Современные методы контроля рабочего времени сотрудников организации - Менеджмент и трудовые отношения реферат

Современные методы контроля рабочего времени сотрудников организации - Менеджмент и трудовые отношения реферат




































Главная

Менеджмент и трудовые отношения
Современные методы контроля рабочего времени сотрудников организации

Контроль эффективности использования трудовых ресурсов. Использование байесовского классификатора, теории нечетких множеств Заде и теории нейронных сетей. Структура системы нечеткого вывода. Основные методы моделирования интеллектуальной деятельности.


посмотреть текст работы


скачать работу можно здесь


полная информация о работе


весь список подобных работ


Нужна помощь с учёбой? Наши эксперты готовы помочь!
Нажимая на кнопку, вы соглашаетесь с
политикой обработки персональных данных

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
· контроль своевременного прихода на работу
· контроль нахождения работников на рабочем месте в течение рабочего времени
· контроль своевременного ухода с работы
· учет фактически отработанного времени
В образовательном учреждении, для которого проектируется прототип системы, имеется контрольно-пропускная система, позволяющая отслеживать время прихода и ухода работников. На основе данных с датчиков необходимо построить математическую модель, классифицирующую сотрудников, имеющих установленное для них время нахождения на работе, на три группы:
1. «Красная группа». Сотрудники, время прихода/ухода которых вызывает нарекания, так как это оказывает негативное воздействие на работу.
2. «Желтая группа». Сотрудники, время прихода/ухода которых не сильно отклоняется от графика. С течением времени сотрудники из этой группы могут оказаться либо в «красной группе», либо в «зеленой группе».
3. «Зеленая группа». Сотрудники, время прихода/ухода которых соответствует графику и не создает негативных последствий.
Очевидно, что организация деятельности образовательного учреждения имеет определенную специфику, которую система контроля должна учитывать:
· сотрудники могут иметь несколько рабочих мест, или не быть привязанным к ним вовсе;
· отклонения от расписания критично влияют на образовательный процесс, то есть на всю деятельность организации;
· прогулы также крайне отрицательно сказываются на результативности, их необходимо тщательно отслеживать;
Постановка задачи подразумевает построение математической модели, являющейся прототипом экспертной системы. Такая классификация позволит не просто проверять сотрудников на отклонения от расписания, а анализировать данные с помощью регулярных отчетов.
Так как проблема контроля рабочего времени не нова, то на данный момент существуют различные способы ее решения. Компании по-разному относятся к данной проблеме, некоторые из них решают не вести учет рабочего времени. Конечно, такой подход имеет место быть, однако, как правило, рано или поздно руководство замечает неизбежно возникающие проблемы и приходит к решению об организации контроля.
Многие компании внедряют контрольно-пропускной режим, который помимо своей основной функции обеспечения безопасности, предоставляет информацию о времени прихода и ухода сотрудников. Анализ данной информации может выявить нарушения установленного режима рабочего времени, включая прогулы. Какие именно отклонения от установленного расписания считать нарушениями устанавливает политика компании. Как правило, это жесткие ограничения, разбивающие временной отрезок на две части: вовремя и поздно. Но такое простое разбиение не учитывает ни как часто происходит ситуация с нарушениями, ни какие наблюдаются тенденции.
Так же существуют программные средства учета рабочего времени. На данный момент на рынке предложены разнообразные программы учета рабочего времени, они отличаются функционалом, специализацией и степенью контроля. Наиболее популярные это: "Yaware", "CrocoTime", "Дисциплина" и "Офис-метрика". Данные программы рассчитаны на учет времени для сотрудников, работающих за персональными компьютерами. В функционал данных систем входит учет продуктивного и непродуктивного времени, учет прогулов, ранних уходов и опозданий; некоторые из них в дополнение делают скрины рабочего стола.
Отдельно стоит выделить сервис "Workly". Данный сервис предлагает облачное решение для планшетов с операционной системой iOS или Android. Один или несколько планшетов устанавливаются на пропускном пункте, где сотрудники отмечаются при помощи PIN-кода, QR-кода или технологии NFC. Данное решение имеет схожий функционал с вышеописанными программами и подходит для некомпьютерных организаций. Тем не менее, данная система не предоставляет обобщенной статистики с классификацией: учет ведется отдельно по каждому сотруднику.
Как уже упоминалось, решения принимаются зачастую в условиях неопределенности. Согласно Питеру Джексону (Джексон, 2001), в большинстве случаев источники неполноты информации можно разделить на два множества: недостаток знаний предметной области и недостаток информации о конкретной ситуации.
