目標、量度與控制
發展製造科學並不是一項微不足道的工作，就像應用這門學科解決製造問題那樣困難。而系統方法對這兩個問題都有益。
系統方法（TheSystemsApproach）
猜測與反駁的主張不僅是科學研究的工具，它也極其有用的解決問題的方法論基礎，如大家都知道的系統方法（systems approach），或者系統分析（systems analysis）。系統分析（SA）已經被正式研究至少30年了（見Ackoff1956，Churchman1986，Miser和Quade1985、1988）；但除了名字之外早已是管理思想的一部分，則至少要追溯到Chester（1938）的工作。
目標、量度與控制
發展製造科學並不是一項微不足道的工作，就像應用這門學科解決製造問題那樣困難。而系統方法對這兩個問題都有益。
系統方法（TheSystemsApproach）
猜測與反駁的主張不僅是科學研究的工具，它也極其有用的解決問題的方法論基礎，如大家都知道的系統方法（systems approach），或者系統分析（systems analysis）。系統分析（SA）已經被正式研究至少30年了（見Ackoff1956，Churchman1986，Miser和Quade1985、1988）；但除了名字之外早已是管理思想的一部分，則至少要追溯到Chester（1938）的工作。
簡要地說，系統分析就是一種結構化的解決問題的方法，具有以下特徵：
1.系統觀點（a systems view）。問題經常在具有相互作用的子系統的系統的背景下呈現（例如，工廠就是一個系統，它由不同的產線組成，產線又由不同的段、班、線等組成的子系統所支持）。關鍵是生成一個廣泛的、對問題整體的認識，而不是狹窄的、殘缺的觀點。
2.手段-目的分析方法（means-endsanalysis）。首先指定目標，然後按照目標列示和評價備擇方案。注意它和常用於政治領域的"手段第一（means first）"方法形成鮮明對比，政治方法是先擺出備擇方案，而目標只是達成一致過程中的權宜之計。例如，系統分析可能會使用"把貨物方便快捷地送達客戶"的目標，而不會使用"提高處理採購訂單的效率"的目標。後者就是"手段第一"方法，它可能排除一些潛在的有吸引力的選擇方案（如，用全新的程序處理採購訂單）。（192|193）
3.創造性的備擇方案的產生（creative alternative generation）。當我們的腦海中形成目標，系統方法就會盡可能的大範圍搜尋可供選擇的方案。許多格式化的頭腦風暴技術已被開發出來並且用於支持這個過程。不管我們使用了什麼方法，意圖就是用一些非顯而易見的方法去改善系統。例如，要減少製造週期時間（製造一件產品所花費的時間），我們需要看得更遠一點，而不是簡單地考慮如何加快單個工序和想方設法取消整個產品步驟中的一部分。
4.建模和優化（modeling and optimization）。以目標數值的形式來比較這些可選擇的方案，我們需要一些量化分析方法。建模/優化的步驟可能就像計算每個可選擇方案的成本並選擇最便宜的一個一樣簡單，或者它也可能需要一個複雜的數學模型的分析。具體細化到什麼水平則依賴與所研究系統的複雜性以及這些行為的潛在邊際影響（如，為了節省$52,000卻花費了$50,000來分析的行為一點意義也沒有）。
5.迭代（iteration）。差不多每一次系統分析過程中，目標、方案以及建模都是被多次修正過的。但這並不是因為我們傻；而是因為現實世界的系統都是複雜的。發現錯誤和疏漏天生是猜測與反駁方法的一部分。
圖1描述了系統分析過程中四個基本階段的一個綱要：運營分析、系統設計、執行和評估。正如反饋箭頭所表示的那樣，這些階段並不是按先後順序的。迭代能夠發生並且應該發生在階段內部和階段之間。此外，在進行分析時，研究的焦點還在真實世界和模擬（模型）世界之間搖擺不定。（193|194）
目標、量度與控制
發展製造科學並不是一項微不足道的工作，就像應用這門學科解決製造問題那樣困難。而系統方法對這兩個問題都有益。
系統方法（TheSystemsApproach）
猜測與反駁的主張不僅是科學研究的工具，它也極其有用的解決問題的方法論基礎，如大家都知道的系統方法（systems approach），或者系統分析（systems analysis）。系統分析（SA）已經被正式研究至少30年了（見Ackoff1956，Churchman1986，Miser和Quade1985、1988）；但除了名字之外早已是管理思想的一部分，則至少要追溯到Chester（1938）的工作。
簡要地說，系統分析就是一種結構化的解決問題的方法，具有以下特徵：
1.系統觀點（a systems view）。問題經常在具有相互作用的子系統的系統的背景下呈現（例如，工廠就是一個系統，它由不同的產線組成，產線又由不同的段、班、線等組成的子系統所支持）。關鍵是生成一個廣泛的、對問題整體的認識，而不是狹窄的、殘缺的觀點。
2.手段-目的分析方法（means-endsanalysis）。首先指定目標，然後按照目標列示和評價備擇方案。注意它和常用於政治領域的"手段第一（means first）"方法形成鮮明對比，政治方法是先擺出備擇方案，而目標只是達成一致過程中的權宜之計。例如，系統分析可能會使用"把貨物方便快捷地送達客戶"的目標，而不會使用"提高處理採購訂單的效率"的目標。後者就是"手段第一"方法，它可能排除一些潛在的有吸引力的選擇方案（如，用全新的程序處理採購訂單）。（192|193）
3.創造性的備擇方案的產生（creative alternative generation）。當我們的腦海中形成目標，系統方法就會盡可能的大範圍搜尋可供選擇的方案。許多格式化的頭腦風暴技術已被開發出來並且用於支持這個過程。不管我們使用了什麼方法，意圖就是用一些非顯而易見的方法去改善系統。例如，要減少製造週期時間（製造一件產品所花費的時間），我們需要看得更遠一點，而不是簡單地考慮如何加快單個工序和想方設法取消整個產品步驟中的一部分。
4.建模和優化（modeling and optimization）。以目標數值的形式來比較這些可選擇的方案，我們需要一些量化分析方法。建模/優化的步驟可能就像計算每個可選擇方案的成本並選擇最便宜的一個一樣簡單，或者它也可能需要一個複雜的數學模型的分析。具體細化到什麼水平則依賴與所研究系統的複雜性以及這些行為的潛在邊際影響（如，為了節省$52,000卻花費了$50,000來分析的行為一點意義也沒有）。
5.迭代（iteration）。差不多每一次系統分析過程中，目標、方案以及建模都是被多次修正過的。但這並不是因為我們傻；而是因為現實世界的系統都是複雜的。發現錯誤和疏漏天生是猜測與反駁方法的一部分。
圖1描述了系統分析過程中四個基本階段的一個綱要：運營分析、系統設計、執行和評估。正如反饋箭頭所表示的那樣，這些階段並不是按先後順序的。迭代能夠發生並且應該發生在階段內部和階段之間。此外，在進行分析時，研究的焦點還在真實世界和模擬（模型）世界之間搖擺不定。（193|194）
圖1 一個系統分析範例
系統分析開始於運營分析（operations analysis）階段
在這個階段我們的焦點集中於從本質上觀察現實系統和建立合適有用的模型的科學（scientific）任務。要做到這些，我們要試著定義問題的目標、約束和可選擇方案。開始的時候這些好像看起來很明顯，但是實際上它們經常比我們所希望的難懂得多。因此，我們必須試驗性的推測它們，然後尋找矛盾。隨著項目的進行，新目標、新約束、新方案可能會出現，那麼它們之間的相對重要性也可能改變。
另外一個涉及反覆考慮目標和約束並且經常出現的問題是如何有代表性地選擇。一個明顯的喜好經常被聲明為目標或者是約束。例如，最小化在預定的期限之後才被滿足的客戶訂單數量可能就是一個目標。作為另一種選擇，要求少於2%的訂單被延遲滿足可能就是一個約束，它們關注的實際上是一致的。這種把目標轉換成約束的技巧被稱為滿足法（satisficing），並且這種方法在系統分析上被廣泛的使用（Majone1985）。
反覆考慮現實系統的目標，約束和備擇的方案僅僅是運營分析階段的出發點。在真實的複雜系統，我們不可能簡單地通過觀察實際系統就獲得對系統的透徹瞭解，也不可能評價那些可選擇的方案。主要有兩個原因。第一，高水平的目標（如，最大化客戶滿意度）一般是不可度量的。第二，現實系統一般太過複雜而不允許我們來直接地描述各種組分和特殊方案對系統的影響之間的相互作用關係。為了加深我們對系統的理解和系統的可控選擇方案，我們對系統的關鍵方面開發了類似物或模型。
現實系統的模型開始於定義低水平、可度量的作為真實系統效力代表指標的系統規範（如，遲於滿足客戶需求的加工任務的比例）。然後我們指定描述性的參數、可控變量，以及它們之間的相互關係來以某種模型的形式代表系統。建立模型的技術是非常複雜的，既要抓住系統關鍵的特徵，又要簡單從而允許可操作的分析，它也是一個複雜的任務，需要全體成員在創造性地解決問題和運用數學方法方面具有一定的技能。模型需要檢驗（verification）（即，檢查模型的邏輯）和驗證（validation）（即，比較模型和真實結果）。模型驗證包括在分析的建模和觀察方面之間的再三重複，而且應該貫穿於整個研究過程。
