Экспертная система подбора кадров. Автоматизированная экспертная система отбора кадров Экспертная система по подбору кадров

Введение

Все чаще речь идет не о точечном, индивидуальном отборе, а о массовом рекрутменте, когда нужно за короткий срок подобрать множество кандидатов одновременно. И сделать это не только быстро, но и максимально эффективно (да еще и с минимальными затратами). Представьте, сколько трудностей необходимо преодолеть, чтобы реализовать такой большой проект. Речь об управлении огромным объемом информации, множеством ресурсов и каналов. Не каждой компании, кадровой службе по плечу такая задача. И не каждая система, программное обеспечение по подбору персонала справится с этим. Зачастую у кадровиков просто нет необходимого инструментария, опыта и знаний для осуществления подобного рода проектов.

Экспертная система - это система, которая объединяет возможности компьютера и знания вместе с опытом эксперта в такой форме, что может дать разумный совет или осуществить разумное решение поставленной задачи. К дополнительному свойству экспертной системы можно отнести способность пояснять ход своих рассуждений в понятной для пользователя форме.

Для этого необходимо разработать программное средство, то есть "Экспертную систему по подбору кадров с использованием нейронной сети".

Целью данной курсовой работы является изучение системы работы с кадровым учетом по отбору кандидатов на ту или иную должность.

Выгоды и преимущества автоматизации подбора сотрудников с помощью "Экспертной системы":

· Сокращение трудозатрат, связанных с вводом информации;

· Убыстрение поиска и привлечения кандидатов.

· Постоянный рост базы.

· Упрощенный учет, исключение потери данных.

подбор кадр экспертная система

· Качественная, полноценная проработка информации о требованиях на вакансию.

Описание экспертной системы по подбору кадров

Описание для разработки постановка задачи

Как правило, экспертные системы создаются для решения практических задач в некоторых узкоспециализированных областях, где большую роль играют знания специалистов. Экспертные системы были первыми разработками, которые смогли привлечь большое внимание к результатам исследований в области искусственного интеллекта.

Экспертные системы имеют одно большое отличие от других систем искусственного интеллекта: они не предназначены для решения каких-то универсальных задач, экспертные системы предназначены для качественного решения задач в определенной разработчиками области, в редких случаях - областях.

Основанием разработки программы является выполнение курсовой работы по дисциплине "Интеллектуальные системы и технологии" на примере "Экспертной системы по подбору персонала с использованием нейронной сети". Программа должна быть разработана для оптимизации подбора кадров.

Назначение разработки

Экспертная система предназначена для хранения и обработки сведений о подборе кадрового персонала. Программное средство "Экспертная система по подбору кадров на основе нейронной сети" может существенно упростить задачу по поиску с помощью характеристика объекта информации о самом объекте, который имеет эти характеристики. Данное программное средство разработано не только для кадрового учета она также имеет возможность применяться и в других сферах деятельности.

Требования к надежности

Надежность системы в целом зависит от надежности используемой операционной системы.

Экспертная система должна за приемлемое время найти решение, которое было бы не хуже, чем то, которое может предложить специалист в этой предметной области.

Требования к программе

Основным требованием к "Экспертной системе по подбору персонала на основе нейронной сети" является функция по подбору персонала с помощью фактора.

Требование к функциональным характеристикам

Программа должна обеспечивать возможность выполнения перечисленных ниже функций:

· Изменять характеристика объекта и сам объект;

· Добавлять/изменять, удалять характеристики объекта и сам объект;

· Сохранять/загружать базу хранения информации об объекте;

· Осуществлять обучение сети;

· Выполнение вопроса по подбору кадров.

Требование к составу и параметрам технических средств ЭВМ

В качестве компьютера должен использоваться компьютер с характеристиками, не ниже следующих:

· процессор Intel Pentium 1000 МГц;

· объем оперативной памяти - 512 Мб;

· объем HDD - 30 Гб.

В качестве операционных систем может использоваться:

· Microsoft Windows XP и выше.

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

Федеральное государственное бюджетное образовательное учреждение

Высшего профессионального образования

"Сибирский государственный аэрокосмический университет имени академика М.Ф. Решетнева"

Институт информатики и телекоммуникаций

Кафедра информатики и вычислительной техники

Курсовой проект

по дисциплине : Интеллектуальные системы и технологии

на тему : " Разработка экспертной системы по подбору кадров на основе нейронной сети"

Выполнил: ст-т гр. БИСЗУ 13-01

Бобков А.И.

Проверил: руководитель работы

Дамов М.В.

Красноярск, 2016

  • Введение
  • 1.1 Описание для разработки постановка задачи
  • 1.2 Назначение разработки
  • 1.3 Требования к надежности
  • 1.4 Требования к программе
  • 1.5 Требование к функциональным характеристикам
  • 2.1 Структура входных данных
  • 2.2 Руководство программиста
  • 2.3 Руководство пользователя
  • Заключение
  • Приложение

Введение

Все чаще речь идет не о точечном, индивидуальном отборе, а о массовом рекрутменте, когда нужно за короткий срок подобрать множество кандидатов одновременно. И сделать это не только быстро, но и максимально эффективно (да еще и с минимальными затратами). Представьте, сколько трудностей необходимо преодолеть, чтобы реализовать такой большой проект. Речь об управлении огромным объемом информации, множеством ресурсов и каналов. Не каждой компании, кадровой службе по плечу такая задача. И не каждая система, программное обеспечение по подбору персонала справится с этим. Зачастую у кадровиков просто нет необходимого инструментария, опыта и знаний для осуществления подобного рода проектов.

