关键能效指标（共3篇）
关键能效指标 篇1
2007年8月2日美国环保署(Environmental Protection Agency,EPA)递交了一份报告给美国国会(US Congress)。
该报告的主要包括了解现状、展望趋势、评估能耗、寻找机会、优选手段等内容。该报告已经深远的影响了全球服务器和数据中心产业,且将在以后的几年内对整个产业继续产生持续而重大的影响。
该EPA报告罗列了由Lawrence Berkeley国家实验室提供的10个最佳的节能措施。
◆Lighting Controls照明控制;
◆Use Premium Efficiency Motors使用高效率马达;
◆Install Variable Speed Everything安装变速设备;
◆Utilize More Efficient Chilled Water Plants使用高效率水冷系统;
◆Power Conversion Efficiency提高能量转换效率;
◆Virtualization减少未使用的服务器数量;
◆Air-Side Efficiency提高空气流动通道效率;
◆Free Cooling自然冷却;
◆Appropriate Environmental Conditions适宜的环境条件;
◆Liquid Cooling液体冷却。
但Emerson认为单单是罗列节能措施远远不够,目前业界缺乏一种对数据中心节能方案的中立客观的评估。因此,这使得数据中心管理者无法确定这些节能方法的优先排序,并且无法针对其数据中心的设备情况和运营状况定制出最好的节能策略,于是就有了能效逻辑(Energy Logic)。
1能效逻辑
能效逻辑由艾默生网络能源提出,可成为降低能耗的路标。对于数据中心和IT部门的管理者来说,能效逻辑描述的是从终端主设备到基础设施的级联节能效应。能效逻辑对过程中的每一步骤的节能进行量化以及评估投资的回报时间。基于研究和建模,能效逻辑在保证可用性和灵活性的基础上,使能耗最小化,系统容量最大化。
能效逻辑级联节能的瀑布模型如图1。
(1)能效逻辑理解数据中心节能降耗方面有着积极的意义
◆级联效应的模型化,可视化——关于数据中心节能的具体措施和方法,业界的叙述汗牛充栋,不可胜数。当能效逻辑的提出者站在数据中心整个系统的高度研究之后提出了节能链条的观点:“终端主设备节省的每一瓦电能都会向上游支撑设备产生级联效应”并用良好的可视化的模型表现出来。这是从概念的角度来看待能效逻辑。
◆数据模型——能效逻辑的提出者做出了大量细致而又艰苦的建模的工作,建立一个十分漂亮的5000平方英尺数据中心模型。除了美国与中国因为供电制式的差异之外,其模型大部分可以为现实所参考。这是从手段的角度来看待能效逻辑。
◆基于能耗量能的角度对节能措施优先级排序——这是能效逻辑期望达到的理想结果,而事实上只要一看图1的瀑布模型,这个目的就自然而然的达到了。各子系统的能耗比例是如此的一目了然,数据中心管理者结合自己的实际情况当然很容易就做出判断。这是从结果的角度来看待能效逻辑。
能效逻辑对业界最大的贡献不仅仅是可视化的揭示了数据中心各子系统在节能降耗方面的逻辑相关性,更为业界的同行提供了分析数据中心的一种思路和方法。
但是能效逻辑是对节能措施进行优先级排序的定性方法,而不是定量的标准。那到底有没有一个定量的标准呢?这个标准必须是能够定量的显示数据中心的能效,且在采取节能措施后能从数字上看到这种改进的效果。而且这个标准必须由中立组织制定,且广泛为业界认可。因此数据中心能效定量评价指标应运而生。
2数据中心能效定量评价指标:PUE&DCi E
(1)定义:
PUE:Power Usage Effectiveness(能量使用效率)
DCi E:Data Center InfrastructureEfficiency(数据中心基础设施效率)
