APPROACH TO IMPLEMENTATING PRO-ACTIVE MANAGEMENT OVER RESOURCES OF THE DEPARTMENTS OF CONSTITUENT ENTITIES OF THE TOURISM CLUSTER
Authors:
1.
Volgograd State Technical University
2.
Volgograd State Technical University
(Doctor of Technical Sciences, Professor; Professor of the Department of Computer-Aided Design and Search Engineering Systems)
Type:
Article
Pages:
from 65
to 78
Status:
Published
Received:
05.07.2018
Accepted:
25.07.2018
Published:
25.07.2018
Subject area:
VAC 05.12.2013 Системы, сети и устройства телекоммуникаций
VAC 05.13.01 Системный анализ, управление и обработка информации (по отраслям)
VAC 05.13.06 Автоматизация и управление технологическими процессами и производствами (по отраслям)
VAC 05.13.10 Управление в социальных и экономических системах
VAC 05.13.18 Математическое моделирование, численные методы и комплексы программ
VAC 05.13.19 Методы и системы защиты информации, информационная безопасность
UDK 007.51
GRNTI 20.01 Общие вопросы информатики
GRNTI 28.01 Общие вопросы кибернетики
GRNTI 49.01 Общие вопросы связи
GRNTI 50.01 Общие вопросы автоматики и вычислительной техники
GRNTI 82.01 Общие вопросы организации и управления
VAC 05.13.01 Системный анализ, управление и обработка информации (по отраслям)
VAC 05.13.06 Автоматизация и управление технологическими процессами и производствами (по отраслям)
VAC 05.13.10 Управление в социальных и экономических системах
VAC 05.13.18 Математическое моделирование, численные методы и комплексы программ
VAC 05.13.19 Методы и системы защиты информации, информационная безопасность
UDK 007.51
GRNTI 20.01 Общие вопросы информатики
GRNTI 28.01 Общие вопросы кибернетики
GRNTI 49.01 Общие вопросы связи
GRNTI 50.01 Общие вопросы автоматики и вычислительной техники
GRNTI 82.01 Общие вопросы организации и управления
Language:
Russian
Keywords:
tourism cluster, hotel housekeeping service, forecasting, pro-active management, machine learning
Abstract (English):
The tourist cluster has recently occupied one of the central places in the socio-economic system of the region. The lack of efficient methodology of managing the resources of the regional constituent entities (using the example of housekeeping service of the hotel) is an unsolved problem. The existing methods of management are ineffective in the conditions of modern activity of the hotel. The proposed solution is to use pro-active resource management methodology. The pro-active management methodology includes the following models: management of the housekeeping personnel, management of the laundry, forecasting the housekeeping resource requirements, support for the management decisions made by the housekeeping service manager. The developed methodology is used as a basis for PaUR web-based automated system. Machine learning methods were used to implement the model of forecasting the need for housekeeping resources, the main advantage of which is the operational retraining of models required due to the rapidly changing situation in the operational activities of the hotels. The use of the proposed methodology allows increasing the labor productivity of housekeeping service personnel, reducing costs, as well as using an open and effective system of staff motivation.
The tourist cluster has recently occupied one of the central places in the socio-economic system of the region. The lack of efficient methodology of managing the resources of the regional constituent entities (using the example of housekeeping service of the hotel) is an unsolved problem. The existing methods of management are ineffective in the conditions of modern activity of the hotel. The proposed solution is to use pro-active resource management methodology. The pro-active management methodology includes the following models: management of the housekeeping personnel, management of the laundry, forecasting the housekeeping resource requirements, support for the management decisions made by the housekeeping service manager. The developed methodology is used as a basis for PaUR web-based automated system. Machine learning methods were used to implement the model of forecasting the need for housekeeping resources, the main advantage of which is the operational retraining of models required due to the rapidly changing situation in the operational activities of the hotels. The use of the proposed methodology allows increasing the labor productivity of housekeeping service personnel, reducing costs, as well as using an open and effective system of staff motivation.
