服裝流水線人員與生產崗位契合度模型

荀培莉， 杜勁松， 李 津， 朱建龍

(1.東華大學 服裝與藝術設計學院， 上海 200051；2.海瀾之家集團股份有限公司，江蘇 無錫 214400)

服裝流水線通過人員與生產崗位的高度契合，實現人力資源、設備資源的利用率和生產效率最大化[1-2]。服裝流水線由眾多的人員與生產崗位組成，然而流水線上的作業人員能力存在差異[3]，因此實現人崗各項指標的合理匹配是一項非常復雜的工作[4]，對流水線生產能力的提升有著重要意義[5]。目前企業憑借主觀經驗進行人崗匹配，往往造成流水線人力資源浪費、設備資源閑置、流水線瓶頸不穩定等問題[6]，基于服裝流水線人員與生產崗位評價指標分析并構建生產流水線人崗匹配模型能幫助企業解決上述問題。

研究者們基于BP(back propagation)神經網絡、吸引-選擇-磨合(attraction-selection-attrition, ASA)模型、截面匹配度、雙邊滿意度、雙方感知效用等理論建立了不同的人崗匹配模型。如Dai等[7]用BP神經網絡對人崗匹配模型進行訓練，但這需要大量具有代表性的樣本，并且采集樣本各項參數的局限性將直接影響模型的適應能力。Solnet等[8]基于ASA模型構建人員與崗位、組織、位置的三維匹配模型，但該模型僅適用于地理位置變化較大情況下的員工擇業決策研究。趙希男等[9]基于截面匹配度建立人崗匹配測算模型，該模型能夠根據崗位的實際情況設置理想的崗位任職，當服裝流水線崗位較多時，逐一設置崗位理想任職條件將非常耗時。張如靜等[10]根據雙方感知效用建立的人崗匹配模型能夠考慮人員與崗位的雙方選擇偏好，但此雙方偏好偏于主觀，未建立互相評價的統一標準。李銘洋等[11]建立了考慮人員與崗位的失望-欣喜感知的雙邊滿意度模型，通過人員與崗位的理想條件區間建立損益矩陣，得到的綜合感知效用矩陣能夠表現雙方主體的匹配程度，但仍需逐一設置雙方的理想條件，不適用于服裝流水線生產崗位較多的情況。為彌補現有人崗匹配模型的不足，針對服裝流水線人員與生產崗位建立統一的綜合素質評價體系，實現兩者生產能力的綜合評價，根據兩者的綜合素質評分計算人員與崗位之間的契合程度，實現服裝生產流水線的人崗快速匹配。

1 服裝流水線人崗評價指標

1.1 影響因素分析

1.1.1 生產崗位

服裝流水線生產崗位(記為O)也稱工位，指在規定時間以規定質量完成規定工序的位置。生產崗位包括工序內容和加工設備，不同崗位的加工內容與加工設備可以不同。通過現場調研得出生產崗位評價的6項一級指標和18項二級指標，采用問卷形式對9位服裝生產管理專家進行調研，采用集值迭代法計算各影響因素的權重，結果如表1所示。集值迭代法計算權重的過程：設迭代初始值為b，第1輪在各級指標中選擇b個最重要指標，第2輪在各級指標中選擇2b個最重要指標(包含前一輪選擇的指標)，每輪選擇的指標數為前一輪的2倍，以此類推直至無法再選擇為止，最后根據指標被選中的總次數計算指標的權重。研究中b取1，專家共進行2輪選擇。當影響因素的權重wO<0.05時，匹配產生的影響可以忽略不計，最終得到有效崗位評價指標Xuv及其歸一化后的權重wOuv，其中，u為一級指標的序號，v為每個一級指標下的二級指標序號，通過問卷回訪確定權重的有效性。由表1可以看出服裝流水線生產崗位的6項有效評價指標及其權重，通過有效指標及其權重可計算出崗位的綜合素質評分。

