Способ автоматизированного управления трудовыми ресурсами на основе имитационного моделирования Российский патент 2019 года по МПК G06Q10/06 G06F16/00 G06N5/00 

Предлагаемое изобретение относится к области систем управления сложными объектами с целью повышения эффективности их функционирования.

Известна система управления проектами (Патент РФ 47114 кл. МПК G06F 17/60), включающая блок хранения баз данных, соединенный с блоком формирования отчетов, блоком планирования, блоком управления исполнением проектов, блоком формирования бюджета, блоком управления ресурсами, блоком обеспечения безопасности, блок интеграции с внешними системами, блок управления качеством, блок управления изменениями в проекте, блок управления «открытыми вопросами», каждый из перечисленных блоков соединен со всеми упомянутыми блоками, а также с, по крайней мере, одним блоком обеспечения приема и отправки сообщений по электронной почте, и, по крайней мере, с одним блоком формирования интерфейса пользователя в веб-навигаторе при подключении системы к сети Интернет; в систему может быть дополнительно включено устройство, предназначенное для обеспечения безопасного обращения пользователей, находящихся за пределами корпоративной сети системы, на основе механизма фильтрации и переадресации запросов, соединенное со всеми упомянутыми блоками и упомянутым устройством, предназначенным для формирования интерфейса пользователя в веб-навигаторе при подключении системы к сети Интернет. К недостаткам данной системы можно отнести следующие: исполнители назначаются на задачи вручную, пользователем системы; нет средств для оценки квалификации и объективной (фактической) эффективности работы исполнителей; нет средств для оценки сложности задач; отсутствуют средства генерирования различных планов выполнения проекта различными исполнителями; отсутствует возможность автоматизированного планирования использования ресурсов с учетом влияния случайных внешних и внутренних факторов по отношению к процессу управления и производства и оценки результатов моделирования с целью выбора наилучшего плана управления.

Известна система рационального распределения ресурсов (Патент РФ 2375750 кл. МПК G06Q 10/00), содержащая в блоке ввода задания системе на первый момент времени устройство управления рациональным назначением и анализа распределения ресурсов по заданным условиям, ячейку критериальной оценки анализа рационального распределения ресурсов, ячейку фиксирования запланированной величины выполненных работ, ячейку фиксирования фактической величины выполненных работ, ячейку фиксирования по величине выполненных работ, ячейку рационального распределения ресурсов технической составляющей, ячейку рационального распределения работ, ячейку рационального распределения ресурсов организационной составляющей, а в блоке ввода задания системе на второй момент времени - ячейку фиксирования запланированной величины выполненных работ, ячейку фиксирования фактической величины выполненных работ, блок перераспределения ресурсов в ходе выполнения работ, ячейку фиксирования работ, обеспеченных ресурсами, ячейку проверки исчерпаемости ресурсов и предназначенная для учета входящих и исходящих из нее ресурсов, планирования и контроля их перемещения в системе. Недостатками данной системы являются: при распределении ресурсов учитываются только объемы задач и остатки (объемы) ресурсов и их стоимость, но никак не оценивается сложность задач и эффективность ресурсов на основе ретроспективных данных по выполненным ранее задачам; при перераспределении ресурсов не учитываются их характеристики (например, в случае трудовых ресурсов - уровень квалификации) и принципиальная возможность выполнения назначаемыми ресурсами тех задач, на которые они назначаются; переназначение ресурсов выполняет оператор вручную, с использованием блока управления.

Наиболее близким по технической сущности к предлагаемому изобретению является способ прогнозирования объемов производства, регулирования, учета и планирования размещения и перемещения ресурсов (Патент РФ 2216038 кл. МПК G06F 17/60), схема которого представлена на Фиг. 1, являющийся прототипом предлагаемого изобретения. Способ-прототип включает операции формирования полей в базах данных и соответствующих им записей 1; формирования запроса и поиска данных 2, по крайней мере, в базе данных, содержащей данные о планируемых действиях, связанных с производством и потреблением ресурсов, в базе данных, содержащей данные, характеризующие ресурс, в базе данных, содержащей данные о возможных маршрутах перемещения ресурсов и о местонахождении мест, предназначенных для их использования, хранения и/или переработки, в базе данных, содержащей данные, характеризующие объекты, использующие ресурсы; формирования команды 3 о том, что запрашиваемые данные не обнаружены при отрицательном результате поиска данных, и передачи ее как факт в базу знаний, в которой ищут правило, соответствующее этому факту, при этом в случае обнаружения правила на основании его вывода формируется новый запрос на поиск в упомянутых базах данных, при этом новый запрос формируется каждый раз до тех пор, пока не будут обнаружены запрашиваемые данные; определения для каждого из найденных объектов данных, необходимых для проведения расчетов, при положительном результате поиска и расчета значений параметров, характеризующих условия поставки ресурсов 4. Недостатками данного способа являются: способ предназначен для управления материальными ресурсами и неэффективен в случае управления трудовыми ресурсами, так как не позволяет учитывать квалификацию и эффективность трудового ресурса; при выборе ресурсов на задачи учитывается только объем ресурсов и место их нахождения, но не учитываются остальные характеристики ресурсов; не анализируются ретроспективные статистические данные производительности ресурсов; отсутствует возможность проверки эффективности принимаемых решений, например, путем прогнозирования результатов их применения на объекте управления.

