单位业绩评价问题
摘要
本文针对业绩中的评价问题，分析聘期内的业绩统计资料和历史考核结果，利用模糊综合评价方法建立业绩考核指标，对50位在职员工进行考核。
针对问题一，为了保护员工信息，资料中的属性用数字和字母代替，因此需要把字母转化为具体的数字，根据表中数字的分布情况，确定隶属函数，并为各项属性赋予权重值，最后由决定的模糊关系矩阵及综合分析后得到绩效考核计算公式：
15
14131211109876543211.01.0025.0025.005.005.01.01.0025.005.01.01.005.01.0025.0R R R R R R R R R R R R R R R Z ++++++++++++++=
其中R 1—R 15为各项隶属函数值。将预测结果与原有结果进行对比，当分类标准设置为0.4时，百分比校正最好，高达87%。故选择结果大于0.4为“+”,小于0.4为“-”。
针对问题二，利用问题一计算出的考核标准对50名待评价员工进行考核。可以得出35人中26名为合格的人数，9名为不合格的人数。由于后15名员工的某些考核指标未进行填写，把未知的部分进行两极化，再由问题一的计算公式，得到绩效考核范围，若该范围在分类标准的同侧，可明显得到结果；反之，取平均值得到结果（见表八)
最后，本文对所建的模型进行合理化评价，并根据所建模型与结果分析，给有关部门提交建议报告。
关键词： 模糊综合评价法； 隶属函数； 业绩考核准则； 分类标准； 两极
化
1.问题重述
某事业单位在聘期结束时，为了科学有效地实施管理，要求每位在职人员填写相关的聘期内业绩资料，根据这些资料对每位员工进行打分，以考核其是否合格。现有以往165份员工的统计资料及历史考核结果（见附件），为保护个人隐私，资料中的各类属性已替换成没有任何意义的代码。如：
F ，30.83，0，u，g，q ，v，1.25，t，t，1，f，g，202，0， +
M，38.58，5，u，g，cc，v，13.5，t，f，0，t，g，980，0，－
资料中共有15项属性（用逗号隔开，分别记为SX1——SX15）和一个考核结果，要求建立一种判别准则，并对这165位员工重新考核，使考核结果与原有结果尽可能相吻合。
现有50位在职人员的统计资料（见附件），统计资料与以往具有相同的形式，请你应用所建立的判别准则为这50位员工中的前35名进行考核。由于员工自身的原因（如漏填或有意不填），有些项目的指标没有填写（未填写的项目在表中记为？），请你针对这种情况，修正判别准则，然后对50位员工中的后15名进行考核。
最后，为高层行政管理部门撰写一份报告，阐述判别方法的正确性或合理性，使其被采用。
2.问题分析
业绩考核，在一定程度上对一个企业来说，有很大的必要性。通过业绩考核，可对员工的工作能力等方面作出评判，进而提高工作效率和员工的积极性。同时也可对企业的业绩情况有一个大致的了解，在此基础上，对企业各方面的工作作出合理的调整。因此，结合员工的考核记录，进行相关的分析，使企业在人力分配方面作出对企业利益最大的调整，同时为员工的升降职提供依据。下面作出对问题的分析：
对问题一，由已知数据，存在没有任何意义的代码。所以首先应对数据中的代码进行处理，把代码转化为数据。确定隶属函数，把所有数据和代码最后的函数值都转化为0和1。由0和1占考核内容中“+”、“-”的比例决定各属性的权重系数值。因此建立模糊综合评价模型，由得到的模糊关系矩阵再综合分析得到业绩考核标准的计算公式。
对问题二，利用问题一得出的考核标准对50名待评价员工的前35名员工进行考核。可以得出35名员工中合格人数为26，不合格的人数为9。由于后15名员工的某些考核指标未进行填写，为了对这15名员工进行业绩评价，把未填写的部分进行两极化。把得到的隶属矩阵中缺省的部分都用0或者都用1代替，，若代入后得到的考核成绩在分类标准的同侧，则可得到确切的结果，该员工的考核结果也就清楚了。若代入后的考核成绩在分类标准的异侧，采用取平均值的方法，依据该平均值在哪侧判断结果。
3.模型假设
（1）假设所给的代码具有真实可靠性。 （2）假设所有员工的考核标准是一样的。 （3）假设忽略其他因素对考核因素的影响，考核标准只与表中所给的15项指标有关。
（4）计算中难免会有误差，但这并不影响本文在模型上的建立所得出的结果。 （5）各属性之间没有很大的关系。
4.符号说明
序号 符号
说 明
1 ij x 第i 个员工的第j 个属性值
2 )(ij x y
第i 个员工的第j 个属性值对应的函数值
3 j a 第j 个属性的权重系数
4
R
隶属矩阵
5.模型的建立与求解
5.1模型的准备 5.1.1 将代码转化为数据
由于原题中所给的大部分记录为抽象的字母，这对接下来的计算将产生极大地影响，很棘手，对此可将字母进行具体化。每个代码中，用“+”和“-”的比例作为代码取值的标准（“+”代表1，“-”代表0）。例如，对属性SX13列，字母g 、p 、s 、的“+”“-”个数如下表
表1 SX13列中各字母“+”“-”号的个数以及比例值
g p s + 135 4 7 - 14 2 3 比例值 9.6429 2 2.3333
由表可清楚的看到，SX13列中，字母g 所包含的“+”最多，有135个，而且字母g 里面的“+”“-”号比例将近10:1，考虑实际情况，按照多数员工每项属性考核成绩都合格的原则，故用g 代表1比代表0的可能性大， g 的取值为1。同理，字母p 和s “+”“-”的比例相对g 很小，两者的取值都为0。其它字母的取值见下表（其它字母“+”“-”号个数以及比例见附录）：
表2 代码的取值表
SX1 SX4 SX5 SX6 SX7 SX9 SX10 SX12 SX13
1 M u g c cc d e i j m q w x h j v z t t t g
0 F y p aa ff k bb ff f f f p s
通过对数据代码的分析，可得到如上表所看到得结果，M、u、g、c、cc、d、e、i、j、m、q、w、x、h、j、v、z、t代码的取值都为1，其余的字母代码的都为0。
5.1.2 数据的处理
由于表中SX2、SX3、SX8、SX11、SX14、SX15列的数据范围不相等且杂乱无章，对这些列作如下处理：对每一列作两个散点图，把考核内容为“+”和“-”的分开，划分界限，使处于该数值以上的“+”号尽可能的多，同时处于该数值以下的“-”号尽可能的多，大于该数据的数值都取1，小于该数据的数值都取0。例如，对SX8列，作散点图如下（左图代表“+”的分布，右图代表“-”的分布）：
图1 SX8列数据的散点图
由图可以粗略看到，处于1以上的考核成绩为“+”的人数比较多，同时处于1以下的考核成绩为“—”号的人数比较多，故取1为分界线最合适。则SX8列中，当数据大于1时取值为1,当数据小于等于1时取值为0（其它列的散点图见附录），同时，为了说明数据的准确性，算出了各个界限下考核成绩为“+”“—”号的人员数以及其比例，如下表：
表3 SX8列不同界限“+”“—”号的人员数以及其比例
