尹徐珊,吳 鵬,趙 亞

(江蘇電力信息技術(shù)有限公司 產(chǎn)品研發(fā)中心,南京 210024)

績效評價是基于特定的標(biāo)準(zhǔn)和指標(biāo),采取科學(xué)的方法,對員工過去的工作行為及取得的工作業(yè)績進(jìn)行評估,是企業(yè)高效管理、激勵員工的必要手段. 如何基于一線員工工作內(nèi)容、工作質(zhì)量等建立一套合理、公正的績效評價體系,是電力企業(yè)發(fā)展中非常重要和緊迫的課題.

近年來,滕學(xué)軍[1]以符合電力系統(tǒng)實際需求的KPI 應(yīng)用軟件為基礎(chǔ),研制制定績效管理系統(tǒng)獎懲辦法的策略; 彭佳惠等[2]引入EVA 績效考核制度,提出了優(yōu)化電力企業(yè)績效考核的措施; 查杰等[3]介紹了平衡計分卡及其在供電公司績效管理中的應(yīng)用; 蔣麗等[4]提出了基于戰(zhàn)略導(dǎo)向的項目制績效考核的設(shè)計思路與過程,結(jié)合關(guān)鍵績效指標(biāo)考核法完善績效考核體系; 楊子等[5]將OKR 管理模式引入績效考核以構(gòu)建更為完善、科學(xué)的績效考核模式; 張峰[6]以某大型電力企業(yè)實施一線員工“工作積分制”績效考核入手,探討其在優(yōu)化系統(tǒng)設(shè)置及系統(tǒng)積分應(yīng)用方面積累的經(jīng)驗.

目前,傳統(tǒng)的績效評價體系往往容易陷入“過于量化”,有時為了尋求客觀科學(xué)的評價結(jié)果,需要考核人員基于各類復(fù)雜的測算指標(biāo)進(jìn)行評價計算,耗時耗力,且考核人員的主觀經(jīng)驗等績效評價過程中價值信息卻很難挖掘并予以應(yīng)用. 本文提出了一套基于工單的績效評價模型,通過對同類工作項基于多維評價屬性簡單定性進(jìn)行縱向計數(shù)量化,對不同工作項基于班組長的主觀評估權(quán)重進(jìn)行橫向聚類,充分挖掘考核人員主觀評估中隱含的價值信息,解決考核人員評測難、過于量化的問題. 同時,本文提出基于平均度數(shù)的動態(tài)隨機種群拓?fù)銹SO 算法對模型進(jìn)行求解,對算法中粒子編碼方式、約束條件處理、策略具體實現(xiàn)等展開了深入的探究.

1 聚類與班組績效考核

聚類分析是數(shù)據(jù)挖掘和知識發(fā)現(xiàn)的一種基本方法,可在無先驗知識無指導(dǎo)下進(jìn)行數(shù)據(jù)無監(jiān)督分類. 通過聚類分析,可基于樣本各維度屬性數(shù)據(jù)將樣本區(qū)分為自然的群體,并給出每個群體特征描述,有利于發(fā)掘數(shù)據(jù)中潛藏的價值信息.

聚類分析的算法很多,比較著名的有模糊K-均值算法、K-中心點算法、C 均值算法、FCM 算法等. 作為典型的組合優(yōu)化問題,近年來國內(nèi)外學(xué)者將蟻群算法[7–9]、遺傳算法[10,11]等群智能算法應(yīng)用到聚類分析中,為求解聚類分析提供了一種新思路.

在班組周期考核中,班組長一般基于班組成員工作項及非工作項業(yè)績給出考核分,再對考核分排序,結(jié)合總?cè)藬?shù)比例,評定班員的績效考核等級(A/B/C). 由于各工作分項重要程度、工作項與非工作項重要程度很難確定一個對所有班組都適用的科學(xué)、客觀的評價權(quán)重系數(shù),班組長在實際操作中要給班員打出一個絕對量化的具體數(shù)值難度較大.

實際上,班組績效考核結(jié)果相當(dāng)于依據(jù)班員在各類工作項、非工作項中的表現(xiàn)情況對班員劃分出A、B、C 等級3 個聚類. 我們可以將績效考核從“絕對”量化轉(zhuǎn)化為“相對”量化,從考核周期班組長對班員的績效等級劃分倒推挖掘出班組長對各類工作分項和非工作項的主觀評價系數(shù),再基于評價系數(shù)對k+1 考核周期班員績效等級進(jìn)行聚類劃分.

