Modellen en mensen Jacob Wijngaard

Presentatie over: "Modellen en mensen Jacob Wijngaard"— Transcript van de presentatie:

1 Modellen en mensen Jacob Wijngaard
Natuurlijk heb ik terug gekeken naar de afgelopen 40 jaar. Ik realiseer me dat ik in feite steeds met hetzelfde bezig ben geweest. En dus is dat ook het onderwerp van dit praatje. Een soort van verantwoording van waar ik al die tijd mee bezig ben geweest. Al die tijd? Natuurlijk zijn er ook wel wat zaken naast geweest. Maar naar mijn idee kon ik daar dan niet omheen en hoorde het bij de normale processen van collegialiteit, werknemerschap. Of het hielp om meer begrip te krijgen van dit onderwerp of het maakte de contacten die nodig zijn voor dit werk mogelijk. Maar het werkelijke onderwerp was toch dit: modellen en hoe mensen daar een rol bij spelen. Wiskundige modellen wel te verstaan. Over dat duo gaat het vanmiddag.

2 www.wyngaard.nl (let op: y in plaats van ij)
Ik heb geen boekje gemaakt. Maar in plaats daarvan is dit verhaal te downloaden van mijn website. Daar staat ook een wat uitgebreidere versie, met wat achtergrond informatie.

3 Een echte tekenaap Jullie hebben allemaal dit kunstwerk gezien. Het is een cadeautje van de universiteit aan de faculteit Economie. In het kader van het aanstaande vierhonderdjarig bestaan van de universiteit kregen alle faculteiten een kunstwerk cadeau. Ik geloof overigens niet dat onze faculteit, Bedrijfskunde, ook zo’n cadeau heeft gehad. Het geld was op of we waren al gefuseerd. Misschien zijn we wel daarom gefuseerd. Hoe dan ook. Dit is een pantograaf, maar dan eentje die een beetje verhaspeld is. Normaliter is dat wat hier een vierhoek is, een parallellogram. En dan is de vergroting keurig op schaal. Het heet ook wel tekenaap. Je gebruikte het om een tekening te vergroten. Hier is de vergroting niet meer gelijkvormig. Hier is het met recht een “tekenaap”. Het kunstwerk geeft aan dat, en ik citeer de kunstenaar, “het verband tussen klein en groot niet zo rechtlijnig is als men vaak denkt”. Ik kijk altijd met bijzondere aandacht naar dit kunstwerk, o.a. omdat ik het eerst geblokkeerd heb. Ik was toen decaan. Ik kom straks nog wel even terug op waarom dat was. Maar ook inhoudelijk spreekt het me aan. Modellen zijn per definitie klein. Vervorm je altijd de werkelijkheid als je ze gebruikt om daar vat op te krijgen? Komt dat dan vooral omdat je probeert mensen mee te modelleren?

4 Operations Management
Klein en Groot: Modellen en Operations Management Ik moet het gebied wel wat inperken. Niet de werkelijkheid in het algemeen, maar alleen dat deel waar ik enig verstand van heb: Operations Management, en dan nog maar een deel daarvan. Eerst zal ik dat vak schetsen, dan iets over modellen vertellen, dan over de relatie tussen die twee en tenslotte iets over empirisch onderzoek.

5 Operations Management
Hoe kun je de productie goed inrichten en coördineren? Productie in brede zin: Inclusief aan en afvoer Inclusief productontwikkeling en service Operations management omvat dus het totale palet van inrichting (technologie, capaciteiten, …), organisatie (mensen, structuur) en coördinatie. Mijn vak is met name het coördinatie deel van operations management. Vaak wordt er ook wel van logistiek gesproken. Logistiek heeft die dubbele betekenis van wielen en banden enerzijds en van coördinatie van goederenstromen of, algemener, werkstromen anderzijds. Ik gebruik logistiek in die tweede betekenis. Die logistiek komt net zo goed terug in de zorg en in de bank- en verzekeringswereld.

6 Operations Management coördinatie/logistiek
Wie doet wat wanneer? Afstemmen van inkoop en productie op verkoop Afstemmen van de bewerkingen op elkaar Is er voldoende capaciteit? Welke informatie is nodig?

7 Operations management coördinatie/logistiek
Ik gebruik graag het voorbeeld van een voetbalwedstrijd. Er zijn allerhande manieren om het spel te verbeteren: techniek, loopvermogen, motivatie, tactiek, etc. Bij logistiek/coördinatie gaat het om de ontwikkeling en training van spelpatronen. Dit is een beeld uit een wedstrijd tussen Heerenveen en PSV, het Noorden en het Zuiden.

8 Modellen A(Tempo) B(Dribbelen)
Modellen dat zijn van die “dingen” met letters. Stel x = .., enzovoort. Je doet het om vat te krijgen op iets wat niet recht toe recht aan uit te rekenen is. Je laat de “letters” met elkaar praten. En soms levert dat wat op. Bijvoorbeeld. Op de trimclub is er heel veel variatie wat betreft snelheid en conditie. Een opdracht om iedereen op eigen niveau lekker bezig te laten zijn is de volgende. Tweetallen maken. De ene loopt linksom, de ander rechtsom. Als de een tempo loopt, dribbelt de ander. Zodra ze elkaar tegenkomen, wisselen ze. De eerste keer dat we die oefening deden, werd ik ingedeeld met iemand die behoorlijk veel sneller loopt dan ik. Je merkt dan dat het punt waar je elkaar tegenkomt verschuift. Je komt hem steeds eerder tegen. Dan vraag je je af hoe dat nu precies zit. Hoe hangt die verschuiving samen met je temposnelheid en je dribbelsnelheid? Als mijn “tempo” lager is dan zijn tempo, moet hij ook langer dribbelen dan ik. Je komt daar niet goed uit zonder model.

9 Modellen B(Tempo) A(Dribbelen)

10 Hoeveel loopt de snelle loper (A) meer dan de langzame (B)?
Snelheid A: v (tempo), w(dribbel) Snelheid B: rּv (tempo), rּw (dribbel) Neem aan: r < 1 A loopt steeds een ronde (=1) plus een beetje: + (1 – r2)/((v/w + r)(w/v + r)) Bij v/w = 2 en r = 0.9 is dat Bij v/w = 1 en r = 0.9 is dat Bij v/w = 4 en r = 0.9 is dat Stel de snelheden van A zijn v(tempo) en w(dribbel). Stel de snelheden van B zijn r.v (tempo) en r.w (dribbel). Dit is natuurlijk al een vereenvoudiging. Het kan best zijn dat de snelheidsverhoudingen bij het tempo lopen anders zijn dan bij het dribbelen. Maar het gaat maar om het idee. Stel t1 is de tijd per rondje dat A tempo loopt en B dribbelt. Stel t2 is de tijd per rondje dat B tempo loopt en A dribbelt. Houvast geeft het feit dat als ze elkaar tegenkomen, ze samen een rondje hebben gelopen. Dus: t1.v + t1.r.w = 1, t1 = 1/(v + r.w) t2.w + t2.r.v = 1, t2 = 1/(w + r.v) A loopt per twee rondjes: t1.v + t2.w = v/(v + r.w) + w/(w + r.v) = (2v.w + r(v2 + w2))/((v + r.w)(w + r.v)) En B: t1.r.w + t2.r.v = r.w/(v + r.w) + r.v/(w + r.v) = (2r2.v.w + r(v2 + w2))/((v + r.w)(w + r.v)) Het verschil is dus 2(1 – r2)/((v/w + r)(w/v + r)). De een loopt de helft hiervan meer en de ander de helft hiervan minder dan een rondje. De tempo/dribbel verhouding heeft dus behoorlijk invloed. Ook als die voor beide lopers het zelfde is.

11 Modellen Bepaling productieserie Bepaling van de veiligheidsvoorraad
Order acceptatie Productie afvlakking Cyclische productie: volgorde, lengte cyclus Vraagvoorspelling Productie allocatie Distributiestructuur Transportplanning Magazijn inrichting De modellen in de operations management zijn in feite ook dergelijke dagelijks leven modellen. Hier wat klassieke voorbeelden. a) Moet je veel tegelijk bestellen/produceren en accepteren dat je gemiddeld hoge voorraden hebt of bestel je minder tegelijk en heb je dus meer bestelkosten? b) Het krantenjongen probleem. Hoeveel kranten moet hij kopen? Niet teveel, dat kost geld; ook niet te weinig, dan mis je verdiensten. Dit probleem komt op allerhande manieren terug in de praktijk bij het bepalen van veiligheidsvoorraden. c) Hoe ver ga je met het overboeken van een vlucht? Hoe ga je om met de prijs? Dit model is verwant aan het voorgaande. d) In de winter is er niet veel vraag naar bier. Moet je op een constant niveau blijven produceren? Dat is aantrekkelijk voor wat betreft de productiekosten, maar je hebt wel veel voorraadkosten. Als je besluit de productie te variëren, laat je dan de capaciteit mee variëren of heb je een hogere capaciteit dan nodig en accepteer je overcapaciteit? e) Het is technisch aantrekkelijk om verf van licht naar donker te produceren. Dat leidt tot een vaste productiecyclus. Hoe lang moet je de cyclus kiezen? Moet je bij onverwachte vraag afwijken van de vaste cyclus? f) Hoe gedetailleerd hou je rekening met het verleden? Hoe combineer je de inzichten van verkoop met gegevens uit het verleden? g) Waar ga je produceren? Groot en ver weg met schaalvoordelen in de productie, maar veel transportkosten of klein? h) Hoe ga je distribueren? Rechtstreeks van de fabriek naar de klant of via een centraal magazijn? Of ook nog regionale magazijnen? i) En hoe bepaal je de transport routes? j) Dat speelt ook een rol in het magazijn zelf. Zowel bij de inrichting als bij de operaties. Allemaal modellen waarin een paar karakteristieke punten uit de praktijk worden meegenomen, maar waarin ook van alles mist.

