Что такое нормируемый показатель

Подготовка и обработка, анализ и представление данных

Практические примеры и советы, методология и обсуждение

Нормировка показателей

1. Почему нужна нормировка показателя

Обычно выраженность некоторого качества пытаются описать числом. Чаще всего такое число х формируется как сумма баллов. Насколько это правомерно — вопрос другой. Мы же предположим, что такое число х получено и осмысленно.

Обычно х меняется от некоторого минимального значения x_min (отражающего отсутствие качества) до некоторого максимального значения x_max (крайняя степень проявления, наличия, выраженности, …).

Его получение решает проблему сравнения двух объектов, но только по этому показателю. Впрочем, и здесь дело не очень хорошо. Надо всегда помнить, в каких пределах меняется показатель. А эти диапазоны — самые разнообразные… Да еще и оценивать, насколько близко конкретное значение к краям диапазона или к его середине. В общем, чистая морока.

Если же речь идет о сравнении по двум различным показателям — дело совсем швах. Конечно, нельзя сравнивать качества непосредственно. Для этого сравниваемые числа должны быть безразмерными. А ведь именно показатель обычно интерпретируется как степень выраженности некоторого качества. И вот это сравнивать можно. Но для этого их следует привести к одной шкале так, чтобы начала и концы двух шкал совпадали.

Но почему только этих двух? Давайте сделаем такое преобразование для всех показателей! Оно и называется нормировкой (не путать с нормализацией!). После этого мы можем сравнивать разнообразные показатели, полученные различными методиками.

2. Типы показателей

При всем разнообразии числовых характеристик объектов (или респондентов) из них можно выделить два широких класса:

3. Нормировка униполярного показателя

Давно сложилось в науке так, что величины нормируются на диапазон от 0 до 1.

Для этого функция преобразования y=f(x) должна обладать следующими свойствами:

Любая функция с такими свойствами м.б. использована для нормировки. Например, если x_max , то можно выбрать функцию

Легко видеть, что за счёт выбора соответствующей функции можно учесть разнообразные эффекты искажения оценок. Например, склонность респондента к крайним оценкам. При этом, возможно, следует применять для различных респондентов и различные функции преобразования, учитывающие особенности их личности, статуса и т.п. Примерные графики таких функций — на рис. 1.

Рис. 1. Графики функции нормировки

Наиболее часто применяется линейное преобразование:

(2)

Если полагать, что увеличение х описывает как возрастание выраженности качества А, так и убывание степени некоторого другого качества В, то нормированной мерой качества В может служить просто разность y´=1–y. Таковы, например, родственные по смыслу качества ‘близость’ и ‘дистанция’. Их метризация выявляет плохо осознаваемую ранее, но вполне четкую дополнительность и даже противоположность.

4. Нормировка биполярного показателя

Обычно такой показатель представляет собой ‘склейку’ двух взаимопредполагающих и антонимичных униполярных качеств А и В.

Часто В есть просто отрицание А и наоборот. По такому принципу построены, например, шкалы семантического дифференциала. Однако, пары для такого дифференциала следует проверить по словарю антонимов (например, два антонима к слову «веселый» – «грустный» и «мрачный» – вовсе не являются синонимами).

Нормировка соответствующей величины предполагает выбор «положительного» направления оси y. В качестве такового произвольно выбирается тот из полюсов шкалы, увеличение интенсивности которого принимается как возрастание y. Противоположный полюс автоматически становится «отрицательным». Подчеркнем, что никакой модальности (аксиологической оценки) за этим нет — играть роль могут только сложившиеся смысловые стереотипы, но не более того.

Пусть величина х оценивает степень выраженности обоих качеств (с соответствующим обозначением, например, ‘очень люблю’ или ‘слегка ненавижу’). Нормировку можно проводить при помощи любой функции, удовлетворяющей условиям (1). В частности, это м.б. и линейное преобразование:

(3)

Очевидно, что y[–1; +1].

