автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Модели и алгоритмы системы отбора персонала на основе повышения достоверности данных при принятии решений

На правах рукописи

ФОТ Юлия Дмитриевна

МОДЕЛИ И АЛГОРИТМЫ СИСТЕМЫ ОТБОРА ПЕРСОНАЛА НА ОСНОВЕ ПОВЫШЕНИЯ ДОСТОВЕРНОСТИ ДАННЫХ ПРИ ПРИНЯТИИ РЕШЕНИЙ

Специальность 05.13.10-Управление в социальных и экономических системах

1 8 АПР 2013

Автореферат диссертации на соискание ученой степени кандидата технических наук

ПЕНЗА 2013

005051946

Работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Поволжский государственный университет телекоммуникаций и информатики» (ФГБОУ ВПО ПГУТИ) на кафедре программного обеспечения и управления в технических системах (ПОУТС).

Научный руководитель: доктор технических наук, профессор

Официальные оппоненты: Финогеев Алексей Германович,

доктор технических наук, профессор,

Защита диссертации состоится 25 апреля 2013 г., в 14 часов, на заседании диссертационного совета Д 212.186.04 в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Пензенский государственный университет» по адресу: 440026, г. Пенза, ул. Красная, 40.

С диссертацией можно ознакомиться в библиотеке Федерального государственного бюджетного образовательного учреждения высшего профессионального образования «Пензенский государственный университет».

Автореферат разослан 25 марта 2013 г.

Ученый секретарь

Тарасов Вениамин Николаевич

ФГБОУ ВПО «Пензенский государственный университет», профессор кафедры «Системы автоматизированного проектирования»;

Болодурина Ирина Павловна,

доктор технических наук, профессор, ФГБОУ ВПО «Оренбургский государственный университет», заведующий кафедрой «Прикладная математика»

Ведущая организация - Институт проблем управления

сложными системами РАН, г. Самара

диссертационного совета

Косников Юрий Николаевич

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность, темы. Отбор персонала играет важную роль в управлении предприятием, поэтому отбор кадров на вакантную должность по принципу профессиональной пригодности является актуальной задачей. Неверное решение при подборе сотрудника может привести к значительным экономическим убыткам, вследствие чего построение эффективной системы отбора персонала (СОП) является важной задачей в управлении предприятием.

Основной подход при построении СОП сводится к принятию решения о соответствии соискателя должности. Отделы кадров и кадровые агентства, отвечающие за данную функцию, вынуждены обрабатывать.множество характеристик, описывающих конкретного кандидата, и давать-объективную оценку соответствия его должности. Эта процедура сопряжена с обработкой большого объема данных, на которую затрачивается значительное время.

Анализ современных публикаций по системам отбора персонала показал, что, несмотря на значительные достижения в данной области, в них отсутствуют методы построения систем мониторинга и достоверности исходных (анкетных) данных для отбора персонала. Изучением важности отбора персонала, работы с персоналом, подготовки кадров занимались многие ученые: Р. Юстэн, Р. Сара, Н. Харландер и К. Хейдак, Г. Зейнберт, А.- Файоль, Л. Гьюлик, Л. Урвик, А. А. Богданова, Н. Винер, К. Болди'нг, Г. Кунц, С. Доннел, Р. Акофф, Р. Фалмер, которые заложили научные основы использования моделей и технологий в кадровом менеджменте, сделали возможным рассмотрение отдельных кадроведческих функций в неразрывной связи друг с другом, с общим менеджментом организации и внешней средой. В работах А. Я. Кибанова и И. Б. Дуракова роль отбора персонала проанализирована с точки зрения естественного и искусственного отбора, где естественный отбор при найме персонала сравнивается с положениями Ч. Дарвина. Лидерство в изучении проблем кадровой политики и отбора персонала принадлежит К. Левину. Основное исследование направлено на повышение эффективности управления компанией при продвижении кадров, а эффективность управления зависит от качества отбора персонала и степени удовлетворенности работой.

Отбор персонала является процессом распознавания образа кандидата на вакантную должность. При этом во всех представленных моделях отбора персонала, опирающихся на методы функций близости, методы дис-криминантных функций, статистические методы распознавания, лингвистические методы и эвристические методы, отсутствует операция проверки соответствия каждой кандидатуры одновременно по всем вакансиям. Это особенно важно при отборе персонала на крупных производственных

предприятиях и в кадровых агентствах, где хранится значительный объем данных о кадрах (о кандидатах).

Следует отметить, что при большом объеме данных также увеличивается время на установление достоверности анкетных данных, предоставленных кандидатом на вакантную должность (обзвон бывших работодателей, сбор информации о подлинности диплома и т.д.), следовательно, агентствам (отделам кадров) требуется дополнительная рабочая сила для проведения данных операций, что ведет к росту затрат компании.

Достоверность всех ответов кандидата можно установить, применяя полиграф, но законодательство РФ не позволяет применять данное средство при отборе в кадровых агентствах и на предприятиях. В связи с этим достоверность анкетных данных кандидата при отборе персонала является низкой, что требует проведения дополнительного исследования."

В работах Аширова Д. А. и Жамойда Е. Н. указано, что создание общей базы возможных источников труда позволит организации в любой момент найти подходящих сотрудников. В то же время ни в одной из современных систем отбора персонала, применяющих дискреционную либо мандатную политику доступа, нет проверки целостности данной базы, организован только доступ по паролю администратора, пользователя и программиста. Из этого следует, что при преднамеренных действиях сотрудников и внешних злоумышленников база источников труда (кандидатов) может быть искажена, что в последующем отрицательно отразится на результате отбора.

Таким образом, задача, заключающаяся в совершенствовании системы отбора персонала на основе мониторинга достоверности исходной информации, сокращении времени отбора и сохранении целостности данных, является актуальной.

Цели и задачи исследования. Цель работы заключается в повышении эффективности системы отбора персонала предприятия на основе мониторинга исходных данных, сокращения времени обработки информации и сохранения целостности данных. Для достижения поставленной цели необходимо решить следующие задачи:

1) определить роль отбора персонала в системе управления;

2) разработать и проанализировать модель системы отбора персонала;

3) предложить методику мониторинга достоверности анкетных данных кандидата;

4) разработать алгоритм мониторинга доступа к базе данных системы отбора персонала и целостности информации, обрабатываемой в базе данных;

5) выполнить апробацию и провести экспериментальное исследование разработанных моделей, методик, алгоритмов в процессе функционирования системы отбора персонала.

Объект исследования: система отбора персонала крупного предприятия (кадрового агентства).

Предмет исследования: методы и средства обеспечения целостности ■ информации, обрабатываемой в БД, повышения быстродействия системы отбора персонала и достоверности исходных данных.

Методы исследований. Для решения поставленных задач использовались методы распознавания образов, сигнатурный метод, методы анализа целостности данных, методы контроля и управления доступа в систему, методы теории вероятностей и математической статистики.

Соответствие паспорту специальности. Результаты исследования соответствуют пунктам 4, 5, 10 паспорта научной специальности 05.13.10.

Научная новизна:

1. Разработана модель отбора персонала, использующая принципы ассоциативности и мажоритарности принятия решений на основе сигнатурного метода, что обеспечивает оперативное принятие решения за счет минимизации времени отбора.