12 Stochastisch versus deterministisch
Alles van te voren bekend: deterministische modellen Je weet van te voren langs welke patronen het onverwachte zich gedraagt: stochastische modellen (“werken met kansen”) Alles is mogelijk, niets is zeker: ??? Een belangrijke eigenschap van de modellen is of er rekening gehouden wordt met onzekerheid. De meest voor de hand liggende manier om met onzekerheid te werken is door kansverdelingen te veronderstellen. Dat gaat ten koste van de complexiteit die je nog aankunt. Het maken van een transportplan voor het geval van bekende transporttijden is lastig, maar te doen. Als je rekening moet houden met de kans op files is dat aanzienlijk ingewikkelder. Aannemen dat alles van te voren bekend is, is in veel situaties uiterst onrealistisch. Aan de andere kant geldt dat het bekend veronderstellen van kansverdelingen de aansluiting van de modellen op de praktijk ook uiterst wankel maakt. Maar als je geen van beiden doet, kom je niet verder dan allerhande voorwaardelijke uitspraken: als dit, als dat, ….. Mijn stiel wat de modellenkant betreft is het stochastisch modelleren.

13 Stochastische modellen
Wachttijd modellen: Onzekerheid in aankomst en bediening Voorraadmodellen: Onzekerheid in vraag Onderhoudsmodellen: Onzekerheid in faalgedrag ….. Stochastische modellen in de Operations Management zijn vaak wachttijd modellen of voorraadmodellen of onderhoudsmodellen. Bij wachttijd modellen gaat het om situaties met allerhande onverwachte variëteit in de werkstromen. Het gaat er om ook dan nog de werkstromen zo te regelen en te prioriteren dat ze elkaar zo weinig mogelijk dwars zitten. Werkstromen kunnen productieorders zijn, maar ook patiënten of administratieve klussen. Bij voorraadmodellen met onzekere vraag gaat het erom te bepalen hoeveel extra voorraad je nodig hebt: generalisaties van het net genoemde krantenjongenprobleem. Bij onderhoudsproblemen moet bepaald worden wanneer en hoe er onderhoud gepleegd moet worden. Wat moet preventief onderhouden worden, hoe combineer je dat, hoe organiseer je de nog overblijvende storingen zo dat je er zo weinig mogelijk ellende van hebt, etc. De stochastiek in de modellen gaat ten koste van de complexiteit die je nog aan kunt. Het worden werkelijk kleine modellen. Klein in de zin van weinig producten of weinig soorten werk of weinig onderhoudsdelen etc. Of klein in de zin van dat maar met weinig factoren rekening wordt gehouden. Netwerken van voorraden kunnen wel geanalyseerd worden als je dan, bijvoorbeeld, maar niet rekening hoeft te houden met onderhandelbare vraag of variabele doorlooptijden of beperkte capaciteiten of …. Dus of irreëel klein of irreëel eenvoudig.

14 Model en “echt” In 1968 kwam ik in Eindhoven werken. Mijn onderzoekgebied werd de voorraadbeheersing. Ik ging aan de gang met modellen met maar één voorraadpunt. Daar werden toen boeken over vol geschreven. Ik vond die nog best lastig. Ondertussen moest ik natuurlijk ook kennis maken met de praktijk. Ik herinner me dat ik een keer met Stanley Naar mee ging naar een schoenenfabriek, in Dongen, neem ik aan. Dat was een bijna traumatische ervaring. Donker. Honderd mensen die allemaal met schoenen bezig waren. In allerhande fasen. Er zat naar mijn idee geen enkele lijn in. Dit hier is ook een plaatje van een andere fabriek uit die tijd, een lampenfabriek, al een stuk overzichtelijker dan een schoenenfabriek, maar toch nog complex genoeg om het verschil tussen werkelijkheid en model te illustreren.

15 Daar sta je dan met je modellen
Daar sta je dan inderdaad met je modelletjes. Volslagen hulpeloos. Het is bijna onvoorstelbaar dat er een link te leggen is met de praktijk. Nu zijn het wel hele leuke modellen. Dus misschien moet je er helemaal niet mee zitten. Van hoe leuk stochastische modellen en met name dynamische programmeringsmodellen zijn wil ik graag een indruk geven. Een voorbeeld dat voor alle mensen met een middelbare school B pakket begrijpelijk moet zijn.

16 Dynamische programmering
Huis verkopen binnen bepaalde tijd Bij niet verkopen opbrengst 0 Elke tijdseenheid gemiddeld één bod Waarde hangt af van hoeveel tijd er nog is Biedingen tussen 1 en 2 ton: Hoe moet je daar mee omgaan? Wanneer moet je een bod accepteren? 1 g 2

17 Accepteren bij bod van minstens g
V(t) V(t – Δt) Δt Kans is (2 – g) ּΔt Wat moet je op tijdstip t doen? Neem aan dat je bij een bod van minstens g accepteert. Dan kunnen er twee dingen gebeuren. Je krijgt een bod van meer dan g. Of je krijgt niet zo’n bod. De kans dat je überhaupt een bod krijgt is gelijk aan t. De kans dat, gegeven een bod, dat bod groter is dan g is 2 – g. Dus de kans dat er een voldoende groot bod komt is (2 – g)ּt. Je verkoopt dan gemiddeld voor (g + 2)/2. Of er komt niet een voldoende groot bod. Die kans is dus (1 – (2 – g)ּt). En dan is de waarde per definitie V(t - t). Verkocht voor (g +2)/2

18 V(t) = {(2 – g)ּΔtּ(g + 2)/2 + + (1 – (2 – g)ּΔt)ּV(t – Δt)}
V(t) = maxg{(2 – g)ּΔtּ(g + 2)/2 + (V(t) – V(t – Δt))/Δt = maxg{(2 – g)((g + 2)/2 – V(t))} g = V(t) Je krijgt dan dus de volgende vergelijking. En dan moet je nog maximaliseren over g. Dat het maximum gehaald wordt voor g = V(t) volgt via differentiëren naar g. Het is ook vanzelfsprekend. Want natuurlijk ga je niet onder de waarde verkopen.

19 V ’(t) = (1/2)(2 – V(t))2, V(0) = 0 Stel f (t) = 2 – V (t).
f ’ (t) = - (1/2)(f (t))2 , f (0) = 2 f (t) = 2/(t + 1) V(t ) = 2t/(t + 1) Voor het oplossen van de differentiaalvergelijking is het handig te stellen f (t) = 2 – V (t). Dan staat er dus: f’ (t) = - (½)f (t)2 met f (0) = 2 Dit wordt opgelost door f (t) = 2/(t + 1) (bedenk dat de afgeleide van 1/t gelijk is aan – 1/t 2) En dus geldt V (t) = 2 – f (t) = 2t/(t + 1)

20 Waarde (t) Hier kun je uit aflezen wat je moet doen. Een bod hoger dan deze lijn, moet je accepteren. Toch apart. Een probleem dat er relatief ongrijpbaar uitziet eerst is, blijkt goed oplosbaar te zijn via een paar welgekozen variabelen en wat standaard wiskunde. Nou ja, je kunt het haast niet eens wiskunde noemen. Misschien iets van “wiskunde voor de gewone man”. Ik hoop dat ieder zich kan voorstellen waarom ik hier aan verslingerd raakte.

21 Willekeurige verdeling van de boden
Definieer G(x) = 1 – F(x) en E(g) = [xg xdF(x)]/G(g) V(t) = maxg{G(g)ּΔtּE(g) + (1 – G(g)ּΔt)ּV(t – Δt)} (V(t) – V(t – Δt))/Δt = maxg{G(g)(E(g) – V(t))}  g = V(t) V’(t) = G(V(t)) (E(V(t)) – V(t)), V(0) = 0 De resulterende differentiaalvergelijking is in het algemeen veel moeilijker dan in het geval met uniforme verdeling van de boden.

