BaoHaifei的个人博客分享 http://blog.sciencenet.cn/u/BaoHaifei

博文

从传递函数看工作效率 精选

已有 5368 次阅读 2014-9-4 12:46 |个人分类:社评|系统分类:观点评述

从传递函数看工作效率

鲍海飞 2014-9-4

究竟什么影响工作效率?究竟用什么来衡量工作效率?能否有简单的公式来描述呢?

在数学物理中,有个传递函数的概念,简单来说,就是信号的输出与输入之比,或者投入与产出之比。比如用字母来表示就是:H=B/A,其中A为输入,B为输出。有的生产创造了巨大的效益,那么这个比值H就大于1;反之,则小于1。那么大于1或者小于1的根源在哪里呢?上述公式简单了些,可以再增加一个比例因子G,于是传递函数为H=GA/B。学过物理尤其是电学的人都知道这个关系,G称为增益因子。一个良好的传递函数,损耗就少,H就接近1,如果通过放大增益G的调控,那么H就会远大于1。如果一项工作由几个环节和部门来完成,那么传递函数就表示为H=H1´H2´H3´H4…….。按照一般的考虑,输出与输入之比总是要小于1,那么每一个H都比1小,其乘积自然就更小。那么这里就有个最优化的过程,当每个结构或部件都输出了最大,那么效率也就最高了。然而最重要的就是这个字母G。这个字母G就是增益,Gain。如果我们获得的是正能量、正反馈,那么输出H就大,效益就大。反之,我们获得的是负能量、负反馈,则H就要变小。而H就可以表示任何一个过程,可以是生产效率,可以是组织效率,甚至是一个集体的干劲和主观能动性等。一个有效组织管理的过程,就是每个环节都畅通,具有正增益效应。

再说这个称之为增益因子的字母G, 在物理学中,是个实实在在的参数,或者是电阻、或者是电容。但在一个集体社会中,它可能表现为一个看不见摸不着的量,就是这个量在影响着传递过程和工作效率。在我们这样一个人情的社会下,其最好应该被称之为‘情绪因子’,或者大家都耳熟能详类似SCI的 ‘影响因子’更好。这也就不用多解释了,想必大家也都会明白。人毕竟不是机器,人是有情感和情绪的,人是社会中的人,他总要受到外界的环境干扰和影响。因此,这个影响因子G就要在工作和学习中发挥作用。

自然界中,不仅物质之间在发生变化和交换,人的情感、情绪也具有互相传染的特性。有两个字最能表述传递函数的精髓。一个在集体中的人,他的眼睛一直在盯着别人做什么,怎么做,同时也关注着自己,所谓效仿。这第一个字就是睹。如果一个人对某一个环境淡漠、或者悲观,他会有多少热情去工作?有成语表示就是熟视无睹。因此,影响因子G就潜移默化在起作用。而在整个工作的过程和环节中,每一个环节、步骤或者部门都有一个H在起作用,这第二个字就是堵。一个组织工作的过程如果协调好,职责清晰,那么就流畅了。但是一旦遇到了堵,在没有办法的情况下,一个个体就会感觉到孤独、无力、无奈和无助。这样,工作效率就自然上不去。

一个系统,为了不断地提高业绩,为了不断地获取利益,就只有协调一致和整体规划,因此,就要营造所谓的业界文化氛围,提倡人文的思想和关怀,提倡互相帮助和协作的精神。反之,如果集体中的个体工作得不到认可,成功的喜悦和成果得不到分享,那么这个人就没有了集体感和荣誉感,进而,就没有了归属感和成就感,他的工作热情和干劲就无从获得。单打独斗固然是英雄好汉,但只有整体作战才能体现出一个集体的智慧和力量,才能保证可持续的发展。杰出个体的出现,即与个人的能力和魅力有关,但他也更与一个富有凝聚力、具有战斗力的集体紧密相关。自行车的每个链条都完好无损才能绷起来向前快速运行。

工作效率和产出是一个很复杂的问题,对从事科学研究的人来说,更是如此。你拿什么来定义或者衡量工作效率的高低呢?科学研究不能简单用计件数来衡量,也不能简单用发表几篇文章和专利来衡量,也不能用什么大奖和项目来衡量,更难以类似用GDP之数量来衡量。这里也许的确存在着一个盲点。

公式虽然是个表象,但是也可透过这个表象看生产和科研过程的本质。个体和集体是个相互作用体,一个个体的行为甚至会毁坏整体。我们社会现状的当下,更需要艺术的组织和管理,需要精诚的团队合作,要尽量发挥每个人的主观能动性,以提高整体的工作斗志和工作热情。相反,如果都内耗了,那么效率又会有多少。没有了精神信仰和团结一致的干劲,如何能够快速发展。

让集体和个人之间传递正能量,让堵变成通、变成融,让每个人获得高的增益因子,让每个人获得高的影响因子,那么我们自然就有高的生产效率和干劲了。

 

 

 

 



https://blog.sciencenet.cn/blog-278905-824928.html

上一篇:给上海公交地铁公司的一个建议
下一篇:文理分科又能怎样?
收藏 IP: 202.127.23.*| 热度|

10 陈小润 逄焕东 黎夏 钟炳 闫娜 庄世宇 陈湘明 李泳 李笑月 shenlu

该博文允许注册用户评论 请点击登录 评论 (6 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-11-14 15:26

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部