Содержание к диссертации
Введение
Глава 1. Проблемы и задачи автоматизированного определения квалификации специалистов различных отраслей промышленности 10
1.1. Современные тенденции в области управления персоналом предприятий промышленности 10
1.2. Цель и задачи автоматизации определения квалификации специалистов 11
1.3. Обзор автоматизированных систем контроля знаний 14
1.4. Выбор методов, предназначенных для автоматизированной системы определения квалификации специалистов 21
1.5. Применение методов экспертных оценок в автоматизированной системе определения квалификации специалистов 28
1.5.1. Определение количественного состава группы экспертов 30
1.5.2. Определение компетентности экспертов 32
Глава 2. Разработка автоматизированной системы определения квалификации специалистов 37
2.1. Архитектура автоматизированной системы определения квалификации специалистов 37
2.2. Технические характеристики автоматизированной системы определения квалификации специалистов 39
2.3. Структура автоматизированной системы определения квалификации специалистов 39
2.3.1. Подсистема «Администрирование» 41
2.3.2. Подсистема «Пользователи» 41
2.3.3. Подсистема «Привлечение и подбор кадров» 42
2.3.4. Подсистема «Оценка квалификации» 44
2.3.5. Подсистема «Анализ результатов оценки квалификации» 45
2.3.6. Подсистема «Кадровый учет специалистов предприятия» 46
2.3.7. Подсистема «Безопасность и защита информации» 46
2.4. Алгоритмы подбора и аттестации кадров 47
2.5. Настройка автоматизированной системы определения квалификации под конкретную отрасль промышленности 49
Выводы по главе 2 52
Глава 3. Разработка концептуальных основ, методов и алгоритмов функционирования автоматизированной системы определения квалификации специалистов 55
3.1. Автоматизированный подбор и аттестация специалистов 55
3.2. Описание пространства знаний специалистов 56
3.3. Автоматизированное формирование интегрального показателя квалификации и комплекса оценивающих заданий анализируемой должности 58
3.3.1. Методика формирования интегрального показателя квалификации и комплекса оценивающих заданий, адаптируемая к условиям предприятия 58
3.3.2. Алгоритм формирования комплекса оценивающих заданий и интегрального показателя квалификации 61
3.3.3. Программная реализация методики формирования интегрального показателя квалификации и комплекса оценивающих заданий 62
3.4. Расчет основных характеристик практических заданий 65
3.4.1. Методика определения математических моделей трудоёмкости практических заданий по производственным процессам 67
3.4.2. Автоматизированное определение математических моделей трудоёмкости практических заданий 69
3.4.3. Применение методики определения математических моделей трудоёмкости практических заданий 70
3.5. Расчет основных характеристик тестовых материалов 77
3.5.1. Определение надёжности теста и вычисление погрешности измерения тестового балла 78
3.5.2. Определение содержательной и критериальной валидности теста 80
3.5.3. Открытая форма квалификационных тестовых заданий 82
3.5.4. Модель адаптивного тестирования для автоматизированной системы определения квалификации специалистов 83
3.5.5. Интерпретации результатов квалификационного тестирования 86
3.6. Автоматизация первичной оценки при подборе кандидатов, претендующих на вакантные должности 89
3.7. Автоматизация вторичной оценки при подборе кандидатов, претендующих на вакантные должности 90
3.7.1. Методика определения характеристик профессионального уровня специалистов исследуемой должности 90
3.7.2. Методика выбора специалистов на основе функционально-стоимостного анализа с учётом определяемых предприятием характеристик профессионального уровня исследуемой должности 92
3.7.3. Алгоритм выбора специалистов на основе функционально-стоимостного анализа 93
3.7.4. Программная реализация методики выбора специалистов на основе функционально-стоимостного анализа 94
Выводы по главе 3 97
Глава 4. Определение квалификации специалистов полиграфического производства 100
4.1. Аттестация работников полиграфического предприятия 100
4.1.1. Классическая аттестация работников полиграфического предприятия 101
4.1.2. Проведение классической аттестации работников полиграфического предприятия 102
4.1.3. Автоматизированная аттестация работников полиграфического предприятия 103
4.1.4. Проведение автоматизированной аттестации работников полиграфического предприятия 108
4.2. Сравнительный анализ классической и автоматизированной аттестации работников полиграфического предприятия 110
