ارايه‌ي چارچوبي براي پيش‌بيني غيبت كاركنان با رويكرد شبكه‌هاي عصبي مصنوعي

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

غيبت از كار موضوعي مهم و اساسي براي صنايع و سازمان ها است. اين مسيله، به‌عنوان عاملي هزينه زا در سازمان ها، مديران را بر آن داشته است تا در زمينه ي كاهش آن اقدامات لازم را انجام دهند. نخستين گام در جهت كاهش هزينه هاي غيبت، شناسايي عواملي است كه بر غيبت اثر گذاشته و باعث كاهش يا افزايش آن مي شوند. تحقيق حاضر براي نخستين بار در ايران با استفاده از خصوصيت تقريب توابع غيرخطي شبكه هاي عصبي مصنوعي، مدلي مناسب براي پيش‌بيني ميزان غيبت كاركنان طراحي شده و ميزان تاثير عوامل مختلف بر غيبت از كار نيز مورد ارزيابي قرار گرفته است. به‌منظور رسيدن به اهداف يادشده، 14 عامل موثر بر غيبت كاركنان به‌عنوان ورودي تبيين، سپس با استفاده از مدل پرسپترون چندلايه، ميزان غيبت كاركنان پيش بيني شده است كه براساس قابليت هاي مدل طراحي شده، مديريت مي تواند اقدامات لازم را در جهت كاهش غيبت كاركنان به عمل آورد. در ادامه‌ي تحقيق، با استفاده از فن تحليل حساسيت، تاثير هر كدام از متغيرهاي ورودي بر خروجي اين مدل مورد ارزيابي قرار گرفته است. نتايج نهايي، نشانگر اين است كه: عوامل «تعهد سازماني»، «رضايت شغلي» و «تنوع شغلي» بيشترين تاثير را بر ميزان غيبت كاركنان دارند.

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.