Система всегда всё знает: почему локальная эффективность и производительность системы — это не одно и то же.

Как локальная оптимизация в доставке «последней мили» может незаметно разрушить систему.

Делиться

В 1968 году математик Дитрих Браесс описал результат, который до сих пор кажется неверным при первом знакомстве: добавление дороги к транспортной сети может ухудшить условия поездок на работу для всех.

Дорога не обязательно должна прийти в негодность. Не обязательно должны произойти аварии, задержки в строительстве или неудачный проект. Дорога может функционировать в точности так, как задумано, и при этом система может ухудшиться.

Причина неприятна. Каждый водитель выбирает маршрут, который кажется ему наиболее удобным. Этот выбор носит индивидуальный рациональный характер. Но когда достаточное количество водителей делает такой же рациональный выбор, общая картина в сети может ухудшиться. Ни один водитель не может легко улучшить свою поездку, просто изменив маршрут, однако все оказываются в ситуации, когда результат хуже, чем тот, который могла бы обеспечить система.

В теории игр это полезное различие между равновесием и оптимальностью. Равновесие Нэша может быть стабильным, но не идеальным. Это означает лишь то, что каждый участник делает наилучший из доступных ходов, учитывая действия других. Это не означает, что система достигла наилучшего возможного результата.

Это различие имеет значение далеко за пределами дорожного движения.

Это проявляется внутри компаний всякий раз, когда команды оптимизируют свою собственную часть бизнеса, не видя, к чему приводят их решения в дальнейшем. Панель мониторинга затрат улучшается. Панель мониторинга обслуживания ослабевает. Одна функция может показывать экономию, в то время как другая обрабатывает жалобы. Каждый может действовать рационально, руководствуясь собственными показателями, и в итоге вся система может ухудшиться.

Это ловушка оптимизации.

Это особенно заметно в логистике «последней мили», где одной из самых заманчивых целей является увеличение плотности комплектации заказов.

Показатель, который выглядит как прогресс

В сфере доставки «последней мили» структура затрат проста на уровне отдельных поездок. Водитель, транспортное средство, топливо, диспетчеризация, маршрутизация и оперативная координация — все это стоит денег, независимо от того, обслуживает ли поездка одного клиента или пять.

Благодаря этому базовая логика пакетной обработки заказов становится очень интуитивно понятной. Если стоимость доставки составляет примерно 60 долларов и обслуживает одного клиента, то эта стоимость распределяется на один заказ. Если та же доставка обслуживает трех клиентов, то стоимость распределяется на три заказа. Если она обслуживает шесть клиентов, то стоимость распределяется на шесть заказов.

Вот почему операционные группы так заботятся о стоимости доставки (Cost per Delivery , CPD). Это не абстрактный показатель. Это операционная математика маршрута, переведенная в число, которым может управлять руководство.

На первый взгляд, повышение эффективности обслуживания клиентов не только рационально, но и зачастую действительно полезно. Маршрут с одной доставкой обычно используется неэффективно. Маршрут с двумя или тремя доставками позволяет более эффективно использовать водителя и транспортное средство, оставаясь при этом в рамках обещанных сроков доставки. Таким образом, повышается производительность работы без существенного ухудшения качества обслуживания клиентов.

Это та часть оптимизации, которая выглядит аккуратно. Модель рекомендует более высокую пакетность. Маршруты перевозят больше заказов. Стоимость доставки снижается. Панель управления движется в правильном направлении.

Проблема начинается тогда, когда организация забывает, что CPD видит только одну часть операционной системы.

Клиент не оплачивает стоимость доставки. Клиент оценивает, прибыл ли заказ в обещанный срок. Обычно это отражается в показателе своевременной доставки (On-Time Delivery , OTD).

При этом показатель OTD не всегда улучшается, когда улучшается показатель CPD.

Иногда оно движется в другую сторону.

Там, где расходятся кривые

Представьте себе маршрут доставки продуктов с несколькими остановками.