4.3. Подбор работников полиграфического предприятия 112
4.3.1. Классический подбор специалистов, претендующих на вакантные должности 112
4.3.2. Автоматизированный подбор специалистов, претендующих на вакантные должности 113
4.3.3. Первичная оценка специалистов, претендующих на вакантные должности 115
4.3.4. Проведение классической оценки квалификации специалистов, претендующих на вакантные должности 116
4.3.5. Проведение автоматизированной оценки квалификации специалистов, претендующих на вакантные должности 117
4.3.6. Проведение автоматизированного выбора специалистов на основе функционально-стоимостного анализа 118
4.4. Сравнительный анализ классического и автоматизированного подбора кандидатов, претендующих на вакантные должности 124
Выводы по главе 4 126
Заключение 129
Список использованной литературы 135
Приложения 144
- Обзор автоматизированных систем контроля знаний
- Применение методики определения математических моделей трудоёмкости практических заданий
- Автоматизированная аттестация работников полиграфического предприятия
- Проведение автоматизированного выбора специалистов на основе функционально-стоимостного анализа
Введение к работе
Актуальность исследования. Современные предприятия различных отраслей промышленности вынуждены уделять повышенное внимание вопросам оценки квалификации кадров вследствие высокой конкурирующей борьбы за потребителей. Наличие квалифицированных кадров, удовлетворяющих потребностям предприятия, обеспечивают его существенным конкурентным преимуществом, что немаловажно в текущих рыночных условиях. Главным трендом, способствующим формированию квалифицированного кадрового состава, является оценка квалификации кадров при подборе. Дополнительным условием, обеспечивающим поддержание кадрового состава на заданном предприятием уровне, является проведение периодической аттестации работников.
Отсутствие в настоящее время единых подходов к оценке квалификации специалистов различных отраслей промышленности вынуждает предприятия решать данную задачу собственными силами. Основная сложность оценки квалификации заключается в выборе методов, предназначенных для её выполнения, т.к. неверно выполненный выбор может свести к минимуму результативность проводимой оценки квалификации. Выбор методов оценки квалификации необходимо выполнять с учётом индивидуальных особенностей должности и предъявляемых предприятием к ней требованиям. Кроме того, оценка квалификации связана с многочисленными рутинными операциями, повышающими финансовые и временные затраты. Наиболее рациональное решение вопросов, связанных с оценкой квалификации, может быть достигнуто путём автоматизации определения квалификации специалистов.
На российском рынке присутствует значительное количество автоматизированных систем контроля знаний, однако их применение малоэффективно при оценке квалификации специалистов различных отраслей промышленности. Данные автоматизированные системы не учитывают масштабы предприятий, частные требования к различным должностям, применяют ограниченное количество методов оценки квалификации, не удовлетворяют требованиям адаптивности, гибкости и интеллектуальности выполняемых процессов.
Исходя из вышесказанного, вопрос разработки автоматизированной системы определения квалификации специалистов, предназначенной для предприятий различных отраслей промышленности, является на сегодняшний день актуальным и требующим решения.
Цель диссертационной работы - повышение эффективности и оперативности оценки квалификации с помощью применения автоматизированной системы определения квалификации специалистов, использующей методики и алгоритмы, учитывающие индивидуальные требования предприятия к должности, а также снижение времени и затрат на подбор и аттестацию кадров.
В соответствии с целью в рамках диссертационной работы поставлены и решены следующие задачи:
- проведен обзор и анализ автоматизированных систем контроля знаний;
- определены методы, предназначенные для автоматизированной системы определения квалификации специалистов;
- разработана структура автоматизированной системы определения квалификации специалистов;
- разработана методика автоматизированного формирования интегрального показателя квалификации и комплекса оценивающих заданий, адаптируемая к условиям предприятия;
- разработана методика автоматизированного выбора специалистов на основе функционально-стоимостного анализа;
- в соответствии с предложенными методиками разработаны алгоритмы и выполнена их программная реализация, позволившая автоматизировать соответствующие функции.