Целью изобретения является устранение недостатков способа-прототипа, повышение его эффективности и расширение его функциональных возможностей.

Технической сущностью предлагаемого изобретения является совершенствование способа-прототипа на основе интеллектуальных информационных технологий и устранение его недостатков с целью обеспечения возможности эффективного управления трудовыми ресурсами.

Эта сущность достигается тем, что в способе планирования размещения и перемещения ресурсов, включающем формирование полей данных в базах данных и соответствующих им записей 1; формирование запроса и поиск данных 2, по крайней мере, в базе данных, содержащей данные о планируемых действиях, связанных с производством и потреблением ресурсов, в базе данных, содержащей данные, характеризующие ресурс, в базе данных, содержащей данные, характеризующие объекты, использующие ресурсы; формирование команды 3 о том, что запрашиваемые данные не обнаружены при отрицательном результате поиска данных, и передача ее как факт в базу знаний, в которой ищут правило, соответствующее этому факту, при этом в случае обнаружения правила на основании его вывода формируется новый запрос на поиск в упомянутых базах данных, при этом новый запрос формируется каждый раз до тех пор, пока не будут обнаружены запрашиваемые данные; определение для каждого из найденных объектов данных, необходимых для проведения расчетов, при положительном результате поиска и расчет значений параметров, характеризующих условия поставки ресурсов 4 также выполняют: операцию обработки статистики по трудовым ресурсам и задачам 5, на основании данных, полученных на этапе 4; операцию определения состава случайных величин для имитационного моделирования 6 на основании данных настроек, хранящихся в базе данных; операцию идентификации законов распределения случайных величин 7, выбранных на этапе 6, для получения закономерностей изменения каждой из выбранных случайных величин во времени; операцию оценки сложности задач 8 на основе расчета метрик оценки сложности задач, вычисляемых путем обработки ретроспективной статистики по ранее решенным аналогичным задачам, полученной из базы данных, для задач, полученных на этапе 4; операцию оценки эффективности трудовых ресурсов 9 для каждого ресурса на основе расчета метрик оценки эффективности ресурса, вычисляемых путем обработки ретроспективной статистики по выполнению данным ресурсом других задач, полученной из базы данных, для ресурсов, полученных на этапе 4; операцию генерации различных вариантов плана распределения трудовых ресурсов 10 на основе данных, полученных на этапах 8 и 9; операцию имитационного моделирования каждого из сгенерированных вариантов плана распределения трудовых ресурсов 11, полученных на этапе 10, для получения прогнозных показателей качества и скорости выполнения задач ресурсами, представляющих собой выбранные на этапе 6 случайные величины, для определения эффективности моделируемого варианта плана распределения ресурсов по задачам относительно других альтернативных планов распределения ресурсов, сгенерированных на этапе 10; операцию генерирования рекомендаций по выбору наилучшего плана распределения трудовых ресурсов 12 на основе данных, полученных на этапе 11.

На Фиг. 1 представлена структурная схема существующего способа (прототип изобретения).

На Фиг. 2 представлена структурная схема предлагаемого способа управления трудовыми ресурсами на основе имитационного моделирования.