表1 生產崗位評價指標

1.1.2 人員

服裝流水線人員是指流水線上的工人(記為P)，工人通過操作設備在規定的時間內完成指定的工序內容。與上述的崗位有效指標及其權重的研究方法類似，調研得出人員評價的3項一級指標和9項二級指標，得到人員的有效評價指標Yuv及其權重wPuv如表2所示。由表2可以看出服裝流水線人員的6項有效評價指標及其權重。

表2 人員評價指標

1.2 有效評價指標量化

專家對崗位O和人員P的各項有效評價指標進行量化處理，得到O和P的第u個有效一級指標的第v個有效二級指標的實際量化值rOuv和rPuv，采用5分制評分法分別將實際量化值rOuv和rPuv轉化成評分值SOuv和SPuv，如式(1)所示。如此可有效解決不同指標的量化值集中在不同區間的問題，從而確保不同指標的評分值都分布在1～5。

(1)

服裝流水線的崗位與人員評價量表如表3所示。由表3可知，崗位與人員的各評價指標均有其所屬的量化區間，可根據式(1)將各有效指標的實際量化值轉化為最終5分制評分值。

表3 崗位與人員評價量表

2 人崗匹配契合度

2.1 綜合素質評價

根據二級指標評分值SOuv或Puv計算崗位或人員的綜合素質評價分數QO或P，如式(2)所示。

(2)

式中：lO或P為崗位或人員的一級指標數量；lOu或Pu為崗位或人員第u個一級指標下的有效二級指標數量；wOuv或/Puv為崗位或人員第u個一級指標的第v個有效二級指標的權重。

2.2 匹配流程

服裝生產線資源利用率的最大化主要體現在崗位綜合素質評分與人員綜合素質評分的等價匹配原則中。流水線人員與崗位匹配契合度測算模型如圖1所示。由圖1可知：服裝流水線人員和崗位匹配測算模型可描述為通過人員素質評分QPj和崗位素質評分QOi得到崗位Oi與人員Pj之間的差異程度Dij，并轉化為兩者之間的匹配契合度hij。決策變量kij能夠決定崗位Oi與人員Pj的匹配關系，構建出流水線整體匹配契合度M。通過自適應遺傳算法的循環優化，輸出流水線匹配契合度的最優匹配結果。

圖1 流水線匹配契合度測算模型

為保證生產順利進行，人員綜合素質評分需達到或超出崗位綜合素質評分，因此人員與崗位的差異程度如式(3)所示。

(3)

人崗匹配契合度hij隨著人員與崗位的差異程度減小而增大，如式(4)所示。

hij=4-Dij

(4)

式中：hij表示第i個崗位與第j名人員的人崗匹配契合度。hij的取值范圍為0～4，hij越大，匹配程度越高。

流水線整體匹配契合度M為流水線中各崗位與其配置人員的匹配契合度之和，如式(5)所示。

(5)

式中：m為流水線生產崗位數量；n為流水線的人員數量；kij為決策變量，kij=1時表示匹配，kij=0時表示不匹配。

3 人崗匹配模型

3.1 模型建立

3.1.1 問題描述

服裝流水線人崗匹配問題描述：服裝流水線有m個崗位，第i個崗位表示為Oi(i=1,2,…,m)，同時存在n名作業人員，第j名人員表示為Pj(j=1,2,…,n)，崗位數量小于人員數量，崗位Oi與人員Pj的綜合素質評分分別為QOi與QPj，任何崗位Oi與人員Pj都存在匹配契合度hij。根據匹配契合度hij對生產流水線的人員、崗位進行重新分配，使生產流水線的人員、崗位匹配契合程度達到最大。