Обе формулы (2) и (3) описывают линейное преобразование вида y=k·x+b. Поэтому все статистические выводы относительно величин x и y полностью совпадают.

5. Особенности балльных шкал

При использовании балльной шкалы имеется несколько тонкостей, которые часто упускаются из виду:

При нормировке балльной шкалы надо всего лишь принять, что х = S, где S сумма набранных баллов по полученным ответам (а не заданных вопросов!). Соответственно, S_min и S_max — минимальная и максимальная суммы баллов, которые можно набрать при полученных ответах.

Если же градации для всех вопросов одинаковы, то число N — это как раз и есть число таких ответов, за которые начислены баллы. Тогда формула (2) примет простой вид:

(4)

Здесь b_min и b_max — наименьшее и наибольшее значения баллов. При этом у меняется в диапазоне от 0 до 1. Границы ‘0’ он достигает при всех ответах, равных b_min, а ‘1’ — равных b_max.

Для нормировки балльного показателя на дипазон [-1; 1] надо пользоваться формулой:

(5)

Источник

Что такое нормируемый показатель

3. Анализ характера распределения показателей и алгоритмы их перевода в нормированные шкалы

Экологические и экономические показатели, составляющие основу информационного обеспечения ЭИС REGION, имеют следующие специфические особенности:

1) До сих пор не выработан строгий и единый перечень количественно измеряемых параметров, однозначно представляющих эмпирическую экологическую систему; и не установлен исчерпывающий перечень операций, которые необходимо провести, чтобы оценить тот или иной определяющий фактор. Поскольку существуют различные формальные подходы к способам измерения продукции биоценозов, экологического разнообразия, идентификации сукцессионных изменений, устойчивости тренда экологической динамики, структурных сдвигов в видовом составе и т.д., то одному и тому же теоретическому понятию, как правило, соответствует несколько операциональных величин, отражающих различные точки зрения.

2) Короткие ряды наблюдений и далеко не всегда экспериментальный характер данных очень затрудняют процесс регистрации показателей и нередко ставят под сомнение научную значимость результатов их измерений. В силу колоссальной пространственно-временной изменчивости биосферных объектов, нет никакой уверенности в том, что имеющиеся выборки отражают реальные процессы. Очень велика роль субъективного фактора: экологические величины формируются в ходе определенной деятельности биологов и характеризуют каким-то образом эту деятельность.

3) Показатели, загружаемые в таблицы баз данных, представлены в самых разнообразных шкалах измерений: номинальных, порядковых и метрических. Показатели, измеренные в метрических шкалах, имеют самые разнообразные единицы измерения, масштаб, точки отсчета и интервалы варьирования.

4) Эмпирические ряды измерений подчиняются самым разнообразным законам распределений, весьма далеким от теоретических нормального или равномерного. Графики зависимостей часто имеют вид стохастических флуктуаций, приближающихся к «белому шуму». Угрожающие масштабы принимает проблема идентификации «выбросов», фильтрации аномальных и восстановления пропущенных значений.

Аналогичные выводы могут быть сделаны и в отношении других разделов базы данных: медико-статистических показателей, описанию промышленного потенциала и сельскохозяйственной продуктивности территориального комплекса. Поэтому флуктуации субъективного порядка, возникающие по перечисленным причинам в массивах входной информации, могут приводить к огромным отличиям получаемых значений измеряемых величин от их действительных значений. В связи с этим, решающее значение для получения адекватных результатов математического моделирования является разработка развитой системы препроцессинга исходных данных.

В статистической обработке данных широко применяется нормировка – то есть линейное преобразование всех значений признаков таким образом, чтобы значения признаков попадали в сопоставимые по величине интервалы:

,

, , .

Нормировка всех признаков на R приводит к тому, что все облако данных заключается в шар единичного радиуса, а соответствующая формула предобработки имеет вид:

, где – новые и старые значения векторов признаков.

. (3.1)

Если выборка может считаться полученной из нормального распределения, то в шаре с центром в радиусом s находится около двух третей от числа точек данных.