Экспертная система - это система, которая объединяет возможности компьютера и знания вместе с опытом эксперта в такой форме, что может дать разумный совет или осуществить разумное решение поставленной задачи. К дополнительному свойству экспертной системы можно отнести способность пояснять ход своих рассуждений в понятной для пользователя форме.

Для этого необходимо разработать программное средство, то есть "Экспертную систему по подбору кадров с использованием нейронной сети".

Целью данной курсовой работы является изучение системы работы с кад ровым учетом по о т бору кандидатов на ту или иную должность .

Выгоды и преимущества автоматизации подбора сотрудников с помощью "Экспертной системы":

· Сокращение трудозатрат, связанных с вводом информации;

· Убыстрение поиска и привлечения кандидатов.

· Постоянный рост базы.

· Упрощенный учет, исключение потери данных.

подбор кадр экспертная система

· Качественная, полноценная проработка информации о требованиях на вакансию.

1. Описание экспертной системы по подбору кадров

1.1 Описание для разработки постановка задачи

Как правило, экспертные системы создаются для решения практических задач в некоторых узкоспециализированных областях, где большую роль играют знания специалистов. Экспертные системы были первыми разработками, которые смогли привлечь большое внимание к результатам исследований в области искусственного интеллекта.

Экспертные системы имеют одно большое отличие от других систем искусственного интеллекта: они не предназначены для решения каких-то универсальных задач, экспертные системы предназначены для качественного решения задач в определенной разработчиками области, в редких случаях - областях.

Основанием разработки программы является выполнение курсовой работы по дисциплине "Интеллектуальные системы и технологии" на примере "Экспертной системы по подбору персонала с использованием нейронной сети". Программа должна быть разработана для оптимизации подбора кадров.

1.2 Назначение разработки

Экспертная система предназначена для хранения и обработки сведений о подборе кадрового персонала. Программное средство "Экспертная система по подбору кадров на основе нейронной сети" может существенно упростить задачу по поиску с помощью характеристика объекта информации о самом объекте, который имеет эти характеристики. Данное программное средство разработано не только для кадрового учета она также имеет возможность применяться и в других сферах деятельности.

1.3 Требования к надежности

Надежность системы в целом зависит от надежности используемой операционной системы.

Экспертная система должна за приемлемое время найти решение, которое было бы не хуже, чем то, которое может предложить специалист в этой предметной области.

1.4 Требования к программе

Основным требованием к "Экспертной системе по подбору персонала на основе нейронной сети" является функция по подбору персонала с помощью фактора.

1.5 Требование к функциональным характеристикам

Программа должна обеспечивать возможность выполнения перечисленных ниже функций:

· Изменять характеристика объекта и сам объект;

· Добавлять/изменять, удалять характеристики объекта и сам объект;

· Сохранять/загружать базу хранения информации об объекте;

· Осуществлять обучение сети;

· Выполнение вопроса по подбору кадров.

1.6 Требование к составу и параметрам технических средств ЭВМ

В качестве компьютера должен использоваться компьютер с характеристиками, не ниже следующих:

· процессор Intel Pentium 1000 МГц;

· объем оперативной памяти - 512 Мб;

· объем HDD - 30 Гб.

В качестве операционных систем может использоваться:

· Microsoft Windows XP и выше.

2. Разработка экспертной системы по подбору кадров

2.1 Структура входных данных

Входные данные программы должны быть организованы в виде вводимого в специальную форму текста или сохранение/загрузка файла, соответствующего определенному шаблону. Данные, вводимые вручную, записываются в соответствующее поле.

Что подразумевается под словом желаемый результат? Это факт, введенный во время обучения нейронной сети "Экспертной системы".

Если мы задали значение факт, что высшее образование, и знание языков программирования. С++, Delphi, 1C: Предприятие, C# - это программист, то это значит, что единицы сигнала падают на входы, закрепленные за признаками "высшее образование" и "знание языков программирования. С++, Delphi, 1C: Предприятие, C#" и нули на остальные входы, а желаемый результат реакции будет равен 1. Если для данных свойств имеется факт, что это не наш объект - то желаемый результат реакции будет равен 0.

В программном средстве "Экспертная система по подбору персонала с помощью нейронной сети" для каждого объекта предусмотрен свой нейрон. Например, когда вы добавляете новый объект, создается новый экземпляр класса RecognizableObject, а в нем создается и экземпляр класса Neuron.

Для реализации программного средства "Экспертная система по подбору кадров на основе нейронной сети" была спроектирована нейронная сеть, которая имеет два параметра:

- характеристика объекта;

- наименование объекта.

Ниже изображено окно ввода признака (свойства) объекта.

Рисунок 1 - Ввод имени признака (свойства) объекта

Используемый класс нейросети изображен ниже:

public class Neuron

// / Входные данные нейросети

public List inputs;

Ниже изображен рисунок 2, на котором видно окно ввода имени объекта при вводе и редактировании.

Рисунок 2 - Ввод имени объекта

2.2 Руководство программиста

Программа состоит из файлов следующих типов:

· ExpertSystemKadru. exs - файл базы данных экспертной системы;

· Neuron. cs - модуль нейронной сети;

· FuncTranc. cs - передаточная функция;

· ExpertSystemKadru. csproj - главный файл проекта;

После запуска файла ExpertSystem. exe на экране появится окно главного проекта.

Рисунок 3 - Окно программы "Экспертная система по подбору кадров на основе нейронной сети"

Ниже изображен рисунок 4, вопрос "Экспертной системе по подбору кадров" далее необходимо выбрать признак объекта который необходимо идентифицировать.