Методы исследования. Для решения поставленных задач были использованы следующие научные методы: экспертных оценок, статистического анализа, многофакторного регрессионного анализа, планирования эксперимента, функционально-стоимостного анализа, структурного анализа и проектирования автоматизированных систем.
Научная новизна диссертационного исследования заключается в том, что впервые предложено определять квалификацию исследуемых специалистов с помощью интегрального показателя, учитывающего задаваемые предприятием методы оценки квалификации, в которых применяется комплекс оценивающих заданий, формируемый с учётом предъявляемых предприятием должностных требований к специалистам. Разработана новая методика автоматизированного выбора специалистов, позволяющая выявлять предпочтительного кандидата на основе функционально-стоимостного анализа, учитывающая определяемые предприятием характеристики профессионального уровня исследуемой должности. Разработаны методики и алгоритмы, предназначенные для программной реализации автоматизированной системы определения квалификации специалистов различных отраслей промышленности, обеспечивающие адаптивность, гибкость и интеллектуальность процессов подбора и аттестации кадров с учётом индивидуальных требований предприятий к должности, формируемых на его экспертном совете.
Положения, выносимые на защиту:
- методика автоматизированного формирования интегрального показателя квалификации и комплекса оценивающих заданий, адаптируемая к условиям предприятия;
- методика автоматизированного выбора специалистов на основе функционально-стоимостного анализа с учётом определяемых предприятием характеристик профессионального уровня исследуемой должности;
- структура, функции и алгоритмы работы автоматизированной системы определения квалификации специалистов, обеспечивающей адаптивность, гибкость и интеллектуальность выполняемых процессов.
Практическая ценность исследования заключается в разработке автоматизированной системы определения квалификации специалистов, предназначенной для предприятий различных отраслей промышленности, способствующей снижению затрат и времени на подбор и аттестацию кадров. Разработанные методики и алгоритмы позволяют задавать предприятию методы оценки квалификации, требования для специалистов различных должностей, обеспечивают адаптивность, гибкость и интеллектуальность выполняемых процессов, повышают эффективность проводимой оценки квалификации.
Апробация работы. Теоретические положения и выводы, полученные в ходе выполнения диссертационной работы, были доложены автором на научно-технических конференциях молодых ученых МГУП имени Ивана Федорова (2007, 2010, 2011 г.г.), Волгоградской международной научно-практической конференции «Молодежь и наука: новые взгляды и решения» в 2011 году, Саратовской международной научно-практической конференции «Информационные технологии в экономике, образовании и бизнесе» в 2011 году и Санкт-Петербургской юбилейной международной конференции студентов и молодых ученых «PRINT-2011».
Материалы диссертации являются частью научно-исследовательских работ, выполненных в соответствии с планом госбюджетных НИР Московским государственным университетом печати имени Ивана Федорова по заказу Министерства образования и науки Российской Федерации: «Разработка научных основ и методологии формирования, повышения эффективности функционирования и технического обслуживания интегрированных систем полиграфии» (государственный регистрационный №01200504657) и «Исследование методов управления и средств автоматизации технологических процессов полиграфического производства» (государственный регистрационный №01201170688).
Результаты работы внедрены в ЗАО «Группа Эксперт», о чем имеется соответствующий акт.
Сведения об объеме и структуре работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка использованной литературы и приложений. Основное содержание изложено на 143 страницах, диссертационная работа содержит 29 таблиц и 27 рисунков. Список использованной литературы насчитывает 107 наименований.
Публикации. Основные положения и результаты диссертационного исследования опубликованы в 18 работах, в том числе 1 монография и 3 работы в журналах, рекомендованных ВАК РФ.