22 Rol van modellen/modelleren
Helpt leren denken in praktijk situaties Geeft inzicht in praktijk Is toepasbaar bij beslissingsondersteuning Maar hoe leuk ook, je mag je met recht afvragen wat het nut van modellen en modelleren is. Misschien kun je er niet direct iets mee, maar helpt het toch de geest te scherpen en heb je daar profijt van bij lastige praktijk situaties. Dat is de meest bescheiden optie. Of misschien geeft het enig inzicht in die praktijk situaties. Dat is al iets minder bescheiden. En het zou tenslotte ook nog rechtstreeks toepasbaar kunnen zijn bij de besluitvorming. Dat is de meest pretentieuze optie.

23 Helpt leren denken? Ik mocht in Eindhoven, waar ik in 1968 als 23-jarige begon, al gauw een verplicht vak Modelbouw ontwikkelen en geven. Het begrip AIO kenden we toen nog niet. Maar naar onze situatie vertaald was ik tweede- of derdejaars AIO. Dat kon toen, Bedrijfskunde was nog jong en mijn baas, Wim Monhemius, vertrouwde me dat toe. Ik heb dat toch wel als bijzonder ervaren en altijd gewaardeerd, misschien nog wel meer later, terugkijkend, dan toen al. Nu zijn we de fase van de AIO’s al bijna voorbij en hebben we PhD studenten. Ik vind dat nog steeds een hele lelijke term. Dat vak Modelbouw gaf ik vanuit de minst ambitieuze opvatting over de rol van modellen: het helpt leren denken over de praktijk. Daarbij probeerde ik ook allerhande ongestructureerde problemen aan de orde te stellen. Bijvoorbeeld zo’n opgave als zonet aan de orde was: die afwisseling van tempo lopen en dribbelen. Ik heb er veel plezier aan beleefd. Of de studenten er ook iets van leerden valt nog te bezien. Sommigen konden het al, anderen leerden het nooit. Een goed selectie instrument, vond ik. En het kost me nog steeds heel veel moeite te accepteren dat er relatief verstandige bedrijfskundigen zijn die het niet kunnen. Maar, eerlijk is eerlijk, als je er werkelijk op zou selecteren zou de helft van de technisch bedrijfskundigen uitvallen, en meer dan de helft van de bedrijfseconomen en algemeen bedrijfskundigen. En misschien ook wel een behoorlijk deel van de wetenschappelijke staf. Of zijn die er zo onhandig mee omdat ze geen tijd hebben voor dit soort van gepruts?

24 Grappen Lopen in de regen: hoe snel lopen bij buien?
Captain Hornblower: links of rechts zoeken? Rij dominostenen bouwen: waar gaten laten? Aftelrijmpje: wie blijft over? Mastermind spelen: optimale eerste vraag? ….. Om het vak heen kwamen ook allerhande wat moeilijker problemen naar voren. Een aantal ervan staat hier genoemd. Hierna een korte uitleg van elk van de genoemde problemen:

25 Lopen in de regen. Stel je hebt nog een afstand x te gaan
Lopen in de regen. Stel je hebt nog een afstand x te gaan. Er zijn buien. Hoe kom je zo droog mogelijk thuis? Als het regent is de hoeveelheid regen die je per tijdseenheid vangt van de vorm: a + bv (aannemend dat het windstil is). Wat je op je kop krijgt is onafhankelijk van de snelheid, wat je op je borst krijgt is evenredig met de snelheid. Als je snel gaat lopen tijdens een bui, vang je overbodig veel regen. Je krijgt een eenvoudig analyseerbaar dynamisch programmeringsprobleem als je aanneemt dat start en eind van buien Poisson zijn (vergelijk het probleem van het verkopen van een huis). De optimale politiek blijkt in te houden dat je dicht bij huis altijd zo snel mogelijk moet lopen, maar dat je wat verder van huis juist moet stilstaan als er een bui komt, en stilstaand, als het ware schuilend onder je eigen hoofd, de bui moet afwachten. Ik vond dat indertijd zo grappig dat ik er een rapportje van gemaakt heb en aan de hele facultaire gemeenschap heb gestuurd. Onze oudste dochter had ik gevraagd er een titelpagina voor te tekenen (zie volgende sheet). Later is het nog in Statistica Neerlandica verschenen. Wel in een wat serieuzer vorm. Het effect ervan heeft me nog lang achtervolgd. Als het over regen ging, keek men met een schuin oog naar me, of maakte er een opmerking over. En de mogelijkheid dat ik niettemin een serieus bedrijfskundige zou kunnen zijn werd duidelijk uitgesloten geacht. Pas in Groningen ben ik dat imago kwijt geraakt.

26 Captain Hornblower Captain Hornblower. Wellicht zijn de boeken (van C.S. Forester) bekend. In één van die boeken koerst Hornblower af op de Zuid-Amerikaanse Pacific kust. Hij moet op een plaats met opgegeven coördinaten iets halen of iemand ontmoeten. Hij vindt het spannend en vraagt zich af of hij goed gekoerst heeft. Dat blijkt het geval te zijn. Zodra de kust in zicht komt ziet hij het teken. Maar stel je voor hij had niet helemaal goed gekoerst. Had hij dan links of rechts moeten zoeken. Stel hij zou links gaan. Hoe lang hou je dat vol voor je besluit dat je toch rechts had moeten zoeken? En hoe lang hou je dat dan weer vol tot je weer naar links gaat? Ook dit is een dynamisch programmeringsprobleem. Je begint met het veronderstellen van een waarschijnlijkheidsverdeling voor de gezochte positie . Een normaal verdeling ligt hier voor de hand. Die vaar je dan af tot het overblijvende deel nog zo’n kleine oppervlakte heeft dat je niet meer “gelooft” dat het daar nog is. Het leidt tot differentiaalvergelijkingen die min of meer vergelijkbaar zijn met die in het probleem van het verkopen van een huis. Moeilijk oplosbaar in het algemeen, maar wel oplosbaar voor uniforme of driehoekige verdeling. Het probleem bleek eerder ook wel eens geformuleerd te zijn in de context van het zoeken naar je fiets in een lange fietsenstalling.

27 Domino day Rij dominostenen bouwen. Ieder heeft het wel eens gedaan. Het domino-effect is er naar genoemd. Frustrerend is als de rij omvalt voor die de geplande lengte heeft. Het veel besproken musje bij een recordpoging een aantal jaren gelden herinnert ieder zich misschien nog wel. Je kunt daar een mooi dynamisch programmeringsprobleem van maken als je er van uitgaat dat er elke keer als je een steen neerzet een bepaalde kans is dat die naar links of rechts omvalt en alle aansluitende stenen meeneemt. De structuur van zo’n bouwspel is heel anders dan anders. De optimale politiek is een “volgorde” (of liever, er is een volgorde die optimaal is binnen de verzameling van alle politieken). Nummer alle posities waar een steen op moet komen. Zet een steen op de positie met het laagste nummer. Vanwege ongelukjes kan de werkelijke volgorde wel natuurlijk heel anders worden, maar dit verstoort niet de optimaliteit van een volgorde. De optimaliteit van volgordes maakt dat er een deterministisch equivalent van het probleem is. Het bewijs kostte behoorlijk veel moeite. Ik heb helaas nooit een serieuze toepassing van dit model kunnen bedenken.

28 iene miene mutten, jij kunt gaan
tien pond grutten, tien pond graan, iene miene mutten, jij kunt gaan Aftelrijmpje. Wie blijft over bij toepassing van een aftelrijmpje? Stel je past “Iet wiet weg” toe op 1000 mensen. Wie is dan de overblijvende gelukkige? Ook dit is goed oplosbaar via dynamische programmering. Het is heel elementair, maar laat toch de kracht van dynamische programmering goed zien. Stel je houdt de persoon op positie 1 over als je op positie n begint bij N deelnemers. Een situatie met N +1 deelnemers, waarbij je op positie n – 2 begint leidt dan uiteindelijk ook tot overhouden van de persoon op positie 1. Als n = 1, moet je bij N + 1 deelnemers helemaal aan het eind beginnen, op positie N – 1, om weer terecht te komen op positie 1 bij N deelnemers. Dus n – 1 wordt dan vervangen door N – 1. Op dezelfde manier geldt dat n – 2 vervangen wordt door N + 1 als n = 2. Toepassing van het aftelrijmpje leidt bij start op positie 1 bij 4 deelnemers tot overhouden van nummer 1 (deelnemer op positie 1). Start op positie 3 bij 5 deelnemers leidt dus ook tot overhouden van nummer 1. Zo krijgen we achtereenvolgens: 1 bij 6 5 bij 7 1 bij 9 8 bij 10 2 bij bij 14 2 bij bij 21 1 bij bij 32 2 bij bij 47 1 bij bij 71 1 bij bij 106 2 bij bij 158 2 bij bij 237 1 bij bij 356 2 bij bij 533 1 bij bij 800 In al deze situaties is nummer 1 de gelukkige. Gelukkig worden de sprongen steeds groter. Als 798 bij 800 tot nummer 1 leidt, geldt dat ook voor 398 bij Nummer 398 staat 397 rechts van nummer 1. Als je dus op nummer 1 begint i.p.v. op nummer 398 leidt dat tot overhouden van de persoon die 397 plaatsen links van nummer 1 staat. Dat is nummer 604. Ieder die een eenvoudig programmaatje kan maken, zal zeggen dat je de computer een stuk gemakkelijker dat aftelrijmpje gewoon laat toepassen. Dat is zonder meer waar. Daar ging het ook niet om.

