北京华恒智信人力资源顾问有限公司English
咨询电话: 400-818-7856 官方微信 电子期刊

扫一扫,关注华恒智信,共同分享专业的人力资源管理方法和工具,与顾问专家面对面!

基于系统动力学的新员工培训方案制定与选择

发布时间:2019-08-15 , 发布人:华恒智信分析员

摘 要:为解决劳动密集型企业员工频繁流动导致生产效率和产能下降的问题,运用系统动力学理论和方法,以某鞋材企业为研究对象,建立了含有两条老化链的系统动力学模型。在该模型中,将入职的新员工根据工作经验分为两类。通过模型仿真分析了员工总数增长、雇佣延迟、成长延迟的变化对产能和生产效率的影响,结果表明,在员工总数保持增长的条件下,缩短新员工成长延迟有助于提高企业生产效率和最大产能,进而为企业制定了两种政策方案:方案1通过熟练工全职指导新员工来缩短成长延迟;方案2通过管理层引导新员工自主学习来缩短成长延迟。通过仿真模拟两种方案的实施效果,分析了两种方案的有效性和差异性,并给出了最佳使用情景,通过对企业实际实施验证了该政策方案的可实施性与有效性。
关键词:系统动力学;老化链;劳动密集型产业;生产效率;雇佣延迟;成长延迟
引言
劳动密集型产业对我国经济高速发展做出了重要贡献,即使在实施产业升级的发展战略中,劳动密集型企业对缓解就业压力和稳定经济增长仍然具有重要意义[1]。我国劳动密集型产业广泛分布于珠江三角洲和长江三角洲地区,其中大部分为中小型企业,并以产业集群和产业链形式呈现[2],典型代表有广东沙溪镇休闲装产业集群、浙江织里镇童装产业集群、福建晋江市鞋业产业集群。稳定的员工数量和熟练的操作技能是劳动密集型企业生产平稳进行的重要保障,近几年受劳动力供求变化、工资水平、工作环境以及工人年龄、文化程度等因素的影响,员工流动变得越来越频繁,成为很多劳动密集型企业生产管理不稳定的重要因素[3]。
员工频繁流动导致企业生产效率波动、产品次品率偏高,从而增加了企业人力资源管理成本和管理难度,给企业的长期发展带来了阻力。其中很重要的原因是熟练工人离职,造成操作技能和工作经验流失,新员工入职后又需要一段时间的技能学习和经验积累,即成为熟练员工存在成长延迟。系统动力学(System Dynamics, SD)中的老化链用来表示系统成熟过程各阶段的流量存量结构,可用来研究人口增长、组织老化、技术变革等延迟问题[4]。Packer[5]首次将老化链应用于一家高科技企业的成长模型,之后又有学者[6-8]将老化链用于研究软件产品开发过程及提升企业服务水平,为人力资源管理提供了一种定量的评定方法。也有学者[9-10]将老化链用于高校教师级别晋升和国家人口增长,模型预测结果几乎完美地符合实际情况。将老化链用于新员工的成长延迟,最早源于系统动力学创始人Forrester[11]的新员工成长二级老化链模型,该模型将新员工成长延迟作为一阶物质延迟,运用老化链来考察工人的成长延迟,建立了二级老化链SD模型,得出了在员工总数增长的条件下,增加熟练工人用于培训新员工会加快企业最大产量下降的结论,为新员工的学习曲线提供了一种简单有效的研究方法,之后有学者[12]针对半导体制造业,将新员工技能提升的各个阶段细分为多个群,建立老化链模型,为提高工人技能和岗位最大匹配度提供了一种有效的解决方法;Größler等[13]针对德国一家大型物流服务供应商建立了老化链SD模型,研究了延迟对员工招聘、培训、技能提升的影响,为人力资源长期规划提供了一个定量的解决方法。
然而,Forrester员工成长延迟模型中未考虑特定行业,缺乏对现实系统的验证,文献[12]未考虑员工初始技能水平对系统行为的影响,文献[13]将员工招聘和培训细分为三阶延迟,但未考虑员工成长各阶段的离职率对系统结构和行为的影响。由于劳动密集型企业员工流动频率大,招聘、培训、技能提升都存在延迟,上述模型难以符合现实系统结构和行为,且上述研究多偏重于解决人力资源规划问题,运用老化链考察劳动密集型企业新员工雇佣延迟和成长延迟对生产效率和产能的影响,尚未有学者研究。
本文以某劳动密集型企业为研究案例,运用系统动力学相关理论和建模方法,针对劳动密集型企业新员工雇佣、成长延迟对生产效率影响的问题,建立了含有老化链的SD模型,运用Vensim软件对模型进行测试和仿真,根据仿真结果进行员工培训方案设计,并通过仿真比较培训方案效果的差异性,以期为企业生产计划和短期人力资源规划制定提供依据。
