Хватит гадать! - читать онлайн книгу. Автор: Нэт Грин cтр.№ 10

У моего друга, снимавшего комнаты в старом доме, из-за перебоев в электросети периодически отключался компьютер. Конечно, его это раздражало: он мог потерять работу и как минимум был вынужден отвлекаться на то, чтобы сходить проверить автоматический выключатель. Некоторое время он жил в таких условиях, но однажды из-за скачка электричества лишился какой-то важной работы и решил, что с него хватит. Когда он в третий раз вышел на кухню, чтобы кому-нибудь пожаловаться на неполадки с компьютером, он вдруг понял, что всегда жалуется одному и тому же соседу — тот в это время обычно разогревает себе еду в микроволновой печи. Микроволновка в доме была очень большая и мощная, а комната моего друга находилась рядом с кухней.

Стоило моему другу заметить эту закономерность, как он быстро определился с решением столь простой проблемы: большая микроволновая печь перегружала электросеть, если ее включали одновременно с другими устройствами (к которым относился и настольный компьютер). Он проверил свою версию на практике — сбой повторился. Он улыбнулся, взял удлинитель и подключил свой компьютер к розетке на противоположной стене. А пока они с соседями ждали, когда им привезут менее агрессивную микроволновку, он заклеил «опасную» розетку, чтобы никто больше не воспользовался ею по ошибке.

Хорошие специалисты по решению проблем умеют преодолевать препятствия, чтобы получить нужную информацию. Если механизм двигается слишком быстро и ситуацию отказа невозможно увидеть своими глазами, хороший специалист по решению проблем возьмет камеру и сделает запись, а затем просмотрит ее в замедленном режиме. Если на производственной линии нет функции автоматического подсчета произведенных единиц продукции, хороший специалист по решению проблем пойдет и подсчитает их самостоятельно. Он тесно общается с теми, кто лучше других понимает систему или процесс, находит ответ на каждый свой вопрос и получает максимально точную информацию.

На одном химическом перерабатывающем заводе каждые три месяца выходили из строя огромные (десятитонные) насосы. Это обходилось компании в десятки миллионов долларов в год и создавало угрозу безопасности, поскольку во время сбоя терялась герметичность. Завод потратил годы и десятки миллионов долларов на модернизацию насосов: чтобы предотвратить сбой, их оснащали все более крупными и жесткими уплотнительными прокладками, но насосы продолжали ломаться.

После очередной неудачи для работы над этой проблемой создали новую команду, в которую вошли я и мои коллеги. Насос опять сломался, но мы не стали, сидя за столом, проектировать новые уплотнители. Мы настояли на том, чтобы нам разрешили осмотреть насос в разобранном виде, — это помогло бы нам лучше понять происходящее. Команда обнаружила, что уплотнительная прокладка разъедена и, кроме того, покрыта частицами черного твердого вещества, смешанного со смазкой. Мы решили изучить проблему, отправив образцы вещества в лабораторию. Там специалисты выяснили, что частицы на самом деле представляют собой окисленные (буквально запекшиеся) фрагменты того самого химического вещества, которое перекачивали насосы. Это стало для нас поистине открытием, и после мы, углубившись в основы, быстро разобрались с проблемой, которая долгое время считалась неразрешимой. О том, какое решение мы нашли, вы узнаете из главы 5 («Углубитесь в основы»).

Формирование достоверной модели отказа способно убедить компанию в том, что проблема разрешима. Часто поиск и реализация решения сложной проблемы требуют от компании дополнительных ресурсов и внимания — и достоверная модель отказа помогает привлечь эти ресурсы.

В качестве иллюстрации приведу один из моих любимых примеров — случай, когда я работал с национальным брендом напитков, поступавших в розничную продажу в магазины. Отдел маркетинга и продаж проделал огромную работу, и спрос на продукт быстро рос. Возникла острая необходимость увеличить объем производства, чтобы сохранить за собой максимальную долю рынка, потому что пустые полки начали заполняться аналогичной продукцией компаний-подражателей. Для этого планировалось построить и запустить новые предприятия, но это заняло бы не менее 18 месяцев. Существующие производственные объекты работали в полную силу, стараясь максимально повысить производительность, и меня призвали на помощь.

Мы изучили ситуацию и нашли ряд возможностей, позволяющих немедленно увеличить объем продукции. Самым перспективным представлялся вариант с ускорением одной из производственных линий. Разумеется, поначалу идею встретили скептически: все знают, чем выше скорость, тем больше продукции можно выпустить, однако оборудование просто не способно было работать быстрее. Сотрудники предприятия наглядно продемонстрировали это мне: они увеличили скорость линии — и на полу образовалась груда полупустых бутылок, которые нам втроем пришлось убирать. Я понял, что в первую очередь должен решить другую проблему — убедить местную команду в том, что линия действительно может работать быстрее (о том, как понять, какую проблему на самом деле нужно решать, я подробнее расскажу в главе 4). Я поговорил с вице-президентом компании и получил разрешение поработать в паре с оператором линии — протестировать конвейер на разной скорости и ближе познакомиться с ситуацией. В результате мы многое поняли. Оказалось, что бутылки падают с ленты, потому что они не до конца заполнены. Тщательно изучив происходящее, мы выяснили, что эти полупустые бутылки выходят из-под одних и тех же разливочных патронов (трех из тридцати шести).

Таким образом стало ясно, что проблема разрешима. Мы с оператором рассказали об этом вице-президенту, и сотрудники предприятия поддержали нас, готовые двигаться вперед. Ведь если тридцать три разливочных патрона функционируют нормально, то и остальные три можно заставить работать. Сформированная модель отказа не помогла решить сложную проблему — повысить объем производства, но благодаря ей я преодолел проблему политическую — привлек команду на свою сторону.

Разработка подробного описания проблемы и модели отказа состоит не в том, чтобы собрать как можно больше данных и закопаться в них с головой. Плохие специалисты по решению проблем в бизнесе накапливают массу информации обо всех этапах процесса и даже анализируют множество дополнительных факторов, пытаясь найти среди них что-то полезное. Например, сравнивают каждую деталь в «хорошей» и «плохой» машинах. При решении сложных проблем эти усилия в лучшем случае отнимают много времени и денег, а в худшем ведут по ложному следу — прямиком к новым проблемам и потере доверия.

Хорошие специалисты по решению проблем, прежде чем приступить к сбору данных, формулируют вопросы, на которые хотят найти ответы. Они не зависят от потоков данных, которые видят. Они улавливают в общем шуме отдельные сигналы.

Когда можно считать, что проблема описана и модель отказа сформирована? Ответ прост: никогда. Детально изучая проблему и углубляясь в основы, вы будете не раз возвращаться за дополнительными сведениями. Вы обретете новое понимание и захотите задать новые вопросы. Это не единичный шаг — это образ действий. Анализируйте проблему и ищите ответы на возникающие вопросы.