PUE和DCi E二者成倒数关系,在文章《The Green Grid Data Center Power Efficiency Metrics:PUE and DCi E》中有更为详细的界定。
(2)历史沿革
这两个概念都是由Green Grid(绿色网格)制定,Green Grid(绿色网格)是一个非盈利的第三方机构,由业界专家构成,该机构主要负责研制修订数据中心能效定量评价指标,和EPA、ECMA等机构关系密切。
这两个概念非常新,2007年2月才有Green Grid(绿色网格)在文章《Green Grid Metrics:Describing Data Center Power Efficiency》定义出来,刚出来时,两个概念分别叫PUE(Power Usage Effectiveness)和DCE(Data Center Effectiveness),PUE被广泛应用,但由于DCE语义不明,几个月后Green Grid在文章《The Green Grid Data Center Power Efficiency Metrics:PUE and DCi E》将DCE改成DCi E。
(3)指标制定思路
EPA将数据中心分成IT和Infrastructure(基础设施)两个部分,两个部分能效的乘积才是整个数据中心的能效,详见图2。但是IT部分的能效评价指标还在定义之中,还没出来,现在还只有Infrastructure(基础设施)部分的能效定义,即PUE and DCi E。PUE已经在业界有广泛应用,而DCi E(见图3)在2007年8月EPA那份有名的报告中被专门提及,身价立即倍增,这两个指标作为定义数据中心Infrastructure(基础设施层)能效评价指标已经无法动摇。
(4)指标的局限
数据中心典型的PUE和DCi E曲线如图4、图5所示。
但是问题的关键是PUE和DCi E的指标到时是否有个阈值,低于这个特定的DCi E阈值数据中心就可被认为是耗能的,高于这个特定的DCi E阈值数据中心就可被认为是节能的?很遗憾,目前这个阈值点的具体数值目前大家仍在讨论,但这个阈值的出现是可以期待的。
(5)指标的发展
第一,关于如何定义数据中心总能效也就是数据中心生产率(包括IT层和Infrastructure层),主要在讨论如何定义何为“有效的计算Useful Computing或Usefu work”。但数据中心能效也就是数据中心生产率的初步定义已经出来(见图6)。
第二,PUE的定义也在深化,主要是因为如果对系统分解,就可以得到如下定义。
因为:Total Facility Power=Cooling Load+Power Equipment Loss+IT Equipment Load
即:数据中心总能耗=制冷用电负荷+供配电能耗+IT设备能耗
以后,CLF就代表在IT/W负载上消耗的制冷用电量,而PLF就代表在IT/W负载上供电系统的损耗,1.0则永远不会变,因为这是IT负载和自己的比率。这样,就可通过一些子指标来定量表征各子系统和IT负荷的能效关联度。
摘要：Energy Logic(能效逻辑)通过其精巧的数据模型不仅可以展示各子系统的级联节能效应,也可展示其基于量能的对节能措施的优先排序。PUE和DCiE可以实现对数据中心能效的定量管理。
关键词：Energy Logic(能效逻辑),数据中心定量评价指标(PUE,DCiE)
参考文献
[1]Green Grid《The Green Grid Data Center Power Efficiency Metrics:PUE and DCiE》
[2]艾默生网络能源白皮书《能效逻辑》
关键能效指标 篇2
——论R企业的关键绩效指标设计