1 问题描述和基本假设
1.1 问题描述
以福建晋江鞋业产业集群中某鞋材企业为研究对象,该企业以生产低附加值的鞋材产品为主,技术装备程度低,手工劳动程度大,需要较多的劳动力,是典型的劳动密集型企业。近几年一线操作工人多为90后,受该群体自身因素、薪资水平、工作环境和强度等因素的影响,企业员工离职率居高不下,尤其在员工入职前两个月,离职比例最高,企业需要不断雇佣新工人以补充空出的岗位。历史数据表明,招聘的新员工可以分为两大类:①没有相关工作经验,约占70%,大多数来源于产业群外,初始生产效率较低,离职率也最高;②具有相关工作经验,多数来自产业群中的同类企业,约占30%。由于产品、设备、工艺也较接近,第②类员工入职后的初始生产效率高于第①类新员工,但由于新工作岗位的差异性以及员工离职后对工作经验的遗忘,第②类新员工的初始生产效率低于熟练工,离职比例低于第①类新员工,同时企业内部的熟练工人也在不断离职,但离职比例远小于新员工。企业员工流动如图1所示。
由于订单呈增长趋势,2014年初企业开始雇佣更多无工作经验的新员工,为加快新员工的成长速度、缓解订单交货压力,抽出部分熟练工人对新员工进行技术培训,该方案实施的前2个月,在生产设备和工艺未出现异常的情况下,生产效率和最大产能反而出现了小幅度下降,迫于交货压力,企业不得不终止对新员工的培训,并减少对新员工的雇佣。因此,需要研究员工增长、雇佣延迟、新员工成长延迟的变化对企业生产效率和产能的影响,并在此基础上寻找有效途径,来解决员工流动时新员工入职初期导致的生产效率和产能下降的问题。
1.2 基本假设
本文针对1.1节的问题,通过SD建模仿真技术所建立的模型基本假设如下:
(1)企业设备数量和产能满足企业增长的需求;
(2)不考虑因设备故障或其他突发事件造成的停产;
(3)未来2~3年劳动力市场不发生较大变动;
(4)外部市场需求处于增长状态,整个鞋材行业外贸出口量不断增大,在未来几年内企业订单将处于增长趋势;
(5)鞋材企业多为小规模企业,案例企业是国内规模最大的鞋材企业,短期内产业群内同类企业的行为和策略对案例企业影响不大;
(6)将新员工成长为熟练员工看作是一阶物质延迟,由于新员工的文化程度、学习能力及工作班次安排存在一定的差异性,新员工成为熟练员工的先后顺序可以看作是随机的,即一阶物质延迟假定入职的新员工完美混合,其原因是新员工成长为熟练员工的时间比较短,一阶物质延迟不会给模型带来很大的误差[14]。
2 模型构建和测试
2.1 构建因果回路图与系统流图
因果回路图是表示变量因果关系和系统反馈结构的重要工具。在企业员工总数基本稳定的情况下,员工离职出现岗位空缺,企业将按照离职速率雇佣新员工,若企业要扩大产能,则会雇佣更多无工作经验的新员工。员工离职会带走工作技能和经验,入职的新员工生产效率较低,员工的流动将影响平均生产效率和产能,根据现实情境中的反馈和因果关系,绘制如图2所示的因果回路图。在图②的基础上建立系统流图,为模型仿真奠定基础,如图3所示,该流图的存量为:无工作经验员工、具有一定工作经验员工、熟练员工;流量为:员工雇佣速率、成长速率、离职速率。
2.2 数据来源及参数初值
模型的主要数据源于实地调研及企业提供的历史数据,历史数据起始时间为2014年6月~2015年12月。新员工离职比例和成长时间由调研团队和企业人力资源部统计得出,员工平均生产效率由企业各车间提供,各层次员工数量以2015年12月的调研数据为准,各参数初值汇总如表1所示。
表1 存量、流量、参数初值
序号参数数据1员工总数增长率周增长率为0.0012~0.0018,取均值0.00152无工作经验员工初值=9人,雇佣延迟时间3~5周,取均值4周,平均生产效率=370双/周,周离职比例0.11~0.15,取均值0.13,成长时间为20~28周,取均值24周2具有一定工作经验员工初值=22人,雇佣延迟时间为4~6周,取均值5周,平均生产效率=700双/周,周离职比例为0.04~0.06,取均值0.05,成长时间9~15周,取均值12周4熟练员工初值=2100人,平均生产效率=1400双/周,周离职比例0.003~0.007,取均值0.005