Возникает естественный вопрос: какая из нормировочных формул предпочтительнее. Например, наиболее популярная линейная нормировка по «минимаксу»

.(3.2)

оптимальна, когда значения переменной плотно и равномерно заполняют интервал, определенный эмпирическим размахом данных. Но подобный «прямолинейный» подход применим далеко не всегда. Так, если в данных имеются относительно редкие выбросы, намного превышающие типичный разброс, именно эти выбросы определят, согласно формулы 3.2, масштаб нормировки. Это приведет к тому, что основная масса значений нормированной переменной сосредоточится вблизи нуля: .

качественно нормирует основную массу данных одновременно гарантируя, что .

где — «наилучшие (или наихудшие) для каждого показателя оценочные значения (например, наиболее благоприятные для целей строительства, сельского хозяйства и др. климатические характеристики, величины углов наклона местности и т. д.)» [5]. Мы не хотим оспорить тезис, что вторая «нормировка дает возможность выразить отклонения всей системы показателей от наилучших или наихудших оценочных значений и тем самым правильнее с содержательных позиций их соизмерить между собой». Однако визуально картограммы показателя, обработанного по обеим формулам нормировки, будут совершенно идентичны.

Выбор 6-бальной нормировочной шкалы основан на тех же теоретических соображениях, что и традиционные алгоритмы нормировки. Действительно, диапазон варьирования результирующих значений, полученных после преобразования исходных переменных (т.е. размерность K b ), не имеет никакого принципиального значения ни для существа проблемы, ни для характера последующего использования пронормированных выборок в ходе статистического моделирования. Легко видеть, например, что НШ от 1 до 6 легко может быть преобразована в более популярную нормировочную шкалу 0 ¸ 1 по формуле

Поскольку так же легко реализуется и обратный переход, все множество нормировочных шкал можно считать эквивалентными.

Другим поводом для обсуждения качества нормировки является возможная потеря точности при переходе от метрической шкалы к порядковой. Однако, как показала практика, погрешность большинства исходных эколого-экономических данных столь велика, что ошибка измерения практически сопоставима с величиной самого натурального показателя. В связи с этим можно предположить, что переход к оценке большинства анализируемых показателей в 6-бальной шкале не приведет к качественным информационным потерям.

Решающим преимуществом НШ в виде стандартной ординальной шкалы являются удобство визуализации пространственного распределения индивидуальных и комплексных показателей на картосхемах изучаемого региона: человеческий глаз уверенно может различать контрастную раскраску карт, спектр которой не превышает 6-8 цветов.

Рассмотрим произвольный вектор предобрабатываемых данных: . Среднее количество информации, приносимой каждым примером , равно энтропии распределения значений этого показателя:

Если эти значения сосредоточены в относительно небольшой области единичного интервала, информационное содержание такой компоненты мало. В пределе нулевой энтропии, когда все значения переменной совпадают, эта переменная не несет никакой информации. Напротив, если значения переменной равномерно распределены в заданном интервале, количество информации, вносимой такой переменной, максимально.

Рис.5. Илюстрация способа кодирования кардинальных переменных с учетом количества примеров каждой категории.

При таком способе “оцифровки” все выделенные классы будут нести примерно одинаковую информационную нагрузку. Выражаясь точнее, перевод признака, измеренного в метрической шкале, в систему порядковых переменных («баллов») будет сопровождаться наименьшими потерями информации.

Для некоторых показателей выполнены в разной мере тщательные исследования количественного или, хотя бы качественного характера такой зависимости. Например, на рис. 6 представлено соотнесение диапазона варьирования трех широко известных гидрохимических показателей со шкалой комплексной экологической классификации качества поверхностных вод суши по О.П.Оксиюк и В.Н.Жукинскому [6], состоящей из 9 разрядов. Показаны все три основных варианта функциональной связи измеряемых переменных с этой весьма распространенной обобщенной оценкой экологического состояния водоемов (как и в нашем случае, разряды классификации тем выше, чем ниже качества вод).

