[聚类分析方法在企业班组管理中的应用]聚类应用

聚类分析方法在企业班组管理中的应用

聚类分析方法在企业班组管理中的应用 摘要：定量分析班组人员行为及其与生产管理的作用关 系对做好企业的班组管理具有重要的指导意义.本文采用社 会网络分析方法，对某石化企业的人员行为和管理制度数据 进行了聚类分析.分析结果表明，在人员行为方面，不同班 组之间的凝聚度差异较大，同班组中某个人对整个班组的凝 聚度有较大影响；
而在管理制度方面，同类管理制度具有相 似的表现，但存在特殊的节点，对总体表现有较大影响；
与 管理制度相比，人员行为具有更小的最小方差分组指数，说 明人员行为比管理制度能够更均匀地进行分类.上述的量化 评估结果对班组人员行为管理和管理制度的改进具有指导 意义. 班组是企业创造价值的最小组织单元，是企业安全稳定 的第一道防线.也是企业管理的出发点和最终落脚点，班组 管理的好坏直接关系到企业的执行力和竞争力，关系到企业 生产任务的完成和各项经济指标的实现[1]. 为实现管理目标，各个企业往往制定了一系列的班组管 理制度，约束或激励班组人员的行为，促使工作目标的实现. 然而，要实现对班组的良好管理需要定量分析班组人员的行 为规律及其与班组管理制度的相互关系，只有这样，才能对 班组进行有针对性的管理. 但是，作为一种群体组织，班组各个成员的职能不同， 并且存在复杂的相互影响关系，在进行定量分析时，不能简单地还原为对每个成员的分析，需要从整体上研究其组织行 为特性.社会网络分析方法从“关系”的角度出发，着眼于 系统的结构和状态，能从整体上把握系统的特性，进行多层 次的分析，在微观、宏观之间建立连接，可以将定量资料、 定性资料和图表数据结合起来，使分析更加透彻和深入，因 此在组织行为的研究中受到人们的重视，并得到广泛应用 [2-4].如著名的霍桑试验就建立了一个继电器装配车间里 的14名工人的友谊和游戏网络，对其组织行为进行了分析研 究[4-5].又如Kapferer通过对赞比亚卡布韦镇一家服装厂 的社会网络数据的分析成功地预测了工人的罢工运动[6]. 然而，以往基于社会网络的研究，多集中于对如友谊关系、 信任关系等非正式或隐含的组织关系研究，这类研究常常面 临数据匮乏、数据难以获取等困难[7-10]. 中国石油化工股份有限公司茂名分公司经过几代人艰 苦卓绝的努力和长期实践，建立了一套切实可行的标准化管 理考核体系.贯彻这种管理体系，茂名乙烯创造了79个月的 连续安全生产的运转记录具有极大的经济学价值和管理学 价值.为了更为深入地挖掘其价值，中国科学院自动化研究 所以平行系统理论[11-17]为指导，把平行管理方法[18-20] 应用到石化企业的生产实践之中，与茂名石化合作研究开发 了分析和评估企业管理制度的平行管理系统，并收集了大量 的员工工作行为数据，为班组人员的行为规律及其与班组管 理制度的相互关系的相关研究提供了丰富的基础数据.本文以茂名乙烯裂解车间收集到的实际数据为依据，对 班组人员和管理制度进行了聚类分析.文章首先介绍了聚类 分析方法，并定义了聚集性指数、特异性指数和最小方差分 组指数等指标，为班组人员行为和管理制度的定量分析提供 量化的标准；
然后对收集的人员行为数据进行数据处理，构 建了企业班组人员和管理制度的二分网络；
最后对人员行为 和管理制度进行聚类，分析了结果的管理学价值，并对人员 管理和制度完善提出了切实可行的建议，为进一步提升车间 的班组管理提供了指导. 1分析方法描述 企业生产系统是一个多指标、多层次的复杂系统，系统 的表现受到多种不确定甚至不被认知的因素的影响.聚类分 析作为一种多元分析方法，与诸如回归分析、判别分析等分 析方法相比，一方面可以克服单变量分析方法不能全面、综 合地描述系统的不足，另一方面不需要预先知道待分析的系 统中类别个数和结构等先验信息，因此适合于对复杂生产系 统的分析.该算法将指定样本分组成为由类似的对象组成的 多个类，通过定义样本之间的距离，保证距离近的对象聚为 一类，从而最终实现一个满意的聚类结果.在机器学习、数 据挖掘、模式识别等多个领域存在着广泛的应用[21-25]. 