Kirjoittajat: Kajanus, Hietikko, Kärkkäinen
TUOTEOMINAISUUDET JA SPESIFIKAATIOT
Tuotteen valmistettavuuteen vaikuttavia tekijöitä ovat esimerkiksi valmistusprosessin vaativuus, tarvittavien komponenttien saatavuus ja hinnat, käytössä oleva valmistusteknologia sekä osaaminen. Tuotteen ostettavuutta määrittävät esimerkiksi käytössä tarvittavat tuoteominaisuudet. Tuotekehityksessä joudutaan määrittelemään eli spesifioimaan näitä usein toisilleen vastakkaisia näkökumia yhdistäviä tuotekonsepteja. BisTech-hankkeessa kehitimme Valos-menetelmän helpottamaan tuotekonseptien analyyttistä määrittelyä.
Valos-menetelmä ja sähkömoottoripyörä
Valos-menetelmässä määritellään tuotespesifikaatioiden tärkeyttä valmistettavuuden ja ostettavuuden näkökulmasta. Taulukossa 1 esitellään sähkömoottoripyörä-tapauksen tuotespesifikaatioiden tärkeys valmistettavuuden ja ostettavuuden näkökulmasta. Tässä tapauksessa arvioinnin teki kolmihenkinen asiantuntijaryhmä konsensusperiaatteella. Esimerkiksi akkuteknologian spesifikaatioarvoa mitataan latausajalla nollasta 80% varaukseen. Minimiarvo on 38 minuuttia, tavoitearvo 28 minuuttia ja maksimiarvo 25 minuuttia. Ensin arvioidaan valmistettavuuden kannalta tärkein (paras) spesifikaatioarvo. Tässä tapauksessa minimiarvo 38 minuutin latausaika, koska se on helpoin, halvin ja nopein valmistaa. Sille annetaan 100 pistettä. Muiden spesifikaatioarvojen tärkeys määritellään suhteessa tärkeimpään. Tässä tapauksessa tavoitearvo 28 minuutin latausaika on arvioitu 70 pisteen arvoiseksi ja minimiaika 25 minuutin latausaika 65 pisteen arvoiseksi suhteessa tärkeimpään. Arviointitapa on nimeltään SMART ja sen on kehittäneet Edwards (1971) ja Edwards and Barron (1994). Sähkömoottoripyörän tapauksessa asiantuntijaryhmä arvioi vastaavalla tavalla keveyden, alhaisen painopisteen ja hyvän kiihtyvyyden spesifikaatioarvojen tärkeydet valmistettavuuden ja ostettavuuden näkökulmasta, katso arviontien tulokset taulukko 1.
Taulukko 1: Sähkömoottoripyörän tuotespesifikaatioiden tärkeys valmistettavuuden näkökulmasta.
Seuraavaksi arvioidaan akkuteknologian, keveyden, alhaisen painopisteen ja hyvän kiihtyvyyden keskinäinen tärkeys. Tässä tapauksessa valmistettavuuden tärkeydet arvioi kolmihenkinen asiantuntijaryhmä SMART-periaatteella (ks. edellä). Ostettavuuden painoarvoina käytettiin aiemmin QFD-menetelmällä laskettuja performance-prioriteettiarvoja (Viite) BisTech-artikkeli QUALITY FUNCTION DEPLOYMENT (QFD)
Painoarvot esitellään taulukossa 2.,
Taulukko 2. Akkuteknologian, keveyden, alhaisen painopisteen ja hyvän kiihtyvyyden keskinäinen tärkeys valmistettavuuden ja ostettavuuden näkökulmasta.
Seuraavaksi lasketaan spesifikaatioiden globaalit prioriteetit erikseen valmistettavuuden ja ostettavuuden näkökulmasta skaalaamalla arvot nollan ja ykkösen välille. Laskentamenetelmä esitellään julkaisussa Kurttila et al. (2000). Vastaavia menetelmiä olemme käyttäneet aikaisemmin esimerkiksi luonnonvarojen käyttöön liittyvissä päätöksentekotilanteissa (Kajanus et al. 2012) sekä sairaalaympäristössä hoitoprosessien vaikuttavuuden arvioinnissa (Puurunen et al. 2020). Valmistettavuuden ja ostettavuuden yhdistelmän laskemiseksi annetaan vielä valmistettavuudelle ja ostettavuudelle painoarvot (yhteensä 100). Tällöin voidaan kokeilla mitkä spesifikaatiot tulevat tärkeimmiksi, kun valmistettavuutta ja ostettavuutta painotetaan eri tavoilla.
Kuvassa 1. esitellään tuotespesifikaatioiden globaalit prioriteetit valmistettavuuden ja ostettavuuden yhdistelmässä, kun valmistettavuuden painoarvo on 80% ja ostettavuuden 20%. Tässä tapauksessa tuotekonseptin spesifikaatiot ovat seuraavat: kiihtyvyys 0-100 km/h 6,7 sekuntia, painopisteen korkeus 44 cm, massa 157 kg ja latausaika 0-80% 38 minuuttia.
Käytännön päätöksentekotilanteissa valmistettavuudelle ja ostettavuudelle asetettavien painoarvojen asettaminen saattaa olla vaikeaa. Saatetaan ajautua organisaation sisäiseen intressien konfliktitilanteeseen. Tämän helpottamiseksi BisTech-hankkeessa kokeilimme portfoliolaskennan mahdollisuuksia. Portfoliolaskenta eroaa yllä esitetystä Valos-menetelmästä siinä, että lasketaan kaikki mahdolliset valmistettavuuden ja ostettavuuden painoarvoyhdistelmät, ja tarkastellaan mitkä spesifikaatiot nousevat optimiportfolioon riippumatta valmistettavuuden ja ostettavuuden panoarvoista. Tähän sovellettiin Savoniassa kehitettyä Into-työkalua, joka perustuu portfoliolaskentaan (Liesiä 2017). Into-työkalua on käytetty aikaisemmin avoimeen innovaatioon (Pellikka et al. 2016), liiketoimintamallien määrittelyyn Kajanus et al. 2104, Eskelinen et al. 2017 ja Kajanus et al. 2019 sekä vaikuttavuuden arviontiin Paldanius & Kajanus 2021.
Kuvassa 2. esitellään Into-laskennan tulokset. Laskennassa on käytetty samoja lähtöarvoja kuin Valoksessa (taulukot 1 ja 2). Tