Аннотация и ключевые слова
Аннотация (русский):
Изменчивость показателей надежности судового персонала во времени вызывает необходимость в прогнозировании состояния надежности «человеческого элемента» как на период оперативного планирования деятельности компании, так и на более отдаленные сроки, определенные, например, в системе стратегического планирования и управления производственными процессами в компании. Деградацию уровня знаний и умений «человеческого элемента» можно характеризовать двояко: во-первых, постепенным изменением во времени состояния уровня знаний и умений специалистов, которое вызывает дрейф показателей потери работоспособности; во-вторых, скачкообразным изменением характеристик надежности «человеческого элемента», которое не допускает его использования при управлении как отдельными техническими средствами судна, так и судовой социотехнической системой в целом. Прогноз состояния знания и умений у кадрового состава компании можно оценить вероятностными данными работоспособности судовых специалистов, использование которых обеспечит безопасное выполнение судовых ключевых операций.

Ключевые слова:
деградация, знание, умение, работоспособность, судно, специалисты
Текст
Изменчивость показателей надежности судового персонала во времени вызывает необходимость в прогнозировании состояния надежности «человеческого элемента» как на период оперативного планирования деятельности компании, так и на более отдаленные сроки, определенные, например, в системе стратегического управления компанией. Общая задача прогнозирования состояния знаний и умений судовых специалистов заключается в оценке работоспособности этих специалистов и кадровой системы в целом по результатам их использования в предшествующие моменты времени. Предлагаемое прогнозирование оценки работоспособности «человеческих элементов» на судах компании основано на переходе от использования специалистов как ресурса к их эксплуатации. В процедурном отношении такое прогнозирование состоит из сбора информации по состоянию знаний и умений судового персонала компании и обработки; построения модели прогнозирования по текущим данным с последующей оценкой точности; использования полученных данных для оперативного планирования деятельности компании и при стратегическом управлении ее кадровой системой. В общем случае объект прогнозирования («человеческий элемент») имеет жизненный цикл, включающий формирование, использование и ликвидацию. При этом «человеческий элемент» компании многократно и непрерывно используется с производственным назначением. Процесс функционирования «человеческого элемента» в компании может быть отнесен к классу флуктуационному, многомерному и нелинейному, который способен обеспечить необходимый и достаточный объем непрерывно отображаемой информации [1]. Пусть далее в процессе функционирования модель изменения состояния знаний и умений «человеческого элемента» является нелинейной регрессионной с известным законом распределения. Тогда, в рамках наилучшего намерения, экстраполяция состояния знаний и умений «человеческого элемента» будет зависеть от выбора модели W(X, t ...), где X(t0); X(t1); . . .; X(tn) – значения многомерной функции на интервале времени [t0, tn]Î Т1, которая однозначно, через значения X(tn+1); X(tn+2); . . .; X(tn+m), в моменты времени (tn+1); (tn+2);. . . (tn+m) ÎT2 определяет состояние знаний и умений «человеческого элемента». В данном случае множество Т1 определяет фиксированное время в моменты сбора сведений о состояниях кадрового состава в прошлом, а значения этих характеристик в будущем соответствуют T2. Тогда задача экстраполяции состояния знаний и умений судовых специалистов, общий вид которой записывается как X(tn+j) = W(X, t) X(ti), имеет решение на множестве X(tn+j) в целом и для каждой его координаты (Xn+j) в отдельности. Данное свойство модели экстраполяции состояния знаний и умений «человеческого элемента» позволяет составлять формализованные прогнозы по уровню знаний и умений как для каждого специалиста в отдельности, так и по профессиональным группам и даже по всему судовому персоналу компании в целом. При этом множества (Xn+j) и X(ti) будут представлять собой временные ряды, являющиеся дискретами случайных процессов, характеризующих временные изменения показателей надежности «человеческого элемента». Следует