प्रक्रिया और मूल्य प्रवाह विश्लेषण
प्रक्रिया और मूल्य प्रवाह विश्लेषण मापते हैं कि काम वास्तव में कैसे बहता है: हर चरण में कितना समय लगता है, काम कितनी देर प्रतीक्षा करता है, कहाँ वापस लौटता है, और कहाँ जमा होता है; वे तब काम करते हैं जब टाइमस्टैम्प वाले इवेंट डेटा और वास्तविक ट्रेस से बनें, बाधा पर लक्षित हों, और काम करने वाले लोगों से जाँचे जाएँ।
यह क्यों मायने रखता है
हर किसी के पास इसकी तस्वीर होती है कि काम कैसे बहता है, और वह आम तौर पर ग़लत होती है। प्रक्रिया के दस्तावेज़ अनुरोध से पूर्णता तक साफ़ रास्ता दिखाते हैं। वास्तविकता में चक्कर, लूप, ऐसे हस्तांतरण जो किसी आरेख में नहीं हैं, और लंबी अवधियाँ शामिल हैं जिनमें काम अनछुआ पड़ा रहता है। जिस अनुरोध के बारे में दस्तावेज़ कहता है कि उसके तीन चरण हैं, वह ग्यारह से गुज़र सकता है, और अपने जीवन का 90 प्रतिशत प्रतीक्षा में बिताता है।
प्रक्रियाओं और मूल्य प्रवाहों का विश्लेषण तस्वीर की जगह प्रमाण रखता है। वह उस डेटा से शुरू होता है जो प्रणालियाँ पहले से दर्ज करती हैं, जैसे टिकट की अवस्थाएँ, टाइमस्टैम्प और असाइनमेंट, और वास्तविक काम के अवलोकन से। वह काम के चुने रास्ते फिर से बनाता है, हर चरण में समय मापता है, और कार्य-समय को प्रतीक्षा-समय से अलग करता है। Wikipedia प्रक्रिया खनन (process mining) का वर्णन वास्तविक प्रक्रियाओं की खोज, निगरानी और सुधार के लिए इवेंट लॉग के विश्लेषण की तकनीकों के रूप में करता है।
परिणाम अक्सर चौंकाते हैं। बाधा वहाँ नहीं है जहाँ लोगों ने सोचा था। जिस चरण की सब शिकायत करते हैं वह तेज़ है, और देरी उससे पहले के हस्तांतरण में है। एक-तिहाई अनुरोध छूटी जानकारी के लिए लौट जाते हैं। ये निष्कर्ष विशिष्ट, छोटे सुधारों की ओर ले जाते हैं, इसीलिए यह विश्लेषण सेवा प्रबंधन के सबसे उपयोगी विश्लेषणों में से एक है। यह विषय मुख्य तकनीकों, आवश्यक डेटा और सावधानियों का वर्णन करता है। यह मूल्य शृंखला («विषय 1.7 — सेवा मूल्य शृंखला»), प्रवाह और कानबन («विषय 2.3 — प्रवाह और कानबन»), लीन सोच («विषय 2.4 — लीन और काइज़ेन») और विश्लेषण («विषय 7.1 — सेवा प्रबंधन के लिए विश्लेषण») पर बना है। डेटा की नींव («विषय 7.2 — डेटा की नींव और गवर्नेंस») यहाँ बहुत मायने रखती है, क्योंकि टाइमस्टैम्प और अवस्था-परिवर्तन कच्चा माल हैं।
मूल अवधारणाएँ
मूल्य प्रवाह (वैल्यू स्ट्रीम)। चरणों का क्रम जो संगठन ग्राहक को उत्पाद या सेवा डिलीवर करने के लिए करता है, जैसे "बड़ी घटना हल करना" या "नए कर्मचारी को ऑनबोर्ड करना"। Wikipedia मूल्य प्रवाह (value streams) का वर्णन करता है। मूल्य प्रवाह मूल्य शृंखला की गतिविधियों से अपने क्रम में गुज़रता है। «विषय 1.7 — सेवा मूल्य शृंखला» देखें।
