فائدہ:
- رکاوٹ کی منطق کو سمجھنے کی صلاحیت (کسی عمل کی رفتار اس کے سب سے سست قدم کی رفتار ہے) اور مصنوعی ذہانت کی مدد سے اسے صحیح مقام پر تلاش کرنے اور بہتر بنانے کے لیے رکاوٹ کو نشانہ بنانا
- معیار اور پائیداری کے ساتھ پیداواری صلاحیت کی پیمائش کرنے اور غلط پیداواری جال سے بچنے کی صلاحیت
- مصنوعی ذہانت کے ساتھ صلاحیت کے منظرنامے تیار کرنے اور انہیں معاشی حقیقت کے ساتھ جوڑنے کی صلاحیت، یہ جانتے ہوئے کہ وہ پیشین گوئیاں ہیں۔
آپریشنز ایک کاروبار کے پٹھوں ہیں: جہاں پروڈکٹ بنتی ہے، سروس فراہم کی جاتی ہے، کام اصل میں ہوتا ہے۔ ایک مینیجر کے لیے، آپریشن کو اچھی طرح سے منظم کرنے کا مطلب ہے اسی وسائل کے ساتھ زیادہ قیمت پیدا کرنا۔ اس کی کلید تین تصورات میں مضمر ہے: کارکردگی (آپ فی ان پٹ کتنی پیداوار پیدا کرتے ہیں)، رکاوٹ (تنگ ترین نقطہ جو پورے بہاؤ کو سست کر دیتا ہے)، اور صلاحیت (زیادہ سے زیادہ مقدار جو آپ دستیاب وسائل سے پیدا کر سکتے ہیں)۔ اس یونٹ میں، ہم سیکھیں گے کہ آپریشنل ڈیٹا کا تجزیہ کرنے، رکاوٹوں کو تلاش کرنے اور منصوبہ بندی کی صلاحیت کے لیے AI کا استعمال کیسے کریں۔ باؤنڈری: AI تجزیہ اور سفارش تیار کرتا ہے۔ مینیجر فیصلہ کرتا ہے کہ کس رکاوٹ میں سرمایہ کاری کرنی ہے اور وسائل کو کیسے تقسیم کرنا ہے۔
رکاوٹ منطق: زنجیر کا سب سے کمزور لنک
آپریشنز مینجمنٹ کا سب سے طاقتور خیال آسان ہے: کسی عمل کی رفتار اس کے سست ترین قدم کی رفتار ہے۔ پانچ قدموں پر مشتمل پروڈکشن لائن میں، اگر چار قدم 100 ٹکڑوں کو فی گھنٹہ پراسیس کرتے ہیں اور ایک قدم 40 ٹکڑوں پر عمل کرتا ہے، تو پوری لائن کی رفتار 40 ہوتی ہے۔ اس سست قدم کو رکاوٹ کہا جاتا ہے۔ رکاوٹ سے باہر قدموں کو تیز کرنا پیسے اور محنت کا ضیاع ہے۔ جو کام کرتا ہے وہ رکاوٹ کو وسیع کرنا ہے۔ یہی وجہ ہے کہ آپریشنز کے تجزیہ کا پہلا سوال ہمیشہ یہ ہوتا ہے کہ "بات کہاں ہے؟"
AI آپ کے آپریشنز کے ڈیٹا میں رکاوٹ کو تلاش کرنے میں ایک اچھا مددگار ہے: آپ ہر قدم کی مدت، انتظار کے اوقات اور بیک لاگز دیتے ہیں، اور یہ سب سے سخت نقطہ اور اس سے آگے پیچھے ہونے والے بیک لاگ کو نشان زد کرے گا۔ لیکن ہوشیار رہیں: AI ڈیٹا میں سب سے سست قدم دکھاتا ہے۔ آپ کو اپنے فیلڈ کے علم سے یہ فرق کرنا چاہیے کہ آیا یہ ایک حقیقی رکاوٹ ہے یا عارضی رکاوٹ۔
اشارہ: رکاوٹ کو تلاش کرنے کی عملی علامت "بیک لاگ" ہے۔ جو بھی قدم آپ کے سامنے ڈھیر ہو رہا ہے (بیک لاگ، قطار، کام کے دوران انوینٹری) ممکنہ طور پر رکاوٹ ہے۔ AI سے پوچھیں، "اس کے آگے کون سا مرحلہ سب سے زیادہ کام کرتا ہے؟" آپ یہ پوچھ کر جلدی تلاش کر سکتے ہیں:
کارکردگی اور صلاحیت: وسائل کو سمجھداری سے استعمال کرنا
پیداواری صلاحیت ان پٹ اور آؤٹ پٹ کا تناسب ہے: ایک ہی محنت سے زیادہ پیداوار، ایک ہی مشین سے کم ضیاع۔ لیکن آنکھ بند کر کے کارکردگی کا پیچھا کرنا ایک جال ہے - "کارکردگی" جو معیار کو کم کرتی ہے یا کارکنوں کو جلا دیتی ہے اصل میں پیسے خرچ ہوتے ہیں۔ اچھے مینیجرز معیار اور پائیداری کے ساتھ کارکردگی کی پیمائش کرتے ہیں۔
صلاحیت کی منصوبہ بندی کا مطلب ہے طلب کو پورا کرنے کے لیے وسائل کا پہلے سے بندوبست کرنا۔ کم صلاحیت کا مطلب ہے چھوٹ گئے آرڈرز۔ اضافی صلاحیت کا مطلب ہے بیکار اخراجات۔ AI آپ کی تاریخی طلب اور صلاحیت کے اعداد و شمار سے منظرنامے تیار کرنے میں طاقتور ہے: "اگر مانگ میں 20 فیصد اضافہ ہوتا ہے، تو کون سا قدم رکاوٹ پیدا کرے گا؟"، "اگر ہم ایک شفٹ شامل کرتے ہیں تو کیا یہ رکاوٹ دور ہو جائے گی؟" یہ سوالات کے لیے فوری منظرنامے دیتا ہے جیسے۔ یہ منظرنامے پیشین گوئیاں ہیں۔ آپ معاشی حقیقت اور فیلڈ علم کی بنیاد پر فیصلہ کرتے ہیں۔
تین چھوٹے مقدمات
کیس 1 - غلط جگہ پر سرمایہ کاری کرنا۔ فرنیچر ورکشاپ میں پیداوار سست تھی۔ منیجر کا پہلا ردعمل سب سے مہنگی مشین (کٹنگ) کی تجدید کا تھا۔ سب سے پہلے، اس نے AI کو گمنام سٹیپ ٹائمز دیا۔ YZ نے ظاہر کیا کہ رنگنے خشک کرنے کا مرحلہ، کٹنگ نہیں، رکاوٹ تھا، اور اس کے سامنے اوسطاً 3 دن کی نیم تیار مصنوعات جمع ہوتی ہیں۔ ایک نئی کٹنگ مشین کے بجائے، مینیجر نے دوسرے خشک کرنے والے تندور میں سرمایہ کاری کی۔ پیداوار کی شرح میں 28 فیصد اضافہ ہوا، لاگت ایک تہائی رہی۔
کیس 2 - جعلی کارکردگی۔ ایک کال سینٹر میں، "وقت فی کال" کو کم کیا گیا تھا اور پیداواری صلاحیت میں اضافہ ہوا تھا۔ لیکن جب AI کو صارفین کی اطمینان اور دوبارہ کال کی شرح ایک ساتھ دی گئی تو حقیقت سامنے آگئی: صارفین دوبارہ کال کر رہے تھے کیونکہ ان کے مسائل حل نہیں ہوئے تھے، اور کام کا مجموعی بوجھ بڑھ گیا تھا۔ "کارکردگی" ایک وہم تھا۔ میٹرک کو "فرسٹ کال ریزولوشن ریٹ" میں تبدیل کر دیا گیا تھا۔
کیس 3 - صلاحیت کا منظر۔ ایک کارگو ڈسٹری بیوشن سنٹر تعطیل سے پہلے کی مانگ میں اضافے کی تیاری کر رہا تھا۔ مینیجر AI کو پچھلی چھٹیوں کا گمنام ڈیٹا دیتا ہے اور پوچھتا ہے، "اگر مانگ 40 فیصد بڑھ جاتی ہے، تو کون سا مرحلہ بلاک ہو جائے گا؟" اس نے پوچھا. اے آئی نے پیش گوئی کی ہے کہ ترتیب پارس مرحلہ کریش ہو جائے گا۔ مینیجر نے اس قدم کے لیے عارضی عملہ مقرر کیا۔ عید آپریشن بغیر کسی رکاوٹ کے گزر گیا۔ منظر نامہ AI کا تھا، فیصلہ مینیجر کا تھا۔
چار کاپی کرنے کے قابل ٹیمپلیٹس
1) رکاوٹ کا پتہ لگانا:
آپ کا کردار: آپریشنز تجزیہ کار۔ منسلک گمنام پروسیس ڈیٹا (قدم کا نام، اوسط وقت، بیک لاگ) استعمال کریں۔ مجھے: 1) مجھے سب سے سست قدم اور اس سے آگے کا بیک لاگ دکھائیں۔ 2) اس امکان کا جواز پیش کریں کہ یہ رکاوٹ ہے۔ 3) مجھے یاد دلائیں کہ رکاوٹ کے علاوہ دوسرے اقدامات کو تیز کرنا کیوں کام نہیں کرے گا۔ بس میرے دیئے گئے نمبروں کا استعمال کریں۔
2) کارکردگی کے معیار کا توازن:
میں مندرجہ ذیل پروڈکٹیوٹی میٹرک کو بہتر بنانے پر غور کر رہا ہوں: [میٹرک]۔ اگر میں اکیلے اس میٹرک کی پیروی کرتا ہوں تو کون سا معیار/ملازمین/کسٹمر انڈیکیٹر متاثر ہو سکتا ہے؟ خطرات کی فہرست بنائیں اور ایک متوازن میٹرک تجویز کریں جو معیار کے ساتھ ساتھ کارکردگی کی پیمائش کرے۔
3) صلاحیت کا منظرنامہ:
منسلک گمنام صلاحیت کا ڈیٹا استعمال کریں (قدم، موجودہ صلاحیت، موجودہ مطالبہ)۔ 3 منظرنامے تیار کریں: طلب +10%، +25%، +40%۔ ہر منظر نامے میں، جدول میں دکھائیں کہ پہلے کون سا مرحلہ مسدود ہے اور کتنے اضافی وسائل درکار ہیں۔ حساب کے فارمولے لکھیں تاکہ میں دستی طور پر ان کی تصدیق کر سکوں۔
4) فضلہ کا تجزیہ:
منسلک گمنام پروڈکشن ڈیٹا میں ضائع ہونے والے پوائنٹس تلاش کریں (کس قدم پر کتنا نقصان ہوا)۔ نقصان کے سرفہرست 3 ذرائع کی فہرست بنائیں اور ہر ایک کے لیے کم لاگت میں بہتری تجویز کریں۔ ثبوت کے بغیر وجہ کا دعوی نہ کریں؛ اگر یہ واضح نہیں ہے تو کہو "تحقیقات ہونی چاہیے"۔
کمزور فوری / مضبوط اشارہ
کمزور اشارہ:
میں پیداوار کو کیسے تیز کروں؟
کوئی ڈیٹا، کوئی عمل نہیں۔ AI عمومی سفارشات دیتا ہے (زیادہ مشینیں، زیادہ اہلکار)؛ یہ آپ کو رکاوٹ سے باہر سرمایہ کاری کرنے اور پیسہ کھونے پر مجبور کر سکتے ہیں۔
طاقتور اشارہ:
آپ کا کردار: آپریشنز تجزیہ کار۔ منسلک گمنام ڈیٹا میں پیداوار کے 6 مراحل، ہر قدم کی مدت اور آگے زیر التواء کام شامل ہیں۔ میرا مقصد کل پیداوار کی رفتار کو بڑھانا ہے۔ پہلے رکاوٹ تلاش کریں، پھر صرف اس قدم کو بڑھانے کے اثرات کا اندازہ لگائیں۔ غیر رکاوٹ اقدامات میں سرمایہ کاری کی سفارش کریں۔ فارمولے دکھائیں۔
سائز
غریب نقطہ نظر
مضبوط نقطہ نظر
ڈیٹا
کوئی نہیں۔
مرحلہ وار شامل کیا گیا۔
فوکس
مجموعی رفتار
رکاوٹ
سرمایہ کاری کی سمت
بے ترتیب
رکاوٹ کو نشانہ بنایا
تصدیق کی اہلیت
کم
فارمولے کے ساتھ
لاگت کی تاثیر
کم
اعلی
عام غلطیاں
- رکاوٹ سے باہر سرمایہ کاری کرنا۔ تنگ ترین قدم کو بہتر بنائیں، مہنگا ترین قدم نہیں۔
- جعلی کارکردگی۔ رفتار جو معیار کو کم کرتی ہے دراصل کام کا بوجھ بڑھاتی ہے۔ معیار کے ساتھ کارکردگی کی پیمائش کریں۔
- ایک رکاوٹ میں پھنس جانا۔ ایک بار ایک رکاوٹ حل ہو جانے کے بعد، اگلی ابھرتی ہے۔ عمل کی مسلسل نگرانی کی جاتی ہے۔
- حقیقی کے لئے منظر نامے کو غلط. صلاحیت کے منظرنامے تخمینہ ہیں۔ معاشی حقیقت کے ساتھ جوڑیں۔
- آگ لگنے کی اصل وجہ غائب ہے۔ فضلہ کا نقطہ تلاش کرنا کافی نہیں ہے۔ میدان میں وجہ کی چھان بین کریں۔
احتیاط: ایک بار جب آپ کسی رکاوٹ کو حل کر لیتے ہیں، تو کام ختم نہیں ہوتا۔ سسٹم کی رفتار اب اگلے سب سے سست قدم پر اٹکی ہوئی ہے۔ آپریشنز میں بہتری ایک وقتی منصوبہ نہیں ہے، بلکہ ایک مسلسل سائیکل ہے۔ ہر بہتری کے بعد ہم پوچھتے ہیں "نئی رکاوٹ کہاں ہے؟" دوبارہ پوچھیں۔
خلاصہ میں
آپریشنز کے تجزیے کا مرکز رکاوٹ منطق ہے: کسی عمل کی رفتار اس کے سست ترین قدم کی رفتار ہوتی ہے، اس لیے بہتری کو رکاوٹ پر نشانہ بنایا جانا چاہیے۔ معیار اور پائیداری کے ساتھ ساتھ کارکردگی کی پیمائش کریں؛ جعلی پیداوری کے جال میں نہ پھنسیں۔ منظرناموں کے ساتھ صلاحیت کی منصوبہ بندی کریں، لیکن یاد رکھیں کہ منظرنامے تخمینہ ہیں۔ AI رکاوٹوں کا پتہ لگانے، منظر نامے کی تیاری اور بربادی کے تجزیہ میں ایک طاقتور مدد ہے۔ یہ مینیجر کا فیصلہ ہے کہ کس رکاوٹ میں سرمایہ کاری کرنی ہے اور وسائل کو کیسے تقسیم کرنا ہے۔
درخواست کا کام
اپنے آپریشن (پیداوار، سروس، یا انتظامی بہاؤ) سے ایک عمل کو منتخب کریں اور گمنام طور پر ہر قدم کی مدت اور بیک لاگ کی مقدار کی فہرست بنائیں۔ AI کو اوپر دیے گئے "بوٹل نیک ڈیٹیکشن" ٹیمپلیٹ کے ساتھ رکاوٹ تلاش کرنے کو کہیں۔ اس کے بعد، "صلاحیت کے منظر نامے" کے ساتھ مانگ میں اضافے میں پہلی رکاوٹ کا تعین کریں۔ فیلڈ میں اس کا مشاہدہ کرکے تلاش کی تصدیق کریں اور اپنی سرمایہ کاری کی ترجیح کو 3 آئٹمز میں لکھیں۔
چیک لسٹ
- [ ] کیا میں نے دورانیہ اور بیک لاگ کے ساتھ پراسیس کے مراحل کو گمنام طور پر درج کیا ہے؟
- کیا میں نے رکاوٹ (تنگ ترین نقطہ) کو درست طریقے سے پہچانا ہے؟
- کیا میں نے رکاوٹ کو بہتر بنانے کا ہدف بنایا؟
- [ ] کیا میں نے معیار کے ساتھ پیداواری صلاحیت کی پیمائش کی؟
- کیا میں نے صلاحیت کے منظر نامے کو ایک تخمینہ کے طور پر سمجھا اور اسے فیلڈ کے ساتھ جوڑ دیا؟