Понимание систем поддержки принятия решений в инженерии

Системы поддержки принятия решений (DSS) представляют собой интегрированные компьютерные информационные системы, которые объединяют данные, модели и пользовательские интерфейсы для поддержки полуструктурированного и неструктурированного принятия решений. В инженерных условиях DSS помогает менеджерам проектов, инженерам-проектировщикам и владельцам фирм оценивать компромиссы, оптимизировать распределение ресурсов и моделировать результаты до выделения капитала или времени. Например, фирма гражданского строительства может использовать DSS для сравнения конструкций фундамента на основе стоимости, условий почвы и нормативных ограничений, или магазин машиностроения может развернуть DSS для определения приоритетов графиков обслуживания по нескольким контрактам с клиентами.

Основные компоненты DSS включают базу данных (или хранилище данных) для хранения структурированных и неструктурированных данных, модельную базу с алгоритмами анализа и моделирования и пользовательский интерфейс, который представляет результаты в приборных панелях, отчетах или визуализации. Современные DSS часто включают инструменты бизнес-аналитики, модули машинного обучения и интеграцию с программным обеспечением планирования ресурсов предприятия (ERP). В небольших инженерных фирмах DSS может быть более простым облачным решением, которое работает на стандартных ноутбуках, но даже эти скромные настройки требуют тщательной настройки и постоянной поддержки.

В то время как крупные инженерные корпорации выделили ИТ-отделы и бюджеты для внедрения сложных DSS, небольшие фирмы - как правило, определяемые как имеющие менее 50 сотрудников и годовые доходы менее 10 миллионов долларов - сталкиваются с другой реальностью. Согласно отчету Американского общества гражданских инженеров (ASCE) за 2023 год, небольшие консалтинговые и дизайнерские фирмы представляют более 80% инженерной отрасли в Соединенных Штатах по количеству фирм, но они принимают передовые инструменты поддержки принятия решений менее чем в половине случаев своих более крупных коллег. Понимание того, почему этот разрыв сохраняется и как его закрыть, имеет важное значение для конкурентоспособности и устойчивости малых инженерных фирм в профессии, основанной на данных.

Основные проблемы, с которыми сталкиваются малые инженерные фирмы

Ограниченные финансовые ресурсы

Небольшие инженерные фирмы работают с разреженной бритвой, и полная реализация DSS может легко стоить от 20 000 до 100 000 долларов США в начальных лицензионных, аппаратных и интеграционных сборах, в зависимости от сложности. Даже облачные модели программного обеспечения как услуги (SaaS), которые снижают первоначальные капитальные расходы, несут ежемесячные абонентские сборы, которые быстро складываются, когда лимиты хранения данных превышены или требуются дополнительные места пользователя. Например, структурная инженерная фирма с пятью штатными инженерами может нуждаться в DSS, которая поддерживает анализ конечных элементов, отслеживание затрат на проект и проверку соответствия нормативным требованиям - комбинация, которая может стоить от 1500 до 3000 долларов США в месяц на основе каждого места.

Помимо первоначальной покупки, текущие расходы на обновление программного обеспечения, обслуживание серверов (если они есть на месте), меры кибербезопасности и резервное копирование данных могут ежегодно потреблять 10-20% первоначальных инвестиций. В опросе, проведенном Engineering Management Review в 2022 году, 67% малых инженерных фирм назвали «непредсказуемые технологические затраты» в качестве главного барьера для принятия новых систем. Многие владельцы фирм не решаются заключать долгосрочные контракты без четкой, немедленной рентабельности инвестиций, особенно когда денежный поток привязан к этапам проекта и платежам клиентов.

