3 Πώς προσδιορίζουμε τις ανάγκες καινοτομίας ενός επιχειρηματικού προβλήματος

Transcript

1 3 Πώς προσδιορίζουμε τις ανάγκες καινοτομίας ενός επιχειρηματικού προβλήματος 3.1 Η Μέθοδος του Μαύρου Κουτιού Λέξεις Κλειδιά: Μαύρο Κουτί (Black Box), Μέθοδος Δοκιμής (Testing Strategy), Επιμερισμός (Partitioning), Οριακή Τιμή (Boundary value), Δοκιμή μέσω Πίνακα Αποφάσεων (Decision table testing) Μαθησιακός Στόχος Στο κεφάλαιο αυτό θα βρείτε πληροφορίες για ένα χρήσιμο εργαλείο με το οποίο μπορείτε να αξιολογήσετε διαδικασίες καινοτομίας και προβλήματα διαχείρισης στον οργανισμό σας. Πρόκειται για τη Μέθοδο του Μαύρου Κουτιού (Black Box method). Η μέθοδος αυτή σχετίζεται στενά με την ενότητα που εστιάζει στη Λήψη Αποφάσεων όπου το εκάστοτε αρμόδιο άτομο καλείται να λάβει τις κατάλληλες αποφάσεις βάσει γενικών πληροφοριών. Θα μάθετε επίσης κάποιους τρόπους με τους οποίους μπορείτε να εφαρμόσετε τη μέθοδο στην πράξη. Στο τέλος του κεφαλαίου θα γνωρίζετε: - Τι εννοούμε με τον όρο «Μέθοδος του Μαύρου Κουτιού». - Τι μπορείτε να «αφαιρέσετε» από το Μαύρο Κουτί. - Σε ποιες περιπτώσεις χρησιμοποιείται. - Πώς μπορεί να εφαρμοστεί σε μία μικρομεσαία επιχείρηση (ΜΜΕ). Επίσης παρουσιάζονται κατάλληλες μελέτες περιπτώσεων που θα σας βοηθήσουν να αποκτήσετε μία πιο σαφή εικόνα της μεθόδου. Θα χρειαστείτε περίπου μία ώρα για να μελετήσετε αυτή την ενότητα. Εισαγωγή Η ενότητα αυτή επικεντρώνεται σε μία μέθοδο παρακολούθησης/ελέγχου (monitoring method) που είναι γνωστή ως Μέθοδος του Μαύρου Κουτιού (Black Box method). Η μέθοδος αυτή χρησιμοποιείται για τον έλεγχο των διοικητικών διαδικασιών μιας επιχείρησης. Μας επιτρέπει να διερευνήσουμε τη λειτουργία των διοικητικών δομών της και να εστιάσουμε στα δεδομένα εισόδου (inputs) και τα δεδομένα εξόδου (outputs) χωρίς να λαμβάνουμε υπόψη την εσωτερική διάρθρωση των διοικητικών δομών. InnoSuTra 1 08/09/2008

2 Χαρακτηριστικό παράδειγμα αποτελεί ο οικονομικός έλεγχος μιας εταιρείας που συνήθως ολοκληρώνεται με μία οικονομική έκθεση. Η διερεύνηση της «οικονομικής τάξης» μιας εταιρείας είναι μία μακρά διαδικασία η οποία περιλαμβάνει τον έλεγχο εγγράφων, τον εντοπισμό των ταμειακών ροών από την πρώτη τους τεκμηρίωση κλπ (δηλαδή δεδομένα εισόδου και εξόδου) χωρίς όμως να γνωρίζουμε τι συμβαίνει στο «Μαύρο Κουτί» των οικονομικών διαδικασιών. Δηλαδή εκείνο που έχει σημασία είναι στο τέλος να έχουμε μία αξιολόγηση για το αν οι ταμειακές ροές στην εταιρεία λειτουργούν ορθά. Για να κατανοήσετε καλύτερα τη μέθοδο του Μαύρου Κουτιού σκεφτείτε τα ακόλουθα παραδείγματα: 1. Ας υποθέσουμε ότι η καθημερινή σας εργασία περιλαμβάνει το να κάθεστε μπροστά σε έναν Η/Υ και να κάνετε έρευνα στο διαδίκτυο για ένα είδος πληροφοριών. Καθημερινά λοιπόν, έχετε να επισκεφτείτε έναν αριθμό μηχανών αναζήτησης 1 και να σημειώσετε τις πηγές των κύριων ευρημάτων σας. Εάν χρησιμοποιήσετε δύο διαφορετικές μηχανές αναζήτησης θα έχετε στη διάθεσή σας δύο διαφορετικά σύνολα προτεινόμενων ευρυμάτων (σύνδεσμοι), παρά το γενονός ότι χρησιμοποιήσατε την ίδια «φράση προς αναζήτηση». Σε αυτή την περίπτωση γνωρίζετε πώς να κάνετε την έρευνά σας στη μηχανή αναζήτησης και μπορείτε να αξιολογήσετε τα αποτελέσματα. Δεν σας απασχολεί όμως πώς αποκτήσατε τα αποτελέσματα. 