界限+ —比值
≤0.835 59 12 4.9167
≤0.875 61 12 5.0833
≤1 69 14 4.9286
≤1.085 70 14 5
≤1.165 71 15 4.7333
由表可看到，处于1左右的不同界限的考核成绩分别为为“+”“—”号的人员比例值相差不大，但考虑到实际情况，统计结果可能有误差，为了简便起见，我们一般取整数为界限，故取1作为属性SX8的考核指标，大于1的数值取作1，
小于等于1的数值取作0。
5.2 模型的建立与求解 5.2.1隶属函数的确定
由于我们把每项属性的考核结果简化到只有两种情况，结果为1时代表该项考核成绩为合格，结果为0时代表该项考核成绩为不合格。通过对以上数据的处理，把表中每个代码的毫无意义的数据转化为了统一的有意义的数值，整理得到各属性的隶属函数如下：
ij x 表示第i 个员工的第j 个属性值，()ij x y 为其对应的隶属函数值：
???===M x F x x y i i i 11110)( ???><==201200)(222i i i x x x y ?
??><==111
0)(333i i i x x x y
???===u x y x x y i i i 44410)( ???===g x p x x y i i i 55510)( ?
??===其他666
1,,0)(i i i x k
ff aa x x y ???===其他7771,0)(i i i x ff bb x x y ()?
??><==111
0888i i i x x x y ()???===t x f x x y i i i 99910
()??
?===t x f x x y i i i 10101010 ()???>==010*******i i i x x x y ()???===t x f
x x y i i i 12121210
()??
?===g x s p x x y i i i 1313131,0 ()???><==10011000141414i i i x x x y ()?
??><==20120
0151515i i i x x x y
5.2.2权重的分布
由于隶属函数已经确定，编写MATLAB 程序（程序见附录），得到165×15
个隶属函数值，这些隶属函数值对应一个165×15的矩阵R ，称为隶属矩阵。以下为部分隶属函数值（其余见附录）：
表4 各员工各项属性对应的函数值
员工编号\属性
S X1 S X2 S X3 S X4 S X5 S X6 S X7 S X8 S X9 SX 10 SX 11 SX
12 SX 13 SX 14 SX 15 1 0 1 1 0 0 1 1 1 1 0 0 1 1 0 1 2 0 1 1 1 1 1 1 1 1 1 1 0 1 1 1 3 0 1 1 1 1 1 1 0 1 0 0 1 1 1 1 4 1 1 0 1 1 1 1 1 1 1 1 0 1 0 0 5 0 1 1 1 1 1 1 0 1 1 1 0 1 1 0 6 0 1 1 1 1 0 1 0 1 0 0 1 1 1 0 7 0 1 1 0 0 1 1 1 1 0 0 0 1 0 0 8 0 1 1 1 1 1 1 0 1 0 0 1 1 1 0 9
1 1 1 1 1 1 1 1 1 1 1
1 1 0 0
10 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1
11 0 1 1 1 1 1 1 1 1 1 1 0 1 1 1
12 1 1 1 0 0 1 1 1 1 1 1 0 1 0 0
13 1 1 0 1 1 1 1 0 1 0 0 0 1 1 1
14 1 0 1 1 1 1 1 1 1 1 1 0 1 0 1
15 1 1 1 1 1 1 1 1 1 1 1 0 1 0 0
16 1 1 0 1 1 1 1 1 1 1 1 0 1 0 1
17 0 1 1 1 1 1 1 1 1 1 1 0 1 0 1
18 1 1 1 1 1 1 1 0 1 0 0 1 1 1 0
19 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1
20 1 0 0 1 1 1 1 0 1 1 1 0 1 0 1
确定权重系数的目的是为了使得出的结果与实际考核结果尽量吻合，必须找出权重比较大和比较小的属性。在数据处理的开始，为“+”和“-”赋予值1和0的时候，并未把全部的“+”都取值为1，只是让大多数1都满足这个条件，故考核内容为“+”的也有少部分赋值为0；同理，考核内容为“-”的属性值，也有少部分取为1。因此，为使“+”中取值为1的个数更多，同时“-”中取值为0的个数更多，采用如下做法：
权重系数大的应分给“+”中取值为1的所占比例大，同时“-”中取值为0所占比例大的属性；
权重系数适中的应分给“+”中取值为1所占的比例适中，同时“-”中取值为0所占的比例适中的属性；
权重系数比较小的分给“+”中取值为1所占的比例小，且“-”中取值为0所占的比例小的属性。
例如，对属性SX2，经计算可得“+”中取值为1所占的比例为0.9178，“-”中取值为0所占的比例为0.6316，故属性SX2的权重比较大，根据这个分配原则，可得出各项属性的权重值。下表为15项属性“+”中取值为1的比例和“-”中取值为0的比例：
表5 各项属性的隶属度为0和1的比重
属性考核成绩为“+”中隶属度
为1的比重
考核成绩为“—”中隶属度
为0的比重
SX1 0.3767 0.7895 SX2 0.9178 0.6316 SX3 0.8014 0.4737 SX4 0.7740 0.52663 SX5 0.7740 0.5263 SX6 0.8425 0.4737 SX7 0.8219 0.3684 SX8 0.5274 0.7368 SX9 0.5616 0.8421 SX10 0.4452 0.8421 SX11 0.4452 0.8421 SX12 0.4932 0.6842
SX13 0.9247 0.2632 SX14 0.6438 0.6842 SX15 0.5 1
由表可看到，SX2、SX4、SX5、SX8、SX9、SX14、SX15属性中比例值都大于0.5，因此这些项的权重系数都赋予比较大的数值，而SX1、SX7、SX12、SX13项与之情况刚好相反，因此这些项的权重系数都赋予比较小的数值，而对于SX3、SX6、SX10、SX11属性中比例值都靠近两端，因此这些项的权重系数都赋予较为中等的数值。由此得到的结果为：
权重系数大的项：SX2、SX4、SX5、SX8、SX9、SX14、SX15； 权重系数小的项：SX1、SX7、SX12、SX13； 权重系数适中的项：SX3、SX6、SX10、SX11； 用j a 表示第j 个属性的权重系数，则
1.0151498542=======a a a a a a a
05.0111063====a a a a 025.0131271====a a a a
