Содержание к диссертации
Введение
1. Характеристика и подходы к управлению кадровым обеспечением региона 13
1.1 Современное состояние рынка труда Ханты-Мансийского автономного округа – Югры 13
1.2. Подходы к управлению кадровым обеспечением региона 24
1.3. Численная апробация существующего подхода к управлению кадровым обеспечением региона 34
1.4. Результаты и выводы 37
2. Методы и алгоритмы для управления процессами кадрового обеспечения региона 39
2.1. Модифицированная математическая модель регионального рынка труда 39
2.2. Метод прогнозирования кадровой потребности региона, которую восполнят учреждения профессионального образования 46
2.3. Метод прогнозирования численности занятых по видам экономической деятельности 50
2.4. Метод формирования оптимального с точки зрения экономики региона заказа на подготовку кадров для сети учреждений профессионального образования в рамках региональных ограничений 71
2.5. Недостатки статистических данных при прогнозировании кадровой потребности 87
2.6. Результаты и выводы 92
3. Проблемно-ориентированная система управления кадрового обеспечения региона 95
3.1. Структура проблемно-ориентированной системы 95
3.2. Подсистема прогнозирования 98
3.3. Подсистема рейтингования 101
3.4. Подсистема распределения контрольных цифр приёма 102
3.5.Численная апробация проблемно-ориентированной системы управления «Регион» 103
3.6. Результаты и выводы 112
Заключение 113
Список сокращений и условных обозначений 116
Список иллюстративного материала 132
- Численная апробация существующего подхода к управлению кадровым обеспечением региона
- Метод прогнозирования кадровой потребности региона, которую восполнят учреждения профессионального образования
- Недостатки статистических данных при прогнозировании кадровой потребности
- Подсистема распределения контрольных цифр приёма
Численная апробация существующего подхода к управлению кадровым обеспечением региона
В абсолютном значении 170 тысяч специалистов в пенсионном возрасте продолжают трудовую деятельность, что составляет около 22 % от всего занятого населения. Сложность учёта работающих специалистов в пенсионном возрасте заключается в том, что нужно знать не только какое количество специалистов продолжат трудовую деятельность, по достижению пенсионного возраста, но и когда и сколько надо будет заменить специалистов пенсионного возраста, которые уже не способны к трудовой деятельности. То есть сам процесс трудовой деятельности специалистов в пенсионном возрасте не решает проблему дефицита трудовых ресурсов, а откладывает решение этой задачи, причём ещё и усложняет её [132].
Количество специалистов, достигших пенсионного возраста, определяется возрастной структурой населения. Особенность возрастной структуры работающего населения заключается в том, что по уровням образования они сильно отличаются. Не говоря уже в разрезе специальностей, где за последние двадцать лет, при отсутствии контроля в системе образования, преобладал выпуск по гуманитарным и естественным специальностям. Это хорошо видно при изучении таблицы Б.1(приложение Б) [98]. Как видно из таблицы, для высшего профессионального образования выпуск по укрупненной группе специальности (далее УГС) экономика составляет 40 % от всего выпуска, по естественным наукам этот показатель составляет22 %, в том время как по техническим специальностям не превышает 20 %. Эта особенность, в совокупности с естественными причинами выбывания населения, не позволяют достоверно определить количество трудовых ресурсов, выбывших из экономики по уровням образования и в разрезе специальностей на исследуемый период времени. Конечно, можно подобрать коэффициент выбытия трудовых ресурсов, который будет достоверно отображать выбытие специалистов в отчётном году, но эта задача трудоемкая и применение найденного коэффициента для исследования на длительный период времени приведёт к недостоверным результатам.
Рынок труда сильно дифференцирован по специальностям в разрезе уровней образования. По многим причинам сложилось так, что ряд специальностей имеют женскую направленность: средний и младший медицинский персонал, продавцы, парикмахеры и т. д. Аналогично есть специальности, где преобладают мужчины: водители, ряд военных специальностей, а также специальности связанные с тяжёлым физическим трудом. Для более детального анализа ознакомимся с подготовкой специалистов в высших и средних учебных заведениях с точки зрения половой направленности, представленной в таблице Б.2 (приложение Б) [98].