На одной остановке поездка проста, но дорога. На двух или трех остановках система часто улучшается. Водитель используется эффективнее, транспортное средство используется эффективнее, и на маршруте остается достаточно запаса хода, чтобы компенсировать обычное трение.

Это полезная зона. Снижается стоимость, сохраняется качество обслуживания, и работа становится более эффективной, не становясь при этом нестабильной.

Но по мере добавления остановок маршрут начинает нести в себе не только указания. Он начинает нести в себе накопившиеся задержки.

Медленный лифт на третьей остановке. Отсутствие кода от ворот на четвертой. Проблема с парковкой на пятой. Клиент, который задерживается дольше, чем ожидалось, на шестой. Ни одна из этих проблем сама по себе не кажется серьезной. Каждая из них может добавить всего несколько минут.

Но последний клиент на маршруте наследует их все.

Этот клиент не виноват в медленной работе лифта, проблемах с воротами, проблемах с парковкой или увеличении времени передачи заказа. Но время доставки, отведенное клиенту, смягчает совокупный эффект. С точки зрения водителя, маршрут может выглядеть эффективным. С точки зрения клиента, заказ задерживается.

Здесь кривая затрат и кривая обслуживания начинают расходиться. Показатель CPD может продолжать улучшаться, поскольку за одну поездку выполняется больше доставок. Показатель OTD может начать снижаться, поскольку более поздние остановки подвержены большему накоплению задержек.

Показатели улучшаются внутри заданных границ. За пределами этих границ система компенсирует издержки.

Это и есть ловушка оптимизации в своей простейшей форме.

Более реалистичный взгляд на компромисс

На практике форма этого компромисса будет различаться в зависимости от рынка. Плотная городская зона с короткими расстояниями ведет себя иначе, чем малонаселенный пригородный маршрут. Двухчасовой интервал доставки отличается от обещания доставки за тридцать минут. Доставка продуктов отличается от доставки посылок. Опыт водителя, сложности с парковкой, доступность квартиры, погода и время суток — все это имеет значение.

Но эта закономерность достаточно распространена, поэтому за ней стоит внимательно следить.

При очень низких объемах партий услуг операция часто оказывается слишком дорогой. Плотности недостаточно для обеспечения эффективности маршрута. При умеренных объемах партий услуг затраты снижаются, а качество обслуживания остается стабильным. Обычно именно на это и рассчитывают руководители зон обслуживания.

Опасность возникает, когда организация продолжает нажимать на тот же рычаг после изменения баланса. Увеличение количества остановок по-прежнему снижает стоимость доставки, по крайней мере, на панели управления доставкой. Но побочные эффекты начинают проявляться в других областях. Более поздние остановки чаще приводят к пропуску временных интервалов. Увеличивается количество обращений к клиентам. Увеличивается количество возвратов или попыток умиротворения. Участиваются повторные попытки доставки. Повышается уровень стресса у водителей. В некоторых зонах ослабевает доверие клиентов.

Первоначальная модель непрерывного профессионального развития (НПР) может по-прежнему показывать успех. Однако на самом деле бизнес может не выигрывать.

Возможно, это просто привело к переносу затрат с доставки на обслуживание клиентов, возврат средств, восстановление после неудачной доставки, рассмотрение жалоб водителей или учет будущего спроса.

Именно поэтому эту проблему так легко упустить из виду. Экономия видна в одном месте. Ущерб распределен по нескольким другим.

Почему ловушка выжила

Ловушка оптимизации обычно возникает не из-за небрежности команд. Она существует потому, что организации часто строятся на основе локальной ответственности.

Одна команда отвечает за стоимость доставки. Другая команда отвечает за логику маршрутизации. Третья команда отвечает за качество обслуживания клиентов. Третья команда обрабатывает обращения в службу поддержки. Третья команда объясняет изменения в повторных заказах. Каждая группа может делать именно то, что от нее требовалось.

Команда по контролю затрат снижает показатель CPD. Команда по планированию маршрутов увеличивает плотность доставки. Команда по работе с клиентами отслеживает показатель OTD. Команда поддержки обрабатывает жалобы. Ни одна из этих команд не должна действовать нерационально, чтобы вся система в целом ухудшилась.

Это проблема теории игр внутри операционной модели. Как только эффективность работы команд оценивается локально, организация может перейти к стабильной, но неэффективной модели. Каждая команда продолжает делать наилучший ход, доступный на её собственной панели управления. Но бизнес наследует совокупный результат.

Проблема не в том, что люди намеренно игнорируют систему. Проблема в том, что система не видна ни с одного места.

Это проявляется тремя повторяющимися способами.

Во-первых, метрическая граница становится границей мышления. Если команда оценивается по показателю непрерывного профессионального развития (НПР), она, естественно, будет фокусироваться на НПР. Это не недостаток команды. Это поведение, которого требует организация. Но модель пакетной обработки, которая задает вопрос: «Как нам снизить стоимость доставки?», задает не тот же вопрос, что и оперативный руководитель, который спрашивает: «В какой момент снижение стоимости доставки начинает негативно сказываться на своевременности выполнения заказов, качестве обслуживания клиентов и будущем спросе?»

Первый вопрос оптимизирует метрику. Второй управляет системой.

Во-вторых, проблема проявляется в другом месте. Команда доставки может демонстрировать более низкий показатель CPD (количество заказов в день), в то время как другая команда сталкивается с большим количеством обращений типа «где мой заказ?», большим количеством возвратов средств, большим количеством жалоб на водителей или снижением удовлетворенности клиентов. Причинно-следственная связь редко бывает четкой к моменту ее появления в отчетах. Могла измениться погода. Акции могли повлиять на спрос. Состав водителей мог измениться. Логика маршрутизации могла быть обновлена. К тому времени, когда проблема с обслуживанием становится очевидной, первоначальное решение о пакетной обработке — лишь одно из нескольких возможных объяснений.

Так и сохраняются неудачные компромиссы. Преимущество в плане показателей очевидно. Стоимость системы спорна.

В-третьих, финансирование получает более простая модель. Модель оптимизации CPD относительно проста. Цель ясна: снизить стоимость одной выполненной доставки. Входные данные измеримы: расстояние, трудозатраты, количество остановок, продолжительность маршрута, топливо, стоимость транспортного средства и плотность доставки. Результат легко объяснить на совещании с руководством.

Создание системной модели — более сложная задача. Она должна учитывать затраты, временные рамки доставки, последовательность маршрутов, задержки на уровне остановок, обещания клиентам, поведение водителей, повторные попытки доставки, обращения в службу поддержки, возвраты средств и, возможно, поведение при повторном заказе. Её сложнее построить и сложнее объяснить. Но она ближе к тому, как бизнес работает на самом деле.

Именно здесь многим аналитическим организациям необходимо повысить свой уровень развития. Зачастую они очень хорошо умеют создавать модели, которые улучшают отдельные показатели. Но им не хватает опыта в создании моделей, объясняющих, как эти показатели взаимодействуют друг с другом.

В результате получается не плохая аналитика, а неполная аналитика.

Неполный анализ может быть опасен, если он дает организации уверенность в том, что она будет двигаться в неправильном направлении быстрее.

Практическое решение — не увеличение количества информационных панелей.

Решение не в том, чтобы прекратить оптимизацию CPD. Стоимость имеет значение. Сеть доставки «последней мили», игнорирующая стоимость, в конечном итоге проиграет той, которая ее учитывает.

Решение заключается в том, чтобы перестать относиться к ХПД так, будто оно существует в одиночестве.