2. Предложена методика мониторинга достоверности исходных данных на основе контроля состояния вегетативной нервной системы человека, допускающая возможность адаптации к изменению числа признаков распознавания, количеству образов-эталонов и автоматизирующая процесс обучения, что обеспечивает распознавание образов-эталонов при произвольном законе распределения информативных признаков.

3. Предложен алгоритм мониторинга доступа к базе данных системы отбора персонала и целостности информации, обрабатываемой в базе данных, отличающийся от известных внедрением в мандатную политику доступа механизмов верификации данных, основанных на использовании сигнатурного метода, что повышает контроль внесения изменений в базу данных системы по сравнению с известными аналогами.

Практическая значимость работы состоит в том, что предложенные модели и алгоритмы реализованы в виде специализированного программного комплекса «Система отбора персонала», который используется в производственном процессе Центра занятости населения. Программный комплекс позволяет проводить отбор при различных числах признаков, вакансий и кандидатур на вакансии, имеет высокую производительность вычислений и проведения проверки соответствия каждой кандидатуры одновременно по всем вакансиям. Уменьшение времени распознавания образов персонала достигается путем внедрения сигнатурного метода идентификации кандидатур на должность.

Контроль доступа в систему отличается от известных внедрением в мандатную политику доступа механизмов верификации данных, основанных на использовании сигнатурного метода, что повышает контроль вне- • сения изменений в базу данных системы по сравнению с известными ана-

логами. Оценка состояния вегетативной нервной системы человека при анализе достоверности анкетных данных кандидата при поступлении на работу отличается возможностью адаптации к изменению числа признаков распознавания, количеству образов-эталонов.

Теоретическая ценность работы состоит в том, что ее результаты меняют общее представление о модели системы отбора персонала, включая теоретико-методологические аспекты анализа исходных данных. Представлены новые подходы к защите данных в системе отбора персонала. Полученные теоретические положения, выводы, научно-практические рекомендации могут служить основой для дальнейшего развития теории и практики отбора персонала, менеджмента организации.

Достоверность и обоснованность результатов моделей отбора персонала и мониторинга достоверности исходных данных обеспечены корректным использованием методов принятия решений на основе принципов ассоциативности и мажоритарности, сигнатурного метода и метода контроля четности, подтверждаются результатами моделирования, экспериментального исследования и тестирования разработанной системы отбора персонала, а также результатами внедрения и эксплуатации разработанных программных средств.

На защиту выносятся:

1. Модель отбора персонала, использующая принципы ассоциативности и мажоритарности принятия решений на основе сигнатурного метода.

2. Методика мониторинга достоверности исходных данных на основе контроля состояния вегетативной нервной системы человека.

3. Алгоритм мониторинга доступа к базе данных системы отбора персонала и целостности информации, обрабатываемой в базе данных.

4. Архитектура программного комплекса «Система отбора персонала».

Внедрение результатов работы и связь с научными программами.

Диссертационные исследования проводились на кафедре «Организация и технологии защиты информации» ФГБОУ ВПО «Оренбургский государственный институт менеджмента» при выполнении НИР в рамках аналитической ведомственной целевой программы «Развитие научного потенциала высшей школы (2009-2011)» - государственная регистрация информационной карты № 120228094128. Программа «Реализация ассоциативно-мажоритарной модели отбора персонала с оптимизацией на основе сигнатурного метода идентификации образов» как результат внедренческой научно-исследовательской работы используется кадровым агентством «Открытый мир». Программы для ЭВМ «Реализация ассоциативно-мажоритарной модели отбора персонала с оптимизацией на основе сигнатурного метода идентификации образов» и «Реализация доступа к системе отбо-

ра персонала мандатно-верификационным способом» внедрены в производственный процесс Центра занятости населения Оренбургского района.

Апробация работы. Основные результаты диссертационной работы были представлены на следующих научных конференциях: XII и XIV Международных научно-технических конференциях «Информационно-вычислительные технологии и их приложения» (Пенза, 2010); Международной научной конференции, посвященной 55-летию Оренбургского государственного университета (Оренбург, 2010); научно-практической конференции «История развития банковского дела в Оренбуржье», посвященной 145-летию Главного управления Центрального банка Российской Федерации по Оренбургской области (Оренбург, 2011).

Публикации. По теме диссертации опубликовано 12 работ, из них 4 работы - в ведущих рецензируемых научных журналах и изданиях, рекомендованных ВАК. Получено 3 свидетельства о государственной регистрации программ для ЭВМ и 1 свидетельство о регистрации программного ресурса, представляющее собой учебно-исследовательскую программу для изучения и исследования системы.

Объем и структура работы. Диссертация состоит из введения, четырех глав, заключения и четырех приложений. Основное содержание работы изложено на 117 страницах, включая 41 рисунок и 16 таблиц. Список использованных источников содержит 92 наименования.

СОДЕРЖАНИЕ РАБОТЫ

Во введении показана актуальность темы диссертации, определены цель работы и задачи исследования, изложена практическая значимость полученных результатов, приведены основные положения, выносимые на защиту.

Первая глава посвящена решению задачи определения роли отбора персонала в системе организационного управления предприятия.

В результате проведенного исследования основных подходов к отбору персонала и на основании анализа факторов, влияющих на результат проводимых операций, в частности, с использованием средств автоматизации, выявился ряд недостатков: недостаточная скорость обработки данных для отделов кадров крупных предприятий и кадровых агентств; недостаточная верификация данных при их обработке; присутствие вероятности неправильного принятия решения в связи с поступлением в систему недостоверных входных данных. Для обеспечения достаточной целостности базы данных системы отбора персонала необходимо применять дополнительные программные и аппаратные средства.

Общий вид целевой функции при построении системы отбора персонала имеет следующий вид:

^ХлО-сс,)

Е= -->шах;г0</03, (1)

где Г - время работы системы отбора, представленное как совокупность времени каждого этапа отбора и времени работы автоматизированной системы; 2- затраты системы отбора персонала, представленные как совокупность затрат на оплату труда сотрудников, закупку оборудования, закупку программных средств и т.д.; е, — достоверность поступивших сведений кандидата на мо вакансию (/ = 1, Ы)\ X — интенсивность поступления заявок в систему на проведение отбора; а, - вероятность ошибки при отборе на /-ю вакансию; N — число кандидатов за время Г; Г0 и /03 — фактическое и требуемое время на процедуру отбора.

Как видно из выражения (1), критерий оценки эффективности отбора персонала выражается в максимизации достоверности поступивших сведений кандидата, минимизации вероятности ошибки распознавания кандидатуры а, зависящей от сохранности сведений в БД, и минимизации времени отбора персонала.

Исследована роль принятия решения при оценивании кандидата на вакантную должность и проанализированы существующие программные комплексы отбора персонала, модель отбора персонала с использованием средств автоматизации.

Вторая глава посвящена разработке модели системы отбора персонала в организации, повышения достоверности и оперативности отбора в системе управления персоналом на основе автоматизированного метода идентификации кандидатур на должность и представления задачи отбора как задачи распознавания образов.

