Autor :
Jan B. Hurych
Název :
UMÍME BÝT EFEKTIVNÍ ? ( 7. Jak ono pravidlo využít. )
Zde jen chci upozornit, že v následujících kapitolách uvádím nejprve příklady z obchodu a průmyslu, ale používal jsme paretizaci i pro vědecký výzkum, pedagogiku a pro studenty, které jsem učil. Tehdy jsem ještě netušil, že se to tak jmenuje a dokonce ani ne, co to je. Tké v této knize najdete většinou jen moje nápady. Teprve později jsem si ověřil, že paralelně se mnou šel i výzkum. Ten zde ovšem neuvádím, lze ho najít jind
Už jsme si řekli, že ta Paretova čísla nejsou a ani nemohou přesná - dalo by se říci, že zobecněné pravilo zahrnuje jakoukoliv linearitu (včetně přímky). Ale o to nám tu nejde - my se na to díváme prakticky: čím větší nelinearita, tím lépe se využije. Vím-li například, že jeden můj zákazník koupí 95 procent mého zboží, věnuji mu od té chvíle více času procent času. No ono to tak úplně nepracuje: za prvé už si třeba víc kupovat nemůže a za druhé získávat další zákazníky bude možná lehčí, než aby on zvedl počet objednávek. Ale v případě, že nejvíce reklamací máme od něj, pak se jistě budeme jeho stížnostem věnovat co nejvíc, abychom si ho udrželi. A případně řešit hlavně jeho problémy svými novým i designy. V případě, že mám deset zákazníků a každý nakoupí stejně, budu se všem věnovat pokud možno stejně a těm, kde mám naději získat další objednávky, dokmonce i víc. V prvém případě (95 procent) by tento postup byl katastrofický - mohl bych ztratit 95 procent objednávek jen proto, že jsem jim věnoval málo času.
Jak získat data.
Měřením a počítáním, jak jinak? Ukažme si to na příkladu, třeba právě s tím nákupem. Budeme mít řekněme zákazníky A, B,C,D,E,F,G,H. Více vidíte v tabulce. e vlevo. Poznámka: OBJ. znamená objednávky, jinak tedy buď počet kusů zboží, které zákazník objednal (nebo ještě lépe cena všech jeho objednávek (tím jsem to tu nechtěl komplikovat).
Hned jsem tu tabulku zde dal srovnanou podle velikosti objednávek, tedy vzestupně a záleží jen na nás, jaké kategorie si uděláme. Bude se jednat vždy o dvě skupiny, dáme do první skupiny ty nejmenší, do druhé ty ostatní. Nu dobrá, ale kolik jich bude v té první skupině?
Udělejme si pokus: uděláme skupiny o 1,2,3,4 a 5 zákaznících - teda A, AB, ABC, ABCD, ABCDE a druhou skupinou bude odpovídající zbytek, tedy BCDEFGH, CDEFGH, atd. Pro každou skupiny pak vypočítáme součet objednávek a procentní výsledek. Počet zákazníků si také vypočítáme v procentech a to budou naše Paretova čísla. Procenta používáme proto, že jsou lehce pochopitelná a nezávislá na detailech.
Podívejte se níže, jak to vyšlo: Sdružíme-li 1, 2 nebo 3 nejhorší skupiny, dostaneme nějaká čísla, ale nic, co by ukazovalo na poměr 20 ku 80 (modré sloupce) a dál už je to zase horší. Jenže to chce najít kde je ten rozdíl nejbližší k Paretovu poměru. Je to linka označená barvami, která říká, že 37.5 tj skoro čtyřicet procent zákazníků nám dává ani ne deset procent nákupu, to znamená výdělku. Tam jsme tedy neefektivní, tam je náš kritický bod. Můžeme se sice zbavit těchto zákazníků, ale to by snížilo i náš výdělek, kdybychom je nenahradili jinými. Lze také udělat něco lepšího: zjistit, zda by nemohli kupovat víc, to by jen zvýšilo náš zisk bez rizika ztráty. Tak tedy pro ABC to chce výzkum, pro DEFGH udržování či vylepšování současného stavu.
Tento příklad je netypický a nemá sloužit k tomu, aby vás odradil - jeho užitek není v tom, že by zrušení těch hodně malých zákazníků nějak podstatně vylepšilo váš systém (pro jiný případ možná ano), ale naučí nás to přemýšlet, kde jsou ve vašem systému slabiny a případně i nalézt správnou cestu, jak je vyřešit. Ale o tom až později.
Případy, které se nabízejí samy.
Pracoval jsem u jedné počítačové firmy - dělaly se tam počítačové moduly a periferály, tj. jednotky, které byly součástí většího systému. Nastoupil jsem do testingu a protože jsme měl zkušenosti už od jiné firmy, Sperry Univac, hodili mi hned na krk jeden opravdu těžký problém, který zahrnoval stovku jiných podproblémů. Při zkoušení - automatickém - docházelo totiž k nadměrnému počtu zmetků . Poohopitelně se ty vadné jednotky nevyhodily, ale opravily, jenže někdy ta oprava stála víc času či peněz než samotná výroba. Ta byla také automatická a tudíž levná, zatímco opravy se zautomatizovat nedaly :-). Šlo doslova o stovky jednotek za měsíc a inženýři přede mnou s tím nemohl hnout. ta situace trvala pár let a zhoršovala se, jak narůstala výroba.
Jsem člověk, který má rád statistiku. Ne že by to byl patent na všecko, ale protože to dává určitý přehled. Tehdy už existoval spreadsheet Lotus, později upravený na dnešní Excel. Neměl sice ještě navíc statistické funkce, jak má Excel, ale daly se na něm vyčíslovat vzorce a to mi stačilo. Už samotný pohled na poruchy - ktere se zapisovaly podle typu jednotky ( tj. čísla modelu a jeho verze) - mi ukázal, že převážná většina chyb se týkal jen asi pěti modelů. Možná celých 80 procent, ale Paretovo číslo by mi tehdy stejně nic neřeklo. :-). Co mi to řeklo, podle zdravého selského rozumu, kde je těžiště problémů.
Vrhl jsme se tedy na těch pět modelů, ovšem každý měl ještě různé poruchy, takže zas tak jednoduché to nebylo. Musel jsme se prohrabat stovkami záznamů oprav. někdy tam prostě technik napsal něco jako "vyměnit čip Z107", jindy jen naznačil, třeba "vadný kondensátor", ale nenapsal který, jindy zase napsal jen učitý krok v testu, kde to nepracovalo. Promluvit si s techniky od testu nemělo velkou cenu - při těch kvantech si moc nezapamatovali - vypravil jsme se tedy za techniky z opravy. Tam jsme získal dost informací a zbytek jsem nabral tak, že jsem seděl v testárně a pozoroval cvrkot. Pochopitelně jsem se zase věnovla nejprve poruchám, které se vyskytovaly nejvíc.
Udělal jsem pak řadu opravných akcí, tak například jsme přestali brát kondensátory od jednoho výrobce, dokud nezlepší svou kvalitu. Našel jsem dokonce i jeden testovací automat, který měl chyby v kalibraci ("zmetky" tedy byly vlastně dobré jednotky) a dokonce jsem navrhl několik změn designu (kde inženýr neuvažoval ve svém návrhu moc dobře tolerance). To poslední ovšem trvalo půl roku, než se designer rozhoupal, aby něco změnil, musel jsem si ještě promluvit s jeho šéfem :-). Vcelku se mi ale během měsíce podařilo opravit asi deset hlavních poruch.
Zdálo by se, že to není moc. Výsledek se také neprojevil hned ten měsíc, ale už další měsíc klesl celkový počet poruch v testu na polovinu. Ano, těch deset různých poruch způsobovalo 50 procent zmetků! To už bylo tak drastické zlepšení, že si toho všiml i hlavní inženýr: pograutuloval mému šéfovi a ten zase pogratuloval mě, aniž by mi ovšem přidal na platu. Zato mi přidělili víc problémů, když už jsem tak úspěšný, jak řekl :-). Pak už to tak rychle nešlo, ale přesto se mi podařilo zmenšit celkový počet poruch během tří měsíců na pouhou šestinu. Ani pak se ale nesnažili mi přidat - nastoupil jsem na průměrný plat a když mě najímali, slíbili mi časem přidat - takže jsem kvitl a šel jinam, kde si mé práce víc vážili, teda i finančně. V tom přidání mi pomohl Pareto až tam :-).
Jak prakticky kategorizovat.
Vraťme se k tabulce nahoře, kde jsme si kategorizovali zákazníky do určitých skupin. Tohle ovšem byl jen pokus a dalo by to pochopitelně moc práce a někdy to ani nevedlo k markantně větším rozdílům - které jsou vlastěn hlavním cílem našeho hledání. Jde jen o to, jak ty skupiny rozdělit. Pochopitelně je důležité, aby první tabulka byla seřazena vzestupně, ale jak dál? Přiznám se, že jsem žádné jdndoduché pravidlo na to nenašel, ale zkusil jsem se obrátit na Pareta: když se vrátíme k první tabulce, vidíme - jednoduchým výpočtem z hlavy - že jen první tři řádky dávají součet procent menší než 20. Je to náhodou také naše rozdělení, jak jsem je označil v druhém obrázku barevně. Dáme tedy první tři do jedné skupiny, zbytek do další. To většinou stačí, aby se našel optimální rozdíl. Z jeho veliosotpak usoudíme, jak dalece se blížíme Paretovu poměru a tudíž jak markantní změny to chce. Paretizace vlastně není nic jiného než linearizace, tj. vyvážení tabulky, její vylepšení.
Výsledek třetí řádky nám stačí k orientačnímu rozdělení, které nám říká že 37% zákazníků dává jen 8.3% objednávek a o zbytek, 91.7 procent zisku se postará zbývajících 62% zákazníků. Nejzajímavější číslo je těch 91.7, tam je těžiště našeho výdělku, to se snažíme udržet a zlepšit situaci (i se já snažil zlepšit situaci, jaksi negativně, tj. snížit poruchy). Co uděláme se zbytkem, záleží na okolnostech - vylepšení nebude snadné a asi ani ne velké. To právě dělali ti přede mnou: brali různé poruchy, které se vyskytovaly málo, na stehnou váhu jako ty početné. To má přijít později a pokud ta menší skupina nepůjde vylepšit, nemá cenu se jí ani dál věnovat. I kdyby všichni z té skupiny zvedli objednávky na dvakrát, bude to jen zvýšení o zhruba deset procent, zatímco kdyby všichni z "hlavních" odběratelů zvýšili objednávku na dvakrát, zvýšil by se náš zisk o 90 procent - to už jistě stojí za to uvažovat. To je ovšem jen ideální situce, ale zvýšení i jen o 50% není k zahození, ne? A to klidně možné je.
Tyto úvahy opět záleží na mnoha faktorech. Řekněme, že ti "hlavní" zákazníci kupují jen nové, moderní modely. Znamená to teda, že musíme dát větší váhu i na modernizaci. Proto také výrobci neradi udržují výrobu starých modelů, které se tolik neprodávají. Ale opět to neplatí všeobecně: určité zboží se vyznačuje konzervativností a zrušit je by bylo tragické - viz například situaci, kdy Coca-Cola chtěla zrušit starou, dobrou koku (lidově zvanou Coke, koks :-) a zachránilo ji jen to, že velice rychle od nápadu ustoupila.
Jak je vidět, paretizace není jednoduchá věc. Dělá-li se správně, přináší dobrá výsledky. Uděláme-li ale z ní nesprávné závěry, můžeme na to i hodně doplatit.