2. Τα τμήματα πωλήσεων και μάρκετινγκ σε πολλές εταιρείες έχουν τη μορφή Μαύρου Κουτιού. Προϊόντα ή υπηρεσίες (leads) εισέρχονται στο ένα άκρο του κουτιού και πελάτες εξέρχονται από το άλλο, κανείς όμως δεν γνωρίζει πραγματικά τι συμβαίνει στο εσωτερικό. Βεβαίως, για να αυξηθεί ο αριθμός των πελατών συνήθως αυξάνεται η δραστηριότητα στο πρόσθιο άκρο του κουτιού. Πώς ακριβώς όμως γίνεται αυτό; Τι καλείται για παράδειγμα να κάνει ο Διευθυντής ώστε να βελτιστοποιήσει τις πωλήσεις; Αυτά είναι παραδείγματα που συναντούμε καθημερινά. Όπως βλέπετε λοιπόν έχετε ήδη μια ιδέα σχετικά με το τι είναι τα «Μαύρα Κουτιά». Στη συνέχεια θα μελετήσετε μία πιο διεξοδική θεωρητική ανάλυση Τι είναι η Μέθοδος του Μαύρου Κουτιού 1 Search engine means an information retrieval system designed to help find information stored on a computer system source viewed: 20- th July, 2008 InnoSuTra 2 08/09/2008

3 Ως Μαύρο Κουτί περιγράφεται οποιαδήποτε διαδικασία/ συσκευή, της οποίας ο τρόπος λειτουργίας δεν είναι κατανοητός ή προσβάσιμος στο χρήστη. Η προσέγγιση του Μαύρου Κουτιού στη διαδικασία επίλυσης προβλημάτων αποτελεί μία απλή αλλά δυναμική και εξαιρετικά χρήσιμη μέθοδο για την επίλυση σύνθετων προβλημάτων. Το κυριότερο πλεονέκτημά της πηγάζει από το γεγονός ότι μας ωθεί να κάνουμε ένα σαφή διαχωρισμό μεταξύ: - των δεδομένων εισόδου (inputs) / πόρων τους οποίους παρέχουμε και - των δεδομένων εξόδου (outputs)/ επιθυμητών στόχων Ας δούμε λοιπόν τη δομή ενός Μαύρου Κουτιού, όπως απεικονίζεται στο Σχήμα 1: Σχήμα 1: Το μοντέλο του Μαύρου Κουτιού Έχουμε λοιπόν ένα δεδομένο εισόδου (input), ένα Μαύρο Κουτί, και ένα δεδομένο εξόδου (output). 1. Δεδομένα εισόδου (πόροι) - είναι οι πόροι που έχουμε στη διάθεσή μας. 2. Μαύρο Κουτί (Black Box)- είναι ο χώρος όπου συμβαίνουν τα πιο σύνθετα και μυστηριώδη πράγματα, όμως εμείς δεν ενδιαφερόμαστε να μάθουμε κάτι για τη λειτουργία τους 3. Δεδομένα εξόδου (επιθυμητοί στόχοι) αυτό είναι το αποτέλεσμα. Δυστυχώς, υπάρχει μία ακόμη παράμετρος στην οποία δεν αναφερθήκαμε ακόμη: το περιβάλλον, για το οποίο θα πρέπει να γνωρίζουμε τα ακόλουθα: - τις διαδικασίες που απαιτούνται για να μετατραπούν τα δεδομένα εισόδου σε δεδομένα εξόδου - τα προαπαιτούμενα για την εξεύρεση λύσεων ή την επιτυχία μιας διαδικασίας - εξωτερικά απρόβλεπτα φαινόμενα κλπ. Το περιβάλλον μπορεί να επηρεάσει σημαντικά τη λειτουργία του Μαύρου Κουτιού. Βεβαίως θα μπορούσαμε να το συμπεριλάβουμε στο εσωτερικό του Μαύρου Κουτιού αλλά αυτό δεν θα μας επέτρεπε να καταλήξουμε σε χρήσιμα συμπεράσματα για τον τρόπο λειτουργίας του Μαύρου Κουτιού. Επομένως, για να μπορούμε να χρησιμοποιήσουμε αυτή τη μέθοδο θα πρέπει να απομονώσουμε το περιβάλλον από το Μαύρο Κουτί όπως στο Σχήμα 2. Δηλαδή θα InnoSuTra 3 08/09/2008

