ગુણવત્તા સંચાલન વિષેના લેખ અને બ્લૉગ્સનો બ્લૉગોત્સવ : સંસ્કરણ ૧૨મું - સપ્ટેમ્બર ૨૦૨૪

 ગુણવત્તા સંચાલન વિષેના લેખ અને બ્લૉગ્સના બ્લૉગોત્સવનાં ૧૨માં સંસ્કરણના સપ્ટેમ્બર ૨૦૨૪ના અંક માં આપનું હાર્દિક સ્વાગત છે.

ગુણવત્તા સંચાલન વિષેના લેખ અને બ્લૉગ્સના બ્લૉગોત્સવનાં ૧૨માં સંસ્કરણના  કેન્દ્રવર્તી વિષય તરીકે 'ગુણવત્તા સંચાલનનાં ભવિષ્ય પર પ્રભાવક વલણો - માપદંડોનાં ધોરણો ઊંચાં લઈ જઈએ' પસંદ કરેલ છે.

હવે પછીના મણકાઓમાં નિર્ણય વિવેકપ્રજ્ઞા સાથે ઓછેવત્તે સંકળાયેલા વિષયો અને પારિભાષિક શબ્દોની વાત કરીશું, જેથી નિર્ણય વિવેકપ્રજ્ઞા વિષયનાં અનેક પાસાંઓને વધારે સારી રીતે સમજી શકાય

આજના મણકામાં નિર્ણય વિવેકપ્રજ્ઞા અને વ્યાપાર વિવેકપ્રજ્ઞાના તફાવત  વિશે આપણે ટુંક ચર્ચા કરીશું..

વ્યાપાર વિવેકપ્રજ્ઞાને લગતાં સાધનોની મદદથી સંસ્થાને ડેટા વિશ્લેષણ કરી, તેમાંથી માનસિક ચિત્ર ખડું કરીને, તેને લગતી સ્પષ્ટ સમઝ તારવી શકાય છે. નિર્ણય વિવેકપ્રજ્ઞા આ સ્પષ્ટ સમઝને તેને લગતાં વ્યાપારિક નિર્ણયોમાં રૂપાતર કરી આપે છે.  

BI’ની એક મહત્ત્વની ક્ષમતા વર્તમાન તેમ જ ઐતિહાસિક માહિતી સામગ્રીને ચાળીને તેમાંથી સષ્ટ સમઝને તારવી આપવાની છે. નિર્ણય વિવેકપ્રજ્ઞા એક પગલું આગળ જાય છે. તે તકનીકી ઉત્કૃષ્ટતા અને વ્યાપારી વિચારશક્તિને એક દિશામાં એકત્ર કરીને નવી દિશાઓ કંડારતા નિર્ણયો લેવામાં મદદરૂપ બને છે.

DI મોડેલ અને BI મોડેલને આ આકૃતિ વડે સમજી શકાય છે:

સંદર્ભઃ Business Intelligence (BI) Vs. Decision Intelligence (DI)

આમ, નિર્ણય વિવેકપ્રજ્ઞા વ્યાપાર વિવેકપ્રજ્ઞા કરતાં આ ત્રણ બાબતે અલગ પડે છેઃ[1]

૧) નિર્ણય વિવેકપ્રજ્ઞા BI અને માહિતી સામગ્રી વિજ્ઞાન - એટલે કે વર્ણનાત્મક, નિદાનમાં મદદરૂપ અને ભાવિસૂચક વિશ્લેષકો- ને સાંકળતી કડી છે.

૨) વિશ્લેષણકારો માટે બહુ શકિશાળી અને નિર્ણયકર્તાઓ માટે બહુ સરળ.

૩) નિર્ણય વિવેકપ્રજ્ઞા સમજપૂર્વકનાં સ્વયંસંચાલનને આવરી લે છે.

વધારાનું વાંચન :

The Difference between Business Intelligence and Decision Support System - Swathi_G

The Importance of Business Intelligence in Decision-Making

It's Decision Intelligence, Not Business Intelligence, That Is Key

Transitioning from business intelligence to decision intelligence with Erwin Bisschops

હવે પછીના મણકાઓમાં આપણે નિર્ણય વિવેકપ્રજ્ઞા પ્રક્રિયા સાથે સંકળાયેલા વિષયો અને પારિભાષિક શબ્દોની ઘટકો વિશે વાત ચાલુ રાખીશું..

