基于云模型的供电企业人力资源风险评价

基于云模型的供电企业人力资源风险评价

基于云模型的供电企业人力资源风险评价

秦湘灵，居勇，曾鸣，赵徽，马博

（华北电力大学工商管理学院，北京102206）

摘要：为了掌控供电企业现存的人力资源风险状况，及时规避人力资源风险。本文建立了符合供电企业人力资源特点的人力资源风险评价指标体系。通过层次分析法和线性加权法确定人力资源得分。在对人力资源风险等级划分中，引入云模型。该模型摒弃了以往研究的硬划分，更能体现数据的分布特性。然后对评价对象进行逆向正态云化来获得其云参数，最后利用该云参数进行评价。通过实例证明，该模型能够挖掘出更多隐含的信息，具有可行性和有效性。

关键词：人力风险；指标体系；层次分析法；线性加权；云模型中图分类号：F272.92

文献标识码：A

文章编号：1004-292X（2009）06-0061-03

一、引言

随着全球化竞争和知识经济时代的到来，人力资源日益成为企业竞争优势的基础。然而，由于人力资源本身所具有独特属性，企业在对其进行使用和管理的过程中往往会遇到各种各样的风险。

迄今为止，国内外已有不少学者对此展开过研究，并取得了一定的研究成果。应当说，这些研究成果的取得，对指导一般企业的人力资源管理实践、提高其人力资源管理的水平起到了十分重要的作用。但是，一方面，供电企业由于其长期的垄断地位，企业的人力资源有着不同于一般行业的特征；另一方面，人力资源风险评价属于一个多层次的评价问题，评价指标的描述多为自然语言，一般数学方法难以将其定量化。因此，

本文建立了符合供电企业特点的人力资源风险评价指标体系，并引入云模型进行风险评价。该模型能够把自然语言中定性概念的模糊性和随机性有机综合在一起，实现定性语言值和定量数值之间转换，克服了以往评价方法主观性强、表达形式单一的不足，是研究不确定性的重要工具。实例研究证明，该模型可以对概念等级进行有效划分，能够对人力资源风险程度做出准确评价。

二、建立指标体系

人力资源风险预警指标体系由一系列能敏感反映人力资源管理活动状态和结果表现的指标构成。依据灵敏性、可测度性、相对独立性、广泛性、可比性和可预见性等指标设立的原则，本文建立了如图1所示的人力资源风险指标体系。

人力资源风险指标体系

劳动组织风险

A1

绩效考核与分配风险A2

考

绩核效指考标核A24A25的规合范理程全度面

性

退休与社会保障管理风险A3

员工道德风险

A4

员工培训管理风险A5

人力资源开发风险A6

企业原事因件的劳A11动争议生产岗位A12员

工配置率

考薪核酬的A的A21执22

执

行行力力

分

配制A23度满意率

退休A31保险完备

退休人员备档A32案规范

完

员工故意A41不

作为情况

挪用公务A42人员比例

缺A43勤率

培训A51合

格率人均A52受训率

培训效果A53与费用比率

招聘A61失

败率

关键岗A62位离职率

关键岗位A63员

工满意度

、

图1供电企业人力资源风险评价指标体系

收稿日期：2009-03-26作者简介：秦湘灵（），女，湖南人，博士研究生，研究方向：电力经济，电力企业管理；1972-居勇（），男，江苏人，硕士研究生，研究方向：电力经济，电力技术经济管理；1983-曾鸣（），男，山西人，教授，博士生导师，主要从事电力市场、电力经济研究；1957-赵徽（），男，广西人，硕士研究生，研究方向：电力技术经济管理；1985-马博（），男，湖北人，硕士研究生，研究方向：电力企业管理。1986-

·61·

技术经济与管理研究

三、确定指标权重

2009年第6期

（HyperEntropy）三个数值来表征。超熵He

期望Ex(expectation)：在论域空间中最能够代表此定性概念的点。熵En(entropy)：代表一个定性概念的可度量粒度和不确定性，表示定型概念的模糊度，是定性概念亦此亦彼性的度量。超熵He是熵的不确定度量，间接地反映了云的厚度。

（）梯形云发生器。①正向云发生器：正向云发生器是根2

Ex2、En1、En2、He1、He2）来产生n个云滴，从据已知的云参数（Ex1、而形成梯形云。思路是先形成左半梯形云，再形成右半梯形云。②x条件云发生器：给定云的三个数字特征（Ex1、Ex2、En1、

本文采用改进的层次分析法计算指标的权重，可以保证判断矩阵的一致性，流程如图2：

建立初始判断矩阵A=（aij）n×m

建立A*：a*ij=10cij

（i,j=1,2,…,n）

En2、He1、He2）和特定的数值x0的条件下的云发生器称为x条件云发生器。x条件云发生器生成的云滴位于同一条竖直线上，横坐标数值均为x，纵坐标隶属度值呈概率分布。③逆向正态云发生器：给定符合某一正态云分布规律的一组云滴作为样本，产生正态云的三个数字特征值（Ex、En、He），其软件或硬件实现称为逆向正态云发生器。正向云发生器和逆向云发生器相结合，可以实现定性与定量的随时转换。

（3）云变换。云变换是指对于任意一个不规则的数据分布，根据某种原则进行数学变换，使之成为若干个不同的云的

m

图2改进的层次分析法

四、指标得分

对于定性指标，采用专家打分法，以100分为满分，进行打分；对于定量指标，用如下公式进行处理：

（）效益型指标。效益型指标即指标数值越大越好的指标1项，方法如下：

=

[0.4（x-a）（/b-a）+0.6]·c

c

当x≤b当x≥b

（1）

叠加。梯形云的变换，实际上就是对公式g（x）=∑cjf（jEx1j,Ex2j,

j=1

其中：x表示某指标实际值，a表示该指标预警值，b表示该指标满意值，c表示该指标对应的标准分，本文取100。

（）成本型指标的评分方法。对于成本型指标，即指标数2

值越小越好的指标项，计分公式调整为：

=

）+ε的求解，属于一个优化问题。基于云模型En1j,En2j,He1j,He2j

的概念划分作用不仅仅是将原始数据划分为m个概念，同时也可以获得反映各概念基本特征的云参数。其基本思路是利用数据分布频率函数的最大值作为云的期望，然后向左向右搜寻下一极大值，将两极值间的宽度进行最小阈值比较，从而确定该梯形云是否退化为正态云。判断结果若为正态云，可直接利用正态云的变换方法进行变换；判断结果若为梯形云，可以把梯形云视为两个半正态云，通过正态云变换的方法完成变换过程。

（）确定人力资源风险等级。根据x条件梯形云发生器，获4

得对各个概念的隶属度，按照隶属度最大原则，确定该企业人力资源风险所属概念。

六、实例研究

（）数据的获取及处理。本文选取了30家供电企业作为研1

究对象，并邀请20名专家对其中的定性指标进行打分，打分的范围是[0，100]。对于定量指标，则通过公式（1）、（2）来计算得分。最后利用线性加权法获得总得分，一共获得了600个样本得分。

（）概念划分。云变换是从某一论域的数据分布中恢复其2

定性描述的过程，也是一个概念归纳学习的最优化过程。本文通过云变换可以获得如表1所示的概念划分。每个梯形云代表

（x-a）（/a-b）+0.6]·c[0.4

c

当x≥b当x≤b

（2）

然后，本文采用线性加权法计算人力 …… 此处隐藏：4163字，全部文档内容请下载后查看。喜欢就下载吧 ……