Математическая модель задачи отбора персонала представлена как задача распознавания следующим образом. К исходным данным задачи отбора относятся: множество классов образов вакансий 0= ..., <7„}; множество информативных признаков кандидатуры на распознавание в ={.?ь 52> •••, ^т}, используемых для отбора. Каждый из признаков представлен в некотором диапазоне изменения с/у (г = 1, п\] = 1, т) из множества диапазонов признаков Б = {(¡¡/, г = 1, п\] = 1, т). Каждый диапазон задан значениями минимального (4ша) и максимального (</тах) порога изменения признака и дискретностью изменения признака внутри диапазона, а оценки вероятностей распределения значений признаков в собственных диапазонах в общем случае известны. Требуется определить степень соответствия каждой кандидатуры на вакантное место выдвигаемым требованиям к кандидатуре при заданных ограничениях.

Для формализации задачи отбора персонала введены следующие обозначения:

с[ - образ (кандидатура на вакантное место), подлежащий распознаванию;

<5,> - зарегистрированное значение /-го признака, / = 1 ,т;

<вх> - вектор зарегистрированных значений признаков д*;

- мера близости между с[ и у'-м образом из множества эталонов (образов вакансий) <2,у = 1, 2,..., и;

у{<5,>, ¿у} - мера принадлежности <?/> диапазону г-го признака для у'-го образа;

£>, - вектор диапазонов изменения значений для образа qj,j = 1, л;

Ф{<81>, £>,} - функционал для вычисления меры близости \У{</\

В качестве меры близости могут быть использованы: коэффициент парной корреляции, вероятностные оценки метода Байеса, мера близости Хемминга и другие, которые определяют вид использованного функционала. Обобщенная модель распознавания с? имеет следующий вид:

™ = Ф {<8Х >,/),•},; =1,..., и; (2)

^еО*:ф{<81>,Д1/}э111ахф{<81>Д)у};д* е = 1,(3)

дх £<2: Ф|<8">,Б*]</> ИшФ{<8Х >,/>,}; е Б; у = 1,..., п. (4)

Функционал Ф{<8*>, £>у} в выражениях (2)-(4) представляет собой разделяющую (дискриминантную) функцию в модели отбора, а выражения (2) и (3) описывают разделяющее правило при отнесении с[ к одному из классов образов-вакансий . При этом отбор проводится по максимальной величине меры близости функционала (2) либо принимается решение о том, что не принадлежит ни к одному образу эталону из базы данных эталонов О, если значение функционала согласно правилу будет меньше (или больше) некоторого заданного порога функционала НтФ{<81>, £>/},у = 1,..., п.

Разделяющая функция представляет собой аналитическое выражение для расчета численной оценки критерия, по которому средство распознавания принимает решение по отнесению неизвестного образа д* к одному из известных образов-эталонов либо о непринадлежности образа ни к одному из известных образов. В результате анализа известных подходов к построению разделяющей функции в качестве базовой в задаче отбора персонала выбрана функция ассоциативного вида:

т

/=1

1, если < 5,- >е йц О, если < >г ¿1,

(6)

где У{ }т х и - матрица значений ассоциативных признаков, полученная в результате проверки соответствия значений всех признаков образа кандидатуры, требуемым диапазонам вакантной должности. В матрице V столбцы соответствуют вакансиям, строки — признакам образа-кандидатуры. В соответствии с разделяющим правилом в процедуре отбора учитывается сумма значений признаков для каждой вакансии, размещенных по столбцам матрицы.

Применение принципа ассоциативности в модели позволяет при вводе в систему отбора любой характеристики кандидата, например, образования или возраста, выбирать из базы вакансий параллельно все вакансии, соответствующие (ассоциирующие) значению введенной характеристики образа-кандидата. Данная модель позволяет проводить параллельно проверку соответствия каждого образа-кандидата по всем имеющимся вакансиям. Решение о соответствии образа-кандидата вакантной должности в соответствии с выражениями (5) и (6) принимается по мажоритарному правилу или по правилу большинства, что повышает достоверность принятия решения.

В процессе отбора формируется ранжированный ряд соответствий образа-кандидата по всем вакансиям базы вакансий. Введем матрицу весовых коэффициентов Кдля соответствующих значений ассоциативных коэффициентов. При перемножении матрицы значений ассоциативных признаков V и матрицы весовых коэффициентов К формируется результирующая матрица отбора персонала Л {/},}„ х т.

Достоинствами выбранной разделяющей функции и разделяющего правила являются: малая конструктивная сложность и универсальность программной реализации, позволяющие проводить отбор при различных числах признаков, вакансий и кандидатур на вакансии; высокая производительность вычисления и проведения проверки соответствия каждой кандидатуры одновременно по всем вакансиям.

Проведена оптимизация ассоциативно-мажоритарной модели системы отбора персонала. Целью данной оптимизации является уменьшение времени для распознавания образов в системе отбора персонала на основе сигнатурного метода идентификации кандидатур на должность. При наличии сшуаций, когда в процессе распознавания значения одного или нескольких признаков выходят за границы доверительного интервала одного класса образов или попадают в диапазоны изменения других классов, в предлагае-

мой модели ошибки распознавания не происходит, поскольку результат распознавания формируется по большинству признаков.

Для этого число разрядов / выбирается с учетом возможного числа таких ситуаций, причем должно выдерживаться соотношение

/ > s + 1 при / < п,

где s - наиболее вероятное число выходов значений признака за пределы заданного диапазона величин, которое не должно превышать числа, соответствующего половине всех признаков распознавания п, т.е. s > [и/2], где выражение в квадратных скобках означает целую часть отношения. Например, для учета однократного выхода при п = Ъ число разрядов сдвигового регистра /= 2. В данном случае результат ошибочного распознавания останется в первом разряде сдвигового регистра, а во втором разряде будет достоверный результат.

При отсутствии ситуации, когда значения одного или нескольких признаков выходят за границы доверительного интервала одного класса образов или попадают в диапазоны изменения других классов, поскольку число разрядов сдвиговых регистров / меньше числа признаков вектора образа п, результаты принадлежности начальных признаков по ходу анализа всех признаков будут выдвигаться из сдвиговых регистров.

Таким образом, граф перехода состояний в сигнатурной модели, где Рс0 - Рс7 — вероятности перехода состояний; Р„ 1- вероятность перехода состояний без сбоя в системе; Р„2 - вероятность перехода состояний с наличием сбоя системы; Р„Ъ - вероятность безусловного перехода от одного состояния системы в другое, представляется следующим образом (рис. 1).

Если предположить, что Рс0=1, Р„ 1 = Рп2 = 0,5, Р„3 = 1, то вероятность состояния Рс3, когда система завершает распознавание за два этапа, равна Рс3 = 0,25. Это свидетельствует о том, что в 25 % случаев предложенная система завершит распознавание за два этапа, в то время как модель, описанная выше, - за три этапа, следовательно, фактическое время распознавания образа f0 значительно снизится.

при / = 2, п = 3

Если предположить, что число распознаваний равно N= 1000, то в 250 случаях распознавание завершается за два этапа, а в 750 случаях -за три этапа. В то время как в модели-прототипе каждое распознание за-

Рис. 1. Граф переходов состояний в сигнатурной модели, если регистр соответствует распознанному образу

вершается за три этапа, а общее число этапов равно 3 • 1000 = 3000. Выигрыш в производительности АР предлагаемой модели и экономия требуемого времени /шпо распознаванию образов сигнатурным методом составляют 8,3 %.