【摘要】：绩效管理是现代企业人力资源管理的重要组成部分，绩效考核是绩效管理中最重要的一环，而关键绩效指标的设计，是企业在绩效考核时常用的一种方法。但是在实际应用中，很多企业却不知道如何清楚正确的设计出具有实用价值的考核指标体系。虽然深知传统的“德能勤绩”的考核方法有很大的弊端，但是又不得不继续实施着“以德考人”“以忠心考人”“以苦劳考人”的考核方法。
本文将理论知识与实际应用相结合，对R企业的关键绩效指标体系设计提出了逐步分解的方法。本文的阐述思路是：首先阐述关键绩效指标考核的理论基础，然后分析了当前R企业进行关键绩效指标设计时存在的问题以及问题出现的原因，最后在前两部分理论论述的基础上，结合R企业的实际情况，对R企业如何进行关键绩效指标设计给出了明确的方法。
【关键词】：绩效、绩效考核、关键绩效指标
一、关键绩效指标的理论基础
1、绩效、绩效管理与绩效考核
绩效，英文Performance，从管理方面说，它是企业期望达到的一种结果，是企业为实现自己的战略目标而体现在各个不同层面的有效输出；从经济角度来讲，员工做出了绩效，企业才有可能付出相应的薪酬来回馈员工，是企业与员工之间的一种对等的承诺关系。
绩效管理，众多研究人力资源管理领域的专家学者给出了诸多不同的定义和解释，但都共同的表示出：绩效管理作为人力资源管理系统的核心，在提升企业价值，帮助企业实现战略目标方面发挥着重要的作用，是企业战略落地实施的载体，并在指导人力资源其他的几个模块工作上实现了对接。
而绩效考核，是绩效管理具体实施的一种正式的评估制度，它通过系统的方式方法来评定和测量员工在岗位上的工作行为和工作成绩，是企业管理者与员工之间进行管理沟通的一项重要活动。绩效考核的结果会直接涉及到薪酬调整、奖金发放及职务升降等诸多员工的切身利益，其最终目的是改善员工的工作表现，实现企业和个人的“双赢”。
2、什么是关键绩效指标
在现代的企业绩效管理中，人们开发出了多种绩效考核方法和工具，有目标管理法、平衡计分卡、标杆管理法、关键绩效指标法等。而关键绩效指标的考核方法，由于其与企业战略目标紧密的匹配程度以及超强的可操作性而被企业广泛应用。
关键绩效指标，(简称KPI，Key Performance Indicator)是衡量企业战略实施效果的指标。关键绩效指标体系是将企业的战略目标进行分解而形成的可操作性相对较强的指标体系。
通过分析，我们可以归纳出关键绩效指标体系的几个特点：
（一）战略导向性。关键绩效指标是对企业的战略进行自上而下的层层分解而得到的战略性指标体系，是对每个部门、每个岗位工作绩效要求的具体体现。因而，关键绩效指标应该体现企业的战略要求和业务的重点。
（二）关键性。即挑选出来的指标必须是对于实现战略目标有关键性的作用，有最紧密最直接的因果联系，否则它就失去了它的现实意义。
（三）可量化的。不能度量的东西，就难以管理，关键绩效指标必须抓住那些能有效量化的指标或者将之有效量化。
3、设计关键绩效指标对于企业的实际意义
关键绩效指标的几个明显特征，使得它在企业的绩效管理中具有非常大的实际意义：
（一）关键绩效指标是连接企业战略和绩效管理的桥梁
绩效指标是企业实现战略的充分必要条件。在绩效管理的过程中，战略目标分解和细化后，得到的关键成功要素就是关键绩效指标，它将企业内部活动与战略相结合，一方面企业通过全员贯彻执行、全员沟通来落实关键绩效指标，另一方面，通过对绩效考核结果的反馈，员工和管理者能够知晓上一周期工作中存在的需要改进的地方，从而有针对性的采取行动，在以后的工作中规避这些短板。
（二）关键绩效指标对员工具有引导和激励的作用
它激发了员工的内在驱动力，引发员工的成就动机。它将企业感受到的外部市场的力量内化，引导员工向着完成组织目标的方向努力。员工在工作时可以感受到自己工作的价值，知道自己做哪些事、哪些行为可以得到物质奖励。
（三）使企业明确工作重点，降低管理成本