मूल्य-प्रवाह मानचित्रण। लीन तकनीक जो मूल्य प्रवाह के हर चरण को उसके प्रसंस्करण समय और चरणों के बीच प्रतीक्षा के साथ खींचती है, ताकि मूल्य जोड़ने में बिताए समय की तुलना कुल बीते समय से हो सके। Wikipedia इसका वर्णन (value-stream mapping) करता है। मानचित्र अक्सर शामिल लोगों के साथ प्रक्रिया पर चलकर और वास्तविक समय नोट करके खींचा जाता है।
प्रक्रिया खनन। यह पता लगाने के लिए इवेंट डेटा का उपयोग कि प्रक्रियाएँ वास्तव में कैसे चलती हैं। हर इवेंट में केस पहचानकर्ता (जैसे टिकट संख्या), गतिविधि (जैसे "सौंपा गया" या "हल") और टाइमस्टैम्प होता है। इनसे तकनीकें हर केस का रास्ता फिर से बनाती हैं, सबसे आम मार्ग दिखाती हैं, प्रकार खोजती हैं, और समय मापती हैं। Wikipedia प्रक्रिया खनन और प्रक्रिया खोज (process discovery) का वर्णन करता है। यह मानचित्रण का पूरक है: खनन हज़ारों केसों में दिखाता है कि क्या हुआ, मानचित्रण कुछ में दिखाता है क्यों।
इवेंट डेटा। प्रक्रिया विश्लेषण अच्छे इवेंट डेटा पर निर्भर है: स्थिर केस पहचानकर्ता, स्पष्ट गतिविधि नाम, और सटीक टाइमस्टैम्प। टिकटिंग और वर्कफ़्लो प्रणालियाँ आम तौर पर अवस्था-परिवर्तन समय सहित संग्रहीत करती हैं। जाँचें कि डेटा दर्शाता है कि क्या हुआ। "प्रतीक्षा" चिह्नित टिकट का अर्थ ग्राहक की प्रतीक्षा नहीं हो सकता; अवस्था अंत में थोक में सेट की गई हो सकती है। «विषय 7.2 — डेटा की नींव और गवर्नेंस» देखें।
लीड टाइम, साइकल टाइम और प्रतीक्षा समय। लीड टाइम अनुरोध से पूर्णता तक बीता समय है, जैसा ग्राहक अनुभव करता है। साइकल टाइम काम शुरू होने से लेकर का समय है। Wikipedia दोनों (lead time, cycle time) का वर्णन करता है। प्रतीक्षा समय, यानी कतारों में या चरणों के बीच निष्क्रिय बिताया समय, आम तौर पर सबसे बड़ा हिस्सा होता है। हर आरंभ और अंत बिंदु को सटीक परिभाषित करें। चालू काम, थ्रूपुट और लीड टाइम का संबंध लिटिल का नियम (Little's law) देता है, जिसका वर्णन Wikipedia पर है। «विषय 2.3 — प्रवाह और कानबन» देखें।
प्रवाह दक्षता। लीड टाइम का वह हिस्सा जिसमें काम पर सक्रिय रूप से काम हो रहा है। कई ज्ञान और सेवा प्रक्रियाओं में प्रवाह दक्षता 20 प्रतिशत से नीचे होती है, यानी अधिकांश समय प्रतीक्षा है। यह माप ध्यान को प्रयास से हटाकर देरी की ओर खींचता है। वास्तविक केसों का नमूना लेकर संख्याएँ जाँचें, क्योंकि वे इस पर निर्भर हैं कि सक्रिय समय कैसे दर्ज होता है।
बाधाएँ और अवरोध। बाधा वह चरण है जो पूरी प्रक्रिया के थ्रूपुट को सीमित करता है। अवरोधों का सिद्धांत (theory of constraints), जिसका वर्णन Wikipedia करता है, तर्क देता है कि अवरोध के अलावा कुछ भी सुधारने से समग्र प्रवाह नहीं सुधरता, और अवरोध को पहचाना, भुनाया और फिर राहत दी जाना चाहिए। Wikipedia उत्पादन में बॉटलनेक (bottlenecks) का वर्णन करता है। विश्लेषण में वे चरण खोजें जहाँ काम कतार में लगता है, जहाँ प्रतीक्षा समय सबसे लंबा है, या जहाँ उपयोग पूरा होने के पास है।