系統設計（systemsdesign）階段是這個系統分析範例中具有支配地位的工程（engineering）部分的開始。
在運營分析階段我們主要通過模型從現實世界過渡到模型世界。在系統設計階段我們主要是從模型世界回到現實世界，通過把模型轉換成可執行的方針政策。我們通過"優化"模型，同時考慮到效力的選擇指標並且通過敏感性分析來檢查結果的抗干擾性。接著我們將這些數學的或者象徵性的解轉換成實際的政策，然後檢查這些政策在實際環境中的實用性。重要的是我們要記住無論一個數學模型多好，它仍然是現實的一個簡化。就像開發合適的模型，解釋結果來開發合理的行動步驟是一門永遠不能完全機械化的藝術。
好的系統分析不會因為政策被提出終止。
範例中的系統實施（implementation）給我們提供了一個機會，當這些方針被正確地採用，如果這裡還有時間有效的處理它們的話，我們就能確定那些非預期的問題。（194|195）
最後，在系統評價（evaluation）階段
我們需要在那些政策已經被貫徹執行之後，以最原始的目標來評估系統這些方面來回顧系統。這是一個非常重要的階段，因為它提供瞭如何驗證改進現實系統的模型的有用性，而反對僅僅是簡單的描述系統行為。由於系統分析是應用型（applied）的問題解決辦法，滿足目標的程度必須總是所研究的結果。然而，因為大多數現實世界系統都是複雜的而且持續改變，所以特定研究的結束並不標誌著分析的結束。對於將來那些模型和現實系統的改進機會應該被作為將來系統分析循環步驟的輸入而予以確認。
基本目標
首先，為了實現目標，我們已經定義了製造系統為一個面向目標的（objective-oriented）網絡，製造科學的顯著的開始就是基本目標（fundamental objective）。這是所有部分都要通過的共同目標。它因為描述了一個可完全量化也可能不完全量化的長期期望而變得模糊不明。在一些公司中，基本目標被很正式稱為使命陳述（mission statement）。然而，這個欺騙性的複雜訓練經常變成一個華而不實的過程，時間被浪費去產生一些新的（往往是令人討厭的）口號。因此，一定要認識到系統分析始於確定基本目標。從它本身來說，基本目標（或使命陳述）一般是沒有有形資產價值的。
目標、量度與控制
發展製造科學並不是一項微不足道的工作，就像應用這門學科解決製造問題那樣困難。而系統方法對這兩個問題都有益。
系統方法（TheSystemsApproach）
猜測與反駁的主張不僅是科學研究的工具，它也極其有用的解決問題的方法論基礎，如大家都知道的系統方法（systems approach），或者系統分析（systems analysis）。系統分析（SA）已經被正式研究至少30年了（見Ackoff1956，Churchman1986，Miser和Quade1985、1988）；但除了名字之外早已是管理思想的一部分，則至少要追溯到Chester（1938）的工作。
簡要地說，系統分析就是一種結構化的解決問題的方法，具有以下特徵：
1.系統觀點（a systems view）。問題經常在具有相互作用的子系統的系統的背景下呈現（例如，工廠就是一個系統，它由不同的產線組成，產線又由不同的段、班、線等組成的子系統所支持）。關鍵是生成一個廣泛的、對問題整體的認識，而不是狹窄的、殘缺的觀點。
2.手段-目的分析方法（means-endsanalysis）。首先指定目標，然後按照目標列示和評價備擇方案。注意它和常用於政治領域的"手段第一（means first）"方法形成鮮明對比，政治方法是先擺出備擇方案，而目標只是達成一致過程中的權宜之計。例如，系統分析可能會使用"把貨物方便快捷地送達客戶"的目標，而不會使用"提高處理採購訂單的效率"的目標。後者就是"手段第一"方法，它可能排除一些潛在的有吸引力的選擇方案（如，用全新的程序處理採購訂單）。（192|193）
3.創造性的備擇方案的產生（creative alternative generation）。當我們的腦海中形成目標，系統方法就會盡可能的大範圍搜尋可供選擇的方案。許多格式化的頭腦風暴技術已被開發出來並且用於支持這個過程。不管我們使用了什麼方法，意圖就是用一些非顯而易見的方法去改善系統。例如，要減少製造週期時間（製造一件產品所花費的時間），我們需要看得更遠一點，而不是簡單地考慮如何加快單個工序和想方設法取消整個產品步驟中的一部分。
4.建模和優化（modeling and optimization）。以目標數值的形式來比較這些可選擇的方案，我們需要一些量化分析方法。建模/優化的步驟可能就像計算每個可選擇方案的成本並選擇最便宜的一個一樣簡單，或者它也可能需要一個複雜的數學模型的分析。具體細化到什麼水平則依賴與所研究系統的複雜性以及這些行為的潛在邊際影響（如，為了節省$52,000卻花費了$50,000來分析的行為一點意義也沒有）。
5.迭代（iteration）。差不多每一次系統分析過程中，目標、方案以及建模都是被多次修正過的。但這並不是因為我們傻；而是因為現實世界的系統都是複雜的。發現錯誤和疏漏天生是猜測與反駁方法的一部分。
圖1描述了系統分析過程中四個基本階段的一個綱要：運營分析、系統設計、執行和評估。正如反饋箭頭所表示的那樣，這些階段並不是按先後順序的。迭代能夠發生並且應該發生在階段內部和階段之間。此外，在進行分析時，研究的焦點還在真實世界和模擬（模型）世界之間搖擺不定。（193|194）
圖1 一個系統分析範例
系統分析開始於運營分析（operations analysis）階段
在這個階段我們的焦點集中於從本質上觀察現實系統和建立合適有用的模型的科學（scientific）任務。要做到這些，我們要試著定義問題的目標、約束和可選擇方案。開始的時候這些好像看起來很明顯，但是實際上它們經常比我們所希望的難懂得多。因此，我們必須試驗性的推測它們，然後尋找矛盾。隨著項目的進行，新目標、新約束、新方案可能會出現，那麼它們之間的相對重要性也可能改變。
另外一個涉及反覆考慮目標和約束並且經常出現的問題是如何有代表性地選擇。一個明顯的喜好經常被聲明為目標或者是約束。例如，最小化在預定的期限之後才被滿足的客戶訂單數量可能就是一個目標。作為另一種選擇，要求少於2%的訂單被延遲滿足可能就是一個約束，它們關注的實際上是一致的。這種把目標轉換成約束的技巧被稱為滿足法（satisficing），並且這種方法在系統分析上被廣泛的使用（Majone1985）。
反覆考慮現實系統的目標，約束和備擇的方案僅僅是運營分析階段的出發點。在真實的複雜系統，我們不可能簡單地通過觀察實際系統就獲得對系統的透徹瞭解，也不可能評價那些可選擇的方案。主要有兩個原因。第一，高水平的目標（如，最大化客戶滿意度）一般是不可度量的。第二，現實系統一般太過複雜而不允許我們來直接地描述各種組分和特殊方案對系統的影響之間的相互作用關係。為了加深我們對系統的理解和系統的可控選擇方案，我們對系統的關鍵方面開發了類似物或模型。
現實系統的模型開始於定義低水平、可度量的作為真實系統效力代表指標的系統規範（如，遲於滿足客戶需求的加工任務的比例）。然後我們指定描述性的參數、可控變量，以及它們之間的相互關係來以某種模型的形式代表系統。建立模型的技術是非常複雜的，既要抓住系統關鍵的特徵，又要簡單從而允許可操作的分析，它也是一個複雜的任務，需要全體成員在創造性地解決問題和運用數學方法方面具有一定的技能。模型需要檢驗（verification）（即，檢查模型的邏輯）和驗證（validation）（即，比較模型和真實結果）。模型驗證包括在分析的建模和觀察方面之間的再三重複，而且應該貫穿於整個研究過程。
系統設計（systemsdesign）階段是這個系統分析範例中具有支配地位的工程（engineering）部分的開始。
在運營分析階段我們主要通過模型從現實世界過渡到模型世界。在系統設計階段我們主要是從模型世界回到現實世界，通過把模型轉換成可執行的方針政策。我們通過"優化"模型，同時考慮到效力的選擇指標並且通過敏感性分析來檢查結果的抗干擾性。接著我們將這些數學的或者象徵性的解轉換成實際的政策，然後檢查這些政策在實際環境中的實用性。重要的是我們要記住無論一個數學模型多好，它仍然是現實的一個簡化。就像開發合適的模型，解釋結果來開發合理的行動步驟是一門永遠不能完全機械化的藝術。
好的系統分析不會因為政策被提出終止。
範例中的系統實施（implementation）給我們提供了一個機會，當這些方針被正確地採用，如果這裡還有時間有效的處理它們的話，我們就能確定那些非預期的問題。（194|195）
最後，在系統評價（evaluation）階段