Чтобы проиллюстрировать, рассмотрим пример фирмы гражданского строительства из 12 человек в Огайо, которая пыталась внедрить DSS корпоративного уровня для моделирования трафика и гидрологического моделирования. Потратив 45 000 долларов на лицензии на программное обеспечение и еще 15 000 долларов на консультанта для настройки системы, фирма обнаружила, что ее существующим рабочим станциям не хватает необходимых возможностей ОЗУ и графического процессора. Модернизация оборудования добавила 8 000 долларов за рабочую станцию, что вывело общие инвестиции далеко за пределы отметки в 80 000 долларов. Фирма в конечном итоге вернулась к пилотному проекту с двумя лицензиями, но потеряла три месяца оплачиваемого времени во время прерванного развертывания. Эта история не уникальна; многие небольшие фирмы оказываются в ловушке между желанием мощных инструментов и реальностью ограниченных бюджетов.

Отсутствие технической экспертизы

Внедрение и поддержание DSS требует сочетания навыков, которых не хватает в небольших инженерных командах: проектирование данных, статистический анализ, системная интеграция и обучение пользователей. В отличие от крупных фирм, в которых работают специалисты по данным и ИТ-специалисты, небольшие фирмы обычно просят старших инженеров или менеджеров проектов удвоиться в качестве «технического человека». Эти люди уже истощены оплачиваемой работой, а изучение новой сложной системы при сохранении проектов в графике часто приводит к выгоранию или частичному принятию.

Кроме того, знания в области, необходимые для настройки DSS для инженерных работ, таких как применение взвешенных матриц принятия решений для выбора материала, настройка моделирования Монте-Карло для анализа рисков затрат или интеграция данных ГИС для выбора сайта, не преподаются в большинстве программ бакалавриата. Исследование 2021 года, опубликованное в Журнале профессиональных проблем в инженерном образовании и практике, показало, что только 23% выпускников гражданского строительства сообщили о любом формальном обучении инструментам поддержки принятия решений. В результате небольшие фирмы должны либо нанимать дорогостоящих консультантов, либо инвестировать значительное время в самостоятельное обучение, оба из которых трудно поддерживать.

Еще одним аспектом этой проблемы является то, что поставщики программного обеспечения DSS часто разрабатывают свои продукты для корпоративных клиентов с крутыми кривыми обучения и сложными административными интерфейсами. Администратор небольшой фирмы может изо всех сил пытаться настроить ролевые разрешения, настроить автоматизированный импорт данных из внешних источников (например, базы данных о погоде или индексы стоимости материалов) или устранить ошибки интеграции. Без специальной поддержки система может быть заброшена после нескольких месяцев разочарования. В известном случае компания по проектированию окружающей среды из 15 человек во Флориде приобрела DSS для моделирования грунтовых вод, но не смогла обучить персонал тому, как проверять входные данные. Следовательно, модель произвела ошибочные прогнозы загрязнения, что привело к дорогостоящему перепроектированию плана восстановления. Фирма в конечном итоге вернулась к ручным расчетам, растрачивая 60 000 долларов инвестиций.

Сопротивление переменам и культурные барьеры

Организационное сопротивление, пожалуй, является самым недооцененным препятствием. Инженерная культура часто ценит интуицию, опыт и «чувство кишки» - особенно среди старших директоров, которые построили фирму на своем личном суждении. Введение DSS, который количественно оценивает риск, предлагает альтернативы или автоматизирует решения, может чувствовать угрозу. Более молодые инженеры могут приветствовать инструмент, в то время как установленные партнеры могут отклонить его как бесполезный «черный ящик». Это напряжение может создать трение, которое задерживает реализацию.

Управление изменениями в небольшой фирме особенно сложно, потому что нет формальных механизмов для нисходящего мандата и нет преданных сторонников изменений. В крупной корпорации менеджер проекта может быть назначен для принятия руководства, а стимулы к работе могут быть согласованы с показателями использования. В небольшой фирме владелец или управляющий партнер должны лично управлять изменениями, но они часто являются самыми погруженными в унаследованные процессы. Более того, у небольших фирм меньше слабости - каждый час, потраченный на изучение новой системы, - это час, не выставляя счет клиенту. В опросе Общества женщин-инженеров 2020 года 54% респондентов из небольших организаций заявили, что «страх потери производительности во время кривой обучения» был основной причиной, по которой они не приняли новое программное обеспечение.