Способ автоматизированного управления трудовыми ресурсами на основе имитационного моделирования, включающий операцию формирования полей данных в базах данных и соответствующих им записей о трудовых ресурсах и задачах 1; операцию формирования запроса и поиск данных 2, по крайней мере, в базе данных, содержащей данные о планируемых действиях, связанных с производством и потреблением трудовых ресурсов, в базе данных, содержащей данные, характеризующие трудовой ресурс, в базе данных, содержащей данные, характеризующие объекты, использующие трудовые ресурсы; операцию формирования команды 3 о том, что запрашиваемые данные не обнаружены при отрицательном результате поиска данных, и передачи ее как факт в базу знаний, в которой ищут правило, соответствующее этому факту, при этом в случае обнаружения правила на основании его вывода формируется новый запрос на поиск в упомянутых базах данных, при этом новый запрос формируется каждый раз до тех пор, пока не будут обнаружены запрашиваемые данные; операцию определения для каждого из найденных объектов данных, необходимых для проведения расчетов, при положительном результате поиска и расчет значений параметров, характеризующих условия поставки трудовых ресурсов 4; операцию обработки статистики по трудовым ресурсам и задачам 5, на основании данных, полученных на этапе 4; операцию определения состава случайных величин для имитационного моделирования 6 на основании данных настроек, хранящихся в базе данных; операцию идентификации законов распределения случайных величин 7, выбранных на этапе 6, для получения закономерностей изменения каждой из выбранных случайных величин во времени; операцию оценки сложности задач 8 на основе расчета метрик оценки сложности задач, вычисляемых путем обработки ретроспективной статистики по ранее решенным аналогичным задачам, полученной из базы данных, для задач, полученных на этапе 4; операцию оценки эффективности трудовых ресурсов 9 для каждого ресурса на основе расчета метрик оценки эффективности ресурса, вычисляемых путем обработки ретроспективной статистики по выполнению данным ресурсом других задач, полученной из базы данных, для ресурсов, полученных на этапе 4; операцию генерации различных вариантов плана распределения трудовых ресурсов 10 на основе данных, полученных на этапах 8 и 9; операцию имитационного моделирования каждого из сгенерированных вариантов плана распределения трудовых ресурсов 11, полученных на этапе 10, для получения прогнозных показателей качества и скорости выполнения задач ресурсами, представляющих собой выбранные на этапе 6 случайные величины, для определения эффективности моделируемого варианта плана распределения ресурсов по задачам относительно других альтернативных планов распределения ресурсов, сгенерированных на этапе 10; операцию генерирования рекомендаций по выбору наилучшего плана распределения трудовых ресурсов 12 на основе данных, полученных на этапе 11.

Предлагаемый способ автоматизированного управления трудовыми ресурсами на основе имитационного моделирования осуществляется следующим образом.

В рамках реализации предлагаемого способа, на первом шаге (см. фиг. 2, блок 1) осуществляется ввод в базу данных (БД) информации о существующих в организации трудовых ресурсах и задачах. В качестве данных о трудовых ресурсах могут выступать, например, следующие данные:

- продолжительность выполнения трудовым ресурсом задач по каждой из выполненных им ранее задач;

- результат выполнения ресурсом задач по каждой из выполненных им ранее задач (выполнено, не выполнено, частично выполнено и т.п.);

- количество ошибок, допущенных ресурсом по каждой из выполненных им ранее задач;

- экспертная оценка (числовой коэффициент в интервале от 0 до 100) эффективности работы ресурса по каждой из выполненных им ранее задач.

В качестве данных о задачах могут использоваться, например, следующие данные:

- коэффициент трудоемкости задачи;

- предполагаемое время выполнения задачи;

- предполагаемый класс сложности задачи;

- среднее число ошибок, совершаемых для задач подобного типа;

- ограничение по времени выполнения задачи;

- требования к ресурсам, необходимым для выполнения задачи;

- экспертная оценка сложности задачи (числовой коэффициент в интервале от 0 до 100).

Введенные в БД данные используются для анализа и принятия решений на следующих шагах предлагаемого способа.

На втором шаге предлагаемого способа (см. фиг. 2, блок 2) лицом, принимающим решения (ЛПР), формируется запрос на получение списка текущих (невыполненных) задач и списка свободных трудовых ресурсов, которые можно использовать для выполнения данных задач.

В том случае, если на предыдущем шаге данные о задачах или свободных трудовых ресурсах не были найдены, на следующем шаге (см. фиг. 2, блок 3) формируется команда о том, что данные не найдены, и передается в виде факта в базу знаний, в которой происходит поиск правила (в формате «ЕСЛИ {факты}, ТО {действия}»), соответствующего данному факту. Далее, если правило было обнаружено, то формируется новый запрос на поиск в БД, при этом новый запрос формируется до тех пор, пока запрашиваемые данные не будут обнаружены. В данном случае правила базы знаний указывают на то, что делать, если на определенную задачу из списка задач не найдены трудовые ресурсы в нужном объеме. Либо что делать, если есть свободные трудовые ресурсы, но нет невыполненных задач. В качестве правила может выступать, например, следующее: «ЕСЛИ {для ЗАДАЧИ 1 требуется N трудовых ресурсов типа Р} И {свободных трудовых ресурсов типа Р в настоящий момент М, причем M<N}, ТО {ожидать высвобождения трудовых ресурсов типа Р от других задач в количестве N - М (N минус М)} И {выдать их в результатах поиска после их высвобождения}».