4 πρέπει να είμαστε σίγουροι ότι όλα τα δεδομένα εισόδου έχουν μία σταθερή σχέση με τα δεδομένα εξόδου. Περιβάλλον Δεδομένα Εισόδου Δεδομένα Εξόδου Σχήμα 2: Το μοντέλο του Μαύρου Κουτιού υπό την επίδραση του περιβάλλοντος Αυτό είναι δυστυχώς και το πιο δύσκολο σημείο. Στην περίπτωση της μηχανής αναζήτησης για παράδειγμα, δεν μπορούμε να προβλέψουμε με κανέναν τρόπο τον αριθμό των αποτελεσμάτων και το περιεχόμενο τους. Ελπίζουμε όμως ότι τα αποτελέσματα αυτά θα μας φανούν χρήσιμα Για ποιο λόγο και σε ποιες περιπτώσεις χρησιμοποιείται η μέθοδος του Μαύρου Κουτιού; Χρησιμοποιώντας τη μέθοδο του Μαύρου Κουτιού καταλήγουμε σε κάποιες λογικές πιθανότητες οι οποίες μπορεί να είναι αλλά και να μην είναι το αποτέλεσμα μιας υπάρχουσας διαδικασίας. Τουλάχιστον χάρη σε αυτή τη μέθοδο αποκτούμε καλύτερη αντίληψη για τις νέες ευκαιρίες και δυνατότητες που υπάρχουν. Η μέθοδος του Μαύρου Κουτιού χρησιμοποιείται κατά κανόνα από: - Μηχανικούς - Κατασκευαστές - Διευθυντές- Διαχειριστές έργων (Project managers) - Ερευνητές/Ειδικούς Στατιστικής Στην περίπτωση των κατασκευών ο μηχανικός μελετά τη διαδικασία κατασκευής στην πράξη μετά την έναρξή της και καταλήγει σε συμπεράσματα μέσω παρατηρήσεων, μετρήσεων κλπ. Η διαχείριση έργων (Project Management) θα μπορούσε να περιγραφεί ως ένα Μαύρο Κουτί με τρεις «μοχλούς»: Προϊόν, Κόστος και Διάρκεια, οι τρεις βασικοί συντελεστές κάθε δραστηριότητας - παραγωγής, υπηρεσιών κλπ. Οι ερευνητικές δραστηριότητες βασίζονται συχνά σε στατιστικά δεδομένα. Με τη χρήση της μεθόδου του Μαύρου Κουτιού διευκολύνεται η προσπάθεια να διαμορφωθεί ένα μοντέλο για το αντικείμενο της έρευνας. Παράλληλα η στατιστική μας επιτρέπει να προβλέψουμε τη InnoSuTra 4 08/09/2008

5 διαδικασία ή το αποτέλεσμα Πώς εφαρμόζεται η μέθοδος του Μαύρου Κουτιού; Στο παράδειγμα της μηχανής αναζήτησης έχουμε να κάνουμε με μία δραστηριότητα η οποία μας είναι γνώριμη και οικεία (από φίλους, βιβλία, υλικό στο διαδίκτυο, κλπ). Χάρη στη γνώση που κατέχουμε, έχουμε στα χέρια μας ένα μοντέλο το οποίο μπορούμε να εφαρμόσουμε με επιτυχία όποτε επιθυμούμε να χρησιμοποιήσουμε κάποια μηχανή αναζήτησης. Τι συμβαίνει όμως όταν δεν υπάρχει κάποιο έτοιμο μοντέλο; Θα πρέπει να το κατασκευάσουμε. Κι για να γίνει αυτό είναι απαραίτητο να κάνουμε τα ακόλουθα: - να περιγράψουμε πώς οι πόροι (τα δεδομένα εισόδου) μετατρέπονται σε αποτελέσματα (δεδομένα εξόδου). - να δημιουργήσουμε ένα πιο λεπτομερές μοντέλο, έχοντας κατά νου πώς είναι διαμορφωμένο το αντικείμενό στο οποίο θα επικεντρωθούμε (object). Κατά τη δημιουργία του μοντέλου θα πρέπει να εξετάσουμε ποια είναι η ανταπόκριση του «αντικειμένου» μας (object) σε συγκεκριμένα δεδομένα εισόδου. Αυτό σημαίνει ότι θα πρέπει να εισάγουμε κάποιο δεδομένο εισόδου και να δούμε ποιο είναι το