Рисунок 4 - Окно вопроса "Экспертная система по подбору кадров на основе нейронной сети"

Ниже изображен рисунок 5, вывод ответа на вопрос "Экспертной системе по подбору кадров" с помощью нейронной сети мы подали на вход два значения получили ответ, на определенную должность имеющий этот признак в данном случае "Специалист по подбору персонала" содержит характеристику "Высшее образование, Знание 1С: Предприятие Зарплата и кадры государственного учреждения редакция 2-3". Ответ на выходе нейронной сети подал верный сигнал.

Рисунок 5 - Окно вывода результата с помощью нейронной сети "Экспертная система по подбору кадров на основе нейронной сети"

Основная задача экспертной системы - по заданному набору признаков распознать объект.

2.3 Руководство пользователя

В ходе курсового проектирования была разработана "Экспертная система по подбору персонала на основе нейронной сети". Руководство пользователя по работе с данным программным средством представлено в таблице 1.

Таблица 1 - Действия пользователя при работе с программой.

Операция

Действия пользователя

Действие программы

Запуск программы

ExpertSystem. exe

Появится главное окно программы

Выбор раздела - Файл

Нажатие на кнопку - Загрузить

Необходимо указать файл сохраненной базы "Экспертной системы по подбору персонала"

Необходимо указать имя файла "Экспертной системы по подбору персонала" для сохранения базовой информации

Нажать на кнопку - Выход

Выход из программы "Экспертной системы по подбору персонала"

Нажать на кнопку-Добавить свойство

Добавляет в список поля свойства для объектов

Нажатие на кнопку - Редактировать свойство

Редактирует выбранное свойство

Нажатие на кнопку - Удалить свойство

Удаляет в том, случае если нет списка объектов, иначе запрет на удаление свойства

Нажать на кнопку - добавить объект

Добавляет в список поля объект

Нажать на кнопку - редактировать объект

Редактирует выбранный объект

Нажатие на кнопку - удалить объект

Удаляет данный объект

Продолжение таблицы 1 - Действия пользователя при работе с программой.

Произвести обучение по сети

Нажатие на кнопку - Ввод факторов о кадрах

Выбор объекта в качестве входного параметра и создание фактора для этого объекта с выбором свойства для подбора персонала

Выполнить вопрос

Нажатие на кнопку - Выполнить вопрос

Экспертная система находит объект по совокупности признаков

О программе

Высвечивается информация о разработчике

Когда пользователь выполняет (задает) вопрос Экспертной системе, выбирая нужные признаки, на соответствующие входы подаются сигналы 1, а на остальные, невыбранные - 0. При чем у каждого нейрона. Если выходной сигнал будет равен 1 - это наш объект (должность наша), если 0 то нет (не знает объект или должность). Может быть и так, что заданным признакам соответствует несколько объектов. Программа сообщит об этом, может произойти так, что и ни одного. Тогда "Экспертная система" ответит: "Я не знаю, что это за вакансия".

2.4 Тестирование программного средства

В целом "Экспертная система по подбору кадрового" работает хорошо, хотя возможны и ложные срабатывания. Выход решения с такими ложными срабатываниями заключатся в том, что бы в процессе обучения задать экспертной системе больше фактов, особенно, касающихся факта, что "Это не тот объект". Например, наряду с фактами что "Высшее образование и знание 1С - это Бухгалтер" полезно задать факты, что "стаж вождения 3 года и высшее образование - это Бухгалтер", "знание языков программирования С++, С# - это не огурец" кислый и оранжевый - это не Бухгалтер".

Рисунок 6 - Окно вывода факта "Экспертная система по подбору кадров на основе нейронной сети"

Ниже изображен рисунок 7 выполнение вопроса в "Экспертной системе".

Рисунок 7 - Окно вывода факта "Экспертная система по подбору кадров на основе нейронной сети"

Экспертная система реализована в виде отдельных форм: главная форма, формы редактирования и обучения сети, а также форма принятия решений экспертной системы. Форма принятия решений использует созданную базу знаний для поиска конкретной информации и на тот или иной объект, чтобы его отыскать.

Заключение

В результате выполнения курсовой работы были изучены основные современные принципы построения экспертных систем в различных областях, изучены структура и принципы функционирования экспертных систем, их классификация и характеристики.

Далее была проанализирована возможность построения экспертной системы для решения задачи подбора персонала, а при помощи экспертной системы на основе нейронной сети. Было реализовано развернутое техническое задание на проектирование такой системы.

В качестве программной системы реализации экспертной системы выбрана система Visual Studio Professional 2010 в качестве языка программирования C#.

Данная система выбрана как наиболее подходящая с точки зрения реализации принципов объектно-ориентированного программирования. Была создана структура классов, разработаны формы и их программные модули.

Разработанная система может быть использована в качестве системы по подбору персонала и др.

Список используемой литературы

1. Агуров П.В. C#. Сборник рецептов. 2007, 429 стр. djvu;

2. Ишкова Э.А. Самоучитель C#. Начала программирования 2013 год;

3. Уотсон Карли и др. C# 2008 Базовый курс. 2009, 1211 стр. djvu;

4. Как построить свою экспертную систему: Нейлор К. 1991 год;

5. Хайкин С. Нейронные сети: Полный курс 2006 год.