प्रकार (वेरिएंट) और दोबारा काम। वही प्रक्रिया कई प्रकारों में चलती है: सुखद रास्ता, अनुमोदन वाले रास्ते, लूप वाले रास्ते। Wikipedia रीवर्क (rework) का वर्णन करता है, त्रुटियों या छूटी जानकारी के कारण काम की पुनरावृत्ति। गिनना कि केस कितनी बार लौटते हैं, और क्यों, बर्बादी खोजता है। 30 प्रतिशत अनुरोधों पर छूटी जानकारी के लिए ग्राहक के पास लौटना फ़ॉर्म की समस्या की ओर इशारा करता है।
हस्तांतरण। टीमों के बीच हर हस्तांतरण प्रतीक्षा और जानकारी खोने का अवसर जोड़ता है। प्रति केस हस्तांतरण और हर एक के बाद बिताया समय गिनें। स्विमलेन दृश्य (swimlane, जिसका वर्णन Wikipedia पर है) दिखाता है कि कौन क्या सँभालता है। अधिक हस्तांतरण वाले रास्ते पुनः डिज़ाइन के उम्मीदवार हैं। «विषय 3.1 — सर्विस डेस्क» देखें।
विविधता। औसत फैलाव छिपाते हैं। जो केस सामान्य केस से दस गुना अधिक समय लेते हैं वे पीड़ा पैदा करते हैं, और उनके ऐसे कारण होते हैं जिन्हें खोजना चाहिए। Wikipedia सांख्यिकीय फैलाव (statistical dispersion) और सांख्यिकीय प्रक्रिया नियंत्रण (statistical process control) का वर्णन करता है, जो सामान्य विविधता को संकेतों से अलग करते हैं। केवल माध्य नहीं, वितरण और प्रतिशतक रिपोर्ट करें। «विषय 7.3 — मापन और रिपोर्टिंग» देखें।
पैरेटो सिद्धांत। थोड़े-से कारण अक्सर अधिकांश प्रभाव पैदा करते हैं, एक पैटर्न जिसे Wikipedia पैरेटो सिद्धांत (Pareto principle) कहता है। देरी पर लागू करें तो कुछ प्रकार या कुछ चरण अक्सर खोए हुए अधिकांश समय का कारण होते हैं। वहीं से शुरू करें।
कतार। जब उपयोग क्षमता के क़रीब पहुँचता है, तो प्रतीक्षा तेज़ी से बढ़ती है, जैसा कतार सिद्धांत दिखाता है। Wikipedia इसका वर्णन (queueing theory) करता है। "100 प्रतिशत व्यस्त" टीम की कतारें लंबी होंगी। ढील छोड़ें, विशेषकर यादृच्छिक रूप से आने वाले काम के लिए। «विषय 3.11 — उपलब्धता, क्षमता और प्रदर्शन» देखें।
अनुरूपता और अनुपालन। प्रक्रिया खनन जाँच सकता है कि वास्तविक केस इच्छित प्रक्रिया का पालन करते हैं या नहीं, जैसे आवश्यक अनुमोदन हुए या नहीं। यह लेखा-परीक्षा और नियंत्रण में मदद करता है, इस सावधानी के साथ कि डेटा दिखाता है कि क्या दर्ज हुआ, ज़रूरी नहीं कि क्या किया गया। «विषय 3.4 — परिवर्तन सक्षमीकरण» देखें।
प्रक्रिया पर चलना। डेटा खोजता है कहाँ; लोग समझाते हैं क्यों। काम का अवलोकन करें, उसे करने वालों से बात करें, और वास्तविक केसों का नमूना देखें। लीन अभ्यास इसे उस जगह जाना कहता है जहाँ काम होता है, गेम्बा। «विषय 2.4 — लीन और काइज़ेन» देखें।
गोपनीयता और निष्पक्षता। प्रक्रिया डेटा व्यक्तियों के काम के पैटर्न दिखा सकता है। इसका उपयोग प्रणाली समझने के लिए करें, टीम या चरण के अनुसार समेकित करें, और व्यक्तियों की निगरानी या क्रम बनाने के लिए इसका उपयोग न करें। «विषय 5.6 — AI गवर्नेंस, जोखिम और अनुपालन» देखें।
