بهبود پیش‌بینی در برنامه‌ریزی منابع انسانی با ارائه مدل زنجیره مارکوف فازی

ازآنجاکه اکثر صاحب‌نظران منابع انسانی را مهم‌ترین و ارزشمندترین سرمایه هر شرکتی معرفی می‌کنند، بنابراین روشی که بتوان بر اساس آن برنامه‌ریزی دقیق برای این سرمایه ارزشمند شرکت‌ها انجام داد، بسیار ارزشمند و کاربردی خواهد بود. دراین پژوهش سعی شده است مشکلات و شکاف‌های برنامه‌ریزی منابع انسانی به روش زنجیره مارکوف را با ارائه الگویی بهبود داده شود. دو مشکل اساسی روش زنجیره مارکوف در پیش‌بینی برنامه‌ریزی منابع انسانی به‌ترتیب در نظر نگرفتن نبود اطمینان‌های آتی و تعمیم اطلاعات یک دوره پایه در پیش‌بینی نیازهای آتی است که این مشکلات از ویژگی‌های زنجیره مارکوف است. در پژوهش حاضر برای این مشکل استفاده از الگوی زنجیره مارکوف فازی (دوره‌ای یا زمانی) پیشنهادشده است. بنابراین دراین پژوهش روش مارکوف فازی برای پیش‌بینی منابع انسانی ارائه می‌شود. ازلحاظ روش، این پژوهش توصیفی است و مقطعی است و داده‌های پژوهش به‌صورت کمی مورد تحلیل قرارگرفته‌اند و کاربرد روش مارکوف فازی در برنامه‌ریزی منابع انسانی در پنج گام متوالی ارائه‌شده است. همچنین از کاربرد مارکوف سنتی در برنامه‌ریزی منابع انسانی برای مقایسه با مدل پیشنهادی استفاده‌شده است. یافته‌های پژوهش نشان می‌دهد پیش‌بینی منابع انسانی با مارکوف فازی دوره‌ای ابزار قدرتمند است که شکاف‌های حاصل از برنامه‌ریزی مارکوف سنتی را پوشش می‌دهد که در تعیین کمبود و مازاد نیروی انسانی آتی سه حالت خوش‌بینانه، ثبات‌گرایانه و بدبینانه را در نظر می‌گیرد و اطلاعات یک دوره را به دوره‌های آتی تعمیم نمی‌دهد.

human resource planning, fuzzy Markov(periodic), traditional Markov, shortages and surpluses of human resources.

Most experts see human resources as the most important and most valuable asset of any company. As a result, a method that would help create an accurate plan for this asset is highly valued and functional. This study aimed to improve challenges and gaps in human resource planning using a Markov chain model. There are two fundamental problems with Markov chain model in predicting human resources, which are respectively failing to account for future uncertainties and generalization of the data from one basic period in the prediction of the future needs. These problems are embedded in the Markov chain model. In order to deal with these problems, a fuzzy Markov chain model (periodic or temporal) was proposed in this study. This study presented a fuzzy Markov model for predicting human resources. This was a descriptive, sectional study and the data were analyzed through a quantitative method. The application of the fuzzy Markov model in human resource planning was presented in five consecutive steps. The application of the traditional Markov model in human resource planning was also examined for comparison with the proposed model. The study findings suggest that the prediction of human resources using the periodic fuzzy Markov model offers a powerful tool that bridges the gaps in the traditional Markov planning. It considers three states, namely optimistic, positivist, and pessimistic, for determining human resources surplus and shortage, and does not generalize data pertaining to one period to future periods.