Обзор автоматизированных систем контроля знаний
В нашей стране накоплен огромный опыт по созданию систем контроля знаний. Первые технические устройства оперативного контроля знаний появились в 60-70-е годы прошлого столетия при разработке технологий программированного обучения, но они не получили массового использования. Фактически применение систем контроля знаний в России началось в 1993 году. Первые системы (Адонис, Кобра, Сценарий, Урок) были предназначены для автоматизации процесса контроля знаний учащихся и студентов [12]. За последние годы была проведена большая и результативная работа по созданию автоматизированных систем контроля знаний. Наибольшая активизация данного процесса началась после присоединения в 2003 году России к Болонскому соглашению [30].
Различные аспекты в области оценки знаний, создания и применения обучающих систем на базе современных информационных технологий, вопросы разработки баз данных и баз знаний программных систем рассматривались следующими отечественными и зарубежными учёными: B.C. Аванесовым [1], И.А. Башмаковым [11], В.И.Васильевым [21,22], Д.С.Горбатовым [32], В.И. Загвязинским [40], П. Клайном [68], Ш.М. Минасовым [80], Д.И. Поповым [89], Д.А. Поспеловым [90], П.И. Третьяковым [99], Т.Н. Тягуновой [101], В.Д. Чертовским [104] и др.
В настоящее время разработано значительное количество автоматизированных систем контроля знаний. В рамках диссертационного исследования осуществлен обзор 53 автоматизированных систем контроля знаний, изучена их архитектура, функциональные возможности, используемые методы оценки квалификации. Данные по результатам сравнения автоматизированных систем представлены в прил. 1 [47]. Отметим, что кроме изученных 53 автоматизированных систем контроля знаний на российском рынке присутствуют автоматизированные системы, позиционирующие себя как «инструменты» предназначенные для оценки квалификации, но не являющиеся ими, например, Em Рекрутер, Резюмакс, E-Staff - основной задачей данных систем является привлечение кадров, а не оценка их квалификации.
Проведем описание функциональных возможностей девяти автоматизированных систем контроля знаний, обладающих наибольшим количеством внедрений (информация о количестве внедрений взята из официальных Интернет-сайтов компаний-разработчиков автоматизированных систем контроля знаний).
1. «Mirapolis Knowledge Center», Mirapolis. Автоматизированная система контроля знаний позволяет осуществлять первичную оценку кандидатов, претендующих на вакантные должности, оценивать квалификацию и анализировать полученные данные, а также осуществлять обучение работников. Для первичной оценки кандидатов, претендующих на вакантные должности, используются методы резюме и анкетирования. Квалификация специалистов оценивается с помощью квалификационных тестов и метода 360 градусов. Для обучения работников реализована возможность разработки электронных курсов.
2. «WebTutor», WebSoft. С помощью метода резюме и психологических тестов осуществляется первичная оценка кандидатов, претендующих на вакантные должности. Оценка квалификации выполняется с помощью квалификационного тестирования и метода 360 градусов. По результатам проведенной оценки генерируются отчеты. Имеется возможность использования электронных курсов для проведения обучения работников.
3. «1С:Предприятие 8. Оценка персонала», 1С - автоматизированная система контроля знаний, выполняющая функции подбора персонала, оценки квалификации и анализа полученных данных. Для первичной оценки кандидатов, претендующих на вакантные должности, в автоматизированной системе используется резюме и психологические тесты (применяется 40 психодиагностических методик). Оценка квалификации специалистов выполняется с помощью квалификационных тестов и метода 360 градусов. По результатам проведенной оценки автоматизированная система осуществляет формирование отчетов.
4. «Олимп: ОКС», Термика. Автоматизированная система контроля знаний использует в своей работе метод квалификационного тестирования, формирует отчеты по результатам проведенной оценки. Присутствует возможность разработки электронных курсов для обучения работников по проблемным областям знаний.
5. «Assessment Tools», ГиперМетод IBS. Автоматизированная система контроля знаний выполняет с помощью резюме первичную оценку кандидатов, претендующих на вакантные должности, оценка квалификации осуществляется с помощью квалификационных тестов и метода 360 градусов. По результатам проведенной оценки выполняется принятие кадровых решений.
