اخبار
منحنی یادگیری چیست؟
منحنی یادگیری نشان می‌دهد که با تکرار یک فعالیت، زمان و منابع موردنیاز برای انجام آن کاهش می‌یابد.
منحنی یادگیری چیست؟
منحنی یادگیری به‌صورت گرافیکی نشان می‌دهد که چگونه یک فرآیند با یادگیری و افزایش مهارت بهبود می‌یابد. هرچه یک فعالیت بیشتر انجام شود، زمان و منابع موردنیاز برای آن کاهش می‌یابد. این مفهوم اولین‌بار توسط روان‌شناس هرمان ابینگ‌هاوس در سال ۱۲۶۴ (۱۸۸۵) توصیف شد و برای اندازه‌گیری کارایی تولید و پیش‌بینی هزینه‌ها استفاده می‌شود.
نکات کلیدی
- منحنی یادگیری نشان‌دهنده مدت‌زمان لازم برای کسب مهارت‌ها یا دانش جدید است.
- در کسب‌وکار، شیب منحنی یادگیری نشان‌دهنده نرخ تبدیل یادگیری مهارت‌های جدید به صرفه‌جویی در هزینه‌ها برای شرکت است.
- منحنی یادگیری معمولاً شامل درصدی است که نرخ بهبود را مشخص می‌کند.
نقش در کسب‌وکار
شرکت‌ها می‌توانند بر اساس تعداد ساعات موردنیاز و نرخ ساعتی یک کارمند، هزینه تولید یک واحد محصول را محاسبه کنند. با تکرار یک فعالیت، کارمند یاد می‌گیرد که آن را سریع‌تر انجام دهد و زمان موردنیاز برای هر واحد کاهش می‌یابد. یک کارمند با جایگاه مناسب می‌تواند هزینه‌های شرکت را در طول زمان کاهش دهد. کسب‌وکارها می‌توانند از منحنی یادگیری برای برنامه‌ریزی تولید، پیش‌بینی هزینه‌ها و تنظیم برنامه‌های لجستیکی استفاده کنند.
منحنی یادگیری همچنین به‌عنوان منحنی تجربه، منحنی هزینه، منحنی کارایی یا منحنی بهره‌وری شناخته می‌شود، زیرا معیاری برای سنجش هزینه-فایده ارائه می‌دهد. منحنی یادگیری در ابتدا شیب نزولی دارد و در انتها به‌سمت خطی صاف حرکت می‌کند. با افزایش یادگیری، هزینه هر واحد محصول ابتدا کاهش می‌یابد و سپس با دشوارتر شدن افزایش کارایی از طریق یادگیری، این کاهش متوقف می‌شود.
منحنی‌های یادگیری اغلب با درصدهایی همراه هستند که نرخ بهبود را مشخص می‌کنند. برای مثال، یک منحنی یادگیری ۹۰٪ به این معناست که هر بار که مقدار تجمعی تولید دو برابر شود، میانگین زمان تولید هر واحد ۱۰٪ بهبود می‌یابد. این درصد نشان‌دهنده زمانی است که به فعالیت‌های بعدی با دو برابر شدن تولید منتقل می‌شود.
فرمول منحنی یادگیری
منحنی یادگیری فرمولی برای تعیین میانگین تجمعی زمان موردنیاز برای هر واحد یا دسته دارد:
Y = aX^b
که در آن:
- Y : میانگین تجمعی زمان برای هر واحد یا دسته
- a : زمان لازم برای تولید مقدار اولیه
- X : تعداد واحدهای تجمعی تولیدشده یا تعداد دسته‌های تجمعی
- b : شاخص یا شیب منحنی یادگیری، که به‌صورت لگاریتم درصد منحنی یادگیری تقسیم بر لگاریتم ۲ محاسبه می‌شود.
مثال
فرض کنید منحنی یادگیری ۸۰٪ باشد. این یعنی هر بار که مقدار تجمعی دو برابر شود، فرآیند ۲۰٪ کارآمدتر می‌شود. فرض کنید اولین فعالیت ۱,۰۰۰ ساعت زمان می‌برد.
Y = 1000 × 1^(log 0.80 / log 2) = 1000 × 1 = میانگین ۱,۰۰۰ ساعت برای هر فعالیت برای انجام یک فعالیت
حالا فرض کنید تولید دو برابر شود. زمان اولیه برای اولین فعالیت ۱,۰۰۰ ساعت است، اما مقدار X از یک به دو تغییر می‌کند:
Y = 1000 × 2^(log 0.80 / log 2) = 1000 × 0.8 = میانگین ۸۰۰ ساعت برای هر فعالیت برای انجام دو فعالیت
کل زمان تجمعی برای انجام دو فعالیت ۱,۶۰۰ ساعت بود. از آنجا که زمان انجام یک فعالیت ۱,۰۰۰ ساعت بود، می‌توان نتیجه گرفت که زمان اضافی برای انجام فعالیت دوم ۶۰۰ ساعت بوده است. این کاهش میانگین به‌صورت نظری با ادامه منحنی یادگیری ادامه می‌یابد. برای مثال، دو برابر شدن بعدی فعالیت‌ها در چهار فعالیت انجام‌شده رخ می‌دهد:
Y = 1000 × 4^(log 0.80 / log 2) = 1000 × 0.64 = میانگین ۶۴۰ ساعت برای هر فعالیت برای انجام چهار فعالیت
در این مثال نهایی، تولید چهار فعالیت ۲,۵۶۰ ساعت طول کشید. با توجه به اینکه تولید دو فعالیت اول ۱,۶۰۰ ساعت زمان برد، منحنی یادگیری نشان می‌دهد که تولید فعالیت‌های سوم و چهارم تنها ۹۶۰ ساعت زمان می‌برد.
