Mô hình moora dựa vào entropy mờ mới ứng dụng cho hệ thống thông tin tuyển dụng

Nội dung text: Mô hình moora dựa vào entropy mờ mới ứng dụng cho hệ thống thông tin tuyển dụng

1. Vietnam J. Agri. Sci. 2021, Vol. 19, No. 7: 975-986 Tạp chí Khoa học Nông nghiệp Việt Nam 2021, 19(7): 975-986 www.vnua.edu.vn MÔ HÌNH MOORA DỰA VÀO ENTROPY MỜ MỚI ỨNG DỤNG CHO HỆ THỐNG THÔNG TIN TUYỂN DỤNG Nguyễn Hữu Hải*, Nguyễn Văn Hạnh, Vũ Thị Thu Giang, Đỗ Thị Huệ, Nguyễn Thị Bích Thủy Khoa Công nghệ thông tin, Học viện Nông nghiệp Việt Nam *Tác giả liên hệ: nhhai@vnua.edu.vn Ngày nhận bài: 20.07.2020 Ngày chấp nhận đăng: 14.04.2021 TÓM TẮT Lựa chọn nguồn nhân lực được xem là nhân tố quan trọng trong một tổ chức hay doanh nghiệp nhằm lựa chọn các ứng viên tốt nhất để đáp ứng yêu cầu của vị trí việc làm cũng như sự phát triển tổ chức, doanh nghiệp trong tương lai. Bài toán lựa chọn nguồn nhân lực là bài toán ra quyết định đa tiêu chí với nhiều tiêu chí có thể xung đột lẫn nhau. Trong bài báo này chúng tôi đề xuất độ đo entropy mờ mới nhằm cải thiện cách xác định trọng số của các tiêu chí trong phương pháp MOORA. Hơn nữa, độ đo được đề xuất cung cấp thêm cho chúng ta nhiều lựa chọn hơn khi cần xác định độ đo entropy của tập mờ. Cuối cùng chúng tôi áp dụng mô hình đề xuất vào bài toán lựa chọn nhân sự cho khóa tập huấn và nhân sự kế toán tại doanh nghiệp. Kết quả thu được phù hợp với kết quả của các phương pháp khác như là phương pháp SWARA, phương pháp FMCDM. Từ khóa: Entropy mờ, MOORA, hệ thống thông tin tuyển dụng, lựa chọn nhân sự, MOORA Model Based on New Fuzzy Entropy and Its Application in Recruitment Information System ABSTRACT Human resource selection is considered a vital factor for an organization or an enterprise, aiming to select the best candidates in order to meet the job requirements as well as the development of an organization or an enterprise in the future. Personnel selection is Multi-Criteria Decision-Making (MCDM) problem with many conflicting attributes. In this paper, we proposed a new fuzzy entropy measure to improve the calculation of weight of criteria in MOORA method. In addition, the proposed measure has also provided more options to calculate entropy measures of fuzzy sets. Finally, we applied the proposed model to the personnel selection for a training program and choosing the right accountant for a business. The obtained results are similar to those of other methods such as SWARA and FMCDM. Keywords: Fuzzy entropy, MOORA, recruitment information system, personnel selection. để đáp ứng được yêu cầu công việc là một bài 1. ĐẶT VẤN ĐỀ toán không đơn giản. Quá trình lựa chọn nhân Lựa chọn nhân sự được xem là phần quan sự trở nên phức tạp hơn khi nhiều tiêu chí được trọng của công tác quản lý nguồn nhân lực nói đặt ra như là kiến thức, kinh nghiệm, kỹ năng riêng và của doanh nghiệp nói chung. Rõ ràng, và khả năng thích nghi của ứng viên trong môi chất lượng đầu vào của nguồn nhân lực liên trường mới hay môi trường đòi hỏi ứng viên có quan trực tiếp đến việc lựa chọn nguồn nhân lực sự sáng tạo trong khi những thông tin mà nhà cũng như sự phát triển của doanh nghiệp trong tuyển dụng có được còn hạn chế, không đầy đủ, tương lai. Với quá trình lựa chọn nguồn nhân không chắc chắn. Do vậy, bài toán làm thế nào lực, làm thế nào để có thể lựa chọn được những để xây dựng được mô hình lựa chọn nguồn nhân ứng viên phù hợp nhất trong số nhiều ứng viên lực có tính khoa học để có thể giúp tổ chức, 975
2. Mô hình MOORA dựa vào entropy mờ mới ứng dụng cho hệ thống thông tin tuyển dụng doanh nghiệp có thể lựa chọn được những ứng Trên thực tế, việc lựa chọn nhân sự tại các viên phù hợp nhất cho vị trí công việc thay vì tổ chức, doanh nghiệp thường là thông qua chọn những ứng viên giỏi nhất luôn được nhiều phỏng vấn hoặc thông qua các bài kiểm tra năng nhà khoa học cũng như nhiều doanh nghiệp lực, việc xác định tầm quan trọng của một số quan tâm. tiêu chí như tính cách, năng lực lãnh đạo, kinh Thực tế, đã có một số phương pháp được đề nghiệm làm việc hay sự tự tin của ứng viên xuất để tìm lời giải cho bài toán ra quyết định thường không được định nghĩa một cách chính đa tiêu chí (MCDM) nói chung và bài toán lựa xác cho người ra quyết định. Thông thường mức chọn nguồn nhân lực nói riêng. Trước hết, phải độ phù hợp ở mỗi tiêu chí cho ứng viên cũng như kể