Азот аммонийный, мг/л

Биомасса фитопланктона, мг/л

Граничные значения интервалов легко находятся как полусумма смежных отсортированных значений x qi обучающей выборки, принадлежащих разным диапазонам.

В общем случае n классов максимизируется величина:

.

Получаемое таким образом разбиение вместе с вероятностями появления значений признака в соответствующих интервалах p j ( x q | D s ) называется интервальной структурой [9].

Пусть существуют условные вероятности принадлежности x к каждому из n классов:

P ( D 1 | x q ), P ( D 2 | x q ), …, P ( D n | x q ).

Тогда для каждого фиксированного значения признака x qi может быть определена энтропия как мера неопределенности принадлежности вектора x к тому или иному классу:

Среднее по мере P( x q ) значение энтропии есть : .

Для того, чтобы оценить энтропию H ( k ), необходимо рассчитать вероятности P ( D l | c ( j )) и P ( x q = c ( j )) по обучающей последовательности, для чего воспользуемся байесовскими оценками:

, (3.3)

где

Обоснованность результатов нахождения оптимальных границ диапазонов квантования данных по описанным алгоритмам зависит от качества априорного деления координат преобразуемого вектора на классы, которое повышается по мере наполнения информационной системой данными (смысл самоорганизации).

Источник

Нормирование труда: что это такое и почему особенно интересно бизнесу сегодня

Термин «нормирование труда» у многих из нас неизбежно вызывает ассоциации с плановой экономикой и огромными, «неповоротливыми» машиностроительными предприятиями. Однако полагать, что нормирование труда — это пережиток советского прошлого, не стоит; оно по-прежнему остается одним из важнейших инструментов управления издержками производства в части регулирования их «мобильной» составляющей, связанной с оплатой труда персонала.

Кризисные явления в экономике лишь усиливают потребность в нормировании. В гонку за минимизацией издержек включаются абсолютно все предприятия, желающие не только остаться на плаву, но и подняться на новую ступень своего развития, используя все конкурентные преимущества, которые вдруг появляются у них в непростое время.

Расширение сферы прикладного нормирования труда демонстрирует не только отечественный, но и иностранный опыт, распространяющийся и на материальное производство, и на непроизводственный сектор. Специалисты считают целесообразным нормировать труд уже тогда, когда численность работающих в данной организации превышает полсотни человек. Иначе говоря, «подвластная» нормированию область почти безгранична, и пренебрегать им, особенно в ситуации нестабильности, просто нерационально.

Нормирование труда необходимо рассматривать, как минимум, в двух аспектах:

Средства нормирования труда включают в себя:

Говоря о методах нормирования труда, имеют в виду специфические технологии установления и использования норм в практических целях.

Сущность нормирования и виды норм

Нормирование труда — это процесс определения меры труда, иными словами — затрат рабочего времени (ЗРВ) на какие-либо работы, осуществляемые в заданных организационно-технических условиях. Искомую меру называют нормой труда.

Нормы труда представляют большой интерес, так как позволяют планировать, учитывать, анализировать трудозатраты, являющиеся частью издержек производства.

Нормы имеют место повсеместно:

Выражать меру затрат труда можно по-разному: временными, объемными показателями, численностью исполнителей или обслуживаемых объектов.

Нормой времени называют необходимые временные затраты на выполнение единицы работ исполнителем или их группой. Пример: норма времени на сборку одного вакуумного выключателя бригадой сборщиков составляют 2 ч.

Обратная ей величина — норма выработки. Это количество единиц работы, выполнить которое требуется за определенный отрезок времени (рабочую смену, час и пр.). Так, та же бригада сборщиков должна собрать 4 выключателя за смену.

Норма обслуживания показывает, сколько объектов нужно обслужить исполнителю/исполнителям в единицу времени. Наладчику оборудования нужно произвести за рабочую смену переналадку 7 станков.