હવે આપણે આપણા નિયમિત વિભાગો તરફ વળીએ:

ASQ TV માંથી

Intelligent Automation for Quality Professionals - રેશનલ વેક્ક્સીનસનાં ગ્લોબલ ક્વૉલિટી ઓફિસર ક્રિસ્ટી મૅઝ્ઝારીસી સમજદાર સ્વયંસંચાલનની સમજ આપવાની સાથે તેમણે તાજેતરમાં પુરા કરેલ આ વિષયના એક પ્રોજેક્ટે તેમની સંસ્થાનું કેટલું ડિજિટલ રૂપાંતરણ કરી નાખ્યું તે જણાવે છે.

Quality Mag માંથી

Using Data to Drive Organizational Action - Mark A. Nash, Dr. Sophronia Ward -  ગુણવત્તા વ્યાવસાયિકો માટે પ્રાથમિક પડકાર પૂરતો ડેટા પ્રાપ્ત કરવાનો નથી પરંતુ યોગ્ય ડેટા એકત્રિત કરવાનો અને તેનું યોગ્ય રીતે વિશ્લેષણ કરવાનો છે...આજના ડેટા-માઇનિંગ વિશ્વની મુશ્કેલીઓમાં માર્ગ કાઢવા માટે, વ્યક્તિએ ઉચ્ચ સંચાલન તંત્ર દ્વારા બનાવવામાં આવેલ અવરોધો અને શક્તિશાળી સોફ્ટવેર ઉપાયો સાથે સંકળાયેલ જ્ઞાનના વ્યાપક અભાવને દૂર કરવું આવશ્યક છે. 

જ્યારે સંસ્થાકીય ક્રિયાઓ ફક્ત ઉત્પાદન અથવા સેવાના વિશિષ્ટ વિવરણો (specifications) દ્વારા સંચાલિત થાય છે, ત્યારે જે થઈ રહ્યું છે તેનું સાચું ચિત્ર ઘણીવાર ચૂકી જવાય છે. વિશિષ્ટ વિવરણો પર વિશેષ ધ્યાન કેન્દ્રિત કરવાથી તેની અંતર્ગત ચાલતી પ્રક્રિયાઓ નજરઅંદાજ થવા લાગે છે. પ્રક્રિયાઓ પોતાની ક્ષમતા મુજબ જે સહજ વાસ્તવિક પરિણામો પેદા કરે છે તે મૂળ હેતુપૂર્વક અનુઅસારનાં કે અથવા ધારેલ અપેક્ષા મુજ્બ ન પણ હોઈ શકે છે.

જો કે, વિશિષ્ટ વિવરણો અને પ્રક્રિયાની સ્વાભાવિક વર્તણૂકના સ્રોતોમાં અલગ અલગ છે. વિશિષ્ટ વિવરણો ગ્રાહકની જરૂરિયાતો, અપેક્ષાઓ અને ખર્ચાની ગણતરીઓમાંથી મેળવવામાં આવે છે, જેમાં એન્જિનિયરિંગ, મેન્યુફેક્ચરિંગ મેનેજમેન્ટ અથવા ઉચ્ચ સંચાલન તંત્રના ઇનપુટ્સ શામેલ હોઈ શકે છે. આ વિશિષ્ટ વિવરણો પ્રક્રિયા કેવી રીતે કામ કરશે કે  તે કેવાં પરિણામો પેદા કરશે તેનાં ચાલક બળ નથી..

પ્રક્રિયાઓ મશીનની ક્ષમતાઓ, સંસ્થાના અને ગ્રાહકોની જરૂરિયાતોને સંતોષવા માટે ધ્યેયનો સારો આશય ધરાવતા કર્મચારીઓ અનુભવો અને જ્ઞાનના આધારે ડિઝાઇન કરવામાં આવે છે. જો કે, જ્યાં સુધી પ્રક્રિયા કાર્યરત ન થાય ત્યાં સુધી વાસ્તવિક પરિણામો અજ્ઞાત જ રહે છે. ક્રિયાઓ ચલાવવા માટે પ્રક્રિયા વર્તણૂક આલેખ Process Behavior Chart / PBC  પર વિશિષ્ટ વિવરણોને પાથરી દેવાથી પ્રક્રિયાઓની કામગીરીની કાર્યસિદ્ધિની વાસ્તવિકતા ચૂકી જવાય છે. પ્રક્રિયા વિશિષ્ટ વિવરણોને સમજી શકતી નથી, એટલે માત્ર વિશિષ્ટ વિવરણોનાં અનુપાલન પર આધારિત પ્રક્રિયા ડિઝાઈન અને પરિણામો પરની પ્રતિક્રિયાઓ બિનજરૂરી થાગડ થીગડવાળા ઉપાયોમાં પરિણમી શકે છે, અને તેથી પ્રક્રિયાને અસ્થિર બનીજઈ શકે છે.

