98
Zlepšování podnikových procesů
využívání zdrojů a vyvažování pracovních špiček, zjednodušování přesunů v rámci procesu. Dalšími často používanými metodami jsou bleskové výměny a přestrojování v podmínkách provozu, vyhledávání úzkých hrdel procesu, zkoumání možností pro vylaďování potřeb průběžné údržby. Náplň fáze Analýzy a volba metod velmi silně závisí jednak na oboru, ve kterém organizace působí, rovněž však na povaze procesu a jeho produktů. Nástroje, které používáme, jsou různé, cíl je však vždy stejný – použijeme-li funkční závislost Y = f(x), pak je to vyhledávání charakteristických příčin „malých x“, které způsobují významné problémy procesu, jeho „velká Y“. V úvodních krocích této fáze jsme shromáždili náměty a potenciální příčiny, z nichž je potřeba vybrat ty skutečné a jejich působení pak prokázat pomocí souboru naměřených údajů. Zdrojem údajů mohou být jak konkrétní fyzická měření, skladové záznamy, hlášení o objemech předávaných mezi jednotlivými úseky procesu, tak i údaje získané pozorováním, shromážděné ve formě tabulek, formulářů a sčítacích lístků. Kromě pozorování skutečného provozu může tým navrhnout a uspořádat speciální experimenty, jejichž účelem je potvrzení hypotéz adresujících zkoumaný jev. Hodnotící a analytické nástroje musí být vhodně zvoleny podle charakteru dat, která máme k dispozici. Používáme-li pro ověření hypotéz statistické metody, pak musíme vědět, jak rozsáhlý musí být počet měření k tomu, abychom mohli říct, že naše hypotéza byla s jistotou ověřena. Počítáme-li průměr nebo procentuální podíly z padesáti nebo třeba i tisíce naměřených hodnot, pak náš výsledek bude mít daleko lepší vypovídací schopnost, než když se musíme spokojit s méně než deseti údaji. Určení velikosti měřeného vzorku a následných kalkulací může dosáhnout různé míry složitosti. Někdy se stává, že máme ve výběru velké množství údajů a pro vyslovení závěrů o podstatných vlivech potřebujeme oddělit ty, které mají pro náš specifický problém zásadní význam, a vyloučit ty, jež jsou s velkou pravděpodobností otázkou náhodných jevů. Jako příklad kombinace matematických a grafických analytických metod můžeme uvést sledování výkonnosti call centra, kde máme k dispozici údaje o počtu volání v jednotlivých skupinách zákaznických problémů, čekacích dobách a případných předčasně ukončených voláních, která nebyla uskutečněna, protože zákazník ztratil trpělivost. Graficky znázorněné trendy ve všech problémových skupinách ukazují pokles ve stejném místě. Po prověření jsme zjistili, že se jednalo o pátek před prodlouženým víkendem, kdy bylo pracoviště poddimenzováno a operátoři nestíhali příchozí hovory vyřizovat. Z hlediska řízení provozu není tento poznatek zanedbatelný, z hlediska matematických analýz prověřujících dlouhodobé trendy jej však můžeme vyloučit a považovat za náhodný nebo mimořádný jev. Další skupinou metod pro usvědčení skutečných viníků problémů, před jejichž řešením stojíme, jsou statistické analýzy. Jejich pomocí ověřujeme takové hypotézy, u nichž potřebujeme zjistit, zda určitý jev (Y) způsobený množinou příčin (x) dosáhne stejného nebo podobného výsledku, změníme-li prvek nebo skupinu prvků v množině příčin (x). Příkladem může být analýza problémového místa s nadměrně dlouhým časem trvání. Vyslovíme hypotézu, že trénink pracovníků pomůže dobu operace zkrátit. Hypotézu ověříme měřením výsledků na skupině A, která byla náležitě trénována, a skupině B, jejíž trénink nebyl dostatečný. Je-li výsledek po porovnání menší, než jak stanovuje naše hypotéza, pak můžeme vyslovit závěr, že trénink není tím řešením, na které bychom se v tomto konkrétním problému měli spolehnout. Statistické analýzy nám poskytují kvantifikované údaje odvozené ze skupiny údajů shromážděného vzorku, který reprezentuje celkovou množinu výsledků. Jako nejčastěji používané statistické metody uveďme alespoň průměr, standardní odchylku, podíl nebo
Ukázka elektronické knihy, UID: KOS182763