ફેરફાર, સમસ્યા અને ગુણવત્તા વ્યવસ્થાપન

નફો:

• ચેન્જ રિક્વેસ્ટ, ઈસ્યુ લોગ, ચેન્જ કંટ્રોલ બોર્ડ (CCB) અને ગુણવત્તા માપદંડની વિભાવનાઓને સમજવાની અને આર્ટિફિશિયલ ઈન્ટેલિજન્સ સપોર્ટ સાથે ઈમ્પેક્ટ એનાલિસિસ ડ્રાફ્ટ તૈયાર કરવાની ક્ષમતા.
• ફેરફારની અવકાશ-સમય-ખર્ચ-ગુણવત્તા (આયર્ન ત્રિકોણ) અસર અને ડ્રાફ્ટ મૂળ કારણ વિશ્લેષણની કલ્પના કરવા માટે કૃત્રિમ બુદ્ધિનો ઉપયોગ કરવાની ક્ષમતા
• એ સમજવાની ક્ષમતા કે પરિવર્તનની મંજૂરી અને ગુણવત્તાની સ્વીકૃતિ સક્ષમ નિર્ણય લેનારની છે અને તે કૃત્રિમ બુદ્ધિ પ્રભાવ વિશ્લેષણની ચકાસણી કરવી આવશ્યક છે.

કોઈ પણ પ્રોજેક્ટ યોજના પ્રમાણે ચાલતો નથી. ગ્રાહક નવી વિનંતી લાવે છે, એક અણધારી ભૂલ પોપ અપ થાય છે, જરૂરિયાત બદલાય છે. આ એકમનો વિષય આ અનિવાર્ય ફેરફારોને અંધાધૂંધીમાં ફેરવતા પહેલા તેનું સંચાલન કરવાનો છે. અમે ત્રણ મિકેનિઝમ્સ વિશે શીખીશું: વ્યવસ્થાપન બદલો, જે ખાતરી કરે છે કે મંજૂરી વિના કોઈપણ કાર્ય બદલાતું નથી, સમસ્યાનું સંચાલન, જે ઉદ્ભવતી સમસ્યાઓને રેકોર્ડ કરે છે અને તેનું નિરાકરણ લાવે છે અને ગુણવત્તા વ્યવસ્થાપન, જે ખાતરી કરે છે કે ડિલિવરેબલ્સ "પર્યાપ્ત સારા" મળે છે. AI એ ત્રણેયમાં એક શક્તિશાળી વિશ્લેષણ ભાગીદાર છે: તે ફેરફારની વિનંતીના અવકાશ-સમય-ખર્ચ-ગુણવત્તા પ્રભાવને દૃશ્યમાન બનાવે છે, સમસ્યાઓના મૂળ કારણની તપાસ કરે છે, ગુણવત્તા માપદંડો તૈયાર કરે છે. પરંતુ પરિવર્તનની મંજૂરી અને ગુણવત્તાની સ્વીકૃતિ હંમેશા સક્ષમ નિર્ણયકર્તા પર રહે છે; AI ના પ્રભાવ વિશ્લેષણને ચકાસ્યા વિના નિર્ણયમાં ફેરવવું જોઈએ નહીં.

મેનેજમેન્ટ અને આયર્ન ત્રિકોણ બદલો

ફેરફારની વિનંતી એ ઔપચારિક વિનંતી છે જે અવકાશ, સમયપત્રક, બજેટ અથવા સંસાધનમાં ફેરફારની દરખાસ્ત કરે છે. અનિયંત્રિત ફેરફાર એ સ્કોપ ક્રીપનો મુખ્ય સ્ત્રોત છે જે આપણે અગાઉના એકમોમાં જોયો છે. ઉકેલ એ છે કે દરેક ફેરફારને ગેટ દ્વારા આગળ ધકેલવો: ચેન્જ કંટ્રોલ બોર્ડ (CCB) એ અધિકૃત જૂથ છે જે ફેરફારની વિનંતીઓનું મૂલ્યાંકન કરે છે અને મંજૂર/નકારે છે.