6. «Adit Testdesk», Adit Software. Данная автоматизированная система контроля знаний осуществляет первичную оценку кандидатов, претендующих на вакантные должности, с помощью анкетирования и психологических тестов; оценку квалификации - с помощью квалификационных тестов. По результатам проведенной оценки генерируются соответствующие отчеты.
7. «Аттестация», Proself. В данной автоматизированной системе контроля знаний для оценки квалификации применяется квалификационное тестирование. Программа снабжена редактором тестов, позволяющим не только создавать их, но и импортировать из других автоматизированных систем контроля знаний. По результатам проведенной оценки генерируются соответствующие отчеты.
8. «Прометей - Оценка персонала», ВТВО. Автоматизированная система контроля знаний применяет для оценки квалификации специалистов метод 360 градусов, формирует отчеты по результатам проведенной оценки.
9. «Redclass Pro», УШІ «Редцентр». Автоматизированная система контроля знаний позволяет выполнять оценку квалификации специалистов с помощью квалификационного тестирования, проводить статистический анализ данных и генерировать отчеты по проведенной оценке.
Данные по функциональным возможностям рассмотренных автоматизированных систем контроля знаний сведены в табл. 1.1.
Отметим, что во всех изученных автоматизированных системах контроля знаний использующих для оценки квалификации метод квалификационного тестирования, реализована программная возможность разработки, верификации квалификационных тестов, анализа результатов тестирования.
Оценка квалификации в рассмотренных автоматизированных системах контроля знаний осуществляется с помощью квалификационных тестов, также в отдельных автоматизированных системах таких, как «Mirapolis Knowledge Center», «WebTutor», «1С: Предприятие 8. Оценка персонала», «Прометей - Оценка персонала» и «Assessment Tools» - с помощью метода 360 градусов. Отметим, что применение данных методов позволяет оценивать только теоретические знания работников.
При подборе кадров необходимо выполнять первичную оценку кандидатов, претендующих вакантные должности, что способствует определению компетентных специалистов, допускаемых до автоматизированной оценки квалификации. После оценки квалификации следует проводить вторичную оценку, заключающуюся в выборе специалистов наиболее соответствующих заданных предприятием требований к должности. Первичная оценка позволяет определять кандидатов, некомпетентных для вакантных должностей; без её проведения оценка квалификации может потребовать значительных как финансовых, так и временных затрат. Из рассмотренных 53 автоматизированных систем контроля знаний большинство из них не обладают соответствующей функцией, и только в автоматизированных системах «Mirapolis Knowledge Center», «WebTutor», «1С:Предприятие 8. Оценка персонала», «Assessment Tools» и «Adit Testdesk» применяются такие методы первичной оценки, как: резюме, психологические тесты и анкетирование.
Применение методики определения математических моделей трудоёмкости практических заданий
Рассмотрим пример использования предложенной методики при определении математических моделей практических заданий по производственным процессам. Представленное практическое задание разрабатывалось для дизайнеров, относится к области полиграфического дизайна. Задание выполнялось сотрудниками подготовки ЗАО «Группа Эксперт», в экспертную группу вошли: 2 художника-иллюстратора, дизайнер и помощник верстальщика [48]. Экспертами было разработано практическое задание по обтравке изображения. В табл. 3.4 приведены операции, которые могут выполняться при обтравке изображений.
Векторное изображение представляет собой совокупность отрезков кривых линий, описываемых математическими выражениями, и цветных заливок. Чтобы компьютер нарисовал прямую линию, нужны координаты двух точек, которые соединяются по кратчайшему пути, для дуги задаются координаты центра окружности и радиус и т.д. Таким образом, векторная иллюстрация - это набор геометрических фигур, использующихся для создания более сложных изображений.
