Manpower planning met behulp van Markovmodellen: een PDCA-stappenplan met casestudie

Evelien Rondenbosch
Persbericht

Manpower planning met behulp van Markovmodellen

Manpower planning met behulp van Markovmodellen.
Evelien Rondenbosch, Handelsingenieur VUB

 

In de huidige economie is manpower planning steeds belangrijker voor organisaties, zeker gezien het klimaat van de overheidsbesparingen en de economische recessie. Dit zorgt voor een volatiele omgeving waardoor er nood is aan het flexibel inplannen van arbeidskrachten. Deze evolutie maakt dat het omgaan met personeel en personeelstransities, ook wel manpower planning genoemd, een fundamenteel aspect wordt van een organisatie.

 

Manpower planning dient het volledig personeelsbestand, hetwelk een heterogene groep aan personeel omvat, efficiënt in te plannen. Dit impliceert dat de vraag naar en het aanbod aan personeel op elkaar moeten worden afgestemd om ervoor te zorgen dat de toekomstige personeelsstructuur overeenstemt met de gewenste [4]; een moeilijke taak voor organisaties. Het Markovmodel is een wiskundige tool die hierbij kan helpen, maar het gebruik ervan is niet alom bekend bij HR-managers.

Het uitgevoerde onderzoek bestaat uit het opstellen van een theoretisch Plan-Do-Check-Act-stappenplan (PDCA) waarbij Markovmodellen worden aangewend, alsook het testen van dit stappenplan aan de hand van een database van een bestaande organisatie, verder Organisatie ABC genoemd. Dit onderzoek is nuttig voor grote en middelgrote organisaties die de voorgestelde werkwijze willen vergelijken met de manier waarop zijzelf momenteel aan manpower planning doen. Het management kan op basis hiervan aftoetsen hoe ze op een meer efficiënte manier kunnen omgaan met personeelstransities en eventueel bepaalde acties ondernemen om op een onderbouwde wijze hun gewenste personeelsstructuur te bekomen.

Het stappenplan, ontwikkeld volgens het Plan-Do-Check-Act-principe, omvat zeven stappen, weergegeven in figuur 1. Deze stappen zijn terug te brengen naar vier Plan, Do, Check en Act-fasen.

image

Figuur 1

Fase 1: de plan-fase

De Plan-fase is de eerste stap. Hierbij wordt het huidig HRM-beleid, inclusief manpower planning, geanalyseerd. Voor deze stap worden verschillende modellen uit de literatuur als mogelijke strategieën voor manpower planning aangehaald. Uit de casestudie blijkt dat Organisatie ABC niet bewust actief bezig is met het nagaan welke strategie zij zullen hanteren, wel weten ze welke ze toepassen wanneer de verschillende strategieën worden uitgelegd. 

“Welke HRM-strategie wij hanteren? Dat zou ik niet kunnen zeggen.”                                                             
– 
HR-contact bij Organisatie ABC

Fase 2: de Do-fase

De Do-fase bestaat uit de tweede, derde en vierde stap, dewelke verschillende voorbereidingen omvatten voor het inschatten van de toekomstige personeelsstructuur.
De tweede stap omvat het selecteren van een geschikt Markovmodel. Organisatie ABC kiest een geschikt Markovmodel aan de hand van een, op basis van de literatuur, zelf ontworpen schema.
De derde stap splitst de heterogene personeelsgroep op in homogene subgroepen, een stap die erg veel tijd vergt en niet eenvoudig is. Er dienen verschillende keuzes gemaakt te worden, dewelke niet altijd eenduidig zijn. Een voorbeeld hiervan is de afweging tussen de homogeniteit en de grootte van de subgroep.
De vierde stap omvat het inschatten van transitiekansen en het opstellen van een transitiematrix. Dergelijke matrix geeft de transitiekansen tussen de verschillende functies weer en is voorgesteld in tabel 1. Voor Organisatie ABC vormt de praktische uitvoering van het opstellen van een transitiematrix geen problemen aangezien dit kan gebeuren aan de hand van een formule. De interpretatie ervan vergt wel verdere uitleg. Vervolgens kon Organisatie ABC de mathematische resultaten, gebaseerd op historische data, vaak rationeel verklaren.