đến phương pháp phân tích thức bậc AHP tầm quan trọng của các tiêu chí được gán bởi các được giới thiệu lần đầu bởi Saaty (1980). biến ngôn ngữ như là ‘tốt’, ‘khá’, ‘trung bình’ và Phương pháp AHP cung cấp cho chúng ta một ‘kém’ Vì vậy, với quá trình lựa chọn nhân sự, người ra quyết định thường phải đối mặt với phương pháp xác định trọng số của các tiêu chí những khó khăn như là việc đánh giá tầm quan và thông qua đó giúp người ra quyết định có trọng của các tiêu chí đặc biệt là các tiêu chí thể lựa chọn được phương án phù hợp nhất như đã đề cập ở trên. Do vậy có thể nói đặc trên cơ sở xác định và phân cấp các yêu tố tác trưng của bài toán lựa chọn nguồn nhân lực là động, ảnh hưởng đến vấn đề cần giải quyết. sự không rõ ràng. Trong những tình huống này Tuy nhiên, AHP có hạn chế là chỉ xem xét duy số mờ được xem là một công cụ hữu ích để xấp xỉ nhất một chiều mối quan hệ thứ bậc giữa các cho các biến ngôn ngữ Zadeh (1965). Chính vì yếu tố mà chưa suy xét tương tác giữa các yếu điều này mà lý thuyết tập mờ của Zadeh đã thể tố khác nhau. Chính vì hạn chế trên, năm hiện được tính hiểu quả trong việc tìm lời giải 1996, Saaty đề xuất phương pháp ANP cho bài toán lựa chọn nguồn nhân lực. Ballý & (Analytic Network Process) để khắc phục hạn cs. (2014) sử dụng phương pháp fuzzy AHP và chế của AHP. ANP được biết đến như một hình TOPSIS để lựa chọn vận động viên bóng rổ. thức phát triển của AHP được sử dụng cho bài Kerðulienë & Turskis (2014) đã tích hợp nguyên toán MCDM, trong đó cấu trúc của ANP là cấu lý tổng hợp thông tin mờ, phương pháp ARAS trúc mạng, nghĩa là có sự tương tác qua lại với số mờ và AHP để lựa chọn nhân sự cho vị trí giữa các yếu tố. Ngày nay, ANP được ứng dụng kế toán trưởng. Ali & cs. (2017) đã đề xuất một trong nhiều lĩnh vực khác nhau. Một số kỹ hệ thống lựa chọn nhân sự dựa vào FAHP và thuật khác cũng được đề xuất, điển hình là kỹ phương pháp SAW. thuật TOPSIS được đề xuất bởi Hwang & cs. Ngoài các phương pháp nói trên, phương (1981). Ý tưởng cơ bản của kỹ thuật TOPSIS là pháp MOORA (Multi-Objective Optimization on phương án được xem là tối ưu khi có khoảng the basis of Ratio Analysis) được biết đến như cách gần nhất với phương án lý tưởng và một phương pháp MCDM nổi tiếng. Phương khoảng cách xa nhất với phương án tệ nhất. pháp MOORA cơ bản gồm 5 bước chính và được Kể từ đó, kỹ thuật TOPSIS được áp dụng rộng bắt đầu với một ma trận thông tin liên quan đến rãi trong nhiều lĩnh vực, điển hình Shih (2007) tập các phương án và các tiêu chí khác nhau. và Wang (2009) đã phát triển kỹ thuật Phương pháp MOORA được đề xuất bởi Brauers TOPSIS kết hợp lý thuyết Grey cho bài toán & Zavadskas (2006). Kể từ đó, phương pháp lựa chọn nhân sự. Trong nghiên cứu của mình, MOORA được ứng dụng rộng rãi để giải các bài Wang đã xem xét các tiêu chí như là trình độ toán trong nhiều lĩnh vực khác nhau như là học vấn, kinh nghiệm làm việc, hiệu quả công kinh tế, xây dựng hay quản trị nguồn nhân lực việc, độ tuổi, sự trung thành và khả năng bởi sự đơn giản và hiểu quả của phương pháp sáng tạo trong công việc. Kết quả của Dejiang mang lại. Hơn thế, phương pháp MOORA được được xem là một mở rộng có ý nghĩa của kỹ xem là công cụ hiểu quả để tìm lời giải cho thuật TOPSIS. những bài toán MCDM phức tạp với những tiêu 976
3. Nguyễn Hữu Hải, Nguyễn Văn Hạnh, Vũ Thị Thu Giang, Đỗ Thị Huệ, Nguyễn Thị Bích Thủy chí xung đột lẫn nhau. Chẳng hạn, bài toán lựa thỏa mãn. Công trình của De Luca & cs. (1972) chọn ứng viên tham gia khóa tập huấn với các đánh dấu sự mở rộng của khái niệm entropy vào tiêu chí được xem xét như độ tuổi, năng lực lĩnh vực lý thuyết tập mờ. Kể từ đó, những tính ngoại ngữ, số năm kinh nghiệm . Rõ ràng, hầu chất của entropy mờ được De Luca & cs. (1972) hết các trường hợp thì tiêu chí độ tuổi được xem đề xuất đã trở thành các tiên đề cho việc định là tiêu chí phi lợi ích, tiêu chí mà sẽ xung đột với nghĩa một entropy mờ bất kỳ. Chính vì tầm các tiêu chí như năng lực ngoại ngữ, số năm quan trọng của nó trong việc xác định sự không kinh nghiệm của ứng viên. Những năm gần đây rõ ràng của tập mờ, độ đo entropy mờ đã trở ghi nhận có nhiều mở rộng của phương pháp thành chủ đề lớn trong nghiên cứu lý thuyết tập MOORA để giải quyết các bài toán thực tế phức mờ cũng như nghiên cứu ứng dụng của nó trong tạp hơn chẳng hạn bài toán lựa chọn nguồn các bài toán