Keywords:
tourism cluster, hotel housekeeping service, forecasting, pro-active management, machine learning
tourism cluster, hotel housekeeping service, forecasting, pro-active management, machine learning
Введение Туристический кластер является неотъемлемой частью региональной социально-экономической системы. Его деятельность способна сыграть главную роль в повышении конкурентоспособности и социально-экономическом развитии региона за счет использования естественного, природного или историко-культурного потенциала. Структура туристического кластера представлена в виде сети. Элементами сетевой структуры являются такие основные крупные подразделения, как туристические операторы, агентства по предоставлению туристических услуг, средства размещения (гостиницы, пансионаты, санатории), а также в их состав входят предприятия и компании, предоставляющие услуги питания, места досуга и отдыха. Степень развития туристического кластера во многом определяется согласованностью всех подразделений, входящих в его состав. Особенно выделим роль таких подразделений, как гостиницы, пансионаты, санатории. Данные подразделения имеют в своем составе определенный набор служб: приема и размещения, общественного питания, административную службу. Особое положение занимает служба хаускипинга (СХК), в задачи которой входит поддержание чистоты во всех помещениях и согласование деятельности всех подсистем организации. Управление службой хаускипинга гостиницы осуществляется на основе методики организации, планирования, учета и контроля человеческих и материальных ресурсов, необходимых для функционирования и слаженной работы данного структурного подразделения. Обычно при отсутствии или неэффективности на предприятии (в частности гостиницы) единой методики по управлению ресурсами могут возникать следующие проблемы: - нехватка обслуживающего персонала для своевременной уборки номеров; - нехватка моющих средств для уборки номеров и общественных зон; - проблемы учета обслуживаемых номеров и закрытой процедуры расчета мотива-ционных премий; - значительная трудоемкость процесса составления графика работы персонала; - сложность принятия управленческих решений. Все эти факторы приводят к снижению производительности труда персонала СХК гостиницы, а также к снижению эффективности управления ресурсами СХК. Гостиничное предприятие терпит убытки, теряет потенциальных клиентов, снижается его конкурентоспособность. Целью исследования является поиск путей повышения качества управления ресурсами СХК гостиницы за счет использования единой методики. Разработанная методика проактивного управления ресурсами СХК гостиницы На основе анализа используемых в современных гостиницах методик по управлению ресурсами СХК предлагается новая методика проактивного управления [1]. Проактивное управление - это управление «на опережение». Оно сочетает в себе два подхода: прогноз + активное управление с учетом результатов прогноза. Разработка и применение общей методики проактивного управления ресурсами СХК гостиницы позволит: - осуществлять проактивное управление ресурсами (материальными, человеческими) на основании прогнозирования; - сформировать открытую систему мотивации персонала; - осуществлять поддержку принятия управленческих решений. Управление ресурсами СХК гостиницы в большинстве случаев опирается на принятые общие стандарты, что особенно актуально для сетевых гостиниц. Однако имеются собственные корпоративные стандарты и правила, которые специфичны для каждой гостиницы. Разработка методики проактивного управления ресурсами СХК в основном опирается на потребности и специфику работы сетевой гостиницы г. Волгограда «Парк Инн Рэдиссон». При разработке методики проактивного управления ресурсами СХК гостиницы в первую очередь необходимо выделить ряд основных моделей, составляющих методику в целом и взаимодействующих друг с другом. Основываясь на потребностях в управлении ресурсами СХК гостиницы «Парк Инн Рэдиссон», а также на перечень имеющихся в ней проблем, были выделены следующие ключевые модели разрабатываемой методики проактивного управления: - управление персоналом СХК (модель А); - управление прачечной СХК (модель Б); - прогнозирование потребности в ресурсах СХК (модель В); - поддержка принятия управленческих решений руководителя СХК (модель Г). Выделенные модели имеют ряд индивидуальных задач, но они взаимосвязаны. Разработанная методика должна выполнять одну глобальную функцию по проактивному управлению ресурсами СХК гостиницы с учетом всех входящих в нее подфункций, в едином информационном пространстве. Последовательность действий, входящих в методику, представлена следующими шагами (в скобках указано буквенное обозначение моделей, применяемых на данном этапе): - построение прогноза потребности в ресурсах (человеческих, материальных) (В); - составление графика работы обслуживающего персонала с учетом прогноза (Г); - планирование и закупка необходимого количества моющих средств для обслуживания (уборки) номеров с учетом прогноза (Г); - выдача нарядов на работу обслуживающему персоналу согласно графику работы (Г); - принятие выполненных нарядов руководителем (обратная связь) (А); - учет обслуживаемых номеров (А); - учет работы отдела прачечной (Б); - определение статуса номерного фонда гостиницы (сколько номеров убрано/не убрано, процент загрузки гостиницы) (А); - расчет мотивационных премий обслуживающему персоналу (А, Б); - ознакомление сотрудников с мотивационными выплатами (обратная связь) (А, Б); - составление отчетной документации по работе СХК гостиницы (А, Б). Субъектом управления является руководитель СХК. Объектом управления являются ресурсы: материальные, человеческие. Управляющими воздействиями на объект управления являются: - мотивация; - обеспечение персонала необходимыми средствами для уборки. Разработанная методика была положена в основу веб-ориентированной системы проактивного управления ресурсами (ПаУР) [2]. Модель А: «Управление персоналом СХК» Управление персоналом СХК гостиницы включает следующие задачи: - хранение данных о персонале с указанием занимаемой должности; - учет ежедневных работ (уборок), выполненных персоналом СХК; - ежедневный расчет премий согласно действующей мотивационной схеме; - составление отчетной документации по работе персонала СХК за выбранный период времени. На рис. 1 представлена разработанная нами модель управления персоналом. Рис. 1. Модель «Управление персоналом СХК» в нотации DFD В начале каждого рабочего дня на основании информации о загрузке гостиницы руководитель СХК выдает индивидуальные наряды на работу каждому сотруднику смены. В течение дня возможна корректировка выданных нарядов вследствие меняющейся ситуации в номерном фонде гостиницы. В конце рабочего дня необходим учет номеров, обслуженных каждым сотрудником СХК. По итогам рабочего дня рассчитываются мотивационные премии. Процедура расчета мотивационных премий носит специфический характер для каждой гостиницы. В гостинице «Парк Инн Рэдиссон» г. Волгограда мотивационные премии рассчитываются исходя из времени, затраченного на уборку. Разработанная процедура расчета мотивационных премий на основе затраченного на уборку времени приведена ниже. Согласно данной схеме каждому виду работы соответствует определенное число, выраженное в кредитах (в нашем случае кредит - это условная единица, введенная для расчета рабочей нормы персонала). За каждой должностью сотрудника закреплена норма, тоже выраженная в кредитах. В итоге в кредитах вычисляется ежедневное затраченное время на обслуживание номеров и из него вычитается норма. Полученное положительное значение, умноженное на стоимость одного кредита, является премией (рис. 2). Рис. 2. Графическое описание алгоритма «Расчет мотивационных премий сотрудников СХК на основе затраченного времени» В случае получения отрицательного значения, которое свидетельствует о невыполнении нормы рабочего дня, рассчитывается величина недоработки. По итогам работы персонала СХК гостиницы составляется отчетная документация. Модель Б: «Управление прачечной СХК» Наличие услуг прачечной в гостинице во многом определяет статус гостиницы в целом. Проблема предоставления данных услуг для клиентов гостиницы