Full resolution (JPEG) - On this page / på denna sida - H. 43. 24 november 1951 - Operationsanalys — ett sätt att veta mer och gissa mindre, av sah
<< prev. page << föreg. sida << >> nästa sida >> next page >>
Below is the raw OCR text
from the above scanned image.
Do you see an error? Proofread the page now!
Här nedan syns maskintolkade texten från faksimilbilden ovan.
Ser du något fel? Korrekturläs sidan nu!
This page has never been proofread. / Denna sida har aldrig korrekturlästs.
998
TEKNISK TIDSKRIFT
ken till dessa konstanters förekomst är de
mänskliga faktorernas beroende av de
maskinella: maskinerna tvingar fram vissa regler för
handhavandet, som begränsar de individuella
variationerna och utjämnar svåruppskattade
inverkningar av sådana faktorer som trötthet,
väderlek o.l.
Man kan inte tillräckligt understryka att
grundvalen för operationsanalysen måste vara fakta och
icke åsikter. Det är därför viktigt att
operationsforskaren samlar så många grundläggande data
som möjligt, baserade på egna iakttagelser eller
fullständiga rapporter. Undersökningar av
opinionsmätningstyp är i regel värdelösa, då de
återger åsikter och icke handlingar. Vikten av direkt
iakttagelse understrykes av erfarenheten, att
teknisk kunskap icke kan överföras av icke
tekniskt skolade mellanled.
Operationsanalysens metodik
Arbetssättet vid operationsanalys har definierats
på följande sätt: tidigare företeelser studeras för
bestämning av fakta; teorier utarbetas för att
förklara dessa fakta; fakta och teorier används
för förutsägelser om framtida operationer.
Det förberedande studiearbetet kan vara
mycket mångskiftande. Problemet är därvid ofta att
precisera den föreliggande uppgiften och att
finna ett effektivitetsmått på det mål som man
önskar uppnå. Har man en gång funnit det rätta
måttet, kan därmed uppgiften ibland vara löst
omedelbart.
Ett exempel härpå3 är en amerikansk studie av
effektiviteten hos luftvärnet på handelsfartyg. Det visade sig
att luftvärnets effekt i form av antalet nedskjutna
flygplan var mycket ringa, vilket närapå ledde till beslut att
slopa det. Sedan det emellertid hade påvisats att antalet
bombträffar på luftvärnsförsedda handelsfartyg (vars eld
störde det anfallande flygplanet) var avsevärt mindre än
på sådana som inte hade luftvärn, ändrade man snabbt
åsikt.
Hur problemet skall angripas betingas också
av huruvida tidigare erfarenhetsdata finns, eller
om man måste arbeta med hypotetiska
förutsättningar, som man får söka verifiera genom
teoretiska beräkningar eller experiment.
Vi betraktar t.ex. problemet10 att bestämma om
effektivaste stridsvagnsbekämpning nås då
pansarvärnskano-nerna skjuter individuellt mot var sitt mål eller då två
eller flera pjäser koncentreras mot samma mål. Om
tidigare krigserfarenheter är tillgängliga, börjar man med att
insamla siffermässiga data på stridsvagnarnas hastighet,
skydd och anfallstaktik, pjäsernas eldhastighet och
medel-beskjutningstid, samt kända anfallsresultat. I annat fall
får man uppskatta stridsvagnarnas egenskaper på basis
av eget jämförelsematerial, bestämma ammunitionsinsatser
och beskjutningstid med ledning av övningsskjutningar
och teoretiska träffsannolikhetsberäkningar, osv.
Även om grundmaterialet till en början
uppvisar luckor, brukar under analysens gång
problemet klarna väsentligt genom att vissa
statistiska samband relativt snart kommer fram, som
gör det möjligt att koncentrera det fortsatta
arbetet på de variabler som sannolikast har
inflytande på slutresultatet. När man har kommit så
långt, kan man i regel också dra vissa
preliminära slutsatser, som kan tillämpas på det
pågående företaget och därvid ge utdelning både
i form av förbättrat resultat och genom en
bekräftelse på analysens riktighet.
Den fortsatta undersökningen kan därefter
ägnas åt att i detalj utreda den inverkan som de
olika ingående faktorerna har på företagets
framgång. Även om statistik och
sannolikhetsteori även då får ett stort spelrum, kan nu även
sådana vetenskaper som matematik, fysik eller
biologi komma till användning. Med hjälp av
beräkningar, experiment och mätningar får man
möjlighet till detaljerade förutsägelser över det
väntade resultatet av förändringar i t.ex.
personal, utrustning och organisation. Dessa rön kan
sedan i sin tur kontrolleras genom försök i det
pågående företaget, tills dess man där har nått
ett optimum.
I många fall är en så detaljerad
undersökningsgång inte möjlig, dels därför att
förutsättningarna plötsligt ändrar sig, dels på grund av den
brådska som råder, i synnerhet vid militära
företag. En snabbt åstadkommen preliminär analys,
kanske baserad på ofullständiga data, är då
mycket mera värdefull än det säkrare resultatet av
en fullständig analys, som kommer för sent.
Erfarenheten visar för övrigt, att de stora
förbättringarna framkommer just vid den preliminära
analysen, medan de fördelar som vinns vid det
fortsatta arbetet blir av allt mindre betydelse.
Problemställningar oeh lösningsmetoder
Det har tidigare nämnts att det främsta
problemet inom operationsanalysen var att få fram
det kvantitativa mått som bäst lämpar sig för
att formulera ett företags effektivitet. Det har
också framkommit en del sådana mått, vilka är
rätt specifika för operationsanalysens arbetssätt.
Täckningsfaktorn
Ett av de största problemkomplex som
operationsanalysen bidrog till att klarlägga under
senaste världskriget var spaningsverksamheten,
t.ex. flygspaning efter ubåtar eller ubåtsspaning
efter konvoj er. Vid problem av detta slag
framkom som ett lämpligt effektivitetsmått
täckningsfaktorn.
För ett flygplan eller fartyg har denna ett
teoretiskt maximivärde, som är farkostens fart
multiplicerad med spaningsutrustningens
effektiva räckvidd i sidled, tagen två gånger (en gång
för varje sida). Den teoretiska täckningsfaktorns
dimension blir yta (t.ex. km2) per tidsenhet
(t.ex. timme eller dag).
Den praktiska täckningsfaktorn har i regel ett
lägre värde, vilket kan uttryckas som förhållan-
<< prev. page << föreg. sida << >> nästa sida >> next page >>