2.3 模型测试
SD 模型测试的实质是一个证伪过程,建立的模型不可能完全反映现实世界,因此难以从各个方面证明模型存在的漏洞,一般情况下,需要做出几种常用的重要测试,包括模型机械错误测试、量纲一致性测试、心智模型测试、关键参数敏感性测试等[15-16]。经验证,该模型通过了系统动力学仿真软件Vensim-DSS版本的机械错误测试和量纲一致性测试。心智模型测试所测试的内容是模型所模拟的数据变化是否遵循现实系统数据的变化趋势,该模型可以获取企业员工总数变化的历史数据,因此,通过心智模型测试可以比较2015年每月员工总数的模拟值和实际值(如表2)。
表2 2015年员工总数模拟值与实际值
月份123456789101112模拟值199320072020203220432054206420762087209821112123实际值198820092023202620412061207320812092211221192131
由表1和图4可知,模拟值按照时间序列,在数值变化和趋势变化两个方面均与实际值吻合,表明该模型通过了心智模型测试。敏感性测试一般在基于现实系统的基础上确定哪些参数对系统行为较为敏感[4],考虑参数对现实系统行为的影响及模型结构的对称性,对系统进行多参数敏感性测试,选取员工总数增长率、无工作经验员工离职比例、有工作经验员工雇佣延迟时间、无经验员工成长时间进行敏感性测试,其参数设置的均匀分布区间依次为:[0.02,0.012]、[0.08,0.018]、[2,8]、[14,34],模型运行结果如图5~图8所示(单位:双/人),图形的变化趋势均与基准情景相符,其中图5和图8偏离基准情景两侧区域的面积相差较大,图6和图7基准情景两侧区域分布较均匀,说明员工总数增长率和员工成长时间对平均生产效率的变化是敏感的,无工作经验员工的离职比例和有工作经验员工的雇佣延迟时间对平均生产效率的变化不敏感,各参数符合现实情境中对实际系统的影响,验证了模型行为与实际系统的一致性。
3 情景分析及政策建议
3.1 参数变化及情景分析
案例企业预计在未来2~3年内雇佣更多新员工,但由于劳动力紧缺,企业需要采取措施将员工的整体生产效率维持在较高水平,为寻求有效途径以改变模型参数,观察不同情景下系统行为的仿真结果,确定影响员工生产效率和产能的关键因素,政策情景设置时考虑影响现实系统参数变化的因素,员工总数增长和雇佣延迟时间受外部劳动力供求变化和行业竞争等因素影响,未来变动可能增加也可能减小,新员工成长延迟时间作为系统的内生变量,由企业内部因素决定,从生产效率和人力成本角度考虑,缩短成长时间有助于提高生产效率、降低人力成本,因此,在情景设置时只考虑减少新员工成长时间对系统行为的影响,以表1的数据为基准情景,其他情景设置如表3所示,运行结果如图9~图12所示。
表3 不同情境下的参数变化数据表
序号政策情景类别1基准情景各参数初值如表1所示2情景1员工总数增长速率增大1倍
续表3
3情景2员工总数增长速率减小1倍4情景3员工雇佣延迟时间增大1倍5情景4员工雇佣延迟时间减小1倍6情景5新员工成长延迟时间减小1倍
由图9可知,初始条件下存在平均生产效率的理论最大值为1 386 双/周,此时熟练员工占员工总数比例最小。不同情境下的平均生产效率都随时间的推移先下降后趋于稳态,由此证明一阶延迟系统是渐进稳定的[17],由图9曲线3、4、6的变化趋势可知,减小员工增长率和新员工成长时间、增大雇佣延迟时间,可以减少员工流动导致的生产效率下降,但达到稳态时曲线4和基准情景重合,曲线6的稳态值最大,即减少员工成长时间对生产效率的提升效果最明显。由图10可知,不同情境下的最大产能都是先下降后上升,但下降的时间和幅度各不相同,同时也表明现有假设条件下不存在理论上的最大产能。由曲线2、5、6的变化趋势可知,员工增长率变大、雇佣延迟时间减小、新员工成长时间减小均能减少员工流动导致的产能下降,比较曲线2和6可知,在前40周内减小新员工成长时间的效果优于员工增长率增大1倍的效果,40周之后后者最大的产能超过前者,但此时后者的员工总数也远多于前者(如图12),企业人力成本随之变大。此外,观察图10和图11可知,图10中曲线与图11中曲线有相同的变化趋势,表明企业最大产能取决于同一时期熟练员工的数量。