отметить, что на значения параметров надежности судового персонала компании будут оказывать влияние технические, организационные, социальные и прочие факторы, но их изменения все же будут иметь общие закономерности, которые определяются процессом старения или деградации уровня знаний и умений «человеческого элемента». Деградацию уровня знаний и умений «человеческого элемента» можно характеризовать двумя возможными проявлениями. Во-первых, постепенным изменением во времени состояния уровня знаний и умений специалистов, которое, накапливаясь, вызывает дрейф показателей потери работоспособности. Во-вторых, возможно внезапное и катастрофическое изменение к худшему состояния уровня знаний и умений специалиста, вызывающее такое скачкообразное изменение характеристик надежности «человеческого элемента», которое не допускает его использование при управлении как отдельными техническими средствами судна, так и судовой социотехнической системой в целом. Формально деградацию уровня знаний и умений «человеческого элемента» можно представить совокупностью компонент X(t) = ψ(t) + π(t) + σ(t), где вариации ψ, π, σ факторов характеризуют необратимые изменения психофизиологического, профессионального и социального поведения судовых специалистов, имеющие детерминированную ηg(t) и стохастическую ηc(t) компоненты: η = ηg(t) + ηc(t). Следовательно, деградационный процесс уровня знаний и умений «человеческого элемента» можно описать функцией X(t) действительного переменного времени tÎT, значения которого при каждом t являются случайными величинами с детерминированной составляющей. Процесс деградации уровня (состояния) знаний и умений «человеческого элемента» может быть регламентирован усиливающим отношением, записанным следующим обраазом: ||ηg(t + Δt) – ηg(t)|| >> ||ηc(t + Δt) – ηg(t)||. Усиливающее неравенство отражает рост деградации, но с учетом вероятности появления случайных ошибок в оценке уровня знаний и умений «человеческого элемента». Тогда, определив математическое ожидание случайной компоненты M[ηc(t)] = 0, можно, как следствие, вытекающее из неравенства Коши – Буняковского, записать соотношение ||X(t +Δt) – X(t)|| >> √(σ[X(t + Δt)]σ[X(t)]) ≥ cov[X(t)X(t + Δt)], где σ – оператор дисперсии; cov – оператор ковариационного момента. Детерминированные процессы деградации уровня знаний и умений судового персонала компании могут быть описаны математической моделью в следующем общем виде: X(t) = W[β(x, t)] + V[α(ε), t], (1) где V[α(ε), t] – вектор функции многомерных коэффициентов α и времени t, а W[β(x, t)] – линейная или нелинейная по параметру t математическая модель этой деградации. В частном случае для индивидуальной характеристики деградации уровня знаний и умений отдельного «человеческого элемента» можно использовать уравнение X(t) = W[β(x), t)] + ε(t), где W[β(x), t)] – функция необратимой составляющей деградации; ε(t) – колебания обратимой компоненты с периодами меньше интервала прогнозирования. Построение модели W[β(x), t)] зависит от сложности состояния прогнозируемой кадровой системы компании. Например, для описания показателей надежности эксплуатации судна можно использовать общепринятый метод, основанный на интерполяционном подходе. Для такого подхода деградационный процесс X(t) может быть описан полиномом степени m, например интерполяционной формулой Лагранжа или Ньютона. Тогда W[L(μ, m)X]] = Lμ0 X(t0) + Lμ1 X(t1) + . . . + Lμi X(ti) + . . . + Lμμ X(tμ), где tμ – точки наблюдения за изменениями параметра X(tμ). Таким образом, если показатели X(tμ) принимаются за необходимый уровень знаний и умений, то степень близости этого уровня к реальному состоянию кадровой системы компании может быть определена обычным способом, например по методу наименьших квадратов. Корректировка уровня знаний и умений кадровой системы на судне компании зависит от ее многомерности и в наиболее простом случае может быть представлена линейной моделью, имеющей вид μ W[β(x), t)] = ∑βi(x) φμ(t), i = 1 где φμ(t) – любая система временных функций, в которых варьируются коэффициенты регрессий. Численная реализация метода наименьших квадратов связана с соотношением n ∑{X(ti) – W[β(x), ti)] }2 = min I = 1 при условии, что степень полинома аппроксимации m заведомо меньше числа точек наблюдения n, фиксирующих каждый момент ti . Построение более сложных