Размещено на сайте 05.05.2009.
Длительное обсуждение вопросов, связанных с правилами построения S-кривых и вообще необходимостью такого построения, на форуме «Методолога», заставляет дать хотя бы краткое описание того, зачем и как строятся такие кривые в реальных проектах. Естественно, что общая практика может быть значительно шире того опыта, который имеем я и мои коллеги. То есть работа с инструментом может быть значительно богаче и разнообразнее, чем я это опишу сегодня.
В рамках больших проектов очень важным является выбор «правильного» объекта для дальнейшего развития. Обычно работа начинается с выявления ключевых параметров, важных для потребителя продукта, а затем уже ищутся альтернативные варианты объектов, реализующих, обеспечивающих получение требуемых параметров.
Объекты сравнивают через то, как они реализуют набор требуемых потребителю характеристик. Суть этого подхода широко известна, существует масса его реализаций – от уже привычного бенчмаркинга, до сложного и труднореализуемого на практике QFD. Но в рамках подхода, предлагаемого фирмой GEN3 и «Алгоритмом», есть довольно интересное дополнение, в рамках которого и используется модель S-образной кривой.
Суть этого дополнения состоит в том, чтобы определить потенциал развития сравниваемых объектов, вернее, используемых ими общих принципов. И в последующем делать ставку именно на тот объект, который несет в себе больший чем у конкурентов потенциал развития.
Вот о применении S-образных кривых внутри этого подхода мы и поговорим.
Начнем с того, что выяснилось – значительная часть методически обученного населения в принципе не знает, как именно можно и нужно строить кривые в реальных проектах.
Скажем, зарубежные коллеги из одной крупной фирмы, так и сказали во время семинара по повышению их квалификации - мы S-образные кривые не строим, потому что это очень трудоемко.
Выяснилось, что они понимают под постройкой S-образной кривой поиск информации о росте важной характеристики на различных этапах развития объекта. Действительно, для этого надо перелопатить горы информации. Но работа с S-образными кривыми и не требует совершения таких подвигов!
Рассмотрим кривые эффективности источников белого света, взятые из работы «ОЦЕНКА ПАРАМЕТРОВ ТЕХНИЧЕСКИХ СИСТЕМ С ИСПОЛЬЗОВАНИЕМ КРИВЫХ РОСТА» А.Т. Кынина и В.А. Леняшина http://www.metodolog.ru/01428/01428.html
«Рис. Зависимость эффективности источников света от времени их создания. Значения приведены для: ламп накаливания (1), люминисцентных ламп (2), галогенных ламп (3), белых светодиодов - LED (4) и органических белых светодиодов - OLED (5). Пунктирная линия – огибающая кривая.
Комплексным параметром в этом случае может служить световая эффективность (лм/Вт). Даже для неэлектрических осветительных устройств можно выразить потребляемую энергию в единицах, которые можно преобразовать в ватты (Вт), а излучаемый ими свет (световой поток) можно измерить в люменах (лм).»
Как видно из рисунка, заданные экспериментальные точки образуют довольно пестрое распределение, в котором можно усмотреть влияние большого числа внешних факторов. Здесь действительно нужно иметь большое количество точек, чтобы усреднением постараться убрать случайности.
Кстати, в этой связи много вопросов вызывает работа «О выражении для логистической кривой» В. Бердоносова, А. Тихонова, Р. Памазанова. http://www.metodolog.ru/01652/01652.html
Авторы строят кривую по шести точкам.
«Для построения S-образной кривой выберем объекты распознавания, наиболее характерные для определённых годов /2/ и оценим значения главного производственного параметра (ГПП) систем технического зрения по максимальной сложности этих объектов (таблица 1). На основании данных таблицы построим график (рисунок 4).
Таблица 1 – Значения ГПП для объектов распознавания по годам /2/Год Объект ГПП
1950 Простейшие геометрические фигуры (круги, квадраты) 3
1960 Печатные буквы 4
1970 Отпечатки пальцев 35
1980 Рельеф поверхности космических объектов 50
1990 Радужная оболочка глаза 266
2000 Рисунок сетчатки глаза 400
Рисунок – Значения ГПП системы по годам
Авторам удалось подобрать кривую, в ближайших окрестностях которой находятся исходно заданные точки.
Но, как мы видим из работы, в ней не проводится анализ принципа действия анализируемых устройств. Так доверять математике не очень рационально, ведь проведя анализ первых четырех точек можно было бы построить совсем иную кривую, имеющую более низкий уровень насыщения. Может быть там уже была одна кривая, закончилась история жизни одного поколения технических систем, которая потом сменилась иной? Этого мы не знаем и из работы не узнаем. А какая «катастрофа» произойдет, если появится седьмая точка, лежащая выше вычисленной кривой?
Итак, авторы считают, что системы автоматического распознавания образов, могут работать с 400 (+ величина зоны насыщения) объектов. (В то же время в работе замечается, что такие результаты показаны для наиболее распространенных систем, при этом само понятие наибольшей распространенности не раскрывается). Мы можем довольно легко проверить – так ли это.
Попробуем выявить уже достигнутые к сегодняшнему дню результаты.
Пример первый. Запущенный недавно космический аппарат «Кеплер», предназначенный для поиска землеподобных планет у других звезд, имеет возможность различать по светимости порядка 100 миллионов точек на своей матрице. Это позволяет «Кеплеру» проводить одновременное сканирование светимости более чем 100 тысяч звезд.
(см http://znaniya-sila.narod.ru/live/explanet_03.htm )
Второй пример – для производства сверхбольших интегральных схем строятся оптические шаблоны, в которых выделяется до 10 миллиардов отдельных компонентов (будем понимать под компонентом отдельный элемент, например транзистор или прямолинейную часть проводника). Конечно, такие шаблоны предназначены для того, чтобы изготавливать объекты, а не распознавать их, однако качество шаблона вполне говорит о возможностях и уже достигнутых уровнях микроминиатюризации, хотя бы при их изготовлении. Решить обратную задачу для человечества – дело техники.
Получается, что разные оценки дают для систем распознавания величины во много порядков раз превышающие те, которые показаны как величины насыщения в рассматриваемой работе. Отсюда можно сделать вывод - нерационально пытаться строить кривую, не определив, какой именно физический параметр меняется. Это может привести к слепому доверию математике, в которой как известно, издавна работает правило: «мусор на входе, мусор на выходе».
***
Люди, строящие S-образные кривые, могут быть условно поделены на два класса – теоретики и практики.
Первыми, естественно, были теоретики. Те самые Мартино, Альтшуллер и другие люди, предположившие, что в развитии объектов техники можно выделить определенные этапы, которые описываются как закономерности.
Сейчас к таким теоретикам можно причислить узкую группу людей, стремящихся выявить новое знание о закономерностях развития, исследуя реальные кривые эволюции систем. Примеры из нашей действительности дают доклады А. Любомирского на саммите 2005 года, А.Кынина на саммите 2008 года… В общем, численность населения этой группы довольно мала, а инструменты работы внутри нее достаточно специфичны.
Вторая группа - практики. Они получили от теоретиков некую модель – развитие важных параметров любого класса технических объектов происходит по S-образной кривой, то есть достигает своего пика, выше которого увеличиться уже не может. И на пути к этому пику есть характерные этапы, которые описываются обобщенно и могут быть перенесены на конкретные случаи. Вот с этой моделью практик и идет в жизнь.
Теперь, если возникла необходимость описать то, как увеличивается важный параметр объекта, мы просто рисуем некую условную кривую. Остается привязать реальный объект к некоей точке на этой кривой. Для этого действительно надо потрудиться. Но эти труды не связаны с розыском информации о том, кто и в каком году получил объект с теми или иными характеристиками.
Мы должны получить две цифры для величины параметра: предельно достижимую величину (для принципа действия, характеризующего рассматриваемый вид объектов) или предельно нужную (для данного сообщества). Параметром в этом случае может быть скорость, светимость, поглощение влаги, равномерность распределения компонентов внутри массы, калорийность… в общем все то, что может быть важно для пользователя.
Получение предельно возможной точки – это, как правило, довольно сложная научно – инженерная задача. Но она, как показывает опыт, несомненно решается при должном старании и привлечении носителей специального знания.
Про предельную точку ранее уже писал А. Кынин, приводя пример с лампами накаливания. Предел удельной светимости металлической нити может быть довольно точно получен исходя из знания того, как температура связана с излучением. Мы говорим о связи с температурой, потому что для конкретного класса объектов именно она является определяющей. Понятно, что для конкретной конструкции ламп (для класса объектов в целом) есть предел, определяемый теми температурами, которые можно создать на еще твердом материале. Переход к жидкому металлу конечно приподнимет этот уровень, но это уже будет планка для другого класса объектов. Иной способ излучения квантов света будет иметь иные планки пределов – так значительно отличаются от ламп накаливания по возможной удельной светимости и светодиоды и лазеры. (И там уже не будет зависимости от температуры). Найденная цифра задает линию, за которую кривая роста параметра для данного класса объектов не выйдет никогда.
Следовательно, мы можем договариваться о том, что за объекты должны располагаться на кривой – те, которые входят в класс объектов, основанных на одном принципе, для которого и построен возможный потолок развития.
Получение точки реально достигнутой величины параметра выполняется обычно значительно проще. Теперь остается провести кривую таким образом, чтобы она началась в год создания класса объектов, прошла через заданную точку реального положения дел и успокоилась где-то в бесконечности, слившись с заданным пределом.
Итак, две цифры и кривая построена. А вернее, найдено место для объекта на кривой, которая носит условный характер.
Теперь обсудим, что это дает.
О возможностях трактовки конкретной ситуации для каждого из этапов и достаточно подробно написано в работе Литвина и Любомирского «Законы развития технических систем» http://www.metodolog.ru/00767/00767.html
Несмотря на то, что этой работе уже более десяти лет, из нее можно почерпнуть достаточно рекомендаций, не потерявших своей эффективности до настоящего времени. Ценно и то. Что в работе перечислено значительное количество факторов , которые могут служить маркерами для более точного определения этапа.
В целом, знание области кривой, на которой находится исследуемый объект, позволяет с достаточно высокой вероятностью прогнозировать проблемы его развития и показывать типовые пути выхода из них.
Вот пример реализации этого подхода, взятый из одного давнего проекта, выполненного фирмой Gen3. Поскольку эти слайды уже фигурировали в публичных лекциях А. Любомирского, (например на конференции МАТРИЗ 2003 года), то я осмелился также привести этот пример, убрав название изделий, фирм и количественные данные. Суть ситуации состоит в том, что на рынке объектов, используемых для сушки неких изделий, есть несколько конкурирующих систем. Некоторые из них обеспечивают более высокие удельные показатели процесса, чем остальные. Необходимо выбрать объект для дальнейшего совершенствования. После построения пределов оказалось, что объект -сегодняшний лидер, уже практически исчерпал свой потенциал развития, а один из аутсайдеров работает на принципах, имеющих колоссальные возможности для дальнейшего роста.
SSS
Важным вопросом является определение того, для каких параметров строить кривые. Судя по дискуссии на форуме «Методолога»,ряд граждан удивляет сам по себе тот факт, что для одного объекта может быть построено множество кривых, причем имеющих различные позиции. То есть объект будет находиться на втором этапе для одного параметра и на четвертом для другого. Но это действительно так. Паровая машина, если мы рассматриваем такую ее характеристику, как удельный съем энергии на единицу веса, находится на 4 этапе, но если мы начнем рассматривать иную характеристику, например, управляемость, то может оказаться, что развитие ее в этом направлении еще толком и не начиналось.
Итак, для объекта надо выявить совокупность тех параметров, которые потребитель считает важными. Их может быть много. Иногда - очень много. Среди них с использованием ряда специфических процедур выявляются параметры важные и сведенные к физически определимым. Для них и производится построение кривых, которое порой может заменяться просто выяснением того, насколько далеко они отстоят от предела.
В качестве примера приведу из конкретного проекта ряд схем, относящихся к обсуждаемому сейчас вопросу. В проекте требовалось выполнить работу по созданию нового продукта питания. Предварительно была построена линия развития продуктов по степени их подготовленности продукта к усвоению, то есть показан некий ряд этапов эволюции продуктов – начиная от отделения от грязи, через механическое измельчение, химическую и термическую обработку к обработке биологической – частичному перевариванию молочных продуктов, производимому бактериями в таких продуктах как кефиры, йогурты и так далее. Конечно, характер роста этой кривой очень условен. Уже верхние уровни развития для каких-то продуктов были достигнуты тысячи лет тому назад. Но если мы подойдем к продукту конкретному, например мясу, или фасоли, то окажется, что уровень их приготовления к потреблению так и застыл на промежуточном уровне. Но самым важным для данного этапа знанием было формирование представления о возможных уровнях деления продуктов - абсолютном и физиологическом. Для получения информации по данному вопросу пришлось получить консультацию у специалистов из института питания. Оказалось неверным представление о том, что пределом деления, скажем, белка, является его деление на отдельные аминокислоты. Организм использует потребляет цепочки, состоящие из 20-25 аминокислот. Если раздробить продукт на более мелкие части, то перед усвоением организму придется потратить энергию на восстановление цепочек требуемого размера.
Ясно, что степень предварительной подготовки продукта – это не единственный и часто не самый главный параметр. Ниже представлена матрица шкал для ряда параметров, относящихся к описанию питательной ценности продуктов вообще. Были рассмотрены такие параметры, как степень подготовленности продукта к усвоению, энергетическая ценность, насыщенность продукта аминокислотами, полнота требуемых организму компонентов, получаемое от потребления чувство удовлетворения …
На представленной выше схеме показаны возможные оси, а в качестве пределов приняты характеристики известных продуктов – рекордсменов. Синим цветом залита область достигнутых характеристик для различных вариантов исполнения совершенствуемого продукта. Как видим, он по разным параметрам может быть охарактеризован и как лидер, и как аутсайдер.
Аналогичные шкалы могут быть построены и для параметров, относящихся к другим группам обобщенных характеристик – например к составляющим получаемого при потреблении продукта удовлетворения.
Выбор для дальнейшего развития тех параметров, которые действительно важны для потребителя – это уже сфера стратегии фирмы. После выхода в свет книги «Стратегия голубого океана» стало модно называть такие списки «стратегической канвой». В наших инструментах они называются списками MPV. Работа с ними – это только начало исследования возможностей по продуктивному изменению объекта совершенствования. И естественно, что выбрав для развития параметр, находящийся на определенной стадии развития, мы получаем набор рекомендаций, относящийся именно к этой стадии.
В тексте сохранены авторская орфография и пунктуация.