В продолжение недавно начатой мной в ЖЖ темы (здесь тоже есть) популяризации CASE-софта, следующими несколькими постами, то-есть-даром, выкладываются туторы по взлюбившемуся мной iGrafx 2009. Они же идут и в пополнение жира сообщества «RU CASELOGIA».
- Создание карт процессов
- Диаграммы потоков «Lean Value» или «Диаграммы бережливости»
- Моделирование поведения процесса
- Анализ и симуляция «А что если»
- Анализ с «Six Sigma»: интерфейс статистической программы
- Диаграммы причин и следствий, ПС (Cause and Effect, CE)
- Диаграммы BPMN
- Организационные диаграммы
Если отдельные уроки не про вас, то можно смотреть всё в одном или слить себе PDF, метров пять с копейками.
Уроки iGrafx. Анализ с «Six Sigma»: интерфейс статистической программы
Посмотрим, что нам говорит Википедия: «Шесть сигм (six sigma) — высокотехнологичная методика точной настройки бизнес-процессов, применяемая с целью минимизации вероятности возникновения дефектов в операционной деятельности. Название происходит от статистической категории «среднеквадратическое отклонение», обозначаемой греческой буквой «σ». Методика «шести сигм» разработана в корпорации Motorola, США в 1981. Плановый показатель качества при использовании этой методики — не более 3,4 отклонения (дефекта) на миллион операций».
И вот перечисление этих шести сигм: Искренний интерес к клиенту, Управление на основе данных и фактов, Ориентированность на процесс, управление процессом и совершенствование процесса, Проактивное (упреждающее) управление, Сотрудничество без границ (прозрачность внутрикорпоративных барьеров) и Стремление к совершенству, плюс снисходительность к неудачам. А вот чем это всё планируется достигать: Определением целей проекта и запросов потребителей (внутренних и внешних), Измерением процесса, чтобы определить текущее выполнение, Анализом и определением коренных причин дефектов, Улучшением процесса, сокращая дефекты и Контролем дальнейшего протекания процесса.
Что ещё интересно и соотносится с нашими уроками: «В последнее время широкое использование получило совместное применение методики «Шесть сигма» и концепции бережливого производства, которая получила название „Лин — шесть сигм“ (Lean — Six Sigma)».
iGrafx Process for Six Sigma поддерживает функциональность стандарта Six Sigma, включая интеграцию с файлами таких признанных в этой области пакетов, как MINITAB (такая статистическая программа) и SAS JMP (тоже прикольная статистическая программа, упирающая на визуализацию диаграммами массы типов). Здесь мы можем провести анализ разработки экспериментов (DOE), зарегистрировать статистику по каждой транзакции и провести пошаговый анализ.
Подгонка данных для уточнения симуляции модели
В наших уроках до сих пор мы основывались, грубо говоря, на догадках некоего условного предметного эксперта (Subject Matter Expert, SME). И хотя этого достаточно для симуляционного анализа, можно провести более точные измерения на основе опытов с данными процесса.
Посмотрим на один из объектов нашего процесса выполнения заказа — на объект «Комплектация» — как на один из наиболее затяжных при симуляции. Быть может базирование на субъективной экспертной оценке было не настолько точным, насколько это возможно. Проверим.
Всё время мы работаем с демонстрационным файлом, содержащим готовую диаграмму, над которой уже были проведены некоторые операции. В их числе уже сформированные тридцать заказов. Их результаты были выгружены в статистические пакеты. Там отображено время, затраченное объектом на его отработку, относительно каждого из заказов.
Сейчас iGrafx будет хвастаться тем, как он умеет взаимодействовать со сторонним софтом. Пришло время попробовать в деле ранее упомиавшиеся программы — MINITAB или SAS JMP. Они-то и работают со статистическими пакетами. Установим их себе на комп, хотя бы в пробных версиях. Откроем в iGrafx нашу диаграмму и посмотрим на два значка ссылок в её нижней правой части — один со скачущим стосом и под именем «JMP Document», а другой с синей аббревиатурой «MTB» под названием «Minitab Project». Это ссылки, каждая из которых связана со своим софтом.
Открываем статистический пакет в одной из программ, двойным кликом по её значку. Например, по «Minitab Project». По запуску Минитаба и открытии в нём пакета, переходим обратно в iGrafx.
Теперь подключим к нашей диаграмме кривые статистики, полученные в соответствующей программе. А вернее — выберем кривые тех способов распределительного анализа, которые наиболее соответствуют данным. В меню «Six Sigma» выбираем «Fit Data». Получаем два диалога — «Distributions» и «Choose Data». Убеждаемся в том, что в «Choose Data» выбрана колонка «AssembleCT» и жмём «OK». iGrafx немного подумает и, использовав внешний статистический пакет для представления анализа (Минитаб), построит графики с результатами.
Сменим «Cumulative Distribution Function» на «Residuals» (остатки) для более ясного представления того, как распределения разных типов влияют на данные. Сразу можно сделать вывод о том, что распределения «Exponential», «Uniform» и «LogNormal» не так хороши, как прочие и их можно удалить из схемы, очистив их чекбоксы в диалоге «Distributions». Теперь видим: распределения типов «Normal» и «Weibull» подогнаны к данным точнее прочих.
Выберем нормальное распределение данных.
Теория пределов по центру (Central Limit Theorem) говорит нам о том, что данные склоняются к нормальности, а распределение Вейбула вообще может привести к совпадению с данными.
В таблице выбираем линию «Normal» и жмём на «Copy».
Жмём на «Close» для закрытия диалога.
Подровняем свойства объекта «Комплектация» под данные, полученные опытом из прогонки тридцати заказов. Двойным кликом по «Комплектации» попадаем в диалог её свойств и переходим на страницу «Process». Из списка «Time» выбираем «Expression» и подсвечиваем весь текст текущего выражения — «Between(2,4)». Теперь, либо «Ctrl+V», либо правый клик и выбор «Paste» для вставки того, что прежде скопировали в окне «Distribution». Потом «OK».
Теперь мы предельно уточнили нашу симуляционную модель и можем выполнить «DOE» — эффективную разработку опыта.
Применение RapiDOE для работы с DOE
Этот раздел урока предполагает то, что вы имеете представление о том — что это за методология — «Разработка экспериментов» (Design of Experiments, DOE). Вообще, DOE — это неотъемлимая соствляющая Six Sigma. И, как и прежде, требуется установленный, либо MINITAB, либо SAS JMP, для использования особенностей RapiDOE (Rapid Design of Experiments) — ускоренной разновидности методолгоии разработки экспериментов.
Симуляционный анализ «Один фактор за раз» (One Factor at A Time, OFAT), применявшийся нами до сих пор, мог приводить к потере информации о взаимодействии тех факторов, которые мы изменяли. Теперь, вместо того, чтобы менять их вручную, мы можем выполнить анализ DOE и автоматически испробовать множество комбинаций взаимодействия ресурсов разного уровня. При помощи DOE мы сразу изменим несколько факторов, а затем проанализируем последствия в iGrafx или в отдельном статистическом пакете.
Переименуем наш отчёт из имени по умолчанию. В меню «File» выбираем «Components». Там, по правому клику, переходим на «Report1» и выбираем «Rename». Вводим новое имя «Мои эксперименты» и жмём «Enter».
Установим сохранение RapiDOE в другой отчёт. В меню «Model» выбираем «Run Setup» и переходим во вкладку «Initialization/Reports». Отмечаем «Create New Report» и проверяем то, что в «Report Name» отображатся наш ранее переименованный отчёт «Мои эксперименты». Набираем вместо него «Report1» и жмём «OK».
Применим функционал RapiDOE. В меню «Six Sigma» выбираем «RapiDOE». В появившемся диалоге разворачиваем список «Resource Count» из раздела «Available Factors» и «Transaction Statistics» в разделе «Responses».
Диалог RapiDOE предоставляет выбор влияющих факторов (Factors) и возможных ответов (Responses), которые мы пожелаем получить от результатов разработки эксперимента в симуляционной модели.
В этом уроке мы добавляем по одному персонажу на уровень ресурсов каждого из отделов. Ответы могут включать в себя такую статистику по транзакциям, как: время цикла, число завершённых транзакций, аттрибуты сценария, а так же специальные определённые пользователем данные. Урок приведёт нас к окончательному подсчёту транзакций и покажет число выполненных заказов.
И хоть есть кнопка «Options», где можно изменить значения стандартные факториальные вычисления на разделённые (фрактальные), но это даст менее точные рузультаты.
Поле «Replications» служит для ввода числа самовоспроизведений экспериментов. Оно предоставляет DOE возможность подольше поиграться со случайными числами, что ещё больше уточнит результат. Но и увеличивать число репликаций надо осторожно, рискуя долго дожидаться рассчёта симуляции. Цифры «4» нам достаточно.
Теперь жмём «OK» и через какое-то время видим диалог «Run Experiment». Попутно у нас запустится и MINITAB. Данная операция DOE запланировала запуск 64 различных симуляций: двууровневая полнофакториальная разработка на четыре фактора — это два в четвёртой степени, либо шестнадцать и четыре самовоспроизведения — всего 64.
Теперь жмём «Start» для запуска наших шестидесяти четырёх симуляций. Минуты через три получаем таблицу, данные в которой можно сортировать по колонкам. Заметим: большие числа заказов (транзакций) соответствуют присутствию в работе двух человек, как при производстве (Production), так и при отгрузке (Shipping). Мы провели анализ товаров или «ANOG». В нашем случае результат анализа предлагает ввести по два человека в каждую из операций — производства и отгрузки — для достижения 80 или более заказов в квартал.
Теперь жмём «Close» для закрытия диалога «Run Experiment».
На этом этапе мы можем провести полный анализ DOE в статистическом приложении. Но урок сосредоточен на iGrafx и анализ мы проведёт отдельно, когда пожелаем. Поэтому вернёмся к iGrafx.
Применим симуляцию для подтверждения результатов DOE. Способно ли добавление работника к объекту «Отгрузка» подтвердить предположение об увеличении его пропускной способности благодаря этому шагу? Припомним: в прошлых экспериментах мы уже добавляли такой ресурс к «Производству» и кое-чего добились.
Настроим запись в наш отчёт, не относящийся к DOE. В меню «Model» выбираем «Run Setup» и переходим во вкладку «Initialization/Reports». Отмечаем «Append to Report», в списке выбираем отчёт «Мои эксперименты» и жмём «OK». На панели выбираем «Resources».
В списке открывшегося диалога «Define Resources» выбираем «Отгрузка».
В разделе «Use» вкладки «Properties», меняем ресурс на «Pool» и выставляем ему значение Count равное двум. Жмём «OK» и «Start».
Теперь оцениваем симуляцию по графику затрат времени на транзакции «Average Waiting Time for Transactions that Waited» и видим: исчезло последнее бутылочное горло, до этого бывшее на стадии отгрузок. Больше оно не является узким местом, тормозящим весь процесс.
Прокрутим отчёт во вкладке «Custom» наверх и оценим общую картину в графике и таблице. Время цикла существенно уменьшилось, наряду с увеличением пропускной способности. Помимо очевидного, имеем и другой вывод, в пользу рассматриваемой программы: ограничения ресурсов и каких-либо источников сильно влияют на предсказуемость проекта. Симулируя модель, мы имеем шикарную возможность наглядно продемонстрировать свои предложения по работе, без вмешательства в производственный процесс и не внося затрат.
Если вы знакомы с аналитикой DOE в MINITAB или SAS JMP, то можете перейти в эти приложения и выполнить дальнейший анализ. А мы возвращаемся к нашим урокам.
Комментариев нет:
Отправить комментарий