દરેક ફેરફારની અસરને સમજવા માટે, આયર્ન ત્રિકોણનો ખ્યાલ મહત્વપૂર્ણ છે: અવકાશ, સમય અને ખર્ચ એકબીજા સાથે જોડાયેલા છે (મધ્યમાં ગુણવત્તા સાથે). એક બદલવાથી અન્ય પર અસર થાય છે: જો તમે અવકાશ વધારશો, તો કાં તો સમય વધશે, ખર્ચ વધશે અથવા ગુણવત્તા ઘટશે; "એક જ સમયે વધુ કામ, સમાન બજેટમાં" ઘણીવાર ગુણવત્તાના ભાવે આવે છે. સારી અસર પૃથ્થકરણ આ ત્રણ (ચાર) પરિમાણ પરના ફેરફારની અસર સ્પષ્ટપણે દર્શાવે છે.

ફેરફારની પ્રક્રિયા સામાન્ય રીતે છે: વિનંતી નોંધણી → અસર વિશ્લેષણ (સ્કોપ/સમય/ખર્ચ/ગુણવત્તા/જોખમ) → CCB નિર્ણય → યોજના, શેડ્યૂલ અને બજેટ અપડેટ જો મંજૂર હોય તો → હિસ્સેદારોની બ્રીફિંગ. કોઈપણ અસ્વીકૃત ફેરફારો લાગુ કરવામાં આવશે નહીં.

સમસ્યા અને ગુણવત્તા વ્યવસ્થાપન

એક સમસ્યા, જોખમથી વિપરીત, એક સમસ્યા છે જે પહેલાથી આવી છે (જોખમ ભવિષ્યમાં અનિશ્ચિતતા છે, સમસ્યા આજે વાસ્તવિકતા છે). ઇશ્યુ લોગ એ એક જીવંત સૂચિ છે જે ખુલ્લી સમસ્યાઓ, તેમની પ્રાથમિકતા, માલિક અને રિઝોલ્યુશનની સ્થિતિને ટ્રૅક કરે છે. સમસ્યાઓનું મૂળ કારણ શોધવા માટે બે તકનીકો સામાન્ય છે: 5 શા માટે - "શા માટે?" સળંગ પ્રશ્ન પૂછીને સપાટીના લક્ષણમાંથી મૂળ કારણ સુધી પહોંચવું; અને ફિશબોન ડાયાગ્રામ-મેપિંગના કારણોને શ્રેણીઓમાં (માનવ, પ્રક્રિયા, સામગ્રી, મશીન, પર્યાવરણ).

ગુણવત્તા વ્યવસ્થાપનના બે ભાગો છે: ગુણવત્તા ખાતરી (QA) ખાતરી કરે છે કે પ્રક્રિયાઓ યોગ્ય રીતે કામ કરી રહી છે (નિવારક), ગુણવત્તા નિયંત્રણ (QC) આઉટપુટ માપદંડ (ડિટેક્ટર) ને પૂર્ણ કરે છે કે કેમ તે તપાસે છે. સ્વીકૃતિ માપદંડ અને પૂર્ણની વ્યાખ્યા એ માપદંડ છે જે નક્કી કરે છે કે નોકરી ક્યારે પૂર્ણ થાય છે.

ખ્યાલ

શું

ઉદાહરણ

વિનંતી બદલો

અધિકૃત વિનંતી કે જે યોજનામાં ફેરફાર કરે છે

"રિપોર્ટ સ્ક્રીન પર ફિલ્ટર ઉમેરો"

અસર વિશ્લેષણ

અવકાશ/સમય/ખર્ચ/ગુણવત્તાની અસર

"+5 દિવસ, +3% બજેટ, મધ્યમ જોખમ"

સીસીબી

મંજૂરી સત્તા

પ્રાયોજક + PM + તકનીકી નેતા

સમસ્યા

સમજાયું સમસ્યા

"પરીક્ષણ વાતાવરણ ક્રેશ થયું"

મૂળ કારણ

વાસ્તવિક કારણ (5 કારણો)

"બેકઅપ ગોઠવણી ખોટી છે"

ગુણવત્તા માપદંડ

સ્વીકૃતિ માપદંડ

"ભૂલ દર <1%"