Наглядным примером является архитектурная инженерная фирма из 25 человек в Денвере, которая пыталась внедрить DSS для оптимизации освещения и энергии. Ведущий партнер настаивал на использовании инструмента для каждого проекта, но ассоциированные инженеры, которых оценивали по оплачиваемым часам, возмущались дополнительным шагом. Они начали вводить фиктивные данные, чтобы «удовлетворить» систему, продолжая полагаться на эмпирические правила. В течение шести месяцев DSS собирала данные о мусоре и была заброшена. Фирма не только потратила 30 000 долларов, но и должна была отменить поврежденные записи проекта. Это подчеркивает, что без учета человеческих факторов даже самая сложная DSS предназначена для отказа.

Стратегии преодоления проблем реализации

Начните с малого с пилотного проекта

Наиболее эффективный способ преодоления финансовых ограничений и культурного сопротивления - это избежать развертывания "большого взрыва". Вместо этого, выявьте одну проблему с принятием решений с высокой стоимостью и низким риском, с которой сталкивается фирма в настоящее время, и реализуйте решение DSS только для этой проблемы. Например, небольшая машиностроительная фирма может построить простую модель списания затрат для одного производственного процесса, используя DSS на основе электронных таблиц, которая может быть обновлена позже. Пилот должен иметь четкие показатели успеха - такие как 15% сокращение отходов материалов или 20% более быстрое время реагирования на заказы на изменение клиентов - и короткий оборот (2-4 месяца).

После того, как пилот продемонстрирует ощутимую ценность, внутренний чемпион может использовать результаты для построения бизнес-кейса для более широкого принятия. Первоначальные низкие инвестиции снижают финансовые риски, а практический опыт помогает членам команды развивать уверенность и компетентность. Кроме того, пилот позволяет фирме тестировать поддержку поставщиков, простоту интеграции и потребности в обучении пользователей, прежде чем брать на себя обязательства по полной платформе. Тематические исследования Американского института архитекторов (AIA) показывают, что фирмы, использующие пилотные подходы, достигают 80% уровня принятия после пилота по сравнению с менее чем 30% для фирм, которые сразу же пытаются полномасштабные реализации.

Ищите внешнюю поддержку и партнерство

Небольшим инженерным фирмам не нужно решать все самостоятельно. Взаимодействие с технологическими консультантами, специализирующимися на DSS для инженерных приложений, может обеспечить критический опыт без очного найма. Многие университеты с программами инженерного управления предлагают доступные консультационные услуги через свои бизнес-центры. Например, Техасский университет в Институте IC2 в Остине сотрудничает с десятками небольших инженерных фирм для создания пользовательских DSS по субсидируемым ставкам. Кроме того, отраслевые ассоциации, такие как Национальное общество профессиональных инженеров (NSPE), ведут каталоги проверенных поставщиков технологий и партнеров по интеграции.

Другая эффективная стратегия заключается в партнерстве с поставщиком инженерного программного обеспечения на основе справочного случая. Продавцы часто предлагают сниженные лицензионные сборы или бесплатные пробные периоды в обмен на отзывы и отзывы, особенно если фирма работает в недостаточно обслуживаемом секторе. Облачные платформы DSS, такие как примеры DSS Invensis , показывают, как небольшие фирмы могут получить доступ к сложной аналитике через ежемесячные подписки без предварительных затрат на оборудование. Кроме того, использование платформ DSS с открытым исходным кодом - таких как KNIME Analytics Platform - может резко снизить затраты на лицензирование, предлагая мощные возможности моделирования, хотя они требуют больше времени технической настройки.

