ارایه‌ی چارچوبی برای پیش‌بینی غیبت کارکنان با رویکرد شبکه‌های عصبی مصنوعی

نوع مقاله: مقاله پژوهشی

چکیده

غیبت از کار موضوعی مهم و اساسی برای صنایع و سازمان‌ها است. این مسئله، به‌عنوان عاملی هزینه‌زا در سازمان‌ها، مدیران را بر آن داشته است تا در زمینه‌ی کاهش آن اقدامات لازم را انجام دهند. نخستین گام در جهت کاهش هزینه‌های غیبت، شناسایی عواملی است که بر غیبت اثر گذاشته و باعث کاهش یا افزایش آن می‌شوند. تحقیق حاضر برای نخستین بار در ایران با استفاده از خصوصیت تقریب توابع غیرخطی شبکه‌های عصبی مصنوعی، مدلی مناسب برای پیش‌بینی میزان غیبت کارکنان طراحی شده و میزان تأثیر عوامل مختلف بر غیبت از کار نیز مورد ارزیابی قرار گرفته است. به‌منظور رسیدن به اهداف یادشده، 14 عامل مؤثر بر غیبت کارکنان به‌عنوان ورودی تبیین، سپس با استفاده از مدل پرسپترون چندلایه، میزان غیبت کارکنان پیش‌بینی شده ‌است که براساس قابلیت‌های مدل طراحی شده، مدیریت می‌تواند اقدامات لازم را در جهت کاهش غیبت کارکنان به عمل آورد. در ادامه‌ی تحقیق، با استفاده از فن تحلیل حساسیت، تأثیر هر کدام از متغیرهای ورودی بر خروجی این مدل مورد ارزیابی قرار گرفته است. نتایج نهایی، نشانگر این است که: عوامل «تعهد سازمانی»، «رضایت شغلی» و «تنوع شغلی» بیشترین تأثیر را بر میزان غیبت کارکنان دارند.

کلیدواژه‌ها


عنوان مقاله [English]

Designing a Framework for Predicting Employees Absence Through Artificial Neural Network Approach

چکیده [English]

Absence from work is an important challenge for industries and organizations. This costly problem of the organizations has caused managers to think of ways to decrease it. The first step in decreasing the cost of absence relates to identification of the factors affecting absence. The present research, which is the first one using approximate nonlinear functions of neural network approach, presents an appropriate model for predicting the amount of absence and factors affecting it. To do so, 14 effective factors were identified as input parameters, and then the amount of absence was predicted by multilayer perceptron model, through which the manager can decrease the amount of absence. Afterwards, using sensitivity analysis, the effect of each of the input parameters on the outputs of this model was analyzed. The final results indicated that the parameters of organizational commitment and job diversity were mostly effective on absence

کلیدواژه‌ها [English]

  • Absence from Work
  • Artificial neural network
  • Feedforward Artificial Neural Network
  • Sensitivity analysis