INFORMATYKA EKONOMICZNA

INFORMATYKA EKONOMICZNA BUSINESS INFORMATICS 1(31) 2014 Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu Wrocław 2014

Redaktorzy Wydawnictwa: Elżbieta Macauley, Tim Macauley, Jadwiga Marcinek Redaktor techniczny: Barbara Łopusiewicz Korektor: Barbara Cibis Łamanie: Comp-rajt Projekt okładki: Beata Dębska Publikacja jest dostępna w Internecie na stronach: www.ibuk.pl, www.ebscohost.com, w Dolnośląskiej Bibliotece Cyfrowej www.dbc.wroc.pl, The Central European Journal of Social Sciences and Humanities http://cejsh.icm.edu.pl, The Central and Eastern European Online Library www.ceeol.com, a także w adnotowanej bibliografii zagadnień ekonomicznych BazEkon http://kangur.uek.krakow.pl/bazy_ae/bazekon/nowy/index.php Informacje o naborze artykułów i zasadach recenzowania znajdują się na stronie internetowej Wydawnictwa www.wydawnictwo.ue.wroc.pl Kopiowanie i powielanie w jakiejkolwiek formie wymaga pisemnej zgody Wydawcy Copyright by Uniwersytet Ekonomiczny we Wrocławiu Wrocław 2014 ISSN 1507-3858 Wersja pierwotna: publikacja drukowana Druk i oprawa: EXPOL, P. Rybiński, J. Dąbek, sp.j. ul. Brzeska 4, 87-800 Włocławek Nakład: 200 egz.

Spis treści Wstęp... 9 1. KIERUNKI I KONCEPCJE ROZWOJU INFORMATYZACJI Ewa Ziemba: Discussion on a sustainable information society... 13 Mariusz Bratnicki, Celina M. Olszak, Jerzy Kisielnicki: Twórczość organizacyjna i ICT jako nowa perspektywa zarządzania organizacją... 26 Mariusz Bratnicki, Celina M. Olszak, Jerzy Kisielnicki: Zarys koncepcji komputerowego wspomagania twórczości organizacyjnej... 36 Tomasz Lipczyński: Wiedza jako narzędzie budowy przewagi konkurencyjnej małych i średnich przedsiębiorstw... 47 Ilona Pawełoszek: Semanticizing innovative knowledge... 59 Maria Mach-Król: Ontologia czasu nieliniowego dla opisu rzeczywistości ekonomicznej... 69 Jerzy Korczak, Marcin Hernes, Maciej Bac: Analiza wydajności agentów podejmujących decyzje kupna sprzedaży w systemie wieloagentowym A-TRADER... 77 Janusz Zawiła-Niedźwiecki: Operacjonalizacja zarządzania wiedzą w świetle badań Wydziału Zarządzania Politechniki Warszawskiej... 91 Adam Nowicki, Iwona Chomiak-Orsa: Integracja procesów informacyjnych w układach sieciowych w kontekście wykorzystania modelu SOA... 101 Edyta Abramek, Anna Sołtysik-Piorunkiewicz, Henryk Sroka: Kierunki badań i perspektywy rozwoju zintegrowanych systemów informatycznych zarządzania... 114 Małgorzata Sobińska: Innowacyjne modele biznesu dla IT wyzwania i perspektywy rozwoju... 126 Marta Tabakow, Jerzy Korczak, Bogdan Franczyk: Big Data definicje, wyzwania i technologie informatyczne... 138 2. ZARZĄDZANIE PROJEKTAMI Mirosława Lasek, Aleksandra Adamus: Kiedy warto stosować metodyki zwinne (agile methodologies) w zarządzaniu projektami wytwarzania oprogramowania?... 157 Velimir Tasic: Project management office typology and benefits... 173 Ludosław Drelichowski, Marian Niedźwiedziński: Oddolne budowanie aplikacji ICT w administracji publicznej... 183

6 Spis treści Witold Chmielarz, Marek Zborowski: Wykorzystanie metody AHP/ANP w konfrontacyjnej metodzie projektowania wzorcowego systemów informatycznych... 195 Bartosz Wachnik: Reducing information asymmetry in IT projects... 212 Michał Twardochleb: Dobór zespołów projektowych z wykorzystaniem metod stochastycznych... 223 Sebastian Łacheciński: Analiza porównawcza wybranych narzędzi CASE do modelowania danych w procesie projektowania relacyjnych baz danych 239 Magdalena Kieruzel: Metoda oceny ryzyka realizacji oprogramowania do wspomagania działalności przedsiębiorstwa na przykładzie oprogramowania typu open source... 259 3. PROJEKTY INNOWACYJNYCH ROZWIĄZAŃ INFORMATYCZNYCH Agnieszka Szewczyk: Systemy Wspomagania Decyzji doboru typu dostępu do sieci komputerowej w firmie... 271 Jerzy Korczak, Helena Dudycz, Mirosław Dyczkowski: Inteligentny Kokpit Menedżerski jako innowacyjny system wspomagający zarządzanie w MŚP... 288 Mirosława Lasek, Dominik Kosieradzki: Products and services recommendation systems in e-commerce. Recommendation methods, algorithms, and measures of their effectiveness... 304 Dorota Jelonek: Ocena internetowych kanałów komunikacji z klientem w procesie współtworzenia innowacji... 318 Łukasz Łysik, Robert Kutera, Piotr Machura: Rozwiązania komunikacji elektronicznej przedsiębiorstw dla społeczności internetowych analiza i ocena... 330 Beata Butryn, Maciej Laska: Analiza porównawcza witryn e-sklepów w ujęciu branżowym propozycja metody badań... 340 Jadwiga Sobieska-Karpińska, Marcin Hernes: Weryfikacja algorytmu consensusu w systemach zarządzania łańcuchem dostaw... 351 Bożena Śmiałkowska, Tomasz Dudek: Zastosowanie adaptacyjnej hurtowni danych do modelowania scenariuszy biznesowych organizacji... 365 Andrzej Bytniewski, Marcin Hernes: Wykorzystanie kognitywnych programów agentowych we wspomaganiu procesu zarządzania produkcją... 374 Leonard Rozenberg: Wykorzystanie podejścia rozmytego do konstrukcji wskaźników oceny stanu przedsiębiorstwa... 384

Spis treści 7 Summaries 1. DIRECTIONS AND CONCEPTS OF IT DEVELOPMENT Ewa Ziemba: Przyczynek do dyskusji na temat zrównoważonego społeczeństwa informacyjnego... 25 Mariusz Bratnicki, Celina M. Olszak, Jerzy Kisielnicki: Organizational creativity and ICT as a new perspective for management in organization 35 Mariusz Bratnicki, Celina M. Olszak, Jerzy Kisielnicki: Framework of orgnizational creativity computer support... 46 Tomasz Lipczyński: Knowledge as a tool of building the competitive advantage of SMEs... 58 Ilona Pawełoszek: Semantyzacja wiedzy innowacyjnej... 68 Maria Mach-Król: Nonlinear time ontology for the description of economic realm... 76 Jerzy Korczak, Marcin Hernes, Maciej Bac: Performance analysis of the buy-sell decision agents in a-trader system... 90 Janusz Zawiła-Niedźwiecki: Operationalizing of knowledge management in the light of research of Faculty of Management in Warsaw University of Technology... 100 Adam Nowicki, Iwona Chomiak-Orsa: Integration of information processes in network organizations in the context of the SOA model using... 112 Edyta Abramek, Anna Sołtysik-Piorunkiewicz, Henryk Sroka: Research directions and trends in the development of integrated management information systems... 125 Małgorzata Sobińska: Innovative IT business models challenges and prospects... 137 Marta Tabakow, Jerzy Korczak, Bogdan Franczyk: Big Data definitions, challenges and information technologies... 153 2. PROJECTS MANAGEMENT Mirosława Lasek, Aleksandra Adamus: When is it worth to use agile methodologies in software development project management practice? 171 Velimir Tasic: Biuro projektów typologia i korzyści tworzenia... 182 Ludosław Drelichowski, Marian Niedźwiedziński: Self-dependent development of ICT applications in public administration... 194 Witold Chmielarz, Marek Zborowski: AHP/ANP method implementation in management information system confrontational pattern-based method design... 211

8 Spis treści Bartosz Wachnik: Zmniejszanie asymetrii informacji w projektach IT... 222 Michał Twardochleb: Project team selection using stochastic methods... 236 Sebastian Łacheciński: Comparative analysis of selected CASE tools for data modeling in relational databases design... 258 Magdalena Kieruzel: The risk assessment method as a support for IT enterprise management using open source projects as an example... 268 3. PROJECTS OF INNOVATIVE IT SOLUTIONS Agnieszka Szewczyk: Decision support systems for the computer type network selection in the company... 287 Jerzy Korczak, Helena Dudycz, Mirosław Dyczkowski: Intelligent Dashboard for Managers as an innovative system supporting management processes in SMEs... 303 Mirosława Lasek, Dominik Kosieradzki: Systemy rekomendacji produktów i usług handlu elektronicznego. Metody i algorytmy rekomendacyjne oraz miary skuteczności ich stosowania... 317 Dorota Jelonek: The efficiency of Internet communication channels with the customer in the process of innovation co-creating... 329 Łukasz Łysik, Robert Kutera, Piotr Machura: Enterprise e-solutions for Internet communities communication analysis and evaluation... 339 Beata Butryn, Maciej Laska: Comparative analysis of e-shop websites in sectoral approach test method proposal... 350 Jadwiga Sobieska-Karpińska, Marcin Hernes: Verification of consensus algorithm in supply chain management systems... 364 Bożena Śmiałkowska, Tomasz Dudek: Business scenarios modeling with an adaptive data warehouses... 373 Andrzej Bytniewski, Marcin Hernes: Using cognitive agents for the manufacturing process management supporting... 383 Leonard Rozenberg: Using fuzzy approach to the construction of indicators for enterprise state evaluation... 394

INFORMATYKA EKONOMICZNA BUSINESS INFORMATICS 1(31) 2014 ISSN 1507-3858 Michał Twardochleb Zachodniopomorski Uniwersytet Technologiczny w Szczecinie DOBÓR ZESPOŁÓW PROJEKTOWYCH Z WYKORZYSTANIEM METOD STOCHASTYCZNYCH Streszczenie: W pracy przedstawiono możliwości zastosowania metod stochastycznych we wspomaganiu doboru członków zespołów projektowych. Według badań M. Belbina efektywna współpraca członków zespołu projektowego jest uzależniona od odpowiedniego wystąpienia w jego składzie 8 ról zespołowych, opisujących kompetencje miękkie, co umożliwi wystąpienie efektu synergii. Na potrzeby badań opracowano autorskie oprogramowanie, które wykorzystuje metody stochastyczne w procesie kompletowania zespołów spełniających te kryterium. Przedstawiono wyniki eksperymentów na podstawie anonimizowanych ankiet przeprowadzonych wśród studentów różnych kierunków. Otrzymane w drodze symulacji zespoły spełniały kryterium kompletności ról zespołowych. Wskazano, że zastosowanie metod stochastycznych we wspomaganiu procesu doboru pracowników w zespoły projektowe może przyczynić się do poprawy efektywności alokacji zasobów poprzez odpowiedni przydział ról i obowiązków, np. uniknięcie sytuacji gdy wykwalifikowany specjalista zostałby dołączony do zespołu, w którym marnowałby się jego potencjał. Słowa kluczowe: optymalizacja stochastyczna, dobór zespołów projektowych, optymalizacja zasobów, Monte Carlo. DOI: 10.15611/ie.2014.1.18 It is better to be broadly right than precisely wrong N.N. Taleb 1. Wstęp Podstawowym elementem każdego projektu są ludzie, którzy mają go za zadanie zrealizować. To właśnie oni decydują o tym, czy projekt zakończy się sukcesem, czy też poniesie porażkę. Dlatego tak ważną sprawą już na etapie określania zasobów projektu jest właściwy dobór personelu do zespołu projektowego.

224 Michał Twardochleb Zwykle to ludzie są najcenniejszym zasobem, jaki może posiadać dana organizacja. Ludzie tworzący zespół projektowy są określani jako kluczowy element idei zarządzania projektem i to ich zaangażowanie decyduje o tym, czy określony projekt zakończy się sukcesem: sukces lub klęska jest zdeterminowana przez jakość i zaangażowanie personelu [Wróblewski 2005]. Podczas tworzenia zespołu projektowego należy kierować się zasadą maksymalnej użyteczności jego poszczególnych członków w kontekście danego projektu i jednocześnie dążyć do wyeliminowania takich słabych punktów, jak: angażowanie do projektu ludzi nieprzeszkolonych lub też utrzymywanie nadliczbowego zatrudnienia prowadzącego do zbyt szybkiego wyczerpania budżetu [Wróblewski 2005]. Zastosowanie w celu budowy optymalnej struktury zespołów stochastycznych metod optymalizacji jest wskazane z uwagi na nieliniowość zadania i trudności w rozwiązaniu go metodami analitycznymi. W niniejszej pracy wzięto pod uwagę często lekceważony czynnik odpowiadający za skuteczność zespołu: kompetencje miękkie poszczególnych jego członków. Obecnie można w stosunkowo prosty sposób zweryfikować kompetencje twarde takie indywidualne cechy, jak np. biegłość programowania. Natomiast dużo trudniejsza jest weryfikacja cech, które ujawniają się dopiero w trakcie pracy zespołowej, są zatem niemierzalne na etapie rekrutacji. Najnowsze badania z dziedziny ekonomii behawioralnej [Ariely 2011] dowodzą, że to właśnie te ukryte zdolności częstokroć bywają kluczowe dla powodzenia projektu. W niniejszej pracy zaprezentowano możliwości zastosowania metod stochastycznych dla doboru zespołów z uwzględnieniem tychże cech. 2. Zagadnienia pracy zespołowej We współczesnej gospodarce realizacja większości zadań nawet w stosunkowo niewielkiej skali wymaga zaangażowania co najmniej kilku osób, a więc powołania zespołu. Istnieje wiele zalet grupowania ludzi w zespoły projektowe, np. efekt synergii polegający na osiągnięciu lepszych rezultatów przez grupę ludzi współpracujących w zespole, w porównaniu z efektami uzyskanymi przez tych samych pracowników indywidualnie. Oprócz zalet pracy zespołowej, wyróżnia się również wady, np. powstawanie konfliktów pomiędzy poszczególnymi członkami zespołu, powodujące obniżenie wydajności zespołu, a w skrajnych przypadkach prowadzące nawet do jego rozpadu. Szczegółowe zestawienie wad oraz zalet płynących z pracy zespołowej zostało przedstawione w tabeli 1.

Dobór zespołów projektowych z wykorzystaniem metod stochastycznych 225 Tabela 1. Wady i zalety pracy zespołowej Zalety Większa wiedza, doświadczenie i umiejętności Więcej informacji Uwolnienie od negatywnych efektów indywidualnej percepcji Większa motywacja Mniejszy stres, co uwalnia kreatywność Efekt synergii ludzie pracujący razem osiągają lepszy wynik niż suma wyników uzyskanych indywidualnie 1+1+1+1=5 Źródło: opracowanie własne na podstawie [Ćwik 2014]. Wady Dłuższy czas podejmowania decyzji Większe koszty Rozmycie odpowiedzialności za podjęte decyzje Możliwość tworzenia się potencjalnych konfliktów Większa skłonność do ryzyka Efekt próżniactwa społecznego ludzie pracujący razem osiągają gorszy wynik niż suma wyników uzyskanych indywidualnie 1+1+1+1=3 2.1. Problemy doboru optymalnego składu zespołu projektowego Optymalny dobór ludzi do zespołu projektowego stanowi spore wyzwanie dla kierownika zespołu, ze względu na dużą złożoność całego procesu. Właściwie dobrany zespół będzie wykorzystywał zalety pracy zespołowej, źle dobrany będzie powodował marnotrawstwo zasobów. Na początku tworzenia projektu należy zidentyfikować, jakie zasoby ludzkie będą potrzebne, aby projekt zakończył się sukcesem. Każdy kierownik projektu powinien pamiętać, że nawet najlepiej zaplanowane zadania nie zostaną wykonane, jeżeli zespół nie będzie składał się z odpowiednio dobranych ludzi. Punktem wyjściowym przy określaniu wymaganych zasobów ludzkich jest dokument dotyczący struktury podziału pracy. Na jego podstawie kierownik projektu określa, jakie zasoby będą potrzebne do realizacji projektu. Kolejnym krokiem jest stworzenie macierzy ról i obowiązków, koniecznej do określenia listy obowiązków, za które będą odpowiedzialni członkowie zespołu odgrywający określone role. Poniżej została przedstawiona przykładowa macierz ról i obowiązków. Tabela 2. Przykładowa macierz ról i obowiązków Opis zadania Kierownik Programista Administrator Inżynier sieci projektu aplikacji sieci Tworzenie aplikacji Zatwierdza Twórca Uczestnik Testowanie aplikacji Zatwierdza Uczestnik Uczestnik Pakowanie aplikacji Analizuje Analizuje Uczestnik Testowanie procesu instalacji Analizuje Analizuje Twórca Instalacja w stacjach roboczych Zatwierdza Uczestnik Twórca Źródło: opracowanie własne na podstawie [Phillips 2011].

226 Michał Twardochleb Macierz ról i obowiązków pozwala określić wszystkie role i obowiązki, które muszą zostać wypełnione podczas realizacji projektu. Kierownik zespołu dysponujący zebraną w ten sposób wiedzą ma możliwość wyboru najodpowiedniejszego podziału ról i obowiązków pomiędzy wszystkich członków zespołu. Pozwala również zorientować się, czy firma dysponuje odpowiednimi zasobami ludzkimi, zdolnymi do realizacji wszystkich wyznaczonych ról i obowiązków. W związku z tym, że zespół projektowy jest zorganizowaną grupą ludzi, która musi zgodnie i sprawnie współpracować, spełnienie oczekiwań dotyczących ról i obowiązków związanych z realizacją projektu nie jest jedynym warunkiem przyjęcia do zespołu. Idealny kandydat powinien posiadać również szczególne predyspozycje osobowościowe, umożliwiająca pracę w zespole. Aby poznać takie informacje, kandydaci są poddawani rozmaitym testom, m.in. badającym ich profil osobowości. Stopień odwzorowania, w jakim uda się określić profil wszystkich kandydatów, ma decydujący wpływ na dobór odpowiedniego składu zespołu projektowego. W przypadku gdy zostanie on przeprowadzony w sposób niedokładny, kierownik zespołu dysponuje niepełnymi informacjami podczas wyboru kandydatów. Sytuacja taka może spowodować, że dobrany w ten sposób zespół projektowy będzie miał problemy z wewnętrzną komunikacją, a także sprzyjać będzie powstawaniu konfliktów. W przyszłości również może negatywnie wpłynąć na wydajność zespołu, a w skrajnym przypadku doprowadzić nawet do rozpadu zespołu lub nieukończenia realizowanego projektu w wymaganym czasie. Do najpopularniejszych testów osobowościowych przeprowadzanych wśród kandydatów zaliczany jest test ról zespołowych według Mereditha Belbina. 2.2. Klasyfikacja ról członków zespołu według M. Belbina Zdaniem M. Belbina, poziom realizacji zaplanowanego zadania jedynie do pewnego momentu jest liniową zależnością od merytorycznej wiedzy posiadanej przez członków zespołu. W celu poprawy efektywności pracy zespołowej należy zatem skupić się na odpowiedniej kompozycji cech osobowości poszczególnych członków [Betta 2014]. Belbin zdefiniował 8 ról zespołowych [Antoniewicz 2014, Wróblewski 2005]: 1. Praktyczny organizator osoba, która potrafi realizować zaplanowane cele. Do jego mocnych stron należy zaliczyć: dyscyplinę, solidność oraz skuteczność. 2. Naturalny lider osoba silnie zorientowana na celu, który trzeba zrealizować. Potrafi dobrze komunikować się z resztą zespołu, motywować do działania, ma zadatki na przywódcę. 3. Człowiek akcji osoba, która lubi nowe wyzwania oraz pracę pod presją, ale ma problemy z nawiązywaniem przyjaznych relacji z innymi ludźmi.

Dobór zespołów projektowych z wykorzystaniem metod stochastycznych 227 4. Siewca osoba potrafiąca rozwiązywać trudne problemy; potrafi tworzyć pomysłowe rozwiązania, kreować nowe strategie, ma jednak problemy z komunikacją z pozostałą częścią zespołu. 5. Człowiek kontaktów osoba, która lubi skupiać się przede wszystkim na szukaniu nowych rozwiązań oraz ich realizacji. Potrafi nawiązywać kontakty, które mogą być korzystne dla całego zespołu. Szybko traci entuzjazm, gdy przestanie się interesować danym tematem. 6. Sędzia obserwator, lubi przyglądać się realizacji projektu z perspektywy widza. Potrafi obiektywnie analizować sytuację i zazwyczaj podejmuje trafne decyzje. 7. Człowiek grupy osoba wspierająca zespół, potrafi słuchać, ma łagodny charakter, unika konfliktów; nie potrafi sobie radzić w sytuacjach kryzysowych. 8. Perfekcjonista osoba, która lubi brać realizację zadań na swoje barki, niechętnie dzieli się pracą. Na podstawie teorii Belbina dobranie optymalnego zespołu będzie możliwe przy uwzględnieniu następujących informacji: każdy z członków zespołu posiada jedną rolę dominującą oraz dwie lub trzy wspierające; nie ma dobrych lub złych ról w zespole; wartość poszczególnych ról jest warunkowana przez rodzaj zadania do wykonania w ramach projektu; zapotrzebowanie na określone role zmienia się w trakcie trwania projektu; optymalny zespół projektowy powinien składać się z pracowników o zróżnicowanych rolach, tak aby wszyscy pracownicy jako całość mogli się wzajemnie uzupełniać; poziom realizacji zadania jest wprost proporcjonalny do poziomu wiedzy merytorycznej członków zespołu tylko do pewnego momentu; w dalszym etapie nabiera dużego znaczenia również odpowiedni dobór osobowości. 3. Zastosowanie optymalizacji stochastycznej we wspomaganiu budowy zespołów Duża liczba danych i konieczność ich wielopłaszczyznowego porównania powoduje, że decyzje dotyczące budowy optymalizacji zespołów projektowych nie są łatwe. Z uwagi na złożoność problemu można w celu ich wspomagania zastosować techniki cyfrowe. Podczas eksperymentu badawczego prowadzonego w ramach pracy magisterskiej [Krysiński 2013] przeanalizowano skuteczność zastosowania metod stochastycznych w celu wspomagania tworzenia optymalnych zespołów pod względem właściwego rozkładu kompetencji miękkich. Zadanie doboru optymalnego zespołu sprowadzone do postaci formalnej:

228 Michał Twardochleb Osobnik p i posiadający wektor cech [a 1, a 2, a 3, a 4, a 5, a 6, a 7, a 8 ], gdzie a j odpowiada sile wystąpienia poszczególnej roli według klasyfikacji Belbina. Dla każdej z cech określono wartość progową v j oznaczającą przyjmowanie przez osobnika konstruktywnej roli grupowej. Zespoły składające się z n osobników poddano dwukryterialnej ocenie: kryterium 1: suma cech (od 1 do 8), dla których istnieje przynajmniej jeden osobnik, którego j-ta cecha a j jest większa od wartości progowej v j ; kryterium 2: suma wartości poszczególnych cech przekraczających wartości progowe dla wszystkich osobników. 3.1. Metody stochastyczne wykorzystane w symulacji Proces doboru zespołów został zrealizowany z wykorzystaniem specjalnie w tym celu stworzonego oprogramowania. Do wspierania symulacji poszczególnych eksperymentów wykonywanych przez projektowaną aplikację zastosowane zostały metody stochastyczne. Podjęcie decyzji o wykorzystaniu tych metod podyktowane było zbyt dużą złożonością obliczeniową modelowanego procesu, co wykluczało wykorzystanie podejścia analitycznego, które w tym przypadku byłoby zbyt czasochłonne, a w skrajnych przypadkach niemożliwe. Zaletą zastosowania metod stochastycznych jest realne przyspieszenie znajdowania poszukiwanego rozwiązania symulowanego eksperymentu. Jedną z najpopularniejszych metod stochastycznych jest metoda Monte Carlo. W głównej mierze wynika to z jej prostoty, a także szybkości wykonywanych obliczeń. W związku z tym jest ona najczęściej stosowana w symulacjach, w których szybkość znalezienia rozwiązania jest ważniejsza od jego dokładności. Jej działanie polega na losowaniu poszczególnych parametrów modelowanego procesu, przez z góry określoną liczbę powtórzeń. Każde losowanie zwraca pewien wynik, który następnie może zostać wykorzystany do dalszych obliczeń. Zastosowanie ograniczenia w postaci ściśle określonej liczby losowań pozwala na sterowanie czasem symulacji, a tym samym szybkością uzyskania rozwiązania dla danego problemu. Modyfikacją metody Monte Carlo jest metoda Las Vegas, polegającą na zmianie kryterium zatrzymania procesu poszukiwań. Szczegółowy opis zastosowanych metod zawarto w [Krysiński 2013]. 3.2. Przebieg i wyniki eksperymentów Badania przeprowadzono na podstawie rzeczywistych danych: anonimizowanych kwestionariuszach Belbina wypełnianych przez studentów Wydziału Informatyki ZUT na kierunkach Informatyka (studia 2. stopnia) i Zarządzanie i Inżynieria Produkcji (studia 1. stopnia). Poszczególne osoby zakodowano według następującego schematu:

Dobór zespołów projektowych z wykorzystaniem metod stochastycznych 229 23 ZIP S1 - A;11;4;28;3;1;13;0;10 gdzie: 23 numer porządkowy osoby, ZIP S1 A symbol kierunku studiów i grupy, 11;4;28;3;1;13;0;10 punktacja poszczególnych ról zespołowych na podstawie wypełnionego kwestionariusza Belbina. Zadane badawcze 1.: budowa najlepszego zespołu Pierwszym zadaniem optymalizacji było stworzenie najlepszego możliwego (pod kątem doboru kompetencji miękkich) zespołu o zadanej liczbie członków (od 4 do 7). W przedstawionych wynikach każdy wiersz odpowiada wybranemu do zespołu uczestnikowi. Zespół 4-osobowy: 23 ZIP S1 - A;11;4;28;3;1;13;0;10 33 ZIP S1 - B;15;10;7;3;9;6;15;5 17 ZIP S1 - A;7;0;9;7;5;9;4;29 28 ZIP S1 - B;11;1;8;13;23;5;7;2 Wynik ogólny zespołu: liczba pozytywnych cech: 8, liczba punktów dodatnich: 49 35 23 ZIP S1 - A 33 ZIP S1 - B 17 ZIP S1 - A 28 ZIP S1 - B 30 25 20 15 10 5 0 1 2 3 4 5 6 7 8 Rys. 1. Wizualizacja siły ról zespołowych dla optymalnego zespołu 4-osobowego Źródło: opracowanie własne.

230 Michał Twardochleb Na rysunku 1. dokonano wizualizacji siły poszczególnych 8 ról zespołowych dla każdego członka wybranego zespołu 4-osobowego. Według sformułowanych przez M. Belbina zasad każda z 8 ról powinna być reprezentowana w zespole z siłą minimum 10. Można zauważyć, że rola nr 2 ( Naturalny Lider ) została zrealizowana w zespole na granicy wymagań, jedynie jeden członek zespołu (nr 33) wykazuje pewne cechy przywódcze. Można również zwrócić uwagę na bardzo silne występowanie ról 3, 5, 8, tj. Człowiek Akcji, Człowiek Kontaktów, Perfekcjonista przy czym są to dominujące role u trzech różnych członków zespołu. Zespół 5-osobowy 17 ZIP S1 - A;7;0;9;7;5;9;4;29 30 ZIP S1 - B;13;19;6;0;7;7;6;12 33 ZIP S1 - B;15;10;7;3;9;6;15;5 28 ZIP S1 - B;11;1;8;13;23;5;7;2 23 ZIP S1 - A;11;4;28;3;1;13;0;10 Wynik ogólny zespołu: liczba pozytywnych cech: 8, liczba punktów dodatnich: 58 Na rysunku 2. dokonano wizualizacji siły poszczególnych 8 ról zespołowych dla każdego członka wybranego zespołu 5-osobowego. Można zauważyć, że rola nr 2 ( Naturalny Lider ) została zrealizowana z większą siłą niż w poprzednim przypadku. Wynika to z dokooptowania piątego uczestnika (nr 30), który wykazał w kwestionariuszu występowanie cech przywódczych. Łączna ocena punktowa zespołu 5-osobowego wzrosła o 9 punktów (18%) w stosunku do 4-osobowego. 35 17 ZIP S1 - A 30 ZIP S1 - B 33 ZIP S1 - B 28 ZIP S1 - B 23 ZIP S1 - A 30 25 20 15 10 5 0 1 2 3 4 5 6 7 8 Rys. 2. Wizualizacja siły ról zespołowych dla optymalnego zespołu 5-osobowego Źródło: opracowanie własne.

Dobór zespołów projektowych z wykorzystaniem metod stochastycznych 231 Zespół 6-osobowy 23 ZIP S1 - A;11;4;28;3;1;13;0;10 14 INF S2;16;5;4;16;10;6;12;1 17 ZIP S1 - A;7;0;9;7;5;9;4;29 7 INF S2;8;7;5;9;7;17;15;2 28 ZIP S1 - B;11;1;8;13;23;5;7;2 30 ZIP S1 - B;13;19;6;0;7;7;6;12 Wynik ogólny zespołu: liczba pozytywnych cech: 8, liczba punktów dodatnich: 66 Na rysunku 3. dokonano wizualizacji siły poszczególnych 8 ról zespołowych dla każdego członka wybranego zespołu 6-osobowego. Można zauważyć, że zwiększenie liczności zespołu powoduje zmianę w jego strukturze w miejsce uczestnika nr 33 (dominujące role: 1 i 7) pojawili się nr 14 (dominujące role 1 i 4) i nr 7 (dominujące role 6 i 7 ). Można zatem uznać, że zastosowany stochastyczny algorytm doboru wraz ze wzrostem liczby członków zespołu modyfikuje jego skład poprzez dołączanie do składu bardziej wyspecjalizowanych uczestników w miejsce uczestników bardziej wszechstronnych. Łączna ocena punktowa zespołu 6-osobowego wzrosła o 7 punktów (12%) w stosunku do 5-osobowego. 35 23 ZIP S1 - A 14 INF S2 17 ZIP S1 - A 7 INF S2 28 ZIP S1 - B 30 ZIP S1 - B 30 25 20 15 10 5 0 1 2 3 4 5 6 7 8 Rys. 3. Wizualizacja siły ról zespołowych dla optymalnego zespołu 6-osobowego Źródło: opracowanie własne.

232 Michał Twardochleb Zespół 7-osobowy 17 ZIP S1 - A;7;0;9;7;5;9;4;29 30 ZIP S1 - B;13;19;6;0;7;7;6;12 23 ZIP S1 - A;11;4;28;3;1;13;0;10 7 INF S2;8;7;5;9;7;17;15;2 14 INF S2;16;5;4;16;10;6;12;1 28 ZIP S1 - B;11;1;8;13;23;5;7;2 21 ZIP S1 - A;8;5;14;5;9;6;18;5 Wynik ogólny zespołu: liczba pozytywnych cech: 8, liczba punktów dodatnich: 69 Na rysunku 4. dokonano wizualizacji siły poszczególnych 8 ról zespołowych dla każdego członka wybranego zespołu 7-osobowego. Do zespołu dołączono uczestnika nr 21, który realizuje rolę nr 7 ( Człowiek Grupy ) na nieco wyższym poziomie niż dotychczasowi członkowie zespołu 6-osobowego. Zaobserwowany niewielki wzrost oceny punktowej w stosunku do zespołu 6-osobowego wyniósł zaledwie 3 punkty, co stanowi poprawę zaledwie o 4,5%. 35 17 ZIP S1 - A 30 ZIP S1 - B 23 ZIP S1 - A 7 INF S2 14 INF S2 28 ZIP S1 - B 21 ZIP S1 - A 30 25 20 15 10 5 0 1 2 3 4 5 6 7 8 Rys. 4. Wizualizacja siły ról zespołowych dla optymalnego zespołu 7-osobowego Źródło: opracowanie własne.

Dobór zespołów projektowych z wykorzystaniem metod stochastycznych 233 Podsumowanie 1. etapu eksperymentów W tabelach wyników czcionką pogrubioną wyróżniono osoby, które pojawiały się za każdym razem jako członkowie optymalnych zespołów (przy poszukiwaniach o zróżnicowanej liczebności członków zespołu). Wyniki eksperymentów wykazały, że studenci kierunku ZIP 1. stopnia posiadają znacznie korzystniejszy wachlarz umiejętności miękkich koniecznych do funkcjonowania zespołowego. Optymalne zespoły 4- i 5-osobowe składały się wyłącznie ze studentów tego kierunku, przy czym aż 3 z nich pojawiało się zawsze w optymalnych zespołach o liczebności 4-7. Studenci informatyki 2. stopnia pojawili się w optymalnych zespołach 6- i 7-osobowych. Może to oznaczać, że pomimo wyższej specjalizacji i profesjonalnej wiedzy posiadają oni niewystarczające umiejętności miękkie, które spowodowałyby efekt synergii pożądany w pracy zespołowej. Należy również zwrócić uwagę na zmniejszające się przyrosty punktów dodatnich wraz ze wzrostem liczebności zespołu przy zespołach dodanie jednej osoby do zespołu 4-osobowego zwiększa jego punktację o 9, a dodanie osoby do zespołu 6-osobowego o 3. Należy zatem przyjąć, że bez większych trudności można zbudować zespoły 4-osobowe spełniające kryterium posiadania wszystkich 8 cech pozytywnych. Zadanie badawcze 2.: optymalna alokacja zasobów ludzkich Wyniki pierwszej fazy eksperymentów przemawiające za tworzeniem zespołów 4-osobowych pozwoliły na sformułowanie kolejnego zadania. Druga część eksperymentów miała na celu dobranie maksymalnej liczby zespołów 4-osobowych w analizowanej populacji, które spełniają kryterium występowania wszystkich ról zespołowych Belbina. Wyniki eksperymentów wskazały, że w przebadanej populacji można utworzyć 4 zespoły 4-osobowe spełniające to kryterium Zespół nr 1 28 ZIP S1 - B;11;1;8;13;23;5;7;2 17 ZIP S1 - A;7;0;9;7;5;9;4;29 33 ZIP S1 - B;15;10;7;3;9;6;15;5 23 ZIP S1 - A;11;4;28;3;1;13;0;10 Wynik ogólny zespołu: liczba pozytywnych cech: 8, liczba punktów dodatnich: 49 Zespół nr 2 7 INF S2;8;7;5;9;7;17;15;2 27 ZIP S1 - B;14;4;0;15;14;8;10;5 34 ZIP S1 - B;10;6;9;6;7;8;3;21 12 INF S2;13;15;21;6;4;6;0;5 Wynik ogólny zespołu: liczba pozytywnych cech: 8, liczba punktów dodatnich: 35

234 Michał Twardochleb Zespół nr 3 14 INF S2;16;5;4;16;10;6;12;1 5 INF S2;9;7;16;2;7;7;4;18 16 ZIP S1 - A;12;6;4;6;5;15;16;6 30 ZIP S1 - B;13;19;6;0;7;7;6;12 Wynik ogólny zespołu: liczba pozytywnych cech: 8, liczba punktów dodatnich: 29 Zespół nr 4 10 INF S2;8;5;20;2;6;15;6;8 13 INF S2;16;4;10;1;9;9;2;19 26 ZIP S1 - B;9;10;5;15;12;10;6;3 21 ZIP S1 - A;8;5;14;5;9;6;18;5 Wynik ogólny zespołu: liczba pozytywnych cech: 8, liczba punktów dodatnich: 28 Na rysunku 5. dokonano wizualizacji siły poszczególnych 8 ról zespołowych dla każdego członka czterech zespołów 4-osobowych spełniających kryterium. 28 ZIP S1 - B 17 ZIP S1 - A 33 ZIP S1 - B 23 ZIP S1 - A 7 INF S2 27 ZIP S1 - B 34 ZIP S1 - B 12 INF S2 35 25 30 25 20 20 15 15 10 10 5 5 0 1 2 3 4 5 6 7 8 0 1 2 3 4 5 6 7 8 14 INF S2 5 INF S2 16 ZIP S1 - A 30 ZIP S1 - B 10 INF S2 13 INF S2 26 ZIP S1 - B 21 ZIP S1 - A 20 25 18 16 20 14 12 15 10 8 10 6 4 5 2 0 0 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8 Rys. 5. Wizualizacja siły ról zespołowych dla zespołów 4-osobowych spełniających kryteria Źródło: opracowanie własne. Zespół nr 1 jest tożsamy z zespołem otrzymanym w pierwszym etapie eksperymentów i składa się wyłącznie ze studentów kierunku ZIP. Jak można zauważyć, w zespołach 2-4 występują już studenci Informatyki, stanowiąc połowę ich składu.

Dobór zespołów projektowych z wykorzystaniem metod stochastycznych 235 Pomimo niższych ocen punktowych można się spodziewać, że wniesione przez nich umiejętności twarde, tj. doświadczenie i specjalistyczna wiedzam będą istotnymi czynnikami gwarantującymi efektywną pracę tych zespołów. Przeprowadzona symulacja pozwoliła wskazać optymalną alokację zasobów ludzkich pod kątem kryterium występowania komplementarnych ról zespołowych. Zbudowane zespoły powinny charakteryzować się wysoką sprawnością działania i niskim poziomem konfliktów. 4. Zakończenie Przeprowadzone eksperymenty pozwalają uznać metody stochastyczne za przydatne w procesie wspomagania decyzji dotyczących budowy zespołów projektowych. Osiągnięty został cel polegający na uzyskaniu optymalnej struktury zespołów pod kątem zadanego kryterium. W praktyce powinno to pozwolić na podniesienie efektywności zarządzania pracownikami. Należy wskazać praktyczny aspekt zastosowania metod stochastycznych w procesie doboru optymalnych zespołów. Na podstawie otrzymanych wyników można zauważyć, że w 34-osobowej populacji niemal z połowy osób można z powodzeniem utworzyć zespoły wykorzystujące efekt synergii. Pozwoli to na efektywniejszą alokację zasobów poprzez odpowiedni przydział ról i obowiązków, np. uniknięcie sytuacji, gdy wykwalifikowany specjalista zostałby dołączony do zespołu, w którym marnowałby się jego potencjał. Zaproponowana metod doboru pracowników w zespoły pozwala na uwzględnienie w procesie budowy struktury organizacyjnej czy zadaniowej cech osobowościowych i kompetencji miękkich, którymi charakteryzuje się każda osoba. Wykorzystanie tej niejawnej czy wręcz niemierzalnej na etapie rekrutacji wiedzy powinno w znaczącym stopniu usprawnić funkcjonowanie organizacji poprzez budowę zespołów z komplementarnych względem siebie jednostek, pomiędzy którymi będzie tworzyła się synergia. Literatura Ariely D., 2011, Zalety irracjonalności, Wydawnictwo Dolnośląskie, Wrocław. Betta J., 2012, Ludzie największą wartością projektu, Zeszyty Naukowe Wyższej Szkoły Oficerskiej Wojsk Lądowych, nr 4 (166), s. 159-176. Dałkowski B., Staśko L., Zalewski M., 2009, Polskie wytyczne kompetencji IPMA wersja 3.0, Stowarzyszenie Project Management Polska. Hartman T., 1999, Kod kolorów typy osobowości zaszyfrowane w kolorach, Wydawnictwo Amber, Warszawa. Kohn S., Oconnell V., 2008, 6 nawyków wydajnego zespołu, Helion, Gliwice. Kordziński J., 2012, Siła motywacji jak dopingować siebie i ludzi, z którymi pracujesz, Helion, Gliwice.

236 Michał Twardochleb Krysiński K., 2013, Zastosowanie metod stochastycznych we wspomaganiu doboru personelu w zespołach projektowych i pracowniczych, praca magisterska pod kier. Michała Twardochleba, Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Informatyki, Szczecin. Niemczyk A., Niemczyk A., Mądry J., Motywacja pod lupą. Praktyczny poradnik dla szefów, Helion, Gliwice. Phillips J., 2011, Zarządzanie projektami IT, Helion, Gliwice. Szymańska K., 2012, Przegląd współczesnych poglądów na zarządzanie zasobami ludzkimi w projektach, Rocznik Naukowy Wydziału Zarządzania w Ciechanowie, z. 1-4, t. VI, s. 129-149. Wiseman L., Mckeown G., 2011, Dodaj im skrzydeł! Jak najlepsi liderzy wyzwalają potencjał swoich współpracowników, Helion, Gliwice. Wróblewski P., 2005, Zarządzanie projektami informatycznymi dla praktyków, Helion, Gliwice. Źródła online Antoniewicz P., Jak zostać i być dobrym liderem, www.qwsi.pl/asp/pliki/aktualnosci/qwsi_liderzy. ppt, IV 2014. Betta J., Ludzie w projekcie, http://www.ioz.pwr.wroc.pl/pracownicy/betta/materialy/2013_14/lu dzie%20w%20projekcie-niestacjonarne.pptx, IV 2014. Choroszczak J., Organizowanie i kierowanie zespołami projektowymi http://administracja.wsbnlu.edu.pl/uploadedfiles/file/zajecia_jchoroszczak.pdf, IV 2014. Ćwik K., Praca zespołowa http://www.hs.dobrekadry.pl/docs/praca_zespolowa-cwik.pdf, IV 2014. Kotylak S., Zarządzanie projektami, http://www.uz.zgora.pl/~skotylak/studenci/02zp.pdf, IV 2014. Roszkowski M., Teoria zarządzania Style kierowania http://mroszkowski.zut.edu.pl/teoriazarzadzania-style-kierowania/, IV 2014. Working out your team role, http://www.teamtechnology.co.uk/workingoutyourteamrole.htm, IV 2014. PROJECT TEAM SELECTION USING STOCHASTIC METHODS Summary: The paper presents the possibility of application of stochastic methods in supporting the selection of project team members. According to research of M. Belbin an effective collaboration of members of the project team requires 8 team roles (describing the soft skills) in its composition, which will enable the occurrence of the synergy effect. For the purpose of the reasearch, the original software was developed, which uses stochastic methods in the process of assembling teams that meet these criteria. The paper presents the results of experiments based on anonymized surveys conducted among students of different faculties. Teams obtained thorough conducted simulations fulfilled the criterion of completeness of team roles.it was pointed out that the use of stochastic methods in supporting the process of selection of employees in project teams may contribute to improving the efficiency of resource allocation through the appropriate assignation of roles and responsibilities, for example, to avoid a situation where a qualified professional would be attached to the team, wherein his potential would be wasted. Keywords: stochastic optimization, selection of project teams, resource optimization, Monte Carlo.