Небольшие фирмы также должны рассмотреть возможность присоединения к кооперативным закупочным альянсам, в которых несколько фирм разделяют стоимость внедрения DSS и общего администратора. Например, группа из пяти структурных инженерных фирм в одном столичном регионе может совместно приобрести облачную DSS для анализа ветровой нагрузки и разделить затраты на сервер. Эта модель становится все более популярной через такие организации, как Small Engineering Firm Cooperative (SEFCO).

Инвестируйте в целевое обучение и управление изменениями

Обучение должно выходить за рамки учебных пособий по программному обеспечению; оно должно касаться «почему» и «как» принятия решений на основе данных в инженерном контексте. Вместо того, чтобы ожидать, что каждый инженер станет специалистом по данным, фирма должна идентифицировать одного или двух «суперпользователей», которые получают глубокую подготовку по техническим аспектам DSS. Эти суперпользователи затем становятся внутренними ресурсами поддержки, уменьшая зависимость от внешних консультантов. Структурированный план обучения должен включать: (1) вступительную сессию с использованием реального исторического проекта с известными результатами; (2) практическую сессию с руководством, где участники проходят новый проект шаг за шагом; (3) последующий семинар два месяца спустя для решения проблем и уточнения рабочих процессов.

Управление изменениями в небольшой фирме более реляционно, чем структурно. Владелец фирмы или управляющий партнер должен сообщать о преимуществах DSS в терминах, которые резонируют с каждым членом команды. Для старших инженеров, ориентированных на опыт, сообщением может быть то, что DSS обрабатывает повторяющиеся вычисления, освобождая их от необходимости фокусироваться на более высоком уровне проектирования и клиентских отношений. Для младших инженеров DSS предоставляет возможность изучать лучшие практики и создавать портфель, основанный на данных. Кроме того, небольшие фирмы могут использовать мягкие стимулы: например, присуждение «чемпиону DSS месяца» небольшого бонуса или признания в еженедельном стенде.

Также полезно институционализировать DSS, интегрируя его в процесс контроля качества фирмы. Если стандартная операционная процедура требует, чтобы ключевые решения каждого проекта регистрировались с использованием DSS (например, предположения о стоимости, критерии выбора материала, регистр риска), то использование становится привычным, а не необязательным. В течение трехмесячного периода инструмент встраивается в ДНК фирмы.

Приоритет функций на основе болевых точек

Вместо того, чтобы покупать пакет DSS «все в одном», малые фирмы должны проводить «оценку потребностей в принятии решений». Это включает в себя перечисление 10 повторяющихся решений, которые вызывают задержки, ошибки или переделки, а затем отображение функций DSS для каждого. Например, если изменение цены заказа последовательно занимает 12 часов и имеет высокую частоту ошибок, модуль DSS, который автоматизирует поиск поставщиков цен и корректировку ставок труда, может принести немедленную экономию. Если оценка риска проекта субъективна и непоследовательна, DSS с предварительно построенной матрицей рисков и моделированием Монте-Карло будет наиболее выгодным.

Затем фирмы должны ранжировать эти потребности по стоимости отказа и частоте. Простая взвешенная система подсчета баллов может помочь решить, какой компонент DSS купить первым. Многие поставщики программного обеспечения позволяют модульные покупки; например, Procore предлагает модули управления проектами, которые сосредоточены на поддержке принятия решений по стоимости и графику, в то время как Bluebeam обеспечивает структурированное извлечение данных для принятия решений по обзору. Сопоставляя функции с явными болями, фирма гарантирует, что каждый доллар, потраченный на DSS, непосредственно улучшает операции, что облегчает количественную оценку и связь с ROI.

Измерение успеха и поддержание импульса

После внедрения крайне важно установить ключевые показатели эффективности (KPI), которые отслеживают влияние DSS. Общие показатели включают: экономию времени на решение (например, сокращение обзора заявок с 4 часов до 2), снижение ошибок (например, меньше RFI из-за неполных спецификаций) и повышение рентабельности (например, меньше проектов, которые заканчиваются в рамках бюджета из-за лучшего распределения ресурсов). Фирмы также должны отслеживать показатели принятия пользователей - если менее 70% соответствующего персонала используют DSS после шести месяцев, анализ первопричины. Реализация должна рассматриваться как итеративный процесс; корректировки модели, обучения и рабочих процессов ожидаются в течение первого года.