Приложение

Приложение А

ЛИСТИНГ ПРОГРАММЫ

Модуль - Neuron

using System. Collections. Generic;

namespace ExpertSystem

// / Объявление класса нейрона

public class Neuron

// / Генератор случайных чисел

private static Random rnd = new Random ();

// / Входные данные нейросети

public List inputs;

// / Выходной результат нейросети

public double output;

// / Весовые коэффициенты нейросети

public List weights;

// / Передатчоная функция

public FuncTranc trans;

// / Коэффициент обучения нейронной сети

public double mu;

// / Конструктор по количеству весов

// /Количество весов

// /Передаточная функция

public Neuron (int a_count, FuncTranc a_trans)

inputs = new List ();

weights = new List ();

for (int i = 0; i < a_count; i++)

inputs. Add (0);

weights. Add (rnd. NextDouble () * 2 - 1);

public void compute ()

for (int i = 0; i < weights. Count; i++)

res += (weights [i] * inputs [i]);

output = trans.compute (res);

// / Обучение нейрона

// / Желаемая реакция

// / Входной вектор

public void study (double t, List a_inputs)

double y = output;

double dty = t - y;

trans. study (mu, dty);

for (int i = 0; i < weights. Count; i++)

weights [i] = weights [i] + mu * dty * a_inputs [i];

// / Установить входные параметры

// / Список чисел

public void set_incomes (List a_incomes)

if (a_incomes. Count! = inputs. Count) throw new Exception ("Neuron: set_incomes: Указано неверное число входных параметров!");

int cn = a_incomes. Count;

for (int i = 0; i < cn; i++)

inputs [i] = a_incomes [i];

Модуль - передаточной функции FuncTranc

namespace ExpertSystem

{ // / Класс констант кодов передаточной функции

public static class TransFuncConstId

// / Пороговое значение

public const int ThresholdId = 1;

// / Трехуровневая передаточная функция

public const int ThreeLevelsId = 2;

// / Сигмоидная передаточная функция

public const int SignFuncId = 3;

// / Линейная функция с насыщением

public const int LinearSaturationId = 4;

// / Гаусоовская передаточная функция

public const int GaussFuncId = 5;

// / Передаточная функция "Как есть"

public const int AsisId = 6;

// / Количество видов передаточных функций

public const int TransFuctionCount = 6;

// / Интерфейс передаточной функции

public interface FuncTranc

// / Проверить эквивалентность передаточной функции

// / Другой объект передаточной функции

// / true - эквивалентны, false - разные

bool is_equal (FuncTranc a_func);

// / Передаваемое значение

// / Результат расчета

double compute (double a_income);

// / Создать самостятельную копию передаточной функции

// / Самостоятельная копия

FuncTranc clone ();

// / Идентифкационный код передаточной функции

// /Проверка корректности передаточной функции

// /true - корректная, false - некорректная

bool valid (double min, double max);

// / Обучение передаточной функции

// / Коэффицент обучения

// / Разница между желаемым и реальным исходом

void study (double mu, double dty);

Размещено на Allbest.ru

Подобные документы

    Описание входной и выходной информации. Требования к комплексу технических средств и к интерфейсу конечного пользователя. Разработка форм представления входных и выходных данных. Проектирование программных модулей. Руководство пользователя и программиста.

    курсовая работа , добавлен 27.06.2015

    Общая характеристика киноиндустрии как предметной области работы. Разработка базы данных и дерева вопросов для получения информации для выбора фильма. Программная реализация экспертной системы. Тестирование системы и создание руководства пользователя.

    курсовая работа , добавлен 19.05.2014

    Особенности алгоритмов, критерии качества. Создание и применение программного продукта на языке Delphi. Тип операционной системы. Внутренняя структура программного продукта. Руководство пользователя и программиста, расчет себестоимости и цены программы.

    дипломная работа , добавлен 12.06.2009

    Технико-экономические показатели деятельности организации. Требования к информационной и программной совместимости. Описание нормативно-справочной информации. Требования к функциональным характеристикам. Руководство пользователя и программиста.

    отчет по практике , добавлен 23.02.2011

    Базовые принципы правового регулирования трудовых отношений. Проектирование автоматизированной информационной системы "Отдел кадров", программная реализация, тестирование. Состав базы данных, методы анализа надежности системы, руководство пользователя.

    дипломная работа , добавлен 11.03.2010

    Структура типичной экспертной системы. База данных (рабочая память), её назначение. Функция getsport как экземпляр класса cSport. Алгоритм работы экспертной системы. Реализация пользовательского интерфейса. Результаты тестирования системы пользователем.

    курсовая работа , добавлен 13.06.2012

    Проектирование программного модуля: сбор исходных материалов; описание входных и выходных данных; выбор программного обеспечения. Описание типов данных и реализация интерфейса программы. Тестирование программного модуля и разработка справочной системы.

    курсовая работа , добавлен 18.08.2014

    Разработка экспертной системы по выбору языка программирования для данного программного обеспечения. Выбор и обоснование механизма вывода решения. Дерево базы знаний экспертной системы. Программа формирования основного меню, руководство пользователя.

    курсовая работа , добавлен 15.08.2012

    Разработка программы, позволяющей реализовать шифрование и дешифрование текстового файла методом замены и методом перестановки. Требования к функциональным характеристикам, надежности, составу и параметрам технических средств ПО. Интерфейс пользователя.

    курсовая работа , добавлен 30.04.2011

    Создание интеллектуальной экспертной системы по подбору комплектующих для стационарного компьютера. Медицина как пример экспертной системы с использованием метода Криса-Нейлора. Извлечение знаний, их структурирование, представление, стратегия вывода.


