WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 15 | 16 || 18 | 19 |   ...   | 20 |

«Производственный и операционный менеджмент Production and Operations Management Manufacturing and Services Eighth Edition Richard B. Chase University of Southern California Nicholas J. ...»

-- [ Страница 17 ] --

Определение начальных условий. Определение начальных условий для переменных является одним из важнейших тактических решений, которые приходится принимать при моделировании. Это связано с тем, что совокупность начальных значений "смещает" модель в ту или иную сторону от интересующей области исследований, в том числе модель может попасть в область неустойчивого состояния. Чтобы очистить результаты от ненужных данных и сократить время вычислений, аналитики используют:

a) исключение данных, генерируемых на начальных стадиях "прогона" модели, b) выбор начальных условий путем пробных прогонов модели в разных областях, c) выбор начальных условий у подножия склона анализируемой области.

Однако, чтобы воспользоваться каким-либо из этих подходов, аналитик должен иметь определенное представление об ожидаемом диапазоне выходных данных. Таким образом, аналитик может смещать результаты в желаемую сторону и, кроме того, привносить собственное суждение в проектирование модели и анализ результатов моделирования. Поэтому, если у аналитика есть какая-то информация, которая имеет определенное отношение к решаемой проблеме, ее необходимо ввести в модель.

Определение продолжительности "прогона". Продолжительность процесса моделирования, или время "прогона", зависит от цели моделирования. Возможно, шире других распространен подход, когда процесс моделирования продолжается до тех пор, пока не достигнуто состояние равновесия с фактическими данными. В нашем примере с рыбной лавкой это означало бы, что моделируемые продажи рыбы соответствуют своим обычным относительным объемам. Другой подход заключается в том, чтобы выполнить моделирование для заданного периода времени (например, месяца, года или десятилетия), а затем посмотреть, приемлемы ли условия, создавшиеся в конце этого периода. Третий подход состоит в том, чтобы установить такую продолжительность "прогона", которая позволяла бы набрать выборку, достаточно большую для проверки статистических гипотез. Этот подход рассматривается в следующем разделе.

Оценка результатов Выводы, которые можно извлечь из процесса моделирования, зависят не только от степени соответствия модели реальной системе, но и от конструкции самой модели (в статистическом смысле). В действительности многие аналитики рассматривают моделирование как разновидность проверки гипотез, когда каждый "прогон" модели позволяет получить один или несколько фрагментов выборки, подлежащих формальному анализу с помощью статистических методов4.

Статистические процедуры, которые широко используются при оценивании результатов моделирования, включают дисперсионный анализ, регрессионный анализ и t-тесты.

В большинстве случаев аналитик располагает определенной информацией, с помощью которой он может сравнить результаты моделирования: данные о предыдущем функционировании реальной системы, данные о функционировании подобных систем и собственное интуитивное понимание аналитиком функционирования реальной системы.

Правда, информации, полученной из этих источников, как правило, часто недостаточно, чтобы подтвердить выводы, сделанные на основе результатов моделирования. Поэтому единственной подлинной проверкой результатов моделирования является качество функционирования реальной системы после применения в ней результатов моделирования.

Принятие результатов моделирования В данном контексте понятием принятие результатов моделирования (Validation) обозначается этап, на котором окончательно убеждаются, что моделирование выполнено правильно и результаты соответствуют действительности или, иначе, что соответствующая компьютерная интерпретация является правильным отображением модели, построенной на основе блок-схемы, и что данная модель адекватно отражает функционирование реальной системы. Принять результаты моделирования можно, убедившись, что в программе отсутствуют ошибки программирования и логические ошибки в самой программе. Ошибки программирования выявить сравнительно несложно, так как в этом случае компьютерная программа просто не будет выполняться* Однако ошибки в логике программы найти гораздо сложнее, поскольку в таких случаях программа выполняется, выдавая неправильные результаты, и однозначно утверждать, что результаты неверны, без дополнительной проверки нельзя.

Для того чтобы согласиться с результатами моделирования, у аналитика есть три варианта действий.

1. Распечатать все вычисления и проверить эти вычисления отдельно (может быть, вручную).

2. В модель ввести такие исходные данные, для которых уже есть фактические результаты, и сопоставить полученные результаты моделирования с фактическими.

3. Выбрать определенную точку в процессе моделирования и, подобрав для нее соответствующую математическую модель, рассчитать выходные данные и сравнить результаты расчета и моделирования для этой точки.

Несмотря на то, что первых два варианта имеют очевидные недостатки, применяются они гораздо чаще, чем третий вариант, поскольку, если бы действительно существовала "соответствующая математическая модель", то, наверное, можно было бы решить данную задачу, не прибегая к моделированию.

Проведение новых исследований Основываясь на полученных результатах моделирования, аналитик может принять решение о проведении еще одного исследования. При этом можно изменить множество факторов: параметров, переменных, правил принятия решений, начальных условий и продолжительности "прогона" модели. Что касается параметров, то у аналитика может возникнуть желание повторить моделирование с несколькими вариантами затрат или цен продукта и посмотреть, как эти изменения повлияют на результаты моделирования.

Проверка различных правил принятия решений, очевидно, заинтересует аналитика, если исходный вариант правил принес ему неудовлетворительные результаты или если первый "прогон" модели заставил его взглянуть на проблему по-новому. Попутно следует отметить, что процедура использования при моделировании одного и того же потока случайных чисел выступает, вообще говоря, прекрасным средством для выявления различий между проверяемыми вариантами и к тому же позволяет сократить продолжительность "прогона" модели. Кроме того, значения, взятые из предыдущего исследования, могут оказаться удачными начальными условиями для последующих экспериментов.

Новое исследование модели отличается от простого повторения тем, что существенно меняются параметры, исходные условия и другие факторы, приводящие к появлению на выходе новых событий. Может случиться, например, так, что система имеет не один, а несколько устойчивых уровней функционирования, и что достижение второго уровня является лишь вопросом времени, т.е. продолжительности "прогона" модели.

Таким образом, в то время как первая серия "прогонов" из, скажем, 100 периодов, обнаружила наличие определенной стабильной области, удвоение продолжительности серии может выявить новые и существенно отличные от предыдущих — хотя и не менее стабильные — области. В этом случае выполнение моделирования с продолжительностью, равной 200 временным периодам, может рассматриваться как новое исследование модели.

Компьютеризация Используя ту ИЛИ иную компьютерную модель, мы сводим исследуемую систему к некоторому ее символическому представлению в компьютере. Несмотря на то, что авторы этой книги не собираются вдаваться в технические аспекты компьютерного моделирования, некоторые из них все же непосредственно относятся к проблеме изучения систем с помощью имитационных моделей. В частности назовем только следующие.

1. Выбор компьютерного языка.

2. Представление процессов в виде блок-схем.

3. Кодирование.

4. Генерация данных.

5. Выходные отчеты.

6. Подтверждение.

В конце этого Дополнения мы поговорим более подробно о программах и языках моделирования.

Выходные отчеты. Использование универсальных языков программирования позволяет аналитику указать любой требуемый тип выходного отчета (или данных) — при условии, что аналитик готов затратить определенные усилия на программирование. В специализированных языках предусмотрены стандартные подпрограммы, которые можно активизировать с помощью одного-двух операторов этих языков программирования и благодаря которым можно распечатать, например, такие данные, как средние значения, дисперсии и стандартные отклонения. Однако каким бы ни был язык программирования, опыт свидетельствует, что слишком большой объем данных, полученных в результате моделирования, может оказаться столь же непродуктивным для решения проблемы, как и слишком малый их объем, — и в том, и в другом случае весьма затруднительно выявить действительно важную и значимую информацию об исследуемой системе.

Моделирование очередей Очереди, которые бывают последовательными и параллельными, например, очереди на сборочных линиях и на предприятиях, выполняющих специальные заказы, как правило, невозможно описать с помощью математических моделей. Однако очереди хорошо поддаются имитационному моделированию на компьютере, в качестве примера такого моделирования мы выбрали двухэтапную сборочную линию.

Пример. Двухэтапная сборочная пиния Рассмотрим сборочную линию, на которой проводится сборка крупногабаритного изделия, такого как холодильник, микроволновая печь, автомобиль, лодка, телевизор или мебель. На рис. 17.3 показаны две рабочие станции на такой сборочной линии.

Физические размеры продукта очень важны при анализе функционирования и проектировании сборочной линии, поскольку количество продуктов, которые могут находиться на каждой рабочей станции, влияет на производительность рабочего. Если продукт крупногабаритный, рабочие станции зависят друг от друга. На рис. 17.3, например, показаны две рабочие станции (7 и 2), на которых работают Боб и Рэй. Эти рабочие станции представляют двухэтапную сборочную линию. Продукция со станции поступает на станцию 2. Если эти две рабочие станции расположены рядом так, что между ними нет места для хранения изделий, то медленная работа Боба будет тормозить Рэя — он будет простаивать. И наоборот, если Боб работает быстро (или если у Рэя на выполнение операций уходит больше времени, чем у Боба), будет простаивать Боб.

Допустим, что Боб (первый рабочий на сборочной линии) может брать на обработку новое изделие в любой момент, когда оно ему понадобится. Предметом нашего анализа будет взаимодействие между Бобом и Рэем.

Цель исследования. В результате этого исследования мы должны ответить на ряд вопросов, касающихся функционирования сборочной линии. Вот лишь некоторые из них.

• Каково среднее время выполнения каждым из работников своих операций?

• Какова пропускная способность этой сборочной линии?

Рис. 17.3. Две рабочие станции на сборочной линии • Сколько Бобу приходится ждать Рэя?

• Сколько Рэю приходится ждать Боба?

• Если можно было бы увеличить расстояние между станциями, чтобы на освободившемся месте хранить продукцию и обеспечить таким образом работникам определенную независимость друг от друга, как бы это повлияло на пропускную способность сборочной линии, время ожидания и т.п.?

Сбор данных. Чтобы промоделировать эту систему, нужны сведения о производительности Боба и Рэя. Одним из способов получить эти данные является деление определенного, достаточно большого, промежутка времени на ряд одинаковых интервалов и наблюдение за выполнением операций каждым из рабочих. Затраченное время на выполнение каждой операции измеряется и отмечается в соответствующем интервале значений. По количеству отметок в каждом интервале строится гистограмма данных.

В табл. 17д.2 представлена форма сбора данных, использовавшаяся для наблюдения за работой Боба и Рэя. Чтобы упростить процедуру сбора, время работы поделено на 10 секундные интервалы. Наблюдение за работой Боба выполнялось в течение повторений его операции, а наблюдение за работой Рэя — в течение 50 повторений его операции. Количество наблюдений необязательно должно быть одинаковым для каждого рабочего, однако чем их больше и чем меньший размер имеют временные интервалы, тем точнее будет исследование. Впрочем, "платой" за большое количество наблюдений и малый размер интервалов времени будет большая продолжительность наблюдений и необходимость использовать для них больше людей (не говоря уж о том, что на составление программы и выполнение моделирования в этом случае также уйдет больше времени).

В табл. 17д.З представлены назначенные интервалы случайных чисел, соответствующие данным фактических наблюдений. Для упрощения представления и дальнейших расчетов временные интервалы заменены на их средние значения и к ним относятся соответствующие фактические частоты появления случаев. Например, у Боба было четыре 10-секундных случая из общего их числа, равного 100. Для первого 10 секундного интервала можно было бы назначить любые 4 числа из 100, например под номерами 42, 18, 12 и 93. Однако специально заниматься выбором таких чисел для образования статистического ряда не имеет смысла, достаточно назначать числа, следующие подряд, например 00, 01, 02 и 03.

Для Рэя выполнено всего 50 наблюдений. Существует два способа назначения случайных чисел для Рэя. Во-первых, мы могли бы использовать именно 50 чисел (например, 00—49) и игнорировать числа, не входящие в этот диапазон. Однако при этом необоснованно пришлось бы отбрасывать 50% всех чисел из их общего списка. Другой подход заключается в том, чтобы удвоить число наблюдений при сохранении частот событий. Например, вместо того чтобы назначать, скажем, числа 00—03, которые учитывали бы 4 наблюдения из 50, относящихся к интервалу первых 10 секунд, можно назначить числа 00—07, которые представляли бы 8 наблюдений из 100 (удвоенное количество наблюдений, но при той же частоте).

Таблица 17д.2. Форма для сбора данных при наблюдении за трудом рабочего Боб Рэй Секунды Наблюдения Итого Итого 5-14,99 4 IIII 15-24,99 6 IIIII 25-34,99 IIIII IIIII 10 IIIII I 35-44,99 IIIII IIIII IIIII IIIII 20 IIIII II IIIII IIIII IIIII IIIII IIIII IIIII 45-54,99 40 IIIIII IIIII IIIII IIIII IIIII 55-64,99 IIIII IIIII I 11 IIIII III 65-74,99 5 IIIII I 75-84,99 4 llll Всего 100 Всего Таблица 17д.З Интервалы случайных чисел для Боба и Рэя Временные Временные частоты Интервалы Интервалы Секунды частоты для Рэя для Боба (операция 1) случайных чисел случайных чисел (операция 2) 10 4 00-03 4 00- 20 6 04-09 5 08- 30 10 10-19 6 18- 40 20 20-39 7 30- 50 40 40-79 10 44- 60 11 80-90 8 64- 70 5 91-95 6 80- 80 4 96-99 4 92- Всего = 100 Всего = Принимая во внимание быстродействие современных компьютеров, потеря времени на прогон модели при таком удвоении количества наблюдений представляется весьма незначительной, но зато оба рабочих оказываются привязанными к одному и тому же ряду наблюдений.

В табл. 17д.4 представлены результаты ручного моделирования обработки изделий на рабочих станциях Боба и Рэя. Использованные в этом примере случайные числа взяты из Приложения В по первым двум значащим цифрам случайных чисел, начиная с первого столбца и продвигаясь вниз с поочередным извлечением чисел для Боба и Рэя.

Допустим, мы начинаем процесс моделирования в момент 00 и выполняем его в режиме непрерывного времени (строго последовательное наращивание секунд, без преобразования их в минуты или часы). Первым случайным числом является 56;

оно соответствует производительности Боба, равной 50 секундам для первого изделия. Затем это изделие передается Рэю, который начинает свою работу через эти 50 секунд.

Сопоставляя следующее случайное число 83 с данными из табл. 17д.З, мы находим, что на обработку первого изделия Рэю требуется 70 секунд. Между тем, Боб начинает обработку следующего изделия в момент, соответствующий 50 секундам, тратит на его обработку секунд (случайное число 55) и завершает свою операцию в момент 100. Однако Боб не может приступить к обработке третьего изделия до тех пор, пока Рэй не покончит с первым изделием (в момент 120). Бобу, таким образом, придется ждать 20 секунд. (Если бы между рабочими станциями Боба и Рэя было свободное пространство для хранения изделий, второе изделие можно было бы убрать с рабочей станции Боба и он мог бы приступить к обработке третьего изделия в момент 100.) Остальная часть этой таблицы вычислена по тому же принципу: получение случайного числа, нахождение соответствующего времени обработки, фиксация времени ожидания (если таковое имеется) и вычисление момента завершения. Обратите внимание, что при отсутствии между рабочими станциями Боба и Рэя свободного пространства для хранения изделий простаивать (и довольно долго) приходится обоим работникам.

Таблица 17д.4. Моделирование двухэтапной сборочной линии с рабочими станциями Боба и Рэя Боб Рэй Место для хранения Номер Случайное Время Время Время Время Случайное Время Время Время Время изделия число начала выполнения окончания ожидания число начала выполнения окончания ожидания 1 56 00 50 50 0 83 50 70 120 2 55 50 50 100 20 0 47 120 50 3 84 120 60 180 0 08 180 20 200 4 36 180 40 220 0 05 220 10 230 5 26 220 40 260 0 42 260 40 300 6 95 260 70 330 0 95 330 80 410 7 66 330 50 380 30 0 17 410 20 8 03 410 10 420 10 0 21 430 30 9 57 430 50 480 0 31 480 40 520 10 69 480 50 530 0 90 530 70 600 470 60 430 Теперь мы можем ответить на некоторые вопросы, касающиеся данной линии.

Пропускная способность системы составляет в среднем 60 секунд на одно изделие (полное время 600 секунд для Рэя, поделенное на 10 изделий).

Коэффициент использования времени Боба равняется 470/530 = 88,7%.

Коэффициент использования времени Рэя равняется 430/550 = 78,2% (без учета начального времени ожидания первого изделия — 50 секунд).

Среднее время выполнения операции у Боба равняется 470/10 = 47 секунд.

Среднее время выполнения операции у Рэя равняется 430/10 = 43 секунды.

Мы продемонстрировали, как решить данную задачу с помощью простого "ручного" моделирования. Тем не менее, выборка из 10 изделий слишком мала, чтобы относиться к ней с большим доверием, поэтому такую задачу лучше решать на компьютере, задав несколько тысяч изделий. Еще один вариант этой задачи мы рассмотрим в следующем разделе настоящего Дополнения.

Помимо этого, крайне важно рассмотреть влияние пространства для хранения изделий между рабочими станциями. Сначала можно посмотреть, какими будут пропускная способность сборочной линии и коэффициенты использования работников при отсутствии свободного пространства для хранения изделий между рабочими станциями. При втором "прогоне" это пространство можно увеличить с нуля до единицы и зафиксировать соответствующие изменения в поведении модели. Повторение "прогонов" для двух, трех, четырех и т.д. единиц дает руководству предприятия возможность сравнить дополнительные затраты на организацию свободного пространства и эффект от повышения коэффициентов использования работников. Создание свободного пространства между рабочими станциями может потребовать более вместительного здания, большего количества материалов и деталей в системе, оборудования для транспортировки материалов, не говоря уж о дополнительном отоплении, освещении, техническом обслуживании помещения и т.п.

Результаты моделирования предоставляют в распоряжение руководства немало полезной информации, с помощью которой они могут, например, выяснить, какие изменения произойдут в системе, если автоматизировать одно из рабочих мест.

Сборочную линию можно промоделировать с помощью данных о таком автоматизированном процессе и выяснить, оправданно ли подобное изменение с экономической точки зрения.

Моделирование с помощью электронных таблиц Как мы уже не раз подчеркивали в этой книге, такие электронные таблицы, как Microsoft Excel, оказывают большую пользу при решении многих задач. В табл. 17д. показаны результаты моделирования с помощью Microsoft Excel двухэтапной сборочной линии с рабочими станциями Боба и Рэя. В соответствующей процедуре реализована та же логика, которая использовалась нами при ручном моделировании (см. табл. 17д.4).

В целом процесс моделирования в Excel охватил 1200 итераций, что отражено на рис. 17.5 и в табл. 17д.6, т.е. Рэй обработал 1200 изделий. Имитационное моделирование, являясь аналитическим инструментом, имеет преимущество над количественными методами в том, что моделирование отражает динамику, тогда как аналитические методы фиксируют показатели, усредненные на длительном отрезке времени. Как видно из рис.

17.4 и 17.5, в данном случае совершенно отчетлива переходная фаза. Может даже возникнуть ряд вопросов в связи с долгосрочным функционированием такой сборочной линии, поскольку не заметно, чтобы она в конце концов перешла в какое-либо устойчивое состояние — даже после 1200 итераций (обработанных изделий). На рис. 17.4 показан результат прохождения через эту двухэтапную сборочную линию 100 изделий. Обратите внимание на широкий разброс времени при обработке первых изделий. Эти величины представляют собой среднее время, которое уходит на обработку изделий. Речь в данном случае идет о среднем по "нарастающему итогу": обработка первого изделия занимает время, выраженное случайными числами;

для двух изделий определяется среднее время обработки изделия по сумме времени обработки первого и второго изделий, разделенной на 2;

для трех изделий — среднее время по сумме времени обработки первых трех изделий и т.д. Форма кривой в начале процесса зависит только от потока случайных чисел и может отличаться от показанной на рис. 17.4. Уверенным можно быть лишь в том, что среднее время обработки в течение какого-то периода времени будет значительно колебаться и, затем, по мере обработки изделий, эти колебания постепенно будут сглаживаться и установится относительно стабильное среднее значение.

На рис. 17.5 показано среднее время, проводимое изделиями в системе. В самом начале кривая отображает нарастание количества времени, проводимого в системе. Это можно было предвидеть, поскольку работа системы начиналась "с нуля", и при передаче изделий от Боба к Рэю не возникает никаких задержек. Затем некоторым изделиям, поступающим в систему, приходится ожидать при передаче с одной стадии обработки на другую, что увеличивает "незавершенное производство". Задержки последующих изделий приводят к постепенному накоплению времени ожидания. Однако через определенное время наступает фаза стабильности (если только производительность второй стадии не окажется меньше производительности первой стадии). В данном случае мы не предусмотрели свободного пространства между рабочими местами, поэтому, если Боб закончит свою операцию первым, ему придется ожидать Рэя. Если Рэй первым закончит свою работу, ему приходится ожидать Боба.

Таблица 17д.5. Моделирование с помощью MS Excel двухэтапной сборочной линии с рабочими станциями Боба и Рэя Боб Рэй Среднее Изде- Случай- Время Время Время Время Случай время Время время время Общее Среднее время лие ное начала выпол- завер- ожи- -ное начала выпол- завер- ожи- время время в на число нения шения дания число нения шения дания системе изделие 1 93 0 70 70 0 0 70 10 80 70 80,0 80 80, 2 52 70 50 120 0 44 120 50 170 40 85,0 100 90, 3 15 120 30 150 20 72 170 60 230 0 76,7 110 96, 4 64 170 50 220 10 35 230 40 270 0 67,5 100 97, 5 86 230 60 290 0 2 290 10 300 20 60,0 70 92, 6 20 290 40 330 0 82 330 70 400 30 66,7 110 95, 7 83 330 60 390 10 31 400 40 440 0 62,9 110 97, 8 89 400 60 460 0 13 460 20 480 20 60,0 80 95, 9 69 460 50 510 0 53 510 50 560 30 62,2 100 95, 10 41 510 50 560 0 48 560 50 610 0 61,0 100 96, 11 32 560 40 600 10 13 610 20 630 0 57,3 70 93, 12 1 610 10 620 10 67 630 60 690 0 57,5 80 92, 13 11 630 30 660 30 91 690 70 760 0 58,5 130 95, 14 2 690 10 700 60 76 760 60 820 0 58,6 130 97, 15 11 760 30 790 30 41 820 40 860 0 57,3 100 98, 16 55 820 50 870 0 34 870 40 910 10 56,9 90 97, 17 18 870 30 900 10 28 910 30 940 0 55,3 70 95, 18 39 910 40 950 0 53 950 50 1000 10 55,6 90 95, 19 13 950 30 980 20 41 1000 40 1040 0 54,7 90 95, 20 7 1000 20 1020 20 21 1040 30 1070 0 53,5 70 94, 21 29 1040 40 1080 0 54 1080 50 1130 10 53,8 90 93, 22 58 1080 50 1130 0 39 1130 40 1170 0 53,2 90 93, 23 95 1130 70 1200 0 70 1200 60 1260 30 54,8 130 95, 24 27 1200 40 1240 20 60 1260 50 1310 0 54,6 110 95, 25 59 1260 50 1310 0 93 1310 80 1390 0 55,6 130 97, 26 85 1310 60 1370 20 51 1390 50 1440 0 55,4 130 98, 27 12 1390 30 1420 20 35 1440 40 1480 0 54,8 90 98, 28 34 1440 40 1480 0 51 1480 50 1530 0 54,6 90 97, 29 60 1480 50 1530 0 87 1530 70 1600 0 55,2 120 98, 30 97 1530 80 1610 0 29 1610 30 1640 10 54,7 110 99, В табл. 17д.6 представлены результаты моделирования обработки Бобом и Рэем изделий. Сравните эти результаты с теми, которые мы получили, промоделировав вручную обработку 10 изделий, — не так уж плохо! Среднее время работы Боба составило 46,48 секунд. Это достаточно близко к взвешенному среднему значению, которого можно было бы ожидать на длительном отрезке времени. Для Боба этот показатель будет таким:

(10 х 4 + 20 х 6 + 30 х 10 и т.д.)/100 = 45,9 секунд.

Ожидаемое время для Рэя будет таким:

(10х4 + 20 х 5 + 30 х 6 и т.д.)/50 = 46,4 секунд.

Программы и языки моделирования Имитационные модели бывают непрерывными и дискретными. Непрерывные модели основываются на непрерывных математических уравнениях и имеют значения для всех точек на оси времени. В отличие от непрерывного моделирования, дискретное моделирование осущест вляется только в определенные моменты времени. Например, клиенты, периодически подходящие к окошку банковского служащего, идеально "вписываются" в концепцию дискретного моделирования. Моделирование "перепрыгивает" из одной точки на оси времени в другую: прибытие клиента, начало обслуживания, завершение обслуживания, прибытие следующего клиента и т.д.

Дискретное моделирование может также запускаться через фиксированные промежутки времени;

такими промежутками времени бывает день, час или минута. Это называется моделированием событий (Event Simulation);

любые отрезки времени между событиями не представляют интереса для такого моделирования. К тому же их просто невозможно вычислить из-за отсутствия математических уравнений, которые связывали бы последовательно наступающие события. Практически все приложения, касающиеся управления производством, используют дискретное моделирование (моделирование событий).

Рис. 17.4. Среднее время на обработку одного изделия (время окончания, разделенное на количество изделий) Рис. 17.5. Среднее время, которое изделие проводит в системе Программы моделирования бывают универсальными и специализированными. К универсальному программному обеспечению относятся языки программирования, которые позволяют программистам строить свои собственные модели. Примерами универсальных языков моделирования являются SLAM II, SIMSCRIPT II.5, SIMAN, GPSS/H, GPSS/PC, PC-MODEL и RESQ. Специализированное программное обеспечение (например, МАР/1 и SIMFACTORY) предназначено для моделирования конкретных, специальных приложений. Например, в специализированном программном обеспечении для моделирования производства предусмотрены средства, с помощью которых можно указывать количество рабочих центров, их описания, интенсивность поступления, время обработки, размеры партий, объемы незавершенного производства, наличные ресурсы (в том числе трудовые), последовательности и т.д. Кроме того, такая программа нередко позво ляет аналитику наблюдать производственный процесс в анимационном представлении и следить по ходу моделирования за количественными показателями и потоками в системе. Данные собираются, анализируются и представляются в форме, наиболее подходящей для приложения соответствующего типа.

Таблица 17д.6. Результаты моделирования обработки 1200 изделий на сборочной линии Боба и Рэя Боб Рэй Изделие Коэффициент использования 0,81 0, Среднее время ожидания 10,02 9, Среднее время работы 46,48 46, Среднее время на одно изделие 57, Среднее время в системе 103, Существует немало компьютерных программ моделирования, предназначенных для выполнения на компьютерах различных типов — от микрокомпьютеров до "мэйнфреймов" (больших ЭВМ). Как же из столь внушительного перечня выбрать самую подходящую программу?

Прежде всего нужно понимать, что существуют различные типы моделирования.

Затем, внимательно изучив программы, которые предлагает рынок, нужно найти такую, которая соответствует вашим конкретным потребностям. Пример успешного применения одной из коммерческих программ приведен во врезке "Причины переполнения больниц удалось установить в ходе моделирования". Если же подходящей программы не удается найти, иногда не так уж сложно создать собственную специализированную программу моделирования. Тем более, что такая программа будет полностью соответствовать вашим потребностям и с ее использованием у вас наверняка не возникнет проблем.

Systems Modeling Corporation проектирует программы моделирования для различных систем, начиная с производственных предприятий и заканчивая ресторанами быстрого питания. Модели, разработанные с помощью их продуктов — SIMAN/Cinema V и Arena, — можно использовать для помощи инженерам и менеджерам, пытающимся отыскать "узкие места" и другие проблемы в уже существующих системах или рассчитать мощности производственных потоков предлагаемых систем (например, завода, показанного на этом рисунке). http://www.sm.com И последнее замечание, касающееся программ моделирования: хорошим средством моделирования являются электронные таблицы. Как вы уже заметили, двухэтапную систему Боба и Рэя мы моделировали в предыдущем разделе с помощью электронных таблиц. Электронные таблицы становятся все более "дружественными" по отношению к пользователю, в них появляются все новые возможности (например, возможность генерирования случайных чисел и возможность ставить вопросы типа "а что, если..."). Простота применения электронных таблиц для моделирования может с лихвой компенсировать любую потребность в упрощении задачи, вызванную желанием воспользоваться электронными таблицами.

Для расширения возможностей электронных таблиц можно использовать программный продукт ©RISK, работающий с Microsoft Excel. Эта программа добавляет к электронным таблицам множество полезных функций, связанных с моделированием.

Использование @RISK позволяет автоматизировать извлечение случайных значений из любой указанной функции распределения, автоматизировать пересчет электронной таблицы на основе новых случайных значений;

кроме того, эта программа отображает выходные значения и статистику. @RISK упрощает процесс построения и "прогона" имитационных моделей, созданных на основе электронных таблиц5.

См. работу Wayne L. Winston, Simulation Modeling Using @RISK (Belmont, CA: Wadsworth Publishing Company, 1996). Продукт @RISK разработан компанией Palisade Corporation (http: //www.palisade.com).

Желательные характеристики моделирующих программ Чтобы научиться работать с программами моделирования, требуется определенное время. После того как пользователь освоит какую-либо из этих программ, он, как правило, очень неохотно переходит к работе с другой программой. Поэтому к проблеме первого выбора нужно подходить со всей ответственностью. Программа моделирования должна отвечать следующим требованиям.

1. Она должна предусматривать возможность использования как в интерактивном режиме, так и в режиме автоматического выполнения, т.е. от начала до конца без вмешательства человека.

2. Она должна быть "дружественной" по отношению к пользователю, а ее освоение не должно быть связано с чрезмерными усилиями.

3. Она должна обеспечивать возможность создания модулей и последующего их объединения. В таком случае модули можно разрабатывать по отдельности, не затрагивая при этом всю остальную систему.

4. Она должна давать возможность пользователям самим писать и подключать собственные подпрограммы — никакая программа моделирования не в состоянии обеспечить все потребности пользователей.

5. Она должна включать "строительные блоки" со встроенными командами (например, статистический анализ или правила принятия решений относительно того, куда переходить дальше).

6. В ней должно быть предусмотрено средство написания макрокоманд, например средство проектирования обрабатывающих ячеек (Machining Cells).

7. В ней должно быть предусмотрено средство описания материальных потоков.

Производство связано с перемещением материалов и людей;

в программе должна быть предусмотрена возможность моделирования вагонеток, тележек, грузоподъемных кранов, конвейеров и т.д.

НОВАЦИЯ Причины переполнения больниц удались установить в ходе моделирования Благодаря увеличению продолжительности жизни, достигнутому за счет улучшения качества медицинского обслуживания в сочетании с переменами в демографической структуре населения, больницы повсеместно оказываются переполненными. Ограниченные бюджеты здравоохранения заставляют руководство больниц искать нестандартные решения этой неожиданно возникшей проблемы. Однако особенностью любых нестандартных решений является высокий риск, связанный с попытками их внедрения, поэтому эффективность таких решений желательно оценить еще на стадии проектирования. С точки зрения затрат, чем раньше будет сделана оценка эффективности предлагаемого решения (и соответственно, чем раньше это решение будет принято или отвергнуто), тем лучше.

Лаборатория Outpatient Laboratory при медицинском центре Bay Medical Center, как и многие другие медицинские учреждения, испытывала серьезные трудности с обеспеченностью "производственными мощностями". В дополнение к этим трудностям, руководство лаборатории затеяло реконструкцию. Впрочем, эта реконструкция, призванная повысить эффективность лаборатории, лишь добавила им проблем. Одной из этих проблем стало переполнение. В начале 1992 года Дейв Нэлл, главный инженер (Management Engineer) Bay Medical Center, решил провести исследование, чтобы оценить несколько вариантов и сформулировать рекомендации для устранения "узких мест" и повышения пропускной способности Outpatient Laboratory. Задача этого исследования заключалась в разработке и оценке разных способов борьбы с переполнением в Outpatient Laboratory.

Решение Основной технологией, которой воспользовался Дейв при проведении этого исследования, было компьютерное моделирование. Дейв и раньше неоднократно использовал в своей работе компьютерное моделирование и пришел к выводу, что это весьма эффективный способ разобраться в проблеме и оценить возможные варианты ее решения.

На основе дискуссий с менеджерами, отвечающими за работу Outpatient Laboratory, Дейв построил сетевую модель, в которой отразил характеристики потока пациентов через лабораторию в его нынешнем виде. Затем были собраны данные о времени, которое требуется пациентам для получения тех или иных медицинских услуг, а также о времени, которое требуется пациентам для перемещения из одной комнаты, где им оказывались соответствующие услуги, в другую. На основании этой информации Дейв построил базовую компьютерную модель лаборатории.

Затем Дейв несколько видоизменил эту компьютерную модель и воспользовался ею для исследования вопросов, касающихся трех способов решения проблемы переполнения Outpatient Laboratory.

a) изменение штатного расписания, которое должно было коснуться не только медицинского персонала, но и административных работников;

b) использование другой клиники в качестве "шлюза", открывающегося при возникновении переполнения;

c) возможная реконструкция "производственных мощностей" самой лаборатории.

Что касается изменения штатного расписания, то компьютерное моделирование позволило установить, что существовавший на тот момент штат медицинских работников был близок к оптимальному. Что же касается административного персонала, то Дейв пришел к выводу, что его вполне можно сократить без ущерба для обслуживания пациентов. Однако проблемы с персоналом не представлялись самыми главными. Учитывая возможность использования (при переполнении) "производственных мощностей" другой лаборатории, можно было рассчитывать на значительное повышение пропускной способности Outpatient Laboratory — правда, для этого еще требовалось уговорить пациентов воспользоваться услугами другой лаборатории. Несмотря на то, что моделирование ничего не говорило о том, как следует уговаривать пациентов, оно позволило Дейву выполнить количественную оценку преимуществ, связанных с повышением коэффициента использования такой альтернативной лаборатории на 5%, 10% и т.д. Что же касается варианта реконструкции действующих "производственных мощностей" Outpatient Laboratory, то Дейв пришел к выводу, что даже в случае относительно небольшой их реконструкции и внесения определенных процедурных изменений можно добиться значительного повышения пропускной способности Outpatient Laboratory. Повышение пропускной способности, конечно же, подразумевало и повышение качества обслуживания пациентов.

Преимущества Разумеется, никто заранее не мог бы точно предсказать результаты тех или иных способов решения проблемы переполнения лаборатории Outpatient Laboratory при медицинском центре Bay Medical Center, опираясь лишь на собственную интуицию. Результаты анализа моделирования и сделанные из этого выводы помогли Дейву оценить относительные достоинства и недостатки каждого из альтернативных вариантов, а также предсказать их влияние на эффективность работы лаборатории. Сделав незначительные капиталовложения в виде рабочего времени, затраченного Дейвом на моделирование, руководство Bay Medical Center смогло принять обоснованные решения с учетом возможных затрат и потенциальных выгод. Принятые решения оказались правильными и своевременными. Они позволили сэкономить немало денег и повысить качество обслуживания пациентов.

Источник. Micro Analysis and Design Simulation Software, Inc., Boulder, CO.

8. В ней должна быть предусмотрена возможность вывода стандартной статистики, например длительности цикла, коэффициента использования и времени ожидания.

9. Она должна допускать множество вариантов анализа данных (как для входных, так и для выходных данных).

10. В ней должна быть предусмотрена возможность анимации, позволяющая отображать в графическом виде поток продукции через систему.

11. В ней должна быть предусмотрена возможность интерактивной отладки модели, в ходе которой пользователь мог бы отслеживать потоки в модели и легко отыскивать ошибки1.

S. Wali Haider and Jerry Banks, "Simulation Software Products for Analyzing Manufacturing Systems", Industrial Engineering, July 1986, p. 98-103.

Преимущества и недостатки имитационного моделирования Ниже приводится перечень доводов в пользу применения имитационного моделирования, а также случаев, когда его применение противопоказано (хотя мы сразу же должны отметить, что этот перечень ни в коем случае нельзя считать исчерпывающим — скорее мы перечисляем общеизвестные преимущества и недостатки имитационного моделирования).

Преимущества 1. Разработка имитационной модели системы зачастую позволяет лучше понять реальную систему.

2. В ходе моделирования возможно "сжатие" времени: годы практической эксплуатации реальной системы можно промоделировать в течение нескольких секунд или минут.

3. Моделирование не требует прерывания текущей деятельности реальной системы.

4. Имитационные модели носят намного более общий характер, чем математические модели;

их можно использовать в тех случаях, когда для проведения стандартного математического анализа нет надлежащих условий.

5. Моделирование можно использовать в качестве средства обучения персонала работе с реальной системой.

6. Моделирование обеспечивает более реалистичное воспроизведение системы, чем математический анализ.

7. Моделирование можно использовать для анализа переходных процессов, тогда как математические модели для этой цели не подходят.

8. В настоящее время разработано множество стандартизованных моделей, охватывающих широкий спектр объектов реального мира.

9. Имитационное моделирование отвечает на вопросы типа "а что, если...".

Недостатки 1. Несмотря на то, что на разработку имитационной модели системы может уйти довольно много времени и труда, нет никакой гарантии, что модель позволит получить ответы на интересующие нас вопросы.

2. Нет никакого способа доказать, что работа модели полностью соответствует работе реальной системы. Моделирование связано с многочисленными повторениями последовательностей, которые основываются на генерации случайных чисел, имитирующих наступление тех или иных событий. Явно стабильная система может — при неблагоприятном сочетании событий — "пойти вразнос" (хотя это и весьма маловероятно).

3. В зависимости от системы, которую мы хотим моделировать, построение модели может занять от одного часа до 100 человеко-лет. Моделирование сложных систем может оказаться весьма дорогостоящей затеей и занять немало времени.

4. Моделирование может быть менее точным, чем математический анализ, поскольку — подчеркнем еще раз — в его основу положена генерация случайных чисел.

Если реальную систему можно представить математической моделью, предпочтение следует отдать именно такому способу моделирования.

5. Для "прогона" сложных моделей требуется довольно значительное компьютерное время.

6. Для метода имитационного моделирования по-прежнему характерно недостаточное использование стандартизованных подходов (хотя некоторый прогресс в преодолении этого недостатка уже намечается). В результате модели одной и той же реальной системы, построенные разными аналитиками, могут иметь мало общего между собой.

Резюме Можно утверждать, что все, что поддается математическому анализу, можно описать с помощью имитационных моделей. Однако моделирование далеко не всегда является идеальным решением проблемы. Если интересующую нас проблему можно решить математическими методами, предпочтение следует отдать именно им, поскольку это займет меньше времени и обойдется дешевле. Кроме того, очевидным достоинством математического анализа является доказуемость, и вопрос заключается лишь в том, действительно ли данная математическая модель адекватно отображает реальную систему.

В то же время о моделировании нельзя сказать ничего определенного: для построения моделей и выдвижения допущений относительно моделируемой системы практически нет никаких границ. Повышение возможностей компьютеров (быстродействие и объем памяти) существенно расширяет спектр объектов реального мира, которые можно описывать имитационными моделями.

Появление все новых и более совершенных языков и программ моделирования — как универсальных (SIMAN, SLAM), так и специализированных программ (МАР/1, SIMFACTORY, Optima!) — позволяет надеяться на существенное облегчение всего процесса создания имитационных моделей.

Задачи с решениями Задача Воспользовавшись хорошо известным статистическим примером имитационного моделирования, разработать имитационную модель процесса вытаскивания шаров из урны, если в урне находится 100 шаров, 10% из которых зеленые, 40% — красные, а 50% — пятнистые. Каждый раз, когда из урны вытаскивается шар и фиксируется его цвет, он заменяется. При желании можно воспользоваться приведенными ниже случайными числами.

Промоделируйте вытаскивание 10 шаров из урны. Покажите, какие числа вы использовали.

26 768 66 954 83 125 08 42 613 17 457 55 503 36 95 457 03 704 47 019 05 95 276 56 970 84 828 05 Решение Назначьте шарам случайные числа, которые будут соответствовать процентному соотношению шаров в урне.

Случайное число 10 зеленых шаров 00- 40 красных шаров 10- 50 пятнистых шаров 50- Существует много возможных ответов, которые зависят от того, как присваивались случайные числа и какие именно числа из прилагаемого списка использованы.

Если последовательность случайных чисел соответствует той, которая указана выше, и если использовать две первые цифры из каждого числа, мы получим:

Случайное Цвет шара Случайное Цвет шара число число 26 Красный 17 Красный 42 Красный 3 Зеленый 95 Пятнистый 56 Пятнистый 95 Пятнистый 83 Пятнистый 66 Пятнистый 55 Пятнистый Среди вытащенных 10 шаров оказался 1 зеленый, 3 красных и 6 пятнистых шаров — неплохая оценка, если учесть незначительную величину выборки (10).

Задача Клиника в маленьком городке каждую неделю получает партию свежей плазмы из центрального банка крови. Конкретная поставка зависит от спроса со стороны других клиник и больниц в данном регионе, однако колеблется от четырех до девяти пинт крови наиболее широко используемого типа — типа 0. Число пациентов в неделю, которым требуется эта кровь, колеблется от нуля до четырех, причем каждому пациенту может потребоваться от одной до четырех пинт. Каким может оказаться избыток или нехватка крови (выраженные в пинтах) на протяжении шестинедельного периода при указанных ниже объемах поставок, распределении пациентов и потребности в крови на одного пациента? Для получения ответа воспользуйтесь моделированием. Рассмотрите случай, когда плазму можно хранить в течение длительного времени, но в данный момент запас плазмы полностью отсутствует.

Потребность в расчете на Объемы поставок Распределение пациентов одного пациента Пациентов в Пинт в Вероятность неделю, которым Вероятность Пинты Вероятность неделю требуется кровь 4 0,15 0 0,25 1 0, 5 0,20 1 0,25 ? 0, 6 0,25 2 0,30 3 0, 7 0,15 3 0,15 4 0, 8 0,15 4 0, 9 0, Решение Прежде всего выбираем последовательность случайных чисел, затем выполняем моделирование.

Поставки Пинты Вероятность Случайное число 4 0,15 00- 5 0,20 15- 6 0,25 35- 7 0,15 60- 8 0,15 75- 9 0,10 90- Количество пациентов Кровь Вероятность Случайное число 0 0,25 00- 1 0,25 25- 2 0,30 50- 3 0,15 80- 4 0,05 95- Потребность в расчете на одного пациента Пинты Вероятность Случайное число 1 0,40 00- 2 0,30 40- 3 0,20 70- 4 0,10 90- (Далее см. таблицу на следующей странице). В конце шести недель в клинике остается 14 пинт крови.

Вопросы для контроля о обсуждения 1. Почему моделирование иногда называют "последним средством"?

2. Какую роль в моделировании играет испытание статистических гипотез?

3. Что служит признаком того, что имитационная модель верна?

4. Обязательно ли использовать компьютер, чтобы в результате моделирования получить достоверную информацию? Поясните свой ответ.

5. Какие методы используются для наращивания времени в модели? Поясните принцип их действия.

6. Каковы "за" и "против" начала моделирования с "пустой" системы? А с системой в состоянии равновесия?

7. Поясните разницу между известными математическими распределениями и эмпирическими распределениями. Какая информация потребуется для выполнения моделирования, если воспользоваться одним из известных математических распределений?

8. Какую роль в моделировании играет длительность "прогона"? Можно ли сказать, что "прогон", включающий 100 наблюдений, в два раза достовернее "прогона" из наблюдений? Поясните свой ответ.

Задачи 1. Моделирование в аудитории: рыбное экспедиционное агентство Это — игровое упражнение, позволяющее проверить умение участников устанавливать правила формирования заказов для пополнения материальных запасов на протяжении 10-недельного периода планирования. Максимальную прибыль в конце определяет победитель.

Рыбное экспедиционное агентство (Fish Forwarders) поставляет свежие креветки различным потребителям в районе Нового Орлеана. В начале каждой недели агентство размещает заказы на поставку коробок с креветками у представителей рыболовецких флотилий, чтобы удовлетворить спрос своих клиентов на этот продукт, начиная с середины той же недели. Креветки поставляются сначала агентству Fish Forwarders, а затем — в конце недели — потребителям.

Пациенты, н Необходимое Поставленный Общий щиеся в кро количество объем нал Hi Начальный уждаюви крови ный недели запас Пациент Случай- Оставшееся запас Случайное Случайное Пинты ное Пациенты Пинты количество ичкрови число число число пинт Первый 21 1 0 74 7 7 85 3 Второй 1 1 3 6 5 Третий 2 2 31 5 7 28 1 96 4 Первый 3 3 02 4 7 72 2 12 67 1 Второй 4 4 53 6 10 44 1 23 1 5 9 16 5 14 16 0 Первый 65 6 14 40 6 20 83 3 Второй 2 1 3 18 17 Третий 7 Поставки креветок и спрос на них являются неопределенными величинами.

Поставки могут колебаться в пределах ±10% от заказанных объемов и, в соответствии с контрактом, Fish Forwarders обязано выкупить всю эту поставку. Вероятности, связанные с этими отклонениями, таковы: —10% — 30% времени;

0% — 50% времени;

+ 10% — 20% времени. Еженедельный спрос на креветки характеризуется нормальным распределением (среднее значение — 800 коробок с креветками;

стандартное отклонение — 100 коробок).

Каждая коробка с креветками обходится агентству в 30 долларов;

Fish Forwarders продает креветки своим клиентам по цене 50 долларов за коробку. Креветки, не распроданные к концу недели, продаются компании, изготавливающей корм для кошек, по цене 4 доллара за коробку. Fish Forwarders могло бы, при желании, заказывать у другого поставщика свежезамороженные креветки, но это повысило бы стоимость одной коробки с креветками на 4 доллара и, следовательно, каждая коробка с креветками обходилась бы агентству в 34 доллара.

Сценарий игры. Игра требует, чтобы каждую неделю принималось решение, сколько заказать коробок обычных креветок и сколько — свежезамороженных. Заказывать можно сколько угодно. Преподаватель играет роль арбитра и служит "генератором случайных чисел". Игра включает следующие стадии.

a) Примите решение относительно объема заказа обычных и свежезамороженных креветок и введите соответствующие значения в столбец 3 рабочего листа (табл. 17.7).

Допустим, что мы не располагаем начальным запасом свежезамороженных креветок.

b) Определите количество, которое поступит вам от поставщика, и введите его в графу "Полученные заказы". Чтобы выполнить эту стадию, арбитр "генерирует" случайное число (для этого он может воспользоваться таблицей случайных чисел с равномерным рас- пределением — например, из Приложения В) и определяет соответствующий ему уровень отклонения, исходя из следующих интервалов случайных чисел: от 00 до 29 = 10%, от 30 до 70 = 0%, от 80 до 99 = +10%. Если, например, случайным числом оказалось число 13, величина отклонения составит —10%. Таким образом, если вы решите заказать 1000 коробок обычных креветок и 100 коробок свежезамороженных креветок, объем, который вы фактически получите, составит 1000 - 0,10 (1000), или 900 коробок обычных креветок, и 100 — 0,10 (100), или 90 коробок свежезамороженных креветок. Обратите внимание, что отклонение одинаково для обычных и свежезамороженных креветок.

Полученные таким образом величины затем вводятся в столбец 4.

c) Добавьте количество свежезамороженных креветок у вас в запасе (если такой запас у вас действительно есть) к только что полученному количеству обычных и свежезамороженных креветок и введите полученную величину в столбец 5. Если использовать значения, приведенные выше, у вас должно получиться 990.

d) Определите спрос на креветки. Чтобы выполнить эту стадию, арбитр извлекает случайное (распределенное по нормальному закону) значение отклонения из табл. 17. или Приложения С и вводит его в уравнение наверху столбца 6. Таким образом, если значение отклонения равняется —1,76, то спрос на неделю составит 800 + 100 х (-1,76), или 624. (Mardi Gras -вторник на Масленой неделе, народный праздник в некоторых странах. — Прим. перев.) e) Определите проданное количество креветок. Этим значением будет меньшая из следующих двух величин: спрос (столбец 6) и количество, имеющееся в наличии (столбец 5). Таким образом, если участник игры получил 990 коробок, а спрос равняется 624, то следует ввести 624 (в этом случае останется 990 — 624 = 366 коробок креветок).

Таблица 17.7. Рабочий лист моделирования Размещенные заказы Полученные заказы Избыток (V (2) (3) (4) (5) (В) (7) (8) (9) Запас В наличии Продажа Свеже свежезаморо Обычн Свежезаморо Свежезамо (обычных и Спрос (минимум Обычн замор Нехватк Неделя Обычные женных ые женные роженные свежезаморожен (800+W0Z) спроса или ые оженн а креветок ных) наличия) ые 6 MAR DIGRAS * Итого *Только свежезамороженные f) Определите излишек. Величина излишка — это количество, оставшееся после того, как удовлетворен спрос на соответствующую неделю. Предполагается, что сначала продаются обычные креветки и только после этого — свежезамороженные. Таким образом, если мы воспользуемся числом 366, полученным в е), то излишек будет включать все 90 коробок свежезамороженных креветок.

g) Определите нехватку. Нехватка — это величина неудовлетворенного спроса за каждый период. Нехватка возникает лишь в случае, когда величина спроса превышает объем продаж. Поскольку все потребители используют купленные ими креветки в течение той недели, когда они были поставлены, говорить о невыполненных заказах не приходится. Величина нехватки (количество коробок креветок) вводится в столбец 9.

Определение прибыли. Табл. 17.8 служит для определения прибыли, получаемой в конце игры. Значения, которые следует вводить в эту таблицу, получаются путем суммирования соответствующих столбцов табл. 17.7 и выполнения указанных вычислений.

Указание. Моделируйте деятельность агентства Fish Forwarders на протяжении недель. Предполагается, что в конце 5-й недели участники игры берут 10-минутный перерыв, что дает им возможность подумать над тем, какие коррективы следует внести в свои действия. Им также понадобится спланировать стратегию формирования заказов на неделю Mardi Gras, когда поставки креветок будут приостановлены.

2. Менеджер небольшого почтового отделения озабочен тем, что рост населения города ведет к перегрузкам в работе его учреждения (в почтовом отделении предусмотрено только одно окошко для обслуживания посетителей). После специального исследования собрали данные по выборке из 100 посетителей, обратившихся в почтовое отделение.

Воспользовавшись приведенной ниже последовательностью случайных чисел, промоделируйте шесть прибытий;

оцените среднее время ожидания посетителем об служивания и среднее время простоя служащих почтового отделения.

Таблица 17.8. Прибыль, полученная в результате деятельности агентства Fish Forwarders Доход от продаж ($50 x столбец 7) $ Доход от продажи нераскупленного $ товара ($4 х столбец 8, обычные) Общий доход $ Затраты на покупку обычных креветок $ ($30 х столбец 4, обычные) Затраты на покупку свежезаморожен- $ ных креветок ($34 х столбец 4, свежезамороженные) Затраты на хранение свежезаморо- $ женных креветок ($2 х столбец 8, свежезамороженные) Затраты в результате нехватки $ ($20 х столбец 9) Общие затраты $ Прибыль $ Время между прибытием посетителей (минуты) Частота 1 2 3 4 5 Итого: Время обслуживания (минуты) Частота 1,0 1,5 2,0 2,5 3,0 3,5 Итого: Случайные числа: 08, 74, 24, 34, 45, 86, 31, 32, 45, 21, 10, 67, 60, 17, 60, 87, 74, 96.

3. К Томасу Магнусу, частному детективу, обратился потенциальный клиент из города Камало (остров Молокан). Клиент обратился вовремя, поскольку Магнус оказался "на мели" с последними 10 долларами в кармане. Подписание договора, однако, обусловлено прибытием Магнуса к клиенту в Камало в течение ближайших восьми часов.

Магнус в настоящее время находится в городе Кипахулу (остров Мауи) и в его распоряжении есть три способа добраться до Камало:

a) добраться на машине до деревушки Хонокахуа, а затем на шлюпке перебраться в Камало;

b) добраться до Хонокахуа, а затем, преодолев вплавь 10 миль пролива Паилоло, оказаться в Камало;

c) добраться на машине до городка Хана и попросить своего друга Т.С. перебросить его вертолетом в Камало.

Если выбрать вариант а), то время поездки на машине до Хонокахуа приведено в "Распределении 1". Оказавшись в Хонокахуа, Магнусу придется договариваться с местными жителями. Переговоры придется вести с несколькими людьми, и, если Магнус приступит к ним, перебираться через пролив вплавь будет уже поздно.

Суть переговоров заключается в том, сколько Магнус должен уплатить каждому из трех гребцов на шлюпке. Время проведения переговоров, оплата услуг команды шлюпки и время шлюпки в пути отображены в "Распределении 3", "Распределении 4" и "Распределении 5" соответственно. Можно допустить, что каждому члену команды шлюпки будет выплачена одна и та же сумма. Если общая сумма оплаты услуг команды шлюпки превысит 10 долларов, можно считать, что Магнусу не повезло — время поездки в таком случае стремится к бесконечности.

Время поездки на машине до Хонокахуа и время преодоления вплавь пролива Паилоло для варианта b) приведены в "Распределении 1" и "Распределении 6".

Время поездки на машине до городка Хана для варианта с) приведено в "Распределении 2". Однако Т.С. находится в аэропорту лишь 10% времени. Если Т.С. нет в аэропорту, Магнусу придется ждать, пока он появится там. Время ожидания Магнусом своего приятеля Т.С. задано "Распределением 8". Т.С, несмотря на свои самые теплые чувства к Магнусу, может отказаться лететь в Камало за имеющиеся у Магнуса долларов;

вероятность такого отказа, по прикидкам Магнуса, составляет 30%. Время ведения переговоров с Т.С. можно считать равным нулю. Если Т.С. отказывается, Магнус добирается на машине до Хонокахуа через Кипахулу, а затем вплавь перебирается через пролив Паилоло. Время вертолета в пути задано "Распределением 7".

Промоделируйте дважды каждый из трех способов добраться до Камало и, основываясь на результатах моделирования, вычислите среднее время в пути для каждого из этих вариантов. Воспользуйтесь приведенной ниже последовательностью случайных чисел (именно в том порядке, в каком они указаны, и не пропуская ни одного из них).

Случайные числа: 7, 3, 0, 4, 0, 5, 3, 5, 6, 1, 6, 6, 4, 8, 4, 9, 0, 7, 7, 1, 7, 0, 6, 8, 8, 7, 9, 0, 1, 2, 9, 7, 3, 2, 3, 8, 6, 0, 6, 0, 5, 9, 7, 9, 6, 4, 7, 2, 8, 7, 8, 1, 7, 0, Распределение 1. Время поездки на автомобиле от Кипахулу до Хонокахуа (часы) Время Вероятность Случайное число 1 0,2 0- 1,5 0,6 2- 2 0,2 8- Распределение 2. Время поездки на автомобиле от Кипахулу до городка Хана и обратно (часы) Время Вероятность Случайное число 0,5 0,2 0- 1 0,7 2- 1,5 0,1 Распределение 3. Время проведения переговоров (часы) Время Вероятность Случайное число 1 0,2 0- 1,5 0,3 2- 2 0,3 5- 2,5 0,2 8- Распределение 4. Оплата услуг одного члена команды шлюпки Оплата Вероятность Случайное число $2 0,3 0- 3 0,3 3- 4 0,4 6- Распределение 5. Время, чтобы добраться в шлюпке от Хонокахуа до Камало (часы) Время Вероятность Случайное число 3 0,1 4 0,5 1- 5 0,4 6- Распределение 6. Время, чтобы перебраться вплавь от Хонокахуа до Камало (часы) Время Вероятность Случайное число 5 0,2 0- 6 0,6 2- 7 0,2 8- Распределение 7. Время перелета от Хана до Камало (часы) Время Вероятность Случайное число 1 0,1 1,5 0,7 1- 2 0,2 8- Распределение 8. Время ожидания, проведенное Магнусом в аэропорту (часы) Время Вероятность Случайное число 1 0,1 2 0,2 1- 3 0,4 3- 4 0,3 7- 4. Станки на предприятии периодически выходят из строя в соответствии с приведенным ниже распределением времени между поломками. Время, которое требуется одному рабочему-ремонтнику на полное обслуживание одного станка, задается распределением времени обслуживания.

Время между Случайное Р(Х) поломками (часы) число 0,5 0,30 0- 1,0 0,22 30- 1,5 0,16 52- 2,0 0,10 68- 3,0 0,14 78- 4,0 0,08 92- Итого: 1, Время Случайное обслуживания Р(Х) число (часы) 0,5 0,25 0- 1,0 0,20 25- 2,0 0,25 45- 3,0 0,15 70- 4,0 0,10 85- 5,0 0,05 95- Итого: 1, Промоделируйте поломки этих пяти станков. Вычислите среднее время ремонта станка при наличии двух рабочих-ремонтников и приведенной ниже последовательности случайных чисел. (Оба рабочих-ремонтника не могут чинить одновременно один и тот же станок.) Случайные числа: 30, 81, 02, 91, 51, 08, 28, 44, 86, 84, 29, 08, 37, 34, 5. Дженнифер Джоунз — хозяйка небольшого кондитерского магазина;

она же единственная там работает. Был проведен хронометраж времени между появлениями покупателей в магазине и временем, которое требуется г-же Джоунз на обслуживание каждого покупателя. Выборка из 100 покупателей дала следующие результаты.

Время между прибытиями Количество (минуты) наблюдений 1 2 3 4 5 6 7 8 9 10 Время обслуживания Количество (минуты) наблюдений 1 2 3 4 5 6 7 8 9 10 Промоделируйте эту систему (т.е. все прибытия и обслуживание) в случае последовательного прибытия и обслуживания 10 покупателей.

Сколько времени в среднем проводит покупатель в этой системе? Для получения случайных чисел воспользуйтесь Приложением В.

6. В распоряжении профессионального тренера по американскому футболу есть шесть атакующих защитников (Running Backs). Тренер хотел бы оценить влияние возможных травм игроков на имеющийся у него резерв защитников. Незначительная травма заставляет игрока выйти из игры и пропустить лишь следующий матч. Серьезная травма заставляет игрока пропустить все матчи до конца сезона. Вероятность получения игроком в ходе матча серьезной травмы равняется 0,05. За игру случается не больше одной серьезной травмы. Распределение вероятностей незначительных травм в течение одной игры приведено в следующей таблице.

Количество Вероятность травм 0 0, 1 0, 2 0, 3 0, 4 0, 5 0, Итого: 1, Сложилось впечатление, что игроки получают травмы совершенно случайно и в их распределении на протяжении сезона не наблюдается какой-либо отчетливо выраженной закономерности. В течение сезона проводится 10 матчей.

Воспользовавшись приведенной ниже последовательностью случайных чисел, промоделируйте флуктуации резерва атакующих защитников, который есть в распоряжении тренера, на весь сезон. Предполагается, что на протяжении сезона тренер не может включать в состав команды дополнительных атакующих защитников.

Случайные числа: 044, 392, 898, 615, 986, 959, 558, 353, 577, 866, 305, 813, 024, 189, 878, 023, 285, 442, 862, 848, 060, 131, 963, 874, 805, 105, 452.

7. На предприятии Tucson Mills часто случаются незначительные поломки станков.

Возникновение поломок и время обслуживания, связанное с ремонтом станков, имеют случайное распределение. Руководство предприятия пытается минимизировать затраты, связанные с поломками станков. Стоимость одного часа простоя станков составляет долларов. Заработная плата рабочих-ремонтников равна 12 долларов в час.

Предварительное исследование позволило получить следующие данные о промежутках времени между последовательными поломками и соответствующим временем обслуживания.

Время между Случайное Р(Х) поломками (часы) число 0,5 0,30 0- 1,0 0,22 30- 1,5 0,16 52- 2,0 0,10 68- 3,0 0,14 78- 4,0 0,08 92- Итого: 1, Время обслуживания Случайное Р(Х) (часы) число 0,5 0,25 0- 1,0 0,20 25- 2,0 0,25 45- 3,0 0,15 70- 4,0 0,10 85- 5,0 0,05 95- Итого: 1, Относительная частота поломок станков Время между поломками (в 4 5 6 7 8 минутах) Относительная частота 0,10 0,30 0,25 0,20 0,10 0, Относительная частота времени обслуживания Время обслуживания (в 4 5 6 7 8 минутах) Относительная частота 0,10 0,40 0,20 0,15 0,10 0, Выполните моделирование 30 поломок при двух условиях — при наличии одного рабочего-ремонтника, при наличии двух рабочих-ремонтников.

Чтобы определить время между поломками, воспользуйтесь приведенной ниже последовательностью случайных чисел.

Случайные числа: 85, 16, 65, 76, 93, 99, 65, 70, 58, 44, 02, 85, 01, 97, 63, 52, 53, 11, 62, 28, 84, 82, 27, 20, 39, 70, 26, 21,41, 81.

Чтобы определить время обслуживания, воспользуйтесь приведенной ниже последовательностью случайных чисел.

Случайные числа: 68, 26, 85, 11, 16, 26, 95, 67, 97, 73, 75, 64, 26, 45, 01, 87, 20, 01, 19, 36, 69, 89, 81, 81, 02, 05, 10, 51, 24, 36.

a) Воспользовавшись результатами моделирования, вычислите (1) суммарное время простоя рабочих-ремонтников при каждом из заданных условий;

(2) суммарную задержку, вызванную ожиданием рабочего-ремонтника, который должен приступить к устранению поломки.

b) Укажите подход, обеспечивающий наименьшие затраты.

8. Сервисная станция Jethro располагает только одной заправочной колонкой.

Поскольку все автомобилисты округа Корнфилд водят большие автомобили, на станции есть место лишь для трех таких автомобилей (в том числе и автомобиля у заправочной колонки). Автомобилисты, подъезжающие к станции в тот момент, когда там уже находятся три автомобиля, отправляются к другой станции. Промоделируйте последовательное прибытие на станцию Jethro четырех автомобилей, воспользовавшись следующими распределениями вероятностей.

Время между прибытиями (минуты) Р(Х) Случайное число 10 0,40 0- 20 0,35 40- 30 0,20 75- 40 0,05 95- Время обслуживания (минуты) Р(Х) Случайное число 5 0,45 0- 10 0,30 45- 15 0,20 75- 20 0,05 95- Воспользуйтесь приведенной ниже последовательностью случайных чисел.

Случайные числа: 99, 00, 73, 09, 38, 53, 72, 91.

Сколько автомобилей отправляется на другие станции?

Сколько времени в среднем автомобиль проводит на станции?

9. Вас приняли на работу в качестве консультанта в сеть супермаркетов. Ваша задача — ответить на вопрос, интересующий руководство этой сети: какое максимальное количество покупок должно быть у покупателя, чтобы он имел право встать в очередь к кассовому аппарату "быстрого обслуживания"? Этот вопрос, с точки зрения руководства супермаркетов, вовсе не тривиален: результаты проведенного вами анализа будут положены в основу корпоративной политики для всех 2000 магазинов сети. Для проведения соответствующих исследований вице-президент по организации торговли предоставил в ваше распоряжение месяц времени и двух ассистентов, которые должны оказывать вам помощь в сборе данных.

Приступая к проведению исследований, вы решаете не пользоваться методами теории очередей в качестве инструмента для анализа поставленной проблемы, поскольку считаете допущения этой теории некорректными применительно к вашему конкретному случаю. Вместо этого вы принимаете решение воспользоваться имитационным моделированием. С учетом приведенных ниже данных поясните подробно, как вы собираетесь проводить анализ поставленной проблемы, (1) какие критерии вы собираетесь использовать при вынесении своих рекомендаций;

(2) какие дополнительные данные могут вам понадобиться для проведения моделирования;

(3) как вы будете проводить предварительный сбор данных;

(4) как, по вашему мнению, должна быть сформулирована задача моделирования;

(5) какие факторы способны повлиять на применимость результатов моделирования ко всем магазинам сети.

Местонахождение магазинов Соединенные Штаты Америки и Канада Часы работы 16 часов в сутки 9 контрольных стоек, включая кассовый аппарат Средняя величина магазина "быстрого обслуживания" От 7 до 10 (некоторые из них, когда не заняты на Имеющееся количество контролеров контроле, 10. Эпопея Джо из главы 17 продолжается. У Джо появилась возможность заняться прибыльным ремонтным бизнесом, связанным с обслуживанием местного клуба мотоциклистов. (Их мотоциклы случайно попали под колеса грузовика-мусоровоза.) Клуб предлагает очень выгодные условия договора, однако категорически настаивает на том, чтобы суммарное время ремонта пяти мотоциклов не превышало 40 часов. Руководитель клуба подчеркнул, что он будет крайне разочарован, если мотоциклы окажутся не готовы к началу проведения очередного ралли. Джо по собственному опыту известно, что ремонтные работы этого типа зачастую связаны с несколькими передачами мотоцикла с одного процесса на другой, поэтому точно оценить время ремонта нельзя. Тем не менее, у Джо есть данные о выполнении подобных работ в прошлом, а именно: вероятность начала выполнения работы на том или ином процессе, время обработки для каждого процесса и вероятности переходов между каждой парой процессов.

Вероятность обработки Вероятность начала работ по за 2 за Процесс за 1 час данному процессу часа часа Ремонт рамы 0,2 0,4 0, 0, Ремонт двигателя 0,6 0,1 0, 0, Покраска 0,3 0,3 0, 0, Вероятность перехода с одного процесса на другой или завершения работ (стоп) Пользуясь этой информацией, выполните моделирование и определите время ремонта каждого мотоцикла. Представьте полученные результаты в виде графика Ганта, отображающего FCFS-план. (Предполагается, что в любом из процессов в каждый момент времени может выполняться обслуживание только одного мотоцикла.) Что вы, основываясь на результатах моделирования, посоветовали бы Джо делать дальше?

11. Руководство ресторана "Перекуси у Джо" приняло решение добавить окошко для обслуживания водителей, которые могли бы заказывать и получать блюда, не выходя из автомобиля. Из-за ограниченных финансовых возможностей ресторана можно обеспечить место только для двух автомобилей у окошка обслуживания водителей: один водитель обслуживается, другой ожидает. Джо хотел бы выяснить, скольким водителям придется отправляться на поиски другого ресторана из-за ограниченной площади у окошка обслуживания водителей. Промоделируйте последовательное появление 10 автомобилей у окошка обслуживания водителей в ресторане "Перекуси у Джо", воспользовавшись приведенными ниже распределениями вероятностей и случайными числами.

Время между прибытиями автомобилей Вероятность 1 0, 2 0, 3 0, 4 0, Время обслуживания Вероятность 1 0, 2 0, 3 0, Моделируя эту систему, воспользуйтесь следующими двухразрядными случайными числами:

Прибытия: 37, 60, 79, 21, 85, 71, 48, 39, 31, 35. Обслуживание: 66, 74, 90, 95, 29, 72, 17, 55, 15, 36.

12. В магазине Auto World, принадлежащем Джейн, применяется следующий подход к управлению запасами самой популярной модели автомобилей: когда запас автомобилей этой модели сокращается до 20 штук, размещается очередной заказ на 27 автомобилей.

Время выполнения заказа на поставку — 2 недели. В настоящее время в магазине автомобилей. Промоделируйте 15 недель продажи автомобилей, воспользовавшись указанными ниже вероятностями (эти вероятности вычислены на основе опыта продаж в прошлом).

Объем продаж за неделю Вероятность 5 0, 6 0, 7 0, 8 0, 9 0, 10 0, 11 0, 12 0, 13 0, 14 0, Моделируя объемы продаж, воспользуйтесь следующими случайными числами: 23, 59, 82, 83, 61, 00, 48, 33, 06, 32, 82, 51, 54, 66, 55.

Считаете ли вы, что подход к управлению запасами автомобилей, применяемый в магазине Auto World, оптимален? Поясните свой ответ.

Основная библиография R. Conway, W.L. Maxwell, J.D. McClain and S. L. Worona, XCELL & Factory Modeling System Release 4.0, 3rd ed. (San Francisco: Scientific Press, 1990).

Wali Haider S. and Jerry Banks, "Simulation Software Products for Analyzing Manufacturing Systems", Industrial Engineering, July 1986, p. 98-103.

MicroAnalysis and Design Software Inc., "Hospital Overcrowding Solutions are Found with Simulation", Industrial Engineering, December 1993, p. 557.

Averill M. Law and W. David Kelton, Simulation Modeling and Analysis, 2nd ed. (New York: McGraw-Hill, 1991).

James A. Payne, Introduction to Simulation (New York: McGraw-Hill, 1982).

Susan L. Solomon, Simulation of Waiting Lines (Englewood Cliffs, NJ: Prentice-Hall, 1983).

Julian Swedish, "Simulation Brings Productivity Enhancements to the Social Security Administration", Industrial Engineering, May 1993, p. 28-30.

Wayne L. Winston, Simulation Modeling Using @RISK (Belmont, CA: Wadsworth Publishing Company, 1996).

Woolsey, "Whatever Happened to Simple Simulation? A Question and Answer", Interfaces, August 1979, p. 9—11.

Часть V Обновление операционных систем В этой части...

Глава 18. Операционный консалтинг Глава 19. Обновление бизнес-процесса Глава 20. Синхронное производство и теория ограничений "В мире нет ничего более постоянного, чем изменения " Греческий философ Гераклит, конец VI - начало V века до н.э.

Не исправляй, пока не поломается — спорный принцип для сегодняшнего делового мира. Если компания не занимается самоулучшением, ее менеджеры просто не выполняют свои обязанности. Все конкурентоспособные компании всегда выбирают путь усовершенствования. Изменения неизбежны для того, кто хочет поспевать за улучшениями в сфере управления, технологий и продукции. Данная часть посвящена трем главным силам, ведущим к изменениям. Глава 18 описывает работу консалтинговых фирм, занятых, в основном, операционным менеджментом. Глава 19 охватывает спорные вопросы переориентации бизнес-процессов. Многие из сегодняшних изменений на фирмах проходят под видом проектов по переориентации. Глава 20 посвящена некоторым из инновационных идей "Теории ограничений" Элияху Голдрата (Eliyahu M. Goldratt). Его идеи подтолкнули практиков и теоретиков к переосмыслению многих спорных вопросов в коммерции и производстве.

ГЛАВА 18 Операционный консалтинг В этой главе...

Что такое операционный консалтинг Сущность консалтинга менеджмента Экономика консалтинговых компаний Когда нужен операционный консалтинг Процесс операционного консалтинга Инструментарий операционного консалтинга Ключевые термины Искатели (Finders) "Мозговые" проекты (Brain Surgery Projects) Мыслители (Minders) Процедурные проекты (Procedures Projects) "Седовласые" проекты (Gray Hair Projects) Станочники (Grinders) Ресурсы WWW Andersen Consulting (http://www.ac.com) Management Consultant Network International (http://www.mcninet.com) Institute of Management Consultants (http://www. imcusa.org) Fast Company magazine (http: //www. fastcompany. com) Consultants News (http://www.kennedypub.com) McKinsey & Co (http//www.mckinsey.com) Booz-Allen & Hamilton (http://www.bah.com) Ernst & Young's Ernie (http://www.ernie.ey.com) Марк Томас, директор английской фирмы Performance Dynamics, энергично дискутирует о том, что все люди, занятые в непроизводственных сферах — финансы, управление, информационные технологии, снабжение — должны предоставлять друг другу консалтинговые услуги.

В свое время ведущие компании имели внутренние консалтинговые ресурсы, доступные тем, кому они были нужны. Когда в компании возникали производственные проблемы в подконтрольном ей предприятии А или проблемы по распределению в отделе В, для их решения нужен был математический анализ, который проводился консультантами. Сегодня, несмотря на то, что у некоторых фирм всегда под рукой свои эксперты и многие команды одновременно работают над проектами разного рода, консультанты, как таковые, исчезли. Тенденции к сокращениям и предпочтению сторонних услуг привели к тому, что они оказались за бортом.

Зато появились многочисленные консалтинговые фирмы по менеджменту, которые только и ждут звонка.

Майкл Гулд из Ashridge Strategic Management Center допускает, что наличие небольших собственных консалтинговых ресурсов вполне оправдано "если это команда, более или менее рентабельная и умелая, чем та, которую можно привлечь извне". Тем не менее, он говорит, что "логика привлечения третьей стороны для работы существует... Сейчас люди более склонны пользоваться чьими-то услугами, чем раньше".

Есть признаки появления и обратной тенденции. В Нью-Йорке недавно Миэрс Сквиб основал группу по консалтингу менеджмента и нововведений. Управляемая новичком из McKinsey, группа взяла на себя выполнение обычных заданий по материально-техническому обеспечению, маркетингу, организационным и стратегическим вопросам, иногда в сотрудничестве с иностранными консалтинговыми фирмами.

В рекламных акциях фирмы Andersen Consulting подчеркивается необходимость для современных компаний быть более мобильными, особенно сегодня, когда быстрота и гибкость являются предпосылками к поддержанию конкурентоспособности. Консалтинг сегодня — одна из наиболее быстрорастущих сфер занятости для людей с опытом в управлении.

Цель этой главы — обсудить особенности обращений за консультациями по управлению, сущность консалтингового бизнеса, который также включает в себя компонент управления. Мы исходим из предположения, что читатель знаком с технологией и приемами анализа производства и мощностей, с теорией массового обслуживания, анализом инструментов производства и прочими стандартными компонентами административного управления в США.

(Поскольку вы уже прочли большую часть этой книги.) Как показывают примеры в этой книге, многие компании нуждаются во взаимном консалтинге. Но даже если читателя не интересует работа в консалтинговой фирме, эта глава важна уже тем, что вы сами можете оказаться в роли консультанта или иметь с ними дело.

Что такое операционный консалтинг Операционный консалтинг1 помогает клиентам в развитии операционных стратегий и улучшении производственного процесса. При развитии стратегии фирмы внимание акцентируется на анализе ее операционных возможностей в свете стратегии конкуренции.

Следуя М. Треси (М. Тгеасу) и Ф. Вьерсаму (F. Wiersema), предположим, что лидерство на рынке достигается с помощью трех стратегий: лидерством в продукции, выдающимися достижениями в менеджменте и установлением тесных взаимоотношений с покупателями2. Каждая из этих стратегий взывает к разным методам управления и концентрации усилий. Операционный консультант должен знать, как помочь осознать эти различия, должен уметь определить наиболее эффективную комбинацию технологий и систем для реализации стратегии. Для улучшения процесса внимание фокусируется на применении аналитических средств и методов с тем, чтобы помочь операционным менеджерам повысить производительность труда своих отделов. Delloite & Touche Consulting приводит следующий список действий для улучшения процесса:

усовершенствовать или исправить процесс, изменить направление деятельности, изменить рабочие графики, пересмотреть методику и технологию процесса, изменить выпуск и перестроить структуру. Позже мы также расскажем о стратегии и методике. Независимо от расставленных акцентов, результатом эффективной работы операционного консалтинга является сокращение разрыва между стратегией и процессом таким образом, чтобы клиент ощутил повышение качества своего бизнеса.

Выражаем благодарность Джебу Хортону (Jeb Horton) из Arthur Andersen за его помощь в написании этой главы.

М. Тгеасу and F. Wiersema, The Discipline of Market Leaders (Reading, MA: Addison Wesley, 1997).

