Определение статистических показателей процесса обработки заявок в отделе кадров средствами GPSS

Автор: Мочалкин И.А.

Журнал: Теория и практика современной науки @modern-j

Рубрика: Основной раздел

Статья в выпуске: 1 (115), 2025 года.

Бесплатный доступ

В статье выполняется имитационное моделирование процесса обработки заявок на вакансии в отделе кадров крупной компании на платформе GPSS. Определяются статистические показатели эффективности обработки заявок. Предлагаются способы улучшения процессов для повышения производительности отдела кадров.

Имитация, имитационное моделирование, отдел кадров

Короткий адрес: https://sciup.org/140308920

IDR: 140308920

Текст научной статьи Определение статистических показателей процесса обработки заявок в отделе кадров средствами GPSS

Эффективная обработка заявок на открытые вакансии имеет решающее значение для своевременного закрытия позиций в компании. В данной статье рассматривается моделирование процесса работы отдела кадров в условиях крупной компании для повышения эффективности обработки заявок и оптимизации использования ресурсов. Моделирование было проведено в среде GPSS [1 ].

В течение рабочего дня, продолжительностью 9 часов (540 минут), в отдел кадров поступают заявки на открытые вакансии. Средний интервал между поступлением заявок составляет 5 минут. Каждая заявка проходит несколько этапов обработки. Среднее время обработки заявки составляет 12 ± 3 минуты. По результатам обработки 75% заявок одобряются, а 25% отклоняются. Одобренные заявки направляются на собеседование с кандидатами, длительность которого составляет 30 ± 5 минут. Из кандидатов, прошедших собеседование, 40% сразу подписывают трудовой договор, а 60% направляются на дополнительную проверку службой безопасности. Время проверки составляет 20 ± 5 минут. 85% кандидатов получают одобрение и подписывают трудовой договор, а 15% отклоняются. На этапе подписания договора кандидаты получают разъяснения об условиях труда, что занимает около 15 ± 2 минуты.

Для моделирования процесса была использована имитационная модель, основанная на описанных данных. Моделирование включало генерацию заявок, последовательное прохождение ими всех этапов обработки и учет времени на каждом этапе. В модели также учитывались вероятности одобрения и отклонения заявок на разных этапах. На рисунке 1 представлена имитационная модель, реализованная в среде GPSS [2].

ODOBR STORAGE 1

SOBES STORAGE 1

SBES STORAGE 1

PDOG STORAGE 1

GENERATE S ; Средний интервал поступления заявок (минуты)

‘Все соискатели проходят отбор

QUEUE OCHODOBR; Соискатель встает в очередь на проверку заявки

ENTER ODOBR,1; Проверка заявки

DEPART OCHODOBR; Уход из очереди на проверку заявки

ADVANCE 12,3; Время проверки: 12 1 3 минут

LEAVE ODOBR,!; Освобождение проверяющего

TRANSFER .75,Z_SOBES,VYHOD;Поеле 75% соискателей проходят собеседование, остальные уходят

‘Прохождение собеседования Z_SOBES QUEUE OCHSOBES;

ENTER SOBES,1; DEPART OCHSOBES;

ADVANCE 30,5;

LEAVE SOBES,1;

Встает в очередь на собеседование

Проведение собеседования

Уход из очереди на собеседование Время собеседования: 30 ± 5 минут Освобождение специалиста по персоналу

TRANSFER .4,Z_PDOG,Z_SBES;

‘Прохождение службы безопасности

Z_SBES QUEUE OCHSBES;           Встает е очередь на проверку службой безопасности

SEIZE SBES;              Проверка службой

DEPART OCHSBES;          Уход из очереди на проверку

ADVANCE 20,5;            Время проверки: 20 1 S минут

RELEASE SBES;            Освобождение специалиста службы безопасности

TRANSFER .85,Z_PDOG,VYHOD;

‘Прохождение службы безопасности

Z_PDOG QUEUE OCHPDOG;           Встает в очередь на подписание договора

SEIZE PDOG;              Подписывает договор

DEPART OCHPDOG;          Уход из очереди на подписывание

ADVANCE 15,2;            Время подписывания: 15 1 2 минуты

RELEASE PDOG;            Освобождение стола для подписей

VYHOD TERMINATE;

* Генерация соискателейв течение 9-часового рабочего дня (540 минут) GENERATE 540 TERMINATE 1; Завершение всех процессов после 540 минут

Рисунок 1 - Имитационная модель

На рисунке 2 изображены статистические данные по этой модели, а на рисунке 3 представлена статистика по очереди.

QUEUE

MAX CONT.

ENTRY ENTRY(0) AVE.CONT.