И напротив, норма численности определяет, сколько работников требуется для выполнения заданного объема работ либо обслуживания того или иного объекта в единицу времени. Норма численности сотрудников лаборатории участка по приемке молока составляет 4 человека в смену.

Норма управляемости отражает количество работников, которые должны находиться в непосредственном подчинении у одного руководителя. Иногда данную норму называют нормой числа подчиненных. Норма числа подчиненных мастера инструментального участка — 35 человек.

Норма времени обслуживания — другая норма, она отражает затраты времени на обслуживание одного объекта. Причем им может быть не только производственное оборудование, но также клиент страховой компании, банка или покупатель в магазине. Норма времени обслуживания посетителя в МФЦ составляет 15 минут.

Часто в непрофессиональной среде происходит путаница по поводу понятий «норма» и «норматив». При всей кажущейся их близости между ними существуют строгие различия:

Методы нормирования труда

Нормирование труда — это обособленная отрасль науки о труде, имеющая в распоряжении собственный инструментарий и методологию.

Все методы нормирования труда делятся на две группы: суммарные и аналитические.

Суммарные не предполагают разбиения операции на составные элементы; не проводится анализ трудового процесса и не оценивается рациональность выполнения приемов. В этом случае определение нормы происходит при помощи данных оперативного и статистического учета ЗРВ, происходящих по факту. Велико влияние «человеческого фактора»: многое зависит от компетентности нормировщика.

Аналитические методы предусматривают глубокий анализ трудового процесса с разбиением его на части, построением рациональных приемов работы исполнителей и режимов работы оборудования. Всегда учитывается специфика производств и конкретных рабочих мест.

К группе аналитических относят следующие методы: исследовательский, расчетный и математико-статистический.

Исследовательский метод подразумевает анализ ЗРВ на основе данных, собранных в ходе осуществления хронометражных наблюдений, а также проведения фотографии рабочего времени.

Хронометражем называют такой метод изучения ЗРВ, при котором производятся замеры многократно повторяющихся элементов операций (машинно-ручных и ручных). Цель хронометража — установить основное и вспомогательное время или ЗРВ в целом на отдельные трудовые приемы. Хронометраж используют как непосредственно для нормирования, так и для проверки норм, установленных расчетным способом. Наблюдения могут быть сплошными и выборочными.

Фотография рабочего времени помогает изучить все затраты времени в течение смены или ее части. Метод используется для выявления потерь рабочего времени и выяснения их причин, а также разработки способов их устранения. Также фотография частично применяется для нормирования численности сотрудников. Фотографии рабочего времени могут быть индивидуальными, бригадными, групповыми; могут проводиться сторонним наблюдателем или самим работником (самофотография).

Особый метод — метод моментных наблюдений, он дает возможность оценить величину ЗРВ без их непосредственного измерения. В основе метода лежит теория вероятностей. Непрерывная фиксация времени не требуется, в процессе наблюдения ведется учет количества моментов. Метод удобен тем, что позволяет охватить одновременно очень много объектов.

Нормирование труда на предприятии

Главная цель нормирования труда на предприятии — создание необходимых условий для максимально эффективного использования производственного и трудового потенциала, повышения конкурентоспособности продукции и улучшения позиций на рынке благодаря снижению затрат труда, использованию лучшего мирового опыта и активному внедрению на производстве последних достижений науки, техники и технологии.

Нормирование труда на уровне предприятия призвано решать следующие основные задачи:

Система нормирования труда — это совокупность стратегических мер по организации процесса нормирования труда на предприятии и управлению им. Сюда следует отнести:

Все перечисленное необходимо для того, чтобы нормирование труда было эффективным и позволило рационализировать использование ресурсов и сокращать издержки.

Менеджеры заинтересованы в постоянном улучшении качественной оценки норм. Качественная норма — это норма обоснованная, прогрессивная, напряженная, учитывающая особенности рабочих мест и интенсивность трудовых процессов.