Сущность консалтинга менеджмента "Отца научного управления" Фредерика У.Тейлора также называют "отцом консалтинга менеджмента". Молодой инженер Ф. Тейлор на рубеже XIX и XX столетий предложил философию и систему производственного менеджмента. Его книга Принципы научного управления превратила то, что было искусством, в систематический, доступный подход к изучению труда. Со времен Тейлора консалтинг менеджмента распространился далеко за пределы фирмы. Сегодня консалтинг менеджмента процветает, что подтверждает рост прибылей, приведенный в табл. 18.1.

Индустрия консалтинга менеджмента характеризуется тремя категориями: размер, специализация и принадлежность консультантов — внутрифирменные или внешние.

Большинство консалтинговых компаний невелики, с годовым оборотом менее чем 500 тысяч долларов. Но, как отмечает Дэвид Коллис (David J. Collis), типичный консультант работает в большой фирме, три четверти всех консультантов работают в фирмах, где занято свыше профессионалов3. Наряду с предоставлением широкого спектра услуг, крупные фирмы также специализируются на какой-либо главной функции, например операционный и производственный консалтинг, или в определенной сфере деятельности, например энергетика, медицина, финансы (на рис. 18.1 представлено распределение консалтинга по сферам деятельности).

David J. Collis, "The Management Consulting Industry", In Internet Class Notes, Harvard Business School, 1996.

Таблица 18.1. 25 лучших фирм США - основа консалтинга менеджмента, Годовые доходы консалтинга менеджмента'' (в млн. долл.) Количество Годовой доход В мире В США консультантов во консультанта (в тыс.

всем мире долл.) Andersen Consulting 3115 1590 43808 McKinsey & Со 2100 800 3944 Ernst & Younga 2100 1400 11200 Coopers & Lybrand 1918 1005 9000 Consultingb KPMG Peat Marwickb 1380 770 10764 Author Andersonc 1380 766 15000 Deloitte & Touched 1303 821 10000 Mercer Consulting Group 1159 707 9241 Towers Perin 903 659 6262 AT. Kearney 870 530 2300 Price Waterhousee 840 481 6230 IBM Consulting Group 730 530 3970 Booz-Allen & Hamiltonf 720 540 5685 Watson Wyatt Worldwide 656 417 3730 The Boston Consulting 600 180 1550 Group Gemini Consulting 600 218 1470 Arthur D. Little 574 299 1939 Hewitt Associatesb 568 538 3807 Aon Consulting 473 318 4370 Bain & Company 450 240 1350 American Management 440 300 2960 Systems Woodrow Milliman 350 188 1150 Grant Thornton8 306 66 886 Sedgwick Noble Lowndes 262 78 3142 The Hay Group 259 119 1035 * Примечания. Годовые доходы уменьшены на возмещенные расходы;

данные приведены по состоянию на: aоктябрь 1996;

bсентябрь 1996;

савгуст 1996;

dмай 1996;

еиюнь 1996;

fмарт 1997, прогноз;

gиюль 1996 по США, остальное — по мировым оценкам.

Источник. Consultants News, цитируется по статье из журнала Economist, March 22, 1997, p. 5.

Деятельность большинства консалтинговых компаний основана на работе с информационными технологиями и бухгалтерскими документами. Консалтинг подразделяется на внутренний или внешний, в зависимости от того, содержит ли компания собственную консалтинговую структуру или покупает консалтинговые услуги на стороне. Г-н Коллис отмечает, что внутренние консалтинговые подразделения обычно бывают у больших компаний и часто входят в их штат.

Консалтинговые компании подразделяются также по признаку стратегии и тактики анализа, планирования и реализации. McKinsey и Boston Consulting Group — типичные примеры компаний стратегического типа, в то время, как Gemini Consulting и Hay Group шире специализируются на тактических проектах и их реализации. Большие бухгалтерские фирмы и Andersen Consulting известны широкой сферой услуг. Главными новыми игроками в консалтинговом бизнесе являются большие фирмы, специализирующиеся на информационных технологиях, такие как Computer Sciences Corporation — CSC, Electronic Data Systems — EDS и IBM. Сфера консалтинга сталкивается с теми же проблемами, что и их клиенты: глобализация, компьютеризация для координации деятельности и необходимость постоянно нанимать и обучать служащих. Это ставит консалтинговые компании перед решающим выбором — либо вырасти в очень крупную» компанию, либо стать маленькой специализированной фирмой. Оставаться посередине приводит к проблемам, связанным с недостаточной организацией, с одной стороны, и недостаточной специализацией и гибкостью — с другой.

Рис. 18.1. Предлагаемые услуги Источник. Consultants News, цитируется по статье в журнале Economist, March 22, 1997, p. 40.

Структуру типичной консалтинговой фирмы можно представить в виде пирамиды. На верхушке пирамиды находятся партнеры и высшее руководство. Их основная функция заключается в продаже услуг и установлении связей с клиентами. В середине — менеджеры, которые руководят консалтинговыми проектами. Внизу — служащие, которые проводят консалтинговую работу, являясь частью консалтинговой команды. Существуют и ранговые градации в пределах каждой из этих категорий, например старшие партнеры. Часто употребляют разговорные названия: "искатели" (Finders) — о тех, кто в бизнесе, "мыслители" (Minders) — менеджеры, "станочники" (Grinders) — консультанты как таковые. Для консалтинговых фирм типична работа в проектных командах, собранных в соответствии с потребностями клиента, соображениями менеджеров и собственно консультантов. Прикрепление к интересным, перспективным проектам в команде с хорошими сотрудниками служит основой карьеры для большинства младших консультантов. Работа в команде и приобретение качественного консалтингового опыта для консультантов всегда будут решающими факторами достижения продолжительного успеха в консалтинговой фирме или для того, чтобы обратить на себя внимание другой консалтинговой фирмы.

Экономика консалтинговых компании Экономика консалтинговых фирм пространно описана Дэвидом Мейстером (David H.

Maister). В своей классической статье "Балансирование профессиональной фирмы"4 он проводит аналогию консалтинговой фирмы с предприятием, в котором нужные "машины" (штат профессионалов) должны быть правильно настроены на соответствующие виды работ (консалтинговые проекты). Аналогично производственным предприятиям, консалтинговые фирмы работают на заказ, и эти заказы бывают разной сложности. Самые сложные проекты, которые г-н Мей-стер называет "мозговыми" проектами (Brain Surgery Projects), требуют новаторского творческого подхода. За ними следуют "седовласые" проекты (Gray Hair Projects), для которых нужен значительный опыт без особого творчества. Третий вид проектов — процедурные проекты (Procedures), где главная суть проблемы хорошо известна, а действия по реализации проекта не отличаются от тех, которые выполняются и в других проектах.

David Н. Maister, "Balancing in Professional Service Firm", Sloan Management Review, Fall 1982, p. 15-29.

Поскольку консалтинговые фирмы, как правило, партнерские, их цель — обеспечить максимальную прибыль партнерам. Это достигается правильным сочетанием участия высококвалифицированных партнеров и консультантов среднего и младшего уровня. Их соотношение выражается коэффициентом участия партнеров в усредненном проекте. Пример подсчета доходов гипотетической консалтинговой фирмы приведен в табл. 18.2.

Поскольку консалтинговые фирмы в основном занимаются одновременно многими проектами, процент оплачиваемых рабочих часов партнерам составляет меньше 100%. Работа с заказами, связанными с риском для крупных клиентов (мозговые проекты), должна проводиться преимущественно высококвалифицированными консультантами, так как работники среднего уровня не могут обеспечить требуемого качества услуг. И наоборот, практика, связанная с процедурной работой без высокого риска, более эффективна при большой доле участия младших консультантов, так как высокооплачиваемые штатные сотрудники не соглашаются выполнять дешевые задания.

Таблица 18.2. Экономика Guru Associates Зарплата Общая Целевое Норма Гонорар одного сумма Уровень Количество Целевое оплачиваемое часовой (в тыс. служащего зарплаты использование количество оплаты (в долл.) (в тыс. (в тыс.

часов долл.) долл.) долл.) (расчеты в тыс. долл.

Старший 4 75% 6000 200 1200 приведены в нижней партнер части этой таблицы) Средний 8 75% 12 000 100 1200 75 Младший 20 90% 36 000 50 1800 32 Всего: 4200 Гонорар 4200 тыс. долл.

Зарплата - Обязательные платежи Накладные и прочие расходы* - Прибыль партнеров Прибыль на одного партнера * Накладные расходы предположительно составляют 40 тыс. долл. на каждого профессионала. Источник.

David H. Maister, Managing the Proffessional Service Firm (New York: The Free Press, 1993), p. 11.

Самый лучший способ повысить эффективность — применять хорошо отлаженные методики по каждому виду консалтинговой работы. Andersen Consulting, прославившаяся таким подходом, посылает новых консультантов на учебу в специализированный центр при своем учебном заведении в Сент-Чарлзе, штат Иллинойс. В нем обучаются хорошо отлаженным, стандартным методам ведения таких обычных операций, как системный дизайн, изменение или постоянное улучшение технологий. Также отрабатываются менеджмент проектов и отчетные процедуры, с помощью которых выполняется эта работа. В настоящее время практически все крупные консалтинговые фирмы имеют свою учебную базу и детально расписанные процедуры для продажи, разработки и выполнения консалтинговых проектов.

Когда нужен операционный консалтинг Приведем главные тактические и стратегические сферы, в которых компании обычно обращаются к операционному консалтингу. Начнем с 5Ps операционного консалтинга.

Заводы: открытие и размещение новых заводов, сокращение или переориентация существующих мощностей.

Персонал: качественное улучшение, разработка или изменение рабочих норм, изучение и анализ графиков работы.

Комплектующие: принятие решения об их изготовлении или покупке, выбор поставщика.

Процессы: оценка технологий, совершенствование производства, переориентация производства.

Система планирования и контроля: обеспечение руководства цепью поставок, планирование материальных потребностей, контроль загрузки мощностей, хранение на складах и распределение.

Очевидно, что многие из этих проблем взаимосвязаны, что требует их системного решения.

Вот примеры таких общих проблем: развитие стратегии производства, своевременные разработка и внедрение систем точно в срок, внедрение систем MRP или соответствующего компьютерного обеспечения, такого как SAP или Вааn IV, либо интеграционных систем, включая серверные технологии. Возникают типичные вопросы: Как сократить время и средства на освоение новой продукции? Как лучше проводить контроль загрузки мощностей? Среди актуальных проблем консалтинга можно назвать следующие: определение стратегии производства, фокусирование производства, завод будущего (хотя здесь нужна и производственная экспертиза), налаживание управления цепью поставок и, конечно, создание глобальной производственной сети. Огромным рынком для консалтинга является также сертификация качества по стандартам ISO 9000, обучение TQM, децентрализация производства.

Говоря о сфере услуг, следует заметить, что, если консалтинговые фирмы в производственной сфере имеют широкую специализацию и охватывают большой диапазон клиентов — от крупных компаний до мелких производителей, то консалтинг в сфере услуг обычно ставит акцент на мощную индустрию или сектор. Чаще всего в консалтинге услуг специализируются в таких сферах:

• финансы (кадры, автоматизация, исследования качества);

здравоохранение (кадры, оплата, офисные процедуры, телефонные переговоры, размещение);

• транспорт (графики движения, материально-техническое снабжение, погрузка и перевозка товаров, система бронирования и транспортировка багажа для авиалиний);

• гостиницы (бронирование, штат, цены и качество).

Однако не вызывает сомнения, что главной сферой операционного консалтинга в индустрии услуг является расширение и переориентация деятельности сервисных компаний.

Когда нужны операционные консультанты Обычно компании обращаются к операционным консультантам, когда сталкиваются с принятием серьезных решений о капиталовложениях или когда считают, что не получают максимальной отдачи от своих производственных мощностей. В качестве первой ситуации рассмотрим следующий пример.

Национальная компания, владеющая сетью ресторанов, наняла консультантов, чтобы выяснить, нужны ли дополнительные морозильные мощности для их фабрики по производству пирогов. Закончился строк аренды ближайшего морозильного склада и надо было быстро принять решение. Менеджер фабрики предложил увеличить мощность, что обошлось бы в 500 тысяч долларов. После анализа спроса на различные виды пирогов, анализа системы распределения и обсуждения условий контракта с грузоперевозчиком консультант пришел к выводу, что можно обойтись затратами всего лишь в 30 тысяч долларов, при условии следующих действий: изготавливать продукцию по смешанному производственному графику в соответствии с прогнозируемым выпуском каждого из видов пирогов (20% клубничных, 20% вишневых, 30% яблочных и 20% пирогов других видов на каждый двухдневный производственный цикл). Для этого нужно было вовремя получать информацию о спросе на пироги для каждого из ресторанов. Это, в свою очередь, требовало предоставлять информацию о спросе на пироги прямо на фабрику. (Прежде посредник покупал продукцию и перепродавал ее в рестораны. ) В конце концов компания заново договорилась о сроках поставок в каждый ресторан. Компания была менее уступчива при сделке с посредником, чем за 5 лет до этого, поэтому последний решил приспособиться к изменившимся условиям.

Урок, который можно извлечь из примера: не всегда лишь инвестиции определяют результат, решить проблему можно, используя известные концепции планирования и прогнозирования производства. Из приведенного примера следует, что проблема должна рассматриваться на системном уровне: нужно выяснить, как лучше использовать планирование и распределение, которые оказались способными заменить недостающие мощности.

Процесс операционного консалтинга Действия в процессе операционного консалтинга приблизительно те же, что и в любом другом консалтинге менеджмента. Главные различия кроются в самой сущности проблем и в применяемых методах анализа. Подобно консалтингу общего менеджмента, операционный консалтинг может сосредотачиваться на стратегическом или тактическом уровнях, и сам процесс обычно основывается на широком опросе служащих, менеджеров и, зачастую, клиентов. Если и существует главное различие, то оно состоит в том, что операционный консалтинг приводит к изменениям в физических или информационных процессах, результаты которых быстро ощутимы. Консалтинг общего менеджмента обычно предусматривает изменения в отношениях и культуре и, чтобы заметить его результаты, требуется более долгий период времени.

Заслугами операционного консультанта считаются наличие навыков моделирования и общения, коммуникабельность и грамотность, однако, требуется еще один навык, который можно назвать "фактором Коломбо". Здесь можно провести сравнение с надоевшим телевизионным полицейским детективом, который способен найти "виновника" по минимальному числу улик. Разгадка часто кроется в таких безобидных документах, как отчеты о недостающих деталях, составленные служащими на их рабочем месте. Поиск по этим спискам неизбежно приводит к разгадке причины отсутствия деталей и к главному источнику проблемы.

Этапы типичного процесса операционного консалтинга показаны на рис. 18. 2 и более детально расписаны ниже.

Рис. 18. 2. Этапы процесса операционного консалтинга 1. Уточните заявку и предмет консалтинга.