我們需要在那些政策已經被貫徹執行之後，以最原始的目標來評估系統這些方面來回顧系統。這是一個非常重要的階段，因為它提供瞭如何驗證改進現實系統的模型的有用性，而反對僅僅是簡單的描述系統行為。由於系統分析是應用型（applied）的問題解決辦法，滿足目標的程度必須總是所研究的結果。然而，因為大多數現實世界系統都是複雜的而且持續改變，所以特定研究的結束並不標誌著分析的結束。對於將來那些模型和現實系統的改進機會應該被作為將來系統分析循環步驟的輸入而予以確認。
基本目標
首先，為了實現目標，我們已經定義了製造系統為一個面向目標的（objective-oriented）網絡，製造科學的顯著的開始就是基本目標（fundamental objective）。這是所有部分都要通過的共同目標。它因為描述了一個可完全量化也可能不完全量化的長期期望而變得模糊不明。在一些公司中，基本目標被很正式稱為使命陳述（mission statement）。然而，這個欺騙性的複雜訓練經常變成一個華而不實的過程，時間被浪費去產生一些新的（往往是令人討厭的）口號。因此，一定要認識到系統分析始於確定基本目標。從它本身來說，基本目標（或使命陳述）一般是沒有有形資產價值的。
"用錢生錢"是基本目標的一個明顯選擇。但是，當我們發現有很多種方法可以賺錢的時候，包括出賣公司資產（也許短期內是好的，但是長期來看後果嚴重）還有違法處理滯銷貨（有利可圖的，但是非法也不道德）。其他比較流行的口號比如"給客戶想要的"也是同樣不完善的——如果我們可以免費提供好的產品給客戶，他們當然會非常滿意。為了獲得廣泛的支持，基本目標必須平衡涉及到組織內部的各個部門的關注點。以下的陳述足夠含糊，可以作為所有制造企業的基本目標：（195|196）
增加利益相關者（股東、僱員、客戶）的長期福利。
我們認識到這是一個"老掉牙的"（Momandapplepie）的陳述，它是如此的含糊以至於可以衍生出很多具體的指導。但是它的確為所有股東提供了一個共同點，並且強調說很多我們感興趣的部分在向製造系統轉變的過程中將可能被影響。
層級目標
一旦我們確定好一個階段目標後，衝突就產生了，因為對一個股東有利的並非就對其他股東有利。通過降低工人的薪水來減少成本對企業的利潤率和股東都有好處，但是對工人卻正好相反。為了達到一個平衡，我們需要稍微的縮小我們的基本目標，或許就像：
取得"好的"長期投資回報率（ROI）。
這個陳述將會讓所有股東滿意，因為投資回報率支撐著股票價格。同樣也在某個方面讓工人滿意，因為他們可以繼續被僱傭而且可以得到一個更高的工資。最後，客戶也會滿意，因為如果客戶不滿意，長期來看他們就不可能得到好的回報。因此，這個陳述，仍然是高水平的，涉及我們感興趣的主要部分所關注的，而且可以直接測量。
但我們不能簡單地將企業的高層級目標告訴工人們。在車間標貼再多鼓勵工人們達到好的投資回報率的標語也不能激發出卓越製造。人們需要知道他們的（their）工作如何影響基本目標，從而能夠積極地產生影響。出於這一點，我們需要定於與生產更緊密相關的量度。
目標、量度與控制
發展製造科學並不是一項微不足道的工作，就像應用這門學科解決製造問題那樣困難。而系統方法對這兩個問題都有益。
系統方法（TheSystemsApproach）
猜測與反駁的主張不僅是科學研究的工具，它也極其有用的解決問題的方法論基礎，如大家都知道的系統方法（systems approach），或者系統分析（systems analysis）。系統分析（SA）已經被正式研究至少30年了（見Ackoff1956，Churchman1986，Miser和Quade1985、1988）；但除了名字之外早已是管理思想的一部分，則至少要追溯到Chester（1938）的工作。
簡要地說，系統分析就是一種結構化的解決問題的方法，具有以下特徵：
1.系統觀點（a systems view）。問題經常在具有相互作用的子系統的系統的背景下呈現（例如，工廠就是一個系統，它由不同的產線組成，產線又由不同的段、班、線等組成的子系統所支持）。關鍵是生成一個廣泛的、對問題整體的認識，而不是狹窄的、殘缺的觀點。
2.手段-目的分析方法（means-endsanalysis）。首先指定目標，然後按照目標列示和評價備擇方案。注意它和常用於政治領域的"手段第一（means first）"方法形成鮮明對比，政治方法是先擺出備擇方案，而目標只是達成一致過程中的權宜之計。例如，系統分析可能會使用"把貨物方便快捷地送達客戶"的目標，而不會使用"提高處理採購訂單的效率"的目標。後者就是"手段第一"方法，它可能排除一些潛在的有吸引力的選擇方案（如，用全新的程序處理採購訂單）。（192|193）
3.創造性的備擇方案的產生（creative alternative generation）。當我們的腦海中形成目標，系統方法就會盡可能的大範圍搜尋可供選擇的方案。許多格式化的頭腦風暴技術已被開發出來並且用於支持這個過程。不管我們使用了什麼方法，意圖就是用一些非顯而易見的方法去改善系統。例如，要減少製造週期時間（製造一件產品所花費的時間），我們需要看得更遠一點，而不是簡單地考慮如何加快單個工序和想方設法取消整個產品步驟中的一部分。
4.建模和優化（modeling and optimization）。以目標數值的形式來比較這些可選擇的方案，我們需要一些量化分析方法。建模/優化的步驟可能就像計算每個可選擇方案的成本並選擇最便宜的一個一樣簡單，或者它也可能需要一個複雜的數學模型的分析。具體細化到什麼水平則依賴與所研究系統的複雜性以及這些行為的潛在邊際影響（如，為了節省$52,000卻花費了$50,000來分析的行為一點意義也沒有）。
5.迭代（iteration）。差不多每一次系統分析過程中，目標、方案以及建模都是被多次修正過的。但這並不是因為我們傻；而是因為現實世界的系統都是複雜的。發現錯誤和疏漏天生是猜測與反駁方法的一部分。
圖1描述了系統分析過程中四個基本階段的一個綱要：運營分析、系統設計、執行和評估。正如反饋箭頭所表示的那樣，這些階段並不是按先後順序的。迭代能夠發生並且應該發生在階段內部和階段之間。此外，在進行分析時，研究的焦點還在真實世界和模擬（模型）世界之間搖擺不定。（193|194）
圖1 一個系統分析範例
系統分析開始於運營分析（operations analysis）階段
在這個階段我們的焦點集中於從本質上觀察現實系統和建立合適有用的模型的科學（scientific）任務。要做到這些，我們要試著定義問題的目標、約束和可選擇方案。開始的時候這些好像看起來很明顯，但是實際上它們經常比我們所希望的難懂得多。因此，我們必須試驗性的推測它們，然後尋找矛盾。隨著項目的進行，新目標、新約束、新方案可能會出現，那麼它們之間的相對重要性也可能改變。
另外一個涉及反覆考慮目標和約束並且經常出現的問題是如何有代表性地選擇。一個明顯的喜好經常被聲明為目標或者是約束。例如，最小化在預定的期限之後才被滿足的客戶訂單數量可能就是一個目標。作為另一種選擇，要求少於2%的訂單被延遲滿足可能就是一個約束，它們關注的實際上是一致的。這種把目標轉換成約束的技巧被稱為滿足法（satisficing），並且這種方法在系統分析上被廣泛的使用（Majone1985）。
反覆考慮現實系統的目標，約束和備擇的方案僅僅是運營分析階段的出發點。在真實的複雜系統，我們不可能簡單地通過觀察實際系統就獲得對系統的透徹瞭解，也不可能評價那些可選擇的方案。主要有兩個原因。第一，高水平的目標（如，最大化客戶滿意度）一般是不可度量的。第二，現實系統一般太過複雜而不允許我們來直接地描述各種組分和特殊方案對系統的影響之間的相互作用關係。為了加深我們對系統的理解和系統的可控選擇方案，我們對系統的關鍵方面開發了類似物或模型。
現實系統的模型開始於定義低水平、可度量的作為真實系統效力代表指標的系統規範（如，遲於滿足客戶需求的加工任務的比例）。然後我們指定描述性的參數、可控變量，以及它們之間的相互關係來以某種模型的形式代表系統。建立模型的技術是非常複雜的，既要抓住系統關鍵的特徵，又要簡單從而允許可操作的分析，它也是一個複雜的任務，需要全體成員在創造性地解決問題和運用數學方法方面具有一定的技能。模型需要檢驗（verification）（即，檢查模型的邏輯）和驗證（validation）（即，比較模型和真實結果）。模型驗證包括在分析的建模和觀察方面之間的再三重複，而且應該貫穿於整個研究過程。
系統設計（systemsdesign）階段是這個系統分析範例中具有支配地位的工程（engineering）部分的開始。
在運營分析階段我們主要通過模型從現實世界過渡到模型世界。在系統設計階段我們主要是從模型世界回到現實世界，通過把模型轉換成可執行的方針政策。我們通過"優化"模型，同時考慮到效力的選擇指標並且通過敏感性分析來檢查結果的抗干擾性。接著我們將這些數學的或者象徵性的解轉換成實際的政策，然後檢查這些政策在實際環境中的實用性。重要的是我們要記住無論一個數學模型多好，它仍然是現實的一個簡化。就像開發合適的模型，解釋結果來開發合理的行動步驟是一門永遠不能完全機械化的藝術。
