چگونگی انجام تجزیه و تحلیل گلوگاه (Bottleneck) با فرآیندکاوی

چگونگی انجام تجزیه و تحلیل گلوگاه (Bottleneck) با فرآیندکاوی

هنگامی‌که یک آنالیز فرآیندکاوی را انجام می‌دهید، نقشه فرآیندها و متغیرها‌یی را کشف می‌کنید که فقط نقطه آغاز دارند. بعد شما می‌خواهید که به صورت عمیق‌تر بر مبنای سوالاتی که در موردشان دارید وارد این فرآیندها شوید.

یکی از سوالات معمول در مورد انجام فرآیند است. برای مثال، شما شاید توافق نامه سطح خدمات (SLA) با توجه به زمان کلی فرایند را داشته باشید. در  Disco، شما می‌توانید میزان پخش مدت زمان موردنظر را آنالیز کنید و می‌توانید اطلاعاتتان را برای تمرکز بر caseهای آهسته‌تر برای یافتن محلی که در آن‌جا فرآیند، زمان بیشتری را از دست می‌دهد، فیلتر کنید.

اولین باری که یک گلوگاه (Bottleneck) در فرآیندتان یافتید، انمیشن یک ابزار قدرتمند برای مشاهده گلوگاه با همکارتان است. به جای اینکه فقط به آن‌ها آمار و نمودارهای انتزاعی ارائه دهیم، آنها می‌توانند مشاهده کنند کجا case‌های بیشتری جمع می‌شوند و کجا اتفاقات، صف می‌کشند(تصویر زیر را نگاه کنید). این به شما کمک می‌کند که یافته‌هایتان را توضیح دهید و از آن‌ها در مباحث مربوط به اینکه چگونه فرآیند را می‌توان بهبود بخشید، استفاده کرد. به همان سرعتی که می‌توانید گلوگاه را حل کنید، می‌توانید بر مورد بهبود متداوم فرآیندتان تمرکز کنید. برای مشاهده انیمیشن بر روی عکس زیر ctrl+click کنید.

اولین باری که شما آنالیز برای فرآیندتان انجام دادید، دو چیز است که می‌تواند مفید باشد. در این مقاله، این دو موضوع که به انجام بهتر آنالیز گلوگاه روی داده‌هایتان کمک می‌کند را باز خواهیم کرد.

موضوع 1: به میانه (median) به جای میانگین(mean) توجه کنید

تمام مباحث انجام شده در Disco، برای مثال، مدت زمان case، مدت زمان فعالیت، اغلب مباحث انجام شده در نقشه فرآیندها، به شما هم مدت میانگین و هم مدت میانه را می‌دهد.

تفاوت کلی بین این دو وجود دارد. برای مثال، اگر به مدت زمان case زیر نگاه کنید ( روی تصویر کلیک کنید تا بزرگتر شود) سپس یادداشت خواهید کرد که مدت زمان متوسط case، 5/21 روز در حالیکه مدت زمان میانه case، 12 روز است_  این یعنی که مدت زمان میانه case اغلب نصف میزان متوسط برای این فرآیند است.

دلیل این اتفاق این است که میانگین به داده‌های خارج از محدوده حساس‌تر است. برای فهم چرایی، باید به چگونگی روند حساب کردن mean و median نگاهی بیاندازیم. در شکل زیر، شما هفت اندازه دارین که براساس اندازه پشت سرهم قرار گرفته‌اند. برای مثال، این می‌تواند 7case  باشد که ما در طول زمان اندازه‌گیری کردیم: دو case را با زمان گذردهی یک روز اندازه‌گیری، یک case را با زمان گذردهی2 روز اندازه‌گیری کردیم، یک case را با زمان گذردهی 3 روز اندازه‌گیری کردیم و یک case _ داده خارج از محدودیت_ زمان گذردهی 30 روزه اندازه‌گیری کردیم.

اکنون، median به‌عنوان مقداری در میانه کمتر از 50% و بیشتر از 50% تعیین شده است. در نتیجه، 3 می‌تواند مقدار median در این مثال باشد، چون نیمی از case‌های طولانی‌تر بودند(یا برابر بودند) و نیمی از case‌ها سریع‌تر بودند در مقابل، مقدار mean یا متوسط به عنوان مختصری از تمام مقادیر تقسیم شده توسط تعداد مقادیر محاسبه شده است. در نتیجه مقدار میانگین 14/6 در این مثال است. mean بیش از دو برابر بیشتر از median است، زیرا mean توسط یک case حداکثری با زمان گذردهی 30 روزه تحت تاثیر قرار می‌گیرد.

در خیلی فرآیندها توزیع مشابه با عکس بالا وجود دارد. برای مثال، فرآیند خدمات به مشتری‌تان شاید 2 هفته طول بکشد، اما شاید این case‌های بسیار پیچیده را دارید که یک یا دو سال طول می‌کشد تا حل شود. وقتی یک رویداد عادی در 8-10 مرحله بسته می‌شود، هنوز یک case حداکثری است که بین گروهای مختلف بیش از 200 مرتبه رد و بدل می‌شود.

در بعضی فرآیندها، median( که به عنوان 50% شناخته شده است) یک ایده بهتر از کاراکتر اجرایی یک فرآیند را نسبت به mean به شما می‌دهد. بنابراین، median می‌تواند نقطه‌ی بهتری برای مکان‌هایی در فرآیند که به طور معمول بسیار آهسته هستند، باشد. برای مثال، از مدت mean که در تصویر زیر دیده شده، شما در می‌یابید، اثری که اساسا کل بخش در سمت چپ فرآیند را دارد در روند اجرایی مشکل‌ساز است. نمایش عملکرد mean، درست در سمت راست نشان داده شده است، نشان داد که بدنه مشکلات روی فعالیت در پایین سمت چپ قرار دارد.

البته، موقعیت‌هایی هنوز وجود دارد، محلی که شما شاید بخواهید از mean استفاده کنید. یک دلیل این است که توسط افرادی که آماری نیستند، درک آن‌ ساده‌تر است. یا KPI‌هایتان شاید برمبنای mean  تعریف شود، در نتیجه شما باید از mean برای آنالیزتان استفاده کنید. اما به یاد داشته باشید اگر شما توزیع گسترده‌ای با داده‌های خارج از محدوده داشته باشید، mean می‌تواند گمراه کننده باشد و median برای گرفتن آنچه که به طور معمول ارزش در نظر گرفته می‌شود، ایده بهتری است.

موضوع 2: ترکیب کل مدت زمان با median

موضوع دوم بر این دلالت دارد که یاد داشته باشید نه mean و نه median در محاسابت، فراوانی ندارند. این یک مشکل است، چون شما می‌خواهید بر محلی در فرآیندهایتان که اثر بیشتری دارند برای تلاش بیشتر در جهت بهبودی تمرکز کنید.

برای مثال، به نقشه زیر نگاه کنید. از median برای تجسم عملکرد استفاده کردیم و به نظر رسید که مسیری که 6،5 روز طول کشیده است، بزرگ‌ترین مشکل است

البته، یک‌بار که ما نمای فرکانس را تغیر دادیم، مشاهده میکنیم که مسیری که در آن قرار دارد تقریبا 10 مرتبه تکرار می‌شود. البته که تاخیر median در آن مسیر  فقط 3 روز بود(به جای 6،5 روز)، اثر بهبود‌دهنده این گلوگاه خاص بسیار بیشتر خواهد بود.

بهترین مسیر برای محاسبه در بررسی گلوگاه‌هایتان، استفاده از مدت زمان کل است. مدت زمان کلی یک میزان از کل تاخیر‌ها در مجموعه‌داده را یه شما می‌دهد و به طور طبیعی تاخیرهای واقعی و تکرارها را در محاسبات می‌دهد. در تصویر زیر یک فلش قرمز،  بزرگ در نقطه نقشه فرآیند می‌بینید که بزرگ‌ترین گلوگاه است که اول باید آن را بررسی کنید.

تنها اشکال مدت زمان کلی این است که اعداد به راحتی به ماه‌ها یا سال‌ها افزوده می‌شود. در نتیجه، کمی سخت است که بخواهیم، تاخیر در یک مسیر یا فعالیت که در یک فرآیند است، درک کنیم. برای بررسی این، شما ‌می‌توانید مدت زمان mean یا median را به‌عنوان معیار ثانویه اضافه کنید. معیار ثانویه در یک فونت کوچک‌تر از معیار اولیه در نقشه فرآیند آشکار خواهد شد. اما اکنون مشخص است که مسیر سمت چپ یک مشکل بزرگ‌تر است که ما باید روی آن تمرکز کنیم.

اکنون، شما بهترین‌ها را از هر دو جهان دارید: مدت زمان کلی به‌عنوان معیار اولیه توجه شما را به بخش سمت راست در نقشه فرآیند می‌برد  و به شما کمک می‌کند که بر بخشی با تاثیر بیشتر برای اصلاح تمرکز کنید. در یک زمان، شما می‌توانید به راحتی ببینید که چه تاخیر متوسطی در این محل از طریق معیار ثانویه است.

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

مقایسه
علاقه مندی ها 0