王夢 (中國石油工程建設(shè)有限公司，北京 100120)

0 引言

員工崗位等級評價企業(yè)人力資源管理中的重要工作組成部分，崗位定級過程中需要考慮的因素較多，是屬于多因素共同作用下的復(fù)雜系統(tǒng)評價問題，且崗位定級是動態(tài)的而非固定的。整個崗位測評中應(yīng)該遵循科學(xué)性、可操作性、易于實現(xiàn)與可復(fù)制性。崗位等級由多個因素共同決定，目前尚無統(tǒng)一的評價方法。李燕等[1]將可拓學(xué)中的可拓物元模型引入員工崗位等級的綜合評價中，將定量方法與定性方法結(jié)合，通過計算指標(biāo)的可拓關(guān)聯(lián)度，在對各指標(biāo)賦權(quán)，計算加權(quán)的綜合可拓關(guān)聯(lián)度，從而確定員工的崗位等級，并在實際中對模型得到了較好的驗證。張素梅[2]建立了根據(jù)層次分析法AHP賦權(quán)的模糊綜合評判模型，從復(fù)雜待評對象的模糊性出發(fā)，對教師崗位進(jìn)行了評定并取得了良好的效果。

實際上在崗位等級綜合評價過程中，呈現(xiàn)出大量定性描述的指標(biāo)，定性指標(biāo)量化存在模糊性，且員工的個體表現(xiàn)與指標(biāo)間存在隨機性。針對存在模糊性與隨機性的復(fù)雜評價對象，本文提出以云模型作為綜合評價模型，同時使用比層次分析法AHP更加方便高效的G1法賦權(quán)。從文獻(xiàn)查閱來看，目前尚無利用云模型作為員工崗位等級綜合評價的相關(guān)文獻(xiàn)，本文首次引入使用是對員工崗位等級綜合評價方法的補充、豐富與有益探索。

1 云模型相關(guān)理論

1.1 云的基本概念

在實際評價與模式識別中都存在大量信息需要整合到一處進(jìn)行分析，這些信息往往具有不確定性即存在模糊、隨機和混沌現(xiàn)象。為了解決模糊與隨機問題，我國學(xué)者李德毅從概率論與模糊數(shù)學(xué)出發(fā)提出云的概念，并給出了云的解析式，利用正態(tài)分布的將隨機性與模糊性整合到一個數(shù)學(xué)模型中，并取名為云模型，隨后在人工智能與數(shù)學(xué)挖掘領(lǐng)域得到了廣泛應(yīng)用。近些年已經(jīng)擴展應(yīng)用到各類評價當(dāng)中[4-7]。

對于一個定量論域U，C是U上定性的概念。定量值x從屬于U，x對定性概念C的從屬程度用隸屬度函數(shù)μ(x)?[0,1]表示，則x在論域U上的多次隨機出現(xiàn)成為云，每一次x出現(xiàn)則被統(tǒng)計一次，視為一個云滴，云滴與理想點的偏離程度反映了云的模糊性，因此云模型的包括隨機與模糊的數(shù)學(xué)模型，對于處理隨機與模糊信息具有較強的針對性。

1.2 云模型的數(shù)字特征

云模型特征參數(shù)計算公式[4-7]如式⑴。其中Ex、En、He分別表示云期望、云熵與云超熵，信息不確定性由三個參數(shù)共同反映。

其中，xi與n分別表示樣本觀測值與樣本個數(shù)。期望Ex是定性問題的期望數(shù)值量，是云滴在論域內(nèi)分布的中心點。熵En是表示定性量化區(qū)間，是實際值與理想期望之間的偏離度，進(jìn)而可以反映信息的模糊性。超熵He在云圖中反映為云滴凝聚松散程度。對于存在區(qū)間閾值[Lmin,Lmax]的區(qū)間數(shù)[4-7]，其特征參數(shù)可以表示如式⑵

k為常數(shù)，根據(jù)變量的模糊閾度進(jìn)行選取，常取0.01，0.02，1，參照文獻(xiàn)[4-7]本文指標(biāo)的模糊閾度本文取k=0.01。云模型實現(xiàn)定性與定量相互轉(zhuǎn)化依靠正向云算法與逆向云算法。定性到定量通常使用正向云算法，即將概念問題轉(zhuǎn)化為數(shù)值點，典型的正態(tài)云圖及其數(shù)字特征如圖1所示。

