云制造环境下知识资源的评价与选择

为了解决云制造环境下知识资源的选择问题,从知识资源提供方服务能力的角度,提出了一种基于知识服务能力值的选择模型.该模型从知识资源供需双方自身特性出发,从企业维、服务维、交互维三维度建立知识资源提供方服务能力评价体系,利用变精度粗糙集算法计算各评价指标的权重,利用敏感系数修正用户在实际情况下的偏好,最终求得所有候选资源的知识服务能力值;以此为依据指导云平台为用户选择最佳的知识资源供应方.实例表明,该模型能够从大量候选资源中推理出最佳的知识资源推荐给用户.

基于贝叶斯网络的个体隐性知识测度方法研究

隐性知识是企业创新力和竞争力的源泉,因此对其进行合理的表达、转换、分享和测度,将会为企业带来无形却巨大的经济效益。基于此,提出基于贝叶斯网络的个体隐性知识测度方法,构建了包括特定情境的设定和分析,贝叶斯网络拓扑结构的构建、节点概率的参数学习,贝叶斯网络的概率推理、排序和解释及其模型的有效性测试等在内的个体隐性知识测度模型。最后,以L企业研发部的招聘活动为例进行算例分析。结果表明该算例模型的有效性约为75%~80%,验证了所提方法对隐性知识的客观量化测度具有较好的可行性和有效性。

云制造环境下人力资源供给的评价与选择

为解决云制造环境下人力资源需求方对人力资源的优选问题,提出一种基于人力资源综合服务能力的人力资源提供方选择方法。建立了供需双方在云平台上的描述模型和提供方服务能力的评价指标体系,综合考虑人力资源提供方的服务能力和人力资源需求方的需求偏好,结合变精度粗糙集理论和激励—惩罚函数,提出激变模型法计算提供方综合服务能力值。最后通过应用实例证明了该方法的有效性。