聚类方法有多种，本文采用系统聚类法.该方法是最常 用的聚类方法，且可以清晰地展现聚类的过程，便于观察和 分析.系统聚类法按聚集方向的不同，可以分为自底向上的凝聚法和自顶向下的分割法.在本文中采用凝聚法，初始时 把每个样本作为一类，通过不断地合并两个距离最近的类， 最终把所有节点聚为一类. 当采用系统聚类法进行分析时，样本间距离和类间距离 的定义是计算结果有效性的关键.本文首先依据文献[25]给 出了样本间距离和类间距离的定义.为了量化分析结果，本 文还定义了聚集性指数、特异性指数以及最小方差分组指数 三个量，用来量化分析车间班组的管理效果.下面分别介绍 各个概念的定义. 1.1样本间距离和类间距离 样本间距离表明了样本之间的相似相异性程度.常用的 样本间距离有：绝对值距离、欧几里得距离、闵可夫斯基距 离、契比雪夫距离、定性变量样本间距离等多种定义方式， 鉴于本文所研究的人员—管理制度网络网络权值的离散性 质，采用定性变量样本间距方式定义样本间距离.设样本为 其中，n为样本的个数，m为项目的个数，rk为第k个项 目的类目数，r1+r2+···+rm=p， 称δi(k，l)为第k个项目的类目l在第i个样本中的反应. 两个样本x(i)，x(j)，若δi(k，l)=δj(k，l)=1，则称这 两个样本在第k个项目的第l类目上1-1配对；
若δi(k，l)= δj(k，l)=0，则称其在第k个项目的第l类目上0-0配对；
若 δi(k，l)≠δj(k，l)，则称其在第k个项目的第l类目上不 配对.记m1，m0和m2分别为x(i)和x(j)在m个项目上所有类目中1-1配对、0-0配对和不配对的数目.显然有 则样本x(i)和x(j)之间的距离可定义为 本文采用离差平方和法定义类间距，基于方差分析思想， 即如果分类分得正确，则同类样本之间的离差平方和应该较 小，不同类样本之间的离差平方和应该较大.设类GK和GL合 并成新的类GM，则GK，GL，GM的离差平方和分别为 其中，，和分别是GK，GL和GM的重心.所以WK，WL和WM 反映了各自类内样本的分散程度.如果GK和GL这两类相距较 近，则合并后所增加的离差平方和WM-WK-WL应较小；
反之， 则应较大.于是定义GK和GL之间的平方距离为 它的递推公式为 其中，nK，nL，nM和nJ分别为GK，GL，GM以及另外任何 一个类GJ中节点的个数，利用该式可由未合并GK和GL两类之 前的各类间距离计算出合并之后的各类间距离. 1.2聚类结果量化评估指数 设A为所有N个节点的总体，Ai⊂A为由标签为i的节点组 成的子类，Aij∈Ai为Ai中的第j个节点，aij为Aij在聚类结 果中所处的位置.为了描述子类的凝聚程度，用以定量揭示 班组凝聚度或者同类管理制度之间的相似性程度，本文定义 标签为i的节点子类Ai的聚集性指数为 式中，为Ai中所有节点两两距离之和，为假设节点均匀 分布时，Ai中所有节点两两距离之和的期望值，当节点总数 N足够大时，其值近似为.由式(8)的定义可知，当子类Ai中的个体在聚类树中相距越远时，C(Ai)的值就越小，因此该 值能够用来度量子类的凝聚程度.而增加期望一项后便排除 了节点规模因素的干扰. 为了寻找具有特殊行为的班组人员或者具有特殊表现 的管理制度，本文定义了特异性指数，其定义为 同时，定义使得O(Ai)取得最大值的对应节点Ail为特异 节点.由式(9)可以看到，当子类Ai中存在某个离其他节点的 平均位置距离较远的节点时，O(Ai)的值就比较大，因此特 异性指数O(Ai)表征了Ai中某节点与其他节点中心的最大偏 移，可用于计算Ai中的特殊节点.对于一维序列，特异节点 只在两边缘取值. 在实际应用中，往往要求按一定的规则对节点进行分组， 如为了对企业员工进行有针对性的培训，就要求将具有相近 行为方式的员工均匀地分为几组.为了同时满足分组的均匀 性(每组结点个数相差尽量小)和相近性(同组内节点距离尽 量小)并保证分组个数在允许的范围，本文采用如下算法对 聚类结果进行分组：
步骤1.设定分组个数的允许范围为r1-r2；

