تخصیص یکپارچه و بهینه منابع انسانی سازمان در شرایط عادی و بحرانی با استفاده از یک روش تلفیقی نوین متاهیوریستیک-فازی

نوع مقاله : پژوهشی اصیل

نویسندگان
حمیدرضا سیفی 1
کاوه محمد سیروس 2
ناصر شمس قارنه 2
1 دانشجوی دکتری مهندسی صنایع، دانشکده/گروه مهندسی صنایع و مدیریت سیستم‌ها، دانشگاه امیرکبیر، تهران، ایران.
2 دانشیار، مهندسی صنایع، دانشکده/گروه مهندسی صنایع و مدیریت سیستم‌ها، دانشگاه امیرکبیر، تهران، ایران.
چکیده
پژوهش حاضر با هدف حل مسئله تخصیص منابع انسانی به‌صورت یکپارچه و بهینه در شرایط عادی و بحرانی با استفاده از یک روش تلفیقی نوین متاهیوریستیک- فازی انجام شده است. روش حل شامل مدل ریاضی مسئله تخصیص و تلفیقی از الگوریتم فراابتکاری GWO و مدل استنتاج فازی سوگنو بوده است. در این پژوهش از مدل استنتاج فازی سوگنو در لایه تنظیم نرخ ارسال وظایف برای اضافه کردن قابلیت خودتنظیمی پارامترها به الگوریتم بهینه‌سازی گرگ خاکستری برای حل مسئله استفاده شده است. پس از آماده‌سازی الگوریتم توسعه یافته نوین، مسئله تخصیص منابع انسانی قبل و بعد از شرایط بحرانی و زمان وقوع بحران با این الگوریتم حل از راه داده‌های پژوهش‌های برجسته پیشین، حل شده است. مقایسه نتایج این پژوهش با نتایج 5 روش برتر در پژوهش‌های قبلی (SGA، PRS، SRS، MIP، HM) بر مبنای سه روش ارزیابی کیفیت حل‌ها (GA-FSGS، MP-FSGS، GA-SGS) نشان داد که افزایش Ω از 15000 به 25000 موجب بهبود مقادیر HM و SGA نسبت به پژوهش‌های قبلی در مجموعه داده‌های B100 و B200 شده است. همچنین مشخص شد که روش پیشنهادی در مقایسه با روش‌های حل پیشین و کیفیت راه‌حل‌های آنها، نتایج بهتر و کیفیت راه‌حل بالاتری دارد.
کلیدواژه‌ها
تخصیص منابع انسانی
شرایط عادی و بحرانی
روش متاهیورستیک- فازی
الگوریتم GWO
مدل اسنتاج فازی سوگنو

موضوعات

عنوان مقاله English

Integrated and optimal allocation of human resources in normal and critical conditions using a new hybrid Metahuristic-fuzzy method

نویسندگان English

Hamidreza Seifi 1
kaveh mohamad cyrus 2
Naser Shams Gharneh 2
1 PhD student in Industrial Engineering, Faculty / Department of Industrial Engineering and Systems Management, Amirkabir University, Tehran, Iran.
2 Associate Professor, Industrial Engineering, Faculty / Department of Industrial Engineering and Systems Management, Amirkabir University, Tehran, Iran.
چکیده English

This study aimed to solve the problem of human resource allocation in an integrated and optimal way under normal and critical conditions using a new integrated metaheuristic-fuzzy method. The solution method has included a mathematical model of the allocation problem, a combination of the GWO metaheuristic algorithm, and the Sugeno fuzzy inference model. In this research, Sugeno fuzzy inference model has been used in the task rate adjustment layer to add the ability to self-regulating the parameters to the optimization algorithm. After the preparation of the newly developed algorithm, the problem of human resource allocation before and after the crisis and the time of the crisis has been solved with this solution algorithm through the data of previous prominent researches. Comparison of the results of this study with the results of the top 5 methods in previous studies (SGA, PRS, SRS, MIP, HM) based on three methods of evaluating the quality of solutions (GA-FSGS, MP-FSGS, GA-SGS) showed that the increase of Ω from 15000 It has improved the HM and SGA values ​​to 25,000 compared to previous studies in the B100 and B200 datasets. It was also found that the proposed method has better results and higher solution quality compared to the previous solution methods and the quality of their solutions.