MCDM phức tạp như là bài toán nhân lực. Điển hình phải kể đến đóng góp của lựa chọn nguồn nhân lực. Trên cơ sở đó, chúng Dragisa (2013), đề xuất một mở rộng của tôi nghiên cứu và đề xuất một entropy mờ mới phương pháp MOORA để giải quyết các bài toán nhằm cải thiện cách xác định trọng số của các ra quyết định mờ. Gökay & cs. (2015) giới thiệu tiêu chí trong phương pháp MOORA và ứng tích hợp giữa Fuzzy AHP và Fuzzy MOORA cho dụng của mô hình đề xuất cho bài toán lựa chọn bài toán lựa chọn lĩnh lực nghề nghiệp trong nhân sự. tương lai của sinh viên khối ngành kỹ thuật công nghiệp. Luis & cs. (2018) đã đề xuất một 2. PHƯƠNG PHÁP NGHIÊN CỨU mở rộng của MOORA khi kết hợp MOORA với tập mờ Py-ta-go cho bài toán MCDM. Đối với Mô hình MCDM giúp nhà quản lý lựa chọn bài toán lựa chọn nguồn nhân lực, các công việc được phương án hợp lý nhất từ tập các phương khác nhau đòi hỏi các tiêu chí được xét đến cũng án A = {A1, A2, , An} dựa trên tập các tiêu chí C như trọng số của các tiêu chí khác nhau. Do vậy, = {C1, C2, , Cm}, trong đó mỗi tiêu chí Cj được việc xác định trọng số của các tiêu chí được xem đánh giá với trọng số wj (0,1), j {1, 2, , m} là nhân tố quan trọng trong quá trình lựa chọn m thỏa mãn w 1 .  j nguồn nhân lực. Điều này giúp phản ánh chính j 1 xác hơn kết quả xếp hạng của các ứng viên. Như Bài toán MCDM thường được mô tả bởi một đã đề cập ở trên, đặc trưng của bài toán lựa ma trận thông tin chọn nguồn nhân lực là sự không rõ ràng. Tuy + nhiên, độ đo entropy mờ được biết đến như một D = [dij]n m với dij R , cụ thể CCC công cụ hiệu quả đo sự không rõ ràng của tập 1 2 m mờ hay hệ thống mờ nào đó. Khái niệm entropy A d d d 1 11 12 1m xuất phát từ nhiệt động lực học, liên quan đến D A d d d 2 21 22 2m việc truyền năng lượng nhiệt trong một hệ      thống. Nó là thước đo tính ngẫu nhiên hoặc hỗn A d d d loạn của một hệ thống. Năm 1948, Shannon là n n1 n2 nm người đầu tiên đưa ra khái niệm entropy thông tin (information entropy) để mô tả mức độ hỗn 2.1. Phương pháp xác định trọng số các loạn trong một tín hiệu lấy từ một sự kiện ngẫu tiêu chí dựa vào độ đo entropy mờ mới nhiên. Kể từ đó, kết quả của Shannon được ứng Trước khi đi vào phân tích về entropy mờ dụng cho nhiều lĩnh vực khác nhau như phân mới, chúng tôi giới thiệu một số khái niệm cơ cụm, hệ logic mờ hay bài toán ra quyết định. bản về tập mờ và entropy của tập mờ. Zadeh Hơn 20 năm sau kể từ khi khái niệm entropy (1965) đã đưa ra khái niệm tập mờ cùng với các thông tin được biết đến, De Luca & cs. (1972) đã phép toán của tập mờ như sau: đề xuất entropy mờ dựa trên công trình của Shannon để đo lường sự không rõ ràng của một Định nghĩa 1. Cho tập nền X = {x1, x2, , tập mờ và một số tính chất mà entropy mờ nên xn}, một tập mờ A trên X là tập có dạng: 977
4. Mô hình MOORA dựa vào entropy mờ mới ứng dụng cho hệ thống thông tin tuyển dụng A = { |x X} những tính chất trên của entropy mờ, Liu (1992) đã giới thiệu khái niệm  entropy để mô tả mỗi trong đó, A: X [0,1] được gọi là hàm - quan hệ giữa tập mờ A với tập rõ D bất kỳ. thuộc của tập A. Ta ký hiệu F(X) là tập tất cả các tập mờ trên tập nền X. Định nghĩa 3. Độ đo entropy mờ e được gọi Theo Zadeh (1965) các phép toán của tập là -entropy trên F(X)nếu e thỏa mãn: mờ như là phép giao, phép hợp và phép lấy phần e(A) = e(A  D) + e(A  Dc) bù được xác định như sau: với D là tập rõ bất kỳ. Phép giao: Giao của hai tập mờ A và B là Theo đó, kết quả của Liu chỉ ra rằng nếu độ một tập mờ C, ký hiệu C = A  B với hàm thuộc đo entropy mờ là -entropy thì sự không rõ ràng như sau: của tập mờ A được đo bởi tổng entropy của tập (x) = min{ (x), (x)}, x X C A B  mờ A  D và A  Dc. Nói một cách khác, khi đó Phép hợp: Hợp của hai tập mờ A và B là tập mờ A được phân hoạch bởi tập rõ D thành 2 tập mờ mà entropy của nó đúng bằng tổng một tập mờ C, ký hiệu C = A  B với hàm thuộc như sau: entropy của hai tập mờ đó. C(x) = max{A(x), B(x)}, x X Tiếp theo chúng tôi đề xuất độ đo entropy mờ mới e(A) của tập mờ A ở công thức (1) nhằm Phép lấy phần bù: Cho tập mờ A F(X) cải thiện cách xác định trọng số của các tiêu chí có dạng: trong phương pháp MOORA như sau:  (x) > |x X} A = { |x X}. như trong (1) là một độ đo entropy mờ. Theo De Luca & cs. (1972), một độ đo entropy mờ được định nghĩa như sau: Chứng minh. Định nghĩa 2. Một hàm thực e: F(X) [0,1] Thật vậy, để (1) trở thành độ đo entropy mờ, ta cần chứng minh (1) thỏa mãn 4 tiền đề của độ được gọi là một entropy mờ trên tập F(X) đo entropy mờ như trong định nghĩa 2. nếu nó thỏa mãn các tiên đề sau: + Tiên đề (E1) (E1) e(A) = 0 khi và chỉ khi A là tập rõ Thật vậy, với tập rõ A thì e(A) = 0 vì A(x) = (E2) e(A) = 1 khi và chỉ khi 0 hoặc A(x) = 1, x X. Do vậy e(A) thỏa mãn 1 x ,  x X A tiên đề (E1). 