Экспертные системы - это программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях и тиражирующие их для консультирования менее квалифицированных пользователей.
Основная разница между информационно-поисковыми и экспертными системами заключается в том, что первые осуществляют лишь поиск имеющейся в их базе заданной информации, а вторые - еще и логическую переработку ее с целью получения новой информации. Именно это обстоятельство делает экспертные системы по-настоящему интеллектуальными.
Структура типичной экспертной системы, или как ее еще называют, системы, основанной на знаниях, представлена на схеме:

Архитектура экспертной системы

Ядро системы - база знаний. (Сравните: у информационно-поисковых систем - база данных.) Что же представляет собой база знаний? Это совокупность знаний в определенной области, в данном случае - в области управления персоналом, кадрового делопроизводства, записанная на машинном носителе.
Прежде чем наполнить это ядро знаниями, необходимо найти экспертов (отсюда название: экспертные системы), т.е. профессионалов-практиков высокого уровня в данной предметной области. Современные базы знаний используют практический опыт десятков и даже нескольких сотен и тысяч экспертов, причем эти базы знаний можно постоянно развивать и дополнять, что и делают их разработчики.
В результате объединения в одной экспертной системе знаний нескольких экспертов можно получить систему, которая помогает решать такие задачи и на таком высоком уровне, который недоступен по отдельности даже самому хорошему специалисту.
Получить знания от эксперта (экспертов) не так просто, как кажется. Это целое научное направление в области искусственного интеллекта - инженерия знаний. Специалист, представляющий это направление, называется инженером по знаниям. Он выступает в роли буфера между экспертом и базой знаний. Основная его задача - получить знание от экспертов, затем выделить ключевые понятия, отношения и характеристики, необходимые для описания процесса решения задачи, структурировать эти знания и выбрать способ представления их (модель) для последующего наполнения ядра системы.
Сама предметная область это, по существу, более или менее четко очерченная проблема или область деятельности. Например, экспертные системы нашли применение в таких предметных областях, как метеорология, медицина, управление персоналом и т.д.
Если предметная область большая, то ее необходимо разделить на подпроблемы (соответственно цели - на подцели, задачи - на подзадачи), не нарушая при этом общую ее логическую структуру. В этом случае экспертная система будет состоять из нескольких модулей (блоков). Чаще всего именно так строятся кадровые экспертные системы, поскольку предметная область этой сферы деятельности и спектр решаемых задач очень большие.
Не вдаваясь в технические подробности, отметим, что одной из наиболее распространенных моделей представления знаний является так называемая продукционная модель. То есть знание представляется в виде правил (утверждений, высказываний), сформулированных на основе знаний экспертов, в форме: ЕСЛИ (условие), ТО (действие), ИНАЧЕ (действие).

Таким образом, база знаний экспертной системы представляет собой:

Свод эмпирических (опытных) правил истинности высказываний (заключений) экспертов по данной проблеме;
- свод эмпирических данных и описания проблем, вариантов их разрешения.

Приведем простейший пример правила базы знаний кадровой экспертной системы. Как известно, руководство многих предприятий и организаций при приеме на работу сотрудников назначает им испытательный срок. Однако на некоторых лиц, согласно действующему законодательству, эта норма не распространяется. Например, на лиц, не достигших 18 лет.

Вот как может выглядеть правило, описывающее эту ситуацию в базе знаний:

IF: выберите кадровую операцию прием на работу
AND: возраст работника до 18 лет
THEN: испытательный срок не устанавливается.

То есть для пользователя (сотрудника кадровой службы) достаточно ввести в систему исходные данные - и ответ готов.
Кроме базы знаний в экспертной системе имеется программа логического вывода - программа, моделирующая ход "рассуждений" системы, а также интерфейс пользователя и подсистема объяснений. Интерфейс пользователя -это программа, позволяющая вести диалог пользователя с экспертной системой как на стадии ввода информации, так и на стадии получения результатов. Подсистема объяснений - это программа, позволяющая пользователю получить ответ на вопрос: "Как и почему система пришла к такому решению?" Развитые подсистемы объяснений поддерживают и другие типы вопросов. Интеллектуальный редактор базы знаний (см. схему) - программа, представляющая инженеру по знаниям возможность создавать базу в диалоговом режиме.
При решении вопроса о приобретении экспертной системы необходимо определиться, какие цели при этом преследуются. Тиражирование знаний? Повышение качества принимаемых решений? Автоматизация рутинных аспектов работы? Или какие-то другие цели? Первые две позиции несомненно являются целями экспертных систем для кадровой деятельности. Все зависит от специфики решаемых в организации задач.

Экспертные системы для кадровой деятельности условно можно разделить на следующие группы в зависимости от решаемых задач:
- многофункциональные системы (решаемые задачи: профориентация, профотбор, аттестация работников, формирование резевра и т.д.);
- системы для группового анализа состояния персонала (задачи стратегические: анализ и оптимизация структуры организации, определение тенденций развития подразделений и т. д.);
- системы для специалистов-психологов (выявление негативных проявлений работников, в т.ч. криминальных наклонностей, скрытой конфликтности, негативных тенденций в подразделениях и организации в целом).

Экспертные системы последнего поколения (разработчики говорят уже о пятом поколении) для кадровой деятельности построены по принципу "прецедента", т.е. личные, профессиональные и психофизиологические качества кандидата сравниваются с аналогичными параметрами лучших специалистов. Таким образом, экспертная система позволяет формировать команду, которая максимально соответствовала бы запросам руководителя.

