郝 甜，鄧秋軍，柳先輝

（同濟大學電子與信息工程學院，上海 201804）

人才是企業(yè)發(fā)展的主要動力源泉，也是國家創(chuàng)新發(fā)展的重要支柱。2017 年2 月，人力資源和社會保障部、教育部、工業(yè)和信息化部等部門共同策劃編制了《制造業(yè)人才發(fā)展規(guī)劃指南》落實《中國制造2025》提出的要求，貫徹國家制造強國建設的統(tǒng)一部署。目前中國制造業(yè)向高質量產業(yè)轉型發(fā)展的過程中面臨著一些問題，例如在實際人才培養(yǎng)過程中人才結構性過剩與高端人才數(shù)量短缺并存、學校在人才培養(yǎng)的過程中與企業(yè)實際需求脫節(jié)、企業(yè)在人才培訓過程中失位、職業(yè)培訓與區(qū)域特色關聯(lián)性不足等。這些問題制約了中國制造業(yè)的轉型發(fā)展，必須探索新的面向網絡協(xié)同制造［1］和智能工廠的產教融合［2］人才模式。

為了形成與制造業(yè)發(fā)展需求相適應的人才模式［3］，需要健全人才培養(yǎng)體系，建設人才發(fā)展機制，健全人才評價機制。一個適用的人才模式評估模型能夠反映當前人才培養(yǎng)模式存在的問題，完善符合制造業(yè)特點的科學人才評價制度，進一步改善制造業(yè)轉型發(fā)展的人才環(huán)境。目前大多數(shù)的人才模式評估體系采用定性分析或定量分析等單一的評價模式，且部分評估體系指標設置不合理，在實際的評價過程中評價指標存在冗余及最終的評估結果難以量化等問題，不能很好地對現(xiàn)有的人才模式做出反饋，仍然存在著許多值得優(yōu)化的地方。

分析當前面向網絡協(xié)同制造和智能工廠的產教融合人才模式的特點，從國內外學者提出的人才模式評價指標［4］及結合制造業(yè)的特點選取指標，確定最佳評估指標子集，并對現(xiàn)有的人才模式給出相應的評估結果。

1 相關研究

對于人才或人才模式的評估，評價指標發(fā)揮著至關重要的作用，國內外學者都進行了相關的研究。其中，國外學者針對科研人才提出了從人才的能力、業(yè)績、知識、潛在成長等因素［5］構建人才的評價指標。謝璐［6］認為在指標的設計過程中，除了要考慮常規(guī)指標，還需將實際情景中的特色指標考慮在內，以便反映各行業(yè)的特色。呂鳳軍［7］針對高技能人才的特點，提出了技能水平、專業(yè)知識、綜合素質3 個一級評價指標、15 個二級評價指標組成的評價體系。李光紅等［8］由心智模式、知識水平、基本素質、能力結構和業(yè)績成果5 個基本要素組成了21 個三級指標在內的評價體系。

早期的人才模式評估大多數(shù)采用定性分析，通過建立專家評審團來對人才模式進行評估。雖然這樣的方式能夠根據(jù)專家多年的實際經驗做出專業(yè)合理的評價，但所耗費的人力過大且在評價過程中易受到專家主觀因素的影響，導致評價結果不夠客觀。李光紅等［8］、張國兵［9］、周樂平等［10］采用層次分析法對人才模式做出評價。劉力等［11］對傳統(tǒng)的模糊綜合評價方法進行改進，采用信息熵修正指標權重使得權重能夠正確反映指標的重要性。

2 基于PCA-FCE 的人才模式評估

面向網絡協(xié)同制造和智能工廠的產教融合人才模式是符合中國創(chuàng)造業(yè)轉型發(fā)展的新的人才模式。一個好的評估模型能夠體現(xiàn)當前人才培養(yǎng)模式的類型、特點，反映當前人才模式存在的問題，以便后續(xù)更好地研究支撐技術、技能人才培養(yǎng)的模式方法，探索適應產業(yè)需求的具有較強工程能力的實用人才培養(yǎng)機制?；赑CA-FCE 的人才模式評估能夠對人才模式進行一定的評估，其具體工作流程如圖1所示。

圖1 基于PCA-FCE 的人才模式評估流程

2.1 人才模式評價指標集的確定

為了能夠更加全面地評估人才模式，需要定性和定量分析數(shù)據(jù)建立人才模式綜合評價指標體系，評價指標要求盡可能全面反映人才培養(yǎng)的優(yōu)勢及存在的不足。本文結合三部委出臺的《制造業(yè)人才發(fā)展規(guī)劃指南》及國內外學者研究構建的人才評價指標體系［12］，聯(lián)系制造業(yè)的實際人才培養(yǎng)情況，選取了人才模式評價的20 個指標，見表1。

表1 指標特征集

2.1.1 評價指標最佳特征子集的選取

采用主成分分析［13］（principal components analysis，PCA），對人才模式的評價指標進行最佳特征指標子集的選取處理。這是由于對指標進行最佳子集的選擇，不僅能夠減少指標數(shù)據(jù)的冗余，同時在減少指標數(shù)量的過程中能夠保持數(shù)據(jù)集中對方差貢獻最大的特征，使得選取之后的特征指標數(shù)據(jù)減少依賴，能夠最大限度地反映指標的重要性。

假設數(shù)據(jù)集是n維，共有m個數(shù)據(jù){x1，x2，…，xm}，數(shù)據(jù)集可以表示為矩陣Xn×m。對各行數(shù)據(jù)進行零均值化處理，則第i行數(shù)據(jù)為xij=xij-，其 中。首先需要計算數(shù)據(jù)樣本的整體協(xié)方差矩陣，然后根據(jù)協(xié)方差矩陣計算相應的特征值和特征向量，即

式中：Σ為n個特征值組成的矩陣；W為特征向量所組成的矩陣。

如果需要從n維數(shù)據(jù)集中選取最佳指標特征到k維，則將計算的特征向量矩陣按照特征值大小進行排列，取前k行組成矩陣A。Y=AX即特征選取后的數(shù)據(jù)。假設不能提前確定需要選取的維數(shù)，可以通過閾值t來確定。通過計算后得到的特征值為λ1，λ2，…，λn，則k的計算公式為

這樣就實現(xiàn)了在保證信息基本完整的情況下，對數(shù)據(jù)特征進行最佳特征指標子集選取。

2.1.2 指標權重的確定

從n維數(shù)據(jù)集中選取最佳特征指標到k維，即Y=QX為選取最佳特征指標后的數(shù)據(jù)。Y={y1，y2，…，yk}，取Hi=yi·λi，i=1，2，…，k，則第i個指標的權重為

在確定完k個特征指標的權重之后，得到評估指標向量權重Q={q1，q2，…，qn}，qi表示第i個評估指標權重，。

2.2 人才模式的模糊綜合評估

模糊綜合評價［14］（fuzzy comprehension evaluation method，F(xiàn)CE）是一種應用模糊關系合成的原理，在確定多個評價指標之后，利用評價指標對需要評價的事物或模型進行綜合性評估的方法。

2.2.1 模糊關系矩陣的建立

在確定好各個指標的權重之后，通過逐個將被評價指標對各個評估結果的隸屬度進行具體量化，確定模糊關系矩陣Z。

式中，zij表示被評估對象U中因素ui對結果V中模糊子集vi的隸屬度；zi為單因素評價矩陣，zi=。

在確定隸屬度時，一部分學者提出可以采用數(shù)學統(tǒng)計的方法，這里主要采用模糊統(tǒng)計。模糊統(tǒng)計是在統(tǒng)計試驗的基礎上根據(jù)各指標的客觀存在性確定其對結果的隸屬度。也可以采用直接指派的方法，主要是依據(jù)專家的豐富評估經驗來確定最后的模糊集隸屬函數(shù)，還可以根據(jù)研究問題的實際意義來確定隸屬函數(shù)。指派方法是指在實際的評估模型中，根據(jù)所要研究實際問題的特點選取一些模糊分布來確定評價指標對評估結果的隸屬度，再根據(jù)實際數(shù)據(jù)集確定隸屬度函數(shù)中所包含的參數(shù)，常用的模糊分布［15-17］有矩陣型、正態(tài)型、k次拋物型及柯西型等。

2.2.2 模糊合成算子的選取

為了得到最終模糊綜合評價結果R，采用針對實際的評估問題選擇與其匹配的評估模型，并且利用合適的模糊合成算子來對模糊關系矩陣Z和上述計算得到的因素權重向量Q進行矩陣合成。

式中，ri表示被評估對象對評估結果V中模糊子集vi的隸屬度。

常用的模糊合成算子［18］有4 種：M(∧，∨)、M(·，∨)、M(∧，⊕)、M(·，⊕)。具體計算公式見表2。

表2 模糊合成算子計算公式

4 種因子對最終結果的評價起著不同的作用，需要結合評估數(shù)據(jù)對最后的合成算子［19-20］進行選擇來滿足實際的人才模式評價模型。其中M(∧，∨)、M(·，∨)在進行模糊合成時，主要考慮最具代表性的評價指標對最終評價結果的貢獻作用；M(·，∨) 在進行模糊合成時，強調了各指標權重和對應的隸屬度對最終評價的共同作用；M(∧，⊕)在進行模糊合成時，使得各評價指標的隸屬度相互差距較大，指標特征比較明顯，容易進行最終的判斷；M(·，⊕)采用加權方式來計算各指標對最終結果的影響，統(tǒng)籌兼顧，綜合考慮。

一般情況下，采用M(·，⊕)對最終評價結果進行合成，可以綜合考慮各指標對最終結果的影響，也可以根據(jù)實際情況選用其他合成算子。

2.3 人才模式評估結果集的確定

建立被評估模式可能存在的評估結果的集合V={v1，v2，…，vm}，根據(jù)實際情況可以將單個人才模式評估等級分為優(yōu)秀、良好、中等、合格、不合格5 個等級。在實際評估過程中也可以將結果指標集再進行細化已達到期望的評價效果。

在對多個模式進行評估時，將評估的結果量化，計算各模式的優(yōu)先度。通過各個模式的優(yōu)先度來定量分析多個人才模式的實施效果。假設最終評價量化集為E，則各個模式的優(yōu)先度為

式中：j為需要評估的模式數(shù)量；R為模糊綜合評價結果。

最終通過量化結果集來分析人才模式的評估結果?；赑CA-FCE 的人才模式評估模型不僅可以對單個人才模式進行評估，還可以對多個被評估的模式進行選擇，根據(jù)最終評價量化集E從多個評估模式中選擇一個最優(yōu)的方案。

3 結果與分析

針對某網絡協(xié)同制造和智能工廠的體驗基地所設置的兩種人才模式：模式甲和模式乙，采用PCA-FCE 進行評估給出結果排序，為后續(xù)完善符合制造業(yè)特點的人才評價制度提供參考。

由于指標的數(shù)量會影響人才模式的評估。因此在確定指標維數(shù)時減少人為的干預，通過閾值設定t來確定，將閾值t設置為0.91。不同指標數(shù)量下的信息累積貢獻率如圖2 所示。

圖2 不同數(shù)量指標的貢獻率

通過圖2 可以看出，當指標數(shù)量小于10 時，隨著指標數(shù)量增大貢獻率也隨之增長，當指標數(shù)量大于等于10 時，貢獻率增長趨于平穩(wěn)且達到了原本設定的閾值t。因此，將指標數(shù)據(jù)維數(shù)確定為10 維，經過選取處理之后的最佳指標見表3。

表3 最佳指標特征子集

利用式（3）計算指標權重，得到的結果為Q=（0.08，0.12，0.2，0.14，0.09，0.05，0.05，0.08，0.06，0.13）。在指標權重確定好之后，得到模式甲和模式乙的模糊關系矩陣Z1和Z2，即

使用模糊合成算子M(·，⊕)得到模糊綜合評價結果R1和R2，即

對評估結果進行量化，最終評價量化集E，即E=(0.35，0.25，0.2，0.15，0.05)。模式甲和模式乙評估得分為

模式甲相比于模式乙更加強調人才培養(yǎng)的區(qū)域特色關聯(lián)度、制造業(yè)的前沿技術成果及人才的精密測量計量能力和創(chuàng)新設計能力。結果說明模式甲更適合網絡協(xié)同制造的人才培養(yǎng)和制造業(yè)的轉型發(fā)展。與其他一些方法相比較，基于PCA-FCE 的人才模式評估，能夠將定性與定量分析相結合，使得評價結果更加客觀。

4 結語

《中國制造2025》提出在選人、用人、育人的過程中，應秉持科學合理的原則；面對制造業(yè)發(fā)展急需人才的情況下，應加快對人才專業(yè)技術、經營管理、專業(yè)技能的培養(yǎng)。面向網絡協(xié)同制造和智能工廠的產教融合人才模式，是加快制造業(yè)轉型發(fā)展所需的新型復合人才模式。本文對面向網絡協(xié)同制造和智能工廠的產教融合人才模式做出了一定的闡述，并對人才模式的評估指標進行最佳特征指標子集選取，使得能夠正確、有效地反映人才培養(yǎng)的效果。同時提出了一種基于PCA-FCE 的人才模式評估模型，使得能夠對單個或多個人才模式進行評估，以便對完善制造業(yè)的人才培養(yǎng)給出相應的參考，加快制造業(yè)的轉型發(fā)展。