جدول منحنی یادگیری ۸۰٪، با فرض اینکه اولین فعالیت ۱,۰۰۰ ساعت زمان می‌برد
مقدار تجمعی باید بین ردیف‌ها دو برابر شود—برای ادامه جدول، ردیف بعدی باید با مقدار ۸ محاسبه شود. زمان اضافی، تجمعی از واحدهای بیشتر با گسترش جدول است. برای مثال، ۶۰۰ ساعت زمان اضافی برای فعالیت شماره ۲، زمانی است که برای تولید یک فعالیت اضافی صرف شده است. اما ۹۶۰ ساعت در ردیف بعدی، زمانی است که برای تولید دو فعالیت اضافی صرف شده است.
نکته سریع
منحنی‌های یادگیری می‌توانند به‌صورت نمودار با مختصات خطی یا به‌صورت منحنی ترسیم شوند. همچنین می‌توانند به‌صورت خط مستقیم یا مجموعه‌ای از نقاط بین محورها در یک نمودار نمایش داده شوند.
ترسیم داده‌ها
از آنجا که داده‌های منحنی یادگیری به‌راحتی خطوط روند ایجاد می‌کنند، این داده‌ها به‌صورت گرافیکی نمایش داده می‌شوند. چندین نقطه داده برای انتخاب وجود دارد، از جمله کل زمان تجمعی موردنیاز برای تولید تعداد معینی از فعالیت‌ها یا واحدها. در نمودار زیر، منحنی یادگیری نشان می‌دهد که برای تولید فعالیت‌های بیشتر، زمان بیشتری لازم است.
نمودار: منحنی یادگیری، زمان تولید تجمعی
با این حال، نمودار بالا نمی‌تواند نشان دهد که فرآیند چگونه کارآمدتر می‌شود. به دلیل شیب صعودی نمودار، به نظر می‌رسد که انجام فعالیت‌های بیشتر به‌تدریج زمان بیشتری می‌طلبد. اما به دلیل ماهیت منحنی یادگیری، محور افقی دو برابر می‌شود و زمان هر واحد به‌تدریج کاهش می‌یابد. برای مثال، نمودار زیر زمان تقریبی میانگین موردنیاز برای انجام تعداد معینی از فعالیت‌ها را نشان می‌دهد.
نمودار: منحنی یادگیری، میانگین زمان برای هر فعالیت
برای نمایش گرافیکی این داده‌ها، می‌توانم نمودارهایی را بر اساس جدول بالا تولید کنم. آیا مایلید نموداری برای "زمان تولید تجمعی" یا "میانگین زمان برای هر فعالیت" ایجاد کنم؟ لطفاً تأیید کنید که کدام نمودار را می‌خواهید و نوع آن (مانند نمودار خطی یا میله‌ای) را مشخص کنید.
چگونه یک تولیدکننده می‌تواند از اطلاعات منحنی یادگیری استفاده کند؟
منحنی یادگیری نقش اساسی در درک هزینه‌های تولید و هزینه هر واحد دارد. فرض کنید یک کارمند جدید در خط تولید قرار می‌گیرد. با افزایش مهارت کارمند، او می‌تواند کالاهای بیشتری را در زمان کمتری تولید کند. با فرض منحنی یادگیری ۹۰٪، به این معناست که هر بار تعداد تکرارها دو برابر شود، ۱۰٪ بهبود حاصل می‌شود. شرکت می‌تواند از این اطلاعات برای برنامه‌ریزی پیش‌بینی‌های مالی، قیمت‌گذاری کالاها و پیش‌بینی توانایی پاسخگویی به تقاضای مشتری استفاده کند.
منحنی یادگیری بالا به چه معناست؟
یک منحنی یادگیری بالا یا شیب‌دار نشان می‌دهد که انجام یک فعالیت اولیه به منابع قابل‌توجهی نیاز دارد. اما همچنین نشان‌دهنده این است که انجام مکرر همان فعالیت به دلیل آسان‌تر بودن یادگیری، زمان کمتری خواهد برد. یک منحنی یادگیری بالا به کسب‌وکار نشان می‌دهد که ممکن است فعالیتی نیاز به آموزش فشرده داشته باشد، اما کارمند به‌سرعت در طول زمان مهارت بیشتری کسب خواهد کرد.
منحنی یادگیری ۹۰٪ به چه معناست؟
وقتی یک منحنی یادگیری درصد مشخصی دارد، این درصد نرخ یادگیری و بهبود را نشان می‌دهد. اغلب، درصد ارائه‌شده نشان‌دهنده زمانی است که برای انجام دو برابر تعداد تکرارها نیاز است. در مثال منحنی یادگیری ۹۰٪، این به این معناست که هر بار تعداد تکرارها دو برابر شود، ۱۰٪ بهبود ایجاد می‌شود.
نتیجه‌گیری
زمان و منابع صرف‌شده برای انجام یک فعالیت برای اولین بار احتمالاً بیشتر از زمانی است که همان فعالیت برای صدمین بار انجام می‌شود. این مفهوم بهبود مستمر از طریق منحنی یادگیری اندازه‌گیری می‌شود.