Д.И. Шапиро (Шапиро, 1983) выделяет шесть типов неопределенности: неточность, незнание, неопределенность, субъективная вероятность, неполнота данных, расплывчатость. Применительно к предметной области данные категории будут раскрываться следующим образом (Таблица 1).
Ошибка в данных, наличие погрешности
Недостаточность данных для оценки или принятия решения
Отсутствие данных по времени прихода/ухода сотрудника
Использование экспертом лингвистических терминов без количественной интерпретации
Неопределенность может стать проблемой, так как она мешает получению наилучшего решения или даже становится причиной принятия некачественных решений.
Как было описано в постановке проблемы, проектируемая система должна классифицировать сотрудников. Задача классификации широко рассматривается в машинном обучении (Вятченин, 2004), а также в разделе вычислительной математики - дискриминантном анализе (Айвазян и др., 1989). Решить задачу классификации означает построить алгоритм, позволяющий классифицировать объект исходного множества, то есть указать номер (наименование) класса, к которому относится объект.
К настоящему моменту существует множество теорий, которые позволяют успешно действовать в условиях неопределенности. Применительно к задаче классификации используются байесовский классификатор, теория нечетких множеств Заде и теория нейронных сетей. Рассмотрим их преимущества и недостатки для выбора оптимального метода для поставленной задачи.
1) Построение оптимального классификатора для известных плотностей классов;
2) Восстановление неизвестных плотностей по обучающей выборке.
Первая подзадача имеет простое решение, а вторая составляет основную сложность подхода.
Для восстановления плотностей используются в основном три подхода:
· Параметрический. Плотности предполагаются нормальными, то есть имеют гауссовское распределение (методы: линейный дискриминант Фишера и нормальный дискриминантный анализ);
· Непараметрический. Наиболее простой подход, основан на локальной аппроксимации плотности в окрестности классифицируемого объекта (метод парзеновского окна);
· Разделение смеси. Если функцию плотности невозможно восстановить параметрическим распределением, то можно попробовать описать ее смесью распределений. Это наиболее общий подход байесовских классификаторов (метод радиальных базисных функций)
Таким образом, преимуществами данного подхода являются:
· Является основой для широкого класса классификаторов;
· Удобство использования в качестве эталона на модельных данных.
При этом, необходимо учитывать недостатки данного метода:
· Ни один из методов восстановления плотности не является лучшим. Необходимо подбирать экспериментально.
· Необходима репрезентативная выборка данных для восстановления функций.
· Байесовский классификатор перестает быть оптимальным после подстановки восстановленной функции плотности распределения.
· Нелинейность. Нейронные сети нелинейны по своей природе, позволяет воспроизводить сложные зависимости, как линейные, так и нелинейные. Кроме того, такие сети имеют преимущество перед линейными классификаторами, для которых "проклятие размерности" не позволяет моделировать зависимости с большим числом переменных.
· Отображение входной информации в выходную. Для обучения с учителем (использование обучающей размеченной выборки для настраивания нейронной сети) обучение ведется с нуля, то есть изначально нет необходимости предполагать какую-либо статистическую модель входных данных.
· Адаптивность. Это свойство означает, что нейронные сети легко переобучаются, и могут подстроиться под изменения.
· Масштабируемость. Параллельная структура сетей позволяет ускорить решение задач.
· Единообразия проектирования. Нейронные сети достаточно универсальны в плане обработки информации, то есть один и тот же проект может быть использован в различных областях.
· Простота в использовании. Не смотря на то, что от пользователя требуется знание некоторых эвристик, но этот уровень знаний гораздо меньше уровня необходимого для традиционных методов статистики.
Тем не менее, на практике применение нейронных сетей связано с определенными проблемами. Во-первых, заранее не известно, сколько уровней и какой размерности потребуется для удовлетворяющей потребностям точности. Во-вторых, если количество признаков не велико, то может возникнуть ситуация, когда один и тот же объект попадает в разные классы. Если в исходных данных есть такое противоречие, то сеть не будет корректно работать. Чтобы решить эту проблему, можно увеличить размерность пространства признаков объектов, однако это может привести к переобучению сети (сеть будет просто запоминать правильные ответы, а не аппроксимировать). Таким образом, очень важно найти компромисс с объемом сети.
В общем случае, построение нейронной сети происходит в 4 этапа:
1) Работа с данными. Составляется база данных из описаний объектов, далее данная база разбивается на две выборки: тестовую и обучающую.
2) Предобработка данных. Данные преобразовываются в соответствующий формат, выделяются признаки объектов, отдельно выносится класс объекта.