2 c c + Tiên đề (E2) (E3) e(A) = e(A ), với A là phần bù của A. Ta dễ dàng tính được e(A) = 1 khi (E ) e(A) e(B), nếu: 4 1 x ,  x X nên e(A) thỏa mãn tiên đề (E ). 1 A 2 x  x ,  x X 2 AB 2 + Tiên đề (E3) hoặc: Ta có: 1 x  x ,  x X n 2 AB c 1 2 e A 1 2 1  x 1  A i n i 1 Thực chất các tiên đề (E ) – (E ) chính là các 1 4 1 n 2 1 1 2  x e(A) tính chất mà De Luca (1972) đã đề xuất trong  A i n i 1 công trình khoa học của mình. Tuy nhiên về sau chúng được thừa nhận như các tiên đề cho việc Như vậy, tiên đề (E3) được thỏa mãn. định nghĩa độ đo entropy mờ bất kỳ. Ngoài + Tiên đề (E4) 978
5. Nguyễn Hữu Hải, Nguyễn Văn Hạnh, Vũ Thị Thu Giang, Đỗ Thị Huệ, Nguyễn Thị Bích Thủy Giả sử A và B là các tập mờ thoản mãn: Sau đây là các bước xác định trọng số của 1 các tiêu chí dựa vào độ đo entropy mờ mới. AB(x)  (x) ,  x X. 2 Bước 1. Mờ hóa ma trận thông tin Ta cần chỉ ra rằng khi đó e(A) e(B). Thật D [d ] bằng việc sử dụng công thức (2) ij n m vậy, ta có: hoặc (3). 1 2 (x)1 2 (x)1 0 AB  Hàm thuộc của tập mờ A và B như sau: 1 (2  (x) 1)2 (2  (x) 1) 2 0 AB 1, x a Do vậy: b x (x) , a x b (2) 1 n A b a e(A) 1 (2  (x) 1)2 n  A 0, x b i 1 1 n 1 (2  (x) 1)2 e(B)  B 0, x c n i 1 x c (x) , c x d (3) Lập luận tương tự cho trường hợp A và B là B d c các tập mờ thoản mãn: 1, x d 1 (x)  (x) ,  x X. AB 2 Bước 2. Tính độ đo entropy mờ cho các tiêu chí C theo công thức (1), cụ thể: Ta cũng thu được e(A) e(B). Như vậy e(A) j trong (1) thỏa mãn 4 tiên đề của một độ đo n entropy của tập mờ. 1 2 e 1 (2d 1) (4) j ij Ngoài ra, qua một vài bước tính toán cho n i 1 thấy độ đo entropy mờ mới cũng thỏa mãn tính Bước 3. Tính trọng số của mỗi tiêu chí C j chất -entropy của Liu. Thật vậy, xét trường thông qua độ đo entropy mờ mới: hợp tập rõ D với (x) = 0, x X ta có: D  1 e j n w ,j 1,2, ,m (5) 1 j e(A D) 1 (2  (x) 1)2 0 m  D (1 e ) n i 1  j j 1 1 n e(A Dc ) 1 (2  (x) 1) 2 e(A).  A 2.2. Phương pháp MOORA dựa vào độ đo n i 1 entropy mờ mới Lập luận tương tự cho trường hợp tập rõ D Các bước của phương pháp MOORA dựa với (x) 1,  x X. Cuối cùng, ta thu được hệ D vào entropy mờ mới như sau: thức sau: Bước 1. Xác định trọng số của mỗi tiêu chí c e(A) e(A  D) e(A  D ). Cj theo phương pháp đã nêu ở phần 2.1. Hình 1. Đồ thị hàm thuộc của tập mờ A Hình 2. Đồ thị hàm thuộc của tập mờ B 979
6. Mô hình MOORA dựa vào entropy mờ mới ứng dụng cho hệ thống thông tin tuyển dụng Bước 2. Tính ma trận thông tin có trọng số, 3. TRƯỜNG HỢP NGHIÊN CỨU ký hiệu W = [W ] với: ij n m Để minh họa sự hiệu quả của phương pháp Wij = wj dij(6) được đề xuất, chúng tôi áp dụng phương pháp đó Bước 3. Tính các chỉ số Pi, Ri của mỗi để giải quyết một số bài toán bao gồm bài toán phương án lựa chọn nhân sự thích hợp cho vị trí kế toán của doanh nghiệp; bài toán lựa chọn ứng viên 1 PW i ij tham gia khóa tập huấn của công ty và so sánh |B|j B kết quả với một số phương pháp khác. và 1 3.1. Ví dụ 1 (Mohamed & Ahmed, 2012) RW (7) i ij |NB|j NB Trong ví dụ này, tác giả đã đề cập đến bài toán lựa chọn một ứng viên để tham gia một trong đó, B là tập các tiêu chí lợi ích và NB là tập các tiêu chí không lợi ích. khóa tập huấn. Để lựa chọn ứng viên phù hợp nhất tác giả đã xem xét các tiêu chí sau: Độ tuổi Bước 4. Tính các giá trị ưu tiên của mỗi ứng viên (C ), kinh nghiệm làm việc trong lĩnh phương án: 1 vực viễn thông (C2), số năm làm việc ở công ty Qi = Pi - Ri (8) (C3), kỹ năng sử dụng máy tính (C4) và trình độ Với i = 1, 2, , n. . ngoại ngữ (C5). Số liệu được thể hiện ở bảng 1. Bước 5. Xếp hạng các phương án theo giá 3.1.1. Sử dụng mô hình MOORA dựa vào trị ưu tiên theo nguyên tắc AA nếu Q > Q . k l k l entropy mờ mới Ở phần này, chúng tôi sử dụng phương 2.3. Phương pháp FMCDM dựa vào độ đo pháp MOORA dựa vào độ đo entropy mờ đã đề khoảng cách của các tập mờ xuất trong phần 2.2 để tìm ra nhân sự phù hợp Bài toán ra quyết định đa tiêu chí mờ nhất cho khóa tập huấn trong số 5 nhân sự được (FMCDM) dựa vào độ đo khoảng cách của các đề xuất như sau: tập mờ được