ظرفیت‌سنجی (بالانس) منابع انسانی بخش‌های نگهداشت؛ مطالعه موردی

نویسندگان

  • کتایون آذرمی * گروه مهندسی صنایع، واحد تهران-جنوب، دانشگاه آزاد اسلامی، تهران، ایران و کارشناس برنامه‌ریزی و نظارت گروه صنعتی ایران خودرو.
  • مسعود مرادی گرجی گروه مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران و کارشناس خبره مدیریت دارایی‌های فیزیکی گروه صنعتی ایران خودرو.

https://doi.org/10.22105/mmaa.v2i2.92

چکیده

هدف: هدف این مقاله بهینه‌سازی ظرفیت نیروی انسانی در واحدهای نگهداری سازمان‌های صنعتی است؛ با هدف کاهش زمان‌های بیکاری و افزایش بهره‌وری از طریق بالانس استراتژیک نیروی کار. این پژوهش به نقش حیاتی هزینه‌های نگهداری در هزینه‌های کلی عملیات پرداخته و بر ضرورت تخصیص دقیق منابع انسانی برای دستیابی به مزیت رقابتی تاکید دارد.

روش‌شناسی پژوهش: مقاله حاضر با بهره‌گیری از رویکرد مدلسازی کمی و بر اساس استاندارد بین‌المللی BS EN 15341:2007، نیروهای نگهداری را به دو دسته مستقیم و غیرمستقیم تقسیم کرده و دو مدل محاسباتی برای برآورد نیاز روزانه نیروی انسانی ارایه می‌دهد. این مدل‌ها با استفاده از داده‌های سیستم مکانیزه نگهداری و چارت‌های سازمانی، سناریوهای بهینه‌سازی نیروی انسانی را شبیه‌سازی می‌کنند.

یافته‌ها: نتایج پژوهش نشان می‌دهد که استفاده از تکنیک‌های بالانس ساختاریافته، موجب بهبود عملکرد نگهداری، کاهش اضافه‌کاری‌های غیرضروری و افزایش قابلیت اطمینان تجهیزات می‌شود. همچنین عوامل ریسک ناشی از کمبود یا مازاد نیرو شناسایی شده و راهکارهایی برای اصلاح برنامه‌ریزی منابع انسانی ارایه گردیده است.

اصالت/ارزش افزوده علمی: این مقاله چارچوبی نوآورانه و بومی‌سازی‌شده برای صنایع ایرانی ارایه می‌دهد که تلفیقی از استانداردهای جهانی و بینش‌های عملیاتی محلی است. برخلاف مطالعات پیشین، این پژوهش بر ادغام راهبردهای نگهداری واکنشی و پیشگیرانه در یک مدل واحد برنامه‌ریزی ظرفیت تمرکز دارد و ابزارهایی کاربردی برای مدیران جهت هم‌راستایی تخصیص نیروی انسانی با اهداف عملکردی سازمان فراهم می‌سازد.

 

 

کلمات کلیدی:

ظرفیت‌سنجی (بالانس) نیروی انسانی، استراتژی‌های نگهداشت، نیروهای مستقیم و غیر مستقیم نگهداشت

