基于E-CARGO的扁平團(tuán)隊(duì)或組織的績(jī)效量化預(yù)測(cè)

陳 振 湯志成 高海波

1(湖南信息學(xué)院電子信息學(xué)院 湖南 長(zhǎng)沙 410148)

2(湖南涉外經(jīng)濟(jì)學(xué)院信息與機(jī)電工程學(xué)院 湖南 長(zhǎng)沙 410205)

0 引 言

當(dāng)今世界是一個(gè)巨大的協(xié)同組織，協(xié)同需要組織或團(tuán)隊(duì)成員之間的充分協(xié)作，成員之間如果沒(méi)有有效協(xié)同就無(wú)法取得成功。打造優(yōu)秀團(tuán)隊(duì)的最終目標(biāo)是最大化團(tuán)隊(duì)的績(jī)效，預(yù)測(cè)與量化團(tuán)隊(duì)或組織績(jī)效是管理學(xué)一個(gè)重要且具有挑戰(zhàn)性的問(wèn)題。近年來(lái)，人們對(duì)團(tuán)隊(duì)與組織的研究主要體現(xiàn)在組織與團(tuán)隊(duì)的定義、組織與團(tuán)隊(duì)成員之間的合作及團(tuán)隊(duì)與組織績(jī)效的影響因素。

Salas等[1]將團(tuán)隊(duì)或組織定義為：兩個(gè)或兩個(gè)以上的具有共同的目標(biāo)、價(jià)值與情感的人動(dòng)態(tài)地、相互依賴(lài)地組成一個(gè)整體，團(tuán)隊(duì)中的成員均被分配了特定的角色或執(zhí)行相應(yīng)的行為，團(tuán)隊(duì)或組織中的成員都具有限的生命范圍。Gold將團(tuán)隊(duì)定義為一個(gè)具有共同目標(biāo)的人或事物的組織，組織中的個(gè)體通過(guò)恰當(dāng)?shù)男袨槁?lián)合起來(lái)達(dá)成共同的目標(biāo)[2-3]。文獻(xiàn)[4]研究了團(tuán)隊(duì)個(gè)體情緒穩(wěn)定性、外向性、開(kāi)放性、滿(mǎn)意度與認(rèn)真度五大因素對(duì)團(tuán)隊(duì)或組織績(jī)效的影響。為了組建高效能團(tuán)隊(duì)，RBC(Role-Based Collaboration)以角色為核心機(jī)制，實(shí)現(xiàn)了協(xié)同中的角色協(xié)商、角色分配及角色實(shí)施等工作[10-11]。為了讓RBC更有效地解決協(xié)同中的一些現(xiàn)實(shí)問(wèn)題，文獻(xiàn)[7-13]提出了E-CARGO模型來(lái)構(gòu)建協(xié)同系統(tǒng)，并采用E-CARGO建模實(shí)現(xiàn)角色分配與角色轉(zhuǎn)移的相關(guān)研究。為了提高組織或團(tuán)隊(duì)協(xié)同的整體性能與效果，文獻(xiàn)[10]在k-M算法的基礎(chǔ)上提出了組角色分配問(wèn)題GRAP(Group Role Assignment Problems)算法，該算法是組角色的優(yōu)化算法，目的在于通過(guò)優(yōu)化算法完成組中角色的分配來(lái)提高組的整體效果，實(shí)現(xiàn)組織或團(tuán)隊(duì)的最大化效能。文獻(xiàn)[12]利用E-CARGO建模來(lái)完成組角色多任務(wù)分配問(wèn)題GRMTAP(Group Role Multi-Task Assignment Problem)。這些算法的時(shí)間復(fù)雜度為O(m3)，在工程領(lǐng)域中獲得了很好的應(yīng)用。根據(jù)參考文獻(xiàn)，目前，人們對(duì)組織或團(tuán)隊(duì)績(jī)效量化預(yù)測(cè)的研究很少，特別是基于RBC的團(tuán)隊(duì)或組織的績(jī)效預(yù)測(cè)與量化研究。基于角色的協(xié)同已經(jīng)發(fā)展成為探索協(xié)同本質(zhì)的一種有效方法，且提供了一種有效的方法建模來(lái)解決協(xié)同的復(fù)雜問(wèn)題[7-12]。協(xié)同的前期研究有效地解決了許多復(fù)雜的角色分配問(wèn)題，其中組角色分配是根據(jù)Agent完成某項(xiàng)或擔(dān)任某角色的歷史數(shù)據(jù)質(zhì)量評(píng)估的結(jié)果來(lái)尋求最佳的角色分配，是管理團(tuán)隊(duì)或組織預(yù)期績(jī)效的一種很有價(jià)值的方法，為扁平團(tuán)隊(duì)或組織績(jī)效預(yù)測(cè)提供了基礎(chǔ)。