αντίστοιχο δεδομένο εξόδου (δηλαδή να «ερμηνεύσουμε» το αντίστοιχο δεδομένο εξόδου), στη συνέχεια να εισάγουμε άλλο ένα δεδομένο εισόδου και να ερμηνεύσουμε το δεδομένο εξόδου, να εισάγουμε, να ερμηνεύσουμε, να εισάγουμε, να ερμηνεύσουμε και ούτω καθεξής. Όπως είναι φανερό, ο αριθμός των πιθανών διαφορετικών δεδομένων εισόδου είναι απεριόριστος. Όσο λοιπόν αυξάνεται ο αριθμός των δεδομένων εισόδου τόσο πιο δύσκολο είναι να τα συνδυάσουμε και να «ερμηνεύσουμε» το αποτέλεσμα (δεδομένο εξόδου). Πώς μπορεί να γίνει αυτό; Αυτό που χρειαζόμαστε είναι μία μέθοδος δοκιμής (testing strategy). Ποιος είναι ο στόχος της δοκιμής του Μαύρου Κουτιού; Στόχος είναι να είμαστε σε θέση να περιγράφουμε ένα «σύστημα» κατά τέτοιον τρόπο ώστε ακόμη κι αν δεν γνωρίζουμε πώς λειτουργεί να μπορούμε να το χρησιμοποιήσουμε. Ένα πρόβλημα από το σχολικό περιβάλλον Για παράδειγμα, ένας δάσκαλος ζητά από τους μαθητές του να γράψουν ένα τεστ για να αξιολογήσει τις ικανότητές τους στο μάθημα των μαθηματικών. Ο δάσκαλος γνωρίζει ότι: - τα παιδιά γνωρίζουν τους ακέραιους αριθμούς μέχρι το 100, - γνωρίζουν μόνο τους αριθμούς με θετικό πρόσημο και - έχουν μόλις μάθει να προσθέτουν και να αφαιρούν αριθμούς αυτής της κατηγορίας Τι θα συμβεί αν ο δάσκαλος ζητήσει από τους μαθητές να κάνουν τις ακόλουθες πράξεις; InnoSuTra 5 08/09/2008

6 =; =; =; =; Προφανώς τα παιδιά θα αντιμετωπίσουν δυσκολίες. Τα περισσότερα ίσως βρουν το αποτέλεσμα μόνο στις δύο πρώτες πράξεις. Βεβαίως υπάρχουν και εξαιρέσεις. 2 Τι θα συμβεί όμως με το τρίτο και το τέταρτο ερώτημα; Αυτές οι εξισώσεις δεν ανήκουν στο γνωστικό πεδίο των μαθητών. Παράγουν αποτελέσματα εκτός του εύρους/πεδίου των εμπειριών τους. Τι είδους αποτελέσματα θα λάβουμε για τα ερωτήματα 3 και 4; Η απάντηση είναι απλή: τυχαία. Οι μαθητές θα ακολουθήσουν τη δική τους μέθοδο ανάλυσης για να καταλήξουν σε κάποιο αποτέλεσμα. Εφόσον το πρόβλημα είναι άγνωστο ή έχει τεθεί με λάθος τρόπο ο δάσκαλος δεν μπορεί να περιμένει κάποια λογική απάντηση. Το παράδειγμα αυτό μας οδηγεί στο συμπέρασμα ότι θα πρέπει να γνωρίζουμε το εύρος των δεδομένων εισόδου με τα οποία θα λειτουργήσει σωστά το Μαύρο Κουτί καθώς και εκείνα τα δεδομένα με τα οποία δεν θα λειτουργήσει σωστά. Τι συμβαίνει με το περιβάλλον; Τα αποτελέσματα εξαρτώνται επίσης από το χρόνο διεξαγωγής του τεστ, την αίθουσα, τη διάθεση των μαθητών κλπ (αυτό είναι το περιβάλλον) αλλά εφόσον οι μαθητές βρίσκονται στον ίδιο χώρο και οι συνθήκες είναι κοινές για όλους, αναμένουμε αυτοί οι παράγοντες να τους επηρεάσουν όλους με τον ίδιο τρόπο. Και μπορούμε να ΥΠΟΘΕΣΟΥΜΕ (μόνο να υποθέσουμε) ότι οι διαφορές μεταξύ των αποτελεσμάτων του τεστ οφείλονται αποκλειστικά και μόνο στα «Μαύρα Κουτιά» των μαθητών. Ας επανέλθουμε λοιπόν στις στρατηγικές εφαρμογής της μεθόδου του Μαύρου Κουτιού και ας τις δούμε πιο αναλυτικά. 2 read the story of the young Carl at school during maths hours, viewed: 20-th July, 2008 InnoSuTra 6 08/09/2008