本文選取PSO 算法作為聚類分析主要工具,并結(jié)合班組績效考核實際情況建立了基于PSO 算法的電力一線員工績效評價模型.

2 電力一線員工績效評價模型構(gòu)建

電力一線員工根據(jù)業(yè)務(wù)工作內(nèi)容劃分為生產(chǎn)、調(diào)度、營銷等類型,本文以生產(chǎn)域一線員工為例,探討績效評價模型的構(gòu)建.

2.1 基于評價系數(shù)的同類工單計件法

電力生產(chǎn)一線員工的工作項可基于PMS2.5 系統(tǒng)獲取詳細(xì)臺賬數(shù)據(jù),如操作票、帶電作業(yè)票、變電一種票、巡線記錄、缺陷管理、測溫測負(fù)等. 不同班組根據(jù)班組類型(變電運維、變電檢修、輸電運檢、配電運檢、配電搶修等)關(guān)聯(lián)其中某幾種類型的工單數(shù)據(jù). 可基于數(shù)據(jù)中臺服務(wù)獲取各班組所有班員的工單數(shù)據(jù),進(jìn)而綜合考慮各項工作技術(shù)難度、風(fēng)險因素、人員參與角色等進(jìn)行定性或定量評價.

本文采用的基于評價系數(shù)的同類工單計件法如圖1所示. 班組長可自行定義各類工單的評價因子,以及各項評價因子的衡量級別及衡量系數(shù). 由于是針對同類工單的評價,且只需針對各評價因子給出班員縱向所屬級別,相對明確易判斷,評價過程對班組長而言友好易操作. 由此可得到某考核周期內(nèi)各班員在各類工單上的基于評價系數(shù)的計件數(shù).

圖1 基于評價系數(shù)的同類工單計件法

2.2 基于PSO 聚類算法的績效等級評價

在實際考核中,生產(chǎn)域班組考核內(nèi)容主要分為兩大類: 工作項與非工作項. 工作項基于從PMS2.5 獲取的工單進(jìn)行統(tǒng)計分析,非工作項由班組長定義各指標(biāo)分項并進(jìn)行評價.

對同類工單,技術(shù)難度、風(fēng)險程度、參與角色重要性可以給出清晰的評價準(zhǔn)則. 但工作項不同類型工單之間,工作項與非工作項之間,如何以科學(xué)、合理的方式綜合評價給出班員周期考核成績是班組績效考核中的難點. 本文從班組長抽象化的主觀評價方式入手,探索挖掘量化出班組長對各類工作/非工作項的主觀評價系數(shù).

本文提出的基于PSO 聚類算法的績效等級評價模型如圖2 所示. 對班組內(nèi)m個班員采用基于評價系數(shù)的計件法求得t類工單計件數(shù),班組長基于非工作項指標(biāo)體系綜合給出每個班員的非工作項評分,從而為每個班員生成了一個t+1 維的評價數(shù)據(jù). 根據(jù)k考核周期,班組長對班員績效等級劃分的結(jié)果數(shù)據(jù),通過PSO 聚類算法求解出t+1 維的評價系數(shù). 基于評價系數(shù),采用PSO聚類算法對k+1 考核周期班員績效考核等級進(jìn)行評價,班組長可基于全省同類班組主觀偏好對評價系數(shù)進(jìn)行調(diào)整,可手動調(diào)整班員績效考核等級,調(diào)整結(jié)果自動更新到班組考核評價系數(shù)中,作為下一次聚類評測依據(jù).

圖2 基于PSO 聚類算法的績效等級評估模型

此外,通過這種與自身歷史主觀評價系數(shù)比較、與同類班組主觀評價系數(shù)比較的方式,一方面促進(jìn)了模型本身參數(shù)的更新優(yōu)化,另一方面也約束、促進(jìn)班組長不斷思考,尋求更為客觀、科學(xué)的評價標(biāo)準(zhǔn).

3 基于隨機拓?fù)洳呗缘腜SO 算法

3.1 PSO 算法基本原理

PSO 算法最初由Kennedy 等[12]于1995 年提出.算法通過個體間協(xié)作來尋找解空間最優(yōu)位置. 首先在解空間隨機初始化一群粒子的位置向量,根據(jù)目標(biāo)函數(shù)評價粒子位置的優(yōu)劣,粒子結(jié)合種群中最優(yōu)位置和自身歷史最優(yōu)位置進(jìn)行遷移,經(jīng)過一定的進(jìn)化次數(shù)后收斂到最優(yōu)位置.

PSO 算法具有計算簡單、易于工程實現(xiàn)等諸多優(yōu)點,但在實際應(yīng)用中,存在易陷入局部最優(yōu)值、解空間探索能力不穩(wěn)定等問題. 針對這些缺點,國內(nèi)外學(xué)者提出了各類PSO 算法變體,例如,由Shi 等[13]提出的帶慣性權(quán)重的WPSO 算法,由Clerc[14]提出的帶壓縮因子的CPSO 算法,由Liang 等[15]提出的基于綜合學(xué)習(xí)策略的CLPSO 算法,由朱國暉等[16]、Li 等[17]提出的引入異構(gòu)多種群策略的PSO 算法,由Tsujimoto 等[18]、倪慶劍等[19]、Lu 等[20]提出的引入隨機種群拓?fù)洳呗缘腜SO 算法. 通過各種策略,綜合挖掘粒子的“個體認(rèn)知”和“社會認(rèn)知”能力,從而提高粒子對解空間的探索能力.

3.2 基于動態(tài)隨機拓策略的PSO 算法

在PSO 算法的諸多應(yīng)用中,大多采用的種群拓?fù)浣Y(jié)構(gòu)是靜態(tài)的全連接型拓?fù)浜铜h(huán)型拓?fù)?如圖3 所示.

圖3 經(jīng)典靜態(tài)種群拓?fù)浣Y(jié)構(gòu)

采用全連接型拓?fù)浣Y(jié)構(gòu),在進(jìn)化過程中最優(yōu)解粒子的位置信息會被迅速傳播到整個種群中,算法的收斂速度非常快,容易陷入局部最優(yōu)解. 采用環(huán)型拓?fù)浣Y(jié)構(gòu),每個粒子的鄰居只有相鄰的兩個粒子,種群中信息的傳遞速度較慢,有助于對解空間充分挖掘,但是算法收斂速度較慢.

本文PSO 算法中引入動態(tài)隨機種群拓?fù)洳呗?RPTPSO),在種群進(jìn)化過程中,動態(tài)改變拓?fù)浣Y(jié)構(gòu),一方面幫助粒子跳出局部最優(yōu)解,另一方面推動信息在粒子及其新的鄰域粒子間充分傳遞.

設(shè)計基于平均度數(shù)的動態(tài)隨機種群拓?fù)洳呗匀缦?每隔一定代數(shù)M,隨機生成一個種群拓?fù)浣Y(jié)構(gòu). 為了避免早熟收斂,增強粒子在解空間的搜索能力,在算法進(jìn)化初期,平均度數(shù)AD可以設(shè)為2,隨著粒子不斷進(jìn)化,算法開始收斂,此時平均度數(shù)AD應(yīng)該不斷增大,來產(chǎn)生新的種群拓?fù)浣Y(jié)構(gòu). 最終,AD增加到最大值,產(chǎn)生了一個全接連型的種群拓?fù)浣Y(jié)構(gòu). 具體算法如算法1.

算法1. 基于平均度數(shù)的動態(tài)隨機種群拓?fù)渌惴?)對于一個包含S 個粒子的種群,創(chuàng)建一個S×S 維的矩陣L,設(shè)置L(i, i)=1;2)設(shè)置平均度數(shù)AD 的值;3)隨機排列所有粒子的編號,若i 和j 是序列中兩個相鄰的編號,則設(shè)置L(i , j)=1,從而產(chǎn)生了一個連通圖. 設(shè)置當(dāng)前平均度數(shù)CurrentAD=2;4)設(shè)置進(jìn)化代數(shù)計數(shù)器的值為0;5)while 算法不滿足終止條件 do 6)種群中粒子繼續(xù)進(jìn)行進(jìn)化操作;7)記增進(jìn)化代數(shù)計數(shù)器的值;8)if 進(jìn)化代數(shù)計數(shù)器的值能被M 整除 then 9)線性增加AD 的值;10)生成一個新的平均度數(shù)為AD 的隨機種群拓?fù)?

4 PSO 算法求解績效等級評價模型

本節(jié)采用基于平均度數(shù)的動態(tài)隨機種群拓?fù)銹SO 算法,根據(jù)績效等級評估模型特點,提出求解該模型的完整算法.