Прежде чем увеличивать плотность пакетной обработки, вопрос, касающийся операционной эффективности, не должен ограничиваться лишь оценкой снижения себестоимости доставки. Необходимо также учитывать, как это повлияет на своевременность доставки, какие точки доставки наиболее подвержены влиянию, какие зоны наиболее чувствительны, какие клиенты готовы мириться с задержкой, и сохраняется ли экономия после учета обращений в службу поддержки, возвратов средств, повторных попыток доставки и оттока клиентов.

Самое важное, что нужно найти, — это точка расхождения .

Именно на этом этапе локальный показатель продолжает улучшаться, но вся система в целом начинает деградировать. В пакетной обработке это может быть тот момент, когда добавление еще одной остановки по-прежнему снижает количество заказов в день, но увеличивает количество задержек доставки для клиентов, останавливающихся позже, настолько, что экономия сводится на нет.

Этот момент не должен обнаруживаться после жалоб клиентов. Его следует продумать до внесения изменений в политику.

Вот тут-то и пригодится моделирование.

Что на самом деле может делать облегчённый цифровой двойник

В этом контексте цифровая копия выполняет узкую и практическую задачу. Цель состоит не в создании идеальной копии всей сети доставки. Цель — создать среду принятия решений, в которой руководители смогут тестировать операционные изменения, прежде чем внедрять их в реальную жизнь.

Для принятия решения о пакетной обработке заказов упрощенная имитационная модель может включать плотность заказов по зонам, среднее время обслуживания на остановке, обещанные временные интервалы доставки, расстояние маршрута, исторические данные о задержках на парковках или при доступе к зданиям, дорожную ситуацию в разное время суток, грузоподъемность водителей, последовательность маршрута и вероятность задержки в зависимости от местоположения остановки.

Имея эти данные, команда может смоделировать различные пороговые значения пакетной обработки и задать более полезный вопрос:

Если мы увеличим средний размер партии с 3,2 остановок до 4,8 остановок, что произойдет со стоимостью, своевременной доставкой и риском задержек в зависимости от места остановки?

Результатом не должен быть один «да» или «нет». Он должен показывать форму компромисса. Возможно, более высокая группировка остановок снижает общую скорость доставки на 7%, но после пяти остановок скорость доставки резко падает для клиентов, останавливающихся позже, в зонах с низкой плотностью населения. Возможно, это изменение хорошо работает в густонаселенных городских районах, нейтрально в пригородных зонах и становится разрушительным на сельских или малонаселенных маршрутах.

Это гораздо лучшее решение.

Организация больше не утверждает: «Более высокая производительность пакетной обработки снижает затраты». Она утверждает: «Более высокая производительность пакетной обработки снижает затраты в данных условиях, создает риски для обслуживания в данных условиях и должна ограничиваться по-разному в зависимости от зоны».

Это не антиоптимизация. Это более эффективная оптимизация.

Разница между улучшением показателя и улучшением бизнеса.

На одном уровне аналитика — это улучшение показателей. На более высоком уровне — это понимание последствий их улучшения.

Эта разница имеет значение.

Модель может снизить затраты, но при этом ослабить бизнес. Модель управления персоналом может сократить рабочее время, но при этом увеличить количество отказов. Модель контакт-центра может сократить среднее время обработки запроса, но при этом ухудшить качество решения проблем при первом обращении. Модель борьбы с мошенничеством может сократить потери, но при этом заблокировать слишком много добросовестных клиентов. Модель рекомендаций может увеличить количество кликов, но при этом подорвать долгосрочное доверие.

В каждом случае модель, возможно, сделала именно то, что от нее требовалось. Проблема в том, что ей было позволено игнорировать.

Именно поэтому разработка метрик — это не деталь отчетности. Это решение руководства.

Выбирая тот или иной показатель, компания также устанавливает границы того, что имеет значение. Все, что выходит за эти границы, легче случайно повредить.

Следующий уровень лидерства в области аналитики заключается не только в создании более точных моделей. Речь идёт о формировании более чёткого представления о системе, внутри которой эти модели функционируют.

Для этого требуется другой тип операционного вопроса.