好的系統分析不會因為政策被提出終止。
範例中的系統實施（implementation）給我們提供了一個機會，當這些方針被正確地採用，如果這裡還有時間有效的處理它們的話，我們就能確定那些非預期的問題。（194|195）
最後，在系統評價（evaluation）階段
我們需要在那些政策已經被貫徹執行之後，以最原始的目標來評估系統這些方面來回顧系統。這是一個非常重要的階段，因為它提供瞭如何驗證改進現實系統的模型的有用性，而反對僅僅是簡單的描述系統行為。由於系統分析是應用型（applied）的問題解決辦法，滿足目標的程度必須總是所研究的結果。然而，因為大多數現實世界系統都是複雜的而且持續改變，所以特定研究的結束並不標誌著分析的結束。對於將來那些模型和現實系統的改進機會應該被作為將來系統分析循環步驟的輸入而予以確認。
基本目標
首先，為了實現目標，我們已經定義了製造系統為一個面向目標的（objective-oriented）網絡，製造科學的顯著的開始就是基本目標（fundamental objective）。這是所有部分都要通過的共同目標。它因為描述了一個可完全量化也可能不完全量化的長期期望而變得模糊不明。在一些公司中，基本目標被很正式稱為使命陳述（mission statement）。然而，這個欺騙性的複雜訓練經常變成一個華而不實的過程，時間被浪費去產生一些新的（往往是令人討厭的）口號。因此，一定要認識到系統分析始於確定基本目標。從它本身來說，基本目標（或使命陳述）一般是沒有有形資產價值的。
"用錢生錢"是基本目標的一個明顯選擇。但是，當我們發現有很多種方法可以賺錢的時候，包括出賣公司資產（也許短期內是好的，但是長期來看後果嚴重）還有違法處理滯銷貨（有利可圖的，但是非法也不道德）。其他比較流行的口號比如"給客戶想要的"也是同樣不完善的——如果我們可以免費提供好的產品給客戶，他們當然會非常滿意。為了獲得廣泛的支持，基本目標必須平衡涉及到組織內部的各個部門的關注點。以下的陳述足夠含糊，可以作為所有制造企業的基本目標：（195|196）
增加利益相關者（股東、僱員、客戶）的長期福利。
我們認識到這是一個"老掉牙的"（Momandapplepie）的陳述，它是如此的含糊以至於可以衍生出很多具體的指導。但是它的確為所有股東提供了一個共同點，並且強調說很多我們感興趣的部分在向製造系統轉變的過程中將可能被影響。
層級目標
一旦我們確定好一個階段目標後，衝突就產生了，因為對一個股東有利的並非就對其他股東有利。通過降低工人的薪水來減少成本對企業的利潤率和股東都有好處，但是對工人卻正好相反。為了達到一個平衡，我們需要稍微的縮小我們的基本目標，或許就像：
取得"好的"長期投資回報率（ROI）。
這個陳述將會讓所有股東滿意，因為投資回報率支撐著股票價格。同樣也在某個方面讓工人滿意，因為他們可以繼續被僱傭而且可以得到一個更高的工資。最後，客戶也會滿意，因為如果客戶不滿意，長期來看他們就不可能得到好的回報。因此，這個陳述，仍然是高水平的，涉及我們感興趣的主要部分所關注的，而且可以直接測量。
但我們不能簡單地將企業的高層級目標告訴工人們。在車間標貼再多鼓勵工人們達到好的投資回報率的標語也不能激發出卓越製造。人們需要知道他們的（their）工作如何影響基本目標，從而能夠積極地產生影響。出於這一點，我們需要定於與生產更緊密相關的量度。
首先，注意到利潤率和投資回報率可以通過三個財務指標——
（1）收入（revenue）、（2）資產（assets）、（3）成本（cost）——來計算，如下：
利潤＝收入－成本
投資回報率＝利潤/資產
但即使這些指標對於日復一日的工廠作業來說也是層次太高。
在車間水平上和收入、資產、成本等價的是
（1）產出（throughput），每件時間內出售（sold）的產品數（生產出來而沒賣出去對企業一點好處都沒有）；
（2）資產（assets），特殊的能控制的資產比如庫存；
（3）成本（cost），包括車間的運營成本以及特殊的可變成本如加班、轉包和報廢。這三個基本量提供了高水平的財政指標（如，投資回報率）和低水平的更加接近製造活動的指標（如，機器的可用性）之間的鏈接。（196|197）
圖2說明了一個簡單的層級目標，從基本目標到不同的支持子目標（subordinate objectives）。從利潤的計算公式，我們可以看到高的利潤率需要低的成本和高的產量（銷售
額）。低成本意味著要降低單位成本，這需要高的產出、高的利用率和低水平的庫存。正如我們隨後將在第二篇看到的，要達到低水平的庫存和較高的產出，產品的變化就要小。在層級的另一半，要增加銷售額就需要人們願意買的高質量產品與好的客戶服務。高水平的服務需要快速反應和品種多樣（任何客戶所需要的）。快速反應又需要短的週期時間，低的設備使用率和高的庫存水平。為了保持產品多樣性需求得到滿足，我們需要高的庫存水平和高的變動性（在產品）。但是，要達到高質量，我們需要低的變動性（在製造過程）和短的週期時間（在缺陷發生時馬上把它揪出來）。
目標、量度與控制
發展製造科學並不是一項微不足道的工作，就像應用這門學科解決製造問題那樣困難。而系統方法對這兩個問題都有益。
系統方法（TheSystemsApproach）
猜測與反駁的主張不僅是科學研究的工具，它也極其有用的解決問題的方法論基礎，如大家都知道的系統方法（systems approach），或者系統分析（systems analysis）。系統分析（SA）已經被正式研究至少30年了（見Ackoff1956，Churchman1986，Miser和Quade1985、1988）；但除了名字之外早已是管理思想的一部分，則至少要追溯到Chester（1938）的工作。
簡要地說，系統分析就是一種結構化的解決問題的方法，具有以下特徵：
1.系統觀點（a systems view）。問題經常在具有相互作用的子系統的系統的背景下呈現（例如，工廠就是一個系統，它由不同的產線組成，產線又由不同的段、班、線等組成的子系統所支持）。關鍵是生成一個廣泛的、對問題整體的認識，而不是狹窄的、殘缺的觀點。
2.手段-目的分析方法（means-endsanalysis）。首先指定目標，然後按照目標列示和評價備擇方案。注意它和常用於政治領域的"手段第一（means first）"方法形成鮮明對比，政治方法是先擺出備擇方案，而目標只是達成一致過程中的權宜之計。例如，系統分析可能會使用"把貨物方便快捷地送達客戶"的目標，而不會使用"提高處理採購訂單的效率"的目標。後者就是"手段第一"方法，它可能排除一些潛在的有吸引力的選擇方案（如，用全新的程序處理採購訂單）。（192|193）
3.創造性的備擇方案的產生（creative alternative generation）。當我們的腦海中形成目標，系統方法就會盡可能的大範圍搜尋可供選擇的方案。許多格式化的頭腦風暴技術已被開發出來並且用於支持這個過程。不管我們使用了什麼方法，意圖就是用一些非顯而易見的方法去改善系統。例如，要減少製造週期時間（製造一件產品所花費的時間），我們需要看得更遠一點，而不是簡單地考慮如何加快單個工序和想方設法取消整個產品步驟中的一部分。
4.建模和優化（modeling and optimization）。以目標數值的形式來比較這些可選擇的方案，我們需要一些量化分析方法。建模/優化的步驟可能就像計算每個可選擇方案的成本並選擇最便宜的一個一樣簡單，或者它也可能需要一個複雜的數學模型的分析。具體細化到什麼水平則依賴與所研究系統的複雜性以及這些行為的潛在邊際影響（如，為了節省$52,000卻花費了$50,000來分析的行為一點意義也沒有）。
5.迭代（iteration）。差不多每一次系統分析過程中，目標、方案以及建模都是被多次修正過的。但這並不是因為我們傻；而是因為現實世界的系統都是複雜的。發現錯誤和疏漏天生是猜測與反駁方法的一部分。
圖1描述了系統分析過程中四個基本階段的一個綱要：運營分析、系統設計、執行和評估。正如反饋箭頭所表示的那樣，這些階段並不是按先後順序的。迭代能夠發生並且應該發生在階段內部和階段之間。此外，在進行分析時，研究的焦點還在真實世界和模擬（模型）世界之間搖擺不定。（193|194）
圖1 一個系統分析範例
系統分析開始於運營分析（operations analysis）階段
在這個階段我們的焦點集中於從本質上觀察現實系統和建立合適有用的模型的科學（scientific）任務。要做到這些，我們要試著定義問題的目標、約束和可選擇方案。開始的時候這些好像看起來很明顯，但是實際上它們經常比我們所希望的難懂得多。因此，我們必須試驗性的推測它們，然後尋找矛盾。隨著項目的進行，新目標、新約束、新方案可能會出現，那麼它們之間的相對重要性也可能改變。