综上所述,在员工总数增长初期,员工流动会导致生产效率和产能下降,这是因为熟练员工离职,新员工存在雇佣和成长延迟,企业熟练员工数在短期内出现下降,因此不可避免地导致平均生产效率下降;由图10曲线2的变化趋势可知,可以通过在短期内雇佣更多新员工来避免最大产能在初期的下降,但同时企业的人力成本会大大提高,另外考虑劳动力供求现状,该方案不具可实施性。综合考虑生产效率、最大产能、人力成本可知,减少新员工成长时间,可以达到减少生产效率并使产能下降的目的。
3.2 政策设计及模拟效果分析
由3.1节的仿真结果可知,员工频繁流动使短期内熟练员工数量减少是导致生产效率和产能下降的根本原因,从理论上讲,最好的政策方案是提高企业的自动化程度、减少对人的依赖程度,但目前整个鞋材行业工艺具有不稳定性,多个生产环节难以用机器取代,此外,较低的劳动力成本也是企业缩减成本的重要因素。因此,考虑政策方案设计的可实施性,应从缩短新员工成长时间着手,通常的做法是制定一系列培训方案。目前,新员工入职后没有接受系统的技能培训,主要通过观察、尝试操作等自主学习方法来提高操作技能,技能提升较慢。
现为该企业制定两种备选培训方案:①抽出一部分技能娴熟的熟练员工全职指导新员工,根据企业以往的经验和历史数据,1名熟练员工可以全职指导5名无工作经验员工或10名具有一定经验的新员工,新员工的整体成长时间将缩短1/2,但若员工增长速率不断增大、新入职的员工不断增加,则将会有更多的熟练员工投入到培训活动中,用于实际生产的有效熟练员工将会减少,但同时也会不断有新员工成长为熟练员工,这种情况就需要通过仿真判断员工生产效率和最大产能的变化;②制作员工学习视频,制定标准作业指导书,由企业管理人员引导新员工自主观看视频,通过学习标准作业指导书来学习工艺流程和操作技能,成长时间将缩短1/3。该企业预计未来仍以2015年末的基础数据为基准情景,其他参数不发生变化,观察表4情景下的仿真结果,仿真时长为100周,步长为1周。
表4 不同情境下的培训方案
情景类别培训方案培训方案解释员工增长率增大1倍不引入培训方案———员工增长率增大1倍引入培训方案1参与培训的熟练员工=0.2×无经验新员工+0.1×有经验新员工,成长时间将缩短1/2员工增长率增大1倍引入培训方案2由企业管理层引导员工自主学习,成长时间将缩短1/3员工增长率增大3倍不引入培训方案———员工增长率增大3倍引入培训方案1参与培训的熟练员工=0.2×无经验新员工+0.1×有经验新员工,成长时间将缩短1/2
续表4
员工增长率增大3倍引入培训方案2由企业管理层引导员工自主学习,成长时间将缩短1/3
图13的仿真结果显示,在11周以前曲线2位于曲线1的下方,表明引入培训方案1加快了平均生产效率的下降,11周后培训效果逐渐显现;在平均生产效率达到稳态前,曲线3一直位于曲线1和2的上方,表明培训方案2有效延缓了平均生产效率的下降,3条曲线经过一段时间的下降先后达到稳态,其稳态值分别为1 282、1 314、1 314,表明在达到稳态时两种培训方案具有相同的效果,与理论最大值的差值由104减小到72。图14与图13有类似的变化趋势,但曲线2在第13周才开始超过曲线1,比图13推迟了2周,达到稳态时曲线1、2、3的值为1 244、1 284、1 284,分别小于图13中的各曲线稳态值。图15的仿真结果显示,曲线1、2、3都是经过一段时间缓慢下降后上升,曲线3先于曲线1和2上升,曲线2又先于曲线1上升,曲线2分别在第10周和第28周超过曲线1和3,但与曲线3的差值较小。图16与图15有类似的变化趋势,但员工总数增长率变大,最大产能下降的幅度减小,曲线2分别在第11周和第30周超过曲线1和3,比图15分别推迟了1周和2周。
图17和图18各曲线变化规律分别与图15和图16相同,仿真结果证明了最大产能取决于企业的熟练工人数。
上述仿真结果表明,两种培训方案在实施初期效果差别较大,培训方案1短期内会加快平均生产效率和最大产能的下降速度与幅度,且员工增长率越大、持续的时间越长,再次证明了文献[11]的结论,也解释了该企业2014年初生产效率和产能不升反降的问题;引入培训方案2在短期内可以延缓平均生产效率和最大产能的下降速度和幅度。从长期实施效果来看,两种方案均能提高平均生产效率和产能,在稳态时两种培训方案对生产效率的提升效果基本相同,但方案1的产能高于方案2;因此在实际实施时,应综合考虑订单交货期和数量来选择合适的培训方案,在订单交货期紧急时选择方案2;在订单数量多、交货期长时选择方案1。
