isicad: Оценка эффективности новых ИТ-технологий: адаптация метода «кривых обучения»

Аркадий Казанцев – технический менеджер крупной российской компании, имеет опыт работы в отраслях: транспортное машиностроение, промышленное строительство, коммерческое судостроение, ГОЗ. Имеет два высших технических образования, общий стаж работы в промышленности более 25 лет.

«Истина лежит перед людьми по сто лет на столе, а они её не берут…»
Ф.М. Достоевский

Предисловие

Проблема оценки эффективности новых «инженерных» ИТ-технологий, предлагаемых к внедрению, традиционно является головной болью Службы информационных технологий (СИТ) промышленной компании.

Немолодой бюджетодержатель из числа топ-менеджмента хочет, и весьма справедливо, чего-то более существенного, чем красивые презентации внедренцев, – за долгое время работы он на них уже насмотрелся. Прижимистый бюджетодержатель пропускает мимо ушей разговоры, что «в компании Х этот софт внедрён успешно», они не трогают его циничную душу, и это правильно. Прозорливый бюджетодержатель настороженно относится даже к одному, успешно проведённому СИТом пилотному проекту, догадываясь, что условия пилота – всегда несколько «специфические», а значит 100% гарантии повторения успеха при масштабировании пилот не даёт, что тоже справедливо и весьма.

Бюджетодержателю нужны гарантии, а гарантии дают проверенные, ставшие классическими оценочные методики, расчёты по исходным данным конкретно его компании и наглядные результаты, которые он поймёт, сможет проанализировать и на основе которых примет управленческое решение – инвестировать в ИТ или не стоит. А если уж дело дойдёт до инвестирования – то сможет ещё и повлиять на результаты внедрения.

Такие методики есть. Да, они существуют. Об одной из них пойдёт речь в этой статье¹.

1. Описание метода

«Практика рождает совершенство» ©

1.1 Немного теории

Метод основан на понятии «кривой обучения» и был первоначально разработан для промышленного производства дискретной продукции любого уровня сложности.

В эпоху внедрения массового производства исследователи заметили, что чем чаще происходит переналадка оборудования под другую продукцию, тем ниже производительность труда рабочих, и наоборот, чем дольше выпускается однотипная продукция, тем больше растёт производительность труда, сокращаются все издержки в производственной системе и снижаются потери от брака. Производственный конвейер как бы «разгоняется». Причина стала понятна – накапливается опыт выпуска данного вида продукции в результате непрерывного совершенствования практической деятельности организации, а также изменений в управлении, инжиниринге и технологии. То есть организация «самообучается».

Чтобы найти закономерности обучения, данные измерений оформили в виде графиков.

Кривая обучения – это график, который показывает зависимость (функцию) между временем изготовления данной единицы продукции и количеством единиц, которые были произведены до неё.

Дальнейшие исследования показали, что зависимость оказалась нелинейной и скорость обучения зависит от вида продукции, но корреляция всё-таки наблюдалась. Тогда были сделаны нижеследующие допущения, лёгшие в основу теории:

количество времени, необходимое для выполнения определенного задания на работу или выпуск единицы продукции, будет каждый следующий раз меньше времени на ранее выполненное такое же задание;
время, затрачиваемое на выполнение одного задания, уменьшается на одну и ту же относительную величину;
снижение затрат времени носит предсказуемый характер.

Впервые это экспериментально проверили в авиапроме США в 1936 году. Оказалось, что с удвоением номера производимого самолёта (даже тогда весьма сложного и многофакторного изделия, кстати) количество рабочих часов, затрачиваемых непосредственно на выпуск данного самолёта, стабильно уменьшается на 20%: на выпуск первого самолёта серии тратили 100 тыс. часов, на выпуск второго – 80 тыс. часов, на выпуск четвёртого – 64 тыс. часов, та же зависимость сохранялась для восьмого, шестнадцатого и так далее. То есть шло стабильное снижение времени на 20%.

Итак, выяснилось, что кривая обучения близка к экспоненциальной, а стабильное снижение времени на 20% назвали «80%-й кривой обучения».

Поскольку для разных отраслей и типов продукции (а если быть точнее, то – технологий) снижение разное, а для экономических расчётов планируемой продукции нужны какие-то нормативы, то ввели понятие «нормы обучения», выраженной в процентах.

Почему это важно? Потому что операционному менеджеру важно понимать, сколько времени займёт освоение продукции и какова будет производительность после полного освоения технологии. От этого зависят и производственное планирование, и себестоимость единицы продукции.

1.2 Построение кривых обучения

Кривые строятся обычно двумя методами: арифметическим или логарифмическим, арифметический – самый простой.

При арифметическом методе сначала определяют расчётные номера изделий удвоением предшествующего расчётного номера, то есть получают ряд номеров: 1, 2, 4, 8, 16, 32, 64, … Затем время изготовления первого изделия умножают на норму обучения и получают время изготовления второго изделия. Затем время изготовления второго изделия умножают на норму обучения и получают время изготовления четвёртого изделия и т. д. Кривые начинают выглядеть примерно как на рисунке ниже:

Рис. 1. Кривые обучения с нормами обучения 70, 80 и 90%, построенные арифметическим методом

Где обычно используется этот метод сейчас? В основном в промышленности: для оценки времени разработки изделия, его производства и оценки затрат. В связи с популярностью lean production («бережливого производства») кривые обучения имеют весьма важное значение при поиске компромиссного решения в системе just in time («точно вовремя»), где при переходе на производство мелкими партиями достигают снижения материальных запасов, но при этом жертвуют преимуществом накопления опыта при крупносерийном и массовом производстве. Кривые обучения также являются важным элементом планирования общей стратегии. Например, принятие важных решений по ценообразованию, инвестициям, операционным затратам может быть обосновано на кривых обучения.

2. Применение метода в ИТ-проектах

Для оценки эффективности новой ИТ-технологии обычно проводят пилотный проект. Согласно вышеописанному методу в организацию «пилота» следует внести существенные коррективы.

Давайте посмотрим на тот же график кривых обучения (рис. 1), но в логарифмических координатах:

Рис. 2. Кривые обучения в логарифмических координатах

Кривые обучения превратились в прямые линии. Значит, для их построения нам достаточно двух точек.

Поэтому в «пилоте» надо выполнять не один, а два однотипных проекта: первый – для получения начальной точки и второй – для угла наклона логарифмической прямой и вычисления нормы обучения.

Это сразу даёт нам полную картину того, какая будет производительность после полного освоения ИТ-технологии организацией и когда это освоение произойдёт по срокам – см. рис. ниже:

Рис. 3. Анализ графика по результатам пилотного проекта

Конечно, проекты, включаемые в пилот, должны быть репрезентативны – от их правильного подбора зависит точность построения кривой обучения. Но здесь точные критерии такого отбора дать затруднительно в силу универсальности метода и специфики каждой организации. Думаю, что каждая организация должна это решать самостоятельно.

Почему желательно использовать логарифмическую шкалу? По мере накопления опыта (выпуска новых рабочих проектов) появляются новые практические точки на графике, а значит можно немного подкорректировать первоначальный наклон прямой (рис. 2) и пересчитать показатели обучения в сторону уточнения.

Послесловие

Подробное описание этого метода можно найти в любом приличном учебнике по операционному менеджменту/управлению производством, что означает вполне приемлемый уровень объективности оценки. Это уже не метод весовых коэффициентов, где набор субъективных показателей дополняется субъективным мнением «экспертов», участвующих в выборе ИТ-технологии (поэтому, как правило, является формальным прикрытием корпоративного «договорняка»).

Кроме того, цена ИТ-технологии уже не играет «всёрешающую» роль в конкурсных торгах: стоимость лицензий и внедрения может быть выше, чем у конкурентов, но норма обучения окажется существенно ниже, а значит – выше рентабельность на длинном плече.

Итак, применение метода кривых обучения позволит:

количественно, в цифрах, оценить эффективность внедряемой технологии, а если результат анализа неудовлетворительный – вовремя остановить неэффективное инвестирование, что не менее важно;
операционный топ-менеджер, сравнивая по графику расчётное время выпуска N-го проекта и фактическое, может наглядно понять резервы «кайдзен», то есть возможности «дожать» технологию в своей организации;
наконец, руководитель СИТа, когда фактический срок выпуска проектов начнёт приближаться к предельному расчётному, может обоснованно начать планировать ИТ-инновацию, поскольку возможности существующей технологии себя исчерпали и начальство это само видит.

1. В статье использованы материалы R.B.Chase “Operations Management for Competitive Advantage” (tenth edition).