Если же на втором шаге (см. фиг. 2, блок 2) запрашиваемые данные были обнаружены, то на четвертом шаге (см. фиг. 2, блок 4) по всем найденным на втором шаге (см. фиг. 2, блок 2) задачам и трудовым ресурсам выбираются данные, необходимые для принятия решения по распределению трудовых ресурсов по задачам. В качестве таких данных могут, например, выступать наборы данных, перечисленные выше, в описании первого шага предлагаемого способа. Также на данном, четвертом шаге (см. фиг. 2, блок 4), осуществляется расчет значений параметров, характеризующих условия поставки трудовых ресурсов, то есть производится формирование предварительного варианта распределения трудовых ресурсов по задачам. Условия, по которым производится распределение, задаются правилами формата «ЕСЛИ {факты}, ТО {действия}» и для каждой организации и каждого конкретного процесса могут быть своими. Например, правило в данном случае может быть таким: «ЕСЛИ {количество трудового ресурса 1 типа А равно N} И {на задачу 1 требуется N трудовых ресурсов типа А} И {трудовой ресурс 1 находится в географической локации Б} И {задача 1 должна выполняться в географической локации Б}, ТО {назначить трудовой ресурс 1 на выполнение задачи 1}».

На пятом шаге (см. фиг. 2, блок 5) производится первичная статистическая обработка полученных на четвертом шаге данных (см. фиг. 2, блок 4) - по каждому из наборов полученных значений определяются: их минимальные, максимальные и средние значения; математическое ожидание, дисперсия и среднеквадратическое отклонение. Результаты произведенных на данном шаге расчетов необходимы на следующих шагах для имитационного моделирования с целью прогнозирования выполнения трудовыми ресурсами назначенных им задач.

На шестом шаге (см. фиг. 2, блок 6) производится определение случайных величин для имитационного моделирования процесса выполнения трудовыми ресурсами назначенных им на четвертом шаге (см. фиг. 2, блок 4) задач. Состав списка случайных величин может быть разным для различных организаций и зависит от конкретного процесса выполнения задач в конкретно взятой организации. Например, в качестве базового набора случайных величин могут быть выбраны следующие: случайная продолжительность выполнения по каждой задаче; случайное время бездействия каждого из трудовых ресурсов; случайное число ошибок, допущенных при выполнении каждой из задач; случайное число трудовых ресурсов, снятых с выполнения задач в связи с больничным или увольнением; случайное количество задач, выполнение которых превысило плановые показатели, и т.д.

На седьмом шаге (см. фиг. 2, блок 7) производится идентификация законов распределения выбранных на предыдущем шаге (см. фиг. 2, блок 6) случайных величин. Идентификация законов распределения необходима для получения информации о том, по какой закономерности изменяются значения каждой из выбранных случайных величин во времени. Полученные для каждой из случайных величин закономерности, в свою очередь, позволяют спрогнозировать значения данных случайных величин на будущие периоды, то есть получить прогноз выполнения трудовыми ресурсами назначенных на них задач. Идентификация законов распределения случайных величин производится стандартным образом - путем выдвижения гипотезы о предполагаемом законе распределения случайной величины и дальнейшей проверки выдвинутой гипотезы с использованием критерия согласия χ²-Пирсона.

На восьмом шаге (см. фиг. 2, блок 8) осуществляется оценка сложности каждой из задач, которые необходимо выполнить, на основе расчета математических метрик оценки сложности задач, вычисляемых путем обработки статистики по ранее решенным аналогичным задачам, полученной из БД. Состав рассчитываемых метрик и алгоритмы их расчета задаются изначально и могут быть любыми, соответствующими особенностям выполнения задач в конкретной организации и целям производства. В качестве примера можно привести следующие метрики оценки сложности задач, частично соответствующие перечисленным выше, на первом шаге, характеристикам задач: время выполнения задачи; среднее число ошибок, совершаемых для задач подобного типа; ограничение по времени выполнения задачи; требования к трудовым ресурсам, необходимым для выполнения задачи (список типов ресурсов); экспертная оценка сложности задачи (числовой коэффициент в интервале от 0 до 100); фактическая оценка сложности задачи, полученная после ее выполнения. По каждому из данных показателей обрабатывается ретроспективная статистика по задачам аналогичного типа и на ее основе определяется сложность текущей, рассматриваемой задачи.