При использовании сигнатурного метода распознавания образов значительно сокращается время анализа зарегистрированных значений образов ассоциативно-мажоритарной модели, тем самым повышается производительность системы отбора персонала.

Для повышения достоверности исходных данных в систему отбора персонала введена модель оценки состояния вегетативной нервной системы человека (ВНС) на основе ассоциативно-мажоритарной модели распознавания образов. Входными данными для оценки являются вектор параметров регистрации п, т}; режим работы системы и (обучение или распознавание) (рис. 2).

Подсистема обучения ассоциативной модели рра)

База распределений информативных признаков

Л

Подсистема формирования ассоциативных признаков

Подсистема формирования распределений ассоциативных признаков

Подсистема идентификации состояния ВНС человека

База ассоциативных признаков

Подсистема принятия решения

Подсистема регистрации и первичнойобра ботки данных о состоянии ВНС человека

Подсистема измерения данных о состоянии ВНС человека

~ Г«*

Биометрические данные человека

Рис. 2. Структурная схема системы оценки состояния вегетативной нервной системы человека на основе ассоциативно-мажоритарной модели распознавания образов

Потоки измерительной информации определяются перечнем датчиков и режимами работы средств регистрации и обработки данных. Подсистема регистрации и первичной обработки данных о состоянии ВНС человека формирует информационные потоки для подсистемы обучения ассоциативной модели и подсистемы идентификации категории состояния ВНС.

Формирование базы распределений информативных признаков Р основано на принципе работы амплитудных анализаторов сигналов, что обеспечивает высокое быстродействие, обусловленное простотой алгоритма формирования произвольных распределений.

К исходным данным задачи идентификации категории состояния вегетативной нервной системы человека относятся: множество категорий

(образов) состояний ВНС <2 = {ф, Цг, ..., <?„} и множество информативных признаков в= {^1 - ■ - с известными распределениями значений Р(я). Для формализации задачи введены следующие условные обозначения: д' — образ состояния ВНС человека, подлежащий распознаванию; <У;> — зарегистрированное значение /-го признака состояния ВНС, /'= 1, т;

<вт> — вектор зарегистрированных значений признаков д';

- мера близости между с[ иу'-м образом из множества образов состояний ВНС человека, соответствующих конкретным категориям множества = 1,2,..., п;

у,у{<У/>, Р, д,} - частный параметр оценки распределения значения <хр> признака sí из множества Я для всех классов образов из О;

Ф{<81>, Р, д,) - функционал для вычисления меры близости У{д*, Р — множество функций оценок распределений значений признаков из 5 для всех классов образов р.

В качестве меры близости распознаваемого образа-эталона используется число максимальных оценок распределений значений признаков из <8Ж>, принадлежащих конкретному классу образов из Математическая модель распознавания имеет следующий вид:

<7у> = ф{ <5* >, Р, Я]},]= 1,..., и; (7)

1, если

<=1

О, если Р(з?)#тахР(з,),1' = 1,..., т;

(8)

(9)

М{<8">,(2} =

"21

42

у22

ут2

у2п

(10)

дх е О* € ОД^Л*} = шахУ{^, е <Ы = 1,..., п. (11)

Выражение (7) описывает функционал для вычисления меры близости Анализ известных подходов к построению разделяющей функции (РФ), алгоритмической сложности РФ и конструктивной сложности ее реализации позволил в качестве базовой функции для построения РФ выбрать функцию ассоциативного вида (8), позволяющую использовать при распознавании связи между <8Х> и О через распределения вероятностей значений признаков Р. В матрице (9) каждый столбец соответствует (ассо-

циирует) частным мерам близости множества <8*> для каждого класса образов по всем признакам. Сумма элементов каждой строки соответствует сумме в выражении (10). Выражение (11) описывает разделяющее правило, при котором отнесение к одному из классов образов-эталонов (} производится по максимальной величине меры близости, соответствующей сумме элементов в каждой строке матрицы. При обучении модели производится вычисление элементов матрицы (10) по выражениям (7)-(11). Процесс распознавания qx сводится к вычислению суммы элементов матрицы по каждой строке, соответствующих </> и <8*>, и выбору искомого класса образа по максимальной сумме.

Представленный подход ориентирован на использование в системах отбора персонала для автоматизированной оценки достоверности предоставленных данных при оценке состояния вегетативной нервной системы человека.

В третьей главе предлагается подход к организации целостности данных и организации доступа в систему отбора персонала.

В процессе хранения результатов анкетирования кандидатов на вакантную должность и требований к вакансиям в базе данных могут возникнуть преднамеренные изменения информации, Что существенно исказит результат отбора. Для исключения подобной ситуации необходимо внедрить в систему отбора персонала верификацию целостности базы данных и организовать доступ в систему. Таким образом, основная цель предложенного подхода направлена на выявление ошибок в БД. При построении мандатно-верификационного подхода использовались: мандатная модель доступа; подход «Сложение по модулю 2», который используется для генерации сигнатуры в базе сигнатур. Достоинствами функции являются простота реализации и размер получившейся сигнатуры - 1 бит, что упрощает и удешевляет реализацию метода защиты на аппаратном уровне.

После ввода данных соискателя в, требований к вакансии (2 и значений весовых коэффициентов К начинает работать блок кодирования данных. Для ввода информации оператор подает запрос администратору безопасности, который в свою очередь открывает базу сигнатур, куда помещаются сигнатуры, образованные с помощью подхода «Сложение по модулю 2», а также отключает блок мониторинга, который позволит осуществить изменения в БД оператору на определенное время (рис. 3).

Таким образом, если осуществляется доступ в базу данных системы отбора персонала и производятся изменения в ней, база сигнатур сигнализирует о несоответствии сигнатур данным и система мониторинга сигнализирует о несанкционированном изменении данных; если осуществляется доступ в блок мониторинга для отключения функции контроля, а затем производится доступ в базу данных, блок мониторинга не отключится, пока не осуществлен доступ в базу сигнатур; если осуществляется доступ в

базу данных и базу сигнатур, то изменения провести невозможно, так как необходимо отключить блок мониторинга для работы с базой.

11 -Программист; ~*12-Администратор; 1з-Выход.

Т-Просмотр данных; 2-Редактиро ванне данных; " З-Залрос на отключение защиты; 4-Залрос на актива-„ цию защиты.

Просмотр данных

Редактирование данных

Запрос на откл. защиты

Запрос на актив, защиты

О

Конец

Т-Отключение защиты;

2-Подтверждение изменений и генерация сигнатуры;

3-Активация защиты.

Отключение защиты

Подтверждение и генерация

Активация защиты

-©

Рис. 3. Алгоритм программы мандатно-верификационного подхода

К достоинствам данного подхода относится: высокая вероятность обнаружения несанкционированных изменений и возможность их автоматического исправления за счет взаимной верификации действий оператора-программиста и администратора безопасности, внедрения в традиционную мандатную политику доступа формирования целостности данных за счет сигнатур.

Оценка вероятности взлома пароля зависит от длины пароля Ь, от коэффициента производительности системы к и времени в течение которого производится подбор пароля, т.е. Р=^Ь, /, к), и чем меньше длина пароля и количество символов, используемых при составлении пароля и больше время воздействия, тем большая вероятность его раскрытия: Qm=k—

N

при условии: если £>ю>= 1, то Р„ = 1, если £?вз< 1, то Рт = к—.