7 Μελέτες Περιπτώσεων (Case studies) Ισοδύναμος Επιμερισμός (Equivalence partitioning) Ο ισοδύναμος επιμερισμός (equivalence partitioning) είναι μία στρατηγική η οποία χρησιμοποιείται κατά τη δοκιμή ενός αντικειμένου (object) με τη μέθοδο του Μαύρου Κουτιού. Αρχικά χρησιμοποιήθηκε σε δοκιμές λογισμικού 3. Γενικά μπορούμε να χρησιμοποιήσουμε αυτή τη μέθοδο για να προσομοιώσουμε τη λειτουργία μίας διαδικασίας ή των υπηρεσιών που ξεκινούν από μία σειρά δεδομένων εισόδου και να παρατηρήσουμε τα αντίστοιχα δεδομένα εξόδου (Σχήμα 2) πριν από την υλοποίηση μιας καινοτομίας. Ποια είναι τα βήματα; Τα δεδομένα εισόδου χωρίζονται σε έναν πεπερασμένο αριθμό πεδίων (που μπορεί είναι «έγκυρα» και «μη έγκυρα»). Όπως είπαμε θα πρέπει να προσδιορίσουμε το δεδομένο εξόδου/ αποτέλεσμα για κάθε πιθανό δεδομένο εισόδου/ πόρο, με άλλα λόγια να εξετάσουμε πώς ακριβώς λειτουργεί ένα σύστημα. Η στρατηγική του Ισοδύναμου Επιμερισμού (Equivalence Partitioning) ελαχιστοποιεί τον αριθμό των εξεταζόμενων περιπτώσεων (test cases), επιλέγοντας μία μόνο περίπτωση προς εξέταση (test case) για κάθε εύρος/πεδίο δεδομένων εισόδου, θεωρώντας ότι όλα τα στοιχεία σε ένα πεδίο συμπεριφέρονται με τον ίδιο τρόπο (για το λόγο αυτό τα πεδία ονομάζονται «τάξεις ισοδυναμίας»/ equivalent classes, ενώ η διαδικασία ισοδύναμος επιμερισμός). Με άλλα λόγια, εάν η εξεταζόμενη περίπτωση ενός συγκεκριμένου πεδίου δεδομένων εισόδου παραπέμπει σε κάποιο σφάλμα (οι τιμές του πεδίου δεν είναι έγκυρες) οποιαδήποτε άλλη εξεταζόμενη περίπτωση σε αυτό το πεδίο θα πρέπει να παραπέμπει στο ίδιο σφάλμα. Το ίδιο ισχύει και για οποιοδήποτε έγκυρο πεδίο. Παράδειγμα: Ας δούμε το παράδειγμα μιας εταιρείας στην οποία πρόκειται να σχεδιαστεί και να κατασκευαστεί μία καινοτόμα γραμμή παραγωγής. Για λόγους ευκολίας μελετήστε τα ακόλουθα: - Ας υποθέσουμε ότι οι τιμές των πρώτων υλών αντιπροσωπεύουν τα δεδομένα εισόδου και ότι κυμαίνονται π.χ. μεταξύ 100 και Ας υποθέσουμε ότι τα δεδομένα εξόδου του Μαύρου Κουτιού είναι η αύξηση ή η μείωση των πωλήσεων. Αυτό ενδιαφέρει κατά κανόνα τους διευθυντές. - Δεν μας απασχολούν σ αυτό το σημείο οι λεπτομέρειες που αφορούν τη γραμμή παραγωγής, η εμπειρία του προσωπικού, οι υπάρχοντες κανονισμοί κλπ. - Μας ενδιαφέρουν μόνο τα δεδομένα εξόδου έχουμε κέρδος ή όχι; 3 viewed: 20-th July, 2008 InnoSuTra 7 08/09/2008

8 Επομένως θα εξετάσουμε την επίδραση των δεδομένων εισόδου στα δεδομένα εξόδου, δηλαδή εάν το αποτέλεσμα είναι αύξηση ή μείωση των πωλήσεων. Πώς θα το διαπιστώσουμε αυτό; Εξετάζοντας πώς λειτουργεί το Μαύρο Κουτί. Με άλλα λόγια θα εισάγουμε ένα δεδομένο εισόδου και θα αξιολογήσουμε το αποτέλεσμα/ δεδομένο εξόδου. Στη συνέχεια θα εισάγουμε ένα δεύτερο δεδομένο εισόδου και θα αξιολογήσουμε το αποτέλεσμα κ.ο.