则权向量A =（0.25 0.1 0.05 0.1 0.1 0.05 0.25 0.1 0.1 0.05 0.05 0.25 0.25 0.1 0.1） 5.2.3 综合评价指标的确定 用P 表示综合评价矩阵，由
'*A R P =
得到P=（0.575 0.95 0.775 0.725 0.75 0.625 0.45 0.675 0.8 0.975 0.95 0.575 0.725 0.775 0.775 0.825 0.85 0.7 0.975 0.625 0.675 0.25 0.65 0.575 0.275 0.175 0.55 0.525 0.5 0.625 0.65 0.45 0.525 0.5 0.675 0.425 0.525 0.55 0.475 0.625 0.625 0.8 0.325 0.95 0.675 0.725 0.875 0.975 0.3 0.325 0.575 0.425 0.75 0.975 0.95 0.9 0.875 0.95 0.875 0.925 0.65 0.775 0.85 0.95 0.825 0.775 0.55 0.85 0.8 0.875 0.8 0.75 0.6 0.85 0.95 0.875 0.675 0.875 0.875 0.75 0.875 0.775 0.875 0.775 0.5 0.775 0.825 0.6 0.85 0.775 0.875 0.475 0.8 0.775 0.575 0.875 0.65 0.375 0.45 0.425 0.4 0.7 0.525 0.625 0.575 0.4 0.425 0.675 0.675 0.6 0.65 0.525 0.45 0.525 0.675 0.6 0.125 0.475 0.45 0.575 0.55 0.45
0.575 0.5 0.525 0.5 0.325 0.125 0.75 0.8 0.6 0.3 0.375 0.95 0.5 0.775 0.85 0.45 0.4 0.175 0.725 0.5 0.375 0.15 0.7 0.55 0.325 0.5 0.225 0.45 0.275 0.225 0.55 0.875 0.65 0.925 0.625 0 0.7 0.35 0.425 0.3 0.35 0.575 0.45）
对以上数据作散点图，左图为考核成绩为“+”号对应的评价指数图，右图为考核成绩为“—”号的评价指数图：
图2 评价指数散点图
评价指标标准的确定为：“+”号中大于该数值的个数所占的比例与“－”号中小于该数值的个数所占的比例同时达到最均衡且最大，经计算可知，当评价指标标准取为0.4时，“+”号中大于0.4的数值的个数所占的比例与“—”号中小于0.4的数值的个数所占的比例同时达到最大，则应取0.4作为评价指标标准。大于0.4的为合格，记为“＋”，小于0.4的为不合格，记为“－”。
5.3 对前35人考核模型的应用
首先，由5.2.1的隶属函数的确定，把35位员工各项代码代入隶属函数，得到35×15的矩阵（该矩阵里的数值都为0和1）,各项函数值如下：
表6 前35个对象每个属性对应的函数值
0 1 0 1 1 1 1 0 0 0 0 1 1 1 1
1 0 1 1 1 1 1 0 0 0 0 1 1 0 1 1 1 1 0 0 1 1 0 0 0 0 1 1 0 0 0 0 1 0 0 0 1 1 0 0 0 0 1 1 0 0 1 1 1 1 1 1 0 0 0 0 1 1 1 1
0 1 1 1 1 1 1 1 0 0 0 0 1 1 0
1 1 1 1 1 0 1 0 0 0 0 0 1 0 1 1 1 1 1 1 1 0 0 0 0 0 1 1 1 1 0 1 1 1 1 0 1 0 0 0 0 1 1 1 0 0 1 1 1 1 1 1 0 0 0 0 0 1 0 0
0 1 1 0 0 1 0 1 0 0 0 0 1 0 1
1 1 1 1 1 1 1 1 0 1 1 1 1 1 0 1 0 1 1 1 1 1 0 0 0 0 1 1 1 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 1 1 0 0 1 1 1 0 0 0 1 1 0 1 0 1 1 1 1 1 1 0 0 0 0 1 0 0 0
0 0 1 1 1 1 1 0 0 0 0 1 1 1 0
1 0 1 1 1 1 1 0 0 0 0 0 1 1 0
0 1 0 1 1 1 1 0 0 0 0 1 1 1 0
1 0 1 1 1 1 1 0 0 0 0 1 1 0 0 1 1 1 1 1 0 0 0 0 0 0 0 1 1 0 0 1 1 1 1 0 1 1 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 0 0 0 1 1 0 1 0 1 0 1 1 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 1 0 1 1 1 1 1 1 0 1 1 0 0 1 1 1 0 1 1 1 1 1 1 1 1 1 0 0 1 1 1 0 0 1 0 1 1 1 1 0 1 0 0 1 0 1 0 0 0 1 0 0 0 1 1 1 0 0 0 1 0 0 0 1 0 1 1 1 0 0 1 0 0 1 0 0 0 0 1 1 1 1 1 1 1 1 1 1 0 1 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 1 1 1 1 1 1 1 1 0 1 0 1 1 1 1 1 1 1 0 1 1 1 1 0 1 0 1 0 1 0 1 1 0 1 0 0 0 0 0 1 1 1
用'P 表示综合评价矩阵，则由以上确定的考核指标计算公式为：
15
14131211109876543211.01.0025.0025.005.005.01.01.0025.005.01.01.005.01.0025.0R R R R R R R R R R R R R R R Z ++++++++
++++++=
'*'A R P =
得到'P =（0.625 0.5 0.3 0.3 0.675 0.65 0.525 0.675 0.525 0.45 0.425 0.8 0.5 0.05 0.5 0.45 0.475 0.475 0.525 0.4 0.5 0.5 0.4 0.325 0.225 0.775 0.8 0.6 0.3 0.475 0.85 0.125 0.775 0.85 0.55）
前35人考核成绩如下表：
表7 前35人的考核成绩
员工编号
评价指数 考核成绩
员工编号 评价指数 考核成绩
1 0.625 + 19 0.525 +
2 0.5 + 20 0.4 —
3 0.3 — 21 0.5 +
4 0.3 — 22 0.
5 + 5 0.675 + 23 0.4 —
6 0.65 + 24 0.325 —
7 0.525 + 25 0.225 —
8 0.675 + 26 0.775 +
9 0.525 + 27 0.8 + 10 0.45 + 28 0.6 + 11 0.425 + 29 0.3 — 12 0.8 + 30 0.475 + 13 0.5 + 31 0.85 + 14 0.05 — 32 0.125 — 15
0.5 + 33 0.775 +
16 0.45 + 34 0.85 +
17 0.475 + 35 0.55 +
18 0.475 +
可看出这35位员工中考核成绩大于0,4，即考核成绩记为“+”的人数为26人，考核成绩记为“—”的人数为9人。但结果不是趋于两极分化，考核成绩为“+”的评价指数最大的也就为0.8，在0.4---0.6之间堆积的比较多。考核成绩为“—”的评价指数在0.3---0.4区间堆积的比较多。故模型还需要进一步的改进，使评价指数趋于两极化的现象较明显，准确率就会越高。
5.4 对后15人考核模型的应用
首先，把每人缺省的属性值全部都假设为0或者全部假设为1，由考核指标计算公式得到在缺省值分别为0和1时的成绩，再把该考核成绩与0.4对比，大于0.4则考核成绩合格，，记为“+”，小于等于0.4则考核成绩不合格，记为“—”后15人考核结果如下表：
表8 后15人考核成绩
缺省值全为0时的评价
指数缺省值全为
1时的评价
指数
考核成绩
缺省值全部
为0
缺省值全部
为1
0.10.375—0.10.375
0.0750.075—0.0750.075
0.7250.725+ 0.7250.725
0.50.525+ 0.50.525
0.2750.275—0.2750.275
0.10.375—0.10.375
0.6750.7+ 0.6750.7
0.450.475+ 0.450.475
0.2250.225—0.2250.225
0.4 0.4—0.40.4
0.325 0.325—0.3250.325
0.525 0.55+ 0.5250.55
0.1 0.375—0.10.375
0.15 0.25—0.150.25
0.525 0.55+ 0.5250.55
由表可看到，15个员工中有9个为不合格人数，6个为合格人数，合格率较低，可以看出所建立的模型评价系统存在误差，不适合小部分的人员考核成绩的评价，适合人员较多时考核成绩的评价，人员越多，评价准确度机会越高，评价结果就会越接近实际情况。
6.模型的评价
本文以考核标准的模糊综合评价法对考核表中的记录作了多方面的分析检验。以下为模型的优点、不足以及改进。
（1）模型的优点：本文首先把毫无任何意义的代码与数据转化为统一标准
的数字，使后面建立的模型所用到的数据具有一定合理性，另外，该模糊综合评价法合理的找出了观测数据与预测数据的差异，建立的批判标准准确度达到87%。
（2）模型的不足：该模型在处理数据时并未考虑到员工的性别，这可能会对批判标准造成一定的误差。而且在把代码转化为数据的过程中，很多都是用“+”“—”号所占的比例来进行代码的转化，代码本身没有任何意义，这样做同样会造成误差。
（3）模型的改进：由模型的不足可以看到，我们可以建立一种方法把没有任何意义的代码和数据转化为有意义的数字，在处理“+”“—”号所占的比例时，可以达到更精确。
7.有关考核标准确立的报告
有关部门：
业绩是人力资源管理的重要指标，是企业人事决策的重要因素，根据所建模型的结果分析，建议使用本文懂得考核指标。
在问题的分析和关键点的一些理解上，我们充分的与实际相结合，得到了比较合理的数学模型，使得对考核成绩的判别准则有一定的合理性和现实可推广性。
首先，我们把各类属性中没有任何意义的字母代码转化为可以用于计算的数字，简单方便易懂；对数字代码通过画图描点进行合理的分析以及利用MATLAB 编程，保证了每步数据计算的合理性和准确性；在方案确定过程中，对各个因素进行有侧重的分布考虑，统筹各个因素的计算方法，对各个因素的相关数据联系实际进行权重标准化后，利用加权求和的方法对各个影响因素进行统筹考虑，由此确定得到的方案将实现兼顾各个因素达到最合理。
利用已建立的模型进行检验，划分考核成绩的界限，我们得到综合准确率为87%，这个比率已经相对较高，因此评价结果客观可靠；对于数据填写不完整的部分，计算方法简单易懂，且计算结果较为合理，具有比较高的可信度。
综上所述，我们的方案具有比较强的可行性，可用于实际操作。
参考文献
[1] 汪晓银，邹庭荣，周保平.数学软件与数学实验（第二版）[M]，科学出
版社，2010.12。
[2] 雷功炎.数学建模定义[M]，北京大学出版社，2005.8。
[3] 陈怀琛.MATLAB及其在理工课程中的应用指南[M]，西安电子科技大学出
版社，2004.11。
[4] 韩中庚等，数学建模方法及应用，北京；高等教育出版社，2006。
附录
表1 在职人员记录赋值
员工
SX1 SX2 SX3 SX4 SX5 SX6 SX7 SX8 编号\
属性
1 0.64 42.5 4.915 0.26 0.26 0.08 0.55 3.165
2 0.64 25 11.25 0.74 0.74 0.16 0.55 2.5
3 0.6
4 37.42 2.04 0.74 0.74 0.08 0.5
5 0.04
4 0.36 20.42 0.83
5 0.74 0.74 0.19 0.55 1.585
5 0.64 20.67 5.29 0.74 0.74 0.19 0.55 0.375
6 0.64 34 4.5 0.74 0.74 0.0
7 0.55 1
7 0.64 35.25 16.5 0.26 0.26 0.16 0.55 4
8 0.64 24.58 12.5 0.74 0.74 0.08 0.55 0.875
9 0.36 44.17 6.665 0.74 0.74 0.19 0.55 7.375
10 0.64 32.67 5.5 0.74 0.74 0.19 0.22 5.5
11 0.64 32.83 2.5 0.74 0.74 0.08 0.22 2.75
12 0.36 28.5 3.04 0.26 0.26 0.05 0.22 2.54
13 0.36 32.33 0.54 0.74 0.74 0.08 0.55 0.04
14 0.36 18.42 9.25 0.74 0.74 0.19 0.55 1.21
15 0.36 33.08 4.625 0.74 0.74 0.19 0.22 1.625
16 0.36 24.08 0.5 0.74 0.74 0.19 0.22 1.25
17 0.64 23.08 11.5 0.74 0.74 0.07 0.55 3.5
18 0.36 37.75 5.5 0.74 0.74 0.19 0.55 0.125
19 0.36 20.67 1.835 0.74 0.74 0.19 0.55 2.085
20 0.36 19.67 0.21 0.74 0.74 0.19 0.22 0.29
21 0.64 32.75 2.335 0.74 0.74 0.06 0.22 5.75
22 0.64 18.08 6.75 0.26 0.26 0.05 0.55 0.04