关键绩效指标是围绕企业的战略目标而设定的。依据关键绩效指标进行战略管理，企业可以明确工作重点，进行有效率的资源配置，提高工作效率，从而达到降低管理成本的效果。
二、当前企业进行关键绩效指标设计时存在的问题
1、企业的战略目标不能有效的分解
企业的目标不能有效分解的原因是多方面的：第一，企业本身目标不清晰，摇摆不定，总是以市场为导向，忽视内部的人员管理；二，企业的目标没有分解到关键绩效指标上，反而以各部门工作内容为导向，通过工作分析，根据岗位职责来确定关键绩效指标。本来应该是自上而下的分解目标，却变成自下而上的反推。这种以工作分析为基础，由下而上的关键绩效指标体系不能准确的反映企业的目标和愿景，也不能有效的反映目标的实现进度，最终导致企业战略成为纸上谈兵。
2、考核结果的评估不清晰
在实际的绩效考核工作中，考核的结果经常没有一一反馈给被考核者，许多员工既不清楚自己的工作产出是什么，也不清楚自己的工作与公司的战略目标实现之间有什么样的联系。所以在日常工作中，他们不知道怎么做才算是很好的完成了工作任务，也不知道怎么做才是符合工作标准和要求。
3、关键绩效指标的量化和权重确定困难
关键绩效指标的量化是为了考核，而权重就是指标所占的比重，前提是需要先把指标量化。指标的量化和权重是相互关联的。科学合理的指标权重，让员工在工作中有重点，与企业的关键成功因素也相符，整个组织的绩效会大范围的提高，而不合理的指标权重，会让员工有抵触情绪，觉得有的指标无法完成，有的指标完成了又对于涨工资、晋升没有意义。长期发展下去，员工就会置指标而不顾，企业的战略也就没法完成。
三、企业如何进行关键绩效指标设计
以我所在的R企业为例，过去，公司因为规模不大，人员不多，公司的年终考核除了市场销售部和生产部有明确清晰的考评指标以外，对于其余的职能部门大多是凭着日常印象和所谓的“苦劳”“员工工作年限”“资历”“忠诚度”等等来进行考核的。虽然中间采用伯明顿绩效考核方法也实施过一段时间的考评，但是收效甚微。
随着公司逐步发展壮大，业务越来越多，规模越来越大，过去的方式方法已经无法满足公司的需求，内部沟通越来越不顺畅，员工离职率增加，员工与企业间的劳动纠纷事件也有所上升。
在这种情况下，公司只有改变绩效考核的制度，推行清晰明确的关键绩效指标考核体系，才能适应发展的脚步。我认为，我们可以从以下的方法着手：
1、做好关键绩效指标的基础工作
首先，与公司各位高管进行多次沟通，明确了公司的短期目标与长远的战略目标是什么。
（2）取得公司管理人员以及员工的理解与支持
设计和推广KPI需要高层管理者的认同，同时也需要公司各层级管理人员以及员工的理解配合。我们可以提前与高管一一单独沟通，然后在正式的高管会议和中层管理会议上，向管理人员阐述KPI考核的优势，实行之后会带来的变化与好处，以及实施过程中可能遇到的问题，需要得到他们哪些支持。同时希望他们能身体力行地遵守和执行绩效考评的各种制度和程序。
针对基层员工，一方面通过中层管理者、基层管理者们在员工中的影响力和引导力，去引导员工认识KPI，了解KPI，另一方面通过企业文化宣传等各种各样的方法，使基层员工（1）明确企业战略目标 意识到推行KPI的重要性和必要性，特别是对其今后在公司的职业生涯的发展所具有的积极作用。（3）培训中层管理者和各位主管
实际的关键绩效考核时，中层管理者和各个主管是考评者，因而必须在前期对他们进行系统化的培训，端正他们的认识，帮助他们掌握考评技术方法和技巧，使他们每个人都成为积极、有效的考评者。
（4）规范业务流程，梳理组织架构图，提高信息化
如果业务流程不规范，组织架构不合理，很难对绩效指标进行分解落实。同时为了保证绩效考核过程中各项数据、资料的准确性、完整性，公司也应提高信息化水平，如实施OA系统、HR系统等。