thể hiện như sau: Bước 1. Xác định trọng số của các tiêu chí Bước 1. Mờ hóa ma trận thông tin ban đầu Cj, j = 1, 2, , 5 theo phương pháp đề xuất trong theo công thức (2) hoặc (3). phần 2.1. Kết quả thu được ở bảng 3. Bước 2. Lựa chọn phương án hoàn hảo, ký Trước khi xác định trọng số của các tiêu chí * hiệu là P = (p1, p2, , pn) với pi [0,1], cụ thể pi = ta cần mờ hóa ma trận thông tin dựa vào số mờ ở công thức (2), cụ thể với c = 23, d = 55 cho tiêu 1 khi tiêu chí thứ Ci là tiêu chí lợi ích và pi = 0 chí (C ); c = 8, d = 18 cho tiêu chí (C ); với c = 5, nếu như tiêu chí Ci là không lợi ích. 1 2 d = 21 cho tiêu chí (C ); với c = 65, d = 100 cho Bước 3. Tính khoảng cách từ mỗi phương 3 tiêu chí (C ) và với c = 65, d = 92 cho tiêu chí án đến phương án P* theo công thức sau: 4 (C5). Kết quả thu được ở bảng 2. n d(A,P)* w(d p) 2 Tiếp theo, chúng ta cần tính độ đo entropy i j ij j i 1 mờ của các tiêu chí theo công thức (4), thu được Bước 4. Dựa vào kết quả ở bước 3 ta tiến kết quả ở bảng 3. Số liệu ở bảng 3 cho thấy tiêu chí (C ) có trọng số lớn nhất, lớn hơn đáng kể so hành xếp hạng các phương án theo nguyên tắc 3 với trọng số của các tiêu chí còn lại và tiêu chí phương án Ai được gọi là trội hơn Ak , ký hiệu (C ) có trọng số nhỏ nhất. AA nếu 5 i k Bước 2. Xác định ma trận thông tin có d(A,P ) d(A ,P ) i k trọng số theo công thức (6). Kết quả thu được ở với mọi i, k = 1, 2, , n. bảng 4. 980
7. Nguyễn Hữu Hải, Nguyễn Văn Hạnh, Vũ Thị Thu Giang, Đỗ Thị Huệ, Nguyễn Thị Bích Thủy Bảng 1. Ma trận thông tin C1 C2 C3 C4 C5 Ứng viên 1 32 10 9 93 80 Ứng viên 2 35 13 12 88 75 Ứng viên 3 45 16 15 67 69 Ứng viên 4 41 9 6 80 84 Ứng viên 5 50 12 20 75 82 Bảng 2. Ma trận thông tin đã mờ hóa C1 C2 C3 C4 C5 Ứng viên 1 0,2812 0,200 0,2500 0,8000 0,5555 Ứng viên 2 0,3750 0,500 0,4375 0,6571 0,3703 Ứng viên 3 0,6875 0,800 0,6250 0,0571 0,1481 Ứng viên 4 0,5625 0,100 0,0625 0,4285 0,7037 Ứng viên 5 0,8437 0,400 0,9375 0,2857 0,6296 Bảng 3. Entropy mờ và trọng số của các tiêu chí C1 C2 C3 C4 C5 Entropy 0,8234 0,7200 0,6281 0,7105 0,8384 Trọng số 0,1379 0,2188 0,2906 0,2262 0,1262 Bước 3. Tính các chỉ số P , R cho mỗi ứng i i 3.1.2. Sử dụng phương pháp FMCDM dựa viên và thu được kết quả ở bảng 5. Ta xem tiêu vào độ đo khoảng cách giữa các tập mờ chí (C1) là tiêu chí không lợi ích và các tiêu chí còn lại là tiêu chí lợi ích. Áp dụng các bước tính toán trong phần 2.3 với phương án P* = (0, 1, 1, 1, 1) ta thu được kết Bước 4. Tính chỉ số ưu tiên cho mỗi ứng quả xếp hạng các ứng viên như trong bảng 6. viên theo công thức: Kết quả xếp hạng các ứng viên theo phương Qi = Pi – Ri pháp FMCDM cho thấy ứng viên 2 là lựa chọn Kết quả được thể hiện ở bảng 5. tốt nhất trong số 5 ứng viên. Kết quả này cũng Bước 5. Xếp hạng các ứng viên dựa trên phù hợp với kết quả theo phương pháp được đề chỉ số ưu tiên Qi. Kết quả được thể hiện trong xuất (Bảng 5). bảng 5. Ngoài ra, để đánh giá khách quan hơn về sự Kết quả ở bảng 5 cho thấy ứng viên 2 là lựa hiệu quả của phương pháp được đề xuất trong chọn tốt nhất cho khóa tập huấn mặc dù ứng phần 2, chúng tôi cũng cũng đưa vào so sánh viên 2 không là ứng viên trẻ tuổi nhất trong số 5 kết quả tìm được từ FMOORA dựa trên entropy ứng viên và đối với tiêu chí (C ) và (C ) thì ứng 4 5 mờ mới với các phương pháp khác như là viên 2 xếp sau ứng viên 1. Điều này cho thấy phương pháp SWARA (Kerðulienë, 2010). Kết tầm quan trọng của bước xác định trong số quả ở hình 3 cho thấy 3 phương pháp đều cho trong phương pháp FMOORA. Kết quả xếp hạng một kết quả xếp hạng các ứng viên như nhau. ứng viên theo phương pháp đề xuất cũng phù Ứng viên 2 được xếp hạng 1 mặc dù ứng viên 2 hợp với kết quả của Mohamed & Ahmed (2012). không phải là ứng viên trẻ nhất trong số 5 ứng 981