На восьмом шаге (см. фиг. 2, блок 9) осуществляется оценка эффективности трудовых ресурсов, которые необходимо назначить на имеющиеся задачи. Оценка производится для каждого трудового ресурса на основе расчета математических метрик оценки эффективности трудового ресурса, вычисляемых путем обработки ретроспективной статистики по выполнению данным трудовым ресурсом других задач, полученной из БД. Состав рассчитываемых метрик и алгоритмы их расчета задаются изначально и могут быть любыми, соответствующими особенностям выполнения задач в конкретной организации и целям производства. В качестве примера можно привести следующие метрики эффективности трудовых ресурсов, частично соответствующие перечисленным выше, на первом шаге, характеристикам трудовых ресурсов: продолжительность выполнения трудовым ресурсом задач по каждой из выполненных им ранее задач; результат выполнения трудовым ресурсом задач по каждой из выполненных им ранее задач (выполнено, не выполнено, частично выполнено и т.п.); количество ошибок, допущенных трудовым ресурсом по каждой из выполненных им ранее задач; экспертная оценка (числовой коэффициент в интервале от 0 до 100) эффективности работы трудового ресурса по каждой из выполненных им ранее задач; фактическая оценка эффективности работы ресурса, полученная после выполнения им задач. По каждому из данных показателей (метрике) обрабатывается ретроспективная статистика, что позволяет оценить насколько эффективно рассматриваемый трудовой ресурс справлялся с подобными задачами ранее.

После того как на восьмом шаге (см. фиг. 2, блок 8) получены оценки сложности по каждой из задач, а на девятом шаге (см. фиг. 2, блок 9) получены оценки эффективности работы каждого из имеющихся трудовых ресурсов, на десятом шаге (см. фиг. 2, блок 10) производится генерация всех возможных вариантов (планов) распределения трудовых ресурсов по задачам. При этом трудовые ресурсы распределяются по задачам таким образом, чтобы на максимально сложные задачи назначались максимально эффективные трудовые ресурсы, а также эффективность трудового ресурса была максимальной именно для того типа задач, к которому относится назначаемая трудовому ресурсу задача. Число вариантов распределения трудовых ресурсов по задачам ограничено только максимально возможным количеством комбинаторных перестановок элементов двух множеств: множества задач и множества трудовых ресурсов.

На одиннадцатом шаге (см. фиг. 2, блок 11) для всех полученных на десятом шаге (см. фиг. 2, блок 10) вариантов (планов) распределения трудовых ресурсов производится имитационное моделирование процесса выполнения трудовыми ресурсами назначенных на них задач, результатом которого является прогноз показателей качества и скорости выполнения задач трудовыми ресурсами. Под показателями качества и скорости выполнения задач трудовыми ресурсами принимаются выбранные на шестом шаге (см. фиг. 2, блок 6) случайные величины, позволяющие определить, насколько моделируемый вариант (план) распределения трудовых ресурсов по задачам будет эффективен относительно его альтернатив (других сгенерированных на десятом шаге (см. фиг. 2, блок 10) планов распределения трудовых ресурсов).

На двенадцатом шаге (см. фиг. 2, блок 12) на основе результатов прогноза выполнения трудовыми ресурсами назначенных на них задач, полученных на одиннадцатом шаге (см. фиг. 2, блок 11), для ЛПР генерируются рекомендации по выбору наилучшего плана (варианта) распределения трудовых ресурсов по задачам. При этом сгенерированные рекомендации содержат спрогнозированные значения случайных величин, позволяющие оценить каждый из планов распределения трудовых ресурсов, в трех «разрезах»: пессимистичный прогноз, наиболее вероятный прогноз и оптимистичный прогноз.

Следует отметить, что описанный пример является лишь частным случаем реализации предлагаемого способа.

Рассмотрим пример технической реализации предлагаемого способа.

На первом шаге (см. фиг. 2, блок 1) ЛПР вводит через программный пользовательский веб-интерфейс в обеспечивающую предлагаемый способ программную подсистему ведения задач Atlassian Jira информацию о существующих в организации задачах и их текущем статусе (например: «новая», «в работе», «завершена» и т.п.), а также о существующих в организации трудовых ресурсах - исполнителях задач. При этом по каждой уже выполненной задаче или задаче, по которой идет выполнение, вводятся данные, характеризующие процесс работы исполнителя (трудового ресурса) над задачей (дата начала выполнения задачи, продолжительность выполнения задачи, число ошибок по задаче и т.д.).