在現(xiàn)行的管理中，為建立一個(gè)明確團(tuán)隊(duì)或組織績(jī)效量化預(yù)測(cè)的指標(biāo)體系，管理者利用該指標(biāo)體系來(lái)評(píng)估和預(yù)測(cè)團(tuán)隊(duì)或組織的績(jī)效且進(jìn)行量化是一個(gè)值得研究的問(wèn)題。本文使用E-CARGO建模，以團(tuán)隊(duì)或組的質(zhì)量評(píng)價(jià)矩陣作為指標(biāo)來(lái)量化預(yù)測(cè)扁平團(tuán)隊(duì)或組織績(jī)效，提出了相應(yīng)算法且對(duì)算法進(jìn)行了實(shí)驗(yàn)驗(yàn)證與實(shí)例論證。

1 扁平團(tuán)隊(duì)或組織

本文指的扁平化團(tuán)隊(duì)或組織是以樹(shù)狀結(jié)構(gòu)來(lái)組建部門(mén)安排成員的一種組織方法，如圖1所示。圖1對(duì)應(yīng)的團(tuán)隊(duì)或組織是一個(gè)根管理者帶兩名下屬的管理形式，一共三層，各層級(jí)人數(shù)就是1∶2∶4。當(dāng)然，組織或團(tuán)隊(duì)是有規(guī)模的，在扁平化組織或團(tuán)隊(duì)中，只是樹(shù)的分支數(shù)、節(jié)點(diǎn)數(shù)(中間節(jié)點(diǎn)數(shù)與葉子節(jié)點(diǎn)數(shù))及樹(shù)的高度不同而已。樹(shù)結(jié)構(gòu)是扁平化團(tuán)隊(duì)或組織的顯著特征之一。在扁平團(tuán)隊(duì)或組織中，需要盡量控制樹(shù)的高度。

圖1 扁平團(tuán)隊(duì)或組織的結(jié)構(gòu)

由于本文對(duì)扁平化團(tuán)隊(duì)或組織的績(jī)效建模與量化預(yù)測(cè)要用到組(Group)與績(jī)效的概念，在此，把扁平化團(tuán)隊(duì)與組織中組與績(jī)效做如下定義。

定義1樹(shù)結(jié)構(gòu)中同一節(jié)點(diǎn)下直接相連節(jié)點(diǎn)的集合稱(chēng)為組。

在圖1中二級(jí)管理者1與二級(jí)管理者2為一個(gè)組，員工1與員工2為一個(gè)組，員工3與員工4為一個(gè)組。

定義2績(jī)效是和團(tuán)隊(duì)或組織目標(biāo)相關(guān)的行為表現(xiàn)、直接結(jié)果、預(yù)期收益的有機(jī)統(tǒng)一。

2 E-CARGO模型

E-CARGO模型是研究協(xié)同問(wèn)題的基本框架，該模型對(duì)框架的基本要素做了形式化定義。E-CARGO模型的定義[7-12]為: 協(xié)同系統(tǒng)Σ可用9個(gè)元組描述成Σ∷=〈C，O，A，M，R，E，G，s0，H〉，其中:C、O、A、M、R、E、G、H分別是系統(tǒng)中類(lèi)、對(duì)象、Agent、消息、角色、環(huán)境、組與用戶(hù)的有限集合,s0表示系統(tǒng)的初始狀態(tài)。在這樣的系統(tǒng)中，A與H，E與G是緊耦合集，Agents可以同時(shí)執(zhí)行一個(gè)角色,每個(gè)組都應(yīng)該在一個(gè)環(huán)境中工作,環(huán)境定義了一個(gè)組。與組協(xié)同的Agent建模相比[13-14],E-CARGO和RBC提供了更強(qiáng)大的表達(dá)能力，且提供形式化真實(shí)問(wèn)題的有效方法。在RBC與E-CARGO模型中，對(duì)象是一個(gè)實(shí)體的表現(xiàn)形式，并不是角色的實(shí)施者，角色是一個(gè)代表責(zé)任與權(quán)利的實(shí)體。E-CARGO中與該問(wèn)題相關(guān)的一些概念的簡(jiǎn)化形式定義如下：

定義3Agent[7-12]用a表示，a∷=，其中：id是Agent的標(biāo)識(shí)號(hào)；U是Agent擁有的能力集。

定義4角色Role[7-12]用r表示，r∷=，其中：id是role的標(biāo)識(shí)號(hào)；V是Agents擔(dān)任r的需求集。

定義5環(huán)境Environment[7-12]用e表示，e∷=，其中：id是e的標(biāo)識(shí)號(hào)；Re是r的有限集合；S是為Re共享的對(duì)象；B是組成r與a范圍的元組的有限集合，B可表示為，其中r∈Re，q是角色范圍，可表示為，顯示在環(huán)境中擔(dān)任角色r最少需要或最多容納多少個(gè)a。

定義6組Group[7-12]用g表示，g∷=，其中：id是組的標(biāo)識(shí)號(hào)；e是組工作的環(huán)境；Ag是a的有限集合；J是a與r元組的有限集合，J={|a∈Ag,r∈e.Re}。這種組的定義與扁平團(tuán)隊(duì)或組織中組的定義相吻合。

定義7評(píng)估值矩陣用Q表示，Q是一個(gè)m×n的矩陣，其中Q[i,j]表示ai(0≤i

定義9角色范圍向量[7-12]L是在組g.e中角色需要的Agent的最少數(shù)目。假設(shè)在g.e中的角色用j表示，B[j]意味著為角色j的元組，那么L[j]=g.e.B[j].q.l，L[j]∈Z+，Z+是非負(fù)整數(shù)的集合。

定義10角色分配[12]，對(duì)于一個(gè)組g，g.J中的一個(gè)元組被稱(chēng)為角色分配，也稱(chēng)為Agent分配。

E-CARGO模型是評(píng)估與預(yù)測(cè)團(tuán)隊(duì)績(jī)效的基礎(chǔ)。在下面的討論中，本文用到一些特定的符號(hào)來(lái)形式化團(tuán)隊(duì)績(jī)效(若無(wú)特別說(shuō)明):g表示一個(gè)組;R是g所有角色的集合;A是g所有Agent的集合;m=|A|表示Agent的數(shù)量;n=|R|表示R的數(shù)量;i,i1,i2,…表示Agent;j,j1,j2,…表示角色。

3 使用E-CARGO的績(jī)效量化預(yù)測(cè)問(wèn)題

為了確保團(tuán)隊(duì)或組織成員之間的有效協(xié)同，團(tuán)隊(duì)或組織的管理者必須通過(guò)角色協(xié)商、任務(wù)細(xì)分、向團(tuán)隊(duì)Agent分配子任務(wù)，最終將所有已完成的子任務(wù)集成到一項(xiàng)完成的整體工作中來(lái)。團(tuán)隊(duì)管理員可以通過(guò)檢查組角色協(xié)同來(lái)確定角色的需求，所有成員在一個(gè)團(tuán)隊(duì)或組織中都有明確的職位，職位的角色應(yīng)該是相關(guān)聯(lián)的且不沖突。在一個(gè)協(xié)同團(tuán)隊(duì)或組織中，管理員需要讓團(tuán)隊(duì)或組織成員扮演指定的角色，有了角色，成員的協(xié)作變得容易和富有成效。

