炼化工程企业用工定员管理研究

白志宏

炼化工程企业用工定员管理研究

白志宏

（中石化炼化工程（集团）股份有限公司，北京 100029）

新时代国有工程建设企业的高质量发展，必须通过动力转换、效率变革、创新能力提升，促进企业转型升级。以某国有大型炼化工程企业（简称S企业）为例，聚焦炼化工程建设总承包项目人员管理，构建了一套具有行业引领和示范效应的定员管理体系。基于饱和抽样法的总体样本范围研究劳动用工数据的相关性成因，应用统计学理论技术搭建研究模型，开展了相关性分析与变量共线性诊断，辅助特征分布散点图和显著性检验等判断指标，不断优化模型参数，综合确定劳动定员最优函数方案，实现了企业劳动用工的定量负荷分析与多维监控、劳动用工的管理风险防控。

劳动定员； 数学模型； 相关性； 回归分析

S企业是面向境内外炼化工程市场的大型综合一体化工程服务商和技术专利商，是我国最大的国有能源化工工程建设企业之一。S企业凭借高素质的人才、丰富的工程设计和建设经验、雄厚的技术实力，可在石油炼制、石油化工、煤化工、天然气化工、环境工程、储运设施和配套公用工程等诸多领域为境内外客户提供优质、全面专业化的服务[1]。

近年来,炼化工程项目出现新的趋势特点：基地规模大型化、技术密集化、建造周期争分夺秒创“方舱速度”、质量环保本质安全、安全生产责任重于泰山等[2]。面对日益增多的建设任务，如何高效、合理地配置人员，尤其是管理人员的科学合理配置成为工程建设项目管理中的突出问题。为推进新形式下工程建设管理，本文以总承包项目管理人员定员为例，通过收集、汇总相关数据，并应用数理统计分析手段，探索研究劳动定员与相关变量间的内在联系，促进人力资源科学量化标准体系建设，提升人力资源管理效能，实现企业核心竞争力和经济效益的双提升[3]。

1 研究背景

1.1 企业科学发展的必然要求

科学是企业发展的第一生产力，人力资源作为生产力的重要基本要素，是任何组织从事经济活动赖以生存的必要条件。中国共产党第十九次全国代表大会报告指出，“人才是实现民族振兴、赢得国际竞争主动的战略资源”，随着社会主义现代化建设进入新时代，企业对人力资源科学化、精细化管理的要求也愈来愈高[4]。

1.2 企业管理提升的迫切需求

S企业自2012年重组以来的十年，整体经营能力（营业收入、利润等）不断提升。但是，在高质量发展的经营转型进程中也逐渐暴露基础工作不够扎实的问题，表现为劳动用工水平不断攀升，人工成本管控成效不显著，人均效能指标有待提高。要解决这些问题，必须通过科学的方法不断完善人力资源管理体系，发挥制度、标准的指导作用，夯实人力资源管理基础，为企业持续高质量发展奠定坚实的基础[5]。

1.3 提升企业核心竞争力的客观要求

在市场不断开放、行业竞争愈发激烈的情况下，企业间的竞争归根到对人才的竞争上，只有一流的管理、一流的生产效率，才能实现高质量的产出，增强企业核心竞争力，提高企业经济效益。这些无疑需要重视人在生产中的重要地位和作用，立足于科学发掘员工劳动潜力，实现高效劳动生产率[6]。

2 研究实施过程

2.1 实施思路

考虑炼化工程建设领域的业务特点、组织形式和生产组织方式等变化，按照“科学管理、突出重点、效益效率相结合和指标一流”的总体思路，在充分调研的基础上，探索建立具有炼化工程建设行业特色的劳动定员管理标准体系[7]。

2.2 研究过程

结合业务实际，S企业设计开发了5大类涉及项目用工管理的数据模板，通过积累、归纳、总结，不断丰富完善数据库。同时，在持续规范组织模式、岗位设置、职责说明前提下，通过对数据统计分析、构建模型，不断尝试构建用工模型和测算式，实现精准评估生产用工负荷，高效控制人工成本发生，提升项目执行管理水平。

2.2.1优化岗位设置 针对岗位与职位的概念模糊和相互割裂、岗位设置不标准等问题，通过分析项目岗位、规范名称、明确岗位职责、开展岗位价值评估，S企业搭建了“岗位+职位”两维一体的岗位管理体系。本文参照国家标准GB/T 50358-2017《建设项目工程总承包管理规范》，结合业务流程，重点对总承包项目管理类岗位进行了梳理。