23 0.64 23.25 12.625 0.74 0.74 0.16 0.55 0.125
24 0.64 69.17 9 0.74 0.74 0.05 0.07 4
25 0.64 18.58 10.29 0.74 0.74 0.05 0.07 0.415
26 0.64 19.17 0 0.26 0.26 0.05 0.13 0
27 0.64 34.08 2.5 0.74 0.74 0.16 0.55 1
28 0.64 33.75 2.75 0.74 0.74 0.07 0.13 0
29 0.36 16 0.165 0.74 0.74 0.07 0.55 1
30 0.36 22.75 6.165 0.74 0.74 0.07 0.55 0.165
31 0.64 34.42 1.335 0.74 0.74 0.07 0.13 0.125
32 0.64 20.75 5.085 0.26 0.26 0.02 0.55 0.29
33 0.36 22.67 0.79 0.74 0.74 0.07 0.55 0.085
34 0.64 26.17 0.835 0.74 0.74 0.08 0.55 1.165
35 0.64 58.58 2.71 0.74 0.74 0.16 0.55 2.415
36 0.64 25.67 0.29 0.26 0.26 0.16 0.55 1.5
37 0.36 21.92 11.665 0.74 0.74 0.08 0.22 0.085
38 0.36 17.33 9.5 0.74 0.74 0.07 0.55 1.75
39 0.36 18.83 4.415 0.26 0.26 0.16 0.22 3
40 0.36 18.92 9 0.74 0.74 0.07 0.55 0.75
41 0.36 28.17 0.375 0.74 0.74 0.19 0.55 0.585
42 0.36 25.33 2.085 0.74 0.74 0.16 0.22 2.75
43 0.64 19.67 10 0.26 0.26 0.08 0.22 0.835
44 0.64 38.58 3.335 0.74 0.74 0.08 0.55 4
45 0.64 42.17 5.04 0.74 0.74 0.19 0.22 12.75
46 0.64 32.25 0.165 0.26 0.26 0.16 0.22 3.25
47 0.64 64.08 20 0.74 0.74 0.05 0.22 17.5
48 0.64 20.5 2.415 0.74 0.74 0.16 0.55 2
49 0.64 21.58 0.79 0.26 0.26 0.08 0.55 0.665
50 0.64 40.92 0.5 0.26 0.26 0.05 0.55 0.5
51 0.64 25.58 0.335 0.74 0.74 0.08 0.22 3.5
52 0.36 15.75 0.375 0.74 0.74 0.16 0.55 1
53 0.64 47.17 5.835 0.74 0.74 0.08 0.55 5.5
54 0.64 25.67 12.5 0.74 0.74 0.08 0.55 1.21
55 0.36 24.75 12.5 0.74 0.74 0.07 0.55 1.5
56 0.36 23.5 9 0.74 0.74 0.19 0.55 8.5
57 0.64 34.92 5 0.74 0.74 0.05 0.22 7.5
58 0.64 47.67 2.5 0.74 0.74 0.05 0.13 2.5
59 0.64 22.75 11 0.74 0.74 0.19 0.55 2.5
60 0.64 34.42 4.25 0.74 0.74 0.07 0.13 3.25
61 0.36 28.42 3.5 0.74 0.74 0.08 0.55 0.835
62 0.64 67.75 5.5 0.74 0.74 0.04 0.02 13
63 0.64 20.42 1.835 0.74 0.74 0.16 0.55 2.25
64 0.36 47.42 8 0.74 0.74 0.04 0.13 6.5
65 0.64 36.25 5 0.74 0.74 0.16 0.13 2.5
66 0.64 48.58 6.5 0.74 0.74 0.19 0.22 6
67 0.64 39.92 0.54 0.26 0.26 0.07 0.55 0.5
68 0.64 33.58 2.75 0.74 0.74 0.05 0.55 4.25
69 0.36 18.83 9.5 0.74 0.74 0.08 0.55 1.625
70 0.36 26.92 13.5 0.74 0.74 0.19 0.22 5
71 0.36 31.25 3.75 0.74 0.74 0.08 0.22 0.625
72 0.36 56.5 16 0.74 0.74 0.02 0.07 0
73 0.64 43 0.29 0.26 0.26 0.08 0.22 1.75
74 0.64 22.33 11 0.74 0.74 0.08 0.55 2
75 0.64 27.25 1.665 0.74 0.74 0.08 0.22 5.085
76 0.64 23.25 1.5 0.74 0.74 0.19 0.55 2.375
77 0.36 40.33 7.54 0.26 0.26 0.19 0.22 8
78 0.36 30.5 6.5 0.74 0.74 0.16 0.13 4
79 0.36 52.83 15 0.74 0.74 0.16 0.55 5.5
80 0.36 46.67 0.46 0.74 0.74 0.08 0.22 0.415
81 0.36 58.33 10 0.74 0.74 0.19 0.55 4
82 0.64 37.33 6.5 0.74 0.74 0.05 0.22 4.25
83 0.64 23.08 2.5 0.74 0.74 0.16 0.55 1.085
84 0.64 32.75 1.5 0.74 0.74 0.08 0.22 5.5
85 0.36 21.67 11.5 0.26 0.26 0.02 0.01 0
86 0.36 68.67 15 0.74 0.74 0.04 0.02 0
87 0.64 28 2 0.74 0.74 0.08 0.22 4.165
88 0.64 34.08 0.08 0.26 0.26 0.05 0.13 0.04
89 0.64 27.67 2 0.74 0.74 0.05 0.22 1
90 0.64 44 2 0.74 0.74 0.05 0.55 1.75
91 0.64 25.08 1.71 0.74 0.74 0.05 0.55 1.665
92 0.64 32 1.75 0.26 0.26 0.04 0.22 0.04
93 0.36 60.58 16.5 0.74 0.74 0.19 0.55 11
94 0.36 40.83 10 0.74 0.74 0.19 0.22 1.75