在角色的定義中，當(dāng)前Agent集AC與潛在Agent集AP，在組形成[7-11]之前是空的，即角色可以在Agent確定之前指定。在建模特定問(wèn)題時(shí)，可以用不同的方式定義角色。Agent是角色扮演者,在Agent的定義中，所有Agent(a.AP∪{a.rc})扮演的當(dāng)前rc和潛在角色RP構(gòu)成其預(yù)設(shè)的角色集。如果a.rc是空的，那么a當(dāng)前是空閑的。Agent的定義為表達(dá)傳統(tǒng)Agent概念留下了空間,在E-CARGO中，可以進(jìn)行“分而治之”和“優(yōu)化”處理Agent之間的協(xié)同問(wèn)題。注意，這些定義是從最初的形式不斷擴(kuò)展的[7-11]，以適應(yīng)不斷變化的需求。環(huán)境(E)是建立團(tuán)隊(duì)的計(jì)劃、建議或藍(lán)圖。組(G)是為滿(mǎn)足環(huán)境而組建的Agent集。從組角度定義出發(fā)，組強(qiáng)調(diào)了對(duì)Agent的角色分配。從這個(gè)角度來(lái)看，為了提高團(tuán)隊(duì)的效能，在Agent評(píng)估和角色分配中將面臨許多挑戰(zhàn)。一般來(lái)說(shuō)，E-CARGO在其組成部分之間有著明顯的區(qū)別。對(duì)象不是Agent，也不扮演角色，Agent作為角色扮演者，處理由其角色發(fā)送的消息，并使用由角色控制的權(quán)限訪(fǎng)問(wèn)對(duì)象。角色是消息交換和調(diào)度者，環(huán)境由角色和對(duì)象組成。如果一個(gè)組由環(huán)境中執(zhí)行角色的動(dòng)態(tài)Agent組成，那么一個(gè)團(tuán)隊(duì)的績(jī)效可評(píng)估、可預(yù)測(cè)、可量化。

由于團(tuán)隊(duì)或組織績(jī)效不是一個(gè)Agent的某項(xiàng)能力數(shù)據(jù)，而是采用相關(guān)方法在考慮個(gè)人因素的基礎(chǔ)上綜合數(shù)據(jù)。在團(tuán)隊(duì)或組織管理中，實(shí)際績(jī)效無(wú)法預(yù)先獲得，因?yàn)檎嬲膱F(tuán)隊(duì)或組織績(jī)效只能事后評(píng)估。但是，可以使用特殊的方法和方式來(lái)獲得優(yōu)化的預(yù)期團(tuán)隊(duì)或組織績(jī)效，然后以實(shí)際任務(wù)分配和效能與最大化效能進(jìn)行比較來(lái)得到量化績(jī)效。

RBC和E-CARGO提供了一個(gè)扁平的團(tuán)隊(duì)或組織結(jié)構(gòu)，在這樣的一個(gè)團(tuán)隊(duì)或組織中，領(lǐng)導(dǎo)負(fù)責(zé)管理角色協(xié)商、Agent評(píng)估、角色分配和角色轉(zhuǎn)移。團(tuán)隊(duì)成員(Agent)主要負(fù)責(zé)執(zhí)行角色，或者簡(jiǎn)單地完成分配的任務(wù)。管理員面臨的一個(gè)挑戰(zhàn)是組織和管理團(tuán)隊(duì)執(zhí)行復(fù)雜的工作。角色規(guī)范實(shí)際上是將一個(gè)復(fù)雜的任務(wù)分成更小的部分，即角色協(xié)商和規(guī)范。因此，角色規(guī)范是團(tuán)隊(duì)或組織管理的重要步驟。評(píng)估團(tuán)隊(duì)或組織成員的個(gè)人績(jī)效具有挑戰(zhàn)性，這一挑戰(zhàn)就是“Agent評(píng)估”。所謂Agent評(píng)估，就是需要提供相關(guān)的方法來(lái)生成Agent的評(píng)價(jià)指標(biāo)，確保管理者能夠選擇組成最有效團(tuán)隊(duì)或組織的成員。在RBC中，使用角色作為標(biāo)準(zhǔn)來(lái)闡明個(gè)人評(píng)估，因此角色規(guī)范很重要且E-CARGO很有價(jià)值。不同的角色在不同的范圍和規(guī)模上對(duì)團(tuán)隊(duì)或組織是有貢獻(xiàn)的。研究如何劃分角色是組建高效團(tuán)隊(duì)或組織及具挑戰(zhàn)性的問(wèn)題。在組建團(tuán)隊(duì)或組織時(shí)，成員應(yīng)該被較好地建模，通過(guò)對(duì)成員適當(dāng)?shù)慕＃梢蕴岣邎F(tuán)隊(duì)管理的效率。