Процесс обтравки состоит в отделении определенного объекта растрового изображения от фона. Для этого используется инструмент «Pen Tool» («Перо») программы Photoshop. После получения векторной кривой она переводится в выделение (операция «Make Selection» («Выделить»), также изменяется параметр «Feather» («Размытие»), выбираемый в большинстве случаев равным 1 рх.).
В результате обсуждения были определены основные параметры, влияющие на сложность обтравки изображений (табл. 3.5). Поскольку количество параметров меньше пяти, нет необходимости в проведении экспертной оценки. Планирование эксперимента осуществлялось на двух уровнях.
Двухуровневые планы находят широкое применение для математического описания связи между количественными значениями контролируемых переменных (факторов) и измеряемой переменной (признаком).
Эксперимент является полнофакторным, то есть все уровни каждого фактора сочетаются со всеми уровнями остальных факторов. Для этих экспериментов число экспериментальных точек п равно: n = S , где S = 2 - число уровней каждого фактора, к - число факторов. В рассматриваемом случае определяем: п = 24 = 16. В связи с тем, что значение признака у является случайной величиной в каждом опыте, то опыты в каждой точке повторяются т - 4 раза. Следовательно, общий объем наблюдений N = m-S =64.
Матрица планирования эксперимента представлена в табл. 3.6, а результаты по определению времени обработки тестовых изображений - в табл. 3.7.
Дисперсия воспроизводимости Su (у), характеризует ошибку опыта (ошибку воспроизводимости) в различных экспериментальных точках плана и ошибку признака у в опыте в целом, т.е. Su (у) является дисперсией признака у [105].
Проверка однородности величин yju в и-ой группе наблюдений может, например, осуществляться с использованием V статистики. В этом случае крайние члены вариационного ряда значений yju считают однородными
Проверка адекватности полученной модели
Для проверки гипотезы об адекватности модели используется критерий Фишера, при этом значение F-статистики обычно вычисляется как отношение дисперсий Sad2 и б Су), т.е.: F = — F(fad;f), где »Sad2 - дисперсия неадекватности,
Следовательно, F = l,79«ir005(12,48) = l,96. Полученная модель не противоречит результатам наблюдений, уравнение регрессии может быть использовано для прогнозирования времени обтравки изображений.
Представленный пример демонстрирует возможность применения методики определения математических моделей трудоемкости практических заданий по производственным процессам.
В соответствии с определенными математическими моделями трудоёмкости рассчитывается время выполнения практических заданий. Определенные математические модели трудоёмкости практических заданий по производственным процессам применяются для изучения затрат времени на выполнение практических заданий испытуемыми специалистами.
Автоматизированная аттестация работников полиграфического предприятия
При выполнении автоматизированной аттестации работников полиграфического предприятия в зависимости от исследуемой должности производится: определение методов оценки квалификации; формирование интегрального показателя квалификации с учётом заданных предприятием методов оценки квалификации; формирование комплекса оценивающих заданий по областям знаний в соответствии с должностными требованиями к специалистам. Затем сформированный комплекс оценивающих заданий предъявляется специалистам анализируемой должности.
Методика формирования интегрального показателя квалификации и комплекса оценивающих заданий, адаптируемая к условиям предприятия описана в п. 3.3.1. Рассмотрим применение данной методики на примере формирования интегрального показателя квалификации и комплекса оценивающих заданий для дизайнеров.
Формирование экспертного совета выполнялось с помощью метода «снежного кома». Заранее известным трём специалистам в области полиграфического дизайна было предложено заполнить анкету (прил. 2). Каждого из них попросили назвать пять известных им специалистов в исследуемой области. Названных в первом туре опроса (вновь полученных кандидатов в эксперты) попросили в свою очередь сделать то же самое и т.д.
В первом туре опроса появилось 7 новых кандидатов в эксперты, во втором -6, в третьем - 3. Чем больше по рангу был тур, тем больше было повторений. В итоге опрос был прекращен. Кандидатам была предложена анкета (прил. 3), заполнив которую можно было оценить их компетентность. Для решения поставленной задачи из представленных 19 кандидатов было выбрано 8 экспертов, уровень компетентности которых был больше или равен 0,8. Таким образом, в экспертный совет предприятия было включено 8 экспертов.