95 0.64 19.33 9.5 0.74 0.74 0.19 0.55 1
96 0.64 36.67 3.25 0.74 0.74 0.19 0.22 9
97 0.64 33.67 1.25 0.74 0.74 0.08 0.55 1.165
98 0.36 29.5 1.085 0.26 0.26 0.05 0.55 1
99 0.64 30.17 1.085 0.26 0.26 0.16 0.55 0.04 100 0.64 34.83 2.5 0.26 0.26 0.08 0.55 3 101 0.36 33.25 2.5 0.26 0.26 0.16 0.55 2.5 102 0.36 25.25 12.5 0.74 0.74 0.06 0.55 1 103 0.64 34.75 2.5 0.74 0.74 0.08 0.13 0.5 104 0.64 27.67 0.75 0.74 0.74 0.19 0.22 0.165 105 0.64 47.33 6.5 0.74 0.74 0.16 0.55 1 106 0.36 34.83 1.25 0.26 0.26 0.07 0.22 0.5 107 0.36 33.25 3 0.26 0.26 0.07 0.55 2 108 0.64 28 3 0.74 0.74 0.08 0.55 0.75 109 0.36 39.08 4 0.74 0.74 0.16 0.55 3 110 0.64 42.75 4.085 0.74 0.74 0.07 0.55 0.04 111 0.64 26.92 2.25 0.74 0.74 0.07 0.13 0.5 112 0.64 38.92 1.75 0.74 0.74 0.08 0.55 0.5 113 0.64 62.75 7 0.74 0.74 0.04 0.02 0 114 0.64 26.75 4.5 0.26 0.26 0.16 0.13 2.5 115 0.64 27.83 1.5 0.74 0.74 0.08 0.55 2.25 116 0.36 26.17 2 0.74 0.74 0.02 0.01 0 117 0.64 22.17 0.585 0.26 0.26 0.05 0.07 0 118 0.64 22.5 11.5 0.26 0.26 0.05 0.55 1.5 119 0.64 30.75 1.585 0.74 0.74 0.06 0.55 0.585 120 0.64 36.67 2 0.74 0.74 0.07 0.55 0.25 121 0.64 41.17 1.335 0.74 0.74 0.06 0.55 0.165 122 0.36 19.5 0.165 0.74 0.74 0.19 0.55 0.04
123 0.64 32.42 3 0.74 0.74 0.06 0.55 0.165 124 0.36 36.75 4.71 0.74 0.74 0.05 0.07 0 125 0.36 30.25 5.5 0.74 0.74 0.08 0.55 5.5 126 0.64 23.08 2.5 0.74 0.74 0.05 0.07 0.085 127 0.64 26.83 0.54 0.74 0.74 0.08 0.07 0 128 0.64 16.92 0.335 0.26 0.26 0.08 0.55 0.29 129 0.64 34.83 4 0.74 0.74 0.06 0.13 12.5 130 0.36 24.56 3.5 0.74 0.74 0.06 0.55 3 131 0.64 60.54 0.375 0.74 0.74 0.06 0.55 0.875 132 0.64 15.03 5 0.26 0.26 0.07 0.55 8.5 133 0.64 12.43 0.5 0.74 0.74 0.16 0.13 0.835 134 0.64 24.83 2.75 0.74 0.74 0.16 0.55 2.25 135 0.36 71.58 0 0.74 0.74 0.06 0.55 0 136 0.36 18.75 7.5 0.74 0.74 0.19 0.55 2.71 137 0.36 24.5 12.75 0.74 0.74 0.16 0.13 4.75 138 0.64 13.42 0.625 0.74 0.74 0.08 0.55 0.25 139 0.64 37.58 0 0.74 0.74 0.08 0.13 0 140 0.64 24.58 13.5 0.26 0.26 0.05 0.07 0 141 0.36 35.58 1.5 0.74 0.74 0.05 0.07 0 142 0.64 40.83 3.5 0.74 0.74 0.07 0.13 0.5 143 0.64 60.14 4 0.26 0.26 0.07 0.55 0.085 144 0.64 20.42 0 0.26 0.26 0.16 0.13 0 145 0.36 32.25 1.5 0.74 0.74 0.16 0.55 0.25 146 0.64 28.17 0.585 0.74 0.74 0.07 0.55 0.04 147 0.36 40.33 8.125 0.26 0.26 0.08 0.55 0.165 148 0.36 12.45 11.25 0.74 0.74 0.05 0.07 0 149 0.64 15.48 3 0.26 0.26 0.07 0.13 7 150 0.36 10.75 0.665 0.74 0.74 0.08 0.22 0.25 151 0.64 34.58 0 0.26 0.26 0.19 0.22 0 152 0.64 26.5 2.71 0.26 0.26 0.19 0.22 0.085 153 0.36 45.33 1 0.74 0.74 0.19 0.55 0.125 154 0.64 13.58 4 0.74 0.74 0.05 0.55 5 155 0.64 52.4 10.5 0.74 0.74 0.05 0.55 6.5 156 0.36 20.42 7.5 0.74 0.74 0.08 0.55 1.5 157 0.64 80.25 5.5 0.74 0.74 0.16 0.07 0.54 158 0.64 13.17 0 0.26 0.26 0.08 0.13 0 159 0.64 20.08 0.125 0.74 0.74 0.19 0.55 1 160 0.64 42.25 1.75 0.26 0.26 0.19 0.07 0 161 0.64 35.24 0.04 0.26 0.26 0.06 0.55 4.25 162 0.36 25.58 0 0.26 0.26 0.08 0.55 0 163 0.64 22 7.835 0.26 0.26 0.07 0.13 0.165 164 0.64 33.17 2.25 0.26 0.26 0.08 0.55 3.5 165 0.64 29.5 2 0.26 0.26 0.04 0.22 2
员工
编号\属性SX9 SX10 SX11 SX12 SX13 SX14 SX15
考核
成绩
1 0.5