2.2.2行业调查研究 为编制适合工程建设企业需要的劳动定员标准，S企业设计了咨询调查表向同行先进代表单位调研数据资料，详细了解了各家企业的业务构成、组织架构、管理模式、人员岗位配置、项目管理综合复杂难度等情况，分析探讨影响用工的主要敏感因素。通过行业调研，S企业收集到了近些年同行单位的职能部门编制用工、工程生产项目技术与管理岗位劳动用工等现状经验数据30 000余条，涉及用工人员近万人，为科学量化生产用工标准提供了宝贵的第一手资料。

工程总承包是炼化工程企业的核心业务，是企业营业收入、利润等年度预算目标能否完成的重要保障，是管理实现创效的主要载体。加强总承包项目劳动用工管理，对强化企业人力资源能效和经营目标的实现具有重要作用。在调查研究过程中，S企业收集到炼化工程领域近些年新完工的典型工程总承包项目（EPC）59项，通过分类整理、归纳，形成了能够代表炼化工程企业当前劳动用工和业务发展现状的核心数据资料库。工程总承包项目管理劳动用工调研数据库（节选）见表1。

2.2.3确定定员方案 由于总承包项目的本部与现场用工职责不同、用工需求不一,在编制劳动定员实施方案时，需要对项目本部用工和项目现场用工分别编制定员方案。

2.2.4确定标准建模方案 在组织调研行业领域专家的整合意见研究分析后，S企业甄别出四项与劳动用工最具潜在的影响因素：标段合同额（项目签约价格，亿元）、工艺设备工程量（参与化学和材料加工的机械设备，台/套）、建设总工期（合同签约启动至完工的总周期，月）和装置项数（工艺技术品种装置项数）。

通过国际通行的统计分析工具，搭建SPSS数学模型[8]，开展多类函数模型的系列分析检验，依据统计学科指标结果，验证假设因素的显著相关性，最终形成劳动用工的定员标准比例式。

表1　工程总承包项目管理劳动用工调研数据库（节选）

2.2.5本部工作地劳动用工定员标准 对S企业项目管理本部工作地劳动用工数据，先后进行双变量的独立相关性筛查和具有较强相关性的自变量间共线性特征分析[9]；根据分析结果，将项目管理劳动用工确定为因变量，锁定标段合同额和工艺设备工程量为显著相关自变量，建立函数模型；通过统计学科拟合优度等指标检验，最终形成符合统计学意义的劳动用工定员比例式。

（1）双变量相关性筛查。为提高分析结果的准确性，排除不相关或低度相关的变量，开展了自变量的双变量相关性筛查，筛查结果主要与Pearson相关系数（）和显著性检验指标（）相关。潜在自变量与因变量的相关性分析结果见表2。

表2　潜在自变量与因变量的相关性分析结果

（2）自变量共线性诊断。在锁定有效自变量的基础上，为避免自变量之间存在一定程度的相互线性关联特征，造成与因变量的成因相关性的假性干扰，影响预测因变量的变化分析结果的准确性，需对筛选自变量进一步开展共线性诊断排查。

依据数理统计原则，诊断结果判定主要依据条件指标、方差比例和方差膨胀因子（VIF）。相关自变量共线性诊断结果见表3。

表3　相关自变量的共线性诊断结果

注：因变量为本部工作地劳动用工。

经自变量共线性诊断可知，装置项数与工艺设备工程量存在较高程度的相互关联共线性情况，结合工程管理实践，最终确定标段合同额和工艺设备工程量为与劳动用工呈显著相关的核心自变量。

（3）假设关联关系函数。在分析过程中，绘图可视化观测是有效开展数据样本函数关系假设的重要切入途径[10]。图1为本部工作地劳动用工与标段合同额和工艺设备工程量关系散点对照图。从图1可以看出，标段合同额和工艺设备工程量与本部工作地用工之间呈较强的线性相关性。为提高劳动用工规律预测的准确性，以此为入手点，按照分析流程进一步研究多元线性回归和二次函数等相关适用模型的拟合优度检验与残差分析，基于指标结果比对，确定最优函数解。

图1　本部工作地劳动用工与标段合同额和工艺设备工程量关系散点对照图

（4）线性回归分析及指标验证。应用SPSS开展回归分析，验证线性函数关系的样本契合度。具体指标解释如下：

2：2为回归平方和与总离差平方和的比值[11]。2越大，表示模型越精确，回归效果越显著。一般认为，2大于0.800的模型拟合优度比较高；2达到0.300以上，现实中已经作为基本接受的标准门槛。

显著性：验证自变量影响因变量达到何种程度的相关性指标。

残差正态性：残差表示样本值和函数模型估计值之间的差。回归分析中，因为自变量与因变量的相关关系在特定的中间值出现几率较大，其他位置出现的几率相应较小，所以残差会呈现正态分布状态，否则回归分析方程或者分析结果就有可能出现偏差等情况[12]。残差正态性分布检验可通过分析生成的回归标准化残差正态⁃图确认。