На втором шаге (см. фиг. 2, блок 2) ЛПР через программный пользовательский веб-интерфейс подсистемы ведения задач Atlassian Jira, путем ввода информации в специальную веб-форму, формирует информационный запрос на поиск текущих не начатых и невыполненных задач, а также свободных трудовых ресурсов для их распределения по задачам.

В том случае, если на предыдущем шаге (см. фиг. 2, блок 2) данные о задачах и трудовых ресурсах не были найдены, на следующем шаге (см. фиг. 2, блок 3) специальным плагином для подсистемы ведения задач Atlassian Jira автоматически формируется команда о том, что данные не найдены, после чего плагин осуществляет запрос в базу знаний, находящуюся в In-Memory Data Grid хранилище, с целью поиска правила, соответствующего данному факту. Если правило обнаруживается в базе знаний, то формируется и выполняется соответствующий данному правилу новый запрос на поиск задач и трудовых ресурсов в подсистеме ведения задач Atlassian Jira. При этом новый запрос формируется аналогичным образом до тех пор, пока запрашиваемые данные не будут найдены в подсистеме ведения задач Atlassian Jira.

Если же на втором шаге (см. фиг. 2, блок 2) данные о задачах и трудовых ресурсах были найдены, то на четвертом шаге (см. фиг. 2, блок 4) через специальный разработанный для этого плагин выполняется запрос в подсистему ведения задач Atlassian Jira на выборку всех данных по задачам и трудовым ресурсам, необходимых для принятия решений по распределению трудовых ресурсов по задачам. Также на данном шаге, после получения плагином всех необходимых данных из подсистемы ведения задач Atlassian Jira, плагин отправляет информационное уведомление установленной на сервере под управлением Websphere подсистеме управления и моделирования, представляющей собой Java-приложение, которая в автоматическом режиме на основе заложенных в него правил осуществляет первоначальное распределение имеющихся трудовых ресурсов между имеющимися задачами.

После того как первоначальное распределение трудовых ресурсов между задачами осуществлено, на пятом шаге (см. фиг. 2, блок 5) подсистема управления и моделирования производит статистическую обработку полученных на четвертом шаге (см. фиг. 2, блок 4) данных по задачам и трудовым ресурсам с целью определения статистических характеристик (минимального, максимального значения, математического ожидания и т.д.) каждого из показателей, содержащихся в полученных данных. Статистическая обработка и расчет характеристик производится в оперативной памяти сервера, на котором установлена подсистема управления и моделирования.

Далее, на шестом шаге (см. фиг. 2, блок 6) из настроек подсистемы управления и моделирования, хранящихся в базе данных, расположенной на том же сервере, что и данная подсистема, посредством информационного запроса подсистема управления и моделирования вычитывает список случайных величин для моделирования. Список случайных величин заполняется ЛПР заранее, с учетом особенностей моделируемого процесса, и хранится в базе данных на постоянной основе. База данных представляет собой In-Memory Data Grid хранилище.

На следующем шаге (см. фиг. 2, блок 7) подсистема управления и моделирования осуществляет идентификацию законов распределения случайных величин из списка, полученного на предыдущем шаге. При этом все вычисления производятся в оперативной памяти сервера, на котором функционирует подсистема управления и моделирования. Все необходимые для идентификации законов распределения данные подсистема управления и моделирования запрашивает посредством информационных запросов из выделенной под ее работу оперативной памяти сервера, а также из In-Memory Data Grid хранилища.

Для расчета оценок сложности задач, оценок эффективности трудовых ресурсов и генерации планов распределения трудовых ресурсов на следующих шагах (см. фиг. 2, блоки 8, 9 и 10) подсистема управления и моделирования также использует оперативную память сервера, на котором она находится, и In-Memory Data Grid хранилище (для хранения промежуточных данных). Передача данных также осуществляется посредством информационных запросов в рамках одно и того же сервера.

Далее (см. фиг. 2, блок 11) осуществляется имитационное моделирование выполнения сгенерированных на предыдущем шаге (см. фиг. 2, блок 10) планов выполнения задач назначенными на них трудовыми ресурсами. Моделирование производится на том же аппаратном сервере, что и все предыдущие шаги. При этом используется оперативная память и In-Memory Data Grid хранилище для хранения и манипулирования промежуточными данными моделирования, а также система управления базами данных Oracle Database для хранения результатов моделирования.