κ. Προφανώς, δεν μπορούμε να εξετάσουμε κάθε δυνατό δεδομένο εισόδου (αν αποφασίσουμε να ξεκινήσουμε από το 1 θα πρέπει να κάνουμε δοκιμές). Επομένως, χωρίζουμε το εύρος των δεδομένων εισόδου σε 3 τάξεις ισοδυναμίας (equivalence classes) ή πεδία (ranges): - Θεωρούμε ότι όταν η τιμή των πρώτων υλών ανέρχεται σε λιγότερα από 100 κινούμαστε σε μη έγκυρο πεδίο. - Θεωρούμε έγκυρο το πεδίο τιμών μεταξύ 100 και Τιμές που υπερβαίνουν τις ανήκουν και πάλι σε ένα μη έγκυρο πεδίο τιμών. Θα εξετάσουμε τα δεδομένα εξόδου του συστήματος (αύξηση ή μείωση των πωλήσεων) μόνο 3 φορές: 1. μία φορά για μια τιμή κάτω των 100 (που ανήκει στο πρώτο μη έγκυρο πεδίο) 2. μία φορά για μία τιμή στο πεδίο τιμών μεταξύ μία φορά για μία τιμή άνω των (που ανήκει στο δεύτερο μη έγκυρο πεδίο) Και παρακολουθούμε τα δεδομένα εξόδου: Αξιολόγηση Δεδομένων Εξόδου (Output assessment): - Εάν στην περίπτωση 1, οι πωλήσεις μειώνονται μπορούμε να είμαστε σίγουροι ότι το αποτέλεσμα θα είναι το ίδιο (ισοδύναμο) για όλες τις τιμές αυτού του πεδίου (τιμές κάτω των 100 ) - Εάν στην περίπτωση 2, οι πωλήσεις αυξάνονται μπορούμε να είμαστε σίγουροι ότι το αποτέλεσμα θα είναι το ίδιο (ισοδύναμο) για όλες τις τιμές αυτού του πεδίου (τιμές μεταξύ 100 και ). - Εάν στην περίπτωση 3, οι πωλήσεις μειώνονται μπορούμε να είμαστε σίγουροι ότι το αποτέλεσμα θα είναι το ίδιο (ισοδύναμο) για όλες τις τιμές του πεδίου αυτού (τιμές άνω των ) Επομένως, αντί να εξετάσουμε το σύστημα φορές, το εξετάζουμε μόνο 3 φορές και είμαστε σίγουροι για το αποτέλεσμα. Προσπαθήστε τώρα να παρουσιάσετε την περιπτωσιολογική μελέτη της δικής σας επιχείρησης με τη χρήση μοντέλου ισοδύναμου επιμερισμού του Μαύρου Κουτιού: InnoSuTra 8 08/09/2008

9 Χρήσιμες Συμβουλές: 1. Προσδιορίστε μία λειτουργική διαδικασία στην επιχείρησή σας 2. Ορίστε τα δεδομένα εισόδου και εξόδου 3. Ορίστε τις περιπτώσεις έγκυρου και μη έγκυρου πεδίου τιμών 4. Προσδιορίστε τον αριθμό των δοκιμών που θα γίνουν Ανάλυση Οριακών Τιμών (Boundary Line Analysis) Η Ανάλυση Οριακών Τιμών (Boundary Line Analysis) μπορεί να θεωρηθεί συνέχεια της μεθόδου ισοδύναμου επιμερισμού. Θα λέγαμε ότι συμπληρώνει αυτή τη μέθοδο και επικεντρώνεται σε περιπτώσεις όπου η δοκιμή αφορά τις τιμές αμέσως μετά τα όρια των τάξεων ισοδυναμίας. Παράδειγμα: Ας δούμε και πάλι το παράδειγμα της παραγράφου Μας ενδιαφέρουν οι τιμές γύρω από τα όρια των 100 και Με άλλα λόγια θα εξετάσουμε τα δεδομένα εξόδου (αύξηση ή μείωση των πωλήσεων) στις ακόλουθες περιπτώσεις: - 99 και και Με αυτό τον τρόπο θα είμαστε σε θέση να προσδιορίζουμε τα δεδομένα εξόδου όταν οι τιμές κινούνται πάνω ή κάτω από την τιμή του ορίου. Προσπαθήστε να σκεφτείτε πώς θα εφαρμόσετε την «ανάλυση οριακών τιμών» σε μία αντίστοιχη περίπτωση στην εταιρεία σας. Χρήσιμες Συμβουλές: 1. Προσδιορίστε το πεδίο των δεδομένων εισόδου 2. Προσδιορίστε τα δεδομένα εξόδου 3. Καθορίστε τις δοκιμές που θα πρέπει να γίνουν Κατασκευή ενός Πίνακα Αποφάσεων (Decision Table) και Δοκιμή (Testing) Αυτή η μέθοδος χρησιμοποιείται σε περιπτώσεις όπου τα δεδομένα εισόδου και εξόδου έχουν περιορισμένα σύνολα τιμών και μπορούν να προσδιοριστούν με όρους όπως «παρόν» ή «απόν» (σωστό ή λάθος). Ο τρόπος λειτουργίας των αντικειμένων (objects) ή διαδικασιών (processes) που μας ενδιαφέρουν και περιγράφονται με τον όρο ενέργειες (actions) παρουσιάζεται σε μορφή πίνακα όπως ο πίνακας 1: InnoSuTra 9 08/09/2008