Вместо того чтобы спрашивать только: «Как мы можем улучшить этот показатель?», руководителям следует спрашивать: «Что может ухудшиться, если этот показатель улучшится?»

Этот один вопрос кардинально меняет характер дискуссии.

Если плотность партий увеличивается, что происходит с последним клиентом на маршруте? Если сроки доставки сокращаются, что происходит с загрузкой водителей и процентом принятия заказов? Если рабочее время сокращается, что происходит с объемом невыполненных заказов и временем восстановления? Если оборачиваемость запасов улучшается, что происходит с коэффициентом замещения и доверием клиентов?

Цель состоит не в том, чтобы избежать компромиссов. Компромиссы неизбежны.

Цель состоит в том, чтобы сделать компромисс очевидным до того, как организация ошибочно примет его за прогресс.

Реальное преимущество

Компании, которые успешно справятся с этой задачей, не перестанут оптимизировать. Они будут оптимизировать, рассматривая ситуацию с более широкой точки зрения.

Они по-прежнему будут снижать стоимость доставки, но будут знать, где снижение затрат начинает негативно сказываться на своевременной доставке. Они по-прежнему будут повышать эффективность использования ресурсов, но будут понимать, когда использование ресурсов начинает создавать уязвимость. Они по-прежнему будут автоматизировать принятие решений, но будут понимать, где автоматизации необходимы системные ограничения.

В этом и заключается практическая ценность цифровых двойников, имитационных слоев и системной аналитики. Не в улучшенных панелях мониторинга ради самих улучшений, а в принятии более эффективных решений.

У большинства организаций уже достаточно показателей. У многих их даже слишком много.

Более сложная задача — понять, как взаимодействуют эти метрики.

Бизнес функционирует не как набор панелей управления. Он функционирует как система. А в системе наиболее опасная оптимизация зачастую оказывается той, которая выглядит успешной в отрыве от контекста.

Парадокс Браесса показал, что дорога может функционировать правильно, но при этом ухудшать состояние всей сети. То же самое верно и в операционной деятельности. Модель может улучшить показатель, для улучшения которого она была создана, но при этом ухудшить показатели бизнеса.

В логистике «последней мили» плотность группировки грузов делает это очевидным. По мере добавления остановок к маршруту стоимость доставки может продолжать снижаться. Но после определенного момента своевременная доставка может начать ухудшаться, особенно для клиентов с поздними остановками, которые сталкиваются со всеми возможными задержками.

Ни одна из кривых не является неверной.

Ошибка заключается в том, что мы рассматриваем только один аспект.

Следующий уровень операционной аналитики заключается не просто в создании более совершенных моделей для отдельных показателей. Он заключается в формировании более полного представления о системе, внутри которой эти показатели существуют.

Именно отсюда берутся более эффективные решения руководства.

Не только задавая вопросы:

«Показатели улучшились?»

Но, судя по заданному вопросу:

«Что произошло с системой после этого?»

Ссылки

Браесс, Д. (1968). Über ein Paradoxon aus der Verkehrsplanung. Unternehmensforschung, 12 (1), 258–268. Переведено как: Брэсс Д., Нагурни А. и Ваколбингер Т. (2005). О парадоксе планирования дорожного движения. Транспортная наука, 39 (4), 446–450.

Медоуз, Д.Х. (2008). Системное мышление: вводный курс. Издательство «Челси Грин».

Арджун Каарат работает в области науки о данных и искусственного интеллекта, имея опыт работы в сфере доставки «последней мили», аналитики цепочек поставок, корпоративных систем ИИ и мониторинга ИИ. Его работа сосредоточена на том, как сложные системы ведут себя на практике. Он опубликовал исследования по федеративному обучению, граничным вычислениям и ответственному мониторингу ИИ, а также пишет о решениях, находящихся на стыке данных, инфраструктуры и реальных результатов .

Арджун Каарат Посмотреть все от Арджун Каарат

Источник: towardsdatascience.com