“Demoties zijn niet noodzakelijk negatief. Ze zijn te verklaren door te snelle promoties in de expansiejaren naar functies waarbinnen de werknemers zich niet goed voelen”                             
– HR-contact bij Organisatie ABC

Tabel 1: transitiematrix

image

Fase 3: de Check-fase

De Check-fase omvat de vijfde stap. Hierin wordt het vooropgestelde model gevalideerd, zowel inzake de correctheid van het gekozen Markovmodel, alsook inzake de voorspellende kracht van het model. Figuur 2 geeft het verschil weer tussen het werkelijke (plusjes) en het voorspelde (bolletjes) aantal personeelsleden. Op basis van statistische testen wordt vervolgens nagegaan of dit verschil al dan niet te groot is. Voor Organisatie ABC blijkt het interpreteren van de resultaten van de statistische testen niet evident.

“De transitiekansen voor knelpuntberoepen zijn consistenter aangezien we deze mensen moeten laten promoveren, of we zijn ze kwijt”
– HR-contact bij Organisatie ABC

image

Figuur 2

Fase 4: de Act-fase

De Act-fase is de laatste fase en bestaat uit de zesde en zevende stap.
In de zesde stap wordt de personeelsstructuur voor de komende jaren op basis van het vooropgestelde model effectief voorspeld aan de hand van het gevalideerd Markovmodel. Voor Organisatie ABC stelde zich bij de uitvoering weinig problemen. Deze bevindingen worden in de zevende stap afgetoetst aan en vergeleken met de gewenste personeelsstructuur. Bovendien wordt hierbij nagegaan welke stappen het HRM-management dient te nemen zodat de voorspelde personeelsstructuur congrueert met de gewenste personeelsstructuur. In figuur 3 wordt voor de casestudie een visuele voorstelling gegeven van het aantal personeelsleden van 2007 tot en met 2026. De data die zich in het lichtgrijze kader bevinden zijn het voorspelde aantal personeelsleden op basis van het Markovmodel. Voor Organisatie ABC is deze stap de moeilijkste aangezien er bij de uitvoering ervan veel kwalitatieve alsook kwantitatieve input vereist is. Het gaat hierbij om input waarover het HRM-management niet altijd beschikt, wat de uitvoering van deze stap belemmert. 

“Gaan wij zovéél groeien als we op deze manier verder doen? Dat is absoluut niet onze bedoeling. Welke aanpassingen moeten we doorvoeren om dit te vermijden?”                               
– HR-contact bij Organisatie ABC

image

Figuur 3

Draaiboek

Om de concrete toepassing van dit onderzoek voor geïnteresseerde organisaties te vergemakkelijken, is een draaiboek opgesteld. Het draaiboek omvat voor elk van de 7 stappen van het PDCA-stappenplan een fiche die het doel, de procedure, een visuele voorstelling, een voorbeeld uit de casestudie alsook bijkomende relevante literatuur bondig weergeeft. Figuur 4 omvat de fiche die stap 1 van het PDCA-stappenplan weergeeft.

image

Figuur 4

 

Dit onderzoek toont aan dat een Markovmodel een handige tool is die het HRM-management van een grote of middelgrote onderneming, in samenwerking met het IT-departement, in staat moet stellen om op een meer onderbouwde wijze hun HRM-beleid te voeren. Het doel is een overzicht te verkrijgen over hoe de personeelsstructuur zal evolueren en welke bijsturing kan zorgen dat deze feitelijke evolutie de gewenste is.

 
 
Bibliografie

Abelson, M. A. (1987). Examination of avoidable and unavoidable turnover. Journal of Applied Psychology, 72(3), 382-386.

Algemene info HO. (z.d.). Geraadpleegd van https://www.onderwijskiezer.be/v2/hoger/hoger_structuur.php op 10 mei 2018

Anderson, T. W., & Goodman, L. A. (1957). Statistical Inference about Markov Chains. The Annals of Mathematical Statistics, 28(1), 89-110.

Arulampalam, W., Booth, A. L., & Bryan, M. L. (2007). Is There a Glass Ceiling over Europe? Exploring the Gender Pay Gap across the Wage Distribution. ILR Review, 60(2), 163-186.

Aziz, A., Sanwal, K., Singhal, V., & Brayton, R. (2000). Model-checking continuous-time Markov chains. ACM Transactions on Computational Logic, 1(1), 162-170.

Baier, C., Haverkort, B., Hermanns, H., & Katoen, J. (2003). Model-checking algorithms for continuous-time Markov chains. IEEE Transactions on Software Engineering, 29(6), 524-541.