2、构建公司层面的KPI 首先综合运用平衡计分卡（BSC）和鱼骨图的方法将企业战略目标分解，找出业务重点，得出关键成功因素。
企业的内部考核指标有很多，如营业收入、净利润、缴纳税金、资产保值率、应收账款、员工工资水平及金额、综合成本与费用等等。我们根据BSC，从客户、财务、内部业务流程、学习与成长等四个维度对KPI进行归类，这样就形成了企业级KPI指标库。
根据BSC理论的先驱和实践倡导者卡普兰和诺顿建议，KPI的个数一般控制在5—12个。
3、确定部门KPI（1）确定部门业务重点，确定哪些个体因素或组织因素与公司相互影响；
（2）确定每一职位的业务标准，定义成功的关键因素，即满足业务重点所需要的策略手段；
（3）确定关键绩效指标，判断一项绩效标准是否达到的实际因素。
4、确定岗位的KPI 例如，人力资源管理人员，由于其部分工作无法用数据或有形的产品来衡量，采用定性评分的方法又容易受主观因素影响，导致考核流于形式。但我们可以将定量与定性相结合，从以下渠道获得关键绩效指标：
第一，职位职责中的关键责任。
第二，对上级绩效目标的贡献（通过对公司目标或部门目标自上而下分解确定）。
第三，对部门绩效目标的贡献（从横向流程分析，确定其对相关流程的输出）。
依据这一原则，这类人员的关键绩效指标可以通过对其考核周期内的工作任务或工作要求的界定来实现，至于其衡量指标，可以通过时间来界定，从实质上讲，被时间所界定的工作任务或工作目标也是定量指标。只要我们能够对员工的工作任务或工作目标做出明确的说明，同时提出明确的时间要求，这些关键绩效考核指标就具备了可操作性。
5、举例——人力资源管理人员的关键绩效指标设计
首先必须跟公司的战略目标挂钩，确定人力资源部在帮助公司实现战略目标的过程中所起的作用，找出关键的成功要素，然后将这些要素层层分解，把部门的关键绩效指标提取出来，进而根据人力资源的招聘、培训、绩效、薪酬、人员规划等模块分解为每个岗位人员的关键考核指标。
例如，如果将公司的战略目标定位于中国制药行业领导企业，那么，人力资源部的绩效目标必须定位于国内领先，要实现这一目标，必须在以下方面处于国内领先地位：人员素质、招聘渠道、最新的行业培训、领先的薪酬水平、畅通的员工沟通机制。而人力资源人员的职责决定了我们的关键绩效指标应该围绕着“人员素质”而展开。包括招聘高素质的人才、通过培训不断提高员工的能力、采用先进有效的绩效考核方式方法、实施高水平的薪酬政策等。
由此我们可以确定，HR某一考核周期的关键绩效考核指标体系为：
1．人员流失率（一定周期内流失的人员数/公司员工总数）2．人员增加率（【本期期末员工数-上期期末员工数】/上期期末员工数）
3．培训完成率（周期内人力资源培训次数/计划总培训次数）4．考核工作完成的及时性、准确性（将实际考核完成情况与计划的考核情况进行对比）
5．薪酬总量控制的有效性（一定周期内薪酬发放的总额/计划薪酬发放总额）
除此以外，根据人力资源管理人员的工作任务状况，还可以将企业文化活动组织情况、人员的结构比例、员工发生劳动纠纷情况等作为定性的关键绩效指标。
6、权重问题
当前，在企业中普遍流行的确定权重的方法是AHP（Analytic Hierarchy Process），即层次分析法，AHP首先要确定的是业绩、技能、态度、强度这四大类指标的权重，然后再用同样的方法确定每一大类指标内部各个分指标的权重。所以，只需了解大类指标权重如何确定即可。
如果用a、b、c、d分别代表以上四个类指标，某步骤为：
1、选定两两对比的赋值表。常用的赋值表有五级分制、七级分制及九级分制等，可根据实际需要选取。
2、根据赋值表得出判断矩阵。对于规模较大的企业更实用赋值的方法是问卷调查法，这样可以充分调动员工的积极性，制定出得到大家普遍认可的结果。因为对于绩效考核而言，大家觉得公平合理是非常重要的。判断矩阵是计算权重的基础，如果得不到广大员工的认可，计算出的权重肯定会大打折扣。