N

Максимальное время, которое потребуется для взлома пароля, можно

N L

вычислить по следующей формуле: Т =—, где N=tT- количество пере-

v

боров в наборе; п - количество символов в элементе; L - предельная длина пароля; v - скорость перебора паролей в секунду (зависит от тактовой частоты процессора, используемой программы, объема ОЗУ, скорости жесткого диска).

Вероятность взлома системы при мандатном способе доступа Р1Ю си„ имеет следующий вид:

pl _ рА рА.рО рО 1 вз.сист — 1 выб ' вз т 1 выб1 ВЗ '

где Р^ъ.б - вероятность выбора пароля администратора для взлома системы; Р^ - вероятность взлома пароля администратора; Р°иб - вероятность выбора пароля оператора (программиста) для взлома системы; Р° - вероятность взлома пароля оператора (программиста) для взлома системы. Выбор пароля оператора (программиста) или администратора равновероятен:

рА _ рО ■'выб выб '

Вероятность взлома системы при мандатно-верификационном способе доступа Ры.сист имеет следующий вид:

где t = tl+t2+t3 - совокупное время взлома системы, a tl,t2>tз ~~ время воздействия на пароль администратора, оператора (программиста) и пароль входа в блок мониторинга соответственно; Р™6 - вероятность выбора пароля входа в блок мониторинга для взлома системы; Рю - вероятность взлома пароля входа в блок мониторинга.

При исследовании, опираясь на данные швейцарской фирмы Objectif Sécurité, где итоговая скорость перебора паролей для взлома систем составила 300 миллиардов паролей в секунду, рассчитана вероятность несанкционированного проникновения в систему при мандатном и мандатно-верификационном способах доступа в систему. Так как не все программы шифрования корректно работают с набором русских букв, чаще всего используются пароли, состоящие из набора английских букв и цифр, следовательно, п = 33. Длина набора L, применяемая для оценки, равна 9 символам. Время воздействия на систему / = 120 минут. Вероятность несанкционированного доступа при применении мандатно-верификационного доступа снизилась с 10~3 до 10"8.

Мандатно-верификационный принцип доступа в систему отбора персонала позволяет осуществить взаимный контроль внесения изменений в базу данных системы, тем самым уменьшить вероятность возникновения ошибок программиста (оператора) и администратора безопасности.

В четвертой главе приведено описание разработанного комплекса программных средств, предназначенного для поддержки принятия решения при идентификации кандидата на вакантную должность в системе отбора персонала крупных предприятий и кадровых агентств, который состоит из трех подпрограмм.

Основная подпрограмма «Реализация ассоциативно-мажоритарной модели отбора персонала с оптимизацией на основе сигнатурного метода идентификации образов» предназначена для идентификации образа кандидата на вакантную должность в системе отбора персонала. Она позволяет проводить отбор по различным характеристикам и проводить параллельно проверку соответствия каждого образа-кандидата по всем имеющимся вакансиям. Принятие решения о соответствии образа-кандидата вакантной должности принимается по мажоритарному правилу, или по правилу большинства, что повышает достоверность принятия решения. Уменьшение времени для распознавания образов в системе отбора персонала достигается путем внедрения сигнатурного метода идентификации кандидатур на должность. Исследование данной подпрограммы проводилось с участием 34 кандидатов на шесть вакантных должностей, с различными требованиями к вакансиям (табл. 1).

Таблица 1

Анализ данных в подпрограмме «Реализация ассоциативно-мажоритарной модели отбора персонала с оптимизацией на основе сигнатурного метода идентификации образов»

Вакансия Количество кандидатов на должность Количество требований к вакансии Общее число сравнений при ассоциативно-мажоритарном способе Общее число сравнений при оптимизации сигнатурным методом Сокращение количества сравнений при оптимизации

Няня 7 11 22 16 6

Домработница 8 12 36 18 18

Заведующий складом И 13 52 35 17

Старший преподаватель 9 14 70 44 26

Диспетчер таксопарка 5 15 30 28 2

Директор 8 16 64 39 25

70 i 60 | 50 I 40

; so | 20 10 ! о

11 12 13 14 15 16 Количество требований к вакансии

а Общее число сравнений при ассоциативно-мажоритарном способе

^ Общее число сравнений при оптимизации сигнатурном методом

Рис. 4. Анализ данных при различных количествах требований к вакансии

С помощью статистического анализа данных по средней арифметической взвешенной экономия требуемого времени (т составила 34,1% при использовании оптимизации сигнатурным методом идентификации образов (рис. 4).

Разработанная подпрограмма «Реализация модели мониторинга достоверности исходных данных при отборе персонала на примере контроля состояния вегетативной нервной системы человека» предназначена для моделирования работы метода оценки состояния ВНС человека. В ходе исследования получают данные о состоянии вегетативной нервной системы человека с трех датчиков: диапазон измерений Sp02 (насыщение крови кислородом), диапазон измерений пульса и диапазон измерений перфузии (прохождение крови через ткани организма), в ходе проведения исследования использовался пульсоксиметр Bitmos Sat 816. Кандидату задаются обучающие вопросы, затем - анкетные вопросы, представленные в основной подпрограмме отбора персонала. Файлы с данными, полученными с пульсоксиметра, открываются, и производится заполнение таблиц образов характеристиками временных рядов.

В левой части окна отображаются гистограммы плотностей распределений признаков образов, а в правой части окна будут находиться три таблицы банков памяти ассоциативности признаков, по таблице на признак (рис. 5). В каждой таблице отображены интервалы, на которые разбиты сгенерированные ряды, и показатель «преобладания» для образов на данном интервале. Если значений образа А на первом интервале больше, чем значений образа Б, то в соответствующее поле в таблице будет занесена 1, иначе 0. Эти данные переносятся в поле «Данные анализа» основной подпрограммы. Таким образом, проверяется достоверность входящих данных при подборе сотрудника.

Преимуществом является то, что при анализе данных нет необходимости привлечения специалиста-полиграфолога.

Исследование работоспособности подпрограммы проводилось с различными статистическими характеристика задаваемых образов.

Из графика видно (рис.6), что программа выдает не более 15 % неверных решений, когда дисперсия одного из образов превышает значение дисперсии другого образа в 2,2 раза.

Рис. 5. Окно распознавания образа

Коэффициент отличия дисперсий образов Рис. 6. График вероятности выдачи ошибочного решения

По результатам исследований мы выяснили, что всего лишь в 15 % случаев программа выдала неверное решение, и это при схождении образов на 80 %, что является довольно высоким показателем в изучаемой области. Таким образом, модель мониторинга достоверности исходных дан-

ных на основе контроля состояния вегетативной нервной системы человека значительно повысит качество исходных данных при принятии решений в отборе персонала.

Подпрограмма «Реализация доступа к системе отбора персонала ман-датно-верификационным способом» реализует разграничение доступа в БД подпрограммы системы отбора персонала и анализа вегетативной нервной системы человека и осуществляет проверку целостности данных.

Исследование программного комплекса построено на анализе трех видов систем отбора персонала: отбор персонала с использованием существующего специализированного программного комплекса; отбор персонала с использованием существующего специализированного программного комплекса и полиграфом; отбор персонала с использованием разработанного программного комплекса «Система отбора персонала». Опираясь на табл. 1, где интенсивность заявок X = 6, число кандидатов //=34, и целевую функцию (1), рассчитали эффективность системы отбора по представленным данным в табл. 2.