步骤2.从聚类结果树状图的树根开始，使其左右两支各 为一组，记此分组为R2；

步骤3.选取分组Ri中基数最大的一组，使其在聚类结果 中对应子树的左右两支各为一组，得到新的分组Ri+1；

步骤4.重复步骤3，直到把所有节点分为r2个组；
步骤5.选取组数为r1-r2的分组，计算最小方差分组指 数D(A)，满足最小方差分组指数的分组即为最优分组. 其中，最小方差分组指数定义为 式中，Ri(A)为对节点集合A的一个分组，为满足分组方 式约束的所有分组组成的集合，P(Ri(A))为Ri(A)中各组基 数组成的集合，Var(P(Ri(A)))为P(Ri(A))的样本方差.该指 数可以很好地评估分组的均匀性，指导寻找最合理的分组方 式. 2数据描述与处理 为了解决复杂工业过程中面对的管理难题，中国科学院 自动化研究所复杂系统管理与控制国家重点实验室依据平 行管理方法，为中国石化茂名分公司开发了平行管理系统 [19-20]，得到了成功的应用.本文所用数据即为由平行管理 系统收集的茂名乙烯裂解车间五个班组分离主操的班组考 核记录.考核结果记录在考核表中，表格由考核日期、考核 人、岗位、被考核人、班组、理由、分值、性质、制度标准 号等内容构成.通过考核表格可以清楚地获取某人在什么时 间贯彻或违背了哪条管理制度，因而得到加分或扣分.需要 指出的是，由于考核记录中扣分项目用得很少，本文的分析 主要针对的是加分的情况. 在此基础上，通过对原始数据进行处理，可以构建由班 组人员和管理制度组成的二分网络，数据的具体处理过程 为：1)把考核记录上涉及到的人员和管理制度提取出来，用 两类节点表示；

