Keuntungan:
- Kemampuan untuk memahami logika kemacetan (kecepatan suatu proses adalah kecepatan langkah paling lambatnya) dan menargetkan kemacetan untuk menemukan dan memperbaikinya pada titik yang tepat dengan dukungan kecerdasan buatan
- Kemampuan untuk mengukur produktivitas bersama dengan kualitas dan keberlanjutan serta menghindari perangkap produktivitas yang salah
- Kemampuan untuk menghasilkan skenario kapasitas dengan kecerdasan buatan dan menggabungkannya dengan realitas ekonomi, dengan mengetahui bahwa itu hanyalah prediksi
Operasi adalah otot dari sebuah bisnis: dimana produk dibuat, layanan diberikan, pekerjaan benar-benar dilakukan. Bagi seorang manajer, mengelola operasi dengan baik berarti menghasilkan nilai lebih dengan sumber daya yang sama. Kuncinya terletak pada tiga konsep: efisiensi (berapa banyak keluaran yang Anda hasilkan per masukan), kemacetan (titik tersempit yang memperlambat keseluruhan aliran), dan kapasitas (jumlah maksimum yang dapat Anda hasilkan dengan sumber daya yang tersedia). Di unit ini, kita akan mempelajari cara menggunakan AI untuk menganalisis data operasional, menemukan hambatan, dan merencanakan kapasitas. Batasan: AI menghasilkan analisis dan rekomendasi; Manajer memutuskan hambatan mana yang akan diinvestasikan dan bagaimana mendistribusikan sumber daya.
Logika kemacetan: mata rantai terlemah dalam rantai
Gagasan manajemen operasi yang paling kuat adalah sederhana: kecepatan suatu proses adalah kecepatan langkah paling lambatnya. Dalam lini produksi lima langkah, jika empat langkah memproses 100 buah per jam dan satu langkah memproses 40 buah, maka kecepatan seluruh lini adalah 40. Langkah lambat ini disebut kemacetan. Mempercepat langkah-langkah untuk keluar dari kemacetan hanya membuang-buang uang dan tenaga; Yang berhasil hanyalah memperlebar kemacetan. Itu sebabnya pertanyaan pertama dalam analisis operasi selalu "di manakah hambatannya?"
AI adalah penolong yang baik dalam menemukan hambatan dalam data operasi Anda: Anda memberikan durasi setiap langkah, waktu tunggu dan simpanan, dan AI akan menandai titik tersulit dan simpanan di depannya. Namun berhati-hatilah: AI menunjukkan langkah paling lambat dalam data; Anda harus membedakan berdasarkan pengetahuan lapangan Anda apakah ini benar-benar hambatan atau gangguan sementara.
Petunjuk: Tanda praktis untuk menemukan hambatan adalah “backlog”. Langkah mana pun yang menumpuk di depan Anda (backlog, antrian, inventaris barang dalam proses) kemungkinan besar merupakan hambatannya. Tanyakan kepada AI, "Langkah mana yang paling banyak pekerjaan yang harus dilakukan?" Anda dapat menemukannya dengan cepat dengan menanyakan:
Efisiensi dan kapasitas: menggunakan sumber daya dengan bijak
Produktivitas adalah rasio input dan output: menghasilkan lebih banyak dengan tenaga kerja yang sama, lebih sedikit pemborosan dengan mesin yang sama. Namun mengejar efisiensi secara membabi buta adalah sebuah jebakan — “efisiensi” yang mengurangi kualitas atau membuat pekerja kehabisan tenaga sebenarnya membutuhkan biaya. Manajer yang baik mengukur efisiensi bersama dengan kualitas dan keberlanjutan.
Perencanaan kapasitas berarti mengatur terlebih dahulu sumber daya untuk memenuhi permintaan. Kapasitas rendah berarti pesanan terlewat; Kelebihan kapasitas berarti biaya menganggur. AI sangat ampuh dalam menghasilkan skenario dari data historis permintaan dan kapasitas Anda: “jika permintaan meningkat sebesar 20 persen, langkah mana yang akan mengalami hambatan?”, “jika kita menambahkan perubahan, apakah hambatan tersebut akan teratasi?” Ini memberikan skenario cepat untuk pertanyaan seperti. Skenario ini adalah prediksi; Anda membuat keputusan berdasarkan realitas ekonomi dan pengetahuan lapangan.
tiga kasus mini
Kasus 1 — Berinvestasi di tempat yang salah. Produksi lambat di bengkel furnitur. Reaksi pertama manajer adalah memperbarui mesin yang paling mahal (pemotongan). Pertama, dia memberikan waktu langkah anonim kepada AI. YZ menunjukkan bahwa tahap pencelupan-pengeringan, bukan pemotongan, yang menjadi penghambat, dan rata-rata 3 hari produk setengah jadi menumpuk di depannya. Alih-alih membeli mesin pemotong baru, manajer berinvestasi pada oven pengering kedua; Tingkat produksi meningkat 28 persen, biayanya sepertiga.
Kasus 2 — Efisiensi palsu. Di salah satu pusat panggilan, "waktu per panggilan" berkurang dan produktivitas tampak meningkat. Namun ketika AI diberikan kepuasan pelanggan dan tingkat panggilan berulang secara bersamaan, kebenaran pun terungkap: pelanggan menelepon lagi karena masalah mereka belum terselesaikan, dan total beban kerja meningkat. “Efisiensi” hanyalah ilusi. Metrik diubah menjadi "tingkat resolusi panggilan pertama".
Kasus 3 — Skenario kapasitas. Sebuah pusat distribusi kargo sedang bersiap menghadapi lonjakan permintaan menjelang hari libur. Manajer memberikan data anonim liburan masa lalu kepada AI dan bertanya, "Jika permintaan meningkat sebesar 40 persen, langkah mana yang akan diblokir?" dia bertanya. AI memperkirakan bahwa langkah sortir-parse akan gagal. Manajer menjadwalkan staf sementara untuk langkah tersebut; Operasional Idul Fitri berlalu tanpa ada hambatan. Skenarionya dari AI, keputusannya dari manajer.
Empat templat yang dapat disalin
1) Deteksi kemacetan:
Peran Anda: analis operasi. Gunakan data proses anonim terlampir (nama langkah, waktu rata-rata, simpanan). Bagi saya:1) Tunjukkan pada saya langkah paling lambat dan simpanan di depannya.2) Benarkan kemungkinan bahwa itu adalah hambatannya.3) Ingatkan saya mengapa mempercepat langkah selain hambatan tidak akan berhasil.Gunakan saja angka yang saya berikan.
2) Keseimbangan efisiensi-kualitas:
Saya sedang mempertimbangkan untuk meningkatkan metrik produktivitas berikut: [metrik]. Indikator kualitas/karyawan/pelanggan manakah yang mungkin terpengaruh jika saya menggunakan metrik ini sendirian? Buat daftar risikonya dan usulkan metrik seimbang yang akan mengukur efisiensi BERSAMA dengan kualitas.
3) Skenario kapasitas:
Gunakan data kapasitas anonim terlampir (langkah, kapasitas saat ini, permintaan saat ini). Hasilkan 3 skenario: permintaan +10%, +25%, +40%. Dalam setiap skenario, tunjukkan dalam tabel langkah mana yang diblokir terlebih dahulu dan berapa banyak sumber daya tambahan yang diperlukan. Tulis rumus perhitungannya agar saya bisa memverifikasinya secara manual.
4) Analisis limbah:
Temukan titik pemborosan dalam data produksi anonim terlampir (berapa banyak kerugian pada langkah mana). Buatlah daftar 3 sumber kerugian terbesar dan sarankan perbaikan berbiaya rendah untuk masing-masing sumber tersebut. Jangan menyatakan alasan tanpa bukti; Jika kurang jelas, katakan “harus diselidiki”.
Perintah lemah / Perintah kuat
Perintah yang lemah:
Bagaimana cara mempercepat produksi?
Tidak ada data, tidak ada proses. AI memberikan rekomendasi umum (lebih banyak mesin, lebih banyak personel); Hal ini dapat membuat Anda berinvestasi di luar hambatan dan kehilangan uang.
Perintah yang kuat:
Peran Anda: analis operasi. Data anonim terlampir berisi 6 langkah produksi, durasi setiap langkah, dan pekerjaan yang tertunda. Tujuan saya adalah meningkatkan kecepatan produksi total. Temukan hambatannya terlebih dahulu, lalu perkirakan dampak perluasan langkah tersebut. Merekomendasikan investasi pada langkah-langkah yang tidak menghambat. Tampilkan rumus.
Ukuran
pendekatan yang buruk
Pendekatan yang kuat
Data
Tidak ada
Waktu langkah ditambahkan
Fokus
kecepatan keseluruhan
kemacetan
Arah investasi
acak
Ditargetkan pada kemacetan
Keterverifikasian
rendah
dengan rumus
Efektivitas biaya
rendah
tinggi
Kesalahan umum
- Berinvestasi di luar kemacetan. Perbaiki langkah tersempit, bukan langkah termahal.
- Efisiensi palsu. Kecepatan yang menurunkan kualitas justru menambah beban kerja; Ukur efisiensi dengan kualitas.
- Terjebak dalam satu kemacetan. Ketika satu hambatan teratasi, hambatan berikutnya akan muncul; Prosesnya terus dipantau.
- Salah mengira skenario itu nyata. Skenario kapasitas merupakan perkiraan; Kombinasikan dengan realitas ekonomi.
- Hilangnya akar penyebab kebakaran. Menemukan titik pemborosan saja tidak cukup; Selidiki alasannya di lapangan.
Perhatian: Setelah Anda mengatasi hambatan, pekerjaan belum selesai; Kecepatan sistem kini terhenti pada langkah paling lambat berikutnya. Peningkatan operasi bukanlah sebuah proyek yang dilakukan satu kali saja, namun sebuah siklus yang berkesinambungan. Setelah setiap perbaikan, kita bertanya "di manakah hambatan barunya?" Tanyakan lagi.
Singkatnya
Inti dari analisis operasi adalah logika kemacetan: kecepatan suatu proses adalah kecepatan dari langkah paling lambatnya, sehingga perbaikan harus ditargetkan pada kemacetan tersebut. Mengukur efisiensi di samping kualitas dan keberlanjutan; Jangan terjebak dalam produktivitas palsu. Rencanakan kapasitas dengan skenario, namun ingatlah bahwa skenario hanyalah perkiraan. AI merupakan bantuan yang ampuh dalam deteksi kemacetan, pembuatan skenario, dan analisis pemborosan; Ini adalah keputusan manajer mengenai hambatan mana yang akan diinvestasikan dan bagaimana mendistribusikan sumber daya.
Tugas aplikasi
Pilih proses dari operasi Anda sendiri (produksi, layanan, atau alur administratif) dan cantumkan secara anonim durasi setiap langkah dan jumlah simpanan. Minta AI menemukan hambatan dengan templat "Deteksi kemacetan" di atas. Kemudian menentukan hambatan pertama pada peningkatan permintaan dengan “Skenario Kapasitas”. Verifikasikan temuan tersebut dengan mengamatinya di lapangan dan tuliskan prioritas investasi Anda dalam 3 item.
daftar periksa
- [ ] Sudahkah saya mencantumkan langkah-langkah proses secara anonim dengan durasi dan jaminan simpanan?
- [ ] Apakah saya sudah mengidentifikasi kemacetan (titik tersempit) dengan benar?
- [ ] Apakah saya menargetkan perbaikan pada hambatan tersebut?
- [ ] Apakah saya mengukur produktivitas dan kualitas?
- [ ] Apakah saya mempertimbangkan skenario kapasitas sebagai perkiraan dan menggabungkannya dengan lapangan?