29 Mastermind. Iemand (A) zet een positie op met vier pionnen
Mastermind. Iemand (A) zet een positie op met vier pionnen. Er zijn zes kleuren (a, b, c, d, e, f), maar je mag dezelfde kleur ook wel vaker gebruiken. Iemand anders (B) moet de positie achterhalen door een vergelijkbaar rijtje met pionnen op te zetten. A geeft daarna aan hoeveel pionnen er goed staan en hoeveel er van de goede kleur zijn, maar niet op de goede plaats. Het gaat om de vraag hoe je zo snel mogelijk de oplossing kunt raden. We hebben hier indertijd met een aantal mensen aan zitten prutsen (Henk Schell m.n.). Er zijn 64 mogelijkheden. Met elk antwoord vallen er een heleboel mogelijkheden af. Het aantal mogelijke toestanden wordt daardoor erg groot. Daarom hebben we hier alleen maar gekeken naar een goede eerste zet. Je kunt beginnen met alleen vier pionnen met kleur a. Dan weet je na het antwoord zeker hoeveel rode er zijn. Dat werkt gemakkelijk, maar is niet erg efficiënt. Je kunt ook beginnen met een 2 bij 2 of een 3 bij 1 of een 2 bij 1 bij 1 of een vraag met allemaal verschillende kleuren. Je kunt dergelijke opties evalueren door aan te nemen dat A een random opgave geeft en te berekenen hoeveel kleiner het aantal mogelijkheden wordt. Stel je zet de eerste keer a-a-a-a neer. Dan krijg je met een bepaalde kans (p1) als antwoord 0,0 (0 goed, 0 goede kleur). Dan weet je daarna dat alleen nog de oplossingen zonder a in aanmerking komen. Dat zijn er nog 54. Er kunnen ook andere antwoorden verschijnen. Ook van die antwoorden kun je berekenen hoe groot de set van overblijvende mogelijkheden nog is. Stel Ni is het aantal mogelijkheden dat hoort bij antwoord i. De eerste zet kun je dan beoordelen via pif(Ni) , met f (Ni) een schatting voor het aantal vragen dat nog nodig is bij Ni mogelijkheden. Uit ervaring blijkt dat men meestal wel in een zet of zes het antwoord heeft. Er is dus iets voor te zeggen om te kiezen f (x) = 61/4 . Ik weet niet meer zeker welke functie we gebruikten.

30 Geeft inzicht in de praktijk? Voorraadmodellen met beperkte capaciteit
h, b L, K, C D(t) Ondertussen kon ik het niet maken ook in mijn onderzoek uit te gaan van dat laagste ambitieniveau wat betreft de rol van modellen. Ik werkte uiteindelijk bij Bedrijfskunde. Ik moest ook niet een soort van joker worden. Ik had me gestort op voorraadmodellen met beperkte productiecapaciteit, in de hoop dat dit enig inzicht in het algemeen zou geven in het effect van een beperkte productiecapaciteit. Hier een schets: de vraag D(t), voorraadkosten en tekort kosten, levertijd L, vaste bestelkosten K en productiecapaciteit C. Dat was een onderwerp dat me in eerste instantie eerder weg van de bedrijfskunde duwde en terug naar de wiskunde. Allerhande existentie problemen. Bij voorraadmodellen wordt in de regel uitgegaan van backlogging. Dat betekent dat je orders moet naleveren als je niet meteen kunt leveren. Dat is aantrekkelijk omdat je dan bij positieve doorlooptijd de toestand eenvoudig kunt houden: de economische voorraad vervangt de fysieke voorraad en alles blijft het zelfde. De economische voorraad is de fysieke voorraad of het tekort, plus wat er nog onderweg is. Maar de prijs voor die aanname is dat je rekening moet houden met een heel erg negatieve voorraad. Als de productiecapaciteit onbeperkt is, is dat geen probleem, want kun je in één keer terug springen. Maar in geval van beperkte capaciteit is het wel een probleem. Dan wordt dubieus of de verwachte tijd en de verwachte kosten tot je weer in de buurt van 0 bent wel bestaan. Daar werd ik ook met klem op gewezen door Jaap Wessels en Fred Simons, mijn promotoren. Uiteindelijk werd het meer een wiskunde proefschrift dan een bedrijfskunde proefschrift. Al met al had ik na 7 jaar nog niets bijgedragen aan de bedrijfskunde. En dat was frustrerend, zeker in een omgeving waarin de relatie met de praktijk en begrip van de praktijk belangrijk werd gevonden, belangrijker dan promoveren en publiceren. Dat kunnen we ons nu niet meer voorstellen, maar dat was echt zo. Het uitgangspunt van het onderzoek was niet om bezig te zijn met existentieproblemen, maar om de structuur van de optimale politiek te onderzoeken. Het grote voorbeeld wat dat betreft was de optimaliteit van een (s,S) politiek in een “periodical review” bestelprobleem met vaste kosten. Een (s,S) politiek bestelt tot S > s als de voorraad kleiner is dan s. Daar was toen tamelijk recent een hele reeks van artikelen over verschenen van goede wiskundigen, economen en OR experts. Ik wilde bekijken wat er van die structuur overbleef bij een beperkte capaciteit. Ik ging er van uit dat er toch nog wel zou gelden dat er een kritiek niveau s is waaronder wel en waarboven niet besteld wordt. Dat bleek allemaal niet mee te vallen. Alleen voor het geval zonder vaste kosten en voor het geval waarbij alles of niets wordt gewerkt was te bewijzen dat er zo’n kritiek niveau s is. Pas veel later realiseerde ik me dat het geval met beperkte capaciteit veel beter gemodelleerd kan worden in combinatie met de aanname van continue productie, en natuurlijk ook “continuous review”. Dan is recht-toe-recht-aan bewijsbaar dat de optimale politiek de volgende structuur heeft: blijf produceren zolang de voorraad onder S zit, zet de productie uit als S bereikt wordt, zet die weer aan zodra je onder s komt. Ook dit soort van optimalieitsbewijzen heeft niet veel met bedrijfskunde te maken. Het is de uitdaging van bijna vanzelfsprekendheid die zulke problemen aantrekkelijk maakt voor toegepast wiskundigen en OR mensen. En als er maar genoeg wetenschappers mee bezig zijn, is het wetenschap. ???

31 De deterministische OR oplossing: Gewoon optimaliseren.
Bij onzekerheid vaak herplannen. Die verwaarloosbare rol binnen de bedrijfskunde was dus frustrerend. Temeer frustrerend omdat er ondertussen ook horden mensen waren, met ook een kwantitatieve achtergrond, die wel een antwoord hadden of meenden te hebben voor de praktijk. In de eerste plaats waren dat de OR mensen die vooral bezig waren met deterministische modellen. Hun boodschap was: gooi de onzekerheid eruit. Maak een goede schatting van alles wat niet volledig bekend is. En gebruik die schatting als basis voor je plannen. Als de onzekerheid groot is, ga je gewoon wat vaker herplannen. Misschien dat dit nu nog niet helemaal mogelijk was, maar de computers werden steeds sneller en binnenkort zou het allemaal geen probleem meer zijn. De optie om alles maar zo goed mogelijk te schatten en vervolgens deterministische modellen te gebruiken zonder rekening te houden met onzekerheid blijft een zekere aantrekkingskracht uitoefenen. Vaak ook wel in combinatie met acceptatie van de onzekerheid die er is: je weet toch niet wat er gebeurt, het enige wat je kunt doen is vaak herplannen. Ik durf ook niet te zeggen dat het altijd onverstandig is. Het is wel vaak een issue geweest in het onderzoek waar ik bij betrokken was: hoe goed is zo’n recht-toe-recht-aan rollend plan vergeleken met een op stochastische modellen gebaseerde heuristiek?

32 Machine met omsteltijden
Combineren Acceptatie Een interessante situatie in dat verband is die met één machine met grote omsteltijden die op order werkt. Dat was het onderwerp van het proefschrift van Hans ten Kate. Het sloot aan op een eerder artikel met Frank Wester en Henk Zijm samen. En het is weer opgepakt in werk samen met Taco van der Vaart en Nicky van Foreest. Die één-machine situatie met omsteltijden vraagt om een aanpak met veel aandacht voor scheduling, om gebruik te maken van combinatiemogelijkheden. Toch geldt dat in zo’n situatie een puur scheduling georiëenteerde aanpak bij een behoorlijk aanbod aan orders leidt tot een lage performance wat betreft geaccepteerd werk. Je moet op de één of andere manier slack inbouwen om ook in de toekomst gebruik te kunnen maken van combinatiemogelijkheden. Het artikel met Nicky van Foreest en Taco van der Vaart samen maakt dat het mooist duidelijk (staat op de website omdat het nog niet verschenen is).

