Nagylétszámú termelővállalatok állományi kapacitás becslése

  • András Fehér
Keywords: hatékonyság, kapacitás, beosztástervezés, predikció

Abstract

A 2017. novemberi adatok szerint mintegy 50.000 munkavállaló hiányzott hazánkban a feldolgozóiparból, amely tendencia 2020 első negyedévéig fokozódott, majd a járványügyi helyzet hatására némileg enyhült, de nem szűnt meg. Ennek a jelenségnek az egyéb hatásait nem részletezve, az iparvállalatok egyre növekvő problémája a rendelkezésre álló munkavállalói állomány bizonytalansága: hány emberrel számolhatnak az elkövetkezendő napokban, hetekben, hónapokban?

Egyfelől az üzleti célok hatékonyságot ösztönző elvárásrendszere (pl. leanmenedzsment), másfelől a munkaerőpiac átalakulása készteti a nagyvállalatokat a mind pontosabb, és lehetőleg tudományos alapokra támaszkodó prediktív számításokra.

„Jósolható-e”, hogy hányan lesznek betegállományban, vagy éppen szabadságon?

Feltételezésem szerint, megfelelő matematikai módszerrel, modellezhető egy adott állomány jövőbeli valószínű rendelkezésre állása, historikus adatok segítségével.

Elsődleges célom az volt, hogy publikációmban ezt a gyakorlati példát szemléltessem.

Kutatásaim azonban egy nem várt eredményt is hoztak: kiderült ugyanis, hogy e fontos konkrét témának nincs nemzetközi tudományos forrása. Fentiek hatására, e munkám során, elhatároztam, hogy doktori kutatási munkámat is ennek a témának szentelem.

References

[1] Portfolio: Már nem csak a munkaerőhiány sújtja a magyar gazdaságot, https://www.portfolio.hu/gazdasag/mar-nem-csak-a-munkaerohiany-sujtja-a-magyar-gazdasagot.267235.html, Letöltés ideje: 2020. január 31., 22:49, 2017. november 8.
[2] KSH: Összefoglaló táblák (STADAT) - Idősoros éves adatok – Munkaerőpiac, 2020., https://www.ksh.hu/stadat_eves_2_1, Letöltés ideje: 2020. szeptember 28., 22:43
[3] Pirisi G. - Trócsányi A.: Általános társadalom- és gazdaságföldrajz, Budapest: ELTE TTK, 2012.
[4] Tóth I.: A munkaerőhiány a nemzetközi és a magyar irodalom tükrében, Budapest: MKIK Gazdaság- és Vállalkozáskutató Intézet, 2017. június 9.
[5] BUSINESS ONLINE: Egyre több állást hirdetnek meg, http://bonline.hu/cikk/127630/, Letöltés ideje: 2020. január 31., 20:40, 2017. október 21.
[6] Csikós-Nagy, K.: Szemléletváltás kell a Magyar cégeknél, Világgazdaság, https://www.vg.hu/kozelet/szemleletvaltas-kell-magyar-cegeknel-644187/, Letöltés ideje: 2020. szeptember 3., 19:58
[7] Korcyl K.: Felmondási hullám a magyar munkahelyeken: ez már a poszt-covid szindróma?, 2020. július 20., https://businessdrive.hu/felmondasi-hullam-a-magyar-munkahelyeken-ez-mar-a-poszt-covid-szindroma/?fbclid=IwAR2CvjdgK46wvPalSRM4jyyGtn0uiyQpWWNCeL0j-AMffiMPPxjALqV33G0, Letöltés ideje: 2020. július. 26., 11:33
[8] KSH: A válság hatása a munkaerőpiacra, Budapest: Internetes kiadvány – www.ksh.hu, ISBN 978-963-235-275-6, 2010. április
[9] Európai Bizottság: A bizottság és a tanács közös foglalkoztatási jelentésének tervezete, Brüsszel: EUR-Lex, 2016. november 16.
[10] KSH: Munkaerőpiaci folyamatok, Budapest: Statisztikai tükör, 2017. szeptember 15.
[11] KSH: Munkaerőpiaci helyzetkép 2014-2018, Budapest: Internetes kiadvány, http://www.ksh.hu/docs/hun/xftp/idoszaki/munkerohelyz/munkerohelyz17.pdf, Letöltés ideje: 2020. szeptember 29., 20:00
[12] Statista.com: Employment Worldwide, 2020, https://www.statista.com/statistics/829705/global-employment-by-generation/, Letöltés ideje: 2020. szeptember 21., 23:18
[13] Hackman, J. – Oldham, G.: Development of the job diagnostic survey, USA: Journal of Applied Psychology, 60, 1975.
[14] 2012. évi I. törvény a munka törvénykönyvéről, XI-XII. fejezet rendelkezései
[15] CNBC (2019). IBM artificial intelligence can predict with 95% accuracy which workers are about to quit their jobs. cnbc.com, 2019.04.03.,
https://www.cnbc.com/2019/04/03/ibm-ai-can-predict-with-95-percent-accuracy-which-employees-will-quit.html, letöltés ideje: 2020. szeptember 13., 18:18
[16] Occupational Medicine, Vol. 67, Iss. 3, 2017.04.01., p. 176–181, https://doi.org/10.1093/occmed/kqx014, Letöltés ideje: 2020. szeptember 30., 21:02
[17] HR Magazine (2010). Absence management: Can new technology predict when employees are going to be off? hrmagazine.co.uk, 2010.06.25.,
https://www.hrmagazine.co.uk/article-details/absence-management-can-new-technology-predict-when-employees-are-going-to-be-off, Letöltés ideje: 2020. augusztus.31., 17:30
[18] Medvegyev P.: Sztochasztikus analízis, Budapest: Magyar Külkereskedelmi Bank Vállalati Katedra, Budapesti Közgazdasági és Államigazgatási Egyetem, 2016. október 29.
[19] Benke J. és SZŰCS G.: Sztochasztikus folyamatok, Szeged: Szegedi Tudományegyetem, Bolyai Intézet, 2016.
[20] S. G. PAP Gy.: Sztochasztikus folyamatok, Szeged: Szegedi Tudományegyetem, Bolyai Intézet, Sztochasztika Tanszék, 2014.
[21] Polgárné Hoschek, Mónika: Statisztikai idősorelemzés a tőzsdén. Doktori (PhD) értekezés. Nyugat-magyarországi Egyetem, 2011.
[22] Grinstead M., Ch – Snell J., L.: Introduction to probability, USA: American Mathematical Society, ISBN: 978-0-8218-9414-9, 1997.
[23] Pokorádi L.: Rendszerek és folyamatok modellezése, Debrecen: Campus, 2008.
[24] Pokorádi L.: Karbantartási folyamat valószínűségi modellje, Kolozsvár: XXI. Fiatal Műszakiak Tudományos Ülésszaka, 333–336., 2016.
Published
2021-03-01
Section
Safety Science (Biztonságtudomány)