مراجع

  1. [1] Campbell, J. D., Reyes-Picknell, J. V, & Kim, H. S. (2015). Uptime: Strategies for excellence in maintenance management [Translated by Zo Ashkiani, A., & Rabiei, M.]. Ariana Qalam Publication. https://B2n.ir/db2242
  2. [2] Valdez-Flores, C., & Feldman, R. M. (1989). A survey of preventive maintenance models for stochastically deteriorating single-unit systems. Naval research logistics (NRL), 36(4), 419–446. https://doi.org/10.1002/1520-6750(198908)36:4%3C419::AID-NAV3220360407%3E3.0.CO;2-5
  3. [3] Carnero Moya, M. C. (2004). The control of the setting up of a predictive maintenance programme using a system of indicators. Omega, 32(1), 57–75. https://doi.org/10.1016/j.omega.2003.09.009
  4. [4] Jardine, A. K. S., Lin, D., & Banjevic, D. (2006). A review on machinery diagnostics and prognostics implementing condition-based maintenance. Mechanical systems and signal processing, 20(7), 1483–1510. https://doi.org/10.1016/j.ymssp.2005.09.012
  5. [5] Eisinger, S., & Rakowsky, U. K. (2001). Modeling of uncertainties in reliability centered maintenance — a probabilistic approach. Reliability engineering & system safety, 71(2), 159–164. https://doi.org/10.1016/S0951-8320(00)00088-0
  6. [6] Wireman, T. (2004). Total productive maintenance. Industrial Press Inc.
  7. [7] McCarthy, D., & Rich, N. (2015). Lean TPM: A blueprint for change. Butterworth-Heinemann.
  8. [8] Arunraj, N. S., & Maiti, J. (2007). Risk-based maintenance—Techniques and applications. Journal of hazardous materials, 142(3), 653–661. https://doi.org/10.1016/j.jhazmat.2006.06.069
  9. [9] van Houten, F. J. A. M., & Kimura, F. (2000). The virtual maintenance system: A computer-based support tool for robust design, product monitoring, fault diagnosis and maintenance planning. CIRP annals, 49(1), 91–94. https://doi.org/10.1016/S0007-8506(07)62903-5
  10. [10] Ma, S. N., Liu, Q., & Sun, X. F. (2003). Research on emergency maintenance technique of equipments [J]. China surface engineering, 3, 7–16.
  11. [11] Marie Vans, A., Von Mayrhauser, A., & Somlo, G. (1999). Program understanding behavior during corrective maintenance of large-scale software. International journal of human-computer studies, 51(1), 31–70. https://doi.org/10.1006/ijhc.1999.0268
  12. [12] Ramazanpour, P., & Haqqani, M. (1975). Determining human resource standards using fuzzy logic method. The 6th national conference on power distribution networks. (In Persian). Mazandaran, Iran, Civilica. https://civilica.com/doc/47185
  13. [13] Abtahi, S. H., & Hassani Kakhki, A. (2006). Using stochastic processes in manpower estimation case study using Markov Chains in manpower planning. Quarterly journal of industrial management studies, 4(12), 163-182. (In Persian). https://civilica.com/doc/720611
  14. [14] Ekhtiari, M. (2010). Multi-objective stochastic programming to optimize number determination of manpower problem in job shop manufacturing systems. Industrial management studies, 8(19), 189-216. (In Persian). https://dor.isc.ac/dor/20.1001.1.22518029.1389.8.19.9.5
  15. [15] Mehlawat, M. K., Gupta, P., & Pedrycz, W. (2018). A new possibilistic optimization model for multiple criteria assignment problem. IEEE transactions on fuzzy systems, 26(4), 1775–1788. https://doi.org/10.1109/TFUZZ.2017.2751006
  16. [16] Bazargan-Lari, Gupta, & Young. (2003). A simulation approach to manpower planning. Proceedings of the 2003 winter simulation conference (pp. 1677–1685). IEEE. https://doi.org/10.1109/WSC.2003.1261619
  17. [17] Bazargan, M., & Jiang, B. (2010). A simulation approach to airline maintenance manpower planning. Proceedings of the 2010 summer computer simulation conference (pp. 556–564). Society for Computer Simulation International. https://doi.org/10.5555/1999416.1999488
  18. [18] Knapp, G. M., & Mahajan, M. (1998). Optimization of maintenance organization and manpower in process industries. Journal of quality in maintenance engineering, 4(3), 168–183. https://doi.org/10.1108/13552519810223472
  19. [19] Di Francesco, M., Díaz-Maroto Llorente, N., Zanda, S., & Zuddas, P. (2016). An optimization model for the short-term manpower planning problem in transhipment container terminals. Computers & industrial engineering, 97, 183–190. https://doi.org/10.1016/j.cie.2016.04.012
  20. [20] Yang, T. H., Yan, S., & Chen, H. H. (2003). An airline maintenance manpower planning model with flexible strategies. Journal of air transport management, 9(4), 233–239. https://doi.org/10.1016/S0969-6997(03)00013-9

دانلود

چاپ شده

2025-06-06

شماره

دوره 2 شماره 2 (1404): مدیریت: مدلسازی، تحلیل‌ها و کاربردها

نوع مقاله

مقالات شماره جاری

ارجاع به مقاله

آذرمی ک., & مرادی گرجی م. (2025). ظرفیت‌سنجی (بالانس) منابع انسانی بخش‌های نگهداشت؛ مطالعه موردی. مدیریت: مدلسازی، تحلیل‌ها و کاربرد, 2(2), 108-119. https://doi.org/10.22105/mmaa.v2i2.92
Crossref
Scopus
Google Scholar
Europe PMC

مقالات مشابه

##common.pagination##

همچنین برای این مقاله می‌توانید شروع جستجوی پیشرفته مقالات مشابه.