33 Bij stochastiek: Simuleer het maar:
Dan had je de mensen die in waren voor simuleren. Er begonnen allerhande simulatietalen beschikbaar te komen met behulp waarvan je complexe situaties kon modelleren en simuleren. Gewoon heel snel naspelen. Dus waarom zou je je tijd verprutsen met het willen begrijpen van allerhande kleine modellen. Je kon gewoon meteen het echte probleem simuleren. Dat kostte dan nu nog wel wat teveel rekentijd, maar dat zou binnenkort allemaal veel beter worden. Ook simulatie blijft een grote aantrekkingskracht houden, zowel op mensen uit de praktijk als op studenten. Het kost me wel eens moeite hen er van te overtuigen dat meteen maar zo echt mogelijk simuleren geen oplossing is. Het probleem is niet zozeer de rekencapaciteit, maar veel meer de overvloed aan keuzen die gemaakt moeten worden, juist als je in detail wilt simuleren. Om die keuzen te kunnen maken moet je eerst toch enig inzicht hebben. En daarvoor heb je die eenvoudige modellen. Dat inzicht verwerven kan overigens ook wel met eenvoudige simulatiemodellen. Een eenvoudig simulatiemodel en een analytisch afleidbaar resultaat vervullen dezelfde functie: inzicht krijgen. Ze zijn niet bedoeld om de totale, complexe praktijk na te spelen.

34 Planning and control system design
General models & insights Situation specific design Planning Operating planning/ control system Operational In het artikel “Models for Production Planning and Control” (beschikbaar op de website) wordt geprobeerd de rol van deterministische benaderingen, complexe simulaties en eenvoudige stochastische modellen in relatie tot elkaar te beschrijven. Het artikel is nogal informeel en alleen verschenen in het Liber Amicorum voor Zäpfel, een collega uit Linz. In dat soort van verhalen hoef je wat minder voorzichtig te zijn en kun je wat vrijer redeneren. De centrale boodschap daar is dat modellen geen eindproducten zijn. Op zijn best zijn ze bruikbaar om een eindproduct (een functionerend beheersingssysteem) te maken. Dat sluit aan bij de sheets over “ontwerpen” hierna.

35 Ontwerpen Het hele idee van ontwerpen was me daarom uit het hart gegrepen. Ik kwam er nadrukkelijk mee in aanraking via het promotieproject van Will Bertrand en Hans Wortmann. Je moet complexiteit niet accepteren, je moet die reduceren. Een bedrijf en ook de productiebeheersing van een bedrijf is een ontworpen systeem dat moet bestaan uit verschillende deelsystemen. Die deelsystemen moeten naar buiten toe eenvoudig gedrag vertonen, zodat ook de relatie tussen de deelsystemen eenvoudig wordt. Het doel is niet optimaliteit. Nee, het gaat om eenvoud en beheersbaarheid. En eenvoudige modellen kunnen helpen om eenvoudige systemen te ontwerpen.

36 Ontwerpen Een systeem voor productiebeheersing is tot op zekere hoogte vergelijkbaar met een kruiwagen. De kruiwagen bestaat uit drie duidelijke deelsystemen, met elk een eigen functie: de bak (om iets in te kunnen leggen/gooien), het wiel (om ergens naar toe te kunnen rijden) en het frame (om bak en wiel aan elkaar te verbinden en om mensen de gelegenheid te geven de zaak in beweging te zetten).

37 Productiebeheersing Afstemming Keten coördinatie op Verkoop KOOP
Ook systemen van productiebeheersing bestaan uit (ruwweg) drie van zulke duidelijke deelsystemen. De productie eenheden waar het werk gebeurt, de keten coördinatie, waar het werk van de productie eenheden op elkaar wordt afgestemd en de afstemming op Verkoop waar gezorgd wordt dat Verkoop en Productie met elkaar in de pas blijven . De achtereenvolgende fasen zouden hier kunnen zijn: aanmaak van componenten, assemblage van halfproducten en verpakking en eindassemblage. Eindassemblage en verpakking gebeurt hier op klantenorder. Het klantenorder ontkoppelpunt ligt hiervoor. Productie eenheden

38 Productiebeheersing Afstemming Keten coördinatie op Verkoop (frame)
(wiel) Keten coördinatie (frame) KOOP Enige gelijkenis met de kruiwagen is er dus: het wiel, het frame en de bakjes. We zijn jarenlang druk bezig geweest om dit verder uit te werken. Hoe krijg je de deelsystemen eenvoudig zonder dat het teveel ten koste gaat van flexibiliteit en performance in het algemeen. En hoe zorg je ervoor dat de deelsystemen goed aansluiten bij de organisatie? Je wilt dat de deelsystemen een vast gedragspatroon hebben, om eenvoud en voorspelbaarheid te houden. Dat kan bijvoorbeeld zijn een vaste doorlooptijd voor een productie eenheid of een eenvoudige order acceptatie regel. Productie eenheden (bakjes)

39 Material Requirements Planning: vaste doorlooptijden weinig aandacht voor capaciteitsbeperkingen weinig aandacht voor onzekerheid ℓ1 ℓ2 ℓ3 Er was wel enige gelijkenis met de MRP benadering, die toen (1970 – 1985) sterk opkwam. Maar binnen MRP was de relatie tussen de deelsystemen niet goed uitgewerkt. Er was weinig aandacht voor onzekerheid, weinig aandacht voor capaciteitsbeperkingen en bestaande organisatie. En er was veel vertrouwen in het gebruik van standaard software. Men ging er van uit dat alle situaties met behulp van dezelfde software te besturen was. Onze benadering was aanzienlijk subtieler en degelijker.

40 Alle kruiwagens hebben dezelfde structuur, maar …..
Maar ook wij zaten wel met het punt van standaardisatie. Want alle kruiwagens hebben wel dezelfde structuur, maar geldt dat ook voor systemen van productiebeheersing? Je kunt de kruiwagen wel aanpassen aan het type werk. Dit is bijvoorbeeld een kruiwagen voor de bouw, terwijl de vorige meer een kruiwagen voor licht tuinwerk is. Maar geeft die vaste structuur wel voldoende mogelijkheden voor variëteit? Ik kom daar nog op terug.

41 Rol van modellen/modelleren
Helpt leren denken in praktijk situaties Geeft inzicht in praktijk Bruikbaar bij het ontwikkelen van eenvoudige en breed toepasbare besturingselementen Is toepasbaar bij beslissingsondersteuning Mijn vertrouwen in de bijdrage van modellen en modelleren was met die link naar ontwerpen aanzienlijk vergroot. Modellenwerk kon ook helpen bij de ontwikkeling van eenvoudige en breed toepasbare besturingselementen. En vooral stochastische modellen zijn nuttig. Want het gaat erom structuren te ontwerpen die ook goed functioneren bij onzekerheid. Mijn modelmatige werk van de laatste 25 jaar (met anderen samen of alleen) is steeds gericht geweest op ontwerpen. Ik was er trots op als niet technisch opgeleide te kunnen participeren in zo’n technische, ontwerp gerichte benadering. Ik ben als pure wiskundige opgeleid, maar als men mij soms hield voor een ingenieur was ik daar trots op. Ik zeg dat hier in Groningen met een zekere nadruk. Even een voorbeeld van het soort werk waar dit toe leidde.

42 Hiërarchische besturing
Het gaat hier om een systeem met één productiefaciliteit en meer producten die op voorraad worden gemaakt. Je kunt dat vereenvoudigen door het hiërarchisch te besturen.

43 Aggregaat plan: eerst totale productie en totale voorraad bepalen
Eerst maak je een aggregaatplan, waarbij alles wordt vertaald naar capaciteit. De vraag wordt opgeteld naar capaciteitsbeslag, de productie wordt opgeteld naar capaciteitsbeslag en de voorraad wordt opgeteld naar opgeslagen capaciteit. Output van deze besturingslaag is hoe groot de totale productie moet zijn en hoe groot de totale voorraad. Dat moet je dan vervolgens nog vertalen naar de individuele producten.

44 Toewijzing Die toewijzing van de productie probeer je dan op basis van heel eenvoudige prioriteitsregels te doen. Bijvoorbeeld op basis van run-out tijden. De run-out tijd van een productvoorraad is de tijd waarvoor die voorraad nog voldoende is. Zo’n aanpak blijkt het in veel theoretische gevallen goed te doen. Dat geeft vertrouwen dat het ook in de praktijk toepasbeer is. We hebben er o.a. in het recente lean planning project bij DE Joure nog weer gebruik van gemaakt.