由上述需求分析可知，E-CARGO已被確認(rèn)為建立團(tuán)隊(duì)或組織和優(yōu)化團(tuán)隊(duì)或組織構(gòu)成的一個(gè)有前瞻的模型。基于E-CARGO模型，團(tuán)隊(duì)或組織績(jī)效可以在考慮特定因素的情況下量化，考慮的因素越多，得到的量化績(jī)效越準(zhǔn)確。

4 兩種組績(jī)效的評(píng)估與量化預(yù)測(cè)算法

在扁平團(tuán)隊(duì)或組織中，組績(jī)效預(yù)測(cè)分為兩種情形，一種是組中每個(gè)成員僅分配一個(gè)角色，另一種是組成員可分配一個(gè)由多任務(wù)組成的角色。在此，把兩種預(yù)測(cè)算法分別稱(chēng)為組角色組績(jī)效預(yù)測(cè)算法(Predict Group Performance of Group Role Assignment Problems，PGPGRAP)與多任務(wù)角色組績(jī)效預(yù)測(cè)算法(Predict Group Performance of Multi-Task Role Assignment Problems，PGPMTRAP)。如果這兩種組的績(jī)效量化預(yù)測(cè)能解決，那么扁平團(tuán)隊(duì)或組織的績(jī)效量化預(yù)測(cè)問(wèn)題就能很好地解決。

4.1 組角色組績(jī)效預(yù)測(cè)算法(PGPGRAP)

文獻(xiàn)[10]提出GRAP算法用于組角色的分配問(wèn)題。所謂組角色分配問(wèn)題是指一個(gè)組中的每個(gè)Agent最多分配分配一個(gè)角色。GRAP算法的過(guò)程與步驟如下：

1) 根據(jù)組中Agent擔(dān)任不同角色的勝任數(shù)據(jù)構(gòu)建質(zhì)量評(píng)價(jià)矩陣Q。其中，Q[i,j]∈[0,1]，0≤i

2) 設(shè)置角色向量L。L[j]=g.e.B[j].q.l，L[j]∈N，即L[j]是自然數(shù),0≤j

4.2 多任務(wù)角色組績(jī)效預(yù)測(cè)算法(PGPMTRAP)

組角色組績(jī)效量化預(yù)測(cè)算法解決的是在Agent充足的前提下實(shí)現(xiàn)成員的角色分配，一個(gè)Agent至多分配一個(gè)角色。但現(xiàn)實(shí)中的團(tuán)隊(duì)或組織建設(shè)中，一個(gè)扁平化團(tuán)隊(duì)中組的成員可分配多個(gè)角色,顯然PGPGRAP算法無(wú)法解決該問(wèn)題。要解決多任務(wù)組角色績(jī)效預(yù)測(cè)問(wèn)題，必須獲得多任分配最大化的團(tuán)隊(duì)效能方法，如果團(tuán)隊(duì)或組織的最大化效能能夠計(jì)算，那實(shí)際分配的組效能也能計(jì)算到得，以此多任務(wù)角色組的績(jī)效就能預(yù)測(cè)。例如，在扁平化團(tuán)隊(duì)或組織中一個(gè)組有4個(gè)成員，但有6項(xiàng)工作，組的每個(gè)成員都能勝任這些工作，只是成員完成這些工作存在一定的質(zhì)量差異，根據(jù)員工過(guò)去的工作熱情、能力與素質(zhì)等因素產(chǎn)生了每位員工完成不同工作的歷史質(zhì)量評(píng)價(jià)表，如表1所示。

表1 組成員工作質(zhì)量歷史數(shù)據(jù)表

由于組成員的精力與時(shí)間的約束，Eilia與Allan兩人僅能安排6項(xiàng)工作中的一項(xiàng)，Ailin與Andre每人能安排6項(xiàng)工作中的二項(xiàng)。解決該問(wèn)題的過(guò)程與步驟如下：