решается по-разному. Существует как минимум два варианта решения этой проблемы: - предоставление услуг прачечной с привлечением аутсорсинговой компании; - организация собственной прачечной на территории гостиницы. Первый подход имеет множество недостатков, особенно в современных условиях ведения гостиничного бизнеса: - высокая стоимость оказываемых услуг как для клиентов, так и для гостиницы; - транспортные расходы; - отсутствие возможности контроля качества предоставляемых услуг; - возможные потери и брак при обработке белья; - малый выбор или даже отсутствие предприятий, предоставляющих услуги прачечной. Большинство современных гостиниц выбирают второй подход, т. е. организовывают собственную прачечную. К достоинствам данного подхода можно отнести: - отсутствие транспортных расходов; - контроль качества обработки белья; - дополнительный доход гостиницы от работы прачечной; - возможность аутсорсинга услуг собственной прачечной, например в периоды малой загрузки гостиницы. На практике собственных ресурсов прачечной может быть недостаточно, поэтому гостиницы часто пользуются услугами аутсорсинга прачечной в дополнение к собственным. Это комбинированный подход к решению проблемы предоставления услуг прачечной клиентам гостиницы. Исходя из вышеназванных проблем и способов их решения, необходимо построить модель управления прачечной СХК гостиницы (рис. 3), в задачи которой входят: - учет принятых вещей в прачечную; - учет выданных вещей из прачечной; - расчет стоимости предоставляемых прачечной услуг согласно прайс-листу; - контроль расхода моющих средств; - ежедневный расчет мотивационных премий по результатам работы оператора прачечной; - составление отчетов о работе персонала за выбранный период времени. Рис. 3. Модель «Управление прачечной СХК» в нотации DFD Услуги прачечной делятся на 3 вида: стирка, глаженье, химическая чистка. Каждый вид услуги имеет определенную стоимость в зависимости от вида белья. Мотивационные премии сотрудников прачечной СХК гостиницы рассчитываются следующим образом: производится автоматическое суммирование стоимостей всех выполненных услуг сотрудником СХК; заданный процент от всей стоимости услуг является премией. Дополнительное премирование операторов прачечной СХК возможно при условии экономии средств на услуги сторонней прачечной. В этом случае начисление премии происходит за счет стирки определенных видов вещей гостиницы. В случае использования гостиницей аутсорсинговых услуг прачечной данная модель методики может быть использована на стороне внешней компании. Модель В: «Прогнозирование потребности в ресурсах СХК» Для эффективного управления ресурсами СХК гостиницы необходимо оценивать их потребность. К основным видам ресурсов СХК относятся: - обслуживающий персонал (горничные, уборщицы, операторы прачечной и пр.) для уборки номеров; - средства для уборки номеров. Модель прогнозирования потребности в ресурсах СХК гостиницы представлена на рис. 4. Рис. 4. Модель «Прогнозирование потребности в ресурсах СХК» в нотации DFD Модель включает в себя следующие задачи: - хранение информации о временных затратах на выполнение всех видов работ по обслуживанию номеров; - управление базой данных ресурсов; - анализ планируемой загрузки гостиницы; - прогнозирование потребности в человеческих ресурсах, общего количества грязных номеров. Данные задачи взаимодействуют друг с другом, а также с задачами и процессами из других моделей разрабатываемой методики. В работе используются два основных вида ресурсов: человеческие и материальные. Приведем разработанную процедуру прогнозирования потребности в человеческих ресурсах. Наиболее удобной единицей измерения потребности в обслуживающем персонале для принятия управленческих решений по управлению ресурсами является человеко-часы. Исходя из определения, человеко-час - единица учета рабочего времени, соответствующая часу работы одного человека. Рассмотрим процесс прогнозирования потребности обслуживающего персонала в человеко-часах. В зависимости от вида уборки (работы) и типа номеров сотрудник СХК гостиницы, в частности горничная, тратит