Таблица 2

Данные исследования программного комплекса_

Показатели эффективности системы Работа системы с использованием СОП «Ре' зюмакс» Работа системы с использованием СОП «Резюмакс» и полиграфа «Барьер 14» Работа системы отбора персонала с использованием программного комплекса «Система отбора персонала»

Время работы системы отбора, ч 48,27 42,6 22,17

Затраты системы отбора персонала, ч 166,55 325,55 197,43

Достоверность поступивших сведений кандидата на ¿-ю вакансию 0,5 0,95 0,85

Вероятность ошибки при отборе на |-ю вакансию КГ4 10"4 ю-9

Эффективность отбора персонала 0,013 0,014 0,040

Затраты на проведение'отбора, руб. 8039,04 13868,38 4376,34 .

В результате проведенных исследований эффективность отбора персонала увеличилась в 3,1 раза, затраты на проведение отбора уменьшились в 1,8 раза при достоверности отбора в 85 %.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. Определена роль отбора персонала в системе организационного управления, проанализированы существующие подходы при оценивании кандидата на вакантную должность и программные комплексы отбора персонала. Построена целевая функция эффективности системы отбора пер-

сонала, основанная на максимизации достоверности поступивших сведений кандидата, минимизации вероятности ошибки распознавания кандидатуры, зависящей от сохранности сведений в БД, и минимизации времени отбора персонала.

2. Предложена ассоциативно-мажоритарная модель отбора персонала как модель идентификации образов, произведен выбор и математическое описание входных параметров модели, построена разделяющая функция и разработаны правила принятия решения, а также исследована адекватность данной модели. Проведена оптимизация модели отбора персонала на основе сигнатурного метода идентификации образов. Предложенная модель отбора персонала, использующая принципы ассоциативности и мажори-тарности принятия решений на основе сигнатурного метода, обеспечивает оперативное принятие решения за счет минимизации времени отбора, увеличивая производительность системы на 3-8 %.

3. Предложена методика мониторинга достоверности исходных дан-• ных на основе контроля состояния вегетативной нервной системы человека, допускающая возможность адаптации к изменению числа признаков распознавания и количеству образов-эталонов. При использовании данной методики достоверность исходных данных кандидата составила 85 %.

4. Предложен алгоритм мониторинга доступа к базе данных системы отбора персонала и целостности информации, обрабатываемой в базе, отличающиеся от известных внедрением в мандатную политику доступа механизмов верификации данных, основанных на использовании сигнатурного метода, что повышает контроль внесения изменений в базу данных системы по сравнению с известными аналогами. Вероятность несанкционированного доступа при применении мандатно-верификационного доступа снизилась с 1СГ3до 1СГ8.

5. Разработан и реализован программный комплекс, предназначенный для отбора персонала, доступа в систему отбора персонала и идентификации состояния вегетативной нервной системы при анкетировании кандидата.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

Публикации в изданиях, рекомендованных ВАК РФ

1. Фот, Ю. Д. Модель отбора персонала на основе принципов ассоциативности и мажоритарности принятия решения / Ю. Д. Фот, Т. 3. Аралбаев // Интеллект. Инновации. Инвестиции. -2011. -№ 1. -С. 173-176.

2. Фот, Ю. Д. Исследование защищенности системы отбора персонала на основе мандатно-верификационного доступа / Ю. Д. Фот // Интеллект. Инновации. Инвестиции. - 2011.-№ 4. - С. 109-115.

3. Фот, Ю. Д. Модель мониторинга достоверности исходных данных в системе отбора персонала на примере контроля состояния вегетативной нервной системы человека / Ю. Д. Фот, С. В. Скворцов // Интеллект. Инновации. Инвестиции.-2012. - №4. - С. 185-193.

4. Фот, Ю. Д. Сигнатурный метод оптимизации модели распознавания образов в системе отбора персонала / Ю. Д. Фот, В. Н. Тарасов // Инфокоммуника-ционные технологии. - 2012. - № 4, Т. 10. - С. 82-86.

Публикации в других изданиях

5. Фот, Ю. Д. Подход к оценке качества системы защиты персональных данных вуза методом парных сравнений / Ю. Д. Фот II Информационно-вычислительные технологии и их приложения : сб. ст. XII Междунар. науч.-техн. конф.: МНИЦ ПГСХА. - Пенза: РИО ПГСХА, 2010. - С. 201-204.

6. Фот, Ю. Д. Роль персональных данных в системе управления высшим учебным заведением / Ю. Д. Фот // Информационно-вычислительные технологии и их приложения: сб. ст. XIV Междунар. науч.-техн. конф. : МНИЦ ПГСХА. - Пенза : РИО ПГСХА, 2010. - С. 106-112.

7. Фот, Ю. Д. Методика оценки качества создания системы защиты персональных данных высшего учебного заведения при их обработке в информационных системах / Ю. Д. Фот // Наука и образование : фундаментальные основы, технологии, инновации: сб. материалов Междунар. науч. конф. - Оренбург : ОГУ, 2010. - Ч. 7. - С. 246-250.

8. Фот, Ю. Д. Концепция защиты системы отбора персонала на основе ман-датно-верификационной политики / Ю. Д. Фот, Т. 3. Аралбаев // История развития банковского дела в Оренбуржье : материалы науч.-практ. конф. — Оренбург : ООО ИПК «Университет», 2011. - С. 335-339.

Зарегистрированные программы

9. Свидетельство о регистрации электронного ресурса № 731. Метод защиты информации в системе организационного управления / Ю. Д. Фот, И. А. Кряк; зарегистрировано в Оренбургском государственном университете 16 мая 2012 г.

10. Свидетельство о государственной регистрации программы для ЭВМ № 2012660403. Реализация доступа к системе отбора персонала мандатно-верификационным способом / Ю. Д. Фот; зарегистрировано в Реестре программ для ЭВМ 16 ноября 2012 г.

11. Свидетельство о государственной регистрации программы для ЭВМ № 2013610229. Реализация ассоциативно-мажоритарной модели отбора персонала с оптимизацией на основе сигнатурного метода идентификации образов / Ю. Д. Фот; зарегистрировано в Реестре программ для ЭВМ 9 января 2013 г.

12. Свидетельство о государственной регистрации программы для ЭВМ № 2013610230. Реализация модели мониторинга достоверности исходных данных при отборе персонала на примере контроля состояния вегетативной нервной системы человека / Ю. Д. Фот, С. В. Скворцов; зарегистрировано в Реестре программ для ЭВМ 9 января 2013 г.

Научное издание

ФОТ Юлия Дмитриевна

Модели и алгоритмы системы отбора персонала на основе повышения достоверности данных при принятии решений

Специальность 05.13.10-Управление в социальных и экономических системах

Редактор В. В. Чувашова Технический редактор Н. В. Иванова Компьютерная верстка Н. В, Ивановой

Распоряжение № 10/2013 от 20.03.2013. Подписано в печать 21.03.13. Формат 60x841/16. Усл. печ. л. 1,16. Заказ № 221. Тираж 100.

