项目管理师谈谈如何组建高效的项目团队

  岗位是属于部门的,而项目则需要跨部门进行工作分工,这种分工是通过角色而不是岗位形成的。问题由此而生。

  由于我国的软件企业大多属于集成商,它们的生存靠的是一个个集成项目。因此,邻国印度同行们的成功经验被我国软件企业普遍效仿,很多企业都梦想着成为大的软件承包商,尤其是能够成为国外厂商的承包商。

  有一次,美国一家中介公司到国内来寻找一个合适的软件承包商。在经过拉网式筛选后,该公司决定从两家国内重点软件企业中选择一家作为最后的赢家。我以其中一家企业人力资源部经理的身份参加了角逐,并最终赢得了胜利。但是,在商务谈判过程中,外方一句简单的问话却让我们无法回答:“贵公司的系统分析员一小时的报酬是多少钱?”当然,我们有系统分析员一个月的工资水准数据,如果将其除以一个月的工作时间即可得到所要的答案。但遗憾的是,我们并不知道他/她一个月究竟工作了多长时间!我们平时关心的只是岗位,只是岗位薪酬,我们没有足够的信息知道企业的每一个员工的具体工作信息。而有效的项目人力资源管理,本质上是一种基于项目角色的管理。

  掌握员工有效信息

  为实现基于角色的项目人力资源管理,企业需要建立的人力资源管理信息系统。

  “基本信息”表示该员工的年龄、性别、政治面貌、籍贯等。这些信息几乎所有的企业都会记载,可惜它们与工作的关系并不大。“成功的项目经历”是指该员工曾经做成过哪些、哪种项目,在这些项目中承担过何种责任、扮演过何种角色。“工作状态”则是指该员工目前的工作负荷和在项目等工作中承担的角色与责任。“价值取向”表示该员工在目前阶段最看重的、最需要的激励方式。“人气/性格取向”表明该员工的性格特征。“团队角色取向”是指该员工在项目团队中更倾向于扮演何种团队角色。“技能/知识等级”表示该员工拥有的技能/知识种类及其程度,以及这些技能/知识等级能够胜任哪些项目角色。

有序组建项目团队

  基于这样的人力资源信息,我们就可以按照以下方式来组建项目团队了:

  第一步,进行项目工作分析。该项工作可以通过工作分解结构(WBS)及其工作说明得到。由于企业很多项目都是基本相同的,因此企业有必要建立各类项目的标准WBS和相应的工作说明(可称为WBS词典)。这样,在执行具体项目时就会有章可循。

  第二步,在工作分析的基础上,了解和定义完成项目各项工作都需要何种角色,这些角色都需要具备哪些技能、何时需要这些角色。

  第三步,从人力资源信息系统中了解企业有哪些人具备担任这些角色所必需的技能,有哪些人有过类似的经验,有哪些人有合适的时间能够担任这些角色。在此基础上,预选项目组成员。角色需要的能力可以通过员工所拥有的基础素质(包含:基本技能、知识等)、经验、构件和态度而得到。按照国际项目管理协会(IPMA)的定义,能力是知识、经验和态度的集合。但是,用构件来代替个人的经验可能是更有效的。构件是企业利用其它项目中积累的经验提炼而成的技术化产品。有了构件,可以缩短员工为积累个人经验而需要的时间,也比个人经验具有更高的可靠性。

  第四步,对这些预选出的成员进行人气/性格、团队角色和谐性分析。团队成员之间性格和角色分配上的和谐性能够弥补许多激励方面的不足。如果有人明显与其角色分工不和谐或在性格/人气方面与其他团队成员有冲突,则需要重新选择。

  第五步,进行角色分工,初步确定项目团队成员。

  第六步,判断团队与项目客户及其他利益相关方的性格/人气和谐性。因为项目很少能由项目团队单独完成,它的成功一般需要利益相关方之间的配合。当然,这种人际关系的不足也可以通过团队成员高超的技术能力等来弥补。但对于很多企业来说,这样做的代价会很大。