Из таблицы Б.2 видно, что по таким специальностям как «Информационная безопасность», «Геология», «Энергетика», «Авиационная и ракетно-космическая техника», «Транспортные средства», «Электронная техника» преобладают мужчины и составляют свыше 80 %, а по специальностям «Образование», «Здравоохранение», «Культура» преобладают женщины, которые составляют свыше 70 %. Это значит, что, специальности, где преобладают женщины, требуют более детального внимания, в связи с более ранним выходом на пенсию и декретным отпуском, с точки зрения рынка труда.
Миграция населения является самым динамичным потоком изменения трудовых ресурсов. На первый взгляд может показаться, что разница между иммиграцией и эмиграцией положительная, то есть прирост трудовых ресурсов, а если разница отрицательная, то происходит отток трудовых ресурсов. Однако нас интересуют трудоспособные специалисты, поэтому будет правильней анализировать движение специалистов в трудоспособном возрасте. В таблице 1.4 [113] по данным статистики представлена миграция населения по уровням образования в трудоспособном возрасте. Таблица 1.4 – Миграция населения по уровням образования в трудоспособном возрасте
По методологии органов статистики предельным трудоспособным возрастом населения считается: 60 лет у мужчин, 55 лет у женщин, хотя в ХМАО – Югре выход на пенсию на пять лет раньше. В результате, если по данным статистики миграция в трудоспособном возрасте по уровням образования отрицательна, возможно, может сложиться такая ситуация, что трудовых ресурсов, способных к трудовой деятельности, станет больше, что подтверждают данные, представленные в таблице Б.3 (приложение Б).
Согласно методологии РосСтата и данных в таблице Б.3, количество трудовых ресурсов, выбывших из экономики региона с высшим образованием, составляет 75 человек, в то же время большая часть выбывших трудовых ресурсов составляют специалисты в пенсионном возрасте. И если мы оценим миграцию с учётом этого факта, то окажется, что количество трудовых ресурсов увеличилось на 227 (человек, единиц). В итоге разница между этими результатами превышает 300 человек, что составляет 0,13 % от численности занятых в экономике с высшим образованием. С учётом того, что прогноз делается на 5-летний период, ошибка будет накапливаться и окажет существенное влияние на результат.
Единственным источником получения специальности является система профессионального образования. В каждом регионе РФ есть своя сеть учреждений профессионального образования, но для ряда регионов, таких как ХМАО – Югра, ЯНАО, эта сеть является ограниченной и не может принять всех абитуриентов региона. Например, в ХМАО – Югре 20000 абитуриентов, а региональные учреждения профессионального образования могут подготовить 5000 специалистов с высшим профессиональным образованием, 3000 со средним профессиональным образованием и 1000 с начальным профессиональным образованием. В итоге из 20000 абитуриентов регион может подготовить меньше 10000, остальные 10000 абитуриентов получают образование за пределами региона. Особенность абитуриентов, получающих образование за пределами региона, заключается в том, что статистический учёт по этому трудовому потоку не ведётся. И рассматриваемый источник пополнения трудовых ресурсов не фиксируется как миграция. Получается, что применительно для ХМАО – Югры каждый год не является учтённым 0,6 % специалистов от всех занятых в экономике.
Метод прогнозирования кадровой потребности региона, которую восполнят учреждения профессионального образования
Анализ предметной области показал, что существующие подходы, описывающие рынок труда имеют ряд недостатков, которые приводят к недостоверным результатам. Это объясняется тем, что рынок труда относится к большим трудно формализуемым объектам [8,14,43]. Математическое моделирование решает две задачи: прямая и обратная. Прямая задача заключается в том, что есть интересующий нас объект, который желаем изучить, но в силу его особенностей нет возможности ставить над ним эксперименты [54,58,68]. Решение прямой задачи моделирования заключается в определении параметров и связей между параметрами, влияющих на интересующий нас объект, на основе которых строится математическая модель [29,57,70]. Обратная задача математического моделирования заключается в изучении определённых свойств объекта по уже имеющейся модели [10,19,27].
Как показывает анализ предметной области, существующие математические модели рынка труда требуют модификации. В результате нам придётся решить прямую задачу математического моделирования.