Издательство ПТУ. 440026, Пенза, Красная, 40. Тел./факс: (8412) 56-47-33; e-mail: iic@pnzgu.ru

Федеральное государственное образовательное бюджетное учреждение высшего профессионального образования «Пензенский государственный университет»

На правах рукописи

04201355752

Фот Юлия Дмитриевна

МОДЕЛИ И АЛГОРИТМЫ СИСТЕМЫ ОТБОРА ПЕРСОНАЛА НА ОСНОВЕ ПОВЫШЕНИЯ ДОСТОВЕРНОСТИ ДАННЫХ ПРИ ПРИНЯТИИ РЕШЕНИЙ

Специальность 05.13.10 - Управление в социальных и экономических системах

ДИССЕРТАЦИЯ на соискание ученой степени кандидата технических наук

Научный руководитель: д.т.н., проф. В.Н.Тарасов

Пенза 2013

Содержание

Введение............................................................................. 4

1 Задача отбора персонала в системе организационного управления 11

1.1 Роль отбора персонала в системе организационного управления..................................................................... 11

1.2 Анализ современного состояния системы автоматизации организационного управления на примере системы отбора персонала........................................................................ 15

1.3 Классификация и характеристика методов целостности данных системы отбора персонала................................................... 20

1.4 Целевая функция оценки эффективности системы отбора персонала в системе организационного управления................... 26

1.5 Постановка задачи исследования........................................ 28

1.6 Выводы по первой главе................................................... 29

2 Разработка моделей идентификации образов, достоверности данных в системе отбора персонала организации................30

2.1 Разработка ассоциативно-мажоритарной модели отбора персонала как модели идентификации образов........................ 30

2.1.1 Выбор и математическое описание входных параметров модели......................................................................... 30

2.1.2 Построение разделяющей функции и правила принятия решения модели............................................................. 34

2.2 Оптимизация модели отбора персонала на основе сигнатурного метода идентификации образов.......................... 39

2.3 Разработка методики мониторинга достоверности исходных данных на основе контроля состояния вегетативной нервной системы человека............................................................... 53

2.3.1 Разработка автоматной модели кандидата на вакантную должность..................................................................... 53

2.3.2 Разработка методики идентификации состояния вегетативной нервной системы человека............................... 56

2.4 Выводы по второй главе.................................................... 65

3 Разработка модели целостности системы отбора персонала на примере мониторинга достоверности исходной информации и принятия решений................................................................ 66

3.1 Разработка алгоритма верификации базы данных системы отбора персонала на основе сигнатурных кодов контроля.......... 66

3.2 Построение и характеристика структурной схемы системы отбора персонала.............................................................. 71

3.3 Исследование целостности системы отбора персонала на основе мандатно-верификационного доступа........................... 77

3.4 Выводы по третьей главе................................................. 81

4 Программный комплекс поддержки принятия решения при идентификации кандидата на вакантную должность в системе отбора

персонала организации........................................................... 83

4.1 Описание и апробация подпрограммы «Реализация ассоциативно-мажоритарной модели отбора персонала с оптимизацией на основе сигнатурного метода идентификации образов»......................................................................... 83

4.2 Описание и исследование подпрограммы «Метод оценки

вне»............................................................................. 88

4.3 Описание подпрограммы «Реализация доступа к системе отбора персонала мандатно-верификационным способом»............ 98

4.4 Исследование эффективности программного комплекса «Система отбора персонала»................................................. 100

4.5 Выводы по четвертой главе.............................................. 105

Заключение.......................................................................... 106

Список литературы................................................................ 108

Приложения......................................................................... 118

Введение

Актуальность темы: Отбор персонала играет важную роль в управлении предприятием. Профессиональная пригодность человека на вакантную должность является наиболее актуальной задачей. Неверное решение при подборе сотрудника либо приём неквалифицированного сотрудника может привести к значительным экономическим убыткам на предприятии. Кроме того отсутствие системного контроля в процессе отбора персонала часто приводит к ошибкам, что затем отражается в повышении текучести кадров, росте затрат при найме персонала. Успех компании или ее неудачи во многом определяются потенциалом и достижениями рабочей силы организации. Вследствие чего построение эффективной системы отбора персонала (СОП) на предприятии является важной задачей в управлении предприятием.

Основной подход при построении СОП, безусловно, сводится к решению о соответствии соискателя должности. Кадровый состав либо кадровые агентства, отвечающие за данную функцию, вынуждены обрабатывать множество характеристик, описывающих конкретного кандидата, и давать объективную оценку о соответствии должности. Эта процедура усложняется объемом данных, на обработку которого затрачивается значительное время. Очевидно, что использование информационных технологий значительно упростит операцию отбора.

Анализ современных публикаций по системам отбора персонала показал, что, несмотря на значительные достижения в данной области, в них отсутствуют методы построения систем мониторинга и достоверности исходных данных для системы отбора персонала. Изучению важности отбора персонала, работы с персоналом, подготовкой кадров занимались многие ученые: Р. Юстэн, Р.Сара, Н. Харландер и К. Хейдак, Г. Зейнберт, А.Файоль, JI. Гыолик, Л.Урвик. A.A. Богданова, Н. Винер, К. Болдинг, Г. Кунц, С. Доннел, Р. Акофф, Р. Фалмер заложили научные основы использования

моделей и технологий в кадровом менеджменте, сделали возможным рассмотрение отдельных кадроведческих функций в неразрывной связи друг с другом, с общим менеджментом организации и внешней средой. В работах Кибанова А.Я. и Дуракова И.Б. роль отбора персонала проанализирована с точки зрения естественного и искусственного отбора, где естественный отбор при найме персонала сравнивается с положениями Ч. Дарвина. Лидерство в изучении проблем кадровой политики и отбора персонала принадлежит К.Левину. Основное исследование состоит в повышении эффективности управления компанией при продвижении кадров, а эффективность управления зависит от качества отбора персонала и степени удовлетворенности работой. Отбор персонала является процессом распознавания образа кандидата на вакантную должность. При этом во всех представленных моделях отбора персонала, опирающихся на методы функций близости, методы дискриминантных функций, статистические методы распознавания, лингвистические методы и эвристические методы, отсутствует операция проверки соответствия каждой кандидатуры одновременно по всем вакансиям. Это особенно важно приотборе персонала на крупных производственных предприятиях и в кадровых агентствах, где хранится значительный объем данных о кадрах (о кандидатах). Следует отметить, что при большом объеме данных также увеличивается время на установление достоверности анкетных данных, предоставленных кандидатом на вакантную должность (обзвон бывших работодателей, сбор информации о подлинности диплома и т.д.), следовательно, агентствам (отделам кадров) требуется дополнительная рабочая сила для проведения данных операций, что ведет к росту затрат компании. Достоверность всех ответов кандидата можно установить, применяя полиграф, но законодательство РФ не позволяет применять данное средство при отборе в кадровых агентствах и на предприятиях. В связи с этим достоверность анкетных данных кандидата при отборе персонала является низкой, что требует дополнительного исследования. В работах Аширова Д.А. и Жамойда E.H. указано, что

«процесс заключается в создании общей базы возможных источников труда, благодаря которой организация в любой момент может найти подходящих сотрудников». В тоже время ни в одной из современных систем отбора персонала, применяющей дискреционную либо мандатную политики доступа, нет проверки целостности данной базы, организован только доступ по паролю администратора, пользователя и программиста.Из этого следует, что при преднамеренных действиях сотрудников и внешних злоумышленников база источников труда (кандидатов), может быть искажена, что в последующем отрицательно отразится на результате отбора.