3、利用求解特征根的方法计算出a、b、c、d的具体权重。目前可以在计算机上利用excel进行计算，比较方便。
4、进行一致性检验，保证权数分布的合理性和可靠度。
6、如果a指标细分为a1、a2、a3、a4等，重复上面的步骤就可以得出各分指标的权重了。
7、数据处理。
四、参考文献
（1）《企业人力资源管理师》（二级），中国劳动社会保障出版社，第三版，第四章绩效管理，P336-P346（2）《企业人力资源管理师》（三级），中国劳动社会保障出版社，第三版，第四章绩效管理，P226-P229（3）《企业关键绩效指标体系设计研究》，刘洁发表于道客巴巴（2012-03-31）（4）《我国绩效考核现状及对策研究》,客宇发表于新浪博客上(2009-12-08 11:45:33)（5）《如何确定企业的关键绩效指标》，zoyali发表于360doc个人图书馆（2012-08-22）
数据中心能效评价的指标体系 篇3
数据中心方法论, 就是人们认识数据中心、改造数据中心、评估数据中心的一般通行方法, 是人们用什么样的方式、方法来评估数据中心和处理数据中心的问题。数据中心能效评价方法论主要解决如何评估数据中心的问题。
由图1可知, 数据中心的构建涵盖了设计、施工、验收等三个主要阶段。在构建完成的数据中心中, 建筑体、IT设备、基础物理设施构成了数据中心的主要载体;在此载体的基础上运转相关软件, 支撑企业的主要业务和海量数据。
对数据中心的评价主要集中在建筑体评估、设备评估、设计评估、业务评估四大方面。而施工与验收仅仅是过程与手段, 故不列入评价模型中来。图2是数据中心四维评估模型图。
2 评估数据中心的指标体系
下面分别列出数据中心建筑体评估、设备评估、设计评估、业务评估方面的指标体系:
2.1 建筑体评估
本评估采用了LEED评估体系, 主要用于评估建筑在其全生命周期中的环境性能表现, 由五大方面、若干指标构成其技术框架:
a.可持续建筑场址
b.水资源利用
c.建筑节能与大气
d.资源与材料
e.室内空气质量
通过以上五个方面对建筑进行综合考察、评判其对环境的影响, 并根据每个方面的指标进行打分, 以反映建筑的绿色水平。
2.2 设备评估
设备主要包含基础物理设施、IT设备以及软件运行系统。基础设施主要指UPS、电池、机柜 (机架) 、监控、空调等基础设备。软件系统包括数据库管理、数据仓库管理、数据分析及挖掘、数据存储管理和数据备份管理等子系统。IT设备 (硬件) 系统由承载数据中心软件的各类服务器、网络存储等组成。 (见表1、表2)
2.3 设计评估
企业级数据中心的设计要在中国数据中心设计指导标准的前提下, 满足数据中心的可持续发展原则, 要考虑数据中心的整合与集中, 未来数据中心的发展趋势与方向等问题。 (见表3)
2.4 业务评估
数据中心建设的终极目的是为了运转数据平台, 支撑企业的业务发展。一个合格的数据中心应该满足维持企业业务的速度, 业务连续性等基础标准。数据中心的业务评估更多的是要考虑数据中心能为企业业务的可靠性、连续性、响应速度等因素。
a.是否满足当前的业务需求, 包含业务的可靠性、连续性、响应速度等因素;
b.在满足当前业务需求的基础上, 是否考虑了未来业务的增长, 留下可以扩容的空间, 以便使业务的连续性得到保障;
c.是否便于硬件服务人员的维护, 以及软件服务人员的平台操作。
3 结论
绿色数据中心的本质是一整套设计和方法论, 最高效的数据中心不一定就是绿色的。绿色数据中心需要全面的理解和整体认识, 这包括位置、环境、物理建筑、基础设施、员工、系统建设和维护等众多因素。本文基于四维评估模型提出了若干评估指标参数, 为数据中心后续的完善建设和优化改进指明方向。
参考文献
[1]艾默生网络能源白皮书.能效逻辑[M].