3.1.2 模型假設

人崗匹配模型需滿足以下條件：

(1)各崗位都有勝任其作業內容的人員；

(2)流水線人員在規定崗位上可以承擔所有作業任務；

(3)工序經過劃分后，流水線處在生產平衡狀態；

(4)流水線中的人員數量大于崗位數量；

(5)匹配后人員與崗位的綜合素質不會發生變化。

3.1.3 目標函數及約束條件

設定優化目標為服裝流水線的人崗匹配契合度最大。模型約束條件：

(1)每個崗位必須安排相應的人員；

(2)每個崗位只與1名人員匹配，每名人員最多與1個崗位匹配；

(3)根據服裝生產線平均編制效率要求[12]，每個崗位配置的人員綜合素質評分不能超過該崗位綜合素質評分的115%。

基于式(1)～(5)，服裝流水線的人崗匹配契合度模型可表示為

kij=0或1(i=1,2,…,m;j=1,2,…,n)

式中：f為目標函數。

3.2 模型求解

自適應遺傳算法通過在每次迭代中選擇優秀基因進行交叉變異的方式，在較短時間內求得最優解[13-14]。由于服裝生產流水線具有較多的人員和崗位，采用遺傳算法能快速解決目標規劃問題[15]。

3.2.1 編碼

針對m個崗位和n名人員的匹配問題，遺傳算法編碼策略采用十進制方法，每個染色體的基因位個數為m，第i個基因位表示崗位Oi(i=1,2,…,m)，第i個基因位上的基因編號j表示崗位Oi配置的人員Pj(j=1,2,…,n)。編碼示例如圖2所示。由圖2可知，此時染色體表示6個崗位的人員配置情況，例如第1個基因位上的編號為2，表示崗位O1配置的人員為P2，后續基因位以此類推。

圖2 編碼示例

3.2.2 適應度函數

由于目標函數的值均為非負數，且求解目標為目標函數取最大值，為防止適應度函數值相差懸殊并提高均值代表性，建立適應度函數如式(6)所示。

(6)

式中：g為適應度函數；C為目標函數的保守估計值。

3.2.3 交叉

為了避免交叉概率因選擇固定值而造成早熟與局部收斂，設置每個染色體的自適應交叉概率，如式(7)所示。

(7)

為滿足1人1崗的約束條件，交叉方式選擇POX(precedence operation crossover)法，即隨機選擇一個編碼集合的非空子集，將兩個染色體中屬于該子集的編碼固定在原來基因位上，兩個染色體剩余基因位上的編碼對調。圖3所示的交叉方式示意圖中灰色基因位表示隨機選擇的非空子集中的元素所在的基因位。

圖3 交叉方式

3.2.4 變異

設置每個染色體的自適應變異概率如式(8)所示。

(8)

式中：Pm每個染色體的變異概率；g′為變異個體的適應度值；Pmmax、Pmmin分別為選取合理群體的最大和最小變異概率。

為滿足1人1崗的約束條件，選取的變異方式為在一條染色體上隨機選擇兩個變異點，并將兩個變異點上的編碼對調。圖4所示的變異方式的示意圖中灰色基因位為隨機選擇的兩個變異點所在的基因位。

圖4 變異方式

根據崗位與人員的實際數量選取合適的循環迭代次數，最終輸出最優解。自適應遺傳算法的自適應變異實現如下：

.Select(_=>

{var vIdx=_random.Next(0,_context.PersonnelCount);

var vPost=_random.Next(0,_context.PostCount);

var oldPost=p[vIdx];

return(vIdx,vPost,oldPost);})

.Repeat()

//固定人員不變異

.Where(x=>!_fixedPersonnel.Contains(x.vIdx))

//變異后崗位不可為固定崗位

.Where(x=>!_fixedPost.Contains(x.vPost))

//過濾無變異樣本

.First(x=>x.vPost !=x.oldPost);

var conflictIdx=p.IndexOf(vPost);

var newIdx=Enumerable.Range(0, p.Count)

.Where(x=>p[x]==-1)

.Concat(new[]{conflictIdx})

.OrderBy(_=>_random.NextDouble())

.First()。

4 應用研究

4.1 流水線現狀分析

4.1.1 流水線作業分析

男性茄克生產流水線工序分配結果如表4所示。由表4可知，男性茄克生產流水線有20個崗位與20名人員，此外還有3名未上崗的備選人員，流水線每產出一件服裝所需的平均生產節拍為120.4 s。