另外一個涉及反覆考慮目標和約束並且經常出現的問題是如何有代表性地選擇。一個明顯的喜好經常被聲明為目標或者是約束。例如，最小化在預定的期限之後才被滿足的客戶訂單數量可能就是一個目標。作為另一種選擇，要求少於2%的訂單被延遲滿足可能就是一個約束，它們關注的實際上是一致的。這種把目標轉換成約束的技巧被稱為滿足法（satisficing），並且這種方法在系統分析上被廣泛的使用（Majone1985）。
反覆考慮現實系統的目標，約束和備擇的方案僅僅是運營分析階段的出發點。在真實的複雜系統，我們不可能簡單地通過觀察實際系統就獲得對系統的透徹瞭解，也不可能評價那些可選擇的方案。主要有兩個原因。第一，高水平的目標（如，最大化客戶滿意度）一般是不可度量的。第二，現實系統一般太過複雜而不允許我們來直接地描述各種組分和特殊方案對系統的影響之間的相互作用關係。為了加深我們對系統的理解和系統的可控選擇方案，我們對系統的關鍵方面開發了類似物或模型。
現實系統的模型開始於定義低水平、可度量的作為真實系統效力代表指標的系統規範（如，遲於滿足客戶需求的加工任務的比例）。然後我們指定描述性的參數、可控變量，以及它們之間的相互關係來以某種模型的形式代表系統。建立模型的技術是非常複雜的，既要抓住系統關鍵的特徵，又要簡單從而允許可操作的分析，它也是一個複雜的任務，需要全體成員在創造性地解決問題和運用數學方法方面具有一定的技能。模型需要檢驗（verification）（即，檢查模型的邏輯）和驗證（validation）（即，比較模型和真實結果）。模型驗證包括在分析的建模和觀察方面之間的再三重複，而且應該貫穿於整個研究過程。
系統設計（systemsdesign）階段是這個系統分析範例中具有支配地位的工程（engineering）部分的開始。
在運營分析階段我們主要通過模型從現實世界過渡到模型世界。在系統設計階段我們主要是從模型世界回到現實世界，通過把模型轉換成可執行的方針政策。我們通過"優化"模型，同時考慮到效力的選擇指標並且通過敏感性分析來檢查結果的抗干擾性。接著我們將這些數學的或者象徵性的解轉換成實際的政策，然後檢查這些政策在實際環境中的實用性。重要的是我們要記住無論一個數學模型多好，它仍然是現實的一個簡化。就像開發合適的模型，解釋結果來開發合理的行動步驟是一門永遠不能完全機械化的藝術。
好的系統分析不會因為政策被提出終止。
範例中的系統實施（implementation）給我們提供了一個機會，當這些方針被正確地採用，如果這裡還有時間有效的處理它們的話，我們就能確定那些非預期的問題。（194|195）
最後，在系統評價（evaluation）階段
我們需要在那些政策已經被貫徹執行之後，以最原始的目標來評估系統這些方面來回顧系統。這是一個非常重要的階段，因為它提供瞭如何驗證改進現實系統的模型的有用性，而反對僅僅是簡單的描述系統行為。由於系統分析是應用型（applied）的問題解決辦法，滿足目標的程度必須總是所研究的結果。然而，因為大多數現實世界系統都是複雜的而且持續改變，所以特定研究的結束並不標誌著分析的結束。對於將來那些模型和現實系統的改進機會應該被作為將來系統分析循環步驟的輸入而予以確認。
基本目標
首先，為了實現目標，我們已經定義了製造系統為一個面向目標的（objective-oriented）網絡，製造科學的顯著的開始就是基本目標（fundamental objective）。這是所有部分都要通過的共同目標。它因為描述了一個可完全量化也可能不完全量化的長期期望而變得模糊不明。在一些公司中，基本目標被很正式稱為使命陳述（mission statement）。然而，這個欺騙性的複雜訓練經常變成一個華而不實的過程，時間被浪費去產生一些新的（往往是令人討厭的）口號。因此，一定要認識到系統分析始於確定基本目標。從它本身來說，基本目標（或使命陳述）一般是沒有有形資產價值的。
"用錢生錢"是基本目標的一個明顯選擇。但是，當我們發現有很多種方法可以賺錢的時候，包括出賣公司資產（也許短期內是好的，但是長期來看後果嚴重）還有違法處理滯銷貨（有利可圖的，但是非法也不道德）。其他比較流行的口號比如"給客戶想要的"也是同樣不完善的——如果我們可以免費提供好的產品給客戶，他們當然會非常滿意。為了獲得廣泛的支持，基本目標必須平衡涉及到組織內部的各個部門的關注點。以下的陳述足夠含糊，可以作為所有制造企業的基本目標：（195|196）
增加利益相關者（股東、僱員、客戶）的長期福利。
我們認識到這是一個"老掉牙的"（Momandapplepie）的陳述，它是如此的含糊以至於可以衍生出很多具體的指導。但是它的確為所有股東提供了一個共同點，並且強調說很多我們感興趣的部分在向製造系統轉變的過程中將可能被影響。
層級目標
一旦我們確定好一個階段目標後，衝突就產生了，因為對一個股東有利的並非就對其他股東有利。通過降低工人的薪水來減少成本對企業的利潤率和股東都有好處，但是對工人卻正好相反。為了達到一個平衡，我們需要稍微的縮小我們的基本目標，或許就像：
取得"好的"長期投資回報率（ROI）。
這個陳述將會讓所有股東滿意，因為投資回報率支撐著股票價格。同樣也在某個方面讓工人滿意，因為他們可以繼續被僱傭而且可以得到一個更高的工資。最後，客戶也會滿意，因為如果客戶不滿意，長期來看他們就不可能得到好的回報。因此，這個陳述，仍然是高水平的，涉及我們感興趣的主要部分所關注的，而且可以直接測量。
但我們不能簡單地將企業的高層級目標告訴工人們。在車間標貼再多鼓勵工人們達到好的投資回報率的標語也不能激發出卓越製造。人們需要知道他們的（their）工作如何影響基本目標，從而能夠積極地產生影響。出於這一點，我們需要定於與生產更緊密相關的量度。
首先，注意到利潤率和投資回報率可以通過三個財務指標——
（1）收入（revenue）、（2）資產（assets）、（3）成本（cost）——來計算，如下：
利潤＝收入－成本
投資回報率＝利潤/資產
但即使這些指標對於日復一日的工廠作業來說也是層次太高。
在車間水平上和收入、資產、成本等價的是
（1）產出（throughput），每件時間內出售（sold）的產品數（生產出來而沒賣出去對企業一點好處都沒有）；
（2）資產（assets），特殊的能控制的資產比如庫存；
（3）成本（cost），包括車間的運營成本以及特殊的可變成本如加班、轉包和報廢。這三個基本量提供了高水平的財政指標（如，投資回報率）和低水平的更加接近製造活動的指標（如，機器的可用性）之間的鏈接。（196|197）
圖2說明了一個簡單的層級目標，從基本目標到不同的支持子目標（subordinate objectives）。從利潤的計算公式，我們可以看到高的利潤率需要低的成本和高的產量（銷售
額）。低成本意味著要降低單位成本，這需要高的產出、高的利用率和低水平的庫存。正如我們隨後將在第二篇看到的，要達到低水平的庫存和較高的產出，產品的變化就要小。在層級的另一半，要增加銷售額就需要人們願意買的高質量產品與好的客戶服務。高水平的服務需要快速反應和品種多樣（任何客戶所需要的）。快速反應又需要短的週期時間，低的設備使用率和高的庫存水平。為了保持產品多樣性需求得到滿足，我們需要高的庫存水平和高的變動性（在產品）。但是，要達到高質量，我們需要低的變動性（在製造過程）和短的週期時間（在缺陷發生時馬上把它揪出來）。
圖2製造企業組織的層級目標
請大家注意，在這個層級中存在著衝突。例如，一方面我們要高的庫存水平來保證快速反應，但是另一方面我們需要低的庫存水平來讓我們的資產總額處於較低的水平以達到高的資產收益率。我們想要高的設備使用率以便降低單位成本，但是較高的設備使用率又會使企業的反應能力下降。我們想要在產品種類上有更多的變動性，但是較低的變動性可以使庫存水平降低，也能保持一個高的產出。儘管JIT鼓吹者不願意用"t打頭的單詞（tword）",我們還是必須做出權衡（tradeoff）來化解這些衝突。
最後，從圖2我們可以發現短的週期時間可以促進降低成本和提高銷售額，這點對我們是有用的。這就是90年代重點強調速度背後的動機，具體的口號比如快速響應制造（quick response manufacturing）和基於時間的競爭（time-based competition）。我們會在第二篇建立起包括變動性在內的諸多因素之間的基本關係，並在第三篇研究如何減少週期時間這個重要的主題。
控制和信息系統
目標、量度與控制
發展製造科學並不是一項微不足道的工作，就像應用這門學科解決製造問題那樣困難。而系統方法對這兩個問題都有益。
系統方法（TheSystemsApproach）
猜測與反駁的主張不僅是科學研究的工具，它也極其有用的解決問題的方法論基礎，如大家都知道的系統方法（systems approach），或者系統分析（systems analysis）。系統分析（SA）已經被正式研究至少30年了（見Ackoff1956，Churchman1986，Miser和Quade1985、1988）；但除了名字之外早已是管理思想的一部分，則至少要追溯到Chester（1938）的工作。