Эти проблемные вопросы позволили в рамках диссертационной работы сформулировать и решить актуальную научную задачу, заключающуюся в совершенствовании системы отбора персонала на основе мониторинга достоверности исходной информации, сокращении времени отбора и сохранении целостности данных. Для этого в качестве объекта исследования выбрана система отбора персонала крупного предприятия (кадрового агентства), а в качестве предмета исследования - методы и средства обеспечения целостности информации, обрабатываемой в БД, повышения быстродействия системы отбора персонала и достоверности исходных данных.

Цели и задачи исследования. Цель работызаключается вповышении эффективностисистемы отбора персонала предприятиям основе мониторинга исходных данных,сокращения времени обработки информации и сохранения целостности данных. Для достижения поставленной цели были решены следующие задачи:

1) определить роль отбора персонала в системе управления;

2) разработать и проанализировать модель системы отбора персонала;

3) предложить методику мониторинга достоверности анкетных данных кандидата;

4) разработать алгоритм мониторинга доступа и целостности базы данных системы отбора персонала;

5) выполнить апробацию и провести экспериментальное исследование разработанных моделей, методик, алгоритмов в процессе функционирования системы отбора персонала.

Соответствие паспорту специальности. Результаты исследования соответствуют пунктам 4, 5, 10 паспорта научной специальности 05.13.10.

Методы исследований. Для решения поставленных задач использовалисьметоды ассоциативности и мажоритарности принятия решений, сигнатурный метод, метод контроля четности, мандатная и верификационная политики доступа в систему, методы теории вероятностей и математической статистики.

Научная новизна:

1. Разработана модель отбора персонала, использующая принципы ассоциативности и мажоритарности принятия решений на основе сигнатурного метода, что обеспечивает оперативное принятие решения за счет минимизации времени отбора.

2. Предложена методика мониторинга достоверности исходных данных на основе контроля состояния вегетативной нервной системы человека, допускающая возможность адаптации к изменению числа признаков распознавания, количеству образов-эталонов и автоматизирующая процесс обучения, что обеспечивает распознавание образов-эталонов при произвольном законе распределения информативных признаков.

3. Предложен алгоритм мониторинга доступа к базе данных системы отбора персонала и целостности информации, обрабатываемой в базе данных, отличающийся от известных внедрением в мандатную политику доступа механизмов верификации данных, основанных на использовании сигнатурного метода, что повышает контроль внесения изменений в базу данных системы по сравнению с известными аналогами.

Практическая значимость работы состоит в том, что предложенные модели и алгоритмы реализованы в виде специализированного программного комплекса «Система отбора персонала», который используется в

производственном процессе Центра занятости населения, который позволяет проводить отбор при различных числах признаков, вакансий и кандидатур на вакансии, имеет высокую производительность вычислений и проведения проверки соответствия каждой кандидатуры одновременно по всем вакансиям, где уменьшение времени для распознавания образов персонала достигается путем внедрения сигнатурного метода идентификации кандидатур на должность. Контроль доступа в систему отличается от известных внедрением в мандатную политику доступа механизмов верификации данных, основанных на использовании сигнатурного метода, что повышает контроль внесения изменений в базу данных системы по сравнению с известными аналогами. Оценка состояния вегетативной нервной системы человека при анализе достоверности анкетных данных кандидата при поступлении на работу, отличается возможностью адаптации к изменению числа признаков распознавания, количеству образов-эталонов и автоматизирующий процесс обучения, что обеспечивает распознавание образов-эталонов при произвольном законе распределения информативных признаков.

Теоретическая ценность работы состоит в том, что ее результаты меняют общее представление о модели системы отбора персонала, включая теоретико-методологические аспекты анализа исходных данных. Представлены новые подходы к защите данных в системе отбора персонала. Полученные теоретические положения, выводы, научно-практические рекомендации могут служить основой для дальнейшего развития теории и практики отбора персонала, менеджмента организации.

Достоверность и обоснованность результатов моделей отбора персонала и мониторингадостоверности исходных данныхобеспечены корректным использованием методов принятия решений на основе принципов ассоциативности и мажоритарности, сигнатурного метода и метода контроля четности и др., подтверждаются результатами моделирования, экспериментального исследования и тестирования

разработанной системы отбора персонала, результатами внедрения и эксплуатации разработанных программных средств.

Положения, выносимые на защиту:

1) модель отбора персонала, использующая принципы ассоциативности и мажоритарности принятия решений на основе сигнатурного метода;

2) методика мониторинга достоверности исходных данных на основе контроля состояния вегетативной нервной системы человека;

3) алгоритм мониторинга доступа и целостности базы данных системы отбора персонала;

4) архитектура программного комплекса «Система отбора персонала».

Внедрение результатов работы и связь с научными программами.

Диссертационные исследованияпроводились на кафедре «Организация и технологии защиты информации» ФГБОУ ВПО «Оренбургский государственный институт менеджмента» при выполнении НИР в рамках аналитической ведомственной целевой программы «Развитие научного потенциала высшей школы (2009-2011)» - гос.регистрация информационной карты № 120228094128. Программа «Реализация ассоциативно-мажоритарной модели отбора персонала с оптимизацией на основе сигнатурного метода идентификации образов» как результат внедренческой научно-исследовательской работы используется кадровым агентством «Открытый мир». Программы для ЭВМ «Реализация ассоциативно-мажоритарной модели отбора персонала с оптимизацией на основе сигнатурного метода идентификации образов» и «Реализация доступа к системе отбора персонала мандатно-верификационным способом» внедрены в производственный процесс Центра занятости населения Оренбургского района.

Апробация работы. Основные результаты диссертационной работы были представлены на следующих научных конференциях: ХПи Х1УМеждународная научно-техническая конференция «Информационно-вычислительные технологии и их приложения» (Пенза,

2010);Международная научная конференция, посвященная 55-летию Оренбургского государственного университета (Оренбург 2010); Научно-практическая конференция «История развития банковского дела в Оренбуржье», посвященной 145-летию Главного управления Центрального банка Российской Федерации по Оренбургской области (Оренбург 2011).

Публикации. По теме диссертации опубликовано 12 работ, из них 4 работы - в ведущих рецензируемых научных журналах и изданиях, определенных ВАК. Получено 3 свидетельства о государственной регистрации программ для ЭВМ и 1 свидетельство о регистрации программного ресурса, представляющее собой учебно-исследовательскую программу для изучения и исследования системы.

Объем и структура работы. Диссертация состоит из введения, четырёх глав, заключения и четырех приложений. Основное содержание работы изложено на 117 страницах, включая 41 рисунок и 16 таблиц. Список использованных источников содержит 92 наименования.

1 ЗАДАЧА ОТБОРА ПЕРСОНАЛА В СИСТЕМЕ ОРГАНИЗАЦИОННОГО УПРАВЛЕНИЯ

1.1 Роль отбора персонала в системе организационного управления

Становление рыночных отношений в России требует качественных управленческих решений при управлении предприятием (организацией). Управленческое решение — это концентрированное выражение процесса управления на заключительной стадии — это выбор альтернативы руководителем в рам