4.1 基于聚類結(jié)果求解多維評價系數(shù)

對于k考核周期,由班組長基于t種類型工單的統(tǒng)計結(jié)果和非工作項評價將n個班員評定為A、B、C 三個績效等級,相當(dāng)于一個有n個樣本的樣本集{X1,X2,…,Xn},每個樣本有t+1 個特征值,被劃分為3 個模式分類{S1,S2,S3},每個模式分類Si中的樣本到各自聚類中心Ci距離之和最小. 目標(biāo)函數(shù)為:

其中,D(Xi,Ci)表示樣本與其聚類中心的距離.

定義特征值評價系數(shù)向量(w1,w2,…,wt+1). 由于各維度特征值具有不同的評價系數(shù),本文中聚類中心計算方式為:

樣本與其聚類中心的距離計算方式為:

其中,

用每個粒子p的位置代表評價系數(shù)向量,即: (xp1,xp2,xp3,…,xp(t+1)). 對應(yīng)的,粒子p的速度表示為向量:(vp1,vp2,vp3,…,vp(t+1)).

綜上,給出PSO 算法求解多維評價系數(shù)的完整算法如算法2 所示.

算法2. PSO 求解多維評價系數(shù)算法1)記S 為種群中粒子總數(shù),M 為某一拓?fù)浣Y(jié)構(gòu)下種群進(jìn)化代數(shù);2)初始化拓?fù)浣Y(jié)構(gòu)為環(huán)形拓?fù)?平均度數(shù)AD=2;3)對每個粒子p 的位置向量每一維度xpi 生成[1,10]間的隨機數(shù);i=1;i≤t+1;4)for do xpi=xpi/∑t+1 i=1 xpi 5);6)隨機初始化粒子速度,校驗粒子速度絕對值不超過最大值vpmax;f=min∑3i=1∑7)計算粒子適應(yīng)值;8)更新粒子自身最優(yōu)值fpbest 及粒子群全局最優(yōu)值fgbest,記錄最優(yōu)值位置;9)設(shè)置進(jìn)化的總次數(shù)GNum;c=1;c≤GNum;Xi∈Si D(Xi,Ci)10)for do p=1;p≤S;11)for do i=1;i≤t+1;12)for do 13)更新粒子速度vpi,更新粒子位置xpi;14)將粒子位置歸一化處理為權(quán)重向量;15)計算粒子適應(yīng)值;16)更新粒子自身最優(yōu)值fpbest 及最優(yōu)值位置17)更新粒子群全局最優(yōu)值fgbest 及最優(yōu)值位置;18)if GNum 能被M 整除 then 19)線性增加AD 的值,生成一個新的平均度數(shù)為AD 的隨機種群拓?fù)?

4.2 基于多維度評價系數(shù)求解班組績效

基于k考核周期求出的班組多維評價系數(shù),k+1 周期t種類型工單的統(tǒng)計結(jié)果和非工作項評價,將n個班員k+1 周期的考核結(jié)果評定為A、B、C 三個績效等級. 相當(dāng)于一個有n個樣本的樣本集{X1,X2,…,Xn},每個樣本有t+1 個特征值,各特征值評價系數(shù)向量為(w1,w2,…,wt+1),需要將其劃分為3 個模式分類{S1,S2,S3},使得每個模式分類Si中的樣本到各自聚類中心Ci距離之和最小. 目標(biāo)函數(shù)、聚類中心、樣本與其聚類中心距離的計算方式同第4.1 節(jié).

用每個粒子p的位置代表n個樣本分別屬于哪種模式分類,即: (xp1,xp2,xp3…,xpn). 對應(yīng)的,粒子p的速度表示為向量: (vp1,vp2,vp3…,vpn). 使用PSO 算法求解的流程與第4.1 節(jié)相似,只是粒子位置向量初始化或更新后,要通過對其整數(shù)部分對3 取余數(shù)映射為模式分類1、2、3.

定義3 個類別的模式樣本值如下:

(1)第 1 類: A 級(優(yōu)秀). 對每類工作類別取排名前20%的得分取平均值作為樣本各維度數(shù)值.

(2)第 2 類: B 級(良好). 對每類工作類別取排名介于后15%和前20%的得分取平均值作為樣本各維度數(shù)值.

(3)第 3 類: C 級(合格). 對每類工作類別取排名后15%的得分取平均值作為樣本各維度數(shù)值.