2)分别对人员和管理制进行编号.人员编号依据其所在 班组，管理制度编号依据其在岗位守则中所属大类；

3)定义人员和管理制度之间的连接权重.如果某员工获 得了某条管理制度规定的加分，则认为该员工与该管理制度 之间存在联系并赋权值为1，否则为0. 4)由以上方式构建的二分图即为人员和管理制度的二 分网络. 图1为该二分网络图.图中，圆圈代表五个班组的分离主 操；
方框代表管理制度；
圆圈与方框之间的连线代表员工和 管理制度间的联系，即如果第i个圆圈与第j个方框之间存在 连线，则代表第i个员工得到了第j条管理制度的加分，这些 连线决定了聚类过程中如式(1)所示的样本的值. 3结果分析 对原始数据进行处理后，分别利用式(4)和式(6)计算样 本间距离和类间距离，通过重复实施把类间距最小的两类归 为一类，最终把所有节点归为一类，实现聚类分析.图2为用 R软件绘出的班组人员的聚类结果树状图[26]，其中节点标 号的第一个数字代表该员工所在的班组.图中展示了节点逐 渐聚为一类的过程，图中在横轴上相邻的节点其样本间距离 也比较小. 为了进一步量化分析，根据聚类结果，分别计算各个班组的聚集性指数、特异性指数和最小方差分组指数，计算结 果如表1所示. 图2班组人员的聚类分析结果树状图 Fig.2Dendrogramoftheclusteringanalysisofworkers 图2班组人员的聚类分析结果树状图 Fig.2Dendrogramoftheclusteringanalysisofworkers下载 原图 从表1来看，在聚集性指数方面，一班最高，五班最低， 其他各班均接近于1.这说明一班班组人员具有较高的班组 凝聚度，某种程度上反映出一班比五班团结，这在实际调研 中得到了印证；
在特异性指数方面，除四班外其他各班的特 异性指数均小于0.5，而四班的特异性指数达到0.6095，这 表明四班的特异节点H4.3对班组影响较大.通过调查，发现 在本文考察的时段里H4.3请过多次病假，应该引起关注；
通 过聚类结果把所有节点分为3组：1∼6，7∼14和15∼21，最小 方差分组指数为1.0000，分组均匀.这样在平时培训时便可 以以此为依据对员工进行有针对性的分组培训，而且在班组 之间需要换岗替岗时可以选取分在同组的人员进行调换，使 得调换对班组影响最小. 采用类似的思路对管理制度进行聚类，便得到如图3所 示的管理制度聚类结果树状图，其中节点标号的第一个数字 代表管理制度所在的大类.根据聚类结果，分别计算各类管 理制度的聚集性指数、特异性指数和最小方差分组指数等指标，计算结果如表2所示. 从表2来看，第4类管理制度的聚集性指数最高，第3类 和第9类较高，第1类和第2类接近于1，这表明第4类管理制 度约束的员工属性比较接近，订立得比较合理，而第2类管 理制度约束的是员工的不同属性，应该对第2类管理制度进 行更深入地细化或重新归类.第1、2类的特异性指数均比较 大，分别为0.6136和0.7500，因此R1.1和R2.1需要特别关注， 通过查看原始资料发现R2.1为“全月工作积极，认真做好干 燥器切换工作”，这条制度显然太笼统，容易过多地引入主 观因素，建议对其改进；
通过聚类结果把所有节点分为5组：
1∼3，4∼5，6∼9，10∼14和15∼22，最小方差分组指数为5.3000， 分组不均匀.通过观察管理制度聚类结果树状图可以发现其 表现为一种不对称的自相似结构，这说明各条管理制度之间 存在高度的耦合，建议在订立管理制度时尽量保持各条制度 的独立性.由于第7、8类制度只有一条，因此不计算其聚集 性指数和特异性指数，也没有特异节点，表2中用ø标出. 4结论 以往的班组管理研究，一般都只能提供原则性的指导意 见，缺乏有针对性和可拓展性的量化分析结果[1，27-28]；

或者只关注生产数据的获取过程，只对数据进行表层分析， 而不探究数据包含的深层含义[29-30].本文依据平行系统 理论，以实际获取的生产数据为基础，在数据进行了严格的 处理后，深入地挖掘了这些数据的深层含义，可以为企业班组管理的研究提供一个新的范式. 本文通过构建的人员和管理制度二分网络，实现了对班 组人员和管理制度的聚类分析，所得结果可以很好地展示班 组的实际状态.通过定义聚集性指数、特异性指数、最小方 差分组指数等一系列指标对聚类结果进行分析，能够实现对 班组管理的量化评估，并在最后给出了班组管理的相应改进 建议. 本文对平行管理方法在企业班组管理中的应用进行了 具体而深入的研究.与传统管理方法相比，平行管理方法能 够克服复杂生产系统难于建模，甚至不能建模的问题，能够 实现对复杂生产系统的量化评估.平行管理方法就是要把人 工系统和计算试验的方法引入现代企业管理中，最终通过人 工系统和真实系统的平行执行，实现对企业管理的分析和优 化. 在后续的研究中，我们将在继续讨论其他计算实验方法 的基础上，逐步展开对企业班组的人工系统建模和平行执行 方法的研究.