1) 根據(jù)組中成員工作質(zhì)量歷史數(shù)據(jù)創(chuàng)建質(zhì)量評(píng)價(jià)矩陣Q，同時(shí)對(duì)Q進(jìn)行轉(zhuǎn)置產(chǎn)生新的評(píng)價(jià)矩陣Q′，此時(shí)Q′=QT。且把QT矩陣旁的w0、w1、…、w5變?yōu)閍0、a1、…、a5，把a(bǔ)當(dāng)成r，把r當(dāng)成a′，得到質(zhì)量評(píng)估矩陣Q″。

w0w1w2w3w4w5

r0(1)r1(1)r2(2)r3(2)

r0(1)r1(1)r2(2)r3(2)

r0(1)r1(1)r2(2)r3(2)

r0(1)r1(1)r2(2)r3(2)

w0w1w2w3w4w5

由于扁平化團(tuán)隊(duì)構(gòu)成的兩種情形組的績(jī)效可以量化預(yù)測(cè)，因此扁平化團(tuán)隊(duì)的績(jī)效可以量化預(yù)測(cè)。很明顯，σ僅是一個(gè)團(tuán)隊(duì)或組織的預(yù)期量化績(jī)效。

雖然上述的σ與一個(gè)團(tuán)隊(duì)或組織的真實(shí)績(jī)效有一定的差距，但可以作為團(tuán)隊(duì)或組織成員分工時(shí)的績(jī)效量化預(yù)測(cè)值。

4.3 多任務(wù)角色組績(jī)效預(yù)測(cè)算法效率分析

為了測(cè)試多任務(wù)角色組績(jī)效預(yù)測(cè)算法效率，本文使用MATLAB實(shí)現(xiàn)了多任務(wù)組角色績(jī)效預(yù)測(cè)算法，算法運(yùn)行在PC上，配置CPU為i5-3320M，主頻為2.6 GHz，內(nèi)存僅為4 GB，安裝的操作系統(tǒng)為Windows 10。該算法利用隨機(jī)函數(shù)生成評(píng)價(jià)矩陣Q，考慮到扁平團(tuán)隊(duì)中組的規(guī)模以及任務(wù)數(shù)的現(xiàn)實(shí)情形，Agent數(shù)分別設(shè)置為10、20、30、40、50，每組分別測(cè)試Agent的平均任務(wù)數(shù)為1、2、3，分別統(tǒng)計(jì)了算法預(yù)測(cè)時(shí)間的最小值、最大值與平均值(測(cè)試次數(shù)為10次)，得到的測(cè)試結(jié)果如表2所示。在該算法中，在平均任務(wù)數(shù)確定情況下，平均預(yù)測(cè)時(shí)間與Agent數(shù)的關(guān)系如圖2所示。

表2 組角色績(jī)效預(yù)測(cè)測(cè)試結(jié)果

圖2 平均預(yù)測(cè)時(shí)間與Agent任務(wù)數(shù)的關(guān)系

由于在多任務(wù)角色組績(jī)效預(yù)測(cè)算法中首先把多任務(wù)分配質(zhì)量評(píng)價(jià)矩陣Q通過(guò)轉(zhuǎn)置轉(zhuǎn)化為GRAP問(wèn)題，再調(diào)用KM算法實(shí)現(xiàn)有效預(yù)測(cè)，而KM算法的時(shí)間復(fù)雜度為O(m3)，其中m是Q矩陣擴(kuò)展成GAP問(wèn)題對(duì)應(yīng)方陣的行數(shù)與列數(shù)，因此多任務(wù)角色組績(jī)效預(yù)測(cè)算法的復(fù)雜度也是O(m3)。由圖2可知，在平均任務(wù)數(shù)為3的前提下，量化預(yù)測(cè)50個(gè)Agents所耗費(fèi)的時(shí)間為341.3 ms，系統(tǒng)響應(yīng)速度是非常快的[12]。根據(jù)分析可知，組角色組績(jī)效預(yù)測(cè)算法(PGPGRAP)的Agent數(shù)與時(shí)間分配的關(guān)系就是圖2中任務(wù)數(shù)為1的曲線(xiàn)。

5 兩種團(tuán)隊(duì)績(jī)效量化預(yù)測(cè)的應(yīng)用場(chǎng)景

通過(guò)分析與推理可知，用E-CARGO建模組績(jī)效可以滿(mǎn)足不同的需求。用E-CARGO建模研究組績(jī)效以達(dá)到量化預(yù)測(cè)團(tuán)隊(duì)或組織的績(jī)效，無(wú)疑會(huì)為團(tuán)隊(duì)或組織管理提供有力的幫助。預(yù)測(cè)團(tuán)隊(duì)或組織量化績(jī)效的過(guò)程如下：(1) 收集團(tuán)隊(duì)人員(Agent)的技能/資格；(2) 明確崗位要求；(3) 產(chǎn)生角色范圍矢量L；(4) 產(chǎn)生評(píng)估值矩陣(預(yù)測(cè))Q；(5) 使用PGPGRAP算法和PGPMTRAP算法求扁平團(tuán)隊(duì)中的各個(gè)組的績(jī)效σi；(6) 完成組績(jī)效的求和得到σ，即得到扁平團(tuán)隊(duì)的量化預(yù)測(cè)績(jī)效。