45 De aanpak is vergelijkbaar met wat er gebeurt bij een zwerm vogels
De aanpak is vergelijkbaar met wat er gebeurt bij een zwerm vogels. Daar kun je ook onderscheid maken naar de koers van de totale zwerm en de positie van de individuele vogels in de zwerm.

46 Samen met: Roland Bemelmans Karel van Donselaar Rene de Koster
Paul Giesberts Hans ten Kate Taco van der Vaart Nicky van Foreest ….. Dit soort van ontwerpgericht modellenwerk heb ik samen met promovendi en andere collega’s gedaan. En ik hoop er nog mee verder te kunnen gaan.

47 Planningstructuur ontwerpen:
Ik heb zonet het ontwerpen van een planningstructuur vergeleken met het ontwerpen van een kruiwagen. Maar er is natuurlijk een belangrijk verschil.

48 Planningstructuur ontwerpen: mensenwerk structureren
Een planningstructuur ontwerpen is mensenwerk structureren. En deze “kruiwagen” zit er daarom misschien wel dichter bij dan de vorige. Onze zes kleinkinderen hadden goede instructies gekregen en ze werden verondersteld zich als een keurige homogene unit te gedragen. Zij waren “verkoop”, ik was “productie”. Maar hun acties voelden niet al te homogeen. Verkoop is altijd moeilijk in toom te houden.

49 Planningstructuur: mensenrollen
De mogelijkheden om te structureren zijn erg situatie specifiek: De mensen ter plekke kunnen daar rekening mee houden Het ontwerp is nooit volledig De mensen die er mee werken vullen nader in en moeten ook weer kunnen afwijken Mensen ter plekke spelen twee verschillende soorten van rollen. In de eerste plaats moet de structuur ontworpen worden. Situaties zijn te verschillend van elkaar om met standaard structuren te werken. Wat beschikbaar is, zijn componenten, modules en methoden. Ter plekke moet het nader ingevuld en toegepast worden. In de tweede plaats, en dat is nog wezenlijker, zijn de deelsystemen die ontworpen worden deelsystemen die door mensen waar gemaakt moeten worden. Je kunt niet alles formaliseren en automatiseren. Het ontwerp is nooit volledig. Maar als je het te open laat, kan het verschil tussen ontworpen gedrag en werkelijk gedrag wel erg groot worden. Mensen inschakelen betekent aan de ene kant dat je het oordeelsvermogen inschakelt dat nodig is om een situatie naar waarde te schatten. Maar het betekent ook dat je allerhande niet functionele menselijke neigingen en voorkeuren inschakelt. Het is niet alleen maar positief, er mensen bij te betrekken. Op sommige plekken kun je het misschien wel zonder menselijke inbreng. Maar mensen zijn zeker nodig en dat maakt het ontwerpprobleem meteen een stuk lastiger. Het wordt nog belangrijker om het ontwerp eenvoudig te houden. En, je kunt wel ontwerpen, maar er gebeurt niet precies wat je ontwerpt. Het ontwerpen van de planningstructuur moet gecombineerd worden met onderzoek naar het gedrag van mensen in zulke structuren. Dat maakt dat het gebied planning en beheersing een onderdeel is van de bedrijfskunde.

50 Empirisch onderzoek dus. Maar hoe ???
Planning en beheersing is een spel met bepaalde spelregels. Er valt nog wel wat te spelen en het is noodzakelijk om beter inzicht te krijgen in wat de spelers er van maken. Empirisch onderzoek dus. Maar je kunt geen empirisch onderzoek doen naar het spel van planning en beheersing zonder dat spel te relateren aan de spelregels.

51 Empirisch onderzoek dus:
Wat zijn de spelregels? Welke rollen? Wanneer wijken spelers af van spelregels? Zijn de spelregels duidelijk? In hoeverre is er bij de spelers begrip van het organisatiebelang ? Hoe gaan spelers om met interferentie tussen eigenbelang en organisatiebelang? Hoe gaan de spelers om met onderlinge belangentegenstellingen? Wordt de speelruimte die er is consistent ingevuld? De invloed van persoonskenmerken op het spel?

52 Samen met: Paul Konijnendijk (relatie Verkoop – Productie)
Jan de Vries (planningstructuur – organisatiestructuur) Taco van der Vaart (inkooprelaties) Aukje Nauta (Verkoop Binnendienst - Logistiek – Productie in de procesindustrie) Gera Welker (order acceptatie in MtO bedrijven) Arnout Pool/Durk-Jouke van der Zee (lean planning bij DE-Joure) ….. Ook met dit soort van empirisch onderzoek ben ik bezig geweest. Jan de Vries was er al mee bezig voordat ik hier begon. Samen met Paul Konijnendijk ben ik er in Eindhoven mee begonnen. Groningen is een goede plek om eraan te werken. Maar we zijn niet ver genoeg. Wat die planningstructuur betreft zijn we al wel ergens, maar wat dit empirisch onderzoek betreft is er nog maar een beginnetje. De recente case-study bij DE-Joure is nog niet gepubliceerd en daarom beschikbaar via de website. In die case-study gaat het om de invoering van cyclische planning. Er wordt veel aandacht gegeven aan de rol van de verschillende planninggroepen daarbij. Er wordt gepoogd een zo volledig mogelijk oorzaak -> gevolg plaatje te maken. Veel gepubliceerde case-studies zijn niet overdraagbaar omdat er gebrek aan informatie over de context is. Dat hebben we hier proberen te vermijden.

53 Het schiet niet op Vraagt veel diepgaand case onderzoek
Planningstructuren vaak vaag/action research Het leidt niet tot veel publicaties Nauwelijks geschikt voor AIO’s Geen main stream onderzoek In de eerste plaats vraagt dit empirisch onderzoek per definitie veel case onderzoek. Als je wilt weten hoe de spelers zich gedragen t.o.v. de spelregels, moet je met hun praten. Vaak blijkt dat die spelregels zo onduidelijk zijn dat het beter is die eerst met hen samen uit te werken. En dat kan niet neutraal. Dat is actie onderzoek. Het is dus bewerkelijk onderzoek. Er zijn mensmaanden nodig per bedrijf. En het is niet gemakkelijk AIO’s de bulk van het werk te laten doen. De publicatieregels staan dit soort onderzoek daarom nauwelijks toe. Het is hierom al sowieso geen main stream onderzoek geworden. Maar er zijn meer redenen.

54 Geen main stream onderzoek
Externe factoren (bedrijfsleven) ERP (software wereld) “lean” (consultancy) Het gaat om innovatie Interne factoren (wetenschap) Moeilijk, je laat je afleiden Twee “ontwerp” benaderingen in Groningen Survey onderzoek (wetenschap) Eerste de factoren vanuit het bedrijfsleven. In de eerste plaats past het niet goed in de ERP wereld. Die benadrukt het belang van standaard software. Daarbij wordt meer aandacht gegeven aan registratie dan aan beheersing. Een in principe eenvoudig beheersingsconcept is niet altijd eenvoudig te implementeren in een nieuw ERP pakket en nog moeilijker in een al geïmplementeerd ERP pakket. En het belang van een goede registratie is ook groot. Dus een wat minder hoge prioriteit voor een goed beheersingsconcept vergeleken met een goed ingevoerd ERP systeem is ook wel begrijpelijk. In de tweede plaats past het niet goed in de wereld van de procesverbeteraars. Veel procesverbetering vindt tegenwoordig plaats onder de vlag van “lean”. Op de website van het Lean Institute wordt nauwelijks aandacht besteed aan productiebeheersing. Natuurlijk niet. Daar benadrukt men dat het altijd mogelijk is veel meer te verbeteren via procesverbetering. Waarom zou men aandacht geven aan de voor productiebeheersing zo belangrijke trade-off tussen flexibiliteit en efficiëntie als bij goed “geleande” processen alles ideaal is. Ook deze rem op aandacht voor een ontwerp benadering is begrijpelijk. Procesverbetering met betrokken werknemers is ook werkelijk belangrijk. Tenslotte kom je veel tegen dat het om innovatie gaat, dat je niet gericht moet zijn op vaste patronen, maar juist op het doorbreken van vaste patronen. Hier zou ik wat kritischer willen zijn. Als je wilt beheersen zul je altijd gericht moeten zijn op vaste patronen. Dan drie factoren vanuit de wetenschap zelf. De allereerste is dat je je gemakkelijk laat afleiden. Er zijn allerhande actuele ontwikkelingen waar je als hoogleraar operations management verondersteld wordt ook iets over te kunnen zeggen. Soms is ook gewoon lastig en laat je je daarom afleiden. Een probleem is nu eenmaal niet een watermeloen die je zo maar even met je denkhoofd klieft. Lastig was ook dat de benadering aansloot bij, maar ook concurreerde met de ontwerpbenadering die Ton de Leeuw propageerde. In de benadering van Ton wordt meer nadruk gelegd op het proces van het ontwerpen. In die benadering probeer je niet standaard componenten te ontwikkelen, omdat je er van uitgaat dat daarvoor de problematiek te situatie specifiek is. In de hier geschetste benadering doe je dat wel: een wiel, een bakje, een productie-afdeling, …. . We hadden die twee benaderingen beter moeten combineren. Het meest storend is het moeten opboksen tegen collega wetenschappers die houden van “N is groot” en zoeken naar snelle, platte inzichten via survey onderzoek. Het is jammer dat ik die niet beter heb kunnen overtuigen van het primaat van ontwerp gericht onderzoek. Laat ik nog een laatste poging doen.