使用PSO 算法進(jìn)行聚類分析時,將這3 類標(biāo)準(zhǔn)模式樣本值也加入到總的員工樣本中進(jìn)行聚類,聚類結(jié)果出來后,如果某個員工和某個標(biāo)準(zhǔn)模式樣本處于同一個類別群體,那么該員工就屬于該類員工. 例如: 員工張三和第1 類標(biāo)準(zhǔn)模式樣本處于同一個類別群體,那么張三就屬于“第 1 類: A 級(優(yōu)秀)”. 通過這種方法,就可以將員工具體屬于哪一個檔次分類出來.

5 實驗分析

選取省內(nèi)5 個同類型班組,獲取班員k考核周期內(nèi)的工單數(shù)據(jù),根據(jù)第2.1 節(jié)中提出的基于評價系數(shù)的同類工單計件法,由班組長參與對工作情況進(jìn)行定性評價,求得所有班員各類工作項統(tǒng)計值. 同時,班組長對班員進(jìn)行非工作項考核打分. 基于工作項和工作項統(tǒng)計結(jié)果,由班組長對班員進(jìn)行績效等級評價. 以配電運檢1 班為例,具體數(shù)據(jù)如表1 所示. 其中F1–F7對應(yīng)不同類型的工作項,F8為非工作項評價.

表1 配電運檢1 班工單計件值及非工作項評價

通過PSO 算求解評價系數(shù)向量. 對PSO 算法,設(shè)置粒子總數(shù)為100,實驗進(jìn)化次數(shù)設(shè)置為500 次. 實驗編碼采用C++語言,實驗環(huán)境為Intel(R)i7-4790 處理器,CPU 為3.6 GHz,內(nèi)存為8 GB. 得到評價系數(shù)向量w=(0.0923,0.0612,0.2555,0.0545,0.1738,0.1086,0.1486,0.1055).

獲取班員k+1 考核周期內(nèi)的工單數(shù)據(jù),完成所有班員各類工作項統(tǒng)計值及班員非工作項的評價. 根據(jù)評價系數(shù)向量,通過PSO 聚類算法求解班員績效等級,并由班組長結(jié)合各項數(shù)據(jù)根據(jù)個人主觀判斷對班員績效等級進(jìn)行評價. 以配電運檢1 班為例,得到考核結(jié)果數(shù)據(jù)如表2 所示.

表2 配電運檢1 班k+1 周期PSO 聚類結(jié)果及班組長考核結(jié)果

從表2 可以看到,PSO 聚類算法求解得到的班員績效等級,A 等級人員完全一致,C 等級3 人中有兩個與班組長評價結(jié)果一致.

定義某績效等級X評價命中率為: 評定為X等級的班員中與實際班組長評定為X等級一致的人數(shù)/X等級總?cè)藬?shù). 對5 個班組k+1 考核周期績效測算情況統(tǒng)計得到表3.

表3 5 個班組k+1 考核周期績效測算命中率(%)

通過在5 個同類型班組績效考核中對本文提出的模型有效性進(jìn)行驗證,可以發(fā)現(xiàn)模型總體測算性能良好,尤其對A 等級測算命中率相對較為穩(wěn)定.

實驗證明,對班組長主觀判斷偏好進(jìn)行挖掘并通過聚類方式規(guī)避了對績效評判的絕對量化后,測算出的績效等級與班組長實際評價較為接近. 同時,將同一類型班組班組長評價偏好進(jìn)行綜合統(tǒng)計分析,可為班組長提供一種相對客觀的評價衡量標(biāo)準(zhǔn),有助于促進(jìn)班組長對績效評判更為公平的認(rèn)知.

6 結(jié)論與展望

本文針對電力一線員工績效考核問題,構(gòu)建了一套基于工單的績效評價模型,提出了基于平均度數(shù)的動態(tài)隨機種群拓?fù)銹SO 算法求解該模型,得出以下結(jié)論:

(1)通過對同類工作項基于多維評價屬性簡單定性進(jìn)行縱向計數(shù)量化,對不同工作項基于班組長的經(jīng)驗等主觀評估權(quán)重進(jìn)行橫向抽象聚類,可為班組成員績效等級評定提供一種有效的測算工具.

(2)對PSO 算法基于聚類結(jié)果反向求解多維評價系數(shù)、基于多維度評價系數(shù)評測班組績效等級提出了完整的編碼規(guī)則、聚類中心及距離計算規(guī)則、算法流程,可有效對模型進(jìn)行求解.

未來的研究中,將更為深入地結(jié)合電力一線員工工作內(nèi)容、工作性質(zhì)、安全風(fēng)險等,探索構(gòu)建更為客觀、科學(xué)的一線員工績效評價模型,推動落實班組精細(xì)管理.