моделей деградации состояния знаний и умений судовых специалистов возможно лишь по результатам апробации простых математических моделей. Однако следует отметить, что применительно к формализованным оценкам возрастных изменений надежности судовых специалистов достаточного количества экспериментальных данных в настоящее время нет. Для простых моделей процесса W[β(x), ti)] известны методы их коррекции по результатам анализа полученного прогноза. Если значения временного ряда X(t) неравнозначно влияют на значения прогнозируемой области, то возможно их взвешивание и сглаживание. Используя экспоненциальные закономерности для текущих данных, им можно присваивать более высокую значимость (вес), чем результатам более ранних оценок. Для сглаживания и взвешивания используются известные методы оценок, например методы рекуррентных отношений. При этом общая модель деградации знаний и умений «человеческого элемента» может быть представлена в виде n – 1 m W[β(x), t)] = β ∑(1–β)i X(tn – 1) + ∑(X(ti )/m), (2) i = 1 i = 0 где m – число начальных значений вероятности безошибочного несения вахты (ВБНВ); β < 1 – параметр сглаживания; X(tn – 1) – значения параметра процесса деградации уровня знаний и умений персонала вахты в момент tn – 1; X(ti ) – значения параметра процесса деградации этого уровня в момент времени ti. Таким образом, модель сглаживания (2), ослабляя влияние прошлых событий на будущее, может быть использована для прогноза основных показателей надежности судового персонала компании применительно к оценке ВБНВ. В этом случае, используя базу данных о судовых специалистах по результатам прошлой работы, можно исключить из общей выборки сведения о надежности отдельных судовых специалистов, которые не вписываются в общие закономерности. Формально такой критерий отбора может быть составлен с привлечением правила «трех сигм» и способен обеспечить решение задачи выбора при нормальном законе распределения исследуемой выборки судовых специалистов. Для оценки групповой деградации уровня знаний и умений судовых специалистов в качестве модели также может быть использовано выражение (1). В этом случае показатели надежности группы судовых специалистов на планируемый период оцениваются исходными данными, в которых содержатся сведения о числе специалистов, используемых на судне nts компании и имеющих на момент времени t данные о надежности. Естественно, что общее количество судовых специалистов в кадровой системе компании будет равно m N = ∑nts. s = 1 В числе показателей надежности судовых специалистов наиболее значима ВБНВ каждым из них. Поэтому, кроме индивидуальных показателей ВБНВ судового персонала, может быть определена вероятность коллективного безошибочного несения вахты Pts . Такая ВБНВ определяет вероятность коллективной ошибки при несении вахты, а также характеризует переходное состояние вахтенного коллектива при появлении ошибки у одного из судовых специалистов этого коллектива. Временные изменения показателей надежности у вахтенного коллектива, полученных при прогнозе на стадии планирования судовых операций, можно характеризовать с количественной точки зрения фазовыми вероятностными переходами. Фазовые вероятностные переходы показателей надежности судовых специалиста в кадровой системе компании целесообразно представлять следующей матрицей переходов: . (3) При этом каждое значение вероятности перехода Pts можно найти из базы данных кадровой системы компании, используя выражение T Pts = (∑nts)/TN, t = 0 где nts – число судовых специалистов, несущих вахту без ошибок при переходе с одного судна на другое; N – общая численность судовых специалистов по списочному составу кадровой системы. Заключение Таким образом, матрица переходов (3) и расчеты по прогнозу состояния знаний и умений у кадрового состава компании можно определить следующим образом. Общий списочный состав специалистов, разделенный на интервалы, кратные судну, оценивается вероятностью работоспособного состояния. Оценка осуществляется для выделения таких судовых специалистов, которых необходимо направить на судно, чтобы обеспечивать безопасное выполнение судовых ключевых операций с заданной вероятностью.
Список литературы

1. Железнов И. Г. Сложные технические системы (оценка характеристик) / И. Г. Железнов. М.: Высш. шк., 1984. 119 с.


Войти или Создать
* Забыли пароль?