Часто упускается из виду фактор успеха — качество данных. DSS так же хорош, как и данные, вводимые в него. Малые фирмы должны устанавливать простые правила управления данными: стандартизировать соглашения об именах для типов материалов, кодов проектов и категорий затрат; автоматически вводить данные , где это возможно, посредством интеграции с существующим бухгалтерским или CAD-программным обеспечением; и планировать периодические аудиты данных (например, ежеквартально) для очистки устаревших записей. фирма, которая инвестирует 5-10 часов в месяц в гигиену данных, увидит значительно лучшие результаты, чем та, которая рассматривает данные как запоздалую мысль.

Тенденции будущего: что должны увидеть малые инженерные фирмы

Пейзаж DSS быстро развивается, и несколько тенденций готовы снизить барьеры для небольших фирм. Облачные вычисления уже сократили затраты на инфраструктуру; следующим рубежом является рост платформ DSS с низким кодом / без кода, которые позволяют инженерам создавать пользовательские модели с использованием интерфейсов перетаскивания и запросов на естественном языке. Такие инструменты, как IBM SPSS Modeler , добавляют упрощенные версии для малого бизнеса. Кроме того, интеграция генеративного ИИ в DSS может направлять пользователей через процессы принятия решений, предлагая соответствующие модели на основе типа проекта - например, рекомендуя алгоритм линейного программирования для распределения ресурсов или дерево решений для оценки рисков.

DSS на основе блокчейна начинают появляться в цепочке поставок и логистической инженерии, предлагая неизменные аудиторские маршруты для принятия решений - благо для соблюдения нормативных требований в таких областях, как структурная безопасность или оценка воздействия на окружающую среду. Хотя эти технологии все еще зарождаются, они могут в конечном итоге предоставить небольшим фирмам возможности, которые ранее были доступны только для крупных предприятий. Кроме того, тенденция к ценообразованию на основе результатов (плата за успешное решение, а не за лицензию) набирает обороты, что напрямую увязывает затраты с стоимостью.

Наконец, малые инженерные фирмы должны рассмотреть возможность участия в отраслевых консорциумах, которые поддерживают общие модели DSS. Например, Институт структурной инженерии предлагает облачную DSS для расчетов нагрузки, которая обновляется сотнями фирм-членов. Путем объединения ресурсов малые фирмы получают доступ к системе, которая будет непомерно дорогой индивидуально. Сотрудничество и модульное принятие определят следующее десятилетие DSS в небольших инженерных фирмах.

Заключение

Внедрение системы поддержки принятия решений в небольшой инженерной фирме является грозным, но достижимым делом. Основные препятствия - ограниченные бюджеты, отсутствие технического опыта и культурного сопротивления - являются структурными, а не непреодолимыми. Начиная с целенаправленного пилота, используя внешнюю поддержку и партнерские отношения с поставщиками, инвестируя в практическую подготовку и управление изменениями, а также расставляя приоритеты функций, которые касаются самых болезненных решений фирмы, небольшие фирмы могут разблокировать преимущества, основанные на данных, которые долгое время были областью крупных корпораций. Путь требует преднамеренного планирования и терпения, но выгода - сокращение переделки, более быстрые ставки, лучшие результаты проекта и более сильные отношения с клиентами - стоит усилий.

Для инженерных лидеров, рассматривающих этот путь, помните, что DSS - это не одноразовая покупка, а развивающаяся способность. Измеряйте прогресс, празднуйте победы и постоянно совершенствуйте систему по мере роста фирмы. При правильном подходе даже самая маленькая инженерная фирма может использовать силу поддержки принятия решений для эффективной конкуренции в современной сложной и быстро меняющейся инженерной среде.