55 Survey onderzoek: Integratie helpt?
Zijn jullie lekker samen bezig? Schiet het op? Je kunt je voorstellen dat je empirisch onderzoek doet naar dit soort van situaties (kinderen die kruien met Pake) en dat je daarbij geïnteresseerd bent in de samenhang tussen samenwerken en resultaat. Je vraagt aan honderd van deze teams, bij monde van één vertegenwoordiger of ze lekker samenwerken. En je vraagt ook hoe het resultaat is. Dat resultaat is moeilijk te operationaliseren, want de ene kruiwagen is zwaarder dan de andere. Dus in plaats daarvan vraag je wat ze vinden van de vorderingen. Ik kan me heel goed voorstellen dat je significante verschillen krijgt. Maar dat zijn dan eerder verschillen tussen kinderen dan verschillen m.b.t. het punt waar je in geïnteresseerd bent. Het ene kind reageert daar nu eenmaal anders op dan het andere. Dat zie je al wel aan de koppies. Dat bezwaar geldt ook voor het meeste survey onderzoek naar de rol van supply chain integratie. Er zijn honderden, zo niet duizenden van dergelijke onderzoeken gedaan. De resultaten laten soms wel significante verschillen zien. Maar het is erg onduidelijk of dat komt door de persoonskenmerken van de bevraagde, of door verschillen in opleiding en ervaring tussen de bevraagden of dat het komt door verschillen in bedrijfsvoering. Vaak wordt per bedrijf maar één persoon bevraagd. Dan gaat het in ieder geval hartstikke fout, want een blije vogel die net een MBA opleiding heeft afgerond zal bijvoorbeeld structureel anders reageren dan een door de wol geverfde praktijkman. Die ellende haal je er niet uit via Cronbach’s alfa. Maar ook als je meerdere respondenten per bedrijf hebt, is het lang niet zeker dat het goed gaat vanwege allerhande lokale cultuurtjes die zich gemakkelijk ontwikkelen. Waarom nemen we niet gewoon de tijd en duiken werkelijk in een aantal van dergelijke praktijksituaties? Het resultaat dan wel graag uitgebreid beschrijven, zodat een zo volledig mogelijk oorzaak -> gevolg plaatje is te maken.

56 Het schiet niet op Vraagt veel diepgaand case onderzoek
Planningstructuren vaak vaag/action research Het leidt niet tot veel publicaties Nauwelijks geschikt voor AIO’s Geen main stream onderzoek In de eerste plaats vraagt dit empirisch onderzoek per definitie veel case onderzoek. Als je wilt weten hoe de spelers zich gedragen t.o.v. de spelregels, moet je met hun praten. Vaak blijkt dat die spelregels zo onduidelijk zijn dat het beter is die eerst met hen samen uit te werken. Het is dus bewerkelijk onderzoek. Er zijn mensmaanden nodig per bedrijf. En het is niet gemakkelijk AIO’s de bulk van het werk te laten doen. De publicatieregels staan dit soort onderzoek daarom nauwelijks toe. Het is hierom al sowieso geen main stream onderzoek geworden. Maar er zijn meer redenen.

57 Geen main stream onderzoek
Externe factoren (bedrijfsleven) ERP (software wereld) “lean” (consultancy) Het gaat om innovatie Interne factoren (wetenschap) Moeilijk, je laat je afleiden Twee “ontwerp” benaderingen in Groningen Survey onderzoek (wetenschap) Eerste de factoren vanuit het bedrijfsleven. In de eerste plaats past het niet goed in de ERP wereld. Die benadrukt het belang van standaard software. Daarbij wordt meer aandacht gegeven aan registratie dan aan beheersing. Een in principe eenvoudig beheersingsconcept is niet altijd eenvoudig te implementeren in een nieuw ERP pakket en nog moeilijker in een al geïmplementeerd ERP pakket. En het belang van een goede registratie is ook groot. Dus een wat minder hoge prioriteit voor een goed beheersingsconcept vergeleken met een goed ingevoerd ERP systeem is ook wel begrijpelijk. In de tweede plaats past het niet goed in de wereld van de procesverbeteraars. Veel procesverbetering vindt tegenwoordig plaats onder de vlag van “lean”. Op de website van het Lean Institute wordt nauwelijks aandacht besteed aan productiebeheersing. Natuurlijk niet. Daar benadrukt men dat het altijd mogelijk is veel meer te verbeteren via procesverbetering. Waarom zou men aandacht geven aan de voor productiebeheersing zo belangrijke trade-off tussen flexibiliteit en efficiëntie als er bij goed “geleande” processen alles ideaal is. Ook deze belemmering voor een ontwerp benadering is begrijpelijk. Procesverbetering met betrokken werknemers is ook werkelijk belangrijk. Tenslotte kom je veel tegen dat het om innovatie gaat, dat je niet gericht moet zijn op vaste patronen, maar juist op het doorbreken van vaste patronen. Hier zou ik wat kritischer willen zijn. Als je wilt beheersen zul je altijd gericht moeten zijn op vaste patronen. Dan drie factoren vanuit de wetenschap zelf. De allereerste is dat je je gemakkelijk laat afleiden. Er zijn allerhande actuele ontwikkelingen waar je ook iets over moet kunnen zeggen. En soms is het ook gewoon lastig en laat je je daarom afleiden. Een probleem is nu eenmaal niet een watermeloen die je zo maar even met je denkhoofd klieft. Lastig was ook dat de benadering aansloot bij, maar ook concurreerde met de ontwerpbenadering die Ton de Leeuw propageerde. In de benadering van Ton wordt meer nadruk gelegd op het proces van het ontwerpen. In die benadering probeer je niet standaard componenten te ontwikkelen, omdat je er van uitgaat dat daarvoor de problematiek te situatie specifiek is. In de hier geschetste benadering doe je dat wel: een wiel, een bakje, een productie-afdeling, …. . We hadden die twee benaderingen beter moeten combineren. Het meest storend is het moeten opboksen tegen collega wetenschappers. Die houden van “N is groot” en zoeken naar snelle, platte inzichten via survey onderzoek. Het is jammer dat ik die niet beter heb kunnen overtuigen van het primaat van ontwerp gericht onderzoek. Laat ik nog een laatste poging doen.

58 Survey onderzoek: Integratie helpt?
Zijn jullie lekker samen bezig? Schiet het op? Je kunt je voorstellen dat je empirisch onderzoek doet naar dit soort van situaties (kinderen die kruien met Pake) en dat je daarbij geïnteresseerd bent in de samenhang tussen samenwerken en resultaat. Je vraagt aan honderd van deze teams, bij monde van één vertegenwoordiger of ze lekker samenwerken. En je vraagt ook hoe het resultaat is. Dat resultaat is moeilijk te operationaliseren, want de ene kruiwagen is zwaarder dan de andere. Dus in plaats daarvan vraag je wat ze vinden van de vorderingen. Ik kan me heel goed voorstellen dat je significante verschillen krijgt. Maar dat zijn dan eerder verschillen tussen kinderen dan verschillen m.b.t. het punt waar je in geïnteresseerd bent. Het ene kind reageert daar nu eenmaal anders op dan het andere. Dat zie je al wel aan de koppies. Dat bezwaar geldt ook voor het meeste survey onderzoek naar de rol van supply chain integratie. Er zijn honderden, zo niet duizenden van dergelijke onderzoeken gedaan. De resultaten laten soms wel significante verschillen zien. Maar het is erg onduidelijk of dat komt door de persoonskenmerken van de bevraagde, of door verschillen in opleiding en ervaring tussen de bevraagden of dat het komt door verschillen in bedrijfsvoering. Vaak wordt per bedrijf maar één persoon bevraagd. Dan gaat het in ieder geval hartstikke fout, want een blije vogel die net een MBA opleiding heeft afgerond zal bijvoorbeeld structureel anders reageren dan een door de wol geverfde praktijkman. Die ellende haal je er niet uit via Cronbach’s alfa. Maar ook als je meerdere respondenten per bedrijf hebt, is het lang niet zeker dat het goed gaat vanwege allerhande lokale cultuurtjes die zich gemakkelijk ontwikkelen. Waarom nemen we niet gewoon de tijd en duiken werkelijk in een aantal van dergelijke praktijksituaties? Het resultaat dan wel graag uitgebreid beschrijven, zodat een zo volledig mogelijk oorzaak -> gevolg plaatje is te maken.

