ઓપરેશન્સ વિશ્લેષણ: કાર્યક્ષમતા, અડચણ અને ક્ષમતા

નફો:

• અડચણના તર્કને સમજવાની ક્ષમતા (પ્રક્રિયાની ગતિ એ તેના સૌથી ધીમા પગલાની ગતિ છે) અને કૃત્રિમ બુદ્ધિમત્તાના સમર્થનથી યોગ્ય બિંદુએ તેને શોધવા અને સુધારવા માટે અડચણને લક્ષ્યાંકિત કરવાની ક્ષમતા
• ગુણવત્તા અને ટકાઉપણું સાથે ઉત્પાદકતાને માપવાની ક્ષમતા અને ખોટા ઉત્પાદકતાના જાળને ટાળવા
• આર્ટિફિશિયલ ઇન્ટેલિજન્સ સાથે ક્ષમતાના દૃશ્યો ઉત્પન્ન કરવાની અને તેમને આર્થિક વાસ્તવિકતા સાથે જોડવાની ક્ષમતા, એ જાણીને કે તે આગાહીઓ છે.

ઑપરેશન્સ એ વ્યવસાયનું સ્નાયુ છે: જ્યાં ઉત્પાદન બનાવવામાં આવે છે, સેવા પૂરી પાડવામાં આવે છે, કાર્ય ખરેખર કરવામાં આવે છે. મેનેજર માટે, કામગીરીને સારી રીતે સંચાલિત કરવાનો અર્થ એ છે કે સમાન સંસાધનો સાથે વધુ મૂલ્ય ઉત્પન્ન કરવું. આની ચાવી ત્રણ વિભાવનાઓમાં રહેલી છે: કાર્યક્ષમતા (તમે ઇનપુટ દીઠ કેટલું આઉટપુટ ઉત્પન્ન કરો છો), અડચણ (સંકુચિત બિંદુ જે સમગ્ર પ્રવાહને ધીમું કરે છે), અને ક્ષમતા (ઉપલબ્ધ સંસાધન સાથે તમે મહત્તમ ઉત્પાદન કરી શકો છો). આ એકમમાં, અમે ઓપરેશનલ ડેટાનું વિશ્લેષણ કરવા, અડચણો શોધવા અને યોજના ક્ષમતા માટે AI નો ઉપયોગ કેવી રીતે કરવો તે શીખીશું. સીમા: AI વિશ્લેષણ અને ભલામણ ઉત્પન્ન કરે છે; મેનેજર નક્કી કરે છે કે કઈ અડચણમાં રોકાણ કરવું અને સંસાધનનું વિતરણ કેવી રીતે કરવું.

અડચણ તર્ક: સાંકળમાં સૌથી નબળી કડી

ઓપરેશન મેનેજમેન્ટનો સૌથી શક્તિશાળી વિચાર સરળ છે: પ્રક્રિયાની ગતિ એ તેના સૌથી ધીમા પગલાની ગતિ છે. પાંચ-પગલાની ઉત્પાદન લાઇનમાં, જો ચાર પગલાં પ્રતિ કલાક 100 ટુકડાઓ પર પ્રક્રિયા કરે છે અને એક પગલું 40 ટુકડાઓ પર પ્રક્રિયા કરે છે, તો સમગ્ર લાઇનની ગતિ 40 છે. આ ધીમા પગલાને અવરોધ કહેવામાં આવે છે. અડચણની બહારના પગલાંને વેગ આપવો એ પૈસા અને પ્રયત્નોનો વ્યય છે; જે કામ કરે છે તે અડચણને પહોળી કરવાનું છે. તેથી જ ઑપરેશન એનાલિસિસનો પહેલો પ્રશ્ન હંમેશા "ક્યાં છે અડચણ?"

AI એ તમારા ઓપરેશન ડેટામાં અડચણ શોધવામાં સારો સહાયક છે: તમે દરેક પગલાનો સમયગાળો, રાહ જોવાનો સમય અને બેકલોગ આપો છો અને તે સૌથી ચુસ્ત બિંદુ અને તેની આગળનો બેકલોગ ચિહ્નિત કરશે. પરંતુ સાવચેત રહો: ​​AI ડેટામાં સૌથી ધીમું પગલું બતાવે છે; તમારે તમારા ક્ષેત્રના જ્ઞાન સાથે તફાવત કરવો જોઈએ કે આ એક વાસ્તવિક અડચણ છે કે અસ્થાયી વિક્ષેપ.