2 0.59 0 0.47 0.90
3 52 1442 1
2 0.52 0.4+ 17 0.5
3 0.903 200 1208 1
3 0.52 0.59 0 0.47 0.903 400 5800 1
4 0.52 0.41 1 0.53 0.903 0 0 1
5 0.52 0.41 1 0.53 0.903 160 0 1
6 0.52 0.59 0 0.4
7 0.903 240 0 1
7 0.52 0.59 0 0.53 0.903 80 0 1
8 0.52 0.59 0 0.47 0.903 260 0 1
9 0.52 0.41 3 0.47 0.903 0 0 1
10 0.52 0.41 12 0.47 0.903 408 1000 1
11 0.52 0.41 6 0.53 0.903 160 2072 1
12 0.52 0.41 1 0.53 0.903 70 0 1
13 0.52 0.59 0 0.53 0.903 440 11177 1
14 0.52 0.41 4 0.53 0.903 60 540 1
15 0.52 0.41 2 0.53 0.903 0 0 1
16 0.52 0.41 1 0.53 0.903 0 678 1
17 0.52 0.41 9 0.53 0.903 56 742 1
18 0.52 0.59 0 0.47 0.903 228 0 1
19 0.52 0.41 5 0.53 0.903 220 2503 1
20 0.52 0.41 11 0.53 0.903 80 99 1
21 0.48 0.59 0 0.47 0.903 292 0 1
22 0.48 0.59 0 0.53 0.903 140 0 0
23 0.48 0.41 2 0.53 0.903 0 5552 1
24 0.48 0.41 1 0.53 0.903 70 6 1
25 0.48 0.59 0 0.53 0.903 80 0 0
26 0.48 0.59 0 0.47 0.061 500 1 1
27 0.48 0.59 0 0.53 0.903 460 16 1
28 0.48 0.59 0 0.53 0.903 180 0 1
29 0.48 0.41 2 0.47 0.903 320 1 0
30 0.48 0.59 0 0.53 0.903 220 1000 1
31 0.48 0.59 0 0.47 0.903 440 4500 1
32 0.48 0.59 0 0.53 0.903 140 184 1
33 0.48 0.59 0 0.53 0.903 144 0 1
34 0.48 0.59 0 0.53 0.903 100 0 0
35 0.48 0.59 0 0.47 0.903 320 0 1
36 0.48 0.59 0 0.47 0.903 160 0 1
37 0.48 0.59 0 0.53 0.903 320 5 1
38 0.48 0.41 10 0.47 0.903 0 10 0
39 0.52 0.59 0 0.53 0.903 240 0 1
41 0.52 0.41 4 0.53 0.903 80 0 1
42 0.52 0.59 0 0.47 0.903 360 1 1
43 0.52 0.59 0 0.47 0.903 140 0 0
44 0.52 0.41 14 0.53 0.903 383 1344 1
45 0.52 0.59 0 0.47 0.903 92 0 1
46 0.52 0.41 1 0.47 0.903 432 8000 1
47 0.52 0.41 9 0.47 0.903 0 1000 1
48 0.52 0.41 11 0.47 0.903 200 3000 1
49 0.48 0.59 0 0.53 0.903 160 0 1
50 0.48 0.59 0 0.47 0.903 130 0 1
51 0.48 0.59 0 0.47 0.903 340 0 1
52 0.48 0.59 0 0.53 0.903 120 18 0
53 0.48 0.59 0 0.53 0.903 465 150 1
54 0.52 0.41 67 0.47 0.903 140 258 1
55 0.52 0.41 12 0.47 0.903 120 567 1
56 0.52 0.41 5 0.47 0.903 120 0 1
57 0.52 0.41 6 0.47 0.903 0 1000 1
58 0.52 0.41 12 0.47 0.903 410 2510 1
59 0.52 0.41 7 0.47 0.903 100 809 1
60 0.52 0.41 2 0.53 0.903 274 610 1
61 0.52 0.59 0 0.53 0.061 280 0 1
62 0.52 0.41 1 0.47 0.903 0 0 1
63 0.52 0.41 1 0.53 0.903 100 150 1
64 0.52 0.41 6 0.53 0.903 375 51100 1
65 0.52 0.41 6 0.53 0.903 0 367 1
66 0.52 0.59 0 0.47 0.903 350 0 1
67 0.52 0.41 3 0.53 0.903 200 1000 1
68 0.52 0.41 6 0.53 0.903 204 0 1
69 0.52 0.41 6 0.47 0.903 40 600 1
70 0.52 0.41 2 0.53 0.903 0 5000 1
71 0.52 0.41 9 0.47 0.903 181 0 1
72 0.52 0.41 15 0.53 0.903 0 247 1
73 0.52 0.41 8 0.53 0.903 100 375 1
74 0.52 0.41 1 0.53 0.903 80 278 1
75 0.52 0.41 9 0.53 0.903 399 827 1
76 0.52 0.41 3 0.47 0.903 0 582 1
77 0.52 0.41 14 0.53 0.903 0 2300 1
78 0.52 0.41 7 0.47 0.903 0 3065 1
79 0.52 0.41 14 0.53 0.903 0 2200 1
80 0.52 0.41 11 0.47 0.903 440 6 1
81 0.52 0.41 14 0.53 0.903 0 1602 1
82 0.52 0.41 12 0.47 0.903 93 0 1
84 0.52 0.41 3 0.47 0.903 0 0 1
85 0.52 0.41 11 0.47 0.903 0 0 1
86 0.52 0.41 14 0.53 0.903 0 3376 1
87 0.52 0.41 2 0.47 0.903 181 0 1
88 0.52 0.41 1 0.47 0.903 280 2000 1
89 0.52 0.41 4 0.53 0.903 140 7544 1
90 0.52 0.41 2 0.47 0.903 0 15 1
91 0.52 0.41 1 0.47 0.903 395 20 1