Barlett, J. E., Kotrlik, J. W., & Higgins, C. C. (2001). Organizational research: Determining appropriate sample size in survey research. Information technology, learning, and performance journal, 19(1): 43-50.

Bartholomew, D. J. (1971). The Statistical Approach to Manpower Planning. The Statistician, 20(1), 3-26.

Bartholomew, D. J., Forbes, A. F., & McClean, S. I. (1991). Statistical techniques for manpower planning. John Wiley & Sons.

Blau, G., & Boal, K. (1989). Using Job Involvement and Organizational Commitment Interactively to Predict Turnover. Journal of Management, 15(1), 115-127.

Blegen, M. A., Mueller, C. W., & Price, J. L. (1988). Measurement of kinship responsibility for organizational research. Journal of Applied Psychology, 73(3), 402-409.

Boxall, P., & Purcell, J. (2011). Strategy and human resource management. Palgrave Macmillan.

Carson, P. P., & Carson, K. D. (2007). Demystifying demotion: A look at the psychological and economic consequences on the demotee. Business Horizons, 50(6), 455-466.

Davies, G. S. (1973). Structural Control in a Graded Manpower System. Management Science, 20(1), 76-84.

De Feyter, T. (2006). Modelling heterogeneity in manpower planning: dividing the personnel system into more homogeneous subgroups. Applied Stochastic Models in Business and Industry, 22(4), 321-334.

De Feyter, T., & Guerry, M. A. (2016). Optimizing cost-effectiveness in a stochastic Markov manpower planning system under control by recruitment. Annals of Operations Research, 1-15.

De Pelsmacker, P., & Van Kenhove, P. (2015). Marktonderzoek: Methoden en toepassingen. Pearson Education.

Dimitriou, V. A., Georgiou, A. C., & Tsantas, N. (2014). On the equilibrium personnel structure in the presence of vertical and horizontal mobility via multivariate Markov chains. Journal of the Operational Research Society, 66(6), 993-1006.

Dimitriou, V.A., Georgiou, A.C., & Tsantas, N. (2013). The multivariate non-homogeneous Markov manpower system in a departmental mobility framework. European Journal of Operational Research, 228(1), 112-121.

Edgar, F., & Geare, A. (2005). HRM practice and employee attitudes: different measures – different results. Personnel Review, 34(5), 534-549.

Feldman, D. C. (1990). Reconceptualizing the Nature and Consequences of Part-Time Work. The Academy of Management Review, 15(1), 103-112.

Georgiou, A. C., & Tsantas, N. (2002). Modelling recruitment training in mathematical human resource planning. Applied Stochastic Models in Business and Industry, 18(1), 53-74.

Gibbons, R., & Waldman, M. (1999). A Theory of Wage and Promotion Dynamics Inside Firms. The Quarterly Journal of Economics, 114(4), 1321-1358.

Goodman, L. A. (1961). Statistical Methods for the Mover-Stayer Model. Journal of the American Statistical Association, 56(296), 841-868.

Guerry, M. (2008). Profile-based push models in manpower planning. Applied Stochastic Models in Business and Industry, 24(1), 13-20.

Guerry, M. (2011). Hidden heterogeneity in manpower systems: A Markov-switching model approach. European Journal of Operational Research, 210(1), 106-113.

Guerry, M.-A., & Carette, P. (2017). Model Selection Within the Class of Discrete-Time Markovian Models [Abstract]. Program Book of The 15th International conference on QiR (Quality in Research). Presented at the The 15th International conference on QiR (Quality in Research).

Guerry, M. A., & De Feyter, T. (2009). Markovian approaches in modeling workforce systems. Journal of Current Issues in Finance, Business and Economics, 2(4), 351-370.

Guerry, M. A., & Peeters, P. (2005). Manpower planning voor openbare besturen. Academia Press.

Guerry, M.A., & Rombaut, E. (2017). Manpower Planning: kwantitatieve methoden voor personeelsbeleid. Vrije Universiteit Brussel

Guest, D. E., & Conway, N. (2002). Communicating the psychological contract: an employer perspective. Human Resource Management Journal, 12(2), 22-38.

Hendry, C. (2012). Human resource management. Routledge.

Hiscott, R. N. (1981). Chi-square tests for Markov chain analysis. Journal of the International Association for Mathematical Geology, 13(1), 69-80.