59 Arcs of Integration (Fröhlich/Westbrook)
Gebaseerd op IMSS II (International Manufacturing Strategy Survey, 1996)(703 bedrijven, 23 landen) Integratie - > Prestatie Resultaat: bedrijven die het breedst integreren, zowel de leveranciers als de klanten, presteren (veel) beter dan gemiddeld “Integratie” wordt bevraagd via concreet benoemde praktijken Prestatie wordt bevraagd via een “mental index” Het artikel van Fröhlich en Westbrook is gebaseerd op de IMSS survey. Het is verschenen in het A-tijdschrift JOM. Het is een prijswinnend artikel (best paper award) en er wordt veel naar verwezen. Onderwerp is het verband tussen de mate van integratie en prestatie. In elk bedrijf is er één respondent. De mate van integratie wordt naar mijn mening redelijk concreet bevraagd. Het bezwaar van maar één respondent is daar wellicht nog niet zo groot. De operationalisering van “prestatie” is veel gammeler. In de versie van 1996 wordt gevraagd: “In the following list we ask you to mentally construct an index for each manufacturing performance indicator. We ask you to assume that the beginning of 1994 is the base with index 100. How large would you estimate that the percentage change in the index today (1996) would be?”. En dan komt er een lijst van 24 prestatie elementen die deels in principe kwantificeerbaar zijn en deels ook niet. F/W nemen daarvan 19 op in hun onderzoek en interpreteren de antwoorden als harde percentages. Die worden gemiddeld, etc. Vervolgens worden uiterst significante verschillen geconstateerd tussen de breed integrerende bedrijven en de half of niet integrerende bedrijven. De indexen voor de breed integrerende bedrijven zijn allemaal meer dan 20% gegroeid (ook de indexen die puur intern gericht zijn, zoals labor productivity). De indexen voor de andere bedrijven zijn gemiddeld ongeveer 10% gegroeid. Ook de IMSS organisatie zelf heeft kennelijk problemen met de manier waarop performance geoperationaliseerd is. In IMSS III wordt gevraagd de verandering in de laatste drie jaar te scoren op een 5-punts schaal. In IMSS IV wordt die 5-punts schaal aangevuld met percentage bandbreedtes (meer dan 10% reductie tot meer dan 50% groei). Wordt het niet de hoogste tijd om meer aandacht te geven aan replicatie? Ik geef Gyula Vastag die daar al jaren op hamert volledig gelijk. Jammer dat we niet verder zijn gekomen met het organiseren van dat replicatie onderzoek.

60 Het zij zo OK, het probleem blijft nog wel even bestaan
Theorie bouwen kost nu eenmaal tijd Het onderzoek vraagt een goede relatie met de praktijk Geschikt voor SOM: OPERA (Operations management & Operations Research) HRM&OB (HRM & Organisational Behaviour) B&IS (Business & Information Systems) Sluit aan bij RHO (Health Care) Past in het onderwijs Het gaat langzaam, maar misschien is dat ook niet zo erg. Zo kunnen we nog even verder. Het is een zo algemeen probleem dat je niet bang hoeft te zijn dat het verdwenen is voor het is opgelost. Je moet accepteren dat goede theorie bouwen nu eenmaal veel tijd kost. Het onderzoek vraagt een constructieve relatie met de praktijk. En die is toch nodig. Niet zo’n losse telefoontjes en mail relatie zoals je dat bij survey onderzoek vaak ziet. Het sluit inhoudelijk goed aan bij de SOM thema’s. We moeten dan wel de tijd nemen voor werkelijke samenwerking. Het onderzoek in de gezondheidszorg ontwikkelt zich voorspoedig. En dit type van onderzoek is daar goed in te integreren. De gezondheidszorg stelt wellicht nog wel nieuwe uitdagingen. Daar is de relatie tussen het spel en de spelers misschien nog wel ingewikkelder dan in de goederenproductie. Het past bij het onderwijs op dit gebied. Zowel het initiële onderwijs als het post-ervarings onderwijs. Je kunt studenten/cursisten er goed bij betrekken. En is het onderwijs niet het allerbelangrijkst? Onze maatschappelijke bijdrage via onderwijs is vele malen groter dan de maatschappelijke bijdrage via onderzoek. De faculteiten Bedrijfskunde zijn daartoe opgericht. Onderzoek dient in de eerste plaats om ons in het onderwijs academisch-fris te houden. We moeten dat hoofddoel wel voor ogen houden.

61 Operations Management (coördinatie): Onderwijs
Master of Business Administration/Operations and Supply Chains (RuG): academicus die kan ontwikkelen tot logistiek veranderaar TBK (RuG): academicus die kan ontwikkelen tot logistiek ontwerper EMLog (vLm): praktijk professional die leert de problematiek in een breder perspectief te zien, aandacht voor proces verbetering Master Zorglogistiek (vLm/NVZ): accent op procesverbetering, aandacht voor coördinatie Dit zijn de vier opleidingen waarmee ik enige recente ervaring heb. In alle vier de opleidingen past onderwijs in het ontwerpen van planningstructuren, met bijzondere aandacht voor de rol van mensen daarin. Wel in alle vier de opleidingen op een eigen wijze. In de opleiding (algemene) bedrijfskunde, specialisatie Operations & Supply Chains hier aan de RuG zie ik toch vooral de logistieke veranderaar opgeleid worden. Maar die moet wel ook behoorlijk wat weten van het ontwerpen van planning en beheersing. De Technisch Bedrijfskundige, hier van de RuG of van één van de technische universiteiten, is de ontwerper, en zeker ook de logistiek ontwerper, bij uitstek. De Europese Master opleiding Logistiek, die gegeven wordt door de Vereniging van Logistiek Management, samen met TIAS/NIMBAS, richt zich op praktijk professionals. Het ontwerpen van productieplanning en –beheersing is daar hoofdonderwerp. Gezien het feit dat het ontwerpen van planningstructuren altijd het structureren van mensenwerk is, gaat de aandacht voor ontwerpen ook daar gepaard met aandacht voor procesverbetering. Bij de Master Zorglogistiek die door de vLm, samen met de NVZ (Nederlandse Vereniging van Ziekenhuizen) wordt georganiseerd, ligt het accent, gezien de achtergrond van de deelnemers en gezien stand van zaken van de logistiek in de meeste ziekenhuizen, op procesverbetering. Maar het ontwerpen van planning en beheersing krijgt daar zeker ook aandacht. Het onderwerp past dus inderdaad goed in het onderwijs. In combinatie met de net genoemde meer onderzoek gerichte argumenten vormt dit een goede reden om met dit onderzoek door te gaan. Maar ik ga er niet meer over.

62 Maar ik ga er niet meer over
Een goed onderwerp dus. Maar ik ga er niet meer over En eigenlijk ben ik er nooit over gegaan. Want zo kun je geen leiding geven binnen een universiteit. Zelfs als decaan heb je niet veel invloed. Als je je collega’s niet kunt overtuigen, gaat het niet werken. Maar heel incidenteel kun je iets verder gaan dan je overtuigingskracht ruimte schept. Met enig genoegen kom ik daarom nog even terug op deze pantograaf. Ik hoop dat jullie het verschil met de vorige plaatjes is opgevallen. Het oorspronkelijke ontwerp was ongeveer dit. Zien jullie het verschil? Toen Tom Wansbeek, namens het FB van Economie, heel enthousiast, met dit ontwerp langs kwam om ons als medebewoners van het gebouw te raadplegen, wekte het bij mij meteen de associatie van iemand die met een reuzengang rondgeslingerd wordt. We waren toen als FB het facultaire motto aan het ontwikkelen:”Getting things done with people”.

63

64 “Getting things done with people ???”
En dit kon echt niet. Ik zag dat al: mensen die gnuivend naar het gebouw stonden te kijken: “Ja, ja, getting things done with people”. Dus ik ben daar toen dwars voor gaan liggen. Ik ben er voor op het matje geroepen bij de rector. Nou was dat niet heel ongewoon. Ik werd wel vaker op het matje geroepen over akkefietjes met Economie. Maar deze keer bleek er een goede oplossing te zijn. Ik heb gesuggereerd er iets “speels” tussen te doen. Dat is toen die bal geworden. Of misschien een bol, om beter aan te sluiten bij waar ik mee begon: wiskundige modellen. Dat was het. Dank voor alle belangstelling en aandacht van vandaag. En denk elke keer als je die bol ziet even aan mij. De modelbouwers zullen zich dan hopelijk afvragen of ze goed met modellen omgaan. Maak ze niet te groot. Suggereer niet dat ze echt bijna gelijk aan de werkelijkheid zijn. En gek genoeg heeft deze tekenaap ook wel iets van een kruiwagen. De survey onderzoekers mogen zich daarom afvragen of hun onderzoek nog de kruiwagen test kan doorstaan.

65 Bedrijfskunde: “Getting things done with people !!!”