Mavi yaka performans deðerlendirmesinde kullanýlacak ölçütlerin belirlenmesi için AHP temelli bir matematiksel model

Mavi yaka personelin performansýnýn deðerlendirilmesi için kullanýlacak ölçütler, beyaz yaka personelin performansýnýn deðerlendirilmesinde kullanýlacak olanlara göre çok daha fazla çeþitlilik göstermektedir. Bu nedenle hangi ölçütlerin kullanýlacaðýný belirlemek daha zordur. Performansýn saðlýklý bir þekilde deðerlendirilebilmesi için olabildiðince tüm ölçütlerin dikkate alýnmasý gereklidir. Ancak tanýmlanan her yeni ölçüt yeni bir veri grubunun toplanmasýný ve deðerlendirilmesini gerektirir. Oysa her çalýþana ait toplanmasý gereken her yeni veri grubu, iþletmeler için yeni bir iþ yükü anlamýna gelmektedir ve bu nedenle iþletme yöneticileri mümkün olduðu kadar az ölçüt kullanarak personelinin performansýný en saðlýklý þekilde deðerlendirebilmek isterler. Klasik performans deðerlendirme çalýþmalarýnda kullanýlacak ölçütler genellikle uzmanlar tarafýndan sadece performansýn deðerlendirmesine katkýsý düþünülerek belirlenmektedir. Bu durumda veri toplama yükü çok fazla olabilmekte ve pratikte yöntemin kullanýlabilmesini olanaksýz hale getirebilmektedir. Bu çalýþmada ise öncelikle iþçi performanslarý uzmanlar tarafýndan belirlenmiþ ölçütler kullanýlarak Analitik Hiyerarþi Prosesi ile hesaplanmýþ daha sonra ise önerilen çok amaçlý matematiksel model kullanýlarak tüm ölçütleri temsil edebilecek ve toplam veri toplama yükü enaz olan ölçütler belirlenmiþtir. Performans deðerlendirme belli periyotlar ile sürekli yapýldýðýndan tüm ölçütleri temsil edebilecek daha az sayýdaki ölçüt ile çalýþýlmasý, veri toplama yükünün ciddi bir þekilde azalmasýný ve böylece önerilen yöntemin pratik hayatta kullanýlabilmesini saðlamaktadýr. Önerilen yöntem bir plastik enjeksiyon fabrikasýnda uygulanmýþtýr. Sonuç olarak uzmanlar tarafýndan belirlenen toplam 40 ölçütten 30’u seçilmiþ, tüm ölçütlerin seçildiði durumda elde edilen performans puanýndan sadece %4’lük bir sapma ile verilerin elde edilme zorluðu %26 azaltýlmýþtýr.

An AHP based mathematical model to determine the criteria used in the worker performance evaluation

The criteria to be used for evaluating the performance of workers vary much more than those used to evaluate the performance of office personnel. Therefore, it is more difficult to determine which criteria to use. All criteria, as much as possible, should be taken into account to evaluate the performance healthily way. However, each new criterion defined requires the collection and evaluation of a new data set. However, each new data group that needs to be collected for each employee means a new workload for businesses, and therefore business managers want to be able to evaluate the performance of their workers in the most healthy way, using as few criteria as possible. In this study, a mathematical model was proposed to determine which criteria to be used in evaluating worker performance with AHP, and the proposed approach is applied using data from a sample business and the obtained results are discussed. The criteria to be used in classical performance evaluation studies are generally determined by experts only considering their contribution to performance evaluation. In this case, the data collection workload can be too high and it may make it impossible to use the method in practice. In this study, firstly, workers' performances were calculated with Analytic Hierarchy Process using the criteria determined by the experts, and then, using the proposed multi-objective mathematical model, the criteria that could represent all the criteria with the minimum total data collection workload were determined. Since performance evaluation is carried out continuously in certain periods, working with fewer criteria that can represent all criteria ensures that the data collection workload is drastically reduced and thus the proposed method can be used in practical life. The proposed method has been applied in a plastic injection factory. As a result, 30 out of a total of 40 criteria determined by the experts were selected, with a deviation of only 4% from the performance score obtained when all criteria were selected, the workload of obtaining data was reduced by 26%.