разное количество времени (табл. 1). Таблица 1 Временные затраты на выполнение работ сотрудниками СХК гостиницы Вид уборки (работы) Среднее время выполнения, мин Текущая уборка стандартного номера 20 Выездная уборка стандартного номера 40 Текущая уборка номера люкс 30 Выездная уборка номера люкс 50 Генеральная уборка стандартного номера 120 Генеральная уборка номера люкс 180 Химчистка ковролина в стандартном номере 30 Химчистка ковролина в номере люкс 60 Рабочий день составляет 8 часов, или 480 минут, из них 400 минут тратится непосредственно на уборку номеров, а 80 минут на сопутствующие работы, такие как уборка этажа и перемещение, подготовка тележки со всем необходимым для уборки и пр. Информацию о временных затратах необходимо централизованно хранить в базе данных, с возможностью редактирования. Текущие и выездные уборки номеров входят в ежедневные наряды сотрудников. Генеральные уборки и химчистки ковролинов являются редкими плановыми видами работ, обычно два раза в год, поэтому при построении прогноза потребности в ресурсах они не учитываются. На основе временных затрат на работы сотрудников СХК были рассчитаны потребности в человеческих ресурсах в человеко-часах. Для обучения модели прогнозирования были выбраны следующие признаки: - год (2015-2017); - сезон, включающий набор соответствующих месяцев («мертвый», низкий, высокий); - день недели (1-7); - рабочий/выходной день (1 или 0, выходными принято считать субботу и воскресенье); - планируемое количество занятых стандартных номеров; - планируемое количество выездов из стандартных номеров; - планируемое количество занятых номеров типа люкс; - планируемое количество выездов из номеров типа люкс; - количество групповых заездов; - количество групповых выездов. Для задачи прогнозирования были использованы методы восстановления регрессии машинного обучения, реализованные в Python библиотеке Scikit-learn [3]. Задача анализа планируемой загрузки гостиницы является наиболее важной и базовой для построения модели прогнозирования. Данные о планируемой загрузке берутся из транзакционных систем учета. Отметим, что имеющихся данных о планируемой загрузке недостаточно для планирования ресурсов СХК (оценки их потребности), т. к. они быстро меняются и становятся неактуальными. Отсюда следует целесообразность разработки модели прогнозирования потребности в ресурсах СХК гостиницы на основе имеющихся данных. Данные о количестве групповых заездов, как правило, известны заранее. Прогнозирование потребности в ресурсах очень важно для оптимальных условий работы гостиницы. Во многом потребность в ресурсах определяется факторами сезонности [4, 5]. Из анализа деятельности гостиниц г. Волгограда по месяцам следует, что для них характерна следующая форма сезонности: 1. Высокий сезон: с середины апреля до середины октября. Связан с периодами отпусков и географическим положением г. Волгограда, являющимся транзитным городом. Туристы останавливаются в гостинице на пути к местам отдыха. 2. Низкий сезон: с середины октября по декабрь и с марта до середины апреля. Характеризуется снижением деловой активности и потока отдыхающих. В это время возможны массовые заезды, связанные с мероприятиями, конференциями и т. п. 3. «Мертвый сезон». Определяется тремя месяцами зимы. В это время, в основном из-за погодных условий, характерны единичные и редкие групповые заезды. Помимо месячной сезонности, для гостиничных предприятий характерна также и недельная сезонность. Анализ деятельности гостиниц г. Волгограда показал следующую зависимость загрузки гостиницы от дней недели: 1. Понедельник, вторник, среда. Характеризуются днями заселения. Середина недели является пиком загруженности гостиницы. Количество ежедневных уборок преобладает над количеством уборок грязных (выездных) номеров. 2. Четверг, пятница. Характеризуются днями выселения. Виды уборок примерно равны по количеству. К концу недели гостиница остается в основном пустая. 