簡要地說，系統分析就是一種結構化的解決問題的方法，具有以下特徵：
1.系統觀點（a systems view）。問題經常在具有相互作用的子系統的系統的背景下呈現（例如，工廠就是一個系統，它由不同的產線組成，產線又由不同的段、班、線等組成的子系統所支持）。關鍵是生成一個廣泛的、對問題整體的認識，而不是狹窄的、殘缺的觀點。
2.手段-目的分析方法（means-endsanalysis）。首先指定目標，然後按照目標列示和評價備擇方案。注意它和常用於政治領域的"手段第一（means first）"方法形成鮮明對比，政治方法是先擺出備擇方案，而目標只是達成一致過程中的權宜之計。例如，系統分析可能會使用"把貨物方便快捷地送達客戶"的目標，而不會使用"提高處理採購訂單的效率"的目標。後者就是"手段第一"方法，它可能排除一些潛在的有吸引力的選擇方案（如，用全新的程序處理採購訂單）。（192|193）
3.創造性的備擇方案的產生（creative alternative generation）。當我們的腦海中形成目標，系統方法就會盡可能的大範圍搜尋可供選擇的方案。許多格式化的頭腦風暴技術已被開發出來並且用於支持這個過程。不管我們使用了什麼方法，意圖就是用一些非顯而易見的方法去改善系統。例如，要減少製造週期時間（製造一件產品所花費的時間），我們需要看得更遠一點，而不是簡單地考慮如何加快單個工序和想方設法取消整個產品步驟中的一部分。
4.建模和優化（modeling and optimization）。以目標數值的形式來比較這些可選擇的方案，我們需要一些量化分析方法。建模/優化的步驟可能就像計算每個可選擇方案的成本並選擇最便宜的一個一樣簡單，或者它也可能需要一個複雜的數學模型的分析。具體細化到什麼水平則依賴與所研究系統的複雜性以及這些行為的潛在邊際影響（如，為了節省$52,000卻花費了$50,000來分析的行為一點意義也沒有）。
5.迭代（iteration）。差不多每一次系統分析過程中，目標、方案以及建模都是被多次修正過的。但這並不是因為我們傻；而是因為現實世界的系統都是複雜的。發現錯誤和疏漏天生是猜測與反駁方法的一部分。
圖1描述了系統分析過程中四個基本階段的一個綱要：運營分析、系統設計、執行和評估。正如反饋箭頭所表示的那樣，這些階段並不是按先後順序的。迭代能夠發生並且應該發生在階段內部和階段之間。此外，在進行分析時，研究的焦點還在真實世界和模擬（模型）世界之間搖擺不定。（193|194）
圖1 一個系統分析範例
系統分析開始於運營分析（operations analysis）階段
在這個階段我們的焦點集中於從本質上觀察現實系統和建立合適有用的模型的科學（scientific）任務。要做到這些，我們要試著定義問題的目標、約束和可選擇方案。開始的時候這些好像看起來很明顯，但是實際上它們經常比我們所希望的難懂得多。因此，我們必須試驗性的推測它們，然後尋找矛盾。隨著項目的進行，新目標、新約束、新方案可能會出現，那麼它們之間的相對重要性也可能改變。
另外一個涉及反覆考慮目標和約束並且經常出現的問題是如何有代表性地選擇。一個明顯的喜好經常被聲明為目標或者是約束。例如，最小化在預定的期限之後才被滿足的客戶訂單數量可能就是一個目標。作為另一種選擇，要求少於2%的訂單被延遲滿足可能就是一個約束，它們關注的實際上是一致的。這種把目標轉換成約束的技巧被稱為滿足法（satisficing），並且這種方法在系統分析上被廣泛的使用（Majone1985）。
反覆考慮現實系統的目標，約束和備擇的方案僅僅是運營分析階段的出發點。在真實的複雜系統，我們不可能簡單地通過觀察實際系統就獲得對系統的透徹瞭解，也不可能評價那些可選擇的方案。主要有兩個原因。第一，高水平的目標（如，最大化客戶滿意度）一般是不可度量的。第二，現實系統一般太過複雜而不允許我們來直接地描述各種組分和特殊方案對系統的影響之間的相互作用關係。為了加深我們對系統的理解和系統的可控選擇方案，我們對系統的關鍵方面開發了類似物或模型。
現實系統的模型開始於定義低水平、可度量的作為真實系統效力代表指標的系統規範（如，遲於滿足客戶需求的加工任務的比例）。然後我們指定描述性的參數、可控變量，以及它們之間的相互關係來以某種模型的形式代表系統。建立模型的技術是非常複雜的，既要抓住系統關鍵的特徵，又要簡單從而允許可操作的分析，它也是一個複雜的任務，需要全體成員在創造性地解決問題和運用數學方法方面具有一定的技能。模型需要檢驗（verification）（即，檢查模型的邏輯）和驗證（validation）（即，比較模型和真實結果）。模型驗證包括在分析的建模和觀察方面之間的再三重複，而且應該貫穿於整個研究過程。
系統設計（systemsdesign）階段是這個系統分析範例中具有支配地位的工程（engineering）部分的開始。
在運營分析階段我們主要通過模型從現實世界過渡到模型世界。在系統設計階段我們主要是從模型世界回到現實世界，通過把模型轉換成可執行的方針政策。我們通過"優化"模型，同時考慮到效力的選擇指標並且通過敏感性分析來檢查結果的抗干擾性。接著我們將這些數學的或者象徵性的解轉換成實際的政策，然後檢查這些政策在實際環境中的實用性。重要的是我們要記住無論一個數學模型多好，它仍然是現實的一個簡化。就像開發合適的模型，解釋結果來開發合理的行動步驟是一門永遠不能完全機械化的藝術。
好的系統分析不會因為政策被提出終止。
範例中的系統實施（implementation）給我們提供了一個機會，當這些方針被正確地採用，如果這裡還有時間有效的處理它們的話，我們就能確定那些非預期的問題。（194|195）
最後，在系統評價（evaluation）階段
我們需要在那些政策已經被貫徹執行之後，以最原始的目標來評估系統這些方面來回顧系統。這是一個非常重要的階段，因為它提供瞭如何驗證改進現實系統的模型的有用性，而反對僅僅是簡單的描述系統行為。由於系統分析是應用型（applied）的問題解決辦法，滿足目標的程度必須總是所研究的結果。然而，因為大多數現實世界系統都是複雜的而且持續改變，所以特定研究的結束並不標誌著分析的結束。對於將來那些模型和現實系統的改進機會應該被作為將來系統分析循環步驟的輸入而予以確認。
基本目標
首先，為了實現目標，我們已經定義了製造系統為一個面向目標的（objective-oriented）網絡，製造科學的顯著的開始就是基本目標（fundamental objective）。這是所有部分都要通過的共同目標。它因為描述了一個可完全量化也可能不完全量化的長期期望而變得模糊不明。在一些公司中，基本目標被很正式稱為使命陳述（mission statement）。然而，這個欺騙性的複雜訓練經常變成一個華而不實的過程，時間被浪費去產生一些新的（往往是令人討厭的）口號。因此，一定要認識到系統分析始於確定基本目標。從它本身來說，基本目標（或使命陳述）一般是沒有有形資產價值的。
"用錢生錢"是基本目標的一個明顯選擇。但是，當我們發現有很多種方法可以賺錢的時候，包括出賣公司資產（也許短期內是好的，但是長期來看後果嚴重）還有違法處理滯銷貨（有利可圖的，但是非法也不道德）。其他比較流行的口號比如"給客戶想要的"也是同樣不完善的——如果我們可以免費提供好的產品給客戶，他們當然會非常滿意。為了獲得廣泛的支持，基本目標必須平衡涉及到組織內部的各個部門的關注點。以下的陳述足夠含糊，可以作為所有制造企業的基本目標：（195|196）
增加利益相關者（股東、僱員、客戶）的長期福利。
我們認識到這是一個"老掉牙的"（Momandapplepie）的陳述，它是如此的含糊以至於可以衍生出很多具體的指導。但是它的確為所有股東提供了一個共同點，並且強調說很多我們感興趣的部分在向製造系統轉變的過程中將可能被影響。
層級目標
一旦我們確定好一個階段目標後，衝突就產生了，因為對一個股東有利的並非就對其他股東有利。通過降低工人的薪水來減少成本對企業的利潤率和股東都有好處，但是對工人卻正好相反。為了達到一個平衡，我們需要稍微的縮小我們的基本目標，或許就像：
取得"好的"長期投資回報率（ROI）。
這個陳述將會讓所有股東滿意，因為投資回報率支撐著股票價格。同樣也在某個方面讓工人滿意，因為他們可以繼續被僱傭而且可以得到一個更高的工資。最後，客戶也會滿意，因為如果客戶不滿意，長期來看他們就不可能得到好的回報。因此，這個陳述，仍然是高水平的，涉及我們感興趣的主要部分所關注的，而且可以直接測量。
但我們不能簡單地將企業的高層級目標告訴工人們。在車間標貼再多鼓勵工人們達到好的投資回報率的標語也不能激發出卓越製造。人們需要知道他們的（their）工作如何影響基本目標，從而能夠積極地產生影響。出於這一點，我們需要定於與生產更緊密相關的量度。
首先，注意到利潤率和投資回報率可以通過三個財務指標——
（1）收入（revenue）、（2）資產（assets）、（3）成本（cost）——來計算，如下：
利潤＝收入－成本
投資回報率＝利潤/資產