圖1 典型正態(tài)云圖及其數(shù)字特征

1.3 云模型的加權(quán)集成

n朵云加權(quán)集成為一朵云的過程稱為云的加權(quán)集成[4-7]，設(shè)Ei(Exi,Eni,Hei)(i=1,2,…,n)為n朵不同的云，分別為每朵云對應(yīng)的權(quán)重，E0(Ex0,En0,He0)為集成后的綜合云，則加權(quán)集成公式為

1.4 G1法指標(biāo)賦權(quán)

傳統(tǒng)的主觀賦權(quán)AHP需要信息兩兩比較，形成判別矩陣，該過程在指標(biāo)數(shù)據(jù)較多時往往非常復(fù)雜，且為了防止賦權(quán)矛盾還需要進(jìn)行賦權(quán)一致性檢驗。G1法作為一種自層次分析法優(yōu)化而來的主觀賦權(quán)，可以完全避開AHP的復(fù)雜賦權(quán)過程。其原理為預(yù)先對指標(biāo)按照相對重要性進(jìn)行排序形成新的指標(biāo)序列。新的指標(biāo)序列從前到后，前面一個指標(biāo)與后面一個指標(biāo)的重要度之比記為ri(i=m,m-1,…2)，ri取值如表1所示。則各指標(biāo)權(quán)重為

2 崗位等級評價指標(biāo)的建立

由于崗位測評是復(fù)雜系統(tǒng)的評價過程，需要從企業(yè)自身出發(fā)，文章本著科學(xué)性、可復(fù)制性、泛化性的初衷參考文獻(xiàn)[1，2，8，9]選取了4個一級評價指標(biāo)，細(xì)化為15個二級評價指標(biāo)。

尚無統(tǒng)一的標(biāo)準(zhǔn)，文章參考文獻(xiàn)[1-3]，將崗位等級劃分為I～I(xiàn)V級，各等級的等級閾值與模型參數(shù)如表2所示。并繪制崗位等級I～I(xiàn)V的標(biāo)準(zhǔn)評價云圖如圖2所示。

圖2 崗位等級標(biāo)準(zhǔn)評價云圖

3 實際應(yīng)用

本文通過員工各種考核指標(biāo)的考核情況，利用專家函詢得到了崗位A與崗位B的各個指標(biāo)打分并計算云模型參數(shù)如表3所示。將崗位A與崗位B的各指標(biāo)云模型參數(shù)利用式(3)做云模型的加權(quán)集成，得到的結(jié)果如表5所示。得到的云圖與崗位等級的標(biāo)準(zhǔn)評價云圖進(jìn)行對比，對比情況如圖3所示。從圖3可以看出A、B崗位等級對于等級II級更為貼近。因此A崗位與B崗位都是屬于II級崗位等級，且A比B的貼近度更高說明，A需要的員工能力略高于B。

表3 崗位A與崗位B的云模型加權(quán)集成參數(shù)

圖3 云圖對比

4 結(jié)語

（1）建立了包括15個評價指標(biāo)的通用崗位等級評價體系，指標(biāo)賦權(quán)采用G1法，通過引入云模型，將15個評價云模型的指標(biāo)加權(quán)集成形成標(biāo)準(zhǔn)云圖，再通過繪制具體的崗位云圖與標(biāo)準(zhǔn)云圖進(jìn)行對比，通過觀察貼近度，確定了崗位等級。

（2）使用云模型作為崗位等級評價模型不僅可以得到所需的崗位等級評價結(jié)果，而且還可以實現(xiàn)崗位同等級之間的相互比較，便于企業(yè)做人力資源的統(tǒng)籌安排。