સ્ટેપ બાય સ્ટેપ: AI સાથે બદલાવ અને ગુણવત્તા

1. વિનંતીની સ્પષ્ટતા કરો. ફેરફારની વિનંતીને "શું, શા માટે, કોણ ઇચ્છે છે" તરીકે લખો; અસ્પષ્ટ માંગનું વિશ્લેષણ કરી શકાતું નથી.
2. અસર વિશ્લેષણ ડ્રાફ્ટ. અવકાશ, સમય, કિંમત, ગુણવત્તા અને જોખમના સંદર્ભમાં AI ને પ્રભાવની રૂપરેખા માટે પૂછો; ટીમ ડેટા સાથે નંબરો ચકાસો.
3. વિકલ્પો બનાવો. AI પાસે "મંજૂર/અસ્વીકાર/સ્થગિત/આંશિક લાગુ" વિકલ્પો અને દરેકના પરિણામોની સૂચિ રાખો.
4. સીસીબીને સબમિટ કરો. વિશ્લેષણને નિર્ણય લેનાર પાસે લઈ જાઓ; મંજૂરી વિના અરજી કરશો નહીં.
5. મૂળ કારણ વિશ્લેષણ. AI પાસે સમસ્યા માટે 5 શા માટે સાંકળો અને ફિશબોન કેટેગરીઝ જનરેટ કરો; વાસ્તવિક ડેટા સાથે પરીક્ષણ કરો.
6. ગુણવત્તા માપદંડ નિયંત્રણ. AI ને ડિલિવરેબલ્સ આપો અને સ્વીકૃતિ માપદંડ અનુસાર ખામીઓ/બિન-અનુરૂપતાઓ તૈયાર કરો; અંતિમ સ્વીકૃતિ નિષ્ણાત દ્વારા આપવામાં આવે છે.

સાવધાની: AI ફેરફારની અસરને થોડી જણાશે, જેમ કે "માત્ર 2 દિવસ", કારણ કે તે છુપાયેલી અવલંબન અને પરોક્ષ અસરોને જાણતું નથી. જે ટીમ કાર્ય કરશે તેની સાથે ચકાસણી કર્યા વિના અસર વિશ્લેષણ સીસીબીને "અંતિમ" તરીકે રજૂ કરવું જોઈએ નહીં.

ત્રણ નાના કેસો

કેસ 1 - ફેરફારની વાસ્તવિક કિંમત. ગ્રાહક "સ્ક્રીનમાં નાનો ફેરફાર" ઇચ્છતો હતો. PM એ AI ને વિનંતી કરી અને ડ્રાફ્ટ ઇમ્પેક્ટ એનાલિસિસ મેળવ્યો: ફેરફારથી ત્રણ મોડ્યુલ, +6 દિવસ અને +4% બજેટને અસર થઈ. ટીમે આ વાતની પુષ્ટિ કરી છે. સીસીબીએ ગ્રાહકને વાસ્તવિક કિંમત બતાવી; ક્લાયન્ટે ફેરફારને આગલા તબક્કામાં મુલતવી રાખ્યો. માંગ, જે "નાની" હોવાનું માનવામાં આવતું હતું, તે અરાજકતામાં ફેરવાય તે પહેલાં તેનું સંચાલન કરવામાં આવ્યું હતું.

કેસ 2 - મૂળ કારણ મળ્યું. એક ટીમમાં, પરીક્ષણ વાતાવરણ સતત ક્રેશ થઈ રહ્યું હતું. સંયોજકે એઆઈને સમસ્યાનો અહેવાલ આપ્યો અને 5 કેમ સાંકળ માટે કહ્યું. સાંકળ "અપૂરતી ડિસ્ક → સફાઈ કાર્ય અવ્યાખ્યાયિત → કોઈ પ્રક્રિયા માલિક નથી" પર આવી. ટીમે મૂળ કારણ (અનાથ સફાઈ પ્રક્રિયા) ઉકેલી, સપાટીના લક્ષણ (પતન)ને નહીં; સમસ્યાનું પુનરાવર્તન થયું નહીં.