दृष्टियाँ कैसे फ़िट होती हैं। प्रक्रिया विश्लेषण एजाइल सुधार और लीन सोच का डेटा पक्ष है: अवरोध खोजें, छोटा बदलाव आज़माएँ, फिर मापें। AI समीक्षा के अधीन पैटर्न खोजने और मानचित्रों के मसौदे बनाने में मदद कर सकती है। स्वचालन निष्कर्षों पर कार्रवाई करता है, जैसे हस्तांतरण हटाना। विश्लेषण प्रमाण देता है।
सर्वोत्तम अभ्यास
- ऐसा मूल्य प्रवाह चुनें जो मायने रखता हो। ऐसा जो ग्राहकों के लिए मायने रखता है और धीमा या असंगत है, जैसे पहुँच अनुरोध या बड़ी घटना का संचालन। उसका आरंभ और अंत ग्राहक के दृष्टिकोण से परिभाषित करें।
- पहले इवेंट डेटा जाँचें। पुष्टि करें कि आपके पास केस पहचानकर्ता, गतिविधि नाम और भरोसेमंद टाइमस्टैम्प हैं। केसों के नमूने को वास्तविकता से जाँचें, और वे अवस्थाएँ नोट करें जिनका अर्थ वह नहीं जो वे कहती हैं।
- डेटा और लोगों से मौजूदा प्रवाह का मानचित्र बनाएँ। जहाँ हो सके प्रक्रिया खनन से रास्ते फिर से बनाएँ, और उन्हें सँभालने वालों के साथ कुछ वास्तविक केसों पर चलें। दोनों दृश्यों की तुलना करें।
- काम को प्रतीक्षा से अलग करें। हर चरण के लिए सक्रिय समय और प्रतीक्षा समय मापें। प्रवाह दक्षता निकालें, और सबसे लंबी प्रतीक्षाएँ नोट करें।
- प्रकार और लूप देखें। मुख्य प्रकार, लौटने वाले केसों का हिस्सा, और कारण गिनें। सबसे लंबे केसों की अलग-अलग समीक्षा करें।
- अवरोध खोजें। वह चरण पहचानें जो थ्रूपुट सीमित करता है, और सुधार वहीं केंद्रित करें। पहले अन्य चरणों का अनुकूलन न करें।
- हस्तांतरण और खोई जानकारी गिनें। प्रति केस हस्तांतरण और हर एक के बाद की देरी मापें, और पाने वाले पक्ष से उनकी कमी के बारे में पूछें।
- वितरण उपयोग करें और वास्तविक केसों का नमूना लें। माध्यिकाएँ और प्रतिशतक रिपोर्ट करें, और पूँछ से नमूना पढ़ें। स्वचालित निष्कर्षों को हाथ से जाँचें।
- एक चीज़ बदलें और फिर मापें। अवरोध पर छोटा बदलाव करें, आधार-रेखा दर्ज करें, परिभाषित अवधि के बाद तुलना करें, और उसी अवधि के अन्य बदलाव नोट करें।
- डेटा का उपयोग प्रणाली समझने के लिए करें। टीम और चरण के अनुसार समेकित करें, व्यक्तियों को क्रम न दें, और निष्कर्ष काम करने वालों के साथ साझा करें।
अपनी टीम के साथ चर्चा के प्रश्न
एक सामान्य अनुरोध सबसे अधिक देर कहाँ प्रतीक्षा करता है, और वह किसकी प्रतीक्षा कर रहा है? डेटा या ट्रेस किए गए केस का उपयोग करें। अनुमोदनों, कतारों और ग्राहक की प्रतीक्षा की अपेक्षा रखें। फ़ॉलो-अप में एक प्रतीक्षा चुनें और पूछें कि उसे कौन छोटा कर सकता है।
हमारी प्रक्रिया से अनुरोध कितने अलग-अलग रास्तों से गुज़रते हैं, और क्या वे सब ज़रूरी हैं? प्रकार दिखाएँ। किसी की सोच से अधिक की अपेक्षा रखें। फ़ॉलो-अप में सबसे कम उपयोगी चुनें और पूछें कि क्या उसे हटाया जा सकता है।
हमारे कितने केस छूटी जानकारी के लिए लौटते हैं, और क्या छूटा है? उन्हें गिनें। कुछ अनुरोध प्रकारों पर ऊँचे आँकड़े की अपेक्षा रखें। फ़ॉलो-अप में फ़ॉर्म या पहली प्रतिक्रिया बदलें ताकि वह जल्दी माँगे।
हस्तांतरण जानकारी कहाँ खोते हैं, और पाने वाली टीम क्या पाना चाहेगी? पाने वाली टीम से पूछें। वही कुछ मदों की अपेक्षा रखें। फ़ॉलो-अप में उन्हें हस्तांतरण में जोड़ें।
कौन-सा चरण अवरोध है, और अगर हम उसकी गति दोगुनी कर दें तो समग्र प्रवाह का क्या होगा? डेटा के साथ सोचें। अपेक्षा रखें कि लोग सबसे शोर वाला चरण बताएँगे। फ़ॉलो-अप में उत्तर को कतार और प्रतीक्षा समय से परखें।
AI हमारे प्रक्रिया डेटा में पैटर्न खोजने में कैसे मदद कर सकती है, और हम कैसे जाँचेंगे कि वह सही थी? AI प्रकारों का सारांश दे सकती है और कारण सुझा सकती है। वह शोर की अति-व्याख्या भी कर सकती है। पूछें कि समीक्षा कौन करता है। फ़ॉलो-अप में AI सारांश की तुलना नमूने के मैन्युअल विश्लेषण से करें।
व्यवहार में: सेवा प्रबंधन का एक उदाहरण
एक क्षेत्रीय स्वास्थ्य प्राधिकरण के IT विभाग को चिकित्सकों को नए नैदानिक एप्लिकेशन की पहुँच देने में औसतन 19 कार्य-दिवस लगते हैं। चिकित्सक शिकायत करते हैं; विभाग की रिपोर्ट दिखाती है कि हर कार्य अपने लक्ष्य के भीतर पूरा हुआ। सेवा प्रबंधक प्रवाह को ट्रेस करने का निर्णय लेती हैं।
वे 600 हाल के पहुँच अनुरोधों का इवेंट डेटा निकालती हैं: टिकट प्रणाली से अवस्था-परिवर्तन और टाइमस्टैम्प। प्रक्रिया खनन उपकरण रास्ते फिर से बनाता है। वह नौ प्रकार पाता है, जिनमें से तीन 80 प्रतिशत केस कवर करते हैं। कार्य-समय औसतन लगभग 2.5 दिन है। बाक़ी प्रतीक्षा है: प्रबंधक के अनुमोदन के लिए (औसत 4 दिन), नैदानिक प्रमुख के हस्ताक्षर के लिए (औसत 5 दिन), एप्लिकेशन टीम के कार्य उठाने के लिए (3 दिन), और अनुरोधकर्ता के छूटा प्रशिक्षण प्रमाणपत्र देने के लिए (4 दिन, 35 प्रतिशत केसों में)। प्रवाह दक्षता लगभग 13 प्रतिशत है।
वे शामिल लोगों के साथ पाँच केसों पर चलती हैं। वे पाती हैं कि अधिकांश भूमिकाओं के लिए नैदानिक प्रमुख का अनुमोदन औपचारिकता है: पिछले 200 में से किसी को अस्वीकार नहीं किया गया था। वे यह भी पाती हैं कि प्रमाणपत्र का लूप इसलिए उठता है कि फ़ॉर्म उसे पहले नहीं माँगता, और एप्लिकेशन टीम अनुरोधों को गुरुवार को बैच करती है।
टीम तीन बदलाव करती है। वह मानक पहुँच वाली भूमिकाओं के लिए नैदानिक प्रमुख का अनुमोदन हटाती है, फ़ॉर्म में प्रमाणपत्र जोड़ती है, और एप्लिकेशन टीम को रोज़ काम की जाने वाली कतार पर ले जाती है। प्रबंधक आधार-रेखा दर्ज करती हैं और बदलाव के बाद 100 केस ट्रैक करती हैं। औसत लीड टाइम 8 दिन तक गिरता है, और 90वाँ प्रतिशतक 31 से 15 दिन तक। वे सबसे लंबे दस केस पढ़ती हैं और पाती हैं कि अधिकांश असामान्य भूमिकाओं के हैं।
क्या बदलता है: चिकित्सकों को पहुँच जल्दी मिलती है, और रिपोर्ट अब लीड टाइम वैसे दिखाती है जैसा ग्राहक अनुभव करता है। क्या कठिन रहता है: अनुमोदन हटाने के लिए नैदानिक सुरक्षा अधिकारी की सहमति चाहिए और वह परीक्षण पर है; डेटा ग्राहक की प्रतीक्षा को उस प्रतीक्षा से अलग नहीं कर सकता जो टीम ने पैदा की, क्योंकि "लंबित" अवस्था दोनों के लिए उपयोग होती है; और प्रबंधक से व्यक्तिगत तकनीशियनों की गति के विश्लेषण बनाने को कहा गया है, जिसे वे अस्वीकार करती हैं। वे उपकरण के स्वामी से ग्राहक की प्रतीक्षा के लिए अलग अवस्था जोड़ने को कहती हैं।
चार दृष्टिकोण
उत्पाद और डिलीवरी टीमें
अपनी डिलीवरी पाइपलाइन को मूल्य प्रवाह बनाएँ और विचार से उत्पादन तक बदलावों का पीछा करें। ऐसे इवेंट और टाइमस्टैम्प दें जो विश्लेषण संभव बनाएँ, और निष्कर्षों का उपयोग अपनी पैदा की प्रतीक्षाएँ हटाने के लिए करें।
सेवा और संचालन टीमें
जानें कि काम कहाँ और क्यों प्रतीक्षा करता है। एकरूप अवस्थाएँ उपयोग करें, प्रतीक्षा के कारण दर्ज करें, और वास्तविक केसों के ट्रेस में हिस्सा लें। हस्तांतरण की समस्याएँ प्रवाह के स्वामी तक पहुँचाएँ।
नेतृत्व और गवर्नेंस
केवल कार्य समय नहीं, ग्राहक के देखे लीड टाइम, प्रवाह दक्षता और अवरोध माँगें। अवरोध पर बदलावों का समर्थन करें। व्यक्तियों को क्रम देने के लिए प्रक्रिया डेटा का उपयोग न करें।
ग्राहक और उपयोगकर्ता
आप पूरा प्रवाह अनुभव करते हैं, प्रतीक्षा सहित। बताएँ कि आपने कितनी देर और किसके लिए प्रतीक्षा की, और जब प्रदाता जानकारी माँगे तो तुरंत उत्तर दें।
एजाइल, AI, स्वचालन और विश्लेषण
एजाइल
विश्लेषण का उपयोग अवरोध पर अगला छोटा सुधार चुनने, उसे करने और फिर मापने के लिए करें, हितधारकों को शामिल करके। सावधानी: कुछ बदलने से पहले लंबा मानचित्रण कार्यक्रम न चलाएँ; एक प्रवाह ट्रेस करें, एक चीज़ बदलें, और सीखें।
AI
AI प्रक्रिया के प्रकार खोज सकती है, ट्रेस का सारांश दे सकती है, और संभावित कारण सुझा सकती है, स्वामी और जाँचों के साथ। सावधानी: प्रक्रिया डेटा के AI सारांश शोर को पैटर्न की तरह दिखा सकते हैं; नमूना केसों और शामिल लोगों से जाँचें। «विषय 5.1 — सेवा प्रबंधन में AI» देखें।
स्वचालन
उन चरणों को स्वचालित करें जिन्हें विश्लेषण स्थिर और दोहराए जाने वाला दिखाता है, और जो हस्तांतरण मूल्य नहीं जोड़ते उन्हें हटाएँ, लॉग और फ़ॉलबैक के साथ। सावधानी: ऐसे चरण का स्वचालन जो अवरोध नहीं है लीड टाइम नहीं घटाता; जाँचें कि प्रतीक्षा कहाँ है। «विषय 6.2 — वर्कफ़्लो स्वचालन और ऑर्केस्ट्रेशन» देखें।
विश्लेषण
यह विषय प्रवाह के लिए विश्लेषण है: इवेंट डेटा, लीड और प्रतीक्षा समय, प्रकार, लूप और अवरोध। सावधानी: टाइमस्टैम्प इसे दर्शाते हैं कि अवस्थाएँ कैसे उपयोग होती हैं, और चरण की गति के माप टिकटों को अवस्थाओं के बीच ले जाकर बिगाड़े जा सकते हैं; वास्तविक केसों से सत्यापित करें। «विषय 7.3 — मापन और रिपोर्टिंग» और सेवा प्रबंधन मेट्रिक्स पुस्तक देखें।
आम विफलता के तरीके
- दस्तावेज़ित प्रक्रिया पर भरोसा। वह वास्तविकता से भिन्न है। इवेंट डेटा और वास्तविक केस उपयोग करें।
- गंदा इवेंट डेटा। अवस्थाएँ और समय भ्रमित करते हैं। पहले डेटा जाँचें और ठीक करें।
- ग़लत चरण का अनुकूलन। प्रयास वहाँ जाता है जहाँ शोर है। अवरोध खोजें।
- केवल औसत। लंबे केस छिप जाते हैं। प्रतिशतक उपयोग करें और पूँछ पढ़ें।
- प्रतीक्षा की अनदेखी। प्रयास मापा जाता है, देरी नहीं। कार्य और प्रतीक्षा का समय अलग करें।
- लोगों के बिना डेटा। निष्कर्षों में कारण नहीं होते। काम करने वालों के साथ वास्तविक केसों पर चलें।
- व्यक्तियों की निगरानी। भरोसा टूटता है। प्रणाली का विश्लेषण करें।
परिपक्वता मॉडल
| आयाम | आरंभ | विकास | मानकीकरण | प्रबंधन | समन्वय |
|---|---|---|---|---|---|
| डेटा | कार्यों की गिनती | कुछ टाइमस्टैम्प | प्रमुख प्रवाहों के लिए एकरूप अवस्थाएँ और टाइमस्टैम्प | इवेंट डेटा की गुणवत्ता की निगरानी | उपकरणों और आपूर्तिकर्ताओं में इवेंट डेटा एकीकृत |
| विश्लेषण | दस्तावेज़ित प्रक्रिया | एक प्रवाह ट्रेस किया | प्रमुख प्रवाहों का नियमित विश्लेषण: लीड टाइम, प्रतीक्षाएँ, प्रकार | अवरोध पहचाने और ट्रैक किए गए | मानवीय समीक्षा के साथ स्वचालित और निरंतर विश्लेषण |
| सुधार | तदर्थ | कभी-कभार सुधार | अवरोध पर बदलाव, मापे हुए | सुधार प्रवाह के परिणामों से जुड़े | प्रवाहों और साझेदारों में सुधार समन्वित |
| नैतिकता | अस्पष्ट | जागरूकता | टीम-स्तर का विश्लेषण, व्यक्तिगत क्रम नहीं | कर्मचारियों के साथ उपयोग की समीक्षा | विश्लेषण में गोपनीयता निर्मित |
जाँच-सूची
- हमने स्पष्ट आरंभ और अंत वाला ग्राहक-प्रासंगिक मूल्य प्रवाह चुना।
- हमने केस पहचानकर्ता, गतिविधि नाम और टाइमस्टैम्प के लिए इवेंट डेटा जाँचा।
- हमने डेटा से और वास्तविक केसों पर चलकर मौजूदा प्रवाह का मानचित्र बनाया।
- हमने कार्य-समय, प्रतीक्षा-समय और प्रवाह दक्षता मापी।
- हमने प्रकार, लूप और हस्तांतरण गिने।
- हमने अवरोध पहचाना और बदलाव वहीं केंद्रित किया।
- हमने प्रतिशतक रिपोर्ट किए और पूँछ से नमूना पढ़ा।
- हम टीम और चरण स्तर पर विश्लेषण करते हैं, व्यक्तिगत स्तर पर नहीं।
AI प्रॉम्प्ट
केस के रास्तों से प्रकारों का सारांश बनाएँ।
यह केस के रास्तों (गतिविधियों का क्रम) की सूची है, गिनतियों और हर रास्ते के माध्यिका समय के साथ, पहचानकर्ता हटाकर: [चिपकाएँ]।
मुख्य प्रकारों का वर्णन करें, हर एक कितने केस कवर करता है, लूप कहाँ होते हैं, और सबसे लंबे रास्तों में क्या समान है। कारणों का अनुमान न लगाएँ।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।
ट्रेस में प्रतीक्षा खोजें।
ये पाँच केसों के इवेंट हैं, टाइमस्टैम्प और हर एक को सँभालने वाले व्यक्ति या टीम के साथ: [चिपकाएँ, नाम हटाकर]।
हर केस के लिए इवेंट के बीच का समय निकालें, तीन सबसे लंबी प्रतीक्षाएँ पहचानें, और बताएँ कि डेटा टीम की, ग्राहक की प्रतीक्षा, या अस्पष्ट सुझाता है। जहाँ डेटा मौन है वहाँ अनुमान न लगाएँ।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।
प्रक्रिया-भ्रमण के लिए प्रश्न तैयार करें।
हम काम करने वाले लोगों के साथ मूल्य प्रवाह पर चलने वाले हैं। डेटा यह दिखाता है: [सारांश चिपकाएँ]।
भ्रमण में पूछने के लिए दस खुले प्रश्न लिखें, जो यह समझने पर लक्षित हों कि प्रतीक्षाएँ और लूप क्यों होते हैं। दोषारोपण से बचें और उत्तर न सुझाएँ।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।
AI कौशल
- value-stream-map: मूल्य प्रवाह का मानचित्र बनाने और मापने के लिए उपयोग करें।
- workflow-analysis: चरणों, हस्तांतरणों और प्रतीक्षाओं का विश्लेषण करने के लिए उपयोग करें।
- statistical-analysis: विविधता और अनिश्चितता जाँचने के लिए उपयोग करें।
- kaizen: निष्कर्षों को छोटे सुधारों में बदलने के लिए उपयोग करें।
- mermaid-diagram: मौजूदा और भविष्य के प्रवाह पाठ में खींचने के लिए उपयोग करें।
प्रमुख स्रोत
- Wil van der Aalst, Process Mining: Data Science in Action (2nd edition, 2016): प्रक्रिया खनन पर मुख्य संदर्भ।
- Mike Rother and John Shook, Learning to See (1999): मूल्य-प्रवाह मानचित्रण की क्लासिक मार्गदर्शिका।
- Eliyahu Goldratt, The Goal (1984): उपन्यास जिसने अवरोधों का सिद्धांत प्रस्तुत किया।
- Wikipedia, "Process mining" और "Value-stream mapping": तकनीकों का अवलोकन।
संदर्भ
- Process mining — Wikipedia — https://en.wikipedia.org/wiki/Process_mining
- Value-stream mapping — Wikipedia — https://en.wikipedia.org/wiki/Value-stream_mapping
- Value stream — Wikipedia — https://en.wikipedia.org/wiki/Value_stream
- Theory of constraints — Wikipedia — https://en.wikipedia.org/wiki/Theory_of_constraints
- Bottleneck (production) — Wikipedia — https://en.wikipedia.org/wiki/Bottleneck_(production)
- Cycle time — Wikipedia — https://en.wikipedia.org/wiki/Cycle_time
- Lead time — Wikipedia — https://en.wikipedia.org/wiki/Lead_time
- Little's law — Wikipedia — https://en.wikipedia.org/wiki/Little%27s_law
- Rework — Wikipedia — https://en.wikipedia.org/wiki/Rework
- Pareto principle — Wikipedia — https://en.wikipedia.org/wiki/Pareto_principle
- Statistical process control — Wikipedia — https://en.wikipedia.org/wiki/Statistical_process_control
- Swimlane — Wikipedia — https://en.wikipedia.org/wiki/Swimlane