92 0.52 0.59 0 0.47 0.903 393 0 1
93 0.52 0.59 0 0.47 0.903 21 10561 1
94 0.52 0.59 0 0.53 0.903 29 837 1
95 0.52 0.59 0 0.47 0.903 60 400 1
96 0.52 0.59 0 0.47 0.903 102 639 1
97 0.48 0.59 0 0.53 0.903 120 0 1
98 0.48 0.59 0 0.53 0.903 280 13 1
99 0.48 0.59 0 0.53 0.903 170 179 1 100 0.48 0.59 0 0.53 0.061 200 0 1 101 0.48 0.59 0 0.47 0.903 0 2 1 102 0.48 0.59 0 0.47 0.903 180 1062 1 103 0.48 0.59 0 0.53 0.903 348 0 1 104 0.48 0.59 0 0.47 0.903 220 251 1 105 0.48 0.59 0 0.47 0.903 0 228 1 106 0.48 0.59 0 0.47 0.903 160 0 1 107 0.48 0.59 0 0.53 0.903 180 0 1 108 0.48 0.59 0 0.47 0.903 300 67 1 109 0.48 0.59 0 0.53 0.903 480 0 1 110 0.48 0.59 0 0.53 0.903 108 100 1 111 0.48 0.59 0 0.47 0.903 640 4000 1 112 0.48 0.59 0 0.47 0.903 300 2 1 113 0.48 0.59 0 0.53 0.903 0 12 0 114 0.48 0.59 0 0.53 0.903 200 1210 1 115 0.48 0.41 1 0.47 0.903 100 3 0 116 0.48 0.59 0 0.47 0.903 276 1 1 117 0.48 0.59 0 0.53 0.903 100 0 0 118 0.48 0.59 0 0.47 0.903 0 4000 1 119 0.48 0.59 0 0.47 0.061 0 0 1 120 0.48 0.59 0 0.47 0.903 221 0 1 121 0.48 0.59 0 0.53 0.903 168 0 1 122 0.48 0.59 0 0.47 0.903 380 0 1 123 0.48 0.59 0 0.47 0.903 120 0 1 124 0.48 0.59 0 0.53 0.903 160 0 1 125 0.48 0.59 0 0.47 0.061 100 0 1
127 0.48 0.59 0 0.53 0.903 100 0 1 128 0.48 0.59 0 0.53 0.061 200 0 0 129 0.52 0.59 0 0.47 0.903 200 0 1 130 0.52 0.59 0 0.47 0.903 300 0 1 131 0.52 0.59 0 0.47 0.061 928 0 1 132 0.52 0.59 0 0.53 0.903 0 0 0 133 0.52 0.59 0 0.47 0.061 5 0 0 134 0.52 0.41 6 0.53 0.903 500 600 1 135 0.48 0.59 0 0.53 0.036 200 0 1 136 0.52 0.41 5 0.53 0.903 100 26726 1 137 0.52 0.41 2 0.53 0.903 73 444 1 138 0.48 0.59 0 0.53 0.903 380 2010 1 139 0.48 0.59 0 0.53 0.036 605 0 1 140 0.48 0.59 0 0.53 0.903 75 0 0 141 0.48 0.41 2 0.47 0.903 200 105 1 142 0.48 0.59 0 0.53 0.061 1160 0 1 143 0.48 0.59 0 0.47 0.903 411 0 1 144 0.48 0.59 0 0.53 0.036 0 0 0 145 0.48 0.59 0 0.47 0.903 372 122 1 146 0.48 0.59 0 0.53 0.903 260 1004 1 147 0.48 0.41 2 0.53 0.903 100 18 1 148 0.48 0.59 0 0.53 0.903 300 5200 1 149 0.48 0.59 0 0.53 0.903 0 1 0 150 0.48 0.59 0 0.47 0.903 300 0 0 151 0.48 0.59 0 0.53 0.036 250 0 1 152 0.48 0.59 0 0.53 0.061 80 0 0 153 0.48 0.59 0 0.47 0.903 263 0 1 154 0.52 0.41 3 0.47 0.903 290 2279 1 155 0.52 0.59 0 0.53 0.903 0 0 1 156 0.52 0.41 1 0.53 0.903 160 234 1 157 0.52 0.59 0 0.53 0.903 0 340 1 158 0.48 0.59 0 0.53 0.036 100 0 0 159 0.48 0.41 1 0.53 0.903 240 768 1 160 0.48 0.59 0 0.47 0.903 150 1 1 161 0.48 0.59 0 0.47 0.903 460 0 1 162 0.48 0.59 0 0.53 0.036 300 0 1 163 0.48 0.59 0 0.47 0.903 2000 0 1 164 0.48 0.59 0 0.47 0.903 200 141 1 165 0.48 0.59 0 0.53 0.903 256 17 1
每项属性代码“+”“-”号个数以及比例：
表2 SX1中不同的属性代码在考核成绩中的比值考核成绩\ 属性代码 F M + 91 55
—15 4
比值 6.0667 3.75
表3 SX4中不同的属性代码在考核成绩中的比值考核成绩\ 属性代码 F M + 113 33
—9 10
比值12.5556 3.3
表4 SX5中不同的属性代码在考核成绩中的比值考核成绩\ 属性代码 F M + 113 33
—9 10
比值12.5556 3.3
表5 SX9中不同的属性代码在考核成绩中的比值考核成绩\ 属性代码 F M + 64 82
—16 3
比值 4 27.3333
表6 SX10中不同的属性代码在考核成绩中的比值考核成绩\ 属性代码 F M + 81 65
—16 3
比值 5.0625 21.6664
表7 SX12中不同的属性代码在考核成绩中的比值考核成绩\ 属性代码 F M + 74 72
—13 6
比值 5.6923 12
表8 SX13中不同的属性代码在考核成绩中的比值考核成绩\ 属性代码g p s + 135 4 7
—14 2 3