સંકેત: અડચણ શોધવા માટેનો વ્યવહારુ સંકેત "બેકલોગ" છે. તમારી સામે જે પણ પગલું ભરાઈ રહ્યું છે (બેકલોગ, કતાર, વર્ક-ઇન-પ્રોસેસ ઇન્વેન્ટરી) સંભવતઃ અડચણ છે. AI ને પૂછો, "તેની આગળ કયા પગલામાં સૌથી વધુ કામ છે?" તમે પૂછીને આ ઝડપથી શોધી શકો છો:

કાર્યક્ષમતા અને ક્ષમતા: સંસાધનોનો કુશળતાપૂર્વક ઉપયોગ કરવો

ઉત્પાદકતા એ ઇનપુટ અને આઉટપુટનો ગુણોત્તર છે: સમાન શ્રમ સાથે વધુ ઉત્પાદન, સમાન મશીનથી ઓછો બગાડ. પરંતુ કાર્યક્ષમતાનો આંધળો પીછો કરવો એ એક છટકું છે - "કાર્યક્ષમતા" જે ગુણવત્તા ઘટાડે છે અથવા કામદારોને બાળી નાખે છે તે ખરેખર પૈસા ખર્ચે છે. સારા સંચાલકો ગુણવત્તા અને ટકાઉપણું સાથે કાર્યક્ષમતાને માપે છે.

ક્ષમતા આયોજન એટલે માંગને પહોંચી વળવા સંસાધનોની પૂર્વ-વ્યવસ્થા કરવી. ઓછી ક્ષમતા એટલે ચૂકી ગયેલા ઓર્ડર; વધારાની ક્ષમતા એટલે નિષ્ક્રિય ખર્ચ. AI તમારી ઐતિહાસિક માંગ અને ક્ષમતા ડેટામાંથી દૃશ્યો જનરેટ કરવામાં શક્તિશાળી છે: "જો માંગ 20 ટકા વધે છે, તો કયું પગલું અડચણ ઊભી કરશે?", "જો આપણે પાળી ઉમેરીશું, તો શું અડચણ દૂર થશે?" તે જેવા પ્રશ્નો માટે ઝડપી દૃશ્યો આપે છે. આ દૃશ્યો આગાહીઓ છે; તમે આર્થિક વાસ્તવિકતા અને ક્ષેત્રીય જ્ઞાનના આધારે નિર્ણય લેશો.

ત્રણ નાના કેસો

કેસ 1 - ખોટી જગ્યાએ રોકાણ કરવું. ફર્નિચર વર્કશોપમાં ઉત્પાદન ધીમું હતું. મેનેજરની પ્રથમ પ્રતિક્રિયા સૌથી મોંઘા મશીન (કટીંગ) ને નવીકરણ કરવાની હતી. પ્રથમ, તેણે AI ને અનામી સ્ટેપ વખત આપ્યો. YZ એ બતાવ્યું કે કટિંગ નહીં પણ ડાઇંગ-ડ્રાયિંગ સ્ટેપ અડચણરૂપ હતું અને તેની સામે સરેરાશ 3 દિવસની સેમી-ફિનિશ્ડ પ્રોડક્ટ્સ એકઠી થાય છે. નવા કટીંગ મશીનને બદલે, મેનેજરે બીજા સૂકવવાના ઓવનમાં રોકાણ કર્યું; ઉત્પાદન દર 28 ટકા વધ્યો, ખર્ચ એક તૃતીયાંશ હતો.

કેસ 2 - નકલી કાર્યક્ષમતા. એક કોલ સેન્ટરમાં, "કૉલ દીઠ સમય" ઓછો થયો અને ઉત્પાદકતામાં વધારો થયો. પરંતુ જ્યારે AI ને ગ્રાહક સંતોષ અને પુનરાવર્તિત કોલ રેટ એકસાથે આપવામાં આવ્યા, ત્યારે સત્ય બહાર આવ્યું: ગ્રાહકો ફરીથી કૉલ કરી રહ્યા હતા કારણ કે તેમની સમસ્યાઓનું નિરાકરણ થયું ન હતું, અને કુલ વર્કલોડ વધ્યો હતો. "કાર્યક્ષમતા" એક ભ્રમણા હતી. મેટ્રિકને "ફર્સ્ટ કોલ રિઝોલ્યુશન રેટ" માં બદલવામાં આવ્યું હતું.

કેસ 3 - ક્ષમતા દૃશ્ય. એક કાર્ગો વિતરણ કેન્દ્ર રજા પૂર્વેની માંગમાં વધારો કરવાની તૈયારી કરી રહ્યું હતું. મેનેજર એઆઈને અનામી ભૂતકાળની રજાઓનો ડેટા આપે છે અને પૂછે છે, "જો માંગ 40 ટકા વધે છે, તો કયા પગલાને અવરોધિત કરવામાં આવશે?" તેણે પૂછ્યું. AI એ આગાહી કરી હતી કે સૉર્ટ-પાર્સ સ્ટેપ ક્રેશ થઈ જશે. મેનેજરે તે પગલા માટે કામચલાઉ સ્ટાફને સુનિશ્ચિત કર્યો; ઈદની કામગીરી કોઈપણ અડચણ વગર પાર પડી. દૃશ્ય એઆઈનું હતું, નિર્ણય મેનેજરનો હતો.

ચાર નકલ કરી શકાય તેવા નમૂનાઓ

1) અડચણ શોધ:

તમારી ભૂમિકા: ઓપરેશન એનાલિસ્ટ. જોડાયેલ અનામી પ્રક્રિયા ડેટા (પગલાનું નામ, સરેરાશ સમય, બેકલોગ) નો ઉપયોગ કરો. મને:1) મને સૌથી ધીમું પગલું અને તેનાથી આગળનો બેકલોગ બતાવો.2) તે અડચણ હોવાની શક્યતાને સમર્થન આપો.3) મને યાદ કરાવો કે અવરોધ સિવાયના પગલાંને ઝડપી બનાવવાનું કામ કેમ નહીં થાય. માત્ર મેં આપેલા નંબરોનો ઉપયોગ કરો.

2) કાર્યક્ષમતા-ગુણવત્તા સંતુલન:

હું નીચેના ઉત્પાદકતા મેટ્રિકને સુધારવાનું વિચારી રહ્યો છું: [મેટ્રિક]. જો હું એકલા આ મેટ્રિકને અનુસરું તો કઈ ગુણવત્તા/કર્મચારી/ગ્રાહક સૂચકને નુકસાન થઈ શકે છે? જોખમોની યાદી બનાવો અને સંતુલિત મેટ્રિકનો પ્રસ્તાવ આપો જે ગુણવત્તા સાથે કાર્યક્ષમતાને એકસાથે માપશે.

3) ક્ષમતા દૃશ્ય:

જોડાયેલ અનામી ક્ષમતા ડેટા (પગલું, વર્તમાન ક્ષમતા, વર્તમાન માંગ) નો ઉપયોગ કરો. 3 દૃશ્યો બનાવો: માંગ +10%, +25%, +40%. દરેક દૃશ્યમાં, કોષ્ટકમાં બતાવો કે કયું પગલું પ્રથમ અવરોધિત છે અને કેટલા વધારાના સંસાધનોની જરૂર છે. ગણતરીના સૂત્રો લખો જેથી હું તેને મેન્યુઅલી ચકાસી શકું.

4) કચરાનું વિશ્લેષણ:

જોડાયેલ અનામી ઉત્પાદન ડેટામાં વેસ્ટેજ પોઈન્ટ શોધો (કયા પગલા પર કેટલું નુકસાન). નુકસાનના ટોચના 3 સ્ત્રોતોની સૂચિ બનાવો અને દરેક માટે ઓછા ખર્ચે સુધારણા સૂચવો. પુરાવા વિના કારણનો દાવો કરશો નહીં; જો તે અસ્પષ્ટ હોય, તો કહો કે "તપાસ થવી જોઈએ".

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા પ્રોમ્પ્ટ:

હું ઉત્પાદનને કેવી રીતે ઝડપી બનાવી શકું?

કોઈ ડેટા નથી, કોઈ પ્રક્રિયા નથી. AI સામાન્ય ભલામણો આપે છે (વધુ મશીનો, વધુ કર્મચારીઓ); આનાથી તમે અડચણની બહાર રોકાણ કરી શકો છો અને પૈસા ગુમાવી શકો છો.

શક્તિશાળી પ્રોમ્પ્ટ:

તમારી ભૂમિકા: ઓપરેશન એનાલિસ્ટ. જોડાયેલ અનામી ડેટામાં 6 પ્રોડક્શન સ્ટેપ્સ, દરેક સ્ટેપનો સમયગાળો અને આગળનું બાકી કામ છે. મારો ધ્યેય કુલ ઉત્પાદન ઝડપ વધારવાનો છે. પહેલા અડચણ શોધો, પછી માત્ર તે પગલાને વિસ્તારવાની અસરનો અંદાજ કાઢો. અડચણ વગરના પગલાઓમાં રોકાણ કરવાની ભલામણ કરો. સૂત્રો બતાવો.

કદ

નબળી અભિગમ

મજબૂત અભિગમ

ડેટા

કોઈ નહિ

પગલાંનો સમય ઉમેર્યો

ફોકસ કરો

એકંદર ઝડપ

અડચણ

રોકાણની દિશા

રેન્ડમ

અડચણ પર નિશાન સાધ્યું

ચકાસણીક્ષમતા

નીચું

સૂત્ર સાથે

ખર્ચ અસરકારકતા

નીચું

ઉચ્ચ

સામાન્ય ભૂલો

• અડચણની બહાર રોકાણ કરવું. સૌથી વધુ ખર્ચાળ પગલું નહીં, સૌથી સાંકડા પગલામાં સુધારો કરો.
• નકલી કાર્યક્ષમતા. ઝડપ જે ગુણવત્તા ઘટાડે છે તે ખરેખર વર્કલોડને વધારે છે; ગુણવત્તા સાથે કાર્યક્ષમતાને માપો.
• એક અડચણમાં અટવાઈ જવું. એકવાર એક અડચણ ઉકેલાઈ જાય, પછીની અડચણ ઊભી થાય છે; પ્રક્રિયાનું સતત નિરીક્ષણ કરવામાં આવે છે.
• વાસ્તવિક માટે દૃશ્ય ભૂલથી. ક્ષમતાના દૃશ્યો અંદાજ છે; આર્થિક વાસ્તવિકતા સાથે જોડો.
• આગનું મૂળ કારણ ખૂટે છે. કચરાના બિંદુને શોધવું પૂરતું નથી; ક્ષેત્રમાં કારણની તપાસ કરો.

સાવધાન: એકવાર તમે અડચણ ઉકેલી લો, પછી કામ પૂરું થતું નથી; સિસ્ટમની ગતિ હવે આગામી સૌથી ધીમી પગલા પર અટકી ગઈ છે. કામગીરી સુધારણા એ એક વખતનો પ્રોજેક્ટ નથી, પરંતુ સતત ચક્ર છે. દરેક સુધારા પછી અમે પૂછીએ છીએ "નવી અડચણ ક્યાં છે?" ફરી પૂછો.

સારાંશમાં

ઑપરેશન વિશ્લેષણનું હાર્દ અડચણ તર્ક છે: પ્રક્રિયાની ગતિ એ તેના સૌથી ધીમા પગલાની ગતિ છે, તેથી સુધારણાને અડચણ પર લક્ષ્ય બનાવવું જોઈએ. ગુણવત્તા અને ટકાઉપણાની સાથે કાર્યક્ષમતાને માપો; બનાવટી ઉત્પાદકતાની જાળમાં ન પડો. દૃશ્યો સાથે ક્ષમતાની યોજના બનાવો, પરંતુ યાદ રાખો કે દૃશ્યો અંદાજિત છે. AI અડચણ શોધવા, દૃશ્ય નિર્માણ અને બગાડ વિશ્લેષણમાં એક શક્તિશાળી સહાય છે; કયા અડચણમાં રોકાણ કરવું અને સંસાધનનું વિતરણ કેવી રીતે કરવું તેનો નિર્ણય મેનેજરનો છે.

એપ્લિકેશન કાર્ય

તમારા પોતાના ઓપરેશન (ઉત્પાદન, સેવા અથવા વહીવટી પ્રવાહ)માંથી એક પ્રક્રિયા પસંદ કરો અને દરેક પગલાની અવધિ અને બેકલોગની રકમને અનામી રૂપે સૂચિબદ્ધ કરો. AI ને ઉપરના "બોટલનેક ડિટેક્શન" ટેમ્પલેટ વડે અડચણ શોધવા દો. તે પછી, "ક્ષમતા દૃશ્ય" સાથે માંગમાં વૃદ્ધિમાં પ્રથમ અવરોધ નક્કી કરો. ફિલ્ડમાં તેનું અવલોકન કરીને શોધને ચકાસો અને 3 વસ્તુઓમાં તમારી રોકાણની પ્રાથમિકતા લખો.

ચેકલિસ્ટ

• [ ] શું મેં પ્રક્રિયાના પગલાંને અવધિ અને બેકલોગ સાથે અજ્ઞાતપણે સૂચિબદ્ધ કર્યા છે?
• [ ] શું મેં અડચણ (સૌથી સાંકડા બિંદુ)ને યોગ્ય રીતે ઓળખી કાઢ્યું છે?
• [ ] શું મેં અડચણ પર સુધારણાને લક્ષ્ય બનાવ્યું હતું?
• શું મેં ગુણવત્તાની સાથે ઉત્પાદકતા પણ માપી છે?
• [ ] શું મેં ક્ષમતાના દૃશ્યને અંદાજ તરીકે ગણીને તેને ક્ષેત્ર સાથે જોડી દીધું?