Отметим основные возможности, которые предоставляют экспертные системы для улучшения деятельности кадровых служб, в частности - наиболее известные отечественные программные комплексы "Служба персонала" и "Консалтинг персонала" (разработчик НПО "Эталон"):

1) оптимизация структуры предприятия на основе многомерного анализа позитивных и/или негативных тенденций развития и состояния персонала, анализ имиджа руководителя, характера его взаимоотношений с коллективом;

2) определение для каждого работника профессиональных, психологических, физиологических параметров, выявление и оценка его негативных проявлений, особенностей поведения в конфликтной ситуации, совместимости, самооценки, потенциальных возможностей, социально-психологической компетентности, формирование для работника различных текстовых характеристик и т.д.;

3) общая и целевая профориентация, профотбор, прием на работу, сокращение штатов, аттестация, оценка профпригодности работника и его способности к обучению, получение рекомендаций по наиболее эффективному использованию каждого работника в конкретных условиях предприятия, создание профилей профессий, должностей, "негативных" профилей и т.п.

Экспертные системы позволяют получать нужные результаты как в ходе непосредственного контакта с обследуемым, так и без его непосредственного контакта с компьютером. Во втором случае, после заполнения обследуемым специальных бланков для ответов, оператор вводит данные в систему напрямую. Это дает возможность резко сократить сроки проведения обследования коллектива. Но при анализе самооценки и психофизиологических характеристик, межличностной совместимости необходим непосредственный контакт тестируемого лица с компьютером.

Эти экспертные системы также позволяют хранить и сравнивать для каждого работника результаты обследований и любую дополнительную текстовую и цифровую информацию, формировать резерв на выдвижение, ранжировать персонал предприятия по степени выраженности требуемых качеств и т.д.

На что надо обратить внимание кадровым службам при принятии решения об использовании экспертных систем.
1. Эти системы должны позволять реализовывать экспорт и импорт информации; осуществление экспорта и импорта информации лучше через стандартный текстовый файл или буфер обмена (возможно, это будет отдельный модуль). Это позволит соблюсти принцип единого информационного пространства.
2. Система должна быть надежно защищена от несанкционированного доступа к данным, так как большей частью информация о персонале является закрытой.
3. Важно, чтобы экспертная система была ориентирована на специфическую сферу деятельности организации (банковская, торговая, консалтинговая и др.), так как во многом именно это определяет уровень требований к персоналу: опыт работы, характер, образование, и т.д. Многие крупные российские предприятия, рекрутинговые агентства, кредитно-финансовые учреждения и службы занятости уже используют экспертные системы в управлении персоналом. В частности, комплекс "Служба персонала" используют у себя более 450 крупных предприятий СНГ.
4. При внедрении отечественных пакетов программ, в отличие от зарубежных, не возникает проблем, обусловленных различиями в российской и западной системах подбора и учета персонала. Это особенно важно, так как речь идет о знаниях экспертов, которые так или иначе приобретали их в определенной стране. Фактор учета менталитета важен и при подборе персонала. Кроме того, цена на отечественные системы на порядок ниже, чем на соответствующие системы наиболее известных западных фирм, а качество зачастую выше.

В числе ведущих российских производителей экспертных систем можно отметить ГП "Диапазон", НПО "Эталон".

Знание информационных технологий и умение правильно выбрать необходимый для работы программный продукт - хороший козырь в руках специалиста по кадровой работе. Экспертные системы могут стать консультантом и помощником в решении многих задач, стоящих перед кадровой службой.
Экспертные системы позволяют объяснять и обосновывать рекомендации и выводы сотрудников службы кадров, помогают приобретать им новые знания, определять свой уровень компетентности по отношению к поставленной задаче и многое другое.

Не стоит бояться, что экспертные системы полностью заменят человека. Пока за человеком остаются преимущества обладания воображением, фантазией, интуицией, ассоциативным мышлением, инстинктами, а самое главное - право принимать то или иное решение, последнее слово остается за человеком-экспертом, а не за экспертной системой.

С. Маликова,
МГТУ им. Н.Э. Баумана

Экспертные системы - это программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях и тиражирующие их для консультирования менее квалифицированных пользователей.
Основная разница между информационно-поисковыми и экспертными системами заключается в том, что первые осуществляют лишь поиск имеющейся в их базе заданной информации, а вторые - еще и логическую переработку ее с целью получения новой информации. Именно это обстоятельство делает экспертные системы по-настоящему интеллектуальными.
Структура типичной экспертной системы, или как ее еще называют, системы, основанной на знаниях, представлена на схеме:

Ядро системы - база знаний. (Сравните: у информационно-поисковых систем - база данных.) Что же представляет собой база знаний? Это совокупность знаний в определенной области, в данном случае - в области управления персоналом, кадрового делопроизводства, записанная на машинном носителе.

Прежде чем наполнить это ядро знаниями, необходимо найти экспертов (отсюда название: экспертные системы), т.е. профессионалов-практиков высокого уровня в данной предметной области. Современные базы знаний используют практический опыт десятков и даже нескольких сотен и тысяч экспертов, причем эти базы знаний можно постоянно развивать и дополнять, что и делают их разработчики.

В результате объединения в одной экспертной системе знаний нескольких экспертов можно получить систему, которая помогает решать такие задачи и на таком высоком уровне, который недоступен по отдельности даже самому хорошему специалисту.

Получить знания от эксперта (экспертов) не так просто, как кажется. Это целое научное направление в области искусственного интеллекта - инженерия знаний. Специалист, представляющий это направление, называется инженером по знаниям. Он выступает в роли буфера между экспертом и базой знаний. Основная его задача - получить знание от экспертов, затем выделить ключевые понятия, отношения и характеристики, необходимые для описания процесса решения задачи, структурировать эти знания и выбрать способ представления их (модель) для последующего наполнения ядра системы.