5.1 組角色組績(jī)效預(yù)測(cè)場(chǎng)景

組角色績(jī)效預(yù)測(cè)是對(duì)一個(gè)團(tuán)隊(duì)或組織中的Agent至多分配一個(gè)角色(role)的績(jī)效預(yù)測(cè)。在此以某足球隊(duì)踢某場(chǎng)比賽的情況為例來(lái)驗(yàn)證組角色組績(jī)效預(yù)測(cè)算法的應(yīng)用。這種預(yù)測(cè)有助于教練將球員分配到恰當(dāng)?shù)那驁?chǎng)位置。已知足球隊(duì)現(xiàn)有20位球員，當(dāng)前要踢一場(chǎng)球，球場(chǎng)角色有守門(mén)員(Goalkeeper)、中場(chǎng)(Middle Field)、后位(Defender)與前鋒(Forward)，采用的對(duì)抗模式為1 ∶4 ∶3 ∶3，即4個(gè)后衛(wèi)、3個(gè)中鋒、3個(gè)前鋒。且每個(gè)球員根據(jù)對(duì)抗模式、情緒、健康、易疲勞度和過(guò)去的行為表現(xiàn)已有如表3所示的不同位置歷史質(zhì)量數(shù)據(jù)，教練已安排守門(mén)員為L(zhǎng)arry，中場(chǎng)為Adam、Chris、Oliver與Matt，后衛(wèi)為Ice、Nancy與Richard，前鋒為Simon、Fred與Winfred的團(tuán)隊(duì)。

表3 球員歷史位置勝任度數(shù)據(jù)表

該教練安排隊(duì)員的組績(jī)效計(jì)算步驟如下：

(1) 首先創(chuàng)建一個(gè)質(zhì)量評(píng)價(jià)矩陣Q，這個(gè)矩陣的行(ROW)為球員，列(column)為角色。

(2) 創(chuàng)建角色范圍向量L=[1∶4∶3∶3]，調(diào)用GRAP算法得到最好的分配矩陣T。

教練安排守門(mén)員為L(zhǎng)arry，中場(chǎng)為Adam、Chris、Oliver與Matt，后衛(wèi)為Ice、Nancy與Richard，前鋒為Simon、Fred與Winfred的團(tuán)隊(duì)，此時(shí)的P=8.96，此時(shí)的績(jī)效Q=P/Pmax=0.94，說(shuō)明并沒(méi)有達(dá)到團(tuán)隊(duì)的最大化績(jī)效。

5.2 多任務(wù)角色組績(jī)效預(yù)測(cè)場(chǎng)景

多任務(wù)角色組績(jī)效預(yù)測(cè)是團(tuán)隊(duì)或組織中一個(gè)Agent可以分配一個(gè)或多個(gè)角色(role)的績(jī)效預(yù)測(cè)。在此以單位管理團(tuán)隊(duì)為例來(lái)說(shuō)明多任務(wù)角色組績(jī)效預(yù)測(cè)算法的應(yīng)用。這種預(yù)測(cè)有助于單位管理者給二級(jí)單位分配恰當(dāng)?shù)墓芾砣藛T，以追求管理團(tuán)隊(duì)最佳且績(jī)效。已知某高校，現(xiàn)有6個(gè)管理職位，現(xiàn)有4個(gè)預(yù)備人員，職位有人事處長(zhǎng)、教務(wù)處處長(zhǎng)、學(xué)工處處長(zhǎng)、后勤處處長(zhǎng)、圖書(shū)館館長(zhǎng)與科研處處長(zhǎng)，職位在表4中分別用A、B、C、D、E、F 表示。后備人員是Edward、George、Joe與Matt。且每個(gè)后備人員根據(jù)對(duì)以前的工作經(jīng)歷、專(zhuān)業(yè)、性格和過(guò)去的行為表現(xiàn)已有如表4所示的候選人員職位勝任歷史數(shù)據(jù)表，且由于年齡與精力問(wèn)題，Edward與George只安排一個(gè)職位，Joe與Matt分別安排兩個(gè)職位。學(xué)校管理者已計(jì)劃安排Edward擔(dān)任人事處長(zhǎng)，George擔(dān)任學(xué)工處處長(zhǎng)，Joe擔(dān)任后勤處處長(zhǎng)與圖書(shū)館館長(zhǎng)，Matt擔(dān)任教務(wù)處處長(zhǎng)兼科研處處長(zhǎng)。