Для получения достоверной, адекватной модели необходимо выполнить следующие этапы [29,57]: 1) анализ объекта моделирования и выделение всех его известных свойств; 2) анализ выделенных свойств с точки зрения моделирования и определение, какие из них следует считать существенными; 3) гипотеза о математической модели и её формализация; 4) анализ полученной модели на адекватность и достоверность. Одним из самых сложных моментов в существующей модели является определение структуры связей между параметрами, которые определяют естественное выбывание трудовых ресурсов из рынка труда. Разные подходы к этому вопросу позволили сделать вывод о том, что выбытие трудовых ресурсов по естественным причинам является трудно определяемым параметром, который во времени подвергается существенным колебаниям. Тогда была выдвинута гипотеза о том, что можно определить количество доступных трудовых ресурсов без оценивания естественного выбытия специалистов. Предполагается, что причины, которые влияют на нетрудоспособность специалистов, такие как инвалидность, декретный отпуск, служба в армии имеют устоявшиеся распределения в зависимости от возраста. Например, с возрастом сначала увеличивается количество рожениц, потом уменьшается, службе в армии подлежат мужчины до 27 лет. То есть в каждом возрасте существует своя доля специалистов, способных к трудовой деятельности. Данная гипотеза подтверждается и результатом переписи населения в 2002 году и 2010 году, представленным на рисунках 2.1–2.2 [84].
На рисунке изображена доля специалистов мужского пола, каждого возраста занятых в экономике от всего количества специалистов в рассматриваемом возрасте в 2002 году и 2010 году. За 8-летний период доли занятого населения существенно не изменились, что позволяет использовать их для прогнозирования доступных трудовых ресурсов в исследуемом периоде. Аналогичная ситуация наблюдается и со специалистами женского пола, где за тот же период возрастной коэффициент занятости не изменился. Небольшие изменения заметны только в группе пенсионного возраста, которые объясняются дефицитом трудовых ресурсов.
В этой связи для определения доли работающего населения предлагается использовать коэффициент занятости населения, который определяется следующим образом: где Ys j,l – коэффициент занятости населения в возрасте l , Rabsj,l – количество работающих специалистов в возрасте l , Nassj,l – всего специалистов в возрасте l , j – уровень образования, s – пол.
Использование коэффициента занятости позволит учесть ряд внешних факторов, влияющих на систему рынка труда: декретные отпуска, служба в армии, возраст выхода на пенсию, нетрудоустройство выпускников, работающие пенсионеры.
С учётом предложенной гипотезы модернизирована модель регионального рынка труда [83] (2.2–2.6), позволяющая учесть: внешние миграционные потоки населения, включая вахтовых и иностранных рабочих, динамику выпуска специалистов из региональной сети профессионального образования, динамику выпуска специалистов вне региональной сети профессионального образования, количество работающих пенсионеров, особые социальные льготы (декретный отпуск, служба в армии), может быть записана в следующем виде: E(t) = fs(t)-fp(t), (2.2) где E(t) - дополнительная потребность региональной экономики в трудовых ресурсах, fs(t) - требуемое количество трудовых ресурсов для запланированного развития региональной экономики, fp(t) - количество трудовых ресурсов, которым располагает региональная экономика, t -планируемый год.
Недостатки статистических данных при прогнозировании кадровой потребности
В настоящее время актуальной задачей является создание инструментария государственного регулирования процессов подготовки специалистов, обеспечивающих устойчивое социально-экономическое и научно-техническое развитие страны [89]. Это обусловлено отсутствием специализированных информационных решений в данной области. Причём, на уровне регионов данный инструмент тоже является востребованным. Например, в ХМАО – Югре кроме федерального заказа на подготовку специалистов учреждениями профессионального образования формируется и региональный заказ [85]. В этой связи задача оптимального распределения ресурсов при подготовке кадров является актуальной в регионах, где формируется региональный заказ на подготовку кадров.