8. Mô hình MOORA dựa vào entropy mờ mới ứng dụng cho hệ thống thông tin tuyển dụng viên. Ứng viên 1 được xếp thứ 2 và ứng viên 4 nhỏ hơn đáng kể so với trọng số các tiêu chí còn được xếp cuối bảng xếp hạng. Kết quả cũng phù lại ngoại trừ tiêu chí (C5). hợp với số liệu thông tin (Bảng 1). Kết quả này cũng phản ánh được vai trò, tầm quan trọng của 3.2. Ví dụ 2 việc xác định trọng số của các tiêu chí trong Bài toán lựa chọn nhân sự kế toán tại công phương pháp FMCDM nói chung và FMOORA ty kinh doanh thép và vật liệu công nghiệp, trụ dựa vào độ đô entropy mờ mới nói riêng. Kết sở tại Phố Cầu Giấy, TP Hà Nội. Số liệu được quả xác định trọng số các tiêu chí ở bảng 3 cho điều tra, thu thập tại phòng nhân sự của công ty thấy tiêu chí (C ) - độ tuổi ứng viên có trọng số và được mô tả ở bảng 7. 1 Bảng 4. Ma trận thông tin có trọng số C1 C2 C3 C4 C5 Ứng viên 1 0,0388 0,0437 0,0726 0,1809 0,0701 Ứng viên 2 0,0517 0,1094 0,1271 0,1486 0,0467 Ứng viên 3 0,0948 0,1750 0,1816 0,0129 0,0187 Ứng viên 4 0,0776 0,0218 0,0181 0,0969 0,0888 Ứng viên 5 0,1164 0,0875 0,2724 0,0646 0,0795 Bảng 5. Chỉ số Pi, Ri, chỉ số ưu tiên Qi và kết quả xếp hạng các ứng viên Pi Ri Qi Xếp hạng Ứng viên 1 0,0918 0,0388 0,05308 2 Ứng viên 2 0,1080 0,0517 0,05625 1 Ứng viên 3 0,0970 0,0948 0,00221 4 Ứng viên 4 0,0564 0,0776 - 0,02115 5 Ứng viên 5 0,1260 0,1164 0,00960 3 Bảng 6. Kết quả xếp hạng các ứng viên theo FMCDM * d(Ai, P ) Xếp hạng Ứng viên 1 0,55029 2 Ứng viên 2 0,49268 1 Ứng viên 3 0,63844 4 Ứng viên 4 0,74921 5 Ứng viên 5 0,55759 3 Hình 3. Kết quả xếp hạng ứng viên theo FMOORA, FMCDM và SWARA 982
9. Nguyễn Hữu Hải, Nguyễn Văn Hạnh, Vũ Thị Thu Giang, Đỗ Thị Huệ, Nguyễn Thị Bích Thủy Bảng 7. Ma trận thông tin C1 C2 C3 C4 C5 C6 C7 C8 Ứng viên 1 28 3,0 7,85 5,0 80 70 65 1,0 Ứng viên 2 29 5,5 7,10 6,5 70 80 70 1,5 Ứng viên 3 27 3,0 7,06 5,0 65 70 60 1,0 Ứng viên 4 29 5,0 7,08 6,0 75 75 65 1,0 Ứng viên 5 28 4,0 7,58 6,0 75 80 80 2,0 Ứng viên 6 29 5,0 8,15 5,5 70 80 80 2,5 Ứng viên 7 27 2,5 7,28 6,5 70 65 70 2,0 Ứng viên 8 28 1,0 7,08 5,5 70 70 65 1,0 Ứng viên 9 27 2,0 7,18 5,0 65 65 60 1,0 Trong ví dụ này chúng tôi sử dụng 8 tiêu thấy tiêu chí (C4) có trọng số lớn nhất, tiếp theo chí để đánh giá ứng viên bao gồm: độ tuổi ứng là tiêu chí (C ) và tiêu chí (C ) có trọng số bé 3 2 viên (C ), kinh nghiệm làm việc (C ), trình độ nhất. Tiêu chí (C ) và (C ) có trọng số bé hơn 1 2 2 1 học vấn (C3), năng lực ngoại ngữ (C4), mức độ đáng kể so với trọng số các tiêu chí còn lại. Số thành thạo MS office (C5), kỹ năng sử dụng liệu ở bảng 9 cho thấy ngoài vai trò quan trọng phần mềm kế toán (C6), kỹ năng làm việc nhóm của tiêu chí (C3) và (C4)thì các tiêu chí (C5) - (C8) (C7) và điểm cộng (C8). Chúng tôi sử dụng tiêu cũng đóng vai trò đáng kể trong việc xếp hạng chí điểm cộng để cộng điểm cho ứng viên tốt các ứng viên. nghiệp từ các trường đại học có uy tín trong lĩnh Bước 2. Xác định ma trận thông tin có vực kinh tế - kế toán hay là các ứng viên đã qua trọng số theo công thức (5). Kết quả thu được ở đào tạo trình độ thạc sỹ chuyên ngành kế toán. bảng 10. Điều này nhằm phản ánh sát thực tế hơn trong lĩnh vực tuyển dụng nhân sự tại các công ty và Bước 3. Tính các chỉ số Pi, Ri cho mỗi ứng doanh nghiệp. viên và thu được kết quả ở bảng 11. Bước 4. Tính chỉ số ưu tiên cho mỗi ứng 3.2.1. Sử dụng mô hình FMOORA dựa vào viên theo công thức: entropy mờ mới Qi = Pi - Ri Tương tự như ví dụ 1, các bước của phương Kết quả được thể hiện trong bảng 11. Trong pháp FMOORA dựa vào entropy mờ mới được 8 tiêu chí được xem xét thì tiêu chí (C ) được thực hiện như sau: 1 xem là tiêu chí không lợi ích và các tiêu chí còn Bước 1. Tính trọng số của các tiêu chí Cj, lại là tiêu chí lợi ích. j = 1, 2, , 5 theo công thức (4) và (5). Kết quả Bước 5. Xếp hạng các ứng viên dựa trên thu được ở bảng 9. chỉ số ưu tiên Qi. Kết quả được thể hiện trong Trước hết, ta cần mờ hóa ma trận thông tin bảng 11. dựa vào số mờ ở công thức (3), cụ thể với c = 25, Bảng 11 cho thấy ứng viên 5 là lựa chọn tốt d = 32 cho tiêu chí (C1); c = 0, d = 6 cho tiêu chí nhất cho vị trí kế toán của công ty dựa trên (C2); c = 6, d = 9 cho tiêu chí (C3); c = 4, d = 7 cho phân tích mức độ ảnh hưởng của 8 tiêu chí nói tiêu chí (C4); c = 60, d = 90 cho tiêu chí (C5) và trên mặc dù GPA bậc đại học (tiêu chí C3) của (C6); c = 55, d = 90 cho tiêu chí (C7); c = 0, d = 3 ứng viên 5 chỉ xếp hạng thứ 3 trong số 9 ứng cho tiêu chí (C8), kết quả thu được ở bảng 8. viên hay đối với tiêu chí C và C thì ứng viên 5 2 8 Tiếp theo chúng ta cần tính độ đo entropy xếp sau ứng viên 6. Điều này cho thấy việc xác mờ của các tiêu chí theo công thức (4), tính định trọng số của các tiêu chí đóng vai trò quan trọng số của các tiêu chí theo công thức (5) thu trọng trong việc xếp hạng các ứng viên. Các ứng được kết quả như trong bảng 9. Kết quả này cho viên 6 và 2 lần lượt được xếp ở vị trí thứ 2 và 3, 983