表4 候選人員職位勝任歷史數(shù)據(jù)表

這種安排的績(jī)效計(jì)算步驟如下：

(1) 首先創(chuàng)建一個(gè)質(zhì)量評(píng)價(jià)矩陣Q，這個(gè)矩陣的行(ROW)為預(yù)備成員，列(column)為職位：

(2) 然后把角色要求向量L設(shè)為(1,2,2,1)，調(diào)用PGPMTRAP算法得到分配矩陣T。

學(xué)校安排Edward擔(dān)任人事處長(zhǎng)，George擔(dān)任學(xué)工處處長(zhǎng)，Joe擔(dān)任后勤處處長(zhǎng)與圖書(shū)館館長(zhǎng)，Matt擔(dān)任教務(wù)處處長(zhǎng)兼科研處處長(zhǎng)時(shí)，分配矩陣為T(mén)′，此時(shí)的效能P=5.16，根據(jù)PGPMTRAP算法，此時(shí)的量化績(jī)效為σ=P/Pmax=0.97，也說(shuō)明并沒(méi)有達(dá)到最大化績(jī)效。

6 結(jié) 語(yǔ)

RBC是一種以角色為基礎(chǔ)來(lái)促進(jìn)協(xié)同的分配方法，它的模型基本E-CARGO是抽象的，能以不同的方式進(jìn)行擴(kuò)展和實(shí)例化，對(duì)一些具有挑戰(zhàn)問(wèn)題提出了有效的解決方案。本文擴(kuò)大了RBC和E-CARGO的研究，有助于促進(jìn)團(tuán)隊(duì)或組織合作與協(xié)作的分析、設(shè)計(jì)與預(yù)測(cè)，使用RBC與E-CARGO進(jìn)行研究在促進(jìn)團(tuán)隊(duì)或組織合作與協(xié)同的分析、設(shè)計(jì)和發(fā)展上是很有價(jià)值的。

采用E-CARGO建模，本文提出多任務(wù)角色組角色的分配優(yōu)化算法，并且GRAP算法與所提出的算法能滿(mǎn)足基于角色協(xié)同的扁平團(tuán)隊(duì)或組織的績(jī)效量化預(yù)測(cè)問(wèn)題的需要，量化預(yù)測(cè)算法是有效的且具有實(shí)用性。

由于一個(gè)組織或團(tuán)隊(duì)在某一時(shí)刻的能力集是確定的，因此質(zhì)量評(píng)價(jià)矩陣Q也是確定的。通過(guò)GRAP與本文提出的算法能獲得最大性能的任務(wù)分配方案。但作為管理者，在實(shí)施Agent的角色分配時(shí)，很難與本文提出的分配算法的分配結(jié)果一致，因此組角色組績(jī)效預(yù)測(cè)與多任務(wù)角色組績(jī)效預(yù)測(cè)結(jié)果很難達(dá)到100%，如果管理者按照GRAP算法與本文提出的算法進(jìn)行Agent的角色分配，此時(shí)的預(yù)測(cè)績(jī)效就為100%。

精確預(yù)測(cè)數(shù)據(jù)的收集與整理對(duì)于團(tuán)隊(duì)績(jī)效的量化預(yù)測(cè)有著極其重要的作用。今后的工作可以將本文方法應(yīng)用于現(xiàn)實(shí)的團(tuán)隊(duì)或組織建設(shè)，通過(guò)提出的團(tuán)隊(duì)或組織建模，可以檢查與優(yōu)化團(tuán)隊(duì)或組織績(jī)效，使之能更真實(shí)地反映團(tuán)隊(duì)或組織績(jī)效。