Для оценки квалификации дизайнеров экспертами было принято решение применять следующие методы: квалификационные тесты и практические задания. Для данных методов оценки квалификации определены следующие весовые коэффициенты: А, =0,25 для квалификационных тестов и / =0,75 для практических заданий. Таким образом, был сформирован интегральный показатель квалификации дизайнеров: К = 0,25 + 0,75К2.
Характеристика работы дизайнеров и их должностные обязанности приведены в прил. 4. Выбранным экспертам было предложено заполнить анкету основных областей знаний (прил. 5) и определить важность характеристик, на которые необходимо обратить внимание в первую очередь при определении квалификации дизайнера. Список сформированных областей знаний дизайнера представлен в табл. 4.3.
Выполнено ранжирование областей знаний дизайнера. После проведенного анкетирования полученные результаты были сведены в единую таблицу (табл. 4.4) [45,52]. В данной таблице представлены результаты проведенного экспертного опроса, кроме того в таблицу вошли рассчитанные значения суммы рангов S. и коэффициенты значимости к- и kjQ [13, 14, 98, 102].
Из 11 областей знаний выделено 6 наиболее важных, для которых к ккг =1/11 = 0,091 [15, 16]. В нашем случае данному условию соответствуют 1, 2,
3, 4, 5 и 6 области знаний. Затем, рассчитываются новые коэффициенты значимости {к 0). Диаграмма полученных результатов наиболее важных областей знаний представлена на рис. 4.2.
Видим, что наиболее важными областями знаний являются:
1) методы и средства выполнения художественно-оформительских работ ( ,0 = 0,217);
2) компьютерные программы, применяемые при создании проектов полиграфической продукции (Kj0 - 0,205);
3) действующие стандарты и технические условия, методики оформления различных полиграфических изданий (Kj0 = 0,167 );
4) технология производства разрабатываемой полиграфической продукции ( .0 = 0,156);
5) основы фотографии и рисунка (Kj0 = 0,130);
6) требования, предъявляемые к разработке и оформлению художественно-дизайнерской документации (KJ0 = 0,125 ).
Коэффициент конкордации Кендалла равен 0,956, что свидетельствует о хорошей согласованности мнений экспертов.
Оценим значимость коэффициента конкордации с помощью критерия Пирсона [17, 86]. Для числа степеней свободы / = «-1 = 10 и уровня значимости а - 0,05 получим 2toW=18,3. Рассчитаем 2, получим: ; 2 =8(11-1)-0,95 6 = 76,45. Поскольку %р %гшы, т0 есть 76,45 18,3 - подтверждается достаточная согласованность мнений экспертов по всей совокупности рассматриваемых параметров, коэффициент конкордации является значимым, соответственно проведенный экспертный опрос выполнен верно [50].
В результате экспертного опроса определены наиболее важные области знаний по которым формируется комплекс оценивающих заданий, предназначенный для определения квалификации дизайнера. Аналогичным образом, используя разработанную методику, формируются интегральные показатели квалификации и комплексы оценивающих заданий для других специалистов допечатной подготовки.
Проведение автоматизированного выбора специалистов на основе функционально-стоимостного анализа
После выполнения автоматизированной оценки квалификации проводилась вторичная оценка специалистов, заключающаяся в их выборе на основе функционально-стоимостного анализа с учётом характеристик, составляющих профессиональный уровень специалистов допечатной подготовки. Напомним, что данными характеристиками были определены квалификация опыт работы (п. 4.2.2). Для определения коэффициента, характеризующего опыт работы кандидата (KOR), было предложено использовать следующую таблицу соответствий (табл. 4.11).
Выбор специалистов проводится по описанной в п. 3.7.2 методике выбора специалистов на основе функционально-стоимостного анализа с учётом характеристик профессионального уровня исследуемой должности.
