Сложность, неопределенность и Теория ограничений

Теория ограничений — это не только про «узкие горлышки» и не только пять фокусирующих шагов.

Хотя…

Когда д-ра Голдратта спросили, как бы он охарктеризовал Теорию ограничений в несколько предложений, то он ответил: «Мне не нужно нескольких предложений. Я вам отвечу одним словом: Фокусировка». Он вообще был мастер чеканых фраз и часто формулировал афоризмы.

Любая организация, в которой есть люди, — это сложная система.

Во-первых, она сложная.

Во-вторых, она вероятностная.

Два фактора, в которых мы с вами существуем:

Неопределенность. Мы не знаем, как оно будет на самом деле. Мы можем только ОЦЕНИВАТЬ с какой-то ВЕРОЯТНСТЬЮ наступление того или иного события.

Сложность. Сложность в обычном понимании означает, что мы не в состоянии описать, формализовать, представить все варианты поведения, которые мы можем увидеть. Мы не можем детально описать систему.

А значит, все попытки детального описания: «Вот мы сейчас опишем бизнес-процессы, и будет нам счастье», прямо скажем, опредчены на провал.

Вы не можете описать все бизнес-процессы!!!

Потому что, во первых, никто не знает, сколько у вас бизнес-процессов, во вторых, в зависимости от глубины описания, это будут разные описания бизнес-процессов. При переходе с уровня на уровень, скорее всего, вы вообще потеряете связь между первоначальным процессом и тем, что вы сейчас описываете. Это неизбежные вещи.

Поэтому всегда вы будете описывать какой-то кусочек системы, при этом полностью описать систему вы не сможете НИ-КОГ-ДА!

Такая вот вводная…

Наши бизнесовые и производственные системы не могут быть полностью описаны, и поэтому являются сложными системами.

Мы с вами вообще никогда не имеем дела с реальным описанием системы. Мы работаем с каким-то кусочком, который, строго говоря, называется «модель».

Не так давно на одном высокоинтеллектуальном сборище я услышал фразу: «Модель — это описание трупа. Живая система, пока вы ее описывали, уже изменилась». В модели мы «выдергиваем» только те ключевые моменты, которые нам важны для принятия решений.

И если мы возьмем эти две исходных посылки: сложность — мы никогда не знаем как, на самом деле, устроена система, и неопределенность, то нам, как менеджерам, становится очень грустно, потому что когда все сложно и неопределенно, то как мы можем вообще хоть чем-то управлять.

В 1986 году Эли Голдратт и Роберт Фокс написали книжку «The Race», где они впервые попробовали в качестве описания к своим слайдам изложить базовые подходы Теории ограничений, какими они виделись в 1986 году. Если вы решите ее читать, то сейчас она уже больше имеет скорее историческую ценность, чем методическую.

Но некоторые вещи с тех пор не поменялись, я позволю себе процитировать небольшой кусочек.

«Страх неопределенности — один из самых больших страхов менеджеров. В первую очередь из-за боязни быть обвиненными в неудачах из ситуации «послезнания», когда мы уже знаем, чем все закончилось, тогда как при принятии решения всё еще было непонятно и неизвестно»

И эта ситуация с 1986 по 2024 год, в общем-то, не поменялась.

Очень часто люди принимают решения не из позиций достижения целей, а из позиции избегания наказания. Как бы так не подставиться при принятии решений, чтобы не быть обвиненным тогда, когда всем станет понятно, чем все закончилось.

В 2011 году, когда Голдратт уже умирал от рака, он начал, но не успел закончить книгу, которая называлась «Наука управления». Он успел наговорить введение к ней в аудиоверсии и у меня на сайте можно найти расшифровку с комментариями Умберто Баптиста. В этом вступлении Голдратт говорил, что существует три базовых страха менеджмента, которые мешают им адекватно принимать решения.

Первое — это страх сложных систем, который приводит к тому, что мы расчленяем системы на подсистемы, а это, в свою очередь, приводит к отвлечению внимания менеджмента на поиск локальных оптимумов, которые не соответствуют глобальным целям. Например, когда мы отлаживаем работу отдела, не поинимая, как это повлияет на работу компании в целом.

Второе — это страх неизвестного, который направляет нас к все более и более детальном рассмотрению, погружая во все большее количество деталей, которые отвлекают внимание менеджмента на оптимизацию в пределах шума.

Третье — это страх, что конфлиткы приведут к перетягиванию каната, что будет отвлекать вниманме менеджмента от борьбы с неприемлимыми компромиссами.

Давайте никого не будем обвинять и посмотрим как это выглядит в реальной жизни.

Итак первый страх — это страх сложных систем.

Когда мы видим сложную систему и понимаем, что мы не можем ее описать, то мы пытаемся разделить ее на более мелкие и понятные кусочки, описать эти кусочки и начать ими управлять. Но при этом, поскольку мы теряем из поля зрения связи между подсистемами, то в системе получаются лишние степени свободы, то есть такие варианты поведения, которые при рассмотрении целой системы не имеют смысла, так как они находятся «в зацеплении» с другими посдсистемами. А мы тратим время на поиск, описание и разработку методов управления для эти вариантов.

Второй страх приводит к тому, что мы стараемся предсказать будущее. Был такой советский фильм «Ах, водевиль, водевиль!!!» В нем есть заменитый музыкальный номер:

Поэтому любые варианты гадания на кофейной гуще, сюда относятся все системы прогнозирования, всегда будут пользоваться популярностью.

Потому что эти системы как раз работают с нашим страхом неизвестного. Нам кажется, что когда мы загрузим большое количество цифр, как-то их классически математически обработаем, что-то предскажем, то мы получим ответ, как это будет происходить «на самом деле», а главное — мы снимем с себя отвественность…

Одна из самых опасных менеджерских формулировок, которую мы можем получить: «Ну… Компьютер так предсказал… Ну.. Мы действовали в соответствии с прогнозом… Прогноз не оправдался…»

Давайте мы здесь несколько простых вещей пробросим.

Во-первых, все прогнозы строятся на исторических данных. Для того, чтобы сделать прогноз вам нужно загрухить исторические данные, проанализировать их, а дальше у вас есть несколько математических моделей, которые вы можете использовать: модели кластеризации и модели регрессии. Эти модели обучаются на исторических данных и дальше проверяются на исторических же данных.

Выглядит это так (я как обученный Дата-аналитик знаю о чем говорю): вы взяли какой-то объем исторических данных, отсекли каким-то случайным образом какой-то объем данных. Обычно это 20%, иногда 30%. На оставщихся 70-80%% данных обучили модель. Запустили какую-то считалочку. Эта считалочка что-то посчитала (вы даже не знаете, как она это посчитала, по какой-то математике, там за математику идет отдельная борьба) и выдала вам какой то результат.

Дальше вы проверяете, как отработала модель. Вы берете оставшиеся отложенные 20-30%% и отдаете в эту модельку. Она начинает там что-то крутить, выдает прогноз. Результаты сравнивают с реальными данными. Если отклонения плюс-минус приемлемые, то модель считается рабочей. Мы грузим в нее исторические данные и пытаемся предсказать будущее.

Так вот, как только вы выходите за пределы известных данных, у вас начинаются разъезжаться все ваши модели.

Если вы еще глубже погрузитесь в эту тему, то вы обнаружите, что первое, что от вас требуется — это очистить данные, избавиться от выбросов, то есть привести даные к статистически управляемому виду. Я не знаю где, но где-то по пути произошла опасная подмена.

Если мы возьмем гуру менеджмента Эдвардса Деминга, то у него там четко написано, что если процесс не находится в статистически управляемом состоянии, то не надо пытаться его менять. Сначала приведите процесс в статистически управляемое состояние, а потом только начинайте его менять.

С этой точки зрении, отсечение выпбросто и очистка данных имеет большой смысл, потому что мы должны понять, как этот процесс выглядит в статистически управляемом состоянии. Но… Когда вы работаете с этой штукой, то статистически управляемый процесс — это процесс, значения которого находятся в пределах «нормальных» с точки зрения шума. Когда я говорю «нормальных», я не имею ввиду нормального распределения, я говорю о статистически обычных колебаниях.

Деминг писал о том, что пока значения попадают в это диапазон, не нужно ничего с ними делать, а вот с выбросами нужно разбираться.

А теперь посмотрим, что говорил Голдратт. Голдратт говорил буквально следующее: «Не нужно заниматься оптимизацией в пределах шума».

Это означает, что вы определяете диапазон, попадание в который является нормой. И в этом состоит вся идея буферов, которые есть в Теории ограничений. Неважно, это буфер исполнения заказа, буфер запасов, диагнональный буфер в управлении проектками.

Ключевая исходная посылка: пока вы находитесь в пределах буфера, не нужно заниматься лишними телодвижениями, все хорошо.

Один этот подход снимает нагрузку с управленцев. Потому что не нужно заниматься вопросами, которые находятся в пределах нормы. Вам становятся важны толкь отклонения, то есть то, что не поместилось в буфер. Это сильно экономит время и управленческие ресурсы.

Теория ограничений исходит из следующей исходной посылки: если мы находимся в сложной среде в условиях неопределенности, то мы должны для себя определить диапазон, который обеспечиваем нам 95% надежность и, пока наша система работает с этой надежность, мы можем заниматься другими вопросами, не отвлекаясь на обычную, повседневную неопределенность.

И это ответ всем тем, кто говорит: «Это решение подходит только для развитых рынков».

Ни на каких рынках не бывает таких ситуаций, чтобы у нас было все определено!!!

Просто подходы Теории ограничений исходят из того, что мы определяем для себя диапазон, который является приемлемым. И пока наши результы находятся в этом диапазоне, мы не пытаемя заниматься микроменеджементом в условиях статистической погрешности. Потому что вы никогда не сможете определить: это результаты ваших действий или просто статистика.

Фокусируясь на отклонениях мы получаем дополнительное время, дополнительные ресурсы, и главное, мы их своевременно начинаем фиксировать.

И в этом основная сила подходов Теории ограничений.


Добавить комментарий

Этот сайт использует Akismet для борьбы со спамом. Узнайте, как обрабатываются ваши данные комментариев.