第七步,如果初步确定的项目团队成员能够与客户及其他利益相关方在性格/人气方面具有较高的和谐性,或他们拥有的技能能够弥补那些性格/人气方面不足,那么就可以将其确定为项目团队成员了。否则,就需要返回第三步进行重新选择。

  向复合型人才说“不”

  项目执行效率的重要性不言而喻。要提高项目的执行效率,一种常用的办法是雇佣有能力的复合型人才。事实上,没有比这种做法更迷惑人了。过度地对复合型人才的依赖会使企业忽视积累属于企业的知识/技能,这样做的结果又会使企业更加依赖复合型人才。

  由于培育复合型人才需要较长的时间,这些人员日益紧俏,他们越发不愿意将个人的知识/技能贡献出来以形成企业的知识/技能。高素质的复合型人才最后又常常会“跳槽”,从而使企业陷入恶性循环。

  因此,对于一个面向临时性任务的动态组织(项目组)来说,“角色”这个词比“岗位”更值得我们关注。一个角色需要的能力是相对单纯的。在构件的帮助下,这种能力很容易形成。因此,我们应该通过角色划分和整合来降低对稀缺的复合型人才的依赖、缩短新人到位的时间,提高团队的效率。

转载于:https://www.cnblogs.com/9fingersfly/archive/2011/07/05/2098030.html

使用优化算法,以优化VMD算法的惩罚因子惩罚因子 (α) 和分解层数 (K)。 1、将量子粒子群优化(QPSO)算法与变分模态分解(VMD)算法结合 VMD算法背景: VMD算法是一种自适应信号分解算法,主要用于分解信号为不同频率带宽的模态。 VMD的关键参数包括: 惩罚因子 α:控制带宽的限制。 分解层数 K:决定分解出的模态数。 QPSO算法背景: 量子粒子群优化(QPSO)是一种基于粒子群优化(PSO)的一种改进算法,通过量子行为模型增强全局搜索能力。 QPSO通过粒子的量子行为使其在搜索空间中不受位置限制,从而提高算法的收敛速度与全局优化能力。 任务: 使用QPSO优化VMD中的惩罚因子 α 和分解层数 K,以获得信号分解的最佳效果。 计划: 定义适应度函数:适应度函数根据VMD分解的效果来定义,通常使用重构信号的误差(例如均方误差、交叉熵等)来衡量分解的质量。 初始化QPSO粒子:定义粒子的位置和速度,表示 α 和 K 两个参数。初始化时需要在一个合理的范围内为每个粒子分配初始位置。 执行VMD分解:对每一组 α 和 K 参数,运行VMD算法分解信号。 更新QPSO粒子:使用QPSO算法更新粒子的状态,根据适应度函数调整粒子的搜索方向和位置。 迭代求解:重复QPSO的粒子更新步骤,直到满足终止条件(如适应度函数达到设定阈值,或最大迭代次数)。 输出优化结果:最终,QPSO算法会返回一个优化的 α 和 K,从而使VMD分解效果最佳。 2、将极光粒子(PLO)算法与变分模态分解(VMD)算法结合 PLO的优点与适用性 强大的全局搜索能力:PLO通过模拟极光粒子的运动,能够更高效地探索复杂的多峰优化问题,避免陷入局部最优。 鲁棒性强:PLO在面对高维、多模态问题时有较好的适应性,因此适合海上风电时间序列这种非线性、多噪声的数据。 应用场景:PLO适合用于优化VMD参数(α 和 K),并将其用于风电时间序列的预测任务。 进一步优化的建议 a. 实现更细致的PLO更新策略,优化极光粒子的运动模型。 b. 将PLO优化后的VMD应用于真实的海上风电数据,结合LSTM或XGBoost等模型进行风电功率预测。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值