现实世界与虚拟世界摇摆不定，科学的系统分析方法4步搞定 _库存控制

目标、量度与控制
发展制造科学并不是一项微不足道的工作，就像应用这门学科解决制造问题那样困难。而系统方法对这两个问题都有益。
系统方法（）
猜测与反驳的主张不仅是科学研究的工具，它也极其有用的解决问题的方法论基础，如大家都知道的系统方法（），或者系统分析（）。系统分析（SA）已经被正式研究至少30年了（见，，Miser和、1988）；但除了名字之外早已是管理思想的一部分，则至少要追溯到（1938）的工作。
简要地说，系统分析就是一种结构化的解决问题的方法，具有以下特征：
1.系统观点（aview）。问题经常在具有相互作用的子系统的系统的背景下呈现（例如，工厂就是一个系统，它由不同的产线组成，产线又由不同的段、班、线等组成的子系统所支持）。关键是生成一个广泛的、对问题整体的认识，而不是狭窄的、残缺的观点。
2.手段-目的分析方法（means-）。首先指定目标，然后按照目标列示和评价备择方案。注意它和常用于政治领域的”手段第一（means first）”方法形成鲜明对比，政治方法是先摆出备择方案，而目标只是达成一致过程中的权宜之计。例如，系统分析可能会使用”把货物方便快捷地送达客户”的目标，而不会使用”提高处理采购订单的效率”的目标。后者就是”手段第一”方法，它可能排除一些潜在的有吸引力的选择方案（如，用全新的程序处理采购订单）。（192|193）
3.创造性的备择方案的产生（）。当我们的脑海中形成目标，系统方法就会尽可能的大范围搜寻可供选择的方案。许多格式化的头脑风暴技术已被开发出来并且用于支持这个过程。不管我们使用了什么方法，意图就是用一些非显而易见的方法去改善系统。例如，要减少制造周期时间（制造一件产品所花费的时间），我们需要看得更远一点，而不是简单地考虑如何加快单个工序和想方设法取消整个产品步骤中的一部分。
4.建模和优化（ and ）。以目标数值的形式来比较这些可选择的方案，我们需要一些量化分析方法。建模/优化的步骤可能就像计算每个可选择方案的成本并选择最便宜的一个一样简单，或者它也可能需要一个复杂的数学模型的分析。具体细化到什么水平则依赖与所研究系统的复杂性以及这些行为的潜在边际影响（如，为了节省$52,000却花费了$50,000来分析的行为一点意义也没有）。
5.迭代（）。差不多每一次系统分析过程中，目标、方案以及建模都是被多次修正过的。但这并不是因为我们傻；而是因为现实世界的系统都是复杂的。发现错误和疏漏天生是猜测与反驳方法的一部分。
图1描述了系统分析过程中四个基本阶段的一个纲要：运营分析、系统设计、执行和评估。正如反馈箭头所表示的那样，这些阶段并不是按先后顺序的。迭代能够发生并且应该发生在阶段内部和阶段之间。此外，在进行分析时，研究的焦点还在真实世界和模拟（模型）世界之间摇摆不定。（193|194）
图1 一个系统分析范例
系统分析开始于运营分析（）阶段
在这个阶段我们的焦点集中于从本质上观察现实系统和建立合适有用的模型的科学（）任务。要做到这些，我们要试着定义问题的目标、约束和可选择方案。开始的时候这些好像看起来很明显，但是实际上它们经常比我们所希望的难懂得多。因此，我们必须试验性的推测它们，然后寻找矛盾。随着项目的进行，新目标、新约束、新方案可能会出现，那么它们之间的相对重要性也可能改变。
另外一个涉及反复考虑目标和约束并且经常出现的问题是如何有代表性地选择。一个明显的喜好经常被声明为目标或者是约束。例如，最小化在预定的期限之后才被满足的客户订单数量可能就是一个目标。作为另一种选择，要求少于2%的订单被延迟满足可能就是一个约束，它们的实际上是一致的。这种把目标转换成约束的技巧被称为满足法（），并且这种方法在系统分析上被广泛的使用（）。
反复考虑现实系统的目标，约束和备择的方案仅仅是运营分析阶段的出发点。在真实的复杂系统，我们不可能简单地通过观察实际系统就获得对系统的透彻了解，也不可能评价那些可选择的方案。主要有两个原因。第一，高水平的目标（如，最大化客户满意度）一般是不可度量的。第二，现实系统一般太过复杂而不允许我们来直接地描述各种组分和特殊方案对系统的影响之间的相互作用关系。为了加深我们对系统的理解和系统的可控选择方案，我们对系统的关键方面开发了类似物或模型。
现实系统的模型开始于定义低水平、可度量的作为真实系统效力代表指标的系统规范（如，迟于满足客户需求的加工任务的比例）。然后我们指定描述性的参数、可控变量，以及它们之间的相互关系来以某种模型的形式代表系统。建立模型的技术是非常复杂的，既要抓住系统关键的特征，又要简单从而允许可操作的分析复杂网络软件分析与评价，它也是一个复杂的任务，需要全体成员在创造性地解决问题和运用数学方法方面具有一定的技能。模型需要检验（）（即，检查模型的逻辑）和验证（）（即，比较模型和真实结果）。模型验证包括在分析的建模和观察方面之间的再三重复，而且应该贯穿于整个研究过程。
系统设计（）阶段是这个系统分析范例中具有支配地位的工程（）部分的开始。
在运营分析阶段我们主要通过模型从现实世界过渡到模型世界。在系统设计阶段我们主要是从模型世界回到现实世界，通过把模型转换成可执行的方针政策。我们通过”优化”模型，同时考虑到效力的选择指标并且通过敏感性分析来检查结果的抗干扰性。接着我们将这些数学的或者象征性的解转换成实际的政策，然后检查这些政策在实际环境中的实用性。重要的是我们要记住无论一个数学模型多好复杂网络软件分析与评价，它仍然是现实的一个简化。就像开发合适的模型，解释结果来开发合理的行动步骤是一门永远不能完全机械化的艺术。
好的系统分析不会因为政策被提出终止。
范例中的系统实施（）给我们提供了一个机会，当这些方针被正确地采用，如果这里还有时间有效的处理它们的话，我们就能确定那些非预期的问题。（194|195）
最后，在系统评价（）阶段
我们需要在那些政策已经被贯彻执行之后，以最原始的目标来评估系统这些方面来回顾系统。这是一个非常重要的阶段，因为它提供了如何验证改进现实系统的模型的有用性，而反对仅仅是简单的描述系统行为。由于系统分析是应用型（）的问题解决办法，满足目标的程度必须总是所研究的结果。然而，因为大多数现实世界系统都是复杂的而且持续改变，所以特定研究的结束并不标志着分析的结束。对于将来那些模型和现实系统的改进机会应该被作为将来系统分析循环步骤的输入而予以确认。
基本目标
首先，为了实现目标，我们已经定义了制造系统为一个面向目标的（-）网络，制造科学的显著的开始就是基本目标（）。这是所有部分都要通过的共同目标。它因为描述了一个可完全量化也可能不完全量化的长期期望而变得模糊不明。在一些公司中，基本目标被很正式称为使命陈述（）。然而，这个欺骗性的复杂训练经常变成一个华而不实的过程，时间被浪费去产生一些新的（往往是令人讨厌的）口号。因此，一定要认识到系统分析始于确定基本目标。从它本身来说，基本目标（或使命陈述）一般是没有有形资产价值的。
“用钱生钱”是基本目标的一个明显选择。但是，当我们发现有很多种方法可以赚钱的时候，包括出卖公司资产（也许短期内是好的，但是长期来看后果严重）还有违法处理滞销货（有利可图的，但是非法也不道德）。其他比较流行的口号比如”给客户想要的”也是同样不完善的——如果我们可以免费提供好的产品给客户，他们当然会非常满意。为了获得广泛的支持，基本目标必须平衡涉及到组织内部的各个部门的点。以下的陈述足够含糊，可以作为所有制造企业的基本目标：（195|196）
增加利益相关者（股东、雇员、客户）的长期福利。

文章插图

文章插图
我们认识到这是一个”老掉牙的”（）的陈述，它是如此的含糊以至于可以衍生出很多具体的指导。但是它的确为所有股东提供了一个共同点，并且强调说很多我们感兴趣的部分在向制造系统转变的过程中将可能被影响。
层级目标
一旦我们确定好一个阶段目标后，冲突就产生了，因为对一个股东有利的并非就对其他股东有利。通过降低工人的薪水来减少成本对企业的利润率和股东都有好处，但是对工人却正好相反。为了达到一个平衡，我们需要稍微的缩小我们的基本目标，或许就像：
取得”好的”长期投资回报率（ROI）。
这个陈述将会让所有股东满意，因为投资回报率支撑着股票价格。同样也在某个方面让工人满意，因为他们可以继续被雇佣而且可以得到一个更高的工资。最后，客户也会满意，因为如果客户不满意，长期来看他们就不可能得到好的回报。因此，这个陈述，仍然是高水平的，涉及我们感兴趣的主要部分所的，而且可以直接测量。
但我们不能简单地将企业的高层级目标告诉工人们。在车间标贴再多鼓励工人们达到好的投资回报率的标语也不能激发出卓越制造。人们需要知道他们的（their）工作如何影响基本目标，从而能够积极地产生影响。出于这一点，我们需要定于与生产更紧密相关的量度。
首先，注意到利润率和投资回报率可以通过三个财务指标——
（1）收入（）、（2）资产（）、（3）成本（cost）——来计算，如下：
利润＝收入－成本
投资回报率＝利润/资产
但即使这些指标对于日复一日的工厂作业来说也是层次太高。
在车间水平上和收入、资产、成本等价的是
（1）产出（），每件时间内出售（sold）的产品数（生产出来而没卖出去对企业一点好处都没有）；
（2）资产（），特殊的能控制的资产比如库存；
【现实世界与虚拟世界摇摆不定，科学的系统分析方法4步搞定】（3）成本（cost），包括车间的运营成本以及特殊的可变成本如加班、转包和报废。这三个基本量提供了高水平的财政指标（如，投资回报率）和低水平的更加接近制造活动的指标（如，机器的可用性）之间的链接。（196|197）
图2说明了一个简单的层级目标，从基本目标到不同的支持子目标（）。从利润的计算公式，我们可以看到高的利润率需要低的成本和高的产量（销售
额）。低成本意味着要降低单位成本，这需要高的产出、高的利用率和低水平的库存。正如我们随后将在第二篇看到的，要达到低水平的库存和较高的产出，产品的变化就要小。在层级的另一半，要增加销售额就需要人们愿意买的高质量产品与好的客户服务。高水平的服务需要快速反应和品种多样（任何客户所需要的）。快速反应又需要短的周期时间，低的设备使用率和高的库存水平。为了保持产品多样性需求得到满足，我们需要高的库存水平和高的变动性（在产品）。但是，要达到高质量，我们需要低的变动性（在制造过程）和短的周期时间（在缺陷发生时马上把它揪出来）。
图2制造企业组织的层级目标
请大家注意，在这个层级中存在着冲突。例如，一方面我们要高的库存水平来保证快速反应，但是另一方面我们需要低的库存水平来让我们的资产总额处于较低的水平以达到高的资产收益率。我们想要高的设备使用率以便降低单位成本，但是较高的设备使用率又会使企业的反应能力下降。我们想要在产品种类上有更多的变动性，但是较低的变动性可以使库存水平降低，也能保持一个高的产出。尽管JIT鼓吹者不愿意用”t打头的单词（tword）”,我们还是必须做出权衡（）来化解这些冲突。
最后，从图2我们可以发现短的周期时间可以促进降低成本和提高销售额，这点对我们是有用的。这就是90年代重点强调速度背后的动机，具体的口号比如快速响应制造（quick）和基于时间的竞争（time-based ）。我们会在第二篇建立起包括变动性在内的诸多因素之间的基本关系，并在第三篇研究如何减少周期时间这个重要的主题。
控制和信息系统
制造管理者们经常面对可以用来实现目标的一大堆的控制措施。产品设计、设施规划、设备维护、作业排程、人力政策等，还有许多其他方面都给他们提供了控制制造系统的机会。在工厂物理学中除了要物流，还不能过分局限于与物流直接相关的控制措施（如，排程）。另外一些控制措施看起来和产出联系不那么密切，但对于达到系统基本目标它们同样重要。
为了给考虑可选方案的范围提供一个结构化方法，（1998）比较了一个运营经理和一个投资组合经理的行为。投资组合经理使用证券组合的方式以达到好的稳定的投资回报率。运营管理者管理三种基本的资产来产生投资回报率：信息、控制和缓冲。信息包括对于系统我们知道什么（如，从ERR系统得到的库存状态数据）。控制包括影响系统行为的运营策略（如，库存存储规则）。缓冲就是在保护系统免受不确定变化的影响（如，安全库存）。
这三部分必须一起来管理以获得有效的全面绩效。如果缺少某个部分（如，关于需求的不完全信息），它就必须被其他两个部分的某种组合来补偿（如，对生产时间安排更多的控制，或持有更多的安全库存缓冲）。
例如，考虑一项由MRP系统控制的备货生产。信息系统收集关于当前库存、计划接收量、能力和需求预测的数据。控制系统使用MRP把这些信息转换成实际加工任务再释放到车间，并追踪它们的完成情况。控制系统也可能包括当需求发生变化时的调整应对。缓冲包括安全库存、安全提前期和系统的额外能力。这些是十分必要的，因为预测永远不可能绝对正确，并且MRP也不是一个完美的生产过程模型。（197|198）
这三个部分中的任何一个都提供了改进的机会，同时，它们之间的组合也可能提高系统的整体绩效。例如，好的（较早的）需求信息将会通过接单生产的方式满足更多的订单来减少库存缓冲需求。一个完全柔性的工人数（更多控制）将会减少对于额外能力的需求（较少缓冲）。较好的预测系统物流（比MRP模型提供的更好）将会减少额外的安全提前期和WIP水平（缓冲）的需求。这些就是在精益制造所推崇的政策类型，基本上就是关于通过更好地利用信息和控制来减少对于缓冲的需求。然而，我们将在第九章看到，无论得到的信息多么完整，无论控制措施多么得力，仍然需要一些缓冲。
如有需要，我们并转发，发私信“工厂物理学”，提供电子书下载地址。
本文到此结束，希望对大家有所帮助。