Lokální vs. globální optimum

Výborně, že vás napadá pochybnost. To je první známka, že nejste uvězněni v iluzi úspěchu. Zvýšení výkonu na úzkém hrdle, které nezvýší propustnost celku, je klasický případ optimalizace ne-úzkého místa. Podle teorie omezení (TOC) platí: pokud se propustnost závodu nehýbe, pak jste s největší pravděpodobností neoptimalizovali skutečné úzké hrdlo, ale nějaký jiný článek. Přelili jste vodu, jak říkáte.

Jak to zjistit? Přestaňte měřit výkon dílčího procesu a začněte měřit tok celým systémem. Sledujte, kde se tvoří fronty a kde materiál čeká. Skutečné úzké hrdlo je tam, kde se hromadí rozpracovaná výroba. Pokud jste zvýšili výkon na místě, kde se fronty netvoří, pak jste jen vytvořili přebytečnou kapacitu, která se nikdy neprojeví.

Doporučuji provést „krokovou analýzu“: projděte celý tok od vstupu po výstup a identifikujte jediný proces, který limituje celkový výstup. Pak teprve optimalizujte. A hlavně – nepřestávejte u prvního zlepšení. Lokální optimum je zrádné právě tím, že vypadá jako úspěch. Skutečný globální cíl je maximální propustnost celého závodu, ne maximální výkon jednoho stroje.

Vaše intuice je správná – změna startovních podmínek, která vede k jinému řešení, je jasný signál, že se pohybujete v krajině s mnoha lokálními vrcholy. Váš model je citlivý na výchozí bod, což znamená, že vaše „nejlepší“ řešení je pravděpodobně jen lokální optimum, nikoli globální.

Jak to ověřit? Použijte techniku simulovaného žíhání. Tato metoda záměrně přijímá i horší řešení (sestup z kopce), aby unikla z lokálního vrcholu a prozkoumala vzdálenější části prostoru. Spusťte model s mnoha různými startovními body – ideálně stovky běhů s náhodnou inicializací. Pokud všechna běhy skončí ve stejném řešení, máte silný náznak globálního optima. Pokud končí v různých bodech, pak víte, že krajina má mnoho vrcholů a vaše řešení je jen jedním z nich.

Důležité: odhadněte cenu hledání globálního optima. Kolik výpočetního času a úsilí stojí prozkoumání celého prostoru? A jak velký je rozdíl mezi vaším lokálním řešením a potenciálně lepším globálním? Pokud je rozdíl malý a náklady na hledání vysoké, může být racionální přijmout „dost dobré“ řešení – to je Simonova koncepce ohraničené racionality. Ale pokud jde o velké peníze, investice do robustnějšího prohledávání se vyplatí.

Gratuluji k rekordním časům, ale vaše skepse je na místě. Optimalizace systému na aktuální mix zboží je přesně ten případ, kdy se můžete přizpůsobit lokálnímu optimu, které přestane platit, jakmile se změní struktura zakázek. Historicky nejlepší časy nejsou důkazem globální optimality – jsou jen důkazem, že váš systém dobře funguje pro dnešní podmínky.

Jak to poznáte? Proveďte zátěžový test na robustnost. Vezměte historická data z různých období – s odlišným poměrem velkých a malých zakázek, s jinou frekvencí naléhavých objednávek, s různými sezónními výkyvy. Spusťte váš systém na těchto datech a sledujte, zda si udrží výkonnost. Pokud se časy výrazně zhorší, pak jste optimalizovali pro úzký segment prostoru řešení.

Druhý test: porovnejte svůj systém s jednoduchou alternativou, kterou jste zavrhli. Někdy je nejlepší obranou proti lokálnímu optimu mít dva různé přístupy a porovnávat je za měnících se podmínek. A pamatujte – pokud je váš systém skutečně globálně nejlepší, měl by být nejlepší nejen pro dnešní mix, ale i pro mix, který přichází. Pokud ne, pak jste jen vyleštili lokální vrchol, který se při změně poptávky propadne.