В идеальных условиях, когда мы не ограничены в ресурсах, задача оптимального распределения контрольных цифр приёма, при известной потребности в профессиональных кадрах, сводится к распределению заказа на подготовку кадров, согласно рейтингу учреждений профессионального образования. В действительности надо учитывать следующие ограничения: «производственную мощность» (максимальное возможное количество студентов на первом курсе) учреждений профессионального образования, движение контингента студентов (отчисление по результатам семестра), бюджет на подготовку специалистов, рейтинговые показатели УПО, данные рынка труда, количество планируемых абитуриентов. Особенность формирования оптимального с точки зрения экономики заказа на подготовку кадров по учреждениям профессионального образования заключается в том, что одного и того же специалиста готовят в разных учреждениях профессионального образования. С учётом вышесказанного, предлагается формировать заказ на подготовку кадров в два этапа [124]:
1. Определить оптимальный с точки зрения экономики региона заказ на подготовку кадров по укрупнённым группам специальностей в разрезе уровней образования.
2. Распределить получившийся заказ на подготовку кадров среди учреждений профессионального образования.
Для выполнения первого этапа сформулируем условие оптимальности с точки зрения региональной экономики. Оптимальной, будем считать ситуацию, при которой спрос на трудовые ресурсы равняется предложению. В результате целевую функцию (критерий оптимальности) можно представить следующим образом: XXi-Pi)2- min, (2.49) где n - количество специальностей, Xi - заказ на подготовку кадров для учреждений профессионального образования, Pi - кадровая потребность, которую должны подготовить учреждения профессионального образования, i - номер специальности.
Недостаток целевой функции (2.49) заключается в том, что она содержит абсолютные значения. Например, нехватка специалистов в 100 человек по одной специальности может быть не заметна для экономики, так как трудится 10000 специалистов, а для другой специальности это критично, так как таких специалистов всего 200. В связи с этим предлагается модифицировать целевую функцию: J X -P Ze 1) 2 !, (2.50) 1=1 A где Zj - всего трудовых ресурсов, занятых в экономике по специальности /.
Заказ Xi на подготовку кадров определяется не только целевой функцией, но и ограничениями, полученными при анализе учреждений профессионального образования, участвующих в конкурсе на получение контрольных цифр приёма. Опишем их. 1. Обозначим через Са мощность учреждения профессионального образования с номером / по г-й специальности, т.е. максимальное количество абитуриентов которое может быть принято по /-й специальности на первый курс в учреждении с номером /. С учётом этого, мы без ограничения мощности считаем, что выполнено неравенство т ZС, (2.51) иначе мы просто уменьшим число Pt. Соответственно, можем считать, что: Pt wt, (2.52) где Wi - минимальное количество абитуриентов, принимаемых на первый курс по /-й специальности. Данный параметр определяется нормативными актами Министерства образования и учреждений профессионального образования. 2. Мы также имеем финансовые ограничения на подготовку кадров: п Y,Xt S, (2.53) ;=1 где S - максимально возможный заказ на подготовку специалистов. 3. Кроме того, суммарный заказ на подготовку кадров по уровням образования не должен превышать количество абитуриентов: n X i А, (2.54) где А - количество доступных абитуриентов. 4. Каждое учреждение профессионального образования характеризуется таким показателем, как доля выпуска специалистов. Поэтому на заказ специалистов Xi получаем ещё одно ограничение: X PJcp = шіп(Hi), (2.55) где Hi - средняя доля выпуска специалистов по i-й специальности и минимум в (2.25) берется по i.