10. Mô hình MOORA dựa vào entropy mờ mới ứng dụng cho hệ thống thông tin tuyển dụng ứng viên 9 ở cuối bảng xếp hạng. Kết quả xếp của phương pháp SWARA, kết quả được thể hạng các ứng viên cũng phù hợp với số liệu hiện trong hình 4. Từ hình 4 cho thấy các kết thông tin ở bảng 7. quả thu được từ phương pháp FMOORA dựa vào độ đo entropy mờ mới, FMCDM dựa vào độ 3.2.2. Sử dụng phương pháp FMCDM dựa đo khoảng cách giữa các tập mờ và phương vào độ đo khoảng cách giữa các tập mờ pháp SWARA cơ bản là như nhau. Cả 3 phương Áp dụng các bước tính toán như trong phần pháp đều cho kết quả ứng viên 5 là lựa chọn tốt 2.3 với phương án P* = (0, 1, 1, , 1) và ma trận nhất, tiếp theo là các ứng viên 6 và 2. Tuy thông tin đã mờ hóa như trong (8) ta thu được nhiên, đối với ứng viên 4 và 7 kết quả xếp hạng kết quả ở bảng 12. Kết quả này cho thấy ứng có sự khác nhau giữa 3 phương pháp, cụ thể viên 5 là lựa chọn thích hợp nhất cho ví trí kế đối với phương pháp FMOORA dựa vào độ đo toán của doanh nghiệp khi xem xét đồng thời 8 entropy mờ mới và SWARA thì ứng viên 4 được tiêu chí. Ứng viên 1 ở cuối bảng xếp hạng. xếp thứ 5 và ứng viên 7 được xếp thứ 4. Với Bên cạnh đó, để so sánh, đánh giá khách phương pháp FMCDM, ứng viên 4 xếp thứ 4 và quan về kết quả theo phương pháp đề xuất thì ứng viên 7 xếp thứ 5 trong bảng xếp hạng các chúng tôi so sánh kết quả thu được với kết quả ứng viên. Bảng 8. Ma trận thông tin đã mờ hóa C1 C2 C3 C4 C5 C6 C7 C8 Ứng viên 1 0,5000 0,6500 0,0000 0,5000 0,3333 0,6666 0,3333 0,2857 Ứng viên 2 0,6667 0,4000 0,5000 0,9167 0,8333 0,3333 0,6667 0,4286 Ứng viên 3 0,3333 0,3867 0,3333 0,5000 0,3333 0,1667 0,3333 0,1429 Ứng viên 4 0,6667 0,3933 0,3333 0,8333 0,6667 0,5000 0,5000 0,2857 Ứng viên 5 0,5000 0,5600 0,6667 0,6667 0,6667 0,5000 0,6667 0,7143 Ứng viên 6 0,6667 0,7500 0,8333 0,8333 0,5000 0,3333 0,6667 0,7143 Ứng viên 7 0,3333 0,4600 0,6667 0,4167 0,8333 0,3333 0,1667 0,4286 Ứng viên 8 0,5000 0,3933 0,3333 0,1667 0,5000 0,3333 0,3333 0,2857 Ứng viên 9 0,3333 0,4267 0,3333 0,3333 0,3333 0,1667 0,1667 0,1429 Bảng 9. Entropy mờ và trọng số của các tiêu chí C1 C2 C3 C4 C5 C6 C7 C8 Entropy 0,9259 0,9372 0,7654 0,7469 0,8395 0,8395 0,8271 0,7800 Trọng số 0,0553 0,0468 0,1752 0,1891 0,1199 0,1199 0,1291 0,1643 Bảng 10. Ma trận thông tin C1 C2 C3 C4 C5 C6 C7 C8 Ứng viên 1 0,0276 0,0304 0,0000 0,0945 0,0399 0,0799 0,0430 0,0469 Ứng viên 2 0,0369 0,0187 0,0876 0,1733 0,0999 0,0399 0,0861 0,0704 Ứng viên 3 0,0184 0,0181 0,0584 0,0945 0,0399 0,0199 0,0430 0,0234 Ứng viên 4 0,0369 0,0184 0,0584 0,1575 0,0799 0,0599 0,0645 0,0469 Ứng viên 5 0,0276 0,0262 0,1168 0,1260 0,0799 0,0599 0,0861 0,1173 Ứng viên 6 0,0369 0,0351 0,1460 0,1575 0,0599 0,0399 0,0861 0,1173 Ứng viên 7 0,0184 0,0215 0,1168 0,0787 0,0999 0,0399 0,0215 0,0704 Ứng viên 8 0,0276 0,0184 0,0584 0,0315 0,0599 0,0399 0,0430 0,0469 Ứng viên 9 0,0184 0,0200 0,0584 0,0630 0,0399 0,0199 0,0215 0,0234 984
11. Nguyễn Hữu Hải, Nguyễn Văn Hạnh, Vũ Thị Thu Giang, Đỗ Thị Huệ, Nguyễn Thị Bích Thủy Bảng 11. Chỉ số Pi, Ri, chỉ số ưu tiên Qi và kết quả xếp hạng các ứng viên Pi Ri Qi Xếp hạng Ứng viên 1 0,0478 0,0138 0,0340 6 Ứng viên 2 0,0823 0,0184 0,0639 3 Ứng viên 3 0,0425 0,0092 0,0333 7 Ứng viên 4 0,0694 0,0184 0,0510 5 Ứng viên 5 0,0875 0,0138 0,0737 1 Ứng viên 6 0,0917 0,0184 0,0733 2 Ứng viên 7 0,0641 0,0092 0,0549 4 Ứng viên 8 0,0426 0,0138 0,0288 8 Ứng viên 9 0,0352 0,0092 0,0260 9 Bảng 12. Xếp hạng các ứng viên theo FMCDM * d(Ai, P ) Xếp hạng Ứng viên 1 0,6708 6 Ứng viên 2 0,4596 3 Ứng viên 3 0,6810 7 Ứng viên 4 0,5334 4 Ứng viên 5 0,3667 1 Ứng viên 6 0,3856 2 Ứng viên 7 0,5510 5 Ứng viên 8 0,6818 8 Ứng viên 9 0,7284 9 Hình 4. Kết quả xếp hạng ứng viên theo FMOORA, FMCDM và SWARA 4. KẾT LUẬN toán cho doanh nghiệp ngành thép và vật liệu công nghiệp. Qua hai ví dụ đã phân tích ở trên Trong bài báo này chúng tôi đã nghiên cứu cho thấy trọng số của các tiêu chí ảnh hưởng lớn và đề xuất độ đo entropy mới của tập mờ nhằm đến kết quả xếp hạng của các ứng viên. Do vậy, cải thiện cách xác định trọng số của các tiêu chí việc xây dựng một phương pháp xác định trọng trong phương pháp FMOORA, một nhân tố đóng số của các tiêu chí trong bài toán MCDM là cần vai trò quan trọng trong bài toán MCDM. thiết. Độ đo entropy mờ mới đã thể hiện được sự Chúng tôi đã áp dụng mô hình đề xuất để giải hiệu quả của nó trong việc xác định trọng số của quyết bài toán thực tế như là lựa chọn nhân sự các tiêu chí trong phương pháp FMOORA. Từ cho khóa tập huấn của công ty và nhân sự kế đó, mô hình đề xuất cho chúng ta kết quả xếp 985