На экспертном совете предприятия было определено, что при проводимом выборе приоритетным является профессиональный уровень специалиста, а не заработная плата; также экспертами были заданы следующие значения весовых коэффициентов: Ар = 0,75 для профессионального уровня, 1С = 0,25 для заработной платы.
Автоматизированный выбор корректоров
Данные о заработной плате, запрашиваемой 2 кандидатами, коэффициентах квалификации, коэффициентах, характеризующих опыт работы, сведены в табл. 4.12.
Вычислен профессиональный уровень корректора №1 (0,72, доминируемый вариант) и профессиональный уровень корректора №2 (1,28, доминирующий вариант). Поскольку был определен только один доминирующий вариант, предпочтение отдано корректору №2.
Автоматизированный выбор дизайнеров
Данные о заработной плате, запрашиваемой 3 кандидатами, претендующими на должность дизайнера, коэффициентах квалификаций, коэффициентах, характеризующих опыт работы, сведены в таблицу сравнения дизайнеров по принципу «заработная плата/профессиональный уровень» (табл. 4.13).
Для удобства обработки результатов при определении профессионального уровня, выполнялось нормирование коэффициентов квалификации и коэффициентов, характеризующих опыт работы. Полученные результаты проиллюстрированы нарис. 4.4 [42].
На рис. 4.5 представлено поле выбора для анализируемых дизайнеров. Анализируя рис. 4.5 определен доминируемый вариант: дизайнер №1. Доминирующими являются дизайнеры №2 и №3.
Проводится сравнение доминирующих специалистов, путем исключения из рассмотрения доминируемой альтернативы. В табл. 4.14 приведено сравнение значений 8у при различных весовых коэффициентах Лр и Лс.
При заданных условиях (Лр = 0,75, Лс =0,25), когда профессиональный уровень специалиста важнее, чем заработная плата получаем, что предпочтительным является дизайнер №2.
Кроме того, в качестве примера были рассмотрены следующие случаи:
- когда заработная плата и профессиональный уровень специалиста равнозначны (Лр = 0,5, Лс =0,5), предпочтителен дизайнер №2;
- когда более важным является низкая заработная плата, а не профессиональный уровень специалиста (Лр = 0,25, Лс = 0,75), предпочтителен дизайнер №3.
Таким образом, представленный пример наглядно демонстрирует преимущество автоматизированного выбора с помощью разработанной методики в отличие от классического выбора. Разработанная методика позволяет при выполнении выбора специалистов учитывать не только их квалификацию, но и индивидуально определяемые для каждой анализируемой должности характеристики профессионального уровня.
Автоматизированный выбор верстальщиков
Данные о заработной плате, запрашиваемой кандидатами, коэффициентах квалификаций, коэффициентах, характеризующих опыт работы, были сведены в таблицу сравнения специалистов по принципу «заработная плата/профессиональный уровень» (табл. 4.15).
Вычислен профессиональный уровень верстальщика №1 (1,08, доминирующий вариант) и профессиональный уровень верстальщика №2 (0,92, доминирующий вариант). Поскольку оба специалиста являются доминирующими, для них проводится выбор на основе функционально-стоимостного анализа. В табл. 4.16 приведено сравнение значений 8tj при различных весовых коэффициентах Лр и Лс.
Рассмотрены следующие случаи:
- заработная плата и профессиональный уровень специалиста равнозначны (предпочтителен верстальщик №1);
- более важным является низкая заработная плата, а не профессиональный уровень специалиста (предпочтителен верстальщик №1);
- профессиональный уровень специалиста важнее, чем заработная плата (предпочтителен верстальщик №1).
Исходя из условий выбора заданными экспертами (Лр= 0,75, Лс = 0,25), предпочтение отдаётся верстальщику №1. Отметим, что и для других рассмотренных случаев предпочтение также отдаётся верстальщику №1, что связано с тем, что кроме отличного квалификационного уровня данный специалист имеет более чем 3 летний опыт работы.
Таким образом, применение разработанной методики на практике продемонстрировало эффективность проводимого выбора, который обеспечивается учётом требований предприятия к исследуемой должности.