Совокупность выражений (2.50-2.55), описывающих метод формирования оптимального с точки зрения экономики региона заказа на подготовку кадров в разрезе уровней образования и специальностей, представляет собой оптимизационную задачу: n Xi - Pi Z( ) 2 min i=1 Z 2Xi S . (2.56) Задача (2.56) относится к классу нелинейных задач целочисленного программирования [3,34,1,26,30,60,23]. Согласно [2,5,11,15,28,64,65], единого метода решения задач нелинейного программирования, не существует. При этом решение задачи формирования заказа на подготовку кадров требует поиска целочисленного решения. В зависимости от вида целевой функции и условий ограничений разработаны методы решения задач нелинейного целочисленного программирования. Рассмотрим самые распространённые из них [99,47,126]:
Подсистема распределения контрольных цифр приёма
Анализ современных подходов, используемых в задачах анализа и прогнозирования динамики рынка труда выявил основные подходы, их недостатки и определил возможные варианты решения поставленных задач. Среди основных недостатков, влияющих на результат прогнозирования стоит выделить: неучет региональных особенностей миграционных процессов, усреднение по полу и возрасту коэффициента, отвечающего за выбытие из трудовой деятельности граждан, игнорирование особенностей региональной системы образования. С учетом выявленных недостатков была предложена модель, обеспечивающая более глубокий анализ динамики регионального рынка труда, демографических процессов, системы подготовки кадров. Выявлены факторы, увеличивающие ошибку прогнозирования, связанные с особенностями методик сбора статистической информации. Были предложены методы прогнозирования, обеспечивающие нивелирование низкого качества статистической информации на основе использования инструмента нейронных сетей и способа корректировки статистических данных на базе проведенных в 2002 и 2010 годах переписей населения. Разработана технология распределения контрольных цифр приема для учреждений профессионального образования, которая позволяет решить задачу оптимального распределения для задач нелинейного программирования. Разработанные модели, технологии и алгоритмы реализованы в программном комплексе. Результаты численного моделирования, реализованные на программном комплексе, на примере данных Ханты-Мансийского автономного округа – Югры используются Департаментом образования и молодежной политики ХМАО – Югры при формировании контрольных цифр приема.
В конце каждой главы приведены результаты исследований и выводы по всем рассматриваемым в диссертационной работе вопросам, поэтому в заключении приводятся только основные из них.
1. Апробация известных подходов к прогнозированию кадровой потребности выявила существенные недостатки, отрицательно сказывающиеся на результате прогнозирования. В качестве основных недостатков стоит выделить: постоянный коэффициент ротации, отсутствие инструмента анализа половозрастного распределения занятого населения, отсутствие в моделях потока вахтовых рабочих и специалистов, обучающихся за пределами своего региона. Для ряда регионов такие допущения могут отразиться на результате прогнозирования кадровых потребностей в незначительной степени. Однако для большинства северных территорий такие допущения в значительной степени искажают представление о рынке труда, делая прогноз кадровых потребностей не соответствующий динамике развития региональной экономики. Таким образом, необходима модификация, как существующих моделей рынка труда, так и методик прогнозирования кадровых потребностей для адаптации их к особенностям региональных экономик.
2. Разработан алгоритм адаптации структуры и связей нейронной сети для задач анализа развития социально-экономических систем на основе ретроспективной, текущей и экспертной информации. Для применения разработанного способа был модифицирован алгоритм обучения многослойной нейронной сети. Использование разработанного способа позволит повысить качество и достоверность результатов прогнозирования в социально-экономических системах
Модифицирована математическая модель регионального рынка труда с целью добавления возможности анализа данных о половозрастном составе работающих по ОКВЭД, вахтовых рабочих по ОКВЭД, половозрастном составе миграции по уровням образования, работающих пенсионерах, полученном образовании в другом регионе, выпуске специалистов региональной сетью профессионального образования. Использование модифицированной математической модели позволило повысить эффективность исследования социально-экономических процессов в регионе.
Разработан метод прогнозирования кадровых потребностей региональной экономики, которую необходимо восполнить учреждениям профессионального образования. Анализ данных о половозрастном составе работающих по ОКВЭД, вахтовых рабочих по ОКВЭД, половозрастном составе миграции по уровням образования, работающих пенсионерах, полученном образовании в другом регионе, выпуске специалистов региональной сетью профессионального образования позволяет повысить достоверность прогнозирования кадровых потребностей региональной экономики.
Разработан алгоритм формирования контрольных цифр приёма для региональных учреждений профессионального образования. Ее применение позволило сформировать оптимальный с точки зрения развития экономики региона заказ на подготовку кадров с учётом влияния следующих параметров: количество абитуриентов в регионе, бюджет на подготовку специалистов, рейтинг специальностей, движение контингента студентов, максимально возможный приём студентов в региональные учреждения профессионального образования.
3. Разработана проблемно-ориентированная система, которая позволяет оперативно формировать в автоматизированном режиме при различных сценарных условиях: кадровые потребности региональной экономики, рейтинг укрупнённых групп специальностей среди учреждений профессионального образования, контрольные цифры приёма по учреждениям профессионального образования и укрупнённым группам специальностей.