AVE.TIME

AVE.(-0)

RETRY

OCHODOBR

62   62

108      1    30.338

151.691

153.108

0

OCHSOBES

1    0

8       6     0.061

4.129

16.515

0

OCHSBES

1    0

3       3     0.000

0.000

0.000

0

OCHPDOG

1    0

6      6     0.000

0.000

0.000

0

Рисунок 2 – Статистические данные модели

TABLE

MEAN

STD.DEV.

RANGE

RETRY FREQUENCY CUM.%

TIME_TO_OD

150.600

97.150

0

-      120.000

20    43.48

120.000

-      240.000

14    73.91

240.000

-      360.000

12   100.00

TIME_TO_SO

4.129

8.178

0

-      120.000

8   100.00

TIME_TO_SB

0.000

0.000

0

-      120.000

3   100.00

TIME_TO_PD

0.000

0.000

0

-      120.000

6   100.00

Рисунок 3 – Статистические данные очередей

На рисунке 2 представлены данные, отражающие статистику работы очередей на различных этапах обработки заявок: максимальная длина очереди (MAX), среднее время ожидания (AVE.TIME), общее количество заявок (ENTRY) и их распределение на этапах (QUEUE). Рисунок 3 содержит статистические данные о распределении временных интервалов для различных событий: TIME_TO_OD, TIME_TO_SO, TIME_TO_SB и TIME_TO_PD. Колонки показывают следующие параметры: среднее значение времени (MEAN), стандартное отклонение (STD.DEV.), диапазон значений времени (RANGE), частоту случаев в каждом диапазоне (RETRY FREQUENCY) и кумулятивный процент (CUM.%).

Очередь на первичную обработку заявок (OCHODBR) демонстрирует наибольшую загруженность, достигая максимальной длины в 62 заявки и среднего времени ожидания 151,691 минуты. Однако время ожидания в ней в отдельных случаях превышает 360 минут, что требует дальнейшего анализа и оптимизации. Напротив, этапы собеседования (OCHSOES), проверки безопасности (OCHSBES) и подписания договора (OCHPDOG) характеризуются меньшей загруженностью и существенно более короткими временами ожидания. Эти показатели позволяют выделить ключевые узкие места системы, требующие улучшения для повышения общей эффективности процесса.

Для повышения эффективности работы системы было проведено добавление сотрудников в ключевые отделы. Итоговое распределение ресурсов составило: три сотрудника на этапе одобрения заявок, два сотрудника на этапе собеседования и по одному сотруднику на этапах проверки безопасности и подписания договора (рисунок 4). Такое перераспределение позволило сбалансировать нагрузку между этапами и уменьшить время ожидания в очередях, что положительно сказалось на общей производительности системы. Результаты моделирования с обновленным распределением ресурсов показали увеличение пропускной способности отдела кадров и сокращение времени обработки заявок, что обеспечивает более оперативное закрытие открытых вакансий.

QUEUE

MAX CONT

. ENTRY ENTRY(0) AVE.CONT. AVE.TIME

AVE.(-0) RETRY

OCHODOBR

г о

107    107     0.000      0.000

0.000   0

OCHSOBES

3    0

24     11     0.365      8.205

15.147   0

OCHSBES

1    0

8      6     0.018      1.187

4.749   0

OCHPDOG

1    0

15     10     0.032      1.148

3.445   0

TABLE

MEAN

STD.DEV.       RANGE           RETRY

FREQUENCY CUM.%

TIME_TO_OD

0.000

0.000                            0

_ -      120.000

107   100.00

TIME_TO_SO

8.205

10.113                            0

_ -      120.000

24   100.00

TIME_TO_SB

1.187

2.828                            0

_ -      120.000

8   100.00

TIME_TO_PD

1.148

2.318                            0

-      120.000

15   100.00

Рисунок 4 – Динамика работы модели с добавлением сотрудников

В результате проведенного исследования с использованием имитационного моделирования было проанализировано функционирование отдела кадров крупной компании. Моделирование показало, что текущая система обработки заявок на открытые вакансии работает не эффективно. Основные проблемы заключаются в нехватке ресурсов на этапе собеседования и одобрения заявок. Оптимизация процессов за счет добавления дополнительных сотрудников на ключевых этапах позволили улучшить общую производительность и снизить время ожидания на каждом из этапов. Результаты моделирования продемонстрировали значительное сокращение времени обработки заявок, что способствует повышению эффективности работы отдела кадров в компании.

Список литературы Определение статистических показателей процесса обработки заявок в отделе кадров средствами GPSS

  • Моделирование систем. Инструментальные средства GPSS WORLD [Электронный ресурс] - Режим доступа. - URL: https://djvu.online/file/0WCWHpdclwfNA (дата обращения: 10.01.2025).
  • Официальный сайт GPSS [Электронный ресурс] - Режим доступа. - URL: http://www.webgpss.com/ (дата обращения: 10.01.2025).
Статья научная