Благодаря длинным выходным выдалась минутка перевести еще один пост Эли Шрагенхайма. Пост выбран случайно.

Ссылка на оригинал

Жоель Анри Гроссар (Joel-Henry Grossard) сделал важный комментарий, которым я хотел бы поделиться с вами и объяснить мою точку зрения. Он написал:

«Однако, у вас может быть два распределения, которые будут иметь одно и то же среднее и одно и то же стандартное отклонение, но которые серьезно различаются, когда вы смотрите на цифры. Упущенный фактор – время: знать, как значения распределены во времени критически важно для принятия решения. Использование Процессов Статистического Контроля может помочь» Знаем ли мы, как ведут себя во времени те переменные, которые мы рассматриваем в нашей реальной практике?

Давайте рассмотрим процесс в цехе, где мы можем зафиксировать множество данных и их распределение во времени. Мы получаем временные ряды результатов, но этот график представляет только один возможный разброс результатов, и он не тиражируется для настоящей функции распределения.  Например, если какой-либо оператор устает после часа работы, и эта усталость может проявиться в качестве результата, мы увидим определенное отклонение. Но, пока мы не заподозрим, что такое может случиться, шанс, что мы заметим это отклонение, не велик.

Когда процесс полностью находится под нашим контролем, мы можем утверждать, что базовые параметры процесса не претерпели значительных изменений. В моем понимании, даже в таком благоприятном случае и профессор Деминг не применял всю мощь статистики, пользуясь стандартной эвристикой для установления «достаточно-хорошего»[i] контроля качества.

Как только мы выходим за пределы того, что находится под нашим полным контролем,  мы практически ничего не знаем о поведении окружающей неопределенности. Мы даже не знаем, принадлежат ли зарегистрированные результаты к одной и той же функции распределения.

Предположим, неожиданно появляется новая книга о Гарри Поттере. Последняя книга из этой серии появилась в 2007. Какая статистическая модель сможет предсказать, сколько книг будут проданы за первую неделю? У нас есть прошлые результаты, и они, до некоторой степени, релевантны, но из-за длительного перерыва между последней серией и неожиданной новой книгой функция распределения изменилась, и мы не знаем точно, каково это изменение. Мы даже не знаем будет ли спрос выше или ниже, по сравнению с последней книгой.

Означает ли это, что мы не знаем ничего? Может ли существовать какая-либо цифра? Мы знаем некоторые параметры, влияющие на спрос следующей книги. Репутация основной серии по прежнему высока. Но многие прошлые читатели уже стали старше и неясно, по прежнему ли высок их интерес. Таким образом, некоторые интуитивные оценки относительно рационально обоснованного[ii] минимума спроса могут быть даны. Мы также можем оценить насколько больший спрос, может быть рационально обоснованным, принимая во внимание спрос на последнюю книгу, но какое значение имеют прошлые данные? Один вывод из них – это то, что последняя книга не была единичным событием, все серия имела большой успех. Однако, детальные результаты и их распределение во времени не добавляют большой ценности предсказанию. Я делаю особое ударение на слове «рационально обоснованный»? Во первых, мы знаем, что иногда случаются нерациональные вещи. Но, предполагая, что мы обладаем интуицией, основанной на наблюдениях и опыте, то что происходит является для нас рациональным. Наша интуиция сформирована множеством маленьких событий, вне зависимости считали мы их рациональными или нерациональными.

Интуиция – это источник ценной, но частичной информации для управления нашими решениями в условиях обычной и ожидаемой неопределенности.

Обычно все, что у нас есть для принятия решений, – это частичная информации. Ее не достаточно, чтобы защитить нас от убыточных решений, но достаточно хорошая, чтобы в целом выгоды преобладали над убытками.

Но, когда мы сознательно игнорируем частичную информацию, мы порождаем определенный ущерб. Это то, что делают многие организационные политики: натягивают[iii] определенность на неопределенные ситуации, используя прогноз из одной цифры и превращая их в целевой показатель[iv] продаж, как главный показатель эффективности[v].

Я утверждаю, что натягивание определенности на неопределенность вызвано страхом несправедливой критики. Я люблю иметь дело с причинами и следствиями страха перед показателями эффективности и подчеркивать дурные стороны отношений между организацией и работниками. Надеюсь написать об этом в следующем посте, посвященном неустранимой (врожденной)[vi] неопределенности.

 

[i] В тексте «Good-enough» – часто используемое Эли Шрагенхаймом словосочетание, видимо в противовес «оптимальному» или «наилучшему» решению. – Прим. переводчика

[ii] В тексте «Reasonable» – рациональный, разумный. – Прим. переводчика

[iii] В тексте «forcing» – Прим. переводчика

[iv] В тексте «objective». – Прим. переводчика.

[v] В тексте «performance» – Прим. переводчика.

[vi] В тексте «inherent»- неустранимый (стат.), внутренний, врожденный. – Прим. переводчика

Вчера я опубликовал новость о том, что Эли Шрагенхайм, начал вести свой блог. Я связался с Эли и получил его добро на перевод и публикацию материалов блога, тем более, что я сам с жадностью и интересом изучаю все доступные его материалы. Я думаю, что многим русскоязычным энтузиастам ТОС, которые не очень хорошо читают по английски, будет интересно знакомиться с его публикациями. Я постараюсь по мере сил и возможностей переводить его публикации. Сегодня первый перевод. Выбор случайный.

Да, еще один момент, в конце публикации я даю ссылку на оригинальный материал. Желающие могут предложить свои варианты перевода. Итак, мой перевод:

Проблемы, связанные с обычной и ожидаемой неопределенностью

Не все решения, которые должны принимать менеджеры, касаются вопросов риска, имеются в виду решения, могущие приводить к серьезным убыткам, но и также могут дать и значительные выгоды. На самом деле, подобные рискованные решения встречаются не часто. Я по прежнему утверждаю, что подавляющее большинство организаций принуждает менеджеров быть ультраконсервативными, убытки от таких решений относительно малы по сравнению с огромными убытками от ошибочных политик по отношению к «обычной и ожидаемой неопределенности».

Возьмите CCPM[i] (Решение ТОС для управления проектами) и спросите себя, как так случилось, что планирование буфера проекта стало таким драматичным новым открытием? Как случилось, что люди настаивают на том, что существует чистое время исполнения задач?

Эли Голдратт говорил, что организация насильно натягивает[ii] определенность на неопределенные ситуации.

Парадокс состоит в том, что принуждая к определенности, менеджмент увеличивает негативное влияние неопределенности.  Мы видим проекты, которые тянутся слишком долго, и производственные цеха, обрабатывающие слишком большие запасы. Многие организации страдают от рисков, вызванных нехваткой рабочей силы, относительно дешевого ресурса.

Обычным является подход, обвиняющий менеджеров в создании «растрат».

Главный пример, на который я люблю указывать – это использование, на самом деле – неправильное использование, прогноза продаж. Из Теории вероятности или статистики мы знаем, что минимальное описание неопределенной переменной содержит два значения, обычно – среднее и стандартное отклонение. Однако, подавляющее большинство отчетов о прогнозах, используемых для различных решений, содержат только ОДНУ цифру.

Какова ценность для прогноза этого центрального показателя, если ничего не описывает разброс  значений относительно этого показателя? Если в следующем месяце прогнозируемые продажи Продукта 134 составят 10 000, то какова вероятность, что реальные продажи составят 4 776, 8 244, 13 004 или 18 559?

Предположим, что магическая цифра 10 000 основана на оценке специалистов по продажам, очевидно ли, что она – приблизительно среднее значение продаж (математическое ожидание на языке математики)? Может быть специалисты по продажам, у которых нет магических сил видеть будущее, просто объявили цифру, которая им удобна? Если их оценивают по достижению целей продаж, установленных в соответствии с прогнозом, то они будут уменьшать ожидаемую оценку. Но, если им нужно, чтобы производство обеспечило наличие, они будут завышать прогноз.

Я думаю, что не существует способа управлять организацией без прогнозирования!

Я также думаю, что Динамическое Управление Буфером фактически является прогнозом, основанном на продажах и уровне запасов и предсказывающим является ли буфер запасов почти правильным.

Тем не менее, использование прогноза, как одной цифры, – это большая ошибка. Доверие к одной цифре позволяет топ-менеджменту оценивать продавцов и производственников, однако, эта оценка ошибочна, и менеджеры, управляющие продажами и производством, вынуждены защищаться от игнорирования топ-менеджерами [их объяснений][iii] Совокупное влияние неправильного обращения с обычной и ожидаемой неопределенностью ОГРОМНО. Менеджмент не признает необходимость защитной мощности, и потому, в борьбе за  «экономичность»[iv], люди вынуждены притворяться очень занятыми, это значит, что они постоянно ищут «чем бы заняться», неважно, создает ли это ценность или нет.

Однако, защитная мощность действительно нужна для поддержания достаточной гибкости, чтобы справляться с Мэрфи так же, как и с временными пиками спроса. Буферы ТОС сильно помогают стабилизировать поток и таким образом улучшить совокупную эффективность, но не охватывает все области, где люди используют свои собственные скрытые буферы, вызывающие большой вред. Нелепые требования 100% технического соответствия вместо требований изучения способностей порождают ошибки в процессе найма; отсутствие ассигнованных резервов порождает ошибки в бюджетировании; даже необходимость поддерживать присутствие в нескольких различных рыночных сегментов полностью не осознается во многих организациях.

Можно ли научиться работать с неопределенностью, особенно с обычной и ожидаемой неопределенностью? Подавляющее большинство менеджеров обучались на базовом курсе статистики, но это не привело к тому, что при работе с неопределенностью они учитывали бы, что: не существует понятных вероятностей событий, что распределение отличается от гауссианы (нормального распределения) и что выборка событий в недавнем прошлом слишком мала.

Реальным препятствием на пути улучшения политик, приведения их в соответствие с неустранимой неопределенности, является необходимость избавиться от утопии «оптимальных решений», заменив их «достаточно хорошими», а также прекратить оценивать людей цифрами, которые подвержены действию как неопределенности, так и взаимозависимости.

Выполнимо ли это? Мне кажется, что это то, о чем говорит ТОС.

[i] Critical Chain Project Mamagement – управление проектами методом Критической цепи. Прим. переводчика

[ii] В тексте «force certainty on uncertain situations». Глагол Force многозначный, он означает принуждать, заставлять и даже насиловать. Вообще-то, читая книги Голдратта и смотря его видео, очень хотелось перевести как «организация насилует определенностью неопределенные ситуации», но выбран более нейтральный вариант перевода. – Прим. Переводчика.

[iii] Мне показалось, что дополнение позволить построить фразу более «по русски». – Прим. Переводчика.

[iv] В тексте «efficiency». На тему перевода англоязычных терминов и самого понятия эффективности см. мою статью «Эффективность и факторы, влияющие на нее». – Прим. Переводчика.

Оригинал статьи находится здесь.