但即使這些指標對於日復一日的工廠作業來說也是層次太高。
在車間水平上和收入、資產、成本等價的是
（1）產出（throughput），每件時間內出售（sold）的產品數（生產出來而沒賣出去對企業一點好處都沒有）；
（2）資產（assets），特殊的能控制的資產比如庫存；
（3）成本（cost），包括車間的運營成本以及特殊的可變成本如加班、轉包和報廢。這三個基本量提供了高水平的財政指標（如，投資回報率）和低水平的更加接近製造活動的指標（如，機器的可用性）之間的鏈接。（196|197）
圖2說明了一個簡單的層級目標，從基本目標到不同的支持子目標（subordinate objectives）。從利潤的計算公式，我們可以看到高的利潤率需要低的成本和高的產量（銷售
額）。低成本意味著要降低單位成本，這需要高的產出、高的利用率和低水平的庫存。正如我們隨後將在第二篇看到的，要達到低水平的庫存和較高的產出，產品的變化就要小。在層級的另一半，要增加銷售額就需要人們願意買的高質量產品與好的客戶服務。高水平的服務需要快速反應和品種多樣（任何客戶所需要的）。快速反應又需要短的週期時間，低的設備使用率和高的庫存水平。為了保持產品多樣性需求得到滿足，我們需要高的庫存水平和高的變動性（在產品）。但是，要達到高質量，我們需要低的變動性（在製造過程）和短的週期時間（在缺陷發生時馬上把它揪出來）。
圖2製造企業組織的層級目標
請大家注意，在這個層級中存在著衝突。例如，一方面我們要高的庫存水平來保證快速反應，但是另一方面我們需要低的庫存水平來讓我們的資產總額處於較低的水平以達到高的資產收益率。我們想要高的設備使用率以便降低單位成本，但是較高的設備使用率又會使企業的反應能力下降。我們想要在產品種類上有更多的變動性，但是較低的變動性可以使庫存水平降低，也能保持一個高的產出。儘管JIT鼓吹者不願意用"t打頭的單詞（tword）",我們還是必須做出權衡（tradeoff）來化解這些衝突。
最後，從圖2我們可以發現短的週期時間可以促進降低成本和提高銷售額，這點對我們是有用的。這就是90年代重點強調速度背後的動機，具體的口號比如快速響應制造（quick response manufacturing）和基於時間的競爭（time-based competition）。我們會在第二篇建立起包括變動性在內的諸多因素之間的基本關係，並在第三篇研究如何減少週期時間這個重要的主題。
控制和信息系統
製造管理者們經常面對可以用來實現目標的一大堆的控制措施。產品設計、設施規劃、設備維護、作業排程、人力政策等，還有許多其他方面都給他們提供了控制製造系統的機會。在工廠物理學中除了要關注物流，還不能過分侷限於與物流直接相關的控制措施（如，排程）。另外一些控制措施看起來和產出聯繫不那麼密切，但對於達到系統基本目標它們同樣重要。
為了給考慮可選方案的範圍提供一個結構化方法，Schwartz（1998）比較了一個運營經理和一個投資組合經理的行為。投資組合經理使用證券組合的方式以達到好的穩定的投資回報率。運營管理者管理三種基本的資產來產生投資回報率：信息、控制和緩衝。信息包括對於系統我們知道什麼（如，從ERR系統得到的庫存狀態數據）。控制包括影響系統行為的運營策略（如，庫存存儲規則）。緩衝就是在保護系統免受不確定變化的影響（如，安全庫存）。
這三部分必須一起來管理以獲得有效的全面績效。如果缺少某個部分（如，關於需求的不完全信息），它就必須被其他兩個部分的某種組合來補償（如，對生產時間安排更多的控制，或持有更多的安全庫存緩衝）。
目標、量度與控制
發展製造科學並不是一項微不足道的工作，就像應用這門學科解決製造問題那樣困難。而系統方法對這兩個問題都有益。
系統方法（TheSystemsApproach）
猜測與反駁的主張不僅是科學研究的工具，它也極其有用的解決問題的方法論基礎，如大家都知道的系統方法（systems approach），或者系統分析（systems analysis）。系統分析（SA）已經被正式研究至少30年了（見Ackoff1956，Churchman1986，Miser和Quade1985、1988）；但除了名字之外早已是管理思想的一部分，則至少要追溯到Chester（1938）的工作。
簡要地說，系統分析就是一種結構化的解決問題的方法，具有以下特徵：
1.系統觀點（a systems view）。問題經常在具有相互作用的子系統的系統的背景下呈現（例如，工廠就是一個系統，它由不同的產線組成，產線又由不同的段、班、線等組成的子系統所支持）。關鍵是生成一個廣泛的、對問題整體的認識，而不是狹窄的、殘缺的觀點。
2.手段-目的分析方法（means-endsanalysis）。首先指定目標，然後按照目標列示和評價備擇方案。注意它和常用於政治領域的"手段第一（means first）"方法形成鮮明對比，政治方法是先擺出備擇方案，而目標只是達成一致過程中的權宜之計。例如，系統分析可能會使用"把貨物方便快捷地送達客戶"的目標，而不會使用"提高處理採購訂單的效率"的目標。後者就是"手段第一"方法，它可能排除一些潛在的有吸引力的選擇方案（如，用全新的程序處理採購訂單）。（192|193）
3.創造性的備擇方案的產生（creative alternative generation）。當我們的腦海中形成目標，系統方法就會盡可能的大範圍搜尋可供選擇的方案。許多格式化的頭腦風暴技術已被開發出來並且用於支持這個過程。不管我們使用了什麼方法，意圖就是用一些非顯而易見的方法去改善系統。例如，要減少製造週期時間（製造一件產品所花費的時間），我們需要看得更遠一點，而不是簡單地考慮如何加快單個工序和想方設法取消整個產品步驟中的一部分。
4.建模和優化（modeling and optimization）。以目標數值的形式來比較這些可選擇的方案，我們需要一些量化分析方法。建模/優化的步驟可能就像計算每個可選擇方案的成本並選擇最便宜的一個一樣簡單，或者它也可能需要一個複雜的數學模型的分析。具體細化到什麼水平則依賴與所研究系統的複雜性以及這些行為的潛在邊際影響（如，為了節省$52,000卻花費了$50,000來分析的行為一點意義也沒有）。
5.迭代（iteration）。差不多每一次系統分析過程中，目標、方案以及建模都是被多次修正過的。但這並不是因為我們傻；而是因為現實世界的系統都是複雜的。發現錯誤和疏漏天生是猜測與反駁方法的一部分。
圖1描述了系統分析過程中四個基本階段的一個綱要：運營分析、系統設計、執行和評估。正如反饋箭頭所表示的那樣，這些階段並不是按先後順序的。迭代能夠發生並且應該發生在階段內部和階段之間。此外，在進行分析時，研究的焦點還在真實世界和模擬（模型）世界之間搖擺不定。（193|194）
圖1 一個系統分析範例
系統分析開始於運營分析（operations analysis）階段
在這個階段我們的焦點集中於從本質上觀察現實系統和建立合適有用的模型的科學（scientific）任務。要做到這些，我們要試著定義問題的目標、約束和可選擇方案。開始的時候這些好像看起來很明顯，但是實際上它們經常比我們所希望的難懂得多。因此，我們必須試驗性的推測它們，然後尋找矛盾。隨著項目的進行，新目標、新約束、新方案可能會出現，那麼它們之間的相對重要性也可能改變。
另外一個涉及反覆考慮目標和約束並且經常出現的問題是如何有代表性地選擇。一個明顯的喜好經常被聲明為目標或者是約束。例如，最小化在預定的期限之後才被滿足的客戶訂單數量可能就是一個目標。作為另一種選擇，要求少於2%的訂單被延遲滿足可能就是一個約束，它們關注的實際上是一致的。這種把目標轉換成約束的技巧被稱為滿足法（satisficing），並且這種方法在系統分析上被廣泛的使用（Majone1985）。
反覆考慮現實系統的目標，約束和備擇的方案僅僅是運營分析階段的出發點。在真實的複雜系統，我們不可能簡單地通過觀察實際系統就獲得對系統的透徹瞭解，也不可能評價那些可選擇的方案。主要有兩個原因。第一，高水平的目標（如，最大化客戶滿意度）一般是不可度量的。第二，現實系統一般太過複雜而不允許我們來直接地描述各種組分和特殊方案對系統的影響之間的相互作用關係。為了加深我們對系統的理解和系統的可控選擇方案，我們對系統的關鍵方面開發了類似物或模型。
現實系統的模型開始於定義低水平、可度量的作為真實系統效力代表指標的系統規範（如，遲於滿足客戶需求的加工任務的比例）。然後我們指定描述性的參數、可控變量，以及它們之間的相互關係來以某種模型的形式代表系統。建立模型的技術是非常複雜的，既要抓住系統關鍵的特徵，又要簡單從而允許可操作的分析，它也是一個複雜的任務，需要全體成員在創造性地解決問題和運用數學方法方面具有一定的技能。模型需要檢驗（verification）（即，檢查模型的邏輯）和驗證（validation）（即，比較模型和真實結果）。模型驗證包括在分析的建模和觀察方面之間的再三重複，而且應該貫穿於整個研究過程。