کلیدواژه‌ها English

human resource allocation
Normal and Critical Conditions
Metaheuristic-Fuzzy Method
GWO Algorithm
Sugeno Fuzzy Inference Model
[1] Dabirian, SH., Abbaspour, S., Khanzadi, M., & Ahmadi, M. Dynamic modelling of human resource allocation in construction projects. International Journal of Construction Management, 2019, https://doi.org/10.1080/15623599.2019.1616411.
[2] کاظمی، عالیه؛ و اسماعیلی ترکان پوری، کیوان، تخصیص مطلوب نیروی انسانی در آزمایشگاه پزشکی با استفاده از روش فرایند تحلیل سلسله مراتبی، مجله علوم آزمایشگاهی، سال هشتم شماره ۳ (۲۰)، 1393، 90-۹۶.
[3] Erasmus, J., Vanderfeesten, I., Traganos, K., Jie-A-Looi, X., Kleingeld, A., & Grefen, P. A Method to Enable Ability-Based Human Resource Allocation in Business Process Management Systems. Lecture Notes in Business Information Processing, 335, 2018, https://doi.org/10.1007/978-3-030-02302-73.
[4] Arias, M., Munoz-Gama, J., & Sepúlveda, M. Towards a Taxonomy of Human Resource Allocation Criteria. Lecture Notes in Business Information Processing, 308, 2018, https://doi.org/10.1007/978-3-319-74030-0_37.
[5] Yua, L., Zhang, C., Yang, H., & Miao, L. Novel methods for resource allocation in humanitarian logistics considering human suffering. Computers & Industrial Engineering, 2018, 119, 1-20.
[6] Ballesteros-Pérez, P., Ting Phu, F.T, & Mora-Melià, D. Human Resource Allocation to Multiple Projects Based on Members’ Expertise, Group Heterogeneity, and Social Cohesion. Journal of Construction Engineering and Management, 145(2), 2018, https://doi.org/10.1061/(ASCE)CO.1943-7862.0001612.
[7] Yousefi, M. & Yousefi, M. Human resource allocation in an emergency department: A meta-model-based simulation optimization. Kybernetes, 49(3), 2019, 779-796.
[8] Alvarez-Valdés, R., Crespo, E., Tamarit, J.M., & Villa, F. GRASP and path relinking for project scheduling under partially renewable resources. European Journal of Operational Research, 189(3), 2008, 1153–1170.
[9] Tritschler, M., Naber, A., & Kolisch, R. A hybrid metaheuristic for resource-constrained project scheduling with flexible resource profiles. European Journal of Operational Research, 262(1), 2017, 262–273.
[10] Vanhoucke, M. Setup times and fast tracking in resource-constrained project scheduling. Computers & Industrial Engineering, 54(5), 2008, 1062–1070.
[11] مهمانچی، عرفان؛ و شادرخ، شهرام، یک مدل ریاضی برای حل همزمان مسئله زمانبندی پروژه و تخصیص نیروی انسانی، نشریه مهندسی صنایع، ۱، 1393، ۴۵ -۵۴.
[12] ادهم، داود؛ مهدوی، عبدالله؛ مهرتک، محمد؛ ابراهیمی، کمال؛ و آذری، آرزو، مقایسه تخصیص منابع انسانی بیمارستان‬های عمومی‬دانشگاهی شهرستان‬های استان آذربایجان‬شرقی با استاندارد کشوری، مجله سلامت و بهداشت، ۵ (۲۴)، 1394، ۵۰۷ -۵۱۶.
[13] شفیعی، مرتضی؛ و انگاشته، بلقیس، تخصیص بهینه منابع انسانی به پایگاه های اورژانس با استفاده از مدل تحلیل پوششی داده های متمرکز، فصلنامه پژوهش های مدیریت منابع سازمانی، ۱(۲۱)، 1395، ۱۰۵ -۱۳۲.
[14] فلاح نژاد، محمدصابر؛ خلیلی، سعید؛ و محمدزاده، هادی، تخصیص تعداد بهینه نیروی انسانی به خط تولید در شرایط عدم قطعیت با استفاده از تئوری صف و منطق فازی، نشریه بین المللی مهندسی صنایع و مدیریت تولید، 27(۲)، 1395، ۱۸۷.