Сама предметная область это, по существу, более или менее четко очерченная проблема или область деятельности. Например, экспертные системы нашли применение в таких предметных областях, как метеорология, медицина, управление персоналом и т.д.

Если предметная область большая, то ее необходимо разделить на подпроблемы (соответственно цели - на подцели, задачи - на подзадачи), не нарушая при этом общую ее логическую структуру. В этом случае экспертная система будет состоять из нескольких модулей (блоков). Чаще всего именно так строятся экспертные системы в сфере персонала, поскольку предметная область этой сферы деятельности и спектр решаемых задач очень большие.
Не вдаваясь в технические подробности, отметим, что одной из наиболее распространенных моделей представления знаний является так называемая продукционная модель. То есть знание представляется в виде правил (утверждений, высказываний), сформулированных на основе знаний экспертов, в форме: ЕСЛИ (условие), ТО (действие), ИНАЧЕ (действие).

Таким образом, база знаний экспертной системы представляет собой:

  • свод эмпирических (опытных) правил истинности высказываний (заключений) экспертов по данной проблеме;
  • свод эмпирических данных и описания проблем, вариантов их разрешения.

Приведем простейший пример правила базы знаний экспертной системы в сфере персонала. Как известно, руководство многих предприятий и организаций при приеме на работу сотрудников назначает им испытательный срок. Однако на некоторых лиц, согласно действующему законодательству, эта норма не распространяется. Например, на лиц, не достигших 18 лет.

Вот как может выглядеть правило, описывающее эту ситуацию в базе знаний:

  • IF: выберите операцию прием на работу
  • AND: возраст работника до 18 лет
  • THEN: испытательный срок не устанавливается.

То есть для пользователя (менеджера по персоналу) достаточно ввести в систему исходные данные - и ответ готов.
Кроме базы знаний в экспертной системе имеется программа логического вывода - программа, моделирующая ход "рассуждений" системы, а также интерфейс пользователя и подсистема объяснений.

Интерфейс пользователя -это программа, позволяющая вести диалог пользователя с экспертной системой как на стадии ввода информации, так и на стадии получения результатов.

Подсистема объяснений - это программа, позволяющая пользователю получить ответ на вопрос: "Как и почему система пришла к такому решению?" Развитые подсистемы объяснений поддерживают и другие типы вопросов. Интеллектуальный редактор базы знаний (см. схему) - программа, представляющая инженеру по знаниям возможность создавать базу в диалоговом режиме.

При решении вопроса о приобретении экспертной системы необходимо определиться, какие цели при этом преследуются. Тиражирование знаний? Повышение качества принимаемых решений? Автоматизация рутинных аспектов работы? Или какие-то другие цели? Первые три позиции несомненно являются целями экспертных систем для кадровой деятельности. Все зависит от специфики решаемых в организации задач.

Заметим, что термин "кадровая деятельность" применительно к рассматриваемым технологиям стремительно уходит в прошлое. И хотя он (по просьбе редакции) использован в заголовке для лучшего понимания специалистами "старой школы", естественнее и правильнее говорить об экспертных системах как об инструменте работы с персоналом. Какие же существуют специализации подобных систем?

Экспертные системы для работы с персоналом условно можно разделить на следующие группы в зависимости от решаемых задач:
- многофункциональные системы (решаемые задачи: профориентация, профотбор, аттестация работников, формирование резевра, компетенции и т.д.);
- системы для группового анализа состояния персонала (задачи стратегические: анализ и оптимизация структуры организации, определение тенденций развития подразделений и т. д.);
- системы для специалистов-психологов (выявление негативных проявлений работников, в т.ч. криминальных наклонностей, скрытой конфликтности, негативных тенденций в подразделениях и организации в целом).

Действующие экспертные системы для работы с персоналом текущего поколения (разработчики говорят уже и о шестом поколении, имеющем встроенный искусственный интеллект, но пока это лишь прототипы) построены по принципу "прецедента", т.е. личные, профессиональные и психофизиологические качества кандидата сравниваются с аналогичными параметрами лучших специалистов. Таким образом, подобная "прецедентная экспертная система" или ПЭС позволяет формировать команду, которая максимально соответствовала бы запросам руководителя.

Отметим основные возможности, которые предоставляют экспертные системы для улучшения деятельности служб управления персоналом, в частности - наиболее известные отечественные программные комплексы "Служба персонала" и "Консалтинг персонала" (разработчик НПО "Эталон", г. Москва):

  1. Оптимизация структуры предприятия на основе многомерного анализа позитивных и/или негативных тенденций развития и состояния персонала, анализ имиджа руководителя, характера его взаимоотношений с коллективом.
  2. Определение для каждого работника профессиональных, психологических, физиологических параметров, выявление и оценка его негативных проявлений, особенностей поведения в конфликтной ситуации, совместимости, самооценки, потенциальных возможностей, социально-психологической компетентности, формирование для работника различных текстовых характеристик и т.д.
  3. Общая и целевая профориентация, профотбор, прием на работу, сокращение штатов, аттестация, оценка профпригодности работника и его способности к обучению, построение и оценка компетенций, получение рекомендаций по наиболее эффективному использованию каждого работника в конкретных условиях предприятия, создание профилей профессий, должностей, "негативных" профилей и т.п.

Экспертные системы позволяют получать нужные результаты как в ходе непосредственного контакта с обследуемым, так и без его непосредственного контакта с компьютером. Во втором случае, после заполнения обследуемым специальных бланков для ответов, оператор вводит данные в систему напрямую. Это дает возможность резко сократить сроки проведения обследования коллектива. Но при анализе самооценки, психофизиологических характеристик и межличностной совместимости необходим непосредственный контакт тестируемого лица с компьютером.