3.3 实施效果分析
为验证上述两种培训方案的实施效果,选取人员流动较大、工艺和设备基本相同的3个发泡车间作为实施对象,其中发泡车间1实施培训方案1,发泡车间2实施培训方案2,发泡车间3不实施任何培训方案。由于3个车间员工人数处于变动中,选择员工平均生产效率作为验证指标,统计企业实施培训方案后2016年2月~2016年7月工人每周平均生产效率的变化情况,如表5和图19所示。图19显示,在培训方案实施初期,培训方案1加快了生产效率的下降,这是因为部分熟练员工全职指导新员工,短期内用于生产的熟练工人数下降;培训方案2有效减缓了生产效率的下降;此外,在第13周之后两种培训方案的效果开始显现,15周后平均生产效率与理论最大值1 386的差值缩小至20以内,并逐渐趋于稳定,整体实施效果符合模型仿真结果,从而验证了政策方案的可实施性和有效性。
表4 各车间平均生产效率统计
周次1357911131517192123车间1137213641350135513511352136113581365137913681366车间2138613801381136113561361136613711367136313771373车间3138613741364135013511339134413371341133113271329
4 结束语
本文针对劳动密集型企业员工频繁流动导致企业生产效率和产能下降的问题,建立了含有老化链的SD模型。模型仿真结果显示,减小员工增长率和新员工成长时间、增大雇佣延迟时间可以减小生产效率下降速度;增大员工增长率、减小雇佣延迟时间、减小新员工成长时间可使产能下降;基于该仿真结果得出如下结论:减小新员工成长时间可以同时减少产能并导致生产效率下降。在此基础上设计了两种政策方案用于新员工培训,模拟效果显示:两种方案均能提高平均生产效率和产能,但培训方案1短期内会加快平均生产效率和最大产能的下降,培训方案2在短期内可以延缓平均生产效率和最大产能的下降,从长期实施效果来看,两种培训方案对生产效率的提升效果基本相同,但方案1对产能的提升高于方案2,为企业不同的订单数量和交期长短提供了可选择性方案。通过对两种方案的实施效果进行分析,验证了本文的政策方案设计具有可实施性和有效性,可用于劳动密集型企业制定人力资源规划和生产计划,对企业生产管理具有实际意义。
后续研究会将影响员工流动的几种主要因素纳入模型,如员工年龄结构、工资水平、工作强度等因素,为企业进一步稳定员工数量、提高生产效率提供可操作方案。
参考文献:
[1] HE Yongtao. Research on the development strategy of China’s foreign labor intensive industries and enterprises[D].Shanghai:Fudan University,2006(in Chinese).[何勇韬.我国外向型劳动密集型产业和企业的发展战略研究[D].上海:复旦大学,2006.]
[2] LI Yan, HE Canfei, ZHU Yangang. An empirical research on the geographical distribution of labor-Intensive industries in China[J].Geography and Geo-Information Science,2010,26(1):66-72(in Chinese).[李 燕,贺灿飞,朱彦刚.我国劳动密集型产业地理分布研究[J].地理与地理信息科学,2010,26(1):66-72.]
[3] XIA Linlin. How to reduce the turnover rate of labor intensive enterprises[J].Modern Economic Information,2015(15)(in Chinese).[夏琳琳.如何降低劳动密集型企业的人员流失率[J].现代经济信息,2015(15):69-70.]