10 Συνθήκες (Conditions) Ενέργειες (Actions) Συνθήκη 1... Συνθήκη ν Ενέργεια 1... Ενέργεια μ Κανόνες (Rules) Πίνακας 1: Έντυπο Πίνακα Αποφάσεων για τη λειτουργία του Μαύρου Κουτιού Ο Πίνακας Αποφάσεων περιλαμβάνει μία σειρά από στήλες (κανόνες) οι οποίες περιέχουν όλες τις περιπτώσεις που πρόκειται να εξεταστούν. Τα δεδομένα εισόδου θεωρούνται ανεξάρτητα. Ένα δεδομένο εξόδου (ενέργεια) σχετίζεται με τους κανόνες(rules) με τον ακόλουθο τρόπο (ανάλογα με τη συμπεριφορά του χρήστη): Αν η Συνθήκη 1 ΚΑΙ η Συνθήκη 2 είναι ΠΑΡΟΥΣΕΣ τότε γίνεται η Ενέργεια 1 κ.ο.κ. Ο κανόνας μπορεί να είναι προκαθορισμένος ή μπορεί να χρησιμοποιηθεί η λογική του «Η». Δηλαδή, εάν η Συνθήκη 1 Ή η Συνθήκη 2 είναι ΠΑΡΟΥΣΕΣ τότε γίνεται η Ενέργεια 1. Για περισσότερες πληροφορίες σχετικά με τη λεγόμενη «ΑΛΓΕΒΡΑ της Λογικής» μπορείτε να επισκεφτείτε την αντίστοιχη ιστοσελίδα 4. Ο αριθμός των κανόνων συνδέεται με τον αριθμό των Συνθηκών δηλαδή ισούται με το συνολικό αριθμό των πιθανών συνδυασμών όλων των συνθηκών. Επομένως: - Αν οι συνθήκες είναι 2, οι κανόνες θα είναι 4 - Αν οι συνθήκες είναι 3, οι κανόνες θα είναι 8 - Αν οι συνθήκες είναι 4, οι κανόνες θα είναι 16 κ.ο.κ. (Θυμηθείτε πώς ορίζουμε στα Μαθηματικά των αριθμό των πιθανών συνδυασμών Ψ από έναν δεδομένο αριθμό τιμών του Χ: Ψ=2 ^Χ). Παράδειγμα 5 : Μία εταιρεία τεχνικής υποστήριξης σχεδιάζει έναν πίνακα αποφάσεων με σκοπό να διαγνώσει πιθανά προβλήματα στη λειτουργία των εκτυπωτών. Ο πίνακας σχεδιάζεται βάσει των πληροφοριών που λαμβάνει η εταιρεία τηλεφωνικώς από τους πελάτες της σχετικά με τα συμπτώματα πιθανών προβλημάτων στους εκτυπωτές. 4 viewed: 20-th July, InnoSuTra 10 08/09/2008

11 Αντιμετώπιση Προβλημάτων Εκτυπωτών Κανόνες Συνθήκες Ο εκτυπωτής δεν εκτυπώνει Ν Ν Ν Ν Ο Ο Ο Ο Αναβοσβήνει ένα κόκκινο λαμπάκι Ν Ν Ο Ο Ν Ν Ο Ο Ο εκτυπωτής δεν αναγνωρίζεται Ν Ο Ν Ο Ν Ο Y Ο Ενέργειες Έλεγχος καλωδίου τροφοδοσίας Έλεγχος του καλωδίου σύνδεσης του εκτυπωτή με τον υπολογιστή Έλεγχος για το αν έχει εγκατασταθεί το λογισμικό του εκτυπωτή X X X X X X X Έλεγχος/ τοποθέτηση μελανιού X X X X Έλεγχος συμφόρησης χαρτιού X X Πίνακας 2: Παράδειγμα Πίνακα Αποφάσεων Ας δούμε τώρα αναλυτικά τα περιεχόμενα του Πίνακα 2 για διαφορετικές περιπτώσεις, ξεκινώντας από τα δεξιά στα αριστερά και εστιάζοντας στους Κανόνες: - Συνδυασμός 1: Αν έχουμε την ακόλουθη κατάσταση: «Ο εκτυπωτής δεν τυπώνει» (ΟΧΙ) και «Αναβοσβήνει ένα κόκκινο λαμπάκι» (ΟΧΙ) και «Ο εκτυπωτής δεν αναγνωρίζεται» (ΟΧΙ), τότε ΔΕΝ γίνεται καμία ενέργεια. - Συνδυασμός 2: Αν έχουμε την ακόλουθη κατάσταση: «Ο εκτυπωτής δεν τυπώνει» (ΟΧΙ) και «Αναβοσβήνει ένα