3) Проектирование, обучение и оценка качества. На данном этапе выбирается архитектура сети, выбираются параметры, размер, алгоритм обучения, после чего происходит обучение на обучающей выборке. Для оценки качества сравниваются результаты, полученные при помощи сети на тестовой выборке с истинными результатами. Также на этом этапе сеть оптимизируют.
4) Использование. Если сеть дает результаты, удовлетворяющие степени точности, ее можно использовать для исследуемой задачи.
Рисунок 1 - Структура системы нечеткого вывода
Основным преимуществом нечетких систем является их лингвистическая интерпретация, которая делает их понятными и "прозрачными". Кроме того, данный метод не требует наличия обучающей выборки. Однако использование систем нечеткого вывода подразумевает априорное определение базы правил и функций принадлежности.
· Генерация лингвистических правил (задача переборного типа)
· Корректировка функций принадлежности (задача оптимизации в непрерывном пространстве)
Нечеткие нейронные сети обычно состоят из 4 слоев:
1) На выход первый слой подает сформированные степени принадлежности входных переменных к определенным нечетким множествам.
2) Следующий слой выполняет функцию конъюнкции.
3) Третий и четвертый слои организуют взвешенное суммирование элементов предыдущего слоя и этап активации.
Слой 1 использует количество нейронов равное количеству функций принадлежности для каждой входной переменной. Размер второго слоя равен размеру базы правил. А для третьего и четвертого слоя используется столько нейронов, сколько классов в рассматриваемой задаче. Очевидно, что размер сети получается достаточно большим, а это критично влияет на трудоемкость процесса обучения.
Таблица 2 - Преимущества и недостатки методов классификации в условиях неопределенности
· Необходимость восстановления плотности распределений
· Выборка должны быть достаточно большой и репрезентативной
· На практике внедрение данной системы будет влиять на плотность распределения классов
· Позволяет моделировать нелинейные зависимости
· Легкая перенастройка сети в случае необходимости
· Заранее неизвестна необходимая размерность сети
· Трудоемкий экспериментальный подбор характеристик сети и параметров обучения
· Прозрачность системы за счет лингвистической интерпретируемости базы правил
· Не требует наличия обучающей выборки
· Субъективный вывод базы правил и функций принадлежности
· Гибкость и прозрачность за счет использования нечеткой логики
В качестве метода для решения задачи был выбран нечеткий вывод. Основным недостатком данного метода является априорное определение базы правил и функций принадлежности. Однако, конкретно для задачи классификации персонала, построение базы правил и функций принадлежности наиболее предпочтительно в силу специфики предметной области. К тому же, разметка экспертом классов для обучающей выборки гораздо сложнее и более трудоемка. Также в защиту данного метода стоит отметить, что многие системы используют базы правил, основанные на знаниях экспертов, и показывают хорошие результаты на практике.
Теоретические аспекты формирования трудовых ресурсов на предприятиях, основные показатели их движения и использования. Методы оценки эффективности использования трудовых ресурсов, состав, структура и динамика их движения; использование рабочего времени. дипломная работа [121,9 K], добавлен 08.02.2010
Описание неопределенности с помощью нечеткого множества. Многокритериальный выбор методом максимальной свертки в сфере банковского кредитования. Метод нечеткого логического вывода в задаче выбора фирмой кандидата на замещение должности бухгалтера. курсовая работа [5,1 M], добавлен 15.05.2011
Понятие, структура и значение рабочего времени. Принципы его эффективного использования, основные методы учета и измерения. Анализ использования рабочего времени в ОАО "Альфа Банк". Мероприятия, направленные на оптимизацию деятельности персонала. дипломная работа [323,8 K], добавлен 29.08.2013
Сущность и основные задачи учета рабочего времени. Особенности планирования и распределения рабочего времени руководителя. Управление рабочим временем, его контроль. Контроль за использованием рабочего времени как основной способ управления персоналом. курсовая работа [41,0 K], добавлен 26.07.2010
Обеспеченность предприятия трудовыми ресурсами. Показатели эффективности использования трудовых ресурсов. Направления анализа эффективности использования трудовых ресурсов. Рентабельность труда персонала. Анализ использования фонда рабочего времени. курсовая работа [138,5 K], добавлен 28.05.2014
Роль, сущность и значение трудовых ресурсов на предприятии. Анализ эффективности использования трудовых ресурсов на примере предприятия ООО "Авокадо". Анализ движения кадров в организации, использования фонда рабочего времени и производительности труда. курсовая работа [75,1 K], добавлен 25.10.2013
Результаты финансово-хозяйственной деятельности ООО "Легион". Анализ структуры численности и качественного состава персонала, движения рабочих кадров и использования рабочего времени. Направления улучшения использования трудовых ресурсов предприятия. курсовая работа [145,1 K], добавлен 04.02.2011
Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д. PPT, PPTX и PDF-файлы представлены только в архивах. Рекомендуем скачать работу .