[15] ماکویی، احمد؛ بشیری، مهدی؛ و صمدپور، الهام، مسیریابی وسایل نقلیه برای توزیع کالاهای فسادپذیر با برنامه ریزی تخصیص نیروی انسانی در مسیرها، نشریه بین المللی مهندسی صنایع و مدیریت تولید، ۲، 1396، ۲۱۹ -۲۲۶.
[16] سمویی، پروانه؛ فتاحی، پرویز؛ و زندیه، مصطفی، ارائه الگوریتم هیبریدی بهینه سازی توده ذرات و تئوری محدودیت ها برای حل مسائل همزمان بالانس خطوط مونتاژ دو طرفه مدل های ترکیبی و تخصیص نیروی انسانی، نشریه بین المللی مهندسی صنایع و مدیریت تولید، 3، 1396، ۴۰۵ -۴۱۹.
[17] فتاحی، پرویز؛ سمویی، پروانه؛ و زندیه، مصطفی، الگوریتم انجماد تدریجی چندهدفه جهت مسئله هم زمان بالانس خطوط مونتاژ دوطرفه و تخصیص نیروی انسانی، مجله مدیریت تولید و عملیات، 1 (۱۴)، 1396، ۱ -۲۰.
[18] کمپانی، محمدسعید؛ و عظیمی، پرهام، توسعه یک مدل جدید دوهدفه و حل آن بوسیله بهینه سازی از طریق شبیه سازی جهت تخصیص بهینه نیروی انسانی و تجهیزات موازی به ایستگاه ها در یک خط تولید، فصلنامه مطالعات مدیریت صنعتی، ۴۶، 1396، ۵۷ -۷۱.
[19] Kwak, W., Shi, Y., & Jung, K. Human Resource Allocation in a CPA Firm: A Fuzzy Set Approach. Review of Quantitative Finance and Accounting 20, 2003, 277–290.
[20] L.Saaty, T., Peniwati, K., & S.Shang, J. The analytic hierarchy process and human resource allocation: Half the story. Mathematical and Computer Modelling, 46(7–8), 2007, 1041-1053.
[21] Lin, CH-L., & Gen, M. Multi-criteria human resource allocation for solving multistage combinatorial optimization problems using multi-objective hybrid genetic algorithm. Expert Systems with Applications, 34(4), 2008, 2480-2490.
[22] Estellon, B., Gardi, F., & Nouioua, K. High-Performance Local Search for Task Scheduling with Human Resource Allocation. Lecture Notes in Computer Science, 2009, https://doi.org/10.1007/978-3-642-03751-1_1.
[23] Filho, F.C., Aparecid, D., Roch R., GuimarãesFernandes Costa, M., & Albuquerque Pereir, W.C. Using Constraint Satisfaction Problem approach to solve human resource allocation problems in cooperative health services. Expert Systems with Applications, 39(1), 2012, 385-394.
[24] Pérez, P., González-Cruz, M.C., & Diego, M.F. Human resource allocation management in multiple projects using sociometric techniques. International Journal of Project Management, 30(8), 2012, 901-913.
[25] Cabanillas, C., García, J.M., Resinas, M., Ruiz, D., Mendling, J., & Ruiz-Cortés, A. Priority-Based Human Resource Allocation in Business Processes. Lecture Notes in Computer Science, 2013, https://doi.org/10.1007/978-3-642-45005-1_26.
[26] Chien, T.H., Lin, Y.I., & Tien, K.W. Agent-based negotiation mechanism for multi-project human resource allocation. Journal of Industrial and Production Engineering, 30(8), 2013, 518-527.
[27] Stylianou, C., & Andreou, A.S. Human Resource Allocation and Scheduling for Software Project Management, 2014, https://doi.org/10.1007/978-3-642-55035-5_4.
[28] Ponsteen, A., & J.Kusters, R. Classification of Human- and Automated Resource Allocation Approaches in Multi-Project Management. Procedia - Social and Behavioral Sciences, 194, 2015, 165-173.
[29] Park, J., Seo, D., Hong, G., Shin, D., Hwa, J., & Ba, D.H. Human Resource Allocation in Software Project with Practical Considerations. International Journal of Software Engineering and Knowledge Engineering, 25(1), 2015, 5-26.
