics

Metrics Loading ...

Copyright (c) 2012 Tarasov V.N., Phot Y.D.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies