بهبود پیش‌بینی در برنامه‌ریزی منابع انسانی با ارائه مدل زنجیره مارکوف فازی

نوع مقاله : پژوهشی اصیل

نویسندگان
سجاد رمضانی 1
علی اکبر امیری 1
منصور مومنی 2
1 کارشناسی ارشد، مدیریت صنعتی گرایش تحقیق در عملیات، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.
2 استاد، گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.
چکیده
ازآنجاکه اکثر صاحب‌نظران منابع انسانی را مهم‌ترین و ارزشمندترین سرمایه هر شرکتی معرفی می‌کنند، بنابراین روشی که بتوان بر اساس آن برنامه‌ریزی دقیق برای این سرمایه ارزشمند شرکت‌ها انجام داد، بسیار ارزشمند و کاربردی خواهد بود. دراین پژوهش سعی شده است مشکلات و شکاف‌های برنامه‌ریزی منابع انسانی به روش زنجیره مارکوف را با ارائه الگویی بهبود داده شود. دو مشکل اساسی روش زنجیره مارکوف در پیش‌بینی برنامه‌ریزی منابع انسانی به‌ترتیب در نظر نگرفتن نبود اطمینان‌های آتی و تعمیم اطلاعات یک دوره پایه در پیش‌بینی نیازهای آتی است که این مشکلات از ویژگی‌های زنجیره مارکوف است. در پژوهش حاضر برای این مشکل استفاده از الگوی زنجیره مارکوف فازی (دوره‌ای یا زمانی) پیشنهادشده است. بنابراین دراین پژوهش روش مارکوف فازی برای پیش‌بینی منابع انسانی ارائه می‌شود. ازلحاظ روش، این پژوهش توصیفی است و مقطعی است و داده‌های پژوهش به‌صورت کمی مورد تحلیل قرارگرفته‌اند و کاربرد روش مارکوف فازی در برنامه‌ریزی منابع انسانی در پنج گام متوالی ارائه‌شده است. همچنین از کاربرد مارکوف سنتی در برنامه‌ریزی منابع انسانی برای مقایسه با مدل پیشنهادی استفاده‌شده است. یافته‌های پژوهش نشان می‌دهد پیش‌بینی منابع انسانی با مارکوف فازی دوره‌ای ابزار قدرتمند است که شکاف‌های حاصل از برنامه‌ریزی مارکوف سنتی را پوشش می‌دهد که در تعیین کمبود و مازاد نیروی انسانی آتی سه حالت خوش‌بینانه، ثبات‌گرایانه و بدبینانه را در نظر می‌گیرد و اطلاعات یک دوره را به دوره‌های آتی تعمیم نمی‌دهد.
کلیدواژه‌ها
برنامه‌ریزی منابع انسانی
زنجیره مارکوف فازی
زنجیره مارکوف
کمبود و مازاد عرضه نیروی انسانی

موضوعات

عنوان مقاله English

human resource planning, fuzzy Markov(periodic), traditional Markov, shortages and surpluses of human resources.

نویسندگان English

sajad ramezani 1
Ali Akbar Amiri 1
Mansour Momeni 2
1 Corresponding author, master , Department of industrial Management, Faculty of Management, University of Tehran, Tehran, Iran.
2 Associate Prof., Department of industrial Management, Faculty of Management, University of Tehran, Tehran, Iran.
چکیده English

Most experts see human resources as the most important and most valuable asset of any company. As a result, a method that would help create an accurate plan for this asset is highly valued and functional. This study aimed to improve challenges and gaps in human resource planning using a Markov chain model. There are two fundamental problems with Markov chain model in predicting human resources, which are respectively failing to account for future uncertainties and generalization of the data from one basic period in the prediction of the future needs. These problems are embedded in the Markov chain model. In order to deal with these problems, a fuzzy Markov chain model (periodic or temporal) was proposed in this study. This study presented a fuzzy Markov model for predicting human resources. This was a descriptive, sectional study and the data were analyzed through a quantitative method. The application of the fuzzy Markov model in human resource planning was presented in five consecutive steps. The application of the traditional Markov model in human resource planning was also examined for comparison with the proposed model. The study findings suggest that the prediction of human resources using the periodic fuzzy Markov model offers a powerful tool that bridges the gaps in the traditional Markov planning. It considers three states, namely optimistic, positivist, and pessimistic, for determining human resources surplus and shortage, and does not generalize data pertaining to one period to future periods.

کلیدواژه‌ها English

human resource planning
fuzzy Markov(periodic)
traditional Markov
shortages and surpluses of human resources
[1] صحرایی، رضوان، پیش‌بینی تأمین منابع انسانی داخلی در سازمان‌ها با استفاده زنجیره مارکوف، 1387، پایان‌نامه کارشناسی ارشد، دانشگاه علامه طباطبایی .
[2] Feyter, Tim De,. Modelling heterogeneity in manpower planning: dividing the personnel system into more homogeneous subgroups, Wiley InterScience, 22, 2006, 321–334.
[3] Belhaj, Rachid., Tkiouat, Mohamed., A Markov Model for Human Resources Supply Forecast Dividing the HR System into Subgroups. Journal of Service Science and Management. 14, 2013, 15-28.
[4] اعرابی، سید محمد، فیاضی، مرجان، مدیریت منابع انسانی پیوند استراتژی و عمل، انتشارات مه کامه، 1395.
[5] عباسی, عباس, پشوتنی زاده, هومن. ارائه مدلی برای پیش‌بینی عرضه و تقاضای منابع انسانی شعبه مرکزی بانک قوامین استان تهران با استفاده از مدل زنجیره‌ی مارکوف برای دوره‌های بلندمدت و کوتاه‌مدت. مطالعات منابع انسانی، 8 (4)، 1397، 1-22.
[6] Škulj D, Vehovar V, Štamfelj D. The modelling of manpower by Markov chains-a case study of the Slovenian armed forces. Informatica. 2008;32(3).
[7] صحرایی، رضوان، پیش‌بینی تأمین منابع انسانی داخلی در سازمان‌ها با استفاده زنجیره مارکوف، پایان‌نامه کارشناسی ارشد، دانشگاه علامه طباطبایی، 1387.
[8] Dong-MeiZhu., Wai-KiChing ., Sy-MingGuu , Sufficient conditions for the ergodicity of fuzzy Markov chains, fuzzy sets and system, 24, 2016, 1-12.
[9] Pardo MJ, de la Fuente D. Fuzzy Markovian decision processes: Application to queueing systems. Computers & Mathematics with Applications. 60(9), 2010, 2526-35.
[10] Bányai.T., Landschütze, C., Bányai, A. Markov-Chain Simulation-Based Analysis of Human Resource Structure: How Staff Deployment and Staffing Affect Sustainable Human Resource Strategy, Journal of Sustainability, 29, 2018, 40-55.
[11] قهرمانی، جعفر، ، کاربرد زنجیره مارکوف در برنامه‌ریزی نیروی انسانی، نشریه مدیریت فردا، 5، 1386، 17.
[12] محمدی، محمود، امین ناصری، محمدرضا و آذر، عادل، الگوی انتخاب و به کارگماری نیروی انسانی در سازمان‌ها با استفاده از شبکه عصبی مصنوعی، نشریه مدرس علوم انسانی، 1383، 8، 135-156.
[13] Ezugwu.V., ologun. S. Markov Chain: A Predictive Model for Manpower Planning, Appl. Sci. Environ. Manage., 21 (3), 2017, 557-565.
[14] ایروانی، محمدرضا و تیموری، ابراهیم، ، سیستم‌های صف، جلد دوم، انتشارات علم و صنعت، 1391.
[15] Lanzarone , E., Matta, A., Scaccabarozzi, G., A patient stochastic model To support human resource planning in home care, Production Planning & Control, The Management of Operations, 21(3), 2010, 3-25,.
[16] Uzun, B., ErsinKral. Application of markov chains-fuzzy states to gold price, International Conference on Theory and Application of Soft Computing 2010.
[17] Ching, W.K., Fung, E.S., Ng, M.K., A multivariate Markov chain model for categorical data sequences and its applications in demand predictions. IMA Journal of Management Mathematics, 13, 2002, 187–199.
[18] راعی، رضا، ، کاربرد زنجیره‌های مارکوف در برنامه‌ریزی نیروی انسانی در شرکت سهامی ذوب‌آهن، پایان نامه ارشد، دانشگاه تهران، 1370.
[19] صارمی، محمود، طراحی مدل دومتغیره برنامه‌ریزی نیروی انسانی با استفاده از روش زنجیره مارکوف، پایان‌نامه دکتری، دانشگاه علامه طباطبایی، 1374.
[20] Dimitriou, V., Georgiou, A., Tsantas, N, The multivariate non homogeneous Markov manpower system in a departmental mobility framework, European Journal of Operational Research, 228, 2018, 112-121.
[21] Wang,. Z. on demand forcasting stock prices using real – time predictor, tranactions on knowledge and data engireering, 15, 2013, 1033- 1037.
[22] Kira, E., Uzun, B, Forecating closing returns of borsa Istanbul index with markov chain model of the fuzzy states, Journal of Economics, Finance and Accounting, 4 (1), 2017, 15-24.
[23] Michael, G., Thomason, M, Convergence of Powers of a Fuzzy Matrix, journal of mathematical analysis and applications, 57, 1997, 476-480.
پژوهش های مدیریت منابع سازمانی
دوره 11، شماره 1
خرداد 1400
صفحه 59-84