Нужно установить тесное взаимодействие между клиентом и консалтинговой фирмой, особенно если клиент новый.

a) Получите пакет данных от клиента, включающий годовые отчеты, организационные и производственные схемы, письма клиентов с жалобами, кадровые обзоры и литературу о продукции.

b) Проведите фоновое исследование, включающее:

• анализ отрасли (направления или технологии);

• позиционирование клиента в отрасли;

• анализ предыдущих и текущих проектов.

c) Определите разницу между реальной ситуацией и той, которая нужна клиенту, используя схемы организационных структур компании и производства. Это подведет вас ближе к проблеме.

d) Составьте письменное предложение, учитывающее следующие моменты:

• ситуацию, которая сложилась у клиента;

• результаты, которых ожидает клиент;

• резюме документа (с указанием возможных осложнений);

• изложение проблемы;

• первоначальную гипотезу;

• рабочий план, включая подход, которому нужно будет следовать, участие клиента и требуемая от него информация (включая установление контактных лиц);

• описание проекта, с определением всех фаз и результатов по каждой из них;

• обязанности членов команды и назначение средств, выделяемых на проведение проекта;

• структуру и график оплаты;

• способы внесения уточнений и гарантии услуг (при наличии).

2. Проведите анализ проблемы.

a) Разработайте стратегию сбора данных.

b) Соберите данные из разных источников.

c) Сделайте максимально упрощенный анализ цели.

d) Наметьте и разработайте альтернативные решения с учетом результатов анализа собранных данных.

e) Подберите подходящие методы и механизмы, смоделируйте и усовершенствуйте решение проблемы.

3. Спланируйте, разработайте и проверьте альтернативные решения проблемы.

a) Удостоверьтесь в целесообразности.

b) Уточните по рекомендациям последовательность действий и совместные усилия для их проведения.

c) Предварительно протестируйте и отладьте программу.

d) Выберите из рекомендаций приоритетные направления (некоторые консалтинговые фирмы рекомендуют внедрять предварительные решения уже на этом этапе, чтобы получить предварительную оплату от клиента).

4. Разработайте системные меры для исполнения.

a) Разработайте мероприятия, которые приведут клиента к успеху в бизнесе (определите предварительные затраты, качественные и временные рамки этих мер).

b) Оцените мероприятия по совершенствованию процессов и результатов.

Мероприятия, направленные на получение хороших результатов, должны:

• согласовываться с общими целями;

• ориентироваться на потребности клиента;

• предусматривать возможность дальнейшего улучшения;

• согласовываться по стоимости, качеству и времени;

• быть немногочисленными.

Мероприятия, направленные на совершенствование процесса, должны быть:

• четкими и понятными;

• ориентированными на процесс;

• спланированными людьми, занятыми в данной отрасли.

5. Предоставьте клиенту итоговый отчет.

Типичный формат: краткое изложение порядка выполнения, фоновая информация о компании и индустрии, анализ, рекомендации (сгруппированные по приоритетности), план реализации с разбивкой по времени и с учетом непредвиденных обстоятельств (уточнение: четко объясните каждый расчет на примерах и дайте клиенту для предварительного прочтения перед окончательным оформлением).

6. Внесите изменения (по договоренности).

a) Предоставьте клиенту возможность внести основные изменения.

b) Разработайте порядок взаимодействия с руководством для того, чтобы удостовериться в том, что все держатели акций знают о происходящем.

7. Убедитесь в том, что клиент удовлетворен.

a) Поддерживайте связь с клиентом после сделки, чтобы знать, что все ваши действия его удовлетворяют.

b) По окончании проекта рассылайте клиентам по почте анкеты для контроля достигаемого клиентом результата. По словам г-на Мейстера, эти анкеты обязательны для поддержания контактов с клиентом после каждого проекта. Их преимущество в том, что они вносят элемент системности по сравнению со случайными встречами с партнером, брифингами участников рабочей команды и т. д. Пример такой анкеты приведен в книге г-на Мейстера на стр. 85 и 86 (см. библиографию к главе).

8. Подведите итоги исследования.

Консалтинговые компании лидируют в управлении накопленными знаниями и системами обмена информацией. Компания Author Andersen, например, гордится тем, что может предоставить каждый из своих информационных источников любой консалтинговой команде мира.

a) Введите информацию о выполненном проекте в базу данных консалтинговой компании.

b) Сформулируйте хорошие идеи и решения для будущих проектов.

Инструментарий операционного консалтинга Инструментарий операционного консалтинга подразделяют на инструменты выявления проблемы, сбора информации, анализа информационных данных и решения проблемы, анализа стоимости и реализации. Эти инструменты, наряду с некоторыми инструментами из стратегического менеджмента, маркетинга и информационных систем, обычно используемыми в консалтинге операционного менеджмента, показаны на рис. 18. 3 и описаны ниже. (Заметьте:

некоторые из них используются на нескольких этапах проекта. ) Инструменты выявления проблемы Опросы потребителей. Зачастую к консультантам операционного менеджмента обращаются, чтобы решить проблемы, которые легко выявляются с помощью опросов потребителей, проводимых консультантами или работниками службы маркетинга. Однако они часто бывают устаревшими или составлены в виде, не позволяющем отделить рекламные или маркетинговые проблемы от проблем производственных. Главный элемент в опросах потребителей — анализ приверженности потребителей. Но нужно помнить, что потребители не столько "верны", сколько корыстны, так как экономят на чужом труде. Тем не менее термин "приверженность" в данном случае отражает деятельность организации по основному рыночному показателю: что сдерживает потребителя от покупок продукции или услуг — глубина кошелька или чувствительность к ценам, зависимая от конкурентов. Получив такую информацию, консультант анализирует структуру и функционирование организации, чтобы обнаружить, какие производственные факторы приводят к сдерживанию потребителя. Несмотря на то, что изучение приверженности потребителей обычно проводят маркетинговые группы, консультантам операционного менеджмента не следует забывать об их важном значении.

Анализ расхождений. Применяется для оценки уровня совершенства компании клиента, который определяется по отношению либо к ожиданиям потребителей, либо к его конкурентам. На рис. 18. 4 показана методика анализа расхождений, основанная на использовании карты расхождений.

Можно подойти к анализу расхождений по-другому: приняв за точку отсчета работу компании клиента и сопоставив с работой образцовых фирм, в том числе по отдельным функциям. Например, если вас интересует порядок составления отгрузочных документов и решение этой проблемы, то точкой отсчета может быть American Express;

если своевременность доставки — подойдет Japanese Railways, если четкое ведение каталогов предложений — L. L.

Bean.

Рис. 18. 3. Инструментарий операционного консалтинга Исследование мнений служанок. Такое исследование варьируется от оценки степени удовлетворенности работников до опроса их предложений. Важно помнить, что, если консультант проводит опрос предложений служащих, то эту информацию также стоит внимательно оценить и учитывать дирекции компании. Несколько лет назад Singapore Airlines распространила опросную анкету среди своего летного персонала, но позже совершили ошибку, не отреагировав на выявленные проблемы. В результате служащие стали критичнее относиться к своей компании, чем перед опросом, и руководство компании до настоящего времени не решается больше обращаться к такому виду исследований.

Модель пяти сил. Это один из хорошо известных методов оценки конкурентоспособности компании в отраслевом плане. Рассматриваются пять сил: покупательная способность потребителей, потенциальные покупатели, поставщики, аналоги данной продукции и отраслевые соперники. По каждой из пяти сил консультант составляет список факторов, которые могут их оценить. Вот примеры факторов, которые определяют сильную покупательную способность клиента: потребитель обладает ограниченной информацией, для возможной иностранной конкуренции созданы сильные барьеры, существует много альтернативных поставщиков, мало аналогов продукции (или услуг) и мало отраслевых конкурентов.

Часто одновременно с моделью пяти сил применяется цепная оценочная модель (Value Chain), приведенная на рис. 18. 5.

Цепная оценочная модель представляет собой схематическую структуру для фиксации последовательности организационных действий, которые могут сказаться на выгоде потребителя и прибыли фирмы.

При ее использовании нужно учитывать, что управление и другие виды деятельности должны осуществляться комплексно и оптимально или, по крайней мере, так, чтобы избегать синдрома "силосной" функции (Function Silo) — "валить все в кучу".

Рис. 18. 5. Цепная оценочная модель Источник. Michael E. Porter, Competition in Global Industries (Boston, MA: Harvard Business School Press, 1986), p. 24.

Инструментом, аналогичным модели пяти сил, является SWOT-анализ. Это более обобщенный метод оценки организации, который основан на выявлении сильных и слабых сторон клиента, возможностей клиента в данном виде деятельности и угроз со стороны конкурентов или окружающей экономической и рыночной среды.

Руководство по производственному осмотру Заводы 1. Какая полная мощность заводов (в натуральном и стоимостном выражении)?

2. Какого ресурса (или ресурсов) не хватает на заводах?

3. Как измеряется производительность?

Персонал 1. Имеют ли служащие позитивный настрой на работу и ощущают ли они финансовые затруднения?

2. Удовлетворяет ли их место работы (средства поощрения, премии)?

3. Хорошо ли информированы и осведомлены служащие о делах компании?

Комплектующие 1. Заметны ли достижения в управления запасами (материалов, незавершенного производства, готовой продукции)?

2. Изолированы ли склады деталей? Ограничен ли доступ к ним?

3. Как выявляются и устраняются дефекты (устанавливается по наличию лома и непригодных материалов)?

Процессы 1. Как протекает технологический процесс (выполнение заказов, комплектование, работа конвейера)?

2. Какие основные подразделения занимаются переработкой сырья? В общих чертах опишите технологию производства главных продуктов завода.

3. Активизированы ли процессы сокращения времени сборки изделий и повышения качества?

Система планирования и контроля 1. Как происходит планирование процессов (работы на заказ, прогнозирования)?

2. Какая применяется производственная система — выталкивающая или вытягивающая?

3. Существуют ли поставки в рассрочку, инвентаризации продукции, неудовлетворенный спрос, невыполнение заказов?

Сбор данных Производственные осмотры и аудиты. Они подразделяются на внутрипроизводственные и общефирменные (полные). Основными являются производственные аудиты, включающие изучение всех аспектов производства и использования оборудования, а также резервов хозяйственно-технического обслуживания и материальных запасов. Для проведения аудита и составления подробных контрольных листов о деятельности клиента часто требуется несколько недель. В то же время производственные осмотры делаются не столь детально и выполняются за половину дня, т. е. они могут использоваться более оперативно. Цель осмотра — создать общее представление о производственном процессе перед тем, как углубиться в определенную проблему. Осмотры осуществляются по списку общих вопросов, примерно таких как приведенные во врезке "Руководство по производственному осмотру"1, которым мы воспользуемся дальше при практическом закреплении изложенного.

Полные аудиты предприятий — также серьезное дело, их главное отличие от Для дальнейшей дискуссии об осмотрах предприятий см. работу D. Upton and S. Macadam, "Why (and How) to Take a Plant Tour", Harvard Business Review, May—June 1997, p. 97—106.

производственного аудита состоит в том, что они принимают во внимание как работу с потребителями, так и использование средств предприятия. Типичные вопросы такого аудита:

периодичность оказания внутрипроизводственных услуг, чистота оборудования и рабочих мест, численность штата и степень удовлетворения потребителей. Контроль сферы услуг предприятия часто производится тайно, когда консультант выступает в роли потребителя и записывает свои впечатления. (При консалтинге отеля Peninsula на Беверли Хилз 90210, один из консультантов прошел через непростое испытание, ночуя на вилле, стоимость которой была 2, 5 тысячи долларов за ночь, и затем составил отчет руководству о качестве их услуг. ) Выборочный контроль работы. Включает контрольные осмотры выбранных наугад видов деятельности для того, чтобы получить статистическую картину затрат рабочего времени или использования оборудования. Другой способ сбора информации — ежедневные исследования различных видов деятельности. Они используются консультантами, чтобы понять очень специфичные работы, выполняемые специалистами. При этом служащий просто записывает все виды деятельности, которые он выполняет на протяжении недели. Это устраняет проблему сбора информации путем непрерывного наблюдения за работником ("заглядывания через плечо").

Например, такие исследования проводятся в библиотеках, больницах, учебных заведениях.

Графики потоков. Графики потоков применяются в производстве и в сфере услуг для того, чтобы проследить движение материалов, информации и людей. Для анализа производственных графиков широко используются продукты Optima! и BBR Capture. Кроме этого, они могут выполнять еще четыре функции: распределение загрузки рабочих и маршрутизации процесса, составление календарного плана, управление трудом и автоматическое определение состояния и параметров производства. Графики протекания сервисных потоков — в основном такие же, но отличаются тем, что все действия четко ориентированы на потребителя. На наш взгляд, графики сервисных потоков используются не в полной мере консалтинговыми фирмами, поскольку сравнительно немногим из консультантов их показывают во время учебы.

Организационные схемы. Организационные схемы часто меняются, поэтому нужно внимательно отслеживать, кто кому подотчетен. Некоторые компании неохотно предоставляют эти схемы. Несколько лет назад старший менеджер одной крупной компьютерной фирмы сказал нам, что детальные организационные схемы представляют большой интерес для конкурентов.

Анализ данных и решений проблемы Анализ проблем (инструменты SPC). Анализ Парето, елочные диаграммы, графики движений, диаграммы рассеяния и контрольные карты являются фундаментальными инструментами повышения эффективности любого продолжительного проекта. Анализ Парето применяется в инвестиционном менеджменте в виде ABC-анализа. Результаты такого анализа являются отправной точкой для консультанта по контролю производства. Елочные диаграммы (или причинно-следственные диаграммы) — хороший способ для постановки проблемы (они же играют важную роль в осознании проблемы при анализе, например, в таком конкретном исследовании, как процесс подбора кадров для консалтинговой фирмы). Графики движения, диаграммы рассеяния и контрольные карты — инструменты, умение пользоваться которыми также требуется в операционном консалтинге.

Анализ узких мест. Дефицит ресурсов обнаруживается в большинстве проектов по консалтингу операционного менеджмента. В таких случаях для определения и устранения узких мест консультант должен знать, как наличные средства соотносятся со средствами, необходимыми для выпуска продукции или предоставления услуг. Такое взаимоотношение не всегда очевидно. Для его рассмотрения нужно прибегнуть к тому самому логическому анализу проблем эквивалентности, который вы проходили и любили в курсе алгебры высшей школы.

Компьютерное моделирование. Проведение анализа с помощью компьютерного моделирования стало обычным делом в консалтинге операционного менеджмента. Например, Артур Андерсен поставляет на компакт-дисках своим аналитикам модули программного обеспечения для продукта Optima!, способные моделировать производственные процессы.

Другими специализированными программными продуктами моделирования, которые используются консультантами, а также в школах бизнеса, являются: Extend and Crystall Ball, SimFactory and ProModel (производственные системы), MedModel (система для больниц) и ServiceModel. Для простого моделирования консультанты часто пользуются программой Excel.

Некоторые из новых пакетов программного моделирования включают диаграммы причинных контуров. Это форма системных диаграмм, которая особенно полезна при моделировании факторов роста или снижения производительности. Причинные контуры могут быть двух типов — укрепления и балансирования. Контуры укрепления собирают показатели роста или спада, изменяющиеся по возрастающей шкале. Контуры балансирования отражают механизмы, которые на основе контуров укрепления обеспечивают равновесие системы. В примере, показанном на рис. 18. 6, предполагается, что нужно повысить качество до уровня, определяемого стандартом качества.

Рис. 18. 6. Анализ причинных контуров Контур укрепления (R) показывает, что стандарт, если его не изменять, будет уступать растущему (падающему) уровню реального качества. Однако, если появляется различие между фактически достигнутым качеством и стандартом, то вступает в действие контур балансирования (В) и начинается процесс "подстройки" стандарта к новому достигнутому уровню качества. Причем это происходит не сразу, так как требуется время на выработку и "отладку" нового стандарта (воздействие времени). За время, затраченное на создание нового стандарта, реальное качество успеет измениться, и новый стандарт рискует в таком случае оказаться устаревшим. Поэтому нужно внешнее воздействие в виде упреждения развития ситуации, которое приводит в действие оба контура и обеспечивает опережающий уровень качества в стандарте.

Кроме анализа проблем, моделирование на основе причинных контуров используется консультантами для обучения клиентов методам повышения эффективности2.

Инструменты статистики. Использование в консалтинге операционного менеджмента методов корреляционного и регрессионного анализа требует определенных навыков. Эти типы анализов легко представить в виде крупноформатных таблиц. В методических пособиях для См. книгу Peter Senge, The Fifth Discipline: The Art and Practice of the Learning Organization (New York:

Doubleday Currency, 1990). Анализ долевого участия (Stakeholder Analysis). Большинство маркетинговых проектов в различной мере влияют на пять участников совместного дела:

потребителей, акционеров, служащих, поставщиков и общественность. О важности учета интересов в доле каждого из участников есть высказывания руководителей практически любой крупной корпорации. Установленные способы определения долей участия, применяемые в корпорациях, являются руководством и рекомендациями для консультантов.

консалтинговых фирм часто упоминается тестирование гипотезы, поэтому каждый консультант несомненно должен уметь в процессе анализа данных заполнять Х-квадрат и проводить Т-тесты.

При статистическом анализе широко применяется также теория массового обслуживания и прогнозирование. Консультанты часто используют теорию массового обслуживания, чтобы определить, сколько каналов услуг требуется для работы с потребителями непосредственно или по телефону. Попутно в операционном консалтинге постоянно возникают проблемы прогнозирования, например прогнозирование количества звонков для телефонной станции.

Недавно появился новый инструмент (не показан на наших рисунках) —анализ свертывания данных (Data Envelopment Analysis — DEA). DEA представляет собой методику линейного программирования, применяемую для измерения производительности филиалов рассредоточенных организаций сферы услуг, таких как банки, магазины и т. д. Модель DEA сравнивает каждый филиал с другими филиалами и вычисляет рейтинг эффективности, который определяется отношением притока ресурсов к выпуску продукции или услуг. Главная особенность этого подхода в том, что с помощью множеств элементов затрат (материалы и рабочее время) и результатов (проданная продукция и удовлетворенные потребители) можно получить коэффициент эффективности. Это более понятное и надежное средство, чем множество показателей измерения и использования прибыли3.

Анализ затрат и платежей Дерево решений. Дерево решений — это фундаментальное средство из инструментария анализа рисков. Его часто применяют в практике исследования предприятия и поиска оптимального решения в управлении инвестициями, а также в научно-исследовательских проектах. Деревья решений строятся в разных программных пакетах, например @ Risk (Risk Analysis for Spreadsheets, Palisade Publications, 1995) и применяются для моделирования принятия различных решений.

Балансовая карточка задолженностей (Balanced Scorecard). Чтобы отразить потребности каждого участника совместного дела, бухгалтеры разработали то, что было названо балансовой карточкой задолженностей (слово "балансовая" относится к тому, что данная карта рассматривает не только итоги в виде разности, но и способы их покрытия). А. Аткинсон (A.

Atkinson) указывает, что Bank of Montreal использовал балансовую карточку при определении конкретных целей и мер для обслуживания потребителей, установления отношений со служащими и общественностью. Главной особенностью балансовой карточки является ее пригодность для использования в качестве средства контроля менеджерами высшего и среднего звена4.

Реализация Матрицы ответственности. Данные матрицы применяют для планирования ответственности за задания в проектах. Обычно это таблицы со списком заданий или работ, перечисленных в одной части, и участниками проектной команды — в другой части. В каждой ячейке отмечается конкретный исполнитель соответствующих работ.

Методы управления проектом. Консалтинговые фирмы пользуются методом критического пути (метод СРМ) и методом оценки и пересмотра планов (метод PERT), a также графиками Ганта для планирования как консалтинговых, так и индивидуальных проектов и управления ими.

Чаще всего для автоматизации управления проектами применяются компьютерные программы Microsoft Project и Primavera Project Planner. Следует подчеркнуть, что эти средства планирования играют вспомогательную роль в управлении персоналом, выполняющим консалтинговый проект.

Основная библиография Larry Greiner and Richard Savich, Consulting to Management (New York: Prentice-Hall, 1998).

David H. Meister, Managing the Professional Service Firm (The Free Press, 1993).

David Upton and Stephen Macadam, "Why (and How) to Take a Plant Tour", Harvard Business Review, May—June 1997, p. 97-106.

J. Fitzsimmons and M. Fitszimmons, Service Management for Competitive Advantage (New York: McGraw-Hill, 1994), p. 319-320.

A. Atkinson, R. Banker, R. Kaplan and M. Young, Management Accounting (Englewood Cliffs, NJ: Prentice Hall, 1995), p.

446.

ГЛАВА 19 Обновление бизнес процесса В этой главе...

Сущность обновления бизнес-процесса Принципы обновления Этапы обновления процесса Методы и инструменты обновления процесса Обновление процесса и всеобщее управление качеством Интеграция обновления и непрерывного улучшения процесса Резюме Ключевые термины Безвозвратные потери рабочего времени (Waste) Всеобщее управление качеством (Total Quality Management) Изложение виденья (Vision Statement) Непрерывное улучшение (Continuous Improvement) Обновление (Reengineering) Перепроектирование процесса (Process Redesign) Работа, добавляющая стоимость (Value-Adding Work) Работа, не добавляющая стоимости (Non Value-Adding Work) Ресурсы WWW U. S. Department of Defense Process Design Methodology (http: //www. dtic. dla. mil/dodim/) "Я просто чувствовал это каким-то шестым чувством, — вспоминает Джо Колвин. — Наше предприятие было вполне рентабельным, но где-то в глубине души я ощущал, что оно не настолько рентабельно, как может и должно быть". Так он рассказывает о своей компании Mid States Aluminum, приобретенной им в 1984 году, компании — производителе различных формованных алюминиевых изделий с 30-летней историей. Это предприятие расположено в Фон-Дю-Лаке, штат Висконсин, и с 1984 года объем продаж его продукции ежегодно рос на 20%, в результате чего общий рост за этот период составил 500%. И все же суммарная прибыль в годовом отчете изменялась далеко не впечатляюще.

Г-н Колвин не мог понять, что происходит. Он инвестировал значительные средства в переподготовку персонала, в приобретение нового оборудования и всеобщее управление качеством, но ситуация не менялась. "Мое шестое чувство подсказывало мне, что наши "мягкие" издержки "съедают" деньги, которые должны были бы составить прибыль", — рассказывает г-н Колвин. Это были издержки, вызываемые процессами и заданиями, которые возникают из-за сбоев в системе, что требовало повторного выполнения работ. Эти повторные работы не добавляют стоимости, значимой для клиента, т. е. стоимости, которую он готов оплачивать.

Постепенный процесс обновления начался в Mid-States с 1991 года, когда г-н Колвин окончательно убедился, что его компания "больна". Например, изменили основную процедуру составления смет и ценообразования. Проведенный анализ показал, что торговый персонал ежегодно затрачивал 156 526 долларов на подготовку смет и цен для клиентов, однако лишь 8% этих смет воплощались в заказы. Таким образом, значительное количество усилий и средств затрачивалось на деятельность, которая не приносила никакого дохода. В настоящее время компания занимается преобразованием своего сметного процесса с тем, чтобы точная и последовательная информация, предоставляемая разными отделами предприятия, могла направляться в единый надежный источник данных для специалистов, занятых сметами и ценообразованием. Затем Mid-States упростила сложную процедуру ценообразования, что облегчило клиентам принятие решений. Более того, установление цен теперь осуществляется канцелярским штатом компании, благодаря чему торговый персонал может уделять больше времени своим прямым обязанностям — продаже продукции.

"Теперь наши сотрудники больше нацелены на выполнение задачи удовлетворения запросов клиентов... собственно говоря, вся компания приблизилась к потребителю", — говорит г-н Колвин.

Источник. Ronald E. Yates, "The New Fix for Corporate America's Organizational Ills? Reengineering", Chicago Tribune, October 17, 1993, Copyrighted Chicago Tribune Company. Все права защищены.

Перепечатано с разрешения.

Непрерывные перемены — единственная неизменная характеристика современной деловой среды. По мере того, как деловые круги США и других стран начали осознавать, что они входят в XXI век с компаниями, созданными в XIX столетии и приспособленными для работы в XX веке"1, 90-е годы превратились в десятилетие радикальных перемен. Сегодня большинство руководителей предприятий понимают, — чтобы успешно бороться с конкурентами и поддерживать определенный уровень конкурентоспособности, необходимы поистине революционное обновление и модернизация всех аспектов деятельности: повышение качества продукции, снижение издержек, сокращение времени освоения новой продукции и улучшение обслуживания потребителей. Для этого они пытаются внедрять всевозможные новшества для реорганизации деятельности, окружающей производственные процессы, и бизнес постепенно отказывается от идей Адама Смита. В настоящее время акцент перемещается с отдельных функциональных единиц на всеобъемлющий охват всей структуры предприятия. Необходимые изменения внедряются с помощью преобразования бизнес-процесса и организационной структуры компаний, а также творческого применения новейших информационных технологий.

В этой главе мы обсудим вопросы обновления бизнес-процесса, т. е. такую концепцию управления, которую многие специалисты считают сутью современной революции в бизнесе.

Сущность обновления бизнес-процесса Эксперт по вопросам управления Майкл Хаммер (Michael Hammer), который возглавил движение обновления бизнес-процесса, определяет обновление (Reengineering) как "фундаментальный пересмотр и радикальное перепроектирование бизнес-процессов для достижения существенного улучшения основных показателей их эффективности, таких как стоимость, качество, обслуживание и скорость"2.

Концепция обновления существует уже около двух десятилетий, она постепенно внедрялась во многих организациях, и в авангарде этого процесса, сами того не осознавая, всегда были производственные предприятия. Они обновляли бизнес-процесс, используя совместные инженерные разработки, ненасыщенное и ячеечное производство (Cellular Manufacturing), групповые технологии и вытягивающие производственные системы (Pull-Type Production Systems). Все эти меры связаны с фундаментальным пересмотром производственного процесса.

В 80-е годы промышленные предприятия в общем добились значительных улучшений своей внутренней деятельности, однако, когда дело касалось рынка, отличные производственные показатели не всегда приводили к устойчивым высоким результатам.

Michael Hammer and James Champy, Reengineering the Corporation: A Manifesto for Business Revolution (New York: Harper Business, 1993), p. 30.

Michael Hammer and James Champy, Reengineering the Corporation: A Manifesto for Business Revolution (New York: Harper Business, 1993), p. 32.

Несколько позже центр внимания постепенно сместился с технологических процессов к другим межфункциональным и межорганизационным процессам, в основе которых лежали запросы потребителей. В сфере обслуживания основным двигателем обновления бизнес процесса стало быстрое развитие информационных технологий и их широкое применение.

В наши дни быстро и неуклонно растет интерес к обновлению бизнес-процесса в глобальном масштабе. Несмотря на то, что японские компании, как правило, редко пользуются термином обновление для описания радикальных изменений своих процессов, они очень заинтересованы в развитии новых процессов с использованием новых информационных технологий. Один из авторов этой книги беседовал с представителями нескольких банков в Корее и Сингапуре, которые в настоящее время как раз заняты мероприятиями по обновлению бизнес-процесса.

Принципы обновления Обновление бизнес-процесса заключается в достижении значительного улучшения технологических процессов для удовлетворения запросов современного потребителя в отношении качества, скорости и частоты внедрения нововведений, индивидуализации и обслуживания. Все это связано с применением семи новых правил ведения дел, предложенных Майклом Хаммером и затрагивающих такие аспекты, как: кто должен выполнять работу, где и когда она должна выполняться, как эффективнее проводить сбор и объединение информации и т.

д. 3.

Правило 1. Организовать достижение результатов, а не выполнение заданий. Несколько специализированных заданий, которые раньше выполнялись разными людьми, следует объединять в единую задачу. Такая задача может выполняться отдельным работником или специальной группой, и она должна охватывать все этапы в процессе, качественное выполнение которых необходимо для достижения четко определенного результата. При организации работы с нацеленностью на результаты отпадает необходимость в различных стимулирующих мероприятиях, что в итоге приводит к повышению скорости, производительности и к лучшей реакции потребителей. Кроме того, соблюдая это правило, компания обеспечивает наиболее целесообразный способ контакта с клиентами. Суть этого принципа проиллюстрирована во врезке "Новая GTE: мечты и реальность", в которой рассказывается о новой должности "специалист передовой линии", введенной в этой корпорации.

Правило 2. Совершенствовать процесс должны те, кто создает результаты процесса.

Иными словами, работа должна выполняться там, где достигается цель. Благодаря такому подходу работа фактически выполняется персоналом, самым близким к процессу, что позволяет смещать и уничтожать традиционные внутри- и межорганизационные препятствия. Так, например, можно организовать работу так, что служащие будут делать некоторые закупки, не покидая рабочего места;

потребители смогут самостоятельно выполнять несложный ремонт, а на поставщиков можно возложить управление товарно-материальными запасами деталей. Изменив структуру работы по такому правилу, компания устраняет необходимость координировать действия исполнителей и пользователей результатов процесса.

Michael Hammer, "Reengineering Work: Don't Automate, Obliterate", Harvard Business Review, July— August 1990, p. 104—112.

Эта группа обслуживающих и операционных рабочих (завод Union Carbide's в Тафте, штат Луизиана) отказалась от старой карты технологического процесса и создала новую. В результате достигли экономии в миллионов долларов, что на 50% выше экономии, рассчитанной управленческим персоналом.

Правило 3. Внедрять процедуру обработки информации в ту работу, в ходе которой эта информация собирается. Это означает, что персонал, занимающийся сбором информации, должен ее также и обрабатывать. Такой подход позволяет устранить необходимость в другой группе по проверке и обработке информации и значительно сокращает вероятность ошибки, поскольку в этом случае уменьшается количество точек соприкосновения процесса с внешней средой. В качестве примера можно привести традиционный отдел, занимающийся счетами кредиторов, в котором сверяются заказы на покупку, квитанции и счет-фактуры поставщиков.

Если исключить счет-фактуры, обрабатывая заказы и получая информацию электронным способом, то значительная часть работы, которой занимаются работники отдела по проверке счетов кредиторов, становится ненужной.

Правило 4. Относиться к географически разбросанным ресурсам как к централизованным.

Современные информационные технологии позволяют реально соединить децентрализованные операции с централизованным управлением, что дает возможность отдельным организационным единицам параллельно выполнять операции одного и того же задания и улучшить при этом общий контроль над деятельностью компании. Так, например, централизованные базы данных и телекоммуникационные сети теперь позволяют компаниям непрерывно поддерживать связь с отдельными хозяйственными единицами или даже с отдельными специалистами, работающими, например, на выезде, что обеспечивает экономию времени и ресурсов в масштабах всего предприятия и увеличивает их гибкость и способность быстро реагировать на изменение запросов клиентов.

Pages:     | 1 |   ...   | 15 | 16 || 18 | 19 |   ...   | 20 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.