Эти экспертные системы также позволяют хранить и сравнивать для каждого работника результаты обследований и любую дополнительную текстовую и цифровую информацию, формировать резерв на выдвижение, ранжировать персонал предприятия по степени выраженности требуемых качеств и т.д.

На что надо обращать внимание при принятии решения об использовании экспертных систем.
1. Эти системы должны позволять реализовывать экспорт и импорт информации; осуществление экспорта и импорта информации лучше через стандартный текстовый файл или буфер обмена (возможно, это будет отдельный модуль). Это позволит соблюсти принцип единого информационного пространства.
2. Система должна быть надежно защищена от несанкционированного доступа к данным, так как большей частью информация о персонале является, как известно, законодательно закрытой.
3. Важно, чтобы экспертная система была ориентирована на специфическую сферу деятельности организации (банковская, торговая, консалтинговая и др.), так как во многом именно это определяет уровень требований к персоналу: опыт работы, характер, образование, и т.д. Многие крупные российские предприятия, рекрутинговые агентства, кредитно-финансовые учреждения и службы занятости уже используют экспертные системы в управлении персоналом. В частности, комплексы НПО "ЭТАЛОН" используют у себя более 450 предприятий СНГ, в т.ч. весьма активно - в сфере отечественного среднего бизнеса.
4. При внедрении изначально отечественных систем, в отличие от зарубежных, не возникает проблем, обусловленных различиями в российском и западном менталитете. Это особенно важно, так как речь идет о знаниях экспертов, которые так или иначе приобретали их в определенной стране. Фактор учета менталитета важен и при подборе персонала. Кроме того, цена на отечественные системы на порядок ниже, чем на соответствующие системы наиболее известных западных фирм, а качество зачастую выше.

В числе ведущих российских производителей экспертных систем можно отметить ГП "Диапазон", НПО "Эталон" .

Знание информационных технологий и умение правильно выбрать необходимый для работы программный продукт - хороший козырь в руках специалиста. Экспертные системы могут стать консультантом и помощником в решении многих задач, стоящих перед службами работы с персоналом.
Экспертные системы позволяют объяснять и обосновывать рекомендации и выводы сотрудников таких служб, помогают приобретать им новые знания, определять свой уровень компетентности по отношению к поставленной задаче и многое другое.

Не стоит бояться, что экспертные системы полностью заменят человека. Пока за человеком остаются преимущества обладания воображением, фантазией, интуицией, ассоциативным мышлением, инстинктами, а самое главное - право принимать то или иное решение, последнее слово остается за человеком-экспертом, а не за экспертной системой.

Но нельзя не признать, что анонсирумые экспертные системы 6-го поколения со встроенным интеллектом - когда и если они появятся - еще более сократят разрыв между человеком и компьютером в сфере управления персоналом.

Очевидно, что программная система самостоятельно не сможет понять, что тот или иной документ соответствует информационной потребности пользователя. Но что если человек, а в данном случае эксперт, подскажет ему...

Методы автоматического порождения поисковых эвристик

2. Автоматическое построение набора эвристик 3...

Методы автоматического порождения поисковых эвристик

Обучение экспертной системы происходит независимо для каждой пары (рубрика, вида ресурса). Введем следующие определения, используемые в процессе обучения экспертной системы: Релевантный текст - это текст...

Обзор экспертных систем

Информационная сложность, структурное изменение и увеличение его объемов создают новые необходимые условия к обработке и, как следствие, скорости решения некоторых задач, которые невозможно решить без специальных знаний...

Раздел описания предикатов внутренней базы данных

Чтобы проводить экспертизу, компьютерная программа должна быть способна решать задачи посредством логического вывода и получать при этом достаточно надежные результаты. Программа должна иметь доступ к системе фактов, называемой базой знаний...

Разработка автоматизированной системы управления кадрами АСУ "Отдел кадров"

На рисунке 2.1 изображена обобщенная структура экспертной системы. Рисунок 2.1 - Типовая структура экспертной системы Следует учесть, что реальные ЭС могут иметь более сложную структуру, однако блоки, изображенные на рисунке...

Разработка оболочки экспертной системы

Разработка экспертной системы по подбору кадров на основе нейронной сети

Экспертная система (ЭС) - система, вырабатывающая решения, основанные на базе знаний (БЗ) (в частности на продукционных). Продукционная система (ПС) или Продукция = {РБД, МВ, БЗ} Общая структура экспертной системы (ЭС) показана на рисунке...

Создание экспертной системы для предметной области "Строительство бани на дачном участке"

Объединяя информацию о свойствах объектов и отношениях между ними, получаем набор фактов, которые должны входить в рабочую базу данных (РБД) интеллектуальной системы: РБД = { Баня_1.Построена [ Тип факта: Логический; Начальное значение = false ]...

Экспертная система "Выбор спортивного инвентаря"

Программа представляет собой интерактивную оболочку, которая может задавать пользователю вопросы. Когда программа задает вопрос, пользователь может ответить «Да» или «Нет»...

Экспертная система для автоматизации процессов принятия решения при выборе мотоцикла

Разрабатываемая экспертная система будет состоять из нескольких модулей, языки разработки html, php. На языке html написана разметка страниц системы, управляющие элементы, модуль вопросов...

Экспертные системы

Обобщенная структура экспертной системы представлена на рисунке. Следует учесть, что реальные ЭИС могут иметь более сложную структуру, однако блоки, изображенные на рисунке, непременно присутствуют в любой действительно экспертной системе...