表4 男茄克工序分配表

4.1.2 崗位及人員分析

分析現有流水線可知，生產流水線存在著3種人員和崗位限制情況：(1)由于崗位限制，特定崗位只能由確定人員工作，如只有人員P6會操作拷邊機設備；(2)由于人員限制，特定的人員只能在確定崗位上工作，如人員P9、P12、P19為新來員工只會操作熨燙工序；(3)人員與崗位相互限制，如人員P10、P13、P14只具有操作難度高的裝袖工序的技能。

通過專家打分法對現有流水線各崗位和人員的二級指標進行評分，根據式(2)和(4)分別計算綜合素質評分和匹配契合度，結果如表5所示。由表5可知，人員和崗位限制情況下不做匹配契合度評價。根據標準工時的浮余時間應在平均節拍的15%以內的要求[12]，設定人崗匹配契合狀態的范圍，將匹配契合度hij≥4×85%=3.4且人員綜合素質評分QP不超過崗位綜合素質評分QO的115%定義為人員與崗位處于契合狀態，處于契合狀態時人員與崗位無需再次匹配優化，如人員P1、P3、P4、P7、P8、P15、P17、P20等。人員P21、P22、P23為備選人員，在匹配優化后可替代原有崗位人員。

表5 綜合素質評分及匹配契合度

4.2 流水線的人崗匹配優化

4.2.1 匹配結果

采用自適應遺傳算法對人崗匹配契合度模型求解。設置初始種群數量為50個，最大迭代次數為300次，C=48，Pcmax=0.9，Pcmin=0.4，Pmmax=0.1，Pmmin=0.01。輸入崗位與人員綜合素質評分，得到優化后的部分人崗匹配方案，如表6所示。

表6 部分人崗匹配優化方案

由表6可知，崗位O11、O16的人員P11、P16分別被調換至契合度更高的崗位O18、O2，崗位O5、O11、O16的人員P5、P11、P16分別被替換為綜合素質較高的備選人員P21、P22、P23。經過人員配置調整，崗位的匹配契合度均有所提高。

4.2.2 結果分析

將優化后的人崗匹配方案應用于實際流水線中，對比流水線整體匹配契合度和人力資源利用率。優化前流水線契合度為M1=43.24，優化后為M2=47.63。

人力資源利用率用所有在崗人員綜合素質評分QPA與所有崗位綜合素質評分QOA的比值百分數表示，如式(9)所示。

(9)

根據所有崗位綜合素質評分QOA=70.09，優化前和優化后的所有在崗人員綜合素質評分QPA1和QPA2分別為57.31和62.00，計算得出優化后人力資源利用率由81.77%提高至88.46%。

優化瓶頸工序能使生產效率得到提高，瓶頸崗位O16經過人員優化配置，工時由156 s減少至143 s，人崗匹配契合度由3.29增大至3.57，以每天工作時間9.5 h計算，流水線日產能由219件提高至239件。研究結果表明，通過自適應遺傳算法求解服裝流水線人員與生產崗位契合度模型，能提高流水線整體匹配契合度和人力資源利用效率。

5 結 語

建立服裝流水線人員與生產崗位的評價指標體系，通過對人員與崗位的綜合素質評價構建服裝流水線的人崗契合度模型，實踐表明服裝流水線人員與生產崗位契合度模型具有可行性，主要結論如下：

(1)為服裝流水線的人員與崗位建立評價標準，對各項指標進行量化并進行人員與崗位的綜合素質評價，可為服裝流水線的人崗匹配決策提供依據。

(2)使用自適應遺傳算法對流水線人崗匹配進行優化，在存在崗位與人員限制的情況下，通過人員的調換和替換，可提高流水線整體匹配契合度。

(3)提高流水線整體匹配契合度可以在實際應用中提高流水線人力資源利用效率，并通過改善瓶頸工位提高流水線整體產能。