3. Суббота, воскресенье. Характеризуется практически нулевой загруженностью гостиницы. Преобладает количество выездных номеров. Заселение гостей в эти дни составляет от 5 до 15 % в зависимости от сезона. Чтобы добиться независимости влияния входных признаков на результат прогнозирования, в частности признака дня недели, был использован метод OneHot-кодирования. Данный метод присутствует в выбранной библиотеке Scikit-learn. Суть метода заключается в следующем: признак х, равный дню недели i (от 1 до 7), заменяется на 7 признаков xk, следуя алгоритму. При x = i, xi = 1, все остальные xi = 0. В качестве примера приведем набор признаков, отражающих 2-й день недели (вторник), полученных после применения метода One-Hot-кодирования: кортеж [0100000]. Таким образом, данный метод принято использовать для категориальных признаков. С помощью данного метода также формируются три признака, определяющие сезонность («мертвый», низкий, высокий). Приведенные выше входные признаки обозначим переменными xi: - x1 - год; - x2 - «мертвый» сезон; - x3 - низкий сезон; - x4 - высокий сезон; - x5 - первый день недели (понедельник); - x6 - второй день недели (вторник); - x7 - третий день недели (среда); - x8 - четвертый день недели (четверг); - x9 - пятый день недели (пятница); - x10 - шестой день недели (суббота); - x11 - седьмой день недели (воскресенье); - x12 - рабочий/выходной день; - x13 - планируемое количество занятых стандартных номеров; - x14 - планируемое количество выездов из стандартных номеров; - x15 - планируемое количество занятых номеров типа люкс; - x16 - планируемое количество выездов из номеров типа люкс; - x17 - групповые заезды (количество номеров); - x18 - групповые выезды (количество номеров). Помимо прогнозирования потребности в персонале, необходима также оценка общего количества номеров. Выходные признаки обозначим переменной yi: - y1 - потребность в обслуживающем персонале (в человеко-часах); - y2 - общее количество номеров всех типов, требующих обслуживания. Для обучения были использованы ретроспективные данные из БД обслуживания номерного фонда гостиницы веб-системы ПаУР, накопленные за 2015-2017 гг. Главным достоинством использования методов восстановления регрессии для задачи прогнозирования на основе машинного обучения является оперативное переобучение моделей, необходимое вследствие быстро меняющейся ситуации в операционной деятельности СХК гостиницы. Разработка модели «Прогнозирование потребности в ресурсах СХК» основывается на интеллектуальном ядре, состоящем из методов восстановления регрессии для задачи прогнозирования: - линейная регрессия; - случайный лес; - метод k-ближайших соседей; - метод опорных векторов; - деревья принятия решений; - адаптивный бустинг; - градиентный бустинг. Интеллектуальное ядро включает в себя реализацию методов, необходимых для построения и выбора лучшего прогноза. Наиболее предпочтительный метод прогнозирования выбирается на этапе обучения моделей. Приведем математическое описание метода линейной регрессии, являющегося методом восстановления зависимости между двумя переменными: где w - параметры регрессионной модели, вычисляемые с помощью метода наименьших квадратов; ε - случайная величина; х - входные признаки. Если количество признаков больше двух, регрессионная модель представляется в виде полинома заданной степени. Параметры регрессионной модели рассчитываются с помощью библиотеки Scikit-learn. Для построения прогноза потребности в материальных ресурсах СХК гостиницы и общего количества номеров, требующих уборки, необходимо заполнить CSV-файл определенной структуры. Данные заполняются руководителем СХК на основе известной загрузки, выраженной в номерах (табл. 2). Таблица 2 Данные для построения прогноза (фрагмент) Входные признаки Дата, год-месяц-день x13 x14 x15 x16 x17 x18 2017-02-01 44 35 3 2 3 0 2017-02-02 60 42 1 2 21 0 2017-02-03 29 12 0 0 12 0 2017-02-04 15 30 0 0 15 0 2017-02-05 14 8 0 1 0 12 Формирование CSV-файла осуществляется путем заполнения руководителем СХК специальной формы на странице разработанной веб-системы ПаУР. Построенный прогноз предоставляется в виде графиков, а также в табличном виде (табл. 3), в формате CSV-файла. Таблица 3 Структура выходных прогнозных данных Дата, год.