系統設計（systemsdesign）階段是這個系統分析範例中具有支配地位的工程（engineering）部分的開始。
在運營分析階段我們主要通過模型從現實世界過渡到模型世界。在系統設計階段我們主要是從模型世界回到現實世界，通過把模型轉換成可執行的方針政策。我們通過"優化"模型，同時考慮到效力的選擇指標並且通過敏感性分析來檢查結果的抗干擾性。接著我們將這些數學的或者象徵性的解轉換成實際的政策，然後檢查這些政策在實際環境中的實用性。重要的是我們要記住無論一個數學模型多好，它仍然是現實的一個簡化。就像開發合適的模型，解釋結果來開發合理的行動步驟是一門永遠不能完全機械化的藝術。
好的系統分析不會因為政策被提出終止。
範例中的系統實施（implementation）給我們提供了一個機會，當這些方針被正確地採用，如果這裡還有時間有效的處理它們的話，我們就能確定那些非預期的問題。（194|195）
最後，在系統評價（evaluation）階段
我們需要在那些政策已經被貫徹執行之後，以最原始的目標來評估系統這些方面來回顧系統。這是一個非常重要的階段，因為它提供瞭如何驗證改進現實系統的模型的有用性，而反對僅僅是簡單的描述系統行為。由於系統分析是應用型（applied）的問題解決辦法，滿足目標的程度必須總是所研究的結果。然而，因為大多數現實世界系統都是複雜的而且持續改變，所以特定研究的結束並不標誌著分析的結束。對於將來那些模型和現實系統的改進機會應該被作為將來系統分析循環步驟的輸入而予以確認。
基本目標
首先，為了實現目標，我們已經定義了製造系統為一個面向目標的（objective-oriented）網絡，製造科學的顯著的開始就是基本目標（fundamental objective）。這是所有部分都要通過的共同目標。它因為描述了一個可完全量化也可能不完全量化的長期期望而變得模糊不明。在一些公司中，基本目標被很正式稱為使命陳述（mission statement）。然而，這個欺騙性的複雜訓練經常變成一個華而不實的過程，時間被浪費去產生一些新的（往往是令人討厭的）口號。因此，一定要認識到系統分析始於確定基本目標。從它本身來說，基本目標（或使命陳述）一般是沒有有形資產價值的。
"用錢生錢"是基本目標的一個明顯選擇。但是，當我們發現有很多種方法可以賺錢的時候，包括出賣公司資產（也許短期內是好的，但是長期來看後果嚴重）還有違法處理滯銷貨（有利可圖的，但是非法也不道德）。其他比較流行的口號比如"給客戶想要的"也是同樣不完善的——如果我們可以免費提供好的產品給客戶，他們當然會非常滿意。為了獲得廣泛的支持，基本目標必須平衡涉及到組織內部的各個部門的關注點。以下的陳述足夠含糊，可以作為所有制造企業的基本目標：（195|196）
增加利益相關者（股東、僱員、客戶）的長期福利。
我們認識到這是一個"老掉牙的"（Momandapplepie）的陳述，它是如此的含糊以至於可以衍生出很多具體的指導。但是它的確為所有股東提供了一個共同點，並且強調說很多我們感興趣的部分在向製造系統轉變的過程中將可能被影響。
層級目標
一旦我們確定好一個階段目標後，衝突就產生了，因為對一個股東有利的並非就對其他股東有利。通過降低工人的薪水來減少成本對企業的利潤率和股東都有好處，但是對工人卻正好相反。為了達到一個平衡，我們需要稍微的縮小我們的基本目標，或許就像：
取得"好的"長期投資回報率（ROI）。
這個陳述將會讓所有股東滿意，因為投資回報率支撐著股票價格。同樣也在某個方面讓工人滿意，因為他們可以繼續被僱傭而且可以得到一個更高的工資。最後，客戶也會滿意，因為如果客戶不滿意，長期來看他們就不可能得到好的回報。因此，這個陳述，仍然是高水平的，涉及我們感興趣的主要部分所關注的，而且可以直接測量。
但我們不能簡單地將企業的高層級目標告訴工人們。在車間標貼再多鼓勵工人們達到好的投資回報率的標語也不能激發出卓越製造。人們需要知道他們的（their）工作如何影響基本目標，從而能夠積極地產生影響。出於這一點，我們需要定於與生產更緊密相關的量度。
首先，注意到利潤率和投資回報率可以通過三個財務指標——
（1）收入（revenue）、（2）資產（assets）、（3）成本（cost）——來計算，如下：
利潤＝收入－成本
投資回報率＝利潤/資產
但即使這些指標對於日復一日的工廠作業來說也是層次太高。
在車間水平上和收入、資產、成本等價的是
（1）產出（throughput），每件時間內出售（sold）的產品數（生產出來而沒賣出去對企業一點好處都沒有）；
（2）資產（assets），特殊的能控制的資產比如庫存；
（3）成本（cost），包括車間的運營成本以及特殊的可變成本如加班、轉包和報廢。這三個基本量提供了高水平的財政指標（如，投資回報率）和低水平的更加接近製造活動的指標（如，機器的可用性）之間的鏈接。（196|197）
圖2說明了一個簡單的層級目標，從基本目標到不同的支持子目標（subordinate objectives）。從利潤的計算公式，我們可以看到高的利潤率需要低的成本和高的產量（銷售
額）。低成本意味著要降低單位成本，這需要高的產出、高的利用率和低水平的庫存。正如我們隨後將在第二篇看到的，要達到低水平的庫存和較高的產出，產品的變化就要小。在層級的另一半，要增加銷售額就需要人們願意買的高質量產品與好的客戶服務。高水平的服務需要快速反應和品種多樣（任何客戶所需要的）。快速反應又需要短的週期時間，低的設備使用率和高的庫存水平。為了保持產品多樣性需求得到滿足，我們需要高的庫存水平和高的變動性（在產品）。但是，要達到高質量，我們需要低的變動性（在製造過程）和短的週期時間（在缺陷發生時馬上把它揪出來）。
圖2製造企業組織的層級目標
請大家注意，在這個層級中存在著衝突。例如，一方面我們要高的庫存水平來保證快速反應，但是另一方面我們需要低的庫存水平來讓我們的資產總額處於較低的水平以達到高的資產收益率。我們想要高的設備使用率以便降低單位成本，但是較高的設備使用率又會使企業的反應能力下降。我們想要在產品種類上有更多的變動性，但是較低的變動性可以使庫存水平降低，也能保持一個高的產出。儘管JIT鼓吹者不願意用"t打頭的單詞（tword）",我們還是必須做出權衡（tradeoff）來化解這些衝突。
最後，從圖2我們可以發現短的週期時間可以促進降低成本和提高銷售額，這點對我們是有用的。這就是90年代重點強調速度背後的動機，具體的口號比如快速響應制造（quick response manufacturing）和基於時間的競爭（time-based competition）。我們會在第二篇建立起包括變動性在內的諸多因素之間的基本關係，並在第三篇研究如何減少週期時間這個重要的主題。
控制和信息系統
製造管理者們經常面對可以用來實現目標的一大堆的控制措施。產品設計、設施規劃、設備維護、作業排程、人力政策等，還有許多其他方面都給他們提供了控制製造系統的機會。在工廠物理學中除了要關注物流，還不能過分侷限於與物流直接相關的控制措施（如，排程）。另外一些控制措施看起來和產出聯繫不那麼密切，但對於達到系統基本目標它們同樣重要。
為了給考慮可選方案的範圍提供一個結構化方法，Schwartz（1998）比較了一個運營經理和一個投資組合經理的行為。投資組合經理使用證券組合的方式以達到好的穩定的投資回報率。運營管理者管理三種基本的資產來產生投資回報率：信息、控制和緩衝。信息包括對於系統我們知道什麼（如，從ERR系統得到的庫存狀態數據）。控制包括影響系統行為的運營策略（如，庫存存儲規則）。緩衝就是在保護系統免受不確定變化的影響（如，安全庫存）。
這三部分必須一起來管理以獲得有效的全面績效。如果缺少某個部分（如，關於需求的不完全信息），它就必須被其他兩個部分的某種組合來補償（如，對生產時間安排更多的控制，或持有更多的安全庫存緩衝）。
例如，考慮一項由MRP系統控制的備貨生產。信息系統收集關於當前庫存、計劃接收量、能力和需求預測的數據。控制系統使用MRP把這些信息轉換成實際加工任務再釋放到車間，並追蹤它們的完成情況。控制系統也可能包括當需求發生變化時的調整應對。緩衝包括安全庫存、安全提前期和系統的額外能力。這些是十分必要的，因為預測永遠不可能絕對正確，並且MRP也不是一個完美的生產過程模型。（197|198）
這三個部分中的任何一個都提供了改進的機會，同時，它們之間的組合也可能提高系統的整體績效。例如，好的（較早的）需求信息將會通過接單生產的方式滿足更多的訂單來減少庫存緩衝需求。一個完全柔性的工人數（更多控制）將會減少對於額外能力的需求（較少緩衝）。較好的預測系統物流（比MRP模型提供的更好）將會減少額外的安全提前期和WIP水平（緩衝）的需求。這些就是在精益製造所推崇的政策類型，基本上就是關於通過更好地利用信息和控制來減少對於緩衝的需求。然而，我們將在第九章看到，無論得到的信息多麼完整，無論控制措施多麼得力，仍然需要一些緩衝。
如有需要，關注我們並轉發，發私信“工廠物理學”，提供電子書下載地址。
相關推薦