На следующем шаге с использованием базы знаний подсистемы управления и моделирования, хранящейся In-Memory Data Grid хранилище сервера, а также результатов моделирования, сохраненных в Oracle Database сервера, в оперативной памяти сервера подсистема управления и моделирования генерирует рекомендации по выбору наилучшего плана распределения трудовых ресурсов по задачам, при этом все необходимые данные выводятся в веб-интерфейсе пользователя (ЛПР) для их анализа и принятия окончательного решения.

Все описанные в рассмотренном примере программные подсистемы располагаются на сервере, имеющем следующие характеристики: Intel Core i7-6700 CPU 3.40Hz × 2, 24 GB RAM, 150 Gb HDD, Microsoft Windows Server 2008 R2 (64-bit).

Описанный пример является лишь частным случаем реализации предлагаемого способа.

Включение в способ операции обработки статистики по трудовым ресурсам позволяет производить анализ ретроспективных данных с целью выявления закономерностей изменения различных показателей выполнения задач трудовыми ресурсами, прогнозирования данных показателей на будущие периоды и использования результатов прогноза для повышения объективности, точности и своевременности принимаемых решений.

Включение в способ операции определения состава случайных величин для имитационного моделирования позволяет определять показатели эффективности процесса распределения трудовых ресурсов с целью повышения качества контроля и управления процессом за счет использования случайных величин в имитационной модели процесса, позволяющей получать прогноз и оценку эффективности выполнения задач назначенными на них трудовыми ресурсами.

Включение в способ операции идентификации законов распределения случайных величин позволяет строить математическое описание процесса выполнения трудовыми ресурсами поставленных им задач с целью моделирования выполнения задач с учетом таких факторов и получения адекватного прогноза результатов выполнения задач трудовыми ресурсами.

Включение в способ операции оценки сложности задач позволяет оценивать сложность и трудоемкость поставленных трудовым ресурсам задач на основе ретроспективной статистики по подобным задачам в подобных проектах и находить для их выполнения наиболее подходящие трудовые ресурсы.

Включение в способ операции оценки эффективности трудовых ресурсов позволяет более объективно, на основе ретроспективной статистики по каждому трудовому ресурсу, оценивать эффективность и качество его работы с целью поиска для него наиболее подходящих задач.

Включение в способ операции генерации различных вариантов плана выполнения задач трудовыми ресурсами позволяет на основе данных о сложности задач и эффективности имеющихся трудовых ресурсов генерировать различные планы выполнения каждой задачи на основе заданной целевой функции эффективности выполнения задач.

Включение в способ операции имитационного моделирования каждого из сгенерированных вариантов плана выполнения задач трудовыми ресурсами позволяет моделировать процесс выполнения каждой задачи по каждому сгенерированному плану выполнения задачи и оценивать эффективность каждого сгенерированного плана выполнения задач для выбора из них наилучшего.

Включение в способ операции генерирования рекомендаций по выбору наилучшего плана выполнения задач позволяет на основе результатов имитационного моделирования выполнения задач трудовыми ресурсами по каждому из сгенерированных системой планов генерировать рекомендации по тому, какой план выполнения задач необходимо применить к каждой из задач, чтобы получить максимальный положительный эффект от выполнения данных задач.

Добавление в способ перечисленных операций и использование интеллектуального анализа принимаемых решений на основе технологии имитационного моделирования устраняет недостатки способа-прототипа, расширяет область его применения и повышает его эффективность. Предлагаемый способ обеспечивает повышение эффективности процесса управления выполнением задач трудовыми ресурсами за счет выбора (на основе анализа ретроспективной, а также динамически меняющейся в процессе функционирования объекта информации о нем) наилучшего из совокупности имеющихся плана распределения трудовых ресурсов, без проведения затратных экспериментов на реальном объекте управления. Изобретение способствует повышению точности и обоснованности принимаемых решений и сокращению продолжительности процесса распределения трудовых ресурсов (в ряде случаев до нескольких минут) за счет возможности использования средств автоматизации.

Литература

1. Система управления проектами [Текст]: пат. 47114 Росссийская Федерация: МПК G06F 17/60 / Цветков Н.Н., Алиев Д.Ф.; заявитель и патентообладатель ОАО АКБ "АВТОБАНК-НИКОЙЛ" - №2005102201/22; заявл. 31.01.2005; опубл. 10.08.2005, Бюл. №22.

2. Система рационального распределения ресурсов [Текст]: пат. 2375750 Росссийская Федерация: МПК G06Q 10/00 / Коновалов О.А., Зырянов У.Т., Малыков К.А.; заявитель и патентообладатель Государственное образовательное учреждение высшего профессионального образования Тамбовское высшее военное авиационное инженерное училище радиоэлектроники (военный институт) - №2008111831/09; заявл. 27.03.2008; опубл. 10.12.2009, Бюл. №34.