κόκκινο λαμπάκι» (ΝΑΙ) και «Ο εκτυπωτής δεν αναγνωρίζεται» (ΝΑΙ), τότε η ενέργεια θα είναι η ακόλουθη: «Έλεγχος για το αν έχει εγκατασταθεί το λογισμικό του εκτυπωτή». - Στο Συνδυασμό 4 θα ληφθούν 2 ενέργειες κλπ. Προσπαθήστε να διατυπώσετε μία έννοια τεχνολογικής καινοτομίας (έναν συνδυασμό καινοτομικών ιδεών) για ένα προϊόν της επιλογής σας στην περίπτωση της επιχείρησής σας. Συμπληρώστε ένα πίνακα αποφάσεων για τη δοκιμή της έννοιας: InnoSuTra 11 08/09/2008

12 Καινοτομική Έννοια Κανόνες Συνθήκες Y Y Y Y N N N N Y Y N N Y Y N N Y N Y N Y N Y N Ενέργειες Πίνακας 3: Πίνακας Αποφάσεων Χρήσιμες Συμβουλές: Συνθήκες: Χρησιμοποίηση νέων ενεργειακά αποδοτικών πόρων Ναι ή Όχι Ανακύκλωση Ναι ή Όχι Συνολική Χρήση Τεχν/γίας Πληροφορικής Ναι ή Όχι Καθορισμένες Ενέργειες (Δεδομένα Εξόδου): Εντατική χρήση νέων πηγών ενέργειας, αυξημένες δαπάνες για Ε&Α (Έρευνα & Ανάπτυξη) Κύριος στόχος αυτού του κεφαλαίου ήταν να παρουσιάσει τη μέθοδο του Μαύρου Κουτιού η οποία χρησιμοποιείται συχνά και στην καθημερινή μας ζωή. Θα λέγαμε πως αντιπροσωπεύει μία τακτική γενίκευσης στον τρόπο σκέψης μας. Σκοπός της ενότητας ήταν να σας βοηθήσει να επικεντρωθείτε στα προβλήματα αυτά καθαυτά και να μην σπαταλάτε χρόνο και ενέργεια εστιάζοντας σε λεπτομέρειες. Επίσης, μην ξεχνάτε ότι οι προτεινόμενες στρατηγικές χειρισμού του προβλήματος του Μαύρου Κουτιού σε μία επιχείρηση (για ένα αντικείμενο/ μία διαδικασία κλπ) δεν είναι οι μόνες που εφαρμόζονται στην πράξη. Επιπλέον μελέτη μπορεί να βοηθήσει τους αρμόδιους για τη λήψη αποφάσεων να αποκτήσουν μία πιο σφαιρική εικόνα των καθημερινών τους δραστηριοτήτων. ΒΙΒΛΙΟΓΡΑΦΙΑ Makedonska et al (1997): Concurrency and company management, TU-Varna Wikipedia- the free encyclopaedia, Wikemedia Foundations Inc, USA viewed: 20-th July, 2008 InnoSuTra 12 08/09/2008

13 Wikipedia- the free encyclopaedia, Wikemedia Foundations Inc, USA viewed: 20-th July, 2008 Answers Corporation viewed: 20-th July, 2008 Wikipedia- the free encyclopaedia, Wikemedia Foundations Inc, USA viewed: 20-th July, 2008 Επιπλέον Μελέτη Myers, Margaret, (2004), A First Systems Book: Technology and Management Edition: 2nd, World Scientific Pub Co Inc Ιστοσελίδες - At this address one will find a specific example of the Black Box method in software engineering, viewed: 2-nd July, Black Box approach: an eye-opener in innovation work At this address one will find references to the Black Box method as well as basic definitions, viewed: 14-th July, Selection and evaluation for software from an Internet organisation, viewed: 2-nd July, viewed: 20-th July, 2008 ΓΛΩΣΣΑΡΙΟ Περιβάλλον εξωτερικές συνθήκες, πόροι, ερεθίσματα κλπ. με τα οποία αλληλεπιδρά ένα αντικείμενο Μοντέλο ένα σχήμα, ένα σχέδιο, μία αναπαράσταση (ιδίως σε μικρή κλίμακα) ή μία περιγραφή που αποσκοπεί στο να παρουσισει ένα αντικείμενο ή τον τρόπο λειτουργίας του, ένα σύστημα ή μία έννοια. InnoSuTra 13 08/09/2008