месяц.день Потребность в персонале, человеко-час Общее количество номеров 2017.01.01 хх хх 2017.01.02 хх хх … … … На рис. 5 представлен график прогнозных значений потребности в обслуживающем персонале СХК для уборки номеров, выраженной в человеко-часах. Рис. 5. Прогнозные значения потребности в персонале СХК в человеко-часах Таким образом, выходом модели прогнозирования являются прогнозные значения потребности в человеческих ресурсах, а также значения общего количества номеров, требующих уборки. Полученные значения, прежде всего, используются в качестве входных данных модели поддержки принятия управленческих решений руководителя СХК гостиницы. Модель Г: «Поддержка принятия управленческих решений руководителя СХК» Работа персонала СХК гостиницы носит сменный характер, поэтому составление графика работы персонала является необходимой процедурой. Руководитель СХК должен составить график работы персонала на некоторое время вперед, не зная при этом будущую реальную загрузку гостиницы, потребности в персонале и, соответственно, потребности в моющих средствах. Вследствие этого могут возникать следующие проблемы, требующие корректировки составленного графика и принятия оперативных управленческих решений [6]: - нехватка обслуживающего персонала СХК; - избыток обслуживающего персонала СХК (не выполняется норма, отсутствуют мотивационные премии); - нехватка средств для уборки номеров. Чтобы избежать данных проблем, необходим инструмент проактивной поддержки принятия управленческих решений руководителя СХК гостиницы [7-10]. Модель поддержки принятия управленческих решений руководителя СХК гостиницы представлена на рис. 6. Рис. 6. Модель «Поддержка принятия управленческих решений руководителя СХК» в нотации DFD Модель включает в себя следующие задачи: - хранение информации о расходах средств для уборки номеров; - хранение информации о работе сотрудников СХК; - управление базой данных видов средств для уборки и их расходов; - управление базой данных видов работ сотрудников; - планирование человеческих ресурсов; - планирование материальных ресурсов. Разработанная модель напрямую взаимодействует с моделью прогнозирования потребности в ресурсах СХК гостиницы. Поддержка принятия управленческих решений основывается на построенных прогнозах потребности в ресурсах. Наличие переработок персонала за счет обслуживания большего количества номеров, чем определено нормой за одну рабочую смену, необходимо для функционирования мотивационной схемы. В табл. 1 были приведены временные затраты выполняемых работ в минутах. Условно можно считать, что 1 кредит равен 1 минуте. Использование понятия кредита удобно для расчета необходимого количества обслуживающего персонала. Для составления графика работы персонала необходимо соблюдение внутренних корпоративных правил СХК гостиницы. Правила привлечения персонала СХК гостиницы «Парк Инн Рэдиссон»: 1. При низкой загрузке гостиницы, когда на каждую горничную приходится менее 400 кредитов, остальной обслуживающий персонал (уборщики, оператор прачечной, супервайзер) не привлекается для уборки номеров. 2. В случае высокой загрузки гостиницы, когда на каждую горничную приходится от 400 до 520 кредитов, руководитель СХК привлекает уборщиков, оператора прачечной и супервайзера. 3. В случае высокой загрузки гостиницы, когда на каждого сотрудника приходится более 520 кредитов, руководитель СХК нанимает персонал из аутсорсинговой компании. Исходя из представленных правил, алгоритм поддержки принятия управленческих решений по составлению графика работы персонала включает в себя следующие пункты: - загрузка сведений о количестве обслуживающего персонала; - построение и загрузка прогноза потребности в человеческих ресурсах СХК гостиницы; - корректировка прогноза потребности в ресурсах с учетом плановых видов работ; - построение графика работы персонала СХК с учетом вышеприведенных правил, а также с задействованием мотивационной схемы (рис. 7). Рис. 7. Графическое описание алгоритма «Поддержка составления графика работы персонала» В табл. 4 представлен фрагмент построенного графика работы персонала (цифрами указано минимальное количество персонала на определенный день). Обозначим категории персонала буквами А-Д: - горничные - А; - уборщики общественных зон - Б; - операторы прачечной - В; - супервайзер - Г; - дополнительный персонал из аутсорсинговой компании - Д. Таблица 4 Фрагмент предлагаемого графика работы персонала Дата, год.