માત્ર અંતિમ પરિણામો પર નહીં, પણ સમગગ્રતયા માપન પ્રક્રિયા પર ધ્યાન કેન્દ્રિત કરવું જોઈએ અસરકારક બનવા માટે, સંસ્થાઓએ પ્રક્રિયાને માપવાની અને જ્યારે પ્રક્રિયા માપનના સંકેતો આવે ત્યારે તેનાં મૂળ કારણોની તપાસ કરવાની જરૂર છે. આ અભિગમ સપાટી-સ્તરના ડેટા પર પ્રતિક્રિયા આપવાને બદલે વાસ્તવિક સમસ્યાઓને ઓળખવામાં મદદ કરે છે.

PBC એ પ્રક્રિયામાં કર્મચારીઓને સામેલ કરીને સંકેતોની તપાસ માટે સાતત્યપૂર્ણ પ્રદાન કરે છે. કર્મચારીઓએ PBCના હેતુ અને કાર્યને સમજવું જોઈએ અને તેઓ ડેટાને સચોટ રીતે ટ્રૅક કરવામાં અને દસ્તાવેજિત કરવામાં સક્ષમ હોવા જોઈએ. આ રીતે તેમને સામેલ કરવાથી કર્મચારીઓ અર્થપૂર્ણ ડેટાના આધારે નિર્ણયો લેતા ઉકેલનો ભાગ બને એવું સુનિશ્ચિત થઈ શકે છે.. ઉત્પાદન અથવા સેવાની ડિઝાઈનના તબક્કાથી લઈને પ્રક્રિયાના વિકાસના તબક્કામાં, તેમજ પ્રક્રિયાના અમલ દરમ્યાન, સફળતા સુનિશ્ચિત કરવા માટે કર્મચારીઓ અને સંબંધિત હિતધારકોના પ્રતિસાદ સતત મળતા રહે તે જરૂરી છે. [નીચેનું રેખાચિત્ર  જુઓ.]

સમગ્ર પ્રક્રિયા જીવન ચક્ર દરમ્યાન ડેટાનો ઉપયોગ કરવાનું એક સરળ દ્રશ્ય. છબી સ્ત્રોત: પિનેકલ પાર્ટનર્સ

 ગુણવત્તાની શ્રેષ્ઠતાને અનુસરવા માટે, એક્ઝિક્યુટિવ મેનેજમેન્ટ અથવા પ્રક્રિયાથી અલગ કરાયેલી અન્ય સંસ્થાઓ દ્વારા નક્કી કરાતા બિનઆવશ્યક હોય એવી કડક આવશ્યકતાઓ અને આદેશોને ટાળો. પ્રક્રિયા-કેન્દ્રિત એવાં મેટ્રિક્સ બનાવો જે કર્મચારીઓ માટે અર્થપૂર્ણ હોય, કે પછી ઉત્પાદનો અથવા સેવાઓ માટે સહાયક હોય એવાં મેટ્રિક્સ વિકસાવો. એવા સૉફ્ટવેરનો ઉપયોગ કરવાનું ટાળો જેને કર્મચારીઓ તેમ જ ગુણવત્તા વ્યાવસાયિકો સંપૂર્ણપણે સમજી શકતા નથી. જો એ લોકોને સોફ્ટવેર મોડ્યુલ અથવા ફોર્મ્યુલા વિશેનાં જ્ઞાનનો અભાવ હોય, તો તે જે પરિણામો આવશે  તે ભ્રામક હોઈ શકે છે. સાધનો અને પ્રક્રિયાઓની ઊંડાણપૂર્વકની સમજ જાળવવા માટે સંસ્થામાં સતત નવું નવૂ  શીખતા રહીને ભાવિ પરિસ્થિતિઓને અનુરૂપ જ્ઞાનનો પ્રસાર મહત્વપૂર્ણ છે..

---

ગુણવત્તા સંચાલનનાં ભવિષ્ય પર પ્રભાવક વલણો - માપદંડોનાં ધોરણો ઊંચાં લઈ જઈએ’ વિશેની ચર્ચાને રસપ્રદ અને અર્થપૂર્ણ બનાવવામાં આપનાં સૂચનો / ટીકાટિપ્પણીઓ / માર્ગદર્શન / અનુભવો આવકાર્ય છે.

આ અંકમાં દર્શાવેલ ઇમેજ કે વિડીયો ક્લિપના પ્રકાશાનાધિકાર તેના રચયિતાના જ રહે છે.

---

[1] 3 Ways Decision Intelligence Differs from Business Intelligence - Ajay Khanna