回归分析的2检验结果见表4。由表4可知，2为0.988，表明预测变量能够解释本部工作地劳动用工数据变化程度的98.8%，同时表明关联劳动用工的主要因素已全面纳入分析模型运算中。

表4　回归分析的R2检验结果

注：因变量为本部工作地劳动用工（1）；1为劳动用工常量；预测变量为标段合同额（1）和工艺设备工程量（2）；1、2均为因变量系数

回归分析的显著性检验结果见表5。由表5可知，标段合同额和工艺设备工程量的显著性结果<0.001，证明标段合同额和工艺设备工程量与劳动用工存在相关性。

表5　回归分析的显著性检验结果

（5）回归分析方程诊断。回归分析方程诊断是对回归分析必要前提假设的成立性检验，主要包括样本独立性检验、变量间共线性诊断和残差正态性分布检验，从而进一步辅助证实回归分析方程的稳定可靠性[13]。回归分析的残差正态性分布检验结果见图2。从图2可以看出，在正态分布中，数据沿对角线和对角线方向紧密分布，回归模型满足正态性假设。

图2　回归分析的残差正态性分布检验结果

（6）线性回归函数方程式。基于上述线性回归分析与指标验证，确立的本部工作地定员函数方程式为：

1＝1+11+22（1）

式中，劳动定员常量1取值19人；标段合同额相关定员系数1取值0.525；工艺设备工程量相关定员系数2取值0.001 9。

（7）方程拟合优度检验。为了尽可能追求劳动用工规律预测的科学性、准确性，进一步开展多类潜在关联函数模型的拟合优度检验，基于关联函数模型估算精确水平的综合判断，多元线性回归方程为企业劳动用工管理需要的定员标准最优函数方案解[14]，检验过程是分别将合同额和工艺设备工程量作为单因素，开展劳动用工的10种统计分析主流适用函数模型(含线性)的拟合优度检验。在不确定哪种函数模型更接近样本数据时，通过SPSS自动完成模型的参数估计，并输出方程显著性检验和概率值、判定系数2等统计量，主要以判定系数2为主要依据，兼顾参考检验值，值偏大者为最优模型。主要结果指标见表6和表7。

表6　本部工作地劳动用工与标段合同额的主流函数拟合优度检验结果

由表6和表7可知，线性函数、二次函数、三次函数、复合函数、增长函数和指数函数的方程模型拟合度合理。综合各指标判断和易实施与管理等情况，线性函数模型是测算管理劳动定员比例的最佳函数方案。

2.2.6现场工作地劳动定员标准 相关标准的形成过程与本部工作地实施过程基本相同。通过回归分析与指标验证，确定现场工作地定员函数方程式：

2＝2+31+42（2）

式中，2为现场工作地计划劳动定员，人；2为现场工作地劳动定员常量，取值34人；3为标段合同额相关定员系数，取值0.741；4为工艺设备工程量相关定员系数，取值0.045 0。

表7　本部工作地劳动用工与工艺设备工程量的主流函数拟合优度检验结果

2.2.7标准水平对比分析 S企业在确定劳动定员函数方程式后，进一步开展标准水平对比分析。企业对用工标准方程式的测算结果同5年来完工的59项典型总承包项目的用工现状进行了比较。结果表明，企业新标准下本部工作地的劳动用工整体减员399人，定员水平提升15.9%；现场工作地标准劳动用工整体减员631人，定员水平提升14.1%。对比分析结果表明，数理统计建模对指导企业有效核定用工规模具有较强的科学指导意义。

3 研究成果的实施效果

3.1 增强系统管理，提高数据指导经营的能力

结合炼化工程建设特点，建立完善“标准化标配+准确适用条件”项目管理模式，形成一套科学规范、标准化管理的新模式，实现了数据背后信息的充分挖掘，形成了有效的价值链体系，带动业务管理与人力资源管理的交叉互促，提升了数据驱动经营决策分析的水平和企业整体经营现代化水平。

3.2 实现精益管理，提升价值创造能力

S企业坚持科学人力资源管理，以提升“效率、效益、效果”为目标，产生了积极的“效率溢出效应”和社会效果，促进了企业在炼化工程建设行业的领先地位。通过产业政策、技术储备、在手合同、人力资源等经营能力和收入、利润、资金等信息协同分析，为企业技术开发、市场引领和动态资源配置决策提供了更为系统的人力资源体系支撑[15]。