Hothorn, T., Hornik, K., & Zeileis, A. (2015). ctree: Conditional Inference Trees. The Comprehensive R Archive Network.

Huang, I. C., Lin, H. C., & Chuang, C. H. (2006). Constructing factors related to worker retention. International Journal of Manpower, 27(5), 491-508.

Jackson, S. E., Brett, J. F., Sessa, V. I., Cooper, D. M., & Et al. (1991). Some differences make a difference: Individual dissimilarity and group heterogeneity as correlates of recruitment, promotions, and turnover. Journal of Applied Psychology, 76(5), 675-689.

Janssen, J., & Manca, R. (2002). Salary cost evaluation by means of non-homogeneous semi-Markov processes. Stochastic Models, 18(1), 7-23.

Josten, E., & Schalk, R. (2010). The effects of demotion on older and younger employees. Personnel Review, 39(2), 195-209.

Lyness, K. S., & Judiesch, M. K. (1999). Are Women More Likely to Be Hired or Promoted into Management Positions? Journal of Vocational Behavior, 54(1), 158-173.

McClean, S. (1991). Manpower planning models and their estimation. European Journal of Operational Research, 51(2), 179-187.

McClean, S., Montgomery, E., & Ugwuowo, F. (1997). Non‐homogeneous continuous‐time Markov and semi-Markov manpower models. Applied Stochastic Models and Data Analysis, 13(34), 191-198.

Meitzen, M. E. (1986). Differences in male and female job-quitting behavior. Journal of Labor Economics, 4(2), 151-167.

Moore, D. S., & McCabe, G. P. (2014). Statistiek in de praktijk. Academic service.

Ng, T. W., & Feldman, D. C. (2009). Re-examining the relationship between age and voluntary turnover. Journal of Vocational Behavior, 74(3), 283-294.

Nielsen, G. L., & Young, A. R. (1973). Manpower Planning: A Markov Chain Application. Public Personnel Management, 2(2), 133-144.

Papadopoulou, A., & Vassiliou, P. (1994). Asymptotic behavior of nonhomogeneous semi-Markov systems. Linear Algebra and its Applications, 210, 153-198.

Rombaut, E., & Guerry, M. A. (2015). Decision trees as a Classification Technique in Manpower Planning. Statistical, Stochastic and Data Analysis Methods & Applications, 277-293.

Rondenbosch, E. (2017). Manpower planning met behulp van Markovmodellen: een PDCA-stappenplan met casestudie. [Voorbereidende paper]. Vrije Universiteit Brussel, faculteit Economische & sociale wetenschappen & Solvay Business School.

Sales, P. (1971). The Validity of the Markov Chain Model for a Class of the Civil Service. The Statistician, 20(1), 85-110.

Shaw, J. D., Delery, J. E., Jenkins, G. D., & Gupta, N. (1998). An organization level analysis of voluntary and involuntary turnover. Academy of Management Journal, 41(5), 511-525.

Sokovic, M., Pavletic, D., & Pipan, K. K. (2010). Quality improvement methodologies–PDCA cycle, RADAR matrix, DMAIC and DFSS. Journal of Achievements in Materials and Manufacturing Engineering, 43(1), 476-483.

Storey, J. (2007). Human resource management: A critical text. Cengage Learning EMEA.

Thorsteinson, T. J. (2003). Job attitudes of part‐time vs. full‐time workers: a meta‐analytic review. Journal of Occupational and Organizational Psychology, 76(2), 151-177.

Ugwuowo, F., & McClean, S. (2000). Modelling heterogeneity in a manpower system: a review. Applied Stochastic Models in Business and Industry, 16(2), 99-110.

Vassiliou, P. C. (1997). The evolution of the theory of non‐homogeneous Markov systems. Applied Stochastic Models in Business and Industry, 13(3‐4), 159-176.

Vroom, V. H., & Pahl, B. (1971). Relationship between age and risk taking among managers. Journal of Applied Psychology, 55(5), 399-405.

Yadavalli, V. S., Natarajan, R., & Udayabhaskaran, S. (2002). Time dependent behavior of stochastic models of manpower system—impact of pressure on promotion. Stochastic Analysis and Applications, 20(4), 863-882.

Universiteit of Hogeschool
Handelsingenieur
Publicatiejaar
2018
Promotor(en)
Prof. Dr. Marie-Anne Guerry
Kernwoorden
Share this on: