Проблема
Один из крупнейших мировых производителей турбин располагал перспективным портфелем проектов на пять лет, чистая выручка от которых должна была составить 30% от их стоимости. Всего компания завершила более тысячи групп взаимосвязанных проектов, каждый из которых насчитывал несколько этапов. Исходя из высоких показателей результатов выполнения прошлых работ компания решила сделать ставку на своё главное конкурентное преимущество – надёжность – и предлагала заказчикам взимать штрафы за нарушение сроков и награждать за досрочную сдачу работ.
Спустя год с начала работы над пятилетним портфелем проектов руководство обнаружило, что некоторые важные проекты выполняются со значительными задержками. Руководители надеялись, что увеличение резервных запасов времени позволит компенсировать незапланированные задержки. Несмотря на нарастающий объем задолженностей по выпуску продукции, компания продолжала обещать, что новые проекты будут закончены в стандартные сроки. Сложившееся положение дел заставило руководство усомниться в том, что обязательства перед клиентами и акционерами будут выполнены.
В настоящее время в условиях нестабильного мира компаниям становится все труднее принимать обязательства перед клиентами и акционерами. Кроме того, организации, которые работают над созданием сложных адаптивных систем, знают, что часто небольшие изменения в таких системах могут привести к значительным последствиям, как положительным, так и отрицательным. Традиционное программное обеспечение для управления такими проектами не учитывает все динамические зависимости, ресурсные ограничения и изменчивость окружающей среды, и поэтому не может дать ответы на принципиально важные для руководства вопросы:
- Сколько времени, с учётом задержек, может занять выполнение пятилетнего цикла работ при использовании традиционных методов планирования и реализации проектов?
- Сможет ли компания получить прибыль за выполнение этого портфеля проектов, учитывая вероятное нарушение сроков окончания работ?
- Насколько можно было бы улучшить результат, если осуществлять планирование и выполнение проектов в соответствии с управлением по методу критического пути (англ. CCPM – critical chain project management), основанном на теории ограничений?
- Учитывая вышесказанное, насколько должны быть изменены сроки по завершению проектов в работе, финансовые договоренности с клиентами, а также обязательства по прибыльности перед акционерами?
Компания, её поставщик программного обеспечения для CCPM и партнёр по реализации проекта обратились за помощью к компании Goldratt Research Labs (GRL), лидеру по предоставлению консультационных услуг на основе теории ограничений. GRL предложила создать цифрового двойника для управления проектами, который позволил бы моделировать стратегии управления производством. Это включало оценку операционных и финансовых последствий внедрения новых правил на основе CCPM и метода гибкого планирования и исполнения. Введение новых правил должно было помочь ограничить количество одновременно выполняемых незавершенных процессов на производстве и скорректировать приоритеты при выполнении работ, чтобы минимизировать задержки, вызванные одновременным и несинхронизированным выполнением задач.
Разница между традиционным методом управления
проектами и управлением методом критического пути
Цифровой двойник также позволил бы подобрать наиболее подходящий механизм контроля незавершенных процессов и определить их допустимый объем. Необходимо было понять, на каком уровне должен осуществляться контроль завершения процессов, чтобы рационально ограничить количество параллельных действий и иметь возможность завершать больше проектов в случае высвобождения дефицитных ресурсов. Даже самые опытные эксперты в области CCPM и методов гибкого планирования не могли ответить на эти вопросы без использования имитационного моделирования.
В этом проекте у GRL было две цели. Во-первых, специалисты должны были создать цифровой двойник, который отображал бы процессы достаточно точно, чтобы руководство компании-заказчика могло использовать его для поддержки принятия решений по ключевым вопросам. Во-вторых, они хотели воспользоваться возможностью усовершенствовать и апробировать разрабатываемую ими платформу для создания самонастраивающихся цифровых двойников. Впоследствии они планировали применить её для задач моделирования в других проектах со схожими задачами.
Цифровой двойник позволял ответить на следующие вопросы:
- Какие финансовые и операционные последствия ожидают компанию, если она продолжит использовать текущие (традиционные) правила управления проектами?
- Что произойдет, если компания внедрит новые правила на основе CCPM?
- Какой механизм управления незавершенными процессами наиболее эффективен, и какими должны быть оптимальные ограничения по объёму незавершенных процессов?
- Как расставить приоритеты и распределить ресурсы для повышения производительности и прибыльности?
Решение
На протяжении многих лет консультанты компании GRL использовали AnyLogic для создания производственных имитационных моделей для оценки вероятных операционных и финансовых последствий. В большинстве проектов они внедряли передовые методы теории ограничений и оценивали эффект, сравнивая его с результатами управления проектами традиционными способами. Чтобы наглядно продемонстрировать, как быстрее, проще и с наименьшими затратами и рисками внедрить методологию теории ограничений в процессы компании, консультанты строили модели в AnyLogic.
В этом проекте консультантам нужно было создать цифрового двойника для управления производственными процессами. Для этого они выбрали AnyLogic, в том числе по следующим причинам:
- Комплексное применение нескольких методов моделирования, поддерживаемое AnyLogic, позволяет точнее отражать в модели сложную в реальности среду, что очень важно для управления производственными проектами.
- AnyLogic позволяет создавать имитационные модели, которые после подключения к источнику оперативных данных могут работать как цифровые двойники. Это делает модель более гибкой и удобной для использования.
- Созданную модель можно экспортировать в виде автономного приложения или через облако AnyLogic Cloud, что упрощает её совместное использование и тестирование. Это также позволяет предоставлять клиентам информацию о достигнутых результатах оптимизации производства.
- С возможностями моделирования, которые предоставляет AnyLogic Cloud, пользователи могут быстрее и эффективнее проводить сложные многопрогонные эксперименты.
Компания GRL ранее уже разработала в AnyLogic платформу для оптимизации управления производственными проектами, позволяющую создавать цифрового двойника любой производственной среды. Консультанты опробовали платформу в других сферах бизнеса и промышленности, и теперь адаптировали её для целей данного проекта.
В этой модели применялись методы дискретно-событийного и агентного моделирования. В качестве входных данных использовался структурный план работ всего портфеля проектов, экспортированный в виде таблиц Excel непосредственно из системы управления проектами клиента. В дополнительных таблицах Excel также содержались данные о расположении ресурсов, их доступности, штрафах за просрочки и премиях за преждевременное завершение работ и т.д. В модели также была предусмотрена возможность выбора стратегии управления проектами: пользователь мог запустить сценарий с традиционным методом планирования и выполнения проектов или с применением методик и правил теории ограничений.
Видео: работа модели управления проектами
Базовый сценарий моделирования должен был показать, сколько времени займет выполнение проектов из портфеля, если компания продолжит придерживаться традиционных правил, а именно:
- Работы по всем проектам будут выполняться вовремя, несмотря на отставание.
- Ресурсы будут максимально загружены за счёт безотлагательного запуска всех задач.
- Ресурсы будут использоваться в нескольких задачах одновременно, переключаясь между ними, чтобы достигнуть прогресса в большинстве проектов.
- Работу над проектами будут начинать, не дожидаясь всего необходимого для запуска.
Модель управления производственными проектами предусматривала три способа работы с ней:
- Простой эксперимент, во время которого пользователи могли отслеживать динамику выполнения проектов и их этапов. Прогресс выполнения каждого проекта отображался на графике с точки зрения расходования им резервного времени, либо, напротив, влияния на сроки завершения критического пути. Результаты прогона представлялись в виде диаграммы Ганта, чтобы инженеры могли визуально оценить масштаб совокупных задержек на разных уровнях и выявить их причины. Пользователь также в режиме реального времени мог наблюдать, как используются ресурсы, и к каким финансовым последствиям приводят задержки.
- Режим анализа чувствительности, при котором модель запускалась с пошаговым изменением ограничения по числу незавершённых работ. С помощью этого режима пользователи могли определять, как это ограничение влияет на прибыльность и общую продолжительность выполнения проектов.
- Режим сравнения сценариев, при котором три основных сценария с изменением правил ведения проектов можно было сравнить с базовым сценарием.
Выходные данные включали стандартные отчёты для производственного моделирования, в которых пользователи могли сравнивать характеристики в рассматриваемых сценариях, подробные отчёты Excel для подробного анализа деталей конкретного проекта или этапа выполнения работ.
Результаты
Результаты расчетов по четырем различным сценариям
Специалисты GRL представили руководству компании данные о вероятных операционных и финансовых результатах выполнения проектов при развитии событий по четырем возможным сценариям. Первый базовый сценарий демонстрировал результаты применения традиционного подхода компании к управлению проектами. Эти результаты показывали, что даже если компания потратит часть чистой прибыли от выполненных проектов на привлечение дополнительных ресурсов, чтобы закончить весь портфель вовремя, проекты и программы не будут закончены до конца, а компания понесёт убытки. Из результатов моделирования следовало, что скорее всего работа будет выполнена на два года позже и компании придется оплатить издержки в 181 миллион долларов США.
В остальных трёх сценариях были реализованы различные механизмы управления незавершёнными процессами с помощью метода критического пути. Целью этих трех сценариев было выполнение проектов в срок с наилучшими общими показателями прибыльности.
- Во втором сценарии моделировался механизм контроля незавершенных процессов на уровне проектов.
- В третьем сценарии был реализован механизм контроля незавершенных процессов на уровне групп проектов.
- В четвёртом сценарии применялся механизм контроля с гибридными правилами: незавершенные процессы контролировались на уровне групп проектов, но с возможностью запускать дополнительные проекты при появлении свободных ресурсов.
С помощью цифрового двойника удалось определить, что наилучшим вариантом для компании было реализовать контроль незавершенных процессов на уровне одного проекта. И хотя по прогнозам компания должна была завершить работы с задержкой в девять месяцев, чистая прибыль при этом составила бы 104 миллиона долларов. Более того, поскольку штрафы и надбавки были предусмотрены не для всех программ и проектов, существовала возможность получить еще большую прибыль, определив с помощью соответствующих сценариев оптимальные правила приоритизации работ так, чтобы наивысший приоритет получали программы и проекты с наибольшими штрафами за задержку сроков и надбавками за их досрочное завершение.
Имитационная модель компании GRL для управления проектами показала, что с помощью инструментов моделирования производства специалисты компании могут создать гибкий, легко адаптируемый к целям конкретного клиента самонастраиваемый цифровой двойник. Он помогает решать задачи управления проектами и способен реалистично моделировать любую проектную среду. Цифровой двойник прост в использовании, легко интегрируется с системой управления проектами клиента, учитывает возможность изменения времени выполнения задач и другие случайные события. Всё это позволяет точно прогнозировать результаты применения как традиционных правил, так и правил метода критического пути. Также цифровой двойник может определять, как перераспределение ресурсов и изменение правил расстановки приоритетов может отразиться на операционной и финансовой деятельности компании.
Посмотрите доклад, в котором Доктор Алан Барнард и Яко-Бен Вослу рассказывают об этом проекте на конференции AnyLogic или загрузите PDF-презентацию (на английском языке).
