Формування множини альтернатив для комплектування вакантних посад військових організаційних структур
DOI:
https://doi.org/10.33099/2304-2745/2021-3-73/74-81Ключові слова:
Кадрове рішення; управління кар’єрою; військова організаційна структура; штучна нейронна мережа; рейтинг кандидата на посаду.Анотація
Сучасний етап реформування Збройних Сил України здійснюється в умовах складної воєнно-політичної та економічної ситуації, яка склалася внаслідок збройної агресії Російської Федерації. Це обумовлює підвищенні вимоги щодо гарантованого і якісного укомплектування військових організаційних структур підготовленим і вмотивованим персоналом.
Найбільш дієвим механізмом вирішення зазначеного завдання є розробка і впровадження відповідного інформаційно-аналітичного забезпечення для ведення обліку персоналу із врахуванням індивідуальних професійних компетентностей і морально-ділових якостей кожної особистості, а тпкож впровадження доброчесних та прозорих процедур кар’єрного просування персоналу.
Мета статті ‑ висвітлення методики формування рейтингових списків кандидатів до призначення на вакантні посади із застосуванням технології нейронних мереж, яка на відміну від існуючої надає можливість автоматизовано врахувати додаткові характеристики кандидатів.
Принцип побудови систем підтримки прийняття рішень на основі штучного інтелекту заснований на використанні штучної нейронної мережі (ШНМ).
Для вирішення поставленої задачі ‑ автоматизація процедури формування рейтингового списку кандидатів на вакантну посаду із врахуванням їх додаткових характеристик ‑ архітектура штучної нейронної мережі побудована на двох скритих шарах, параметри яких містять:
- 1-й шар – 9 нейронів, який через синоптичні зв’язки приймає дані про шість характеристик кандидатів X={x1...x6};
- 2-й шар – 3 нейрони, який зв’язує синопси 1-го скритого шару і вихідний шар, нейрони якого через аксони формують вихідні дані Y .
Для перевірки працездатності запропонованої методики, на мові програмування Python 3.9 у середовищі Sublime Text 4, розроблено макет штучної нейронної мережі. При швидкості навчання ШНМ β=0,003 і кількості епох навчання G=600, якість навчання становить Ω=98,9%, що свідчить про її високу навченість.
Використання нейромережевих методів для урахування додаткових характеристик кандидатів до призначення на типові посади надасть можливість автоматизувати процедуру формування множини альтернатив кадрового рішення.
Посилання
Про рішення Ради національної безпеки і оборони України “Про Стратегічний оборонний бюлетень України” : Указ Президента України від 20.05.2016 р. № 240/2016. URL: https://zakon.rada.gov.ua/laws/show/n0006525-16. (дата звернення: 20.07.2021).
Турейчук А. М. Аналіз автоматизованих систем, створених для автоматизації процесів управління персоналом Збройних Сил України. Збірник наукових праць Центру воєнно-стратегічних досліджень Національного університету оборони України імені Івана Черняховського. Київ, 2016. № 1. С. 106–110.
Про затвердження Концепції кадрової політики у Збройних Силах України на період до 2025 року : наказ Міністерства оборони України від 14.09.2021 р. № 280. : електронні ресурси / офіційний веб сайт Міністерства оборони України. URL: https://www.mil.gov.ua/content/mou_orders/mou _2021/280_nm.PDF. (дата звернення: 22.07.2021).
Про рішення Ради національної безпеки і оборони України від 20 серпня 2021 року “Про Стратегічний оборонний бюлетень України” : Указ Президента України від 17.09.2021 р. № 473/2021. URL: https://www.president.gov.ua/documents/4732021-40121. (дата звернення: 20.07.2021).
Методичні рекомендації з порядку формування і використання Резерву кандидатів для просування по службі у Збройних Силах України : затв. директором Департаменту кадрової політики Міністерства оборони України від 19.03.2018 р. № 350 URL: https://www.mil.gov.ua/content/ other/mrk_rezerv_2019.pdf (дата звернення: 22.07.2021).
Тадеусевич Р., Боровик Б., Гончаж Т., Леппер Б. Элементарное введение в технологию нейронных сетей с примерами программ / пер. с польск. И. Д. Рудинского. Москва : Горячая линия-Телеком, 2011. 408 с.
Кричевский М. Л., Дмитриева С. В., Мартынова Ю. А. Нейросетевая оценка компетенций персонала. Экономика труда. Москва, 2018. Т. 5, № 4. С. 1101–1118.
Romanenko I., Golovanov A., Khoma V., Shyshatskyi A., Demchenko Ye., Shabanova-Kushnarenko L., Ivakhnenko T., Prokopenko O., Havaliukh O., Stupak D. Development of estimation and forecasting method in intelligent decision support systems. Eastern-European Journal of Enterprise Technologies. Information and controlling system. Kharkiv, 2021. № 2 (4 (110). С. 38–47.
Круглов В. В., Борисов В. В. Искусственные нейронные сети. Теория и практика / 2-е изд. Москва : Горячая линия-Телеком, 2002. 382 с.
Хайкин, Саймон. Нейронные сети: полный курс / 2-е изд. испр. ; пер. с англ. Москва : Вильяме, 2006. 1104 с.
Гром В. А., Георгадзе О. А., Якіменко І. В. Методичний підхід до оцінювання рівня мотивації військовослужбовців Збройних Сил України. Збірник наукових праць Центру воєнно-стратегічних досліджень Національного університету оборони України імені Івана Черняховського. Київ, 2016. № 2. С. 67–70.