месяц.день Имеющийся персонал, чел. Предлагаемый график работы персонала, чел. А Б В Г А Б В Г Д 2017.05.20 5 1 1 1 4 0 0 0 0 2017.05.21 5 1 1 1 4 0 0 0 0 2017.05.22 5 1 1 1 2 0 0 0 0 2017.05.23 4 1 1 1 4 0 0 0 0 2017.05.24 4 1 1 1 4 1 1 1 0 2017.05.25 4 1 1 1 4 1 1 1 2 2017.05.26 4 1 1 1 4 1 1 1 4 Составленный график отражает необходимое минимальное количество обслуживающего персонала. Он позволяет оптимально задействовать имеющиеся человеческие ресурсы СХК гостиницы и, если необходимо, дополнительный персонал. Данная модель является наиболее важной в структуре разработанной общей методики проактивного управления ресурсами СХК гостиницы. Обсуждение результатов Для оценки эффективности разработанной методики и достижения цели исследования были выделены следующие критерии: - точность обученных моделей прогнозирования больше 90 %; - повышение производительности труда персонала СХК гостиницы на 12,5 %; - снижение затрат СХК гостиницы; - использование открытой системы мотивации персонала СХК гостиницы. Чтобы оценить уровень достижения этих критериев, были проведены следующие эксперименты: 1. Построение прогноза потребности в ресурсах СХК, валидация моделей. 2. Построение и проверка плана управления ресурсами СХК гостиницы. Из результатов выполненных экспериментов следует, что поставленная цель исследования - повышение качества управления ресурсами службы хаускипинга гостиницы - была достигнута. Заключение Разработанная методика проактивного управления ресурсами СХК гостиницы позволяет осуществлять проактивное управление ресурсами (материальными, человеческими) на основании прогнозирования, сформировать открытую систему мотивации персонала, осуществлять поддержку принятия управленческих решений. Разработанная АС «ПаУР», основанная на данной методике, может быть внедрена в работу сетевой гостиницы г. Волгограда «Парк Инн Рэдиссон».
1. Kravets A. G., Morozov A. O., Strukova I. V. The pro-active resource management for hotels’ housekeeping service // International Conference ICT, Society and Human Beings 2017 (Lisbon, Portugal, July 20-22, 2017): part of the Multi Conference on Computer Science and Information Systems 2017: Proceedings / ed. by Piet Kommers; IADIS (International Association for Development of the Information Society). Lisbon, Portugal, 2017. P. 35-42.
2. Kravec A. G., Morozov A. O., Strukova I. V. Proaktivnyy podhod k avtomatizacii upravleniya resursami sluzhby hauskipinga gostinicy // Prikaspiyskiy zhurnal: upravlenie i vysokie tehnologii. 2017. № 1. C. 71-83.
3. Scikit-learn Machine Learning in Python. URL: http://scikit-learn.org/stable/ (data obrascheniya: 15.01.2018).
4. Pavlov A. Yu. Upravlenie biznes-processami na raznyh etapah razvitiya sovremennogo predpriyatiya // Inzhenernyy vestnik Dona. 2012. № 2. S. 226-237.
5. Pahomov E. V. Kompleksnaya avtomatizaciya gostinichnogo predpriyatiya // Izv. YuFU. Tehnicheskie nauki. 2011. № 11. S. 232-240.
6. Kazachenko L. D. Razvitie sovremennyh sistem upravleniya predpriyatiem // Vestn. Zabaykal. gos. un-ta. 2010. № 7. S. 16-22.
7. Butko E. Ya. Upravlenie chelovecheskimi resursami // Obrazovatel'nye resursy i tehnologii. 2016. № 17. S. 3-9.
8. Zastavnoy M. I., Kruchinin V. I. O sposobah kompleksnoy avtomatizacii sistemy upravleniya predpriyatiem // Izv. Volgogr. gos. tehn. un-ta. 2011. № 12. S. 81-84.
9. Kravec A. G., Scherbakov M. V., Chan Van Fu, Nguen Tuan An'. Razrabotka metoda proaktivnogo obnaruzheniya moshennichestva potrebiteley uslug telekommunikacionnoy kompanii // Prikaspiyskiy zhurnal: upravlenie i vysokie tehnologii. 2016. № 4. S. 43-52.
10. Talanova A. V. Osnovnye podhody k upravleniyu personalom organizacii // Ekonomika, predprinimatel'stvo i pravo. 2014. № 1. S. 3-7.