3. Способ прогнозирования объемов производства, регулирования, учета и планирования размещения и перемещения ресурсов [Текст]: пат. 2216038 Росссийская Федерация: МПК G06F17/60 / Соловьев В.Е., Протопопова Т.И.; заявитель и патентообладатель Государственное унитарное предприятие "Информационные технологии, инжиниринг и связь" - №2008111831/09; заявл. 27.03.2008; опубл. 10.12.2009, Бюл. №34.

Изобретение относится к способу автоматизированного управления трудовыми ресурсами на основе имитационного моделирования. Технический результат заключается в автоматизации управления трудовыми ресурсами. Способ содержит формирование записей о трудовых ресурсах и задачах в базах данных, формирование запроса и поиск данных в базе данных о планируемых действиях, связанных с производством и потреблением трудовых ресурсов, в базе данных трудовых ресурсов, в базе данных объектов, использующих трудовые ресурсы, передачу в базу знаний факта об отрицательном результате поиска данных для поиска правила для формирования нового запроса на поиск в упомянутых базах данных, при этом новый запрос формируется до тех пор, пока не будут обнаружены запрашиваемые данные, а также операции обработки статистики по трудовым ресурсам и задачам, определения состава случайных величин для имитационного моделирования, идентификации законов распределения случайных величин, оценки сложности задач, оценки эффективности трудовых ресурсов для каждого ресурса, генерации различных вариантов плана распределения трудовых ресурсов, имитационного моделирования каждого из сгенерированных вариантов плана распределения трудовых ресурсов, генерирования рекомендаций по выбору наилучшего плана распределения трудовых ресурсов. 2 ил.

Способ автоматизированного управления трудовыми ресурсами на основе имитационного моделирования, реализуемый сервером и включающий в себя формирование полей данных в базах данных и соответствующих им записей о трудовых ресурсах и задачах 1; формирование запроса и поиск данных 2, по крайней мере, в базе данных, содержащей данные о планируемых действиях, связанных с производством и потреблением трудовых ресурсов, в базе данных, содержащей данные, характеризующие трудовой ресурс, в базе данных, содержащей данные, характеризующие объекты, использующие трудовые ресурсы; формирование команды 3 о том, что запрашиваемые данные не обнаружены при отрицательном результате поиска данных, и передача ее как факт в базу знаний, в которой ищут правило, соответствующее этому факту, при этом в случае обнаружения правила на основании его вывода формируется новый запрос на поиск в упомянутых базах данных, при этом новый запрос формируется каждый раз до тех пор, пока не будут обнаружены запрашиваемые данные; определение для каждого из найденных объектов данных, необходимых для проведения расчетов, при положительном результате поиска и расчет значений параметров, характеризующих условия поставки трудовых ресурсов 4, отличающийся тем, что в способе также выполняют: операцию обработки статистики по трудовым ресурсам и задачам 5 на основании данных, полученных на этапе 4; операцию определения состава случайных величин для имитационного моделирования 6 на основании данных настроек, хранящихся в базе данных; операцию идентификации законов распределения случайных величин 7, выбранных на этапе 6, для получения закономерностей изменения каждой из выбранных случайных величин во времени; операцию оценки сложности задач 8 на основе расчета метрик оценки сложности задач, вычисляемых путем обработки ретроспективной статистики по ранее решенным аналогичным задачам, полученной из базы данных, для задач, полученных на этапе 4; операцию оценки эффективности трудовых ресурсов 9 для каждого ресурса на основе расчета метрик оценки эффективности ресурса, вычисляемых путем обработки ретроспективной статистики по выполнению данным ресурсом других задач, полученной из базы данных, для ресурсов, полученных на этапе 4; операцию генерации различных вариантов плана распределения трудовых ресурсов 10 на основе данных, полученных на этапах 8 и 9; операцию имитационного моделирования каждого из сгенерированных вариантов плана распределения трудовых ресурсов 11, полученных на этапе 10, для получения прогнозных показателей качества и скорости выполнения задач ресурсами, представляющих собой выбранные на этапе 6 случайные величины, для определения эффективности моделируемого варианта плана распределения ресурсов по задачам относительно других альтернативных планов распределения ресурсов, сгенерированных на этапе 10; операцию генерирования рекомендаций по выбору наилучшего плана распределения трудовых ресурсов 12 на основе данных, полученных на этапе 11.