કેસ 3 - ઓછો અંદાજિત અસર. એક ટીમે AI ના "આ ફેરફારની ન્યૂનતમ અસર છે" ડ્રાફ્ટની ચકાસણી કર્યા વિના તેને મંજૂરી આપી. આ પરિવર્તને નિર્ણાયક માર્ગ પર નિર્ભરતા તોડી નાખી અને પ્રોજેક્ટમાં 9 દિવસનો વિલંબ થયો. પાઠ: અસર વિશ્લેષણનો ટીમ માન્યતા વિના નિર્ણયોના આધાર તરીકે ઉપયોગ કરી શકાતો નથી.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા પ્રોમ્પ્ટ:

આ ફેરફાર વિનંતી ધ્યાનમાં લો.

કોઈ કદ, કોઈ ડેટા અને કોઈ નિર્ણય ફ્રેમવર્ક નથી; AI સુપરફિસિયલ અને કદાચ વધુ પડતો આશાવાદી જવાબ આપે છે.

શક્તિશાળી પ્રોમ્પ્ટ:

તમારી ભૂમિકા: પરિવર્તન વ્યવસ્થાપન વિશ્લેષક. વિનંતી બદલો: [વર્ણન]. દ્વારા વિનંતી કરવામાં આવી છે: [ભૂમિકા]. વાજબીપણું: [શા માટે]. સંદર્ભ: વર્તમાન અવકાશ, શેડ્યૂલ (જટિલ પાથ જોડાયેલ), બજેટ સ્થિતિ (ગુણોત્તરમાં). કાર્ય: લોહ ત્રિકોણ દ્વારા અસરનું વિશ્લેષણ ડ્રાફ્ટ તૈયાર કરો:- અવકાશ અસર, સમયની અસર (શું તે નિર્ણાયક માર્ગને અસર કરશે?), ખર્ચની અસર, ગુણવત્તાની અસર, નવા જોખમો- વિકલ્પો: / અનુમોદન પછીનો ભાગ / અનુમોદન; દરેક નિયમનું પરિણામ: આંકડાકીય અસરોનો ડ્રાફ્ટ કરો અને તેમને "[ટીમ વેરિફિકેશન જરૂરી]" સાથે ચિહ્નિત કરો. ધારો કે તમે છુપાયેલ નિર્ભરતા જાણતા નથી; ચોક્કસ ભાષણ. અંતિમ નિર્ણય CCB પર રહેલો છે.

આ પ્રોમ્પ્ટ શક્તિશાળી છે: તેમાં લોખંડની ત્રિકોણ ફ્રેમ, વિકલ્પ જનરેશન, ડ્રાફ્ટ ચેતવણી અને નિર્ણય નિર્માતા ભારનો સમાવેશ થાય છે.

વધારાના નમૂનાઓ:

#5 શા માટે એન્જિન પ્રશ્ન "શા માટે?" સળંગ 5 વાર પ્રશ્ન પૂછીને મૂળ કારણ પર જાઓ: [સમસ્યા]. દરેક પગલા પર, ડેટા સાથે આગળનું કારણ કેવી રીતે ચકાસવામાં આવશે તે પણ લખો. બનાવેલ કારણ ઉમેરવું.

# ફિશબોન ઉત્પાદક કેટેગરી દ્વારા નીચેની સમસ્યાના સંભવિત કારણોની સૂચિ બનાવો (માનવ, પ્રક્રિયા, સાધન/મશીન, સામગ્રી, પર્યાવરણ, પદ્ધતિ). 3 સંભવિત કારણો પર ટિક કરો અને ચકાસણી પદ્ધતિ સૂચવો.

# ગુણવત્તા સ્વીકૃતિ નિરીક્ષક નીચેના સ્વીકૃતિ માપદંડ અનુસાર આઇટમ દ્વારા ડિલિવરી આઇટમ તપાસો; મેટ, અનમેટ અને અનિશ્ચિત વચ્ચે તફાવત કરો. જણાવો કે અંતિમ સ્વીકૃતિનો નિર્ણય નિષ્ણાત પર રહેલો છે.

સામાન્ય ભૂલો

• મંજૂરી વિના ફેરફારનો અમલ: મંજૂરી વિના ફેરફાર એ અવકાશ છે.
• અસરને ઓછો અંદાજ: AI જેને "નાનો" ફેરફાર કહે છે તે છુપાયેલા અવલંબન સાથે મોટો હોઈ શકે છે.
• લક્ષણનું નિરાકરણ અને મૂળ કારણ છોડવું: જો 5 શા માટે કરવામાં ન આવે, તો સમસ્યા પાછી આવશે.
• જોખમ સાથે ગૂંચવણભરી સમસ્યા: ભવિષ્યમાં જોખમ, વર્તમાનમાં સમસ્યા; તેઓ અલગ રીતે સંચાલિત થાય છે.
• ગુણવત્તાના માપદંડને વ્યક્તિલક્ષી છોડીને: "ગુડનેસ" માપી શકાતું નથી; સ્વીકૃતિ માપદંડ સંખ્યાત્મક હોવા જોઈએ.
• ચકાસણી વિના CCB ને અસર વિશ્લેષણ સબમિટ કરવું: ખોટું વિશ્લેષણ ખોટા નિર્ણયને બળ આપે છે.

ટીપ: દરેક ફેરફારની વિનંતીને "ના" કહેવું એ પણ મેનેજમેન્ટનો નિર્ણય છે. એક સારા પીએમ જાણે છે કે પરિવર્તનને નકારવાથી પ્રોજેક્ટનું રક્ષણ પણ થાય છે; પીએમ દરેક વિનંતી સ્વીકારે છે અને ગ્રાહકનું સંચાલન કરે છે, પ્રોજેક્ટ નહીં.

સારાંશમાં

પરિવર્તન, સમસ્યા અને ગુણવત્તા વ્યવસ્થાપન પ્રોજેક્ટને અનિવાર્ય પરિવર્તનમાં તરતું રાખે છે. ફેરફારો CCBમાંથી પસાર થાય છે અને લોખંડ ત્રિકોણ (સ્કોપ-સમય-ખર્ચ-ગુણવત્તા) દ્વારા વિશ્લેષણ કરવામાં આવે છે; સમસ્યાઓ નોંધવામાં આવે છે અને મૂળ કારણને 5 Whys અને fishbones સાથે સંબોધવામાં આવે છે; માપી શકાય તેવા સ્વીકૃતિ માપદંડ દ્વારા ગુણવત્તાની ખાતરી આપવામાં આવે છે. AI અસર વિશ્લેષણ, મૂળ કારણ તપાસ અને ગુણવત્તા ઓડિટીંગને વેગ આપે છે. જો કે, અસર નંબરોની ટીમની ચકાસણી, મંજૂરીમાં ફેરફાર અને ગુણવત્તાની સ્વીકૃતિ સક્ષમ માનવ અધિકારી પાસે રહે છે.

એપ્લિકેશન કાર્ય

તમારા પ્રોજેક્ટમાંથી ફેરફારની વિનંતી (વાસ્તવિક અથવા સંભવિત) પ્રાપ્ત કરો. આયર્ન ત્રિકોણ દ્વારા AI થી અસર વિશ્લેષણ રૂપરેખા અને નિર્ણય વિકલ્પો જનરેટ કરો; તમારી ટીમ પર કોઈની સાથે નંબરો ચકાસો. ઉપરાંત, વર્તમાન સમસ્યા લો, "5 Whys એન્જીન" વડે મૂળ કારણ પર જાઓ અને મૂળ કારણના ઉકેલને દિશામાન કરો. CCB નિર્ણય ફોર્મેટમાં અસર વિશ્લેષણનો સારાંશ આપો.

ચેકલિસ્ટ

• [ ] મેં આયર્ન ત્રિકોણ (સ્કોપ/સમય/ખર્ચ/ગુણવત્તા) દ્વારા પરિવર્તનનું વિશ્લેષણ કર્યું.
• [ ] મેં ડ્રાફ્ટ તરીકે ચિહ્નિત થયેલ ટીમ ડેટા સાથે અસર નંબરોની ચકાસણી કરી.
• [ ] મેં ફેરફારને મંજૂરી માટે સક્ષમ અધિકારી (CCB) પાસે લીધો.
• [] મને 5 કારણો/ફિશબોન સાથે સમસ્યાનું મૂળ કારણ મળ્યું.
• [ ] મેં ગુણવત્તાની સ્વીકૃતિને માપી શકાય તેવા માપદંડો સાથે જોડી છે.
• [ ] મેં મંજૂરી વિના કોઈપણ ફેરફારોનો અમલ કર્યો નથી.