3.3 强化效率管理，增创管理效益

S企业深化推进用工标准化管理，公司的收入与效益、全员劳动生产率等经营管理指标实现持续优化。纵然在面对2020年突发新冠疫情的严峻大考、2021年疫情风险仍未消除、世界经济处于滞缓的困局，公司营业收入实现持续逆势增长。2021年公司营业收入额为577.6亿元，较2019年和2020年营业收入额的提升比例分别为10.3%和10.6%。通过体系化、标准化、模型化用工管理标准的科学构建与实施，与2019年相比，2021年用工成本降费增效近1.4亿元。

4 结 论

S企业在炼化工程建设用工科学化、标准化、定量化的创新实践具有较强的先进性和适用性，填补了相关领域空白。研究成果已被中国石化采纳为一级企业标准《石化工程建设企业劳动定员》（Q/SH 0257—2022），将在炼化工程建设企业中起引领作用。

［1］ 黄速建，肖红军，王欣. 论国有企业高质量发展［J］.中国工业经济，2018（10）：19⁃41.

［2］ 孙丽丽. 石化工程整体化管理与实践［M］.北京：化学工业出版社，2019.

［3］ 聂慧. 建设工程施工项目人力资源调度的模型与方法研究［D］.北京：中国矿业大学（北京），2014.

［4］ 冯茹. 东北振兴背景下城市人才生态优化对策研究——以大连市为例［J］.大连干部学刊，2019，35（7）：49⁃53.

［5］ 赵琪，范德成. 完善国有企业人力资源管理体系对策研究［J］.现代管理科学，2010（6）：112⁃114.

［6］ 莫延兰，姜晶华，崔跃. 新疆油田：一切成本皆可降［J］.中国石油石化，2020（10）：66⁃67.

［7］ 张建华. 中原油田劳动定员定额标准体系研究［D］.成都：西南石油大学，2013.

［8］ 莫欣灵. 基于SPSS软件分析的HRM强度对员工工作绩效的影响［J］.普洱学院学报，2018，34（6）：65⁃67.

［9］ 陈爱平. 大数据时代企业人力资源管理的创新［J］.人才资源开发，2021（11）：89⁃90.

［10］ 李洋. 人力资源群体价值计量模型的创新［J］.统计与决策，2007（9）：32⁃34.

［11］ 王金权，贺连平，任小花，等. 单向有序分类资料的常见统计误用及R软件和SPSS软件正确实现过程［J］.中国临床药理学与治疗学，2014，19（7）：824⁃827.

［12］ 鲍晓蕾. 《比较统计学》框架的构建及在回归分析中的示范研究［D］.北京：中国人民解放军军事医学科学院，2014.

［13］ 徐林. 利用SPSS进行主成分回归分析［J］.宁波职业技术学院学报，2006，10（2）：67⁃69.

［14］ 王盘兴. 论变量线性相关系数的相互制约及其对多元线性回归方程拟合优度的影响［J］.气象学报，1986，44（1）：70⁃81.

［15］ 武翠. 浅谈勘察设计企业人力资源体系支撑作用［J］.现代企业，2020（1）：34⁃35.

Research on Labour Requirement Management of Petrochemical Engineering Enterprise

Bai Zhihong

（Sinopec Engineering（Group） Co.， Ltd.，Beijing 100029，China）

With the high⁃quality development of state⁃owned enterprises in the new era, it is imperative to promote the transformation and upgrading of high⁃quality enterprises by realizing power conversion, promoting efficiency transformation, and improving innovation capacity. Taking a large state⁃owned refining and petrochemical engineering enterprise （hereinafter referred to as S enterprise） as an example, focusing on the personnel management of the general contracting project of refining and chemical engineering construction, a set of quota management system with industry leading and demonstration effect was built. Based on the overall sample range of the saturation sampling method, the correlation causes of labor and employment data were studied, and statistical theory and techniques were used to build a research model, and carried out correlation analysis and variable collinearity diagnosis, with assistance of the characteristics distribution scatter plot and significance test and other scientific index methods to optimize model parameter, comprehensively determining the labour requirement optimal scheme, so as to realize the quantitative load analysis and multi⁃dimensional monitoring analysis of enterprise labor employment, and labor management risk prevention and control.

Labour requirement； Mathematical model； Correlation； Regression analysis

F272.92

A

10.3969/j.issn.1672⁃6952.2022.03.015

1672⁃6952（2022）03⁃0084⁃06

http：//journal.lnpu.edu.cn

2022⁃05⁃16

2022⁃05⁃23

白志宏（1980⁃），男，硕士，高级经济师，从事人力资源和项目管理方面的研究；E⁃mail: baizhihong2000@163.com。

（编辑 宋官龙）