Когда допустимо признать нормирование труда на предприятии совершенным? Лишь тогда, когда им охвачено подавляющее большинство трудовых процессов и категорий персонала, а нормы разрабатываются и внедряются оперативно, пересматриваются своевременно.

Функции нормирования на предприятии:

Обобщив все вышесказанное, можно заключить следующее: функции нормирования на предприятии в условиях современной экономической модели формируют высокоорганизованную и строго упорядоченную систему взаимоотношений работодателей и работников, максимально широко определяя главные задачи, стоящие перед нормированием труда в настоящее время.

Перспективы аутсорсингового нормирования

Необходимо понимать, что нормирование труда — это не разовое мероприятие, а вид деятельности. На то, каким будет ее размах, оказывают влияние сразу несколько факторов: масштаб и тип производства, особенности выпускаемой продукции, стратегические и оперативные цели и задачи предприятия. Не стоит забывать и о кадровом вопросе — нормировать труд должны только компетентные в данной области специалисты.

В последнее время, пытаясь управлять организацией максимально эффективно, собственники стремятся выносить за пределы предприятия все непрофильные бизнес-процессы, освобождая ресурсы для основной хозяйственной деятельности. Мы уже успели привыкнуть не только к уборке своих помещений сотрудниками клининговых компаний и перевозке наших грузов логистическими фирмами, но также к IT-аутсорсингу, ведению бухгалтерских операций, кадрового делопроизводства, осуществлению юридического сопровождения работниками сторонних фирм.

Целесообразен ли аутсорсинг в нормировании труда? Этот вопрос требует отдельного рассмотрения для каждого предприятия. Если масштабы бизнеса не требуют ежедневной титанической работы нормировщика и постоянного его присутствия на своем рабочем месте (а именно такие случаи в большинстве), то преимущества аут-услуг очевидны. Во-первых, снижается стоимость данной функции путем экономии на фонде зарплаты, в том числе за счет уменьшения налоговой нагрузки. Во-вторых, меньше риски «простоя» из-за болезни работника и иных причин подобного плана. В-третьих, стороннего специалиста проще контролировать (по сути — это задача куратора от его фирмы) и легче заменить в случае возникновения каких-то проблем. То есть специалист, отвечающий за нормирование труда на предприятии, гарантированно будет профессионалом в своем деле.

Расширение развития аутсорсинга зачастую тормозит боязнь топ-менеджеров допустить утечку информации, хотя и существует возможность защиты корпоративных секретов путем подписания дополнительного соглашения о неразглашении информации с компанией, предоставляющей аут-услугу.

Только ли владельцы бизнеса заинтересованы в нормировании труда?

В современных реалиях нормирование труда — это инструмент менеджмента, который способен и должен помочь стабильному развитию организации.

Все процессы в экономике взаимозависимы и взаимосвязаны. Значение экономического фактора в складывании трудовых отношений в кризисный период возрастает. Собственники бизнеса желают получить максимум прибыли при минимуме затрат. Это заставляет их стремиться обходиться наименьшим штатом сотрудников, рационально использовать имеющиеся трудовые ресурсы, экономить рабочее время и любыми возможными способами устранять его потери, при этом ни в коем случае не должно ухудшатся качество выпускаемой продукции/оказываемых услуг.

Регулировать численность современные управленцы предпочитают грамотно: в штате останутся наиболее эффективные, ценные сотрудники, качественно выполняющие свои функции и ответственно подходящие к работе. Цена рабочей силы таких специалистов неизбежно будет расти на рынке, даже несмотря на сложную экономическую ситуацию.

Сами работники тоже нацелены использовать свое время наиболее эффективно, при этом им важно трудиться на безопасном производстве, в нормальных условиях и с приемлемой интенсивностью.

В итоге оказывается, что качественное, «правильное», обоснованное с научной позиции нормирование труда — это то, в чем в равной мере заинтересованы все стороны трудовых отношений.

Источник