[4] ZHONG Yongguang,JIA Xiaojing,LI Xu.System dynamics[M].Beijing:Science Press,2013:148-167(in Chinese).[钟永光,贾晓菁,李 旭.系统动力学[M].北京:科学出版社,2013:148-167.]
[5] PACKERD W.The impact of resource acquisition policies on corporate growth[D]. Boston, Mass., USA:Massachusetts Institute of Technology,2005.
[6] ABDEL-HAMID T K.Software project dynamics:an integrated approach[M].Englewood Cliffs,N.J.,USA:Prentice Hall,1991.
[7] PUE R O.A dynamic theory of service delivery:implications for managing service quality[D]. Boston, Mass., USA:Massachusetts Institute of Technology,2005.
[8] PAULO F.Screening items in an aging chain with a co-flow structure:an application to the product pipeline management problem[J].RAI,2014,11(1):97-114.
[9] DELBECQ A L, FRENCH R, GREY C. Rethinking management education[J]. Administrative Science Quarterly,1999,44(2):439-443.
[10]   I,  KA R,  VASTA J. Dynamic aging chain of the czech republic population[J]. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis,2011,59(7):209-216.
[11] STERMAN J D.Business dynamics—systems thinking and modeling for a complex world[M].ZHU Yan, ZHONG Yongguang,et al,transl. Beijing:Tsinghua University Press,2008:343-348(in Chinese).[斯特曼.商务动态分析方法——对复杂世界的系统思考与建模[M].朱 岩,钟永光,等,译.北京:清华大学出版社,2008:343-348.]
[12] HOMER J B.Macro-and micro-modeling of field service dynamics[J].System Dynamics Review,1999,15(2):139-162.
[13] GRÖßLER A, ZOCK A Supporting long-term workforce pla- nning with a dynamic aging chain model:a case study from the service industry[J]. Human Resource Management,2010,49(5):829-848.
[14] BAYER S. Business dynamics:systems thinking and modeling for a complex world by john sterman[J]. Interfaces,2004(4):490-497.
[15] LIU Pei, MU Dong, XIA Hui. System dynamics model for coordination among stakeholders of regional freight transportation system[J].Computer Integrated Manufacturing Systems,2016,22(3):859-869(in Chinese).[刘 沛,穆 东,夏 辉.基于系统动力学的区域运输多主体利益协调[J].计算机集成制造系统,2016,22(3):859-869.]
[16] BARLAS Y. Formal aspects of model validity and validation in system dynamics[J].System Dynamics Review,1996,12(3):183-210.
[17] LUO Chang, JIA Suling, WANG Huiwen. Stability criterion of supply chain based on system dynamics[J]. Computer Integrated Manufacturing Systems,2007,13(9):1762-1767(in Chinese).[罗 昌,贾素玲,王惠文.基于系统动力学的供应链稳定性判据研究[J].计算机集成制造系统,2007,13(9):1762-1767.]
Formulation and selection of new staff training program based on system dynamics
GAO Qingxuan, LI Rongzhi, LI Jian
(College of Mechanical Engineering, Chongqing University, Chongqing 400044, China)
Abstract:To solve the problem that the decline of staff efficiency and maximum capacity due to high staff floating rate in labor intensive enterprises, a system dynamics model with two aging chains was established by using system dynamics theory, which took a shoe enterprise as a study object. The new staffs were divided into two categories according to the level of skills in this model, and the influence of the changes in staff growth, recruiting delay and promoting delay on staff efficiency and capacity was analyzed with model simulation. The results showed that staff efficiency and maximum capacity were improved by reducing the promoting delay of new staff when the staffs kept growing. Thus two policies were proposed: the promoting delay was by using experienced staff to guided new staff in policy 1; the promoting delay was shortened by guiding new staffs to self-study in policy 2. Through simulating the effects of two policies, the effectiveness and difference were analyzed, and the best use scenarios were determined. The policies were proved to be effective and practical through the implementation in the case of enterprise.
Keywords:system dynamics; aging chain; labor intensive enterprises; staff efficiency; recruiting delay; promoting delay
DOI:10.13196/j.cims.2017.01.013
作者:高庆萱, 李荣志, 李健
单位:重庆大学机械工程学院
来源:爱学术
 

  • 上一篇:校企合作的员工培训模式研究
  • 下一篇:基于岗位胜任能力的企业KPI绩效管理体系构建