[30] Wibisono, A., Nisafani, A.S., Bae, H., & Park, Y.J. On-the-Fly Performance-Aware Human Resource Allocation in the Business Process Management Systems Environment Using Naïve Bayes. Lecture Notes in Business Information Processing, 219, 2015, https://doi.org/10.1007/978-3-319-19509-4_6.
[31] Roque, L., Araújo, A.A., Dantas, A., Saraiva, R., & Souza, J. Human Resource Allocation in Agile Software Projects Based on Task Similarities. Lecture Notes in Computer Science, 2016, https://doi.org/10.1007/978-3-319-47106-8_25.
[32] Lilia, ZH. An Inverse Optimization Model for Human Resource Allocation Problem Considering Competency Disadvantage Structure. Procedia Computer Science, 112, 2015, 1611-1622.
[33] Bouajaja, S., & Dridi, N. A survey on human resource allocation problem and its applications. Operation Research International Journal, 17, 2017, 339–369.
[34] Aviso, K.B., Cayamanda, C.D., & Mayol, A.P. Optimizing Human Resource Allocation in Organizations during Crisis Conditions: a P-graph Approach. Process Integration and Optimization for Sustainability, 1, 2017, 59–68.
[35] Arias, M., Saavedra, R., Marques, M.R., Munoz-Gama, J. & Sepúlveda, M. Human resource allocation in business process management and process mining: A systematic mapping study. Management Decision, 56(2), 2017, 376-405.
[36] Arias, M., Munoz-Gama, J., Sepúlveda, J., & Miranda, J.C. Human resource allocation or recommendation based on multi-factor criteria in on-demand and batch scenarios. European Journal of Industrial Engineering, 2018, https://doi.org/10.1504/ EJIE.2018.092009.
[37] Kolisch, R., & Sprecher, A. PSPLIB-a project scheduling problem library: OR software-ORSEP operations research software exchange program. European Journal of Operational Research, 96(1), 1997, 205–216.
[38] Fündeling, C.U., & Trautmann, N. A priority-rule method for project scheduling with work-content constraints. European Journal of Operational Research, 203(3), 2010, 568–574.
[39] Naber, A., & Kolisch, R. MIP models for resource-constrained project scheduling with flexible resource profiles. European Journal of Operational Research, 239(2), 2014, 335–348.
[40] Kolisch, R., Sprecher, A., & Drexl, A. Characterization and generation of a general class of resource-constrained project scheduling problems. Management Science, 41(10), 1995, 1693–1703.
[41] Kolisch, R., & Hartmann, S. Experimental investigation of heuristics for resource-constrained project scheduling: An update. European Journal of Operational Research, 174(1), 2006, 23–37.
[42] Van Peteghem, V., & Vanhoucke, M. An experimental investigation of metaheuristics for the multi-mode resource-constrained project scheduling problem on new dataset instances. European Journal of Operational Research, 235(1), 2014, 62–72.
[43] Hartmann, S. A competitive genetic algorithm for resource‐constrained project scheduling. Naval Research Logistics, 45(7), 1998, 733–750.
[44] Baumann, P., Fündeling, C.U., & Trautmann, N. The resource-constrained project scheduling problem with work-content constraints. In Handbook on Project Management and Scheduling, 1, 2015, 533–544.
پژوهش های مدیریت منابع سازمانی
دوره 11، شماره 3
آذر 1400
صفحه 95-118