© 2000 — 2021



Современные методы контроля рабочего времени сотрудников организации реферат. Менеджмент и трудовые отношения.
Шаблон Написание Эссе По Обществознанию Егэ
Лечебное Применение Гидротерапии Реферат
Реферат по теме Человек в поисках смысла жизни
Реферат: Джордано Бруно 2
Реферат На Тему Уровень Физической Подготовленности Школьников
Контрольная работа: Понятие объектно-ориентированного программирования
Реферат: Молодежная субкультура хип- система
Реферат: Фольклор детского чтения и его значение. Скачать бесплатно и без регистрации
Реферат: Капитализм во Франции
Реферат по теме Использование луковичных растений в озеленении и как срезочных культур
С Каких Слов Можно Начать Сочинение Рассуждение
Курсовая работа: Условия и порядок создания и государственная регистрация юридических лиц
Контрольная работа по теме Биллинговые системы
Курсовая работа по теме Разработка рекомендаций по выбору текстильных материалов для школьной формы
Контрольная работа по теме Исследование системы автоматического управления
Реферат: Амортизационный и ремонтный фонды
Обломов Победитель Или Побежденный Сочинение
Сочинение На Тему Преступление
Успешный Телеведущий Сочинение 7 Класс Настя Ивлева
Реферат: Религия народов, населяющих Бурятию
Деонтология. Крылатые выражения и афоризмы, используемые в медицине - Иностранные языки и языкознание реферат
Методика аудита расчетов с поставщиками - Бухгалтерский учет и аудит курсовая работа
Досрочная пенсия по старости - Государство и право дипломная работа


Report Page