12. Mô hình MOORA dựa vào entropy mờ mới ứng dụng cho hệ thống thông tin tuyển dụng hạng các ứng viên chính xác hơn. Ngoài ra, độ architect selection. Technological and Economic đo entropy mờ được đề xuất cung cấp cho chúng Development of Economy. 17(4): 645-666. ta nhiều lựa chọn hơn để tính độ đo entropy của Kersuliene V., Zavadskas E.K. & Turskis Z. (2010). tập mờ. Trong tương lai, độ đo entropy được đề Selection of rational dispute resolution method by applying new step - wise weight assessment ratio xuất cần được tiếp tục nghiên cứu và ứng dụng analysis (SWARA). Journal of Business để giải quyết các bài toán khác nhau như là bài Economics and Management. pp. 243-258. toán ra quyết định nhóm, bài toán phân cụm dữ Liu Xuecheng (1992). Entropy, distance measure and liệu mờ và nhận dạng mẫu. similarity measure of fuzzy sets and their relations. Fuzzy Sets and Systems. 52: 305-318. TÀI LIỆU THAM KHẢO Luis P.D., Luis A.R.P., Alejandro A.I., David L.C. & Zeshui X. (2018) MOORA under Pythagorean Ali R.A., Milan N. & Zahra A. (2017). Personnel Fuzzy Set for Multiple Criteria Decision Making. selection using Group fuzzy AHP and SAW Complexity in Manufacturing Processes methods. Journal of engineering management and and Systems. competitiveness (JEMC). 7(1): 3-10. Mohamed F. El-Santawy1 & Ahmed A.N. (2012). Brauers W.K.M. & Zavadskas E.K. (2006). The Personnel Training Selection Problem Based on MOORA method and its application to priva- SDV-MOORA. Life Science Journal. 9(2s). tization in a transition economy. Control and Petrovic-Lazarevic S. (2001). Personnel selection fuzzy Cybernetics. 35(2): 445-469. model. International Transactions in Operational Brauers W.K.M. & Zavadskas E.K. (2010). Project Research. pp. 89-105. management by MULTIMOORA as an instrument Saaty T.L. (1980). The analytic hierarchy process. for transition economies. Techn-ological and New York: McGraw-Hill. Economic Development of Economy. 16(1): 5-24. Saaty T.L. (1996). The Analytic Network Process. El-Santawy M.F. (2012). Personnel Training Selection RWS Publications, Pittsburgh. Problem Based on Modified TOPSIS". Computing and Information Systems Journal. University of the Stanujkic D., Magdalinovic N., Jovanovic R. & West of Scotland. 16(1): 92-97. Stojanovic S. (2012). An objective multi-criteria approach to optimization using MOORA method and Gökay Akkaya, Betül Turanoðlu & Sinan Öztas (2015) interval grey numbers. Technological and Economic An Integrated Fuzzy AHP and Fuzzy MOORA Development of Economy. 18(2): 331-363. Approach to the problem of Industrial Engineering Sector Choosing. Expert Systems with Applications. Stanujkic D., Magdalinovic N., Milanovic D., Magdalinovic S. & Popovic G. (2014). An Hadad Y., Keren B. & Laslo Z. (2013). A Efficient and Simple Multiple Criteria Model for a decisionmaking support system module for project Grinding Circuit Selection Based on MOORA manager selection according to past performance. Method. Informatica. pp. 73-93. International Journal of Project Management. 31(4): 532-541. Wang D. (2009). Extension of TOPSIS Method for R and D Personnel Selection Problem with Interval Hwang C.L. & Yoon K. (1981). Multiple Attributes Grey Number. 2009 International Conference on Decision Making Methods and Applications. Management and Service Science. pp. 1-4. Heidelberg: Springer, Berlin. Yakup Çelikbilek (2018). Using an Integrated Grey Kabak M., Burmaoðlu S. & Kazançoðlu Y. (2012). A AHP–MOORA Approach for Personnel Selection: fuzzy hybrid MCDM approach for professional An Application on Manager Selection in the Health selection. Expert Systems with Applications. Industry (2015). Alphanumeric journal. 6(1). 39(3): 3516-3525. Zadeh L.A. (1965). Fuzzy sets. Information and Karande P. & Chakraborty S. (2012). A Fuzzy- control. 8(3): 338-353. MOORA approach for ERP system selection. Zhang S.F. & Liu S.Y. (2011). A GRA-based Decision Sciences Letters 1(1): 11-22. intuitionistic fuzzy multi-criteria group decision Kersuliene V. & Turskis Z. (2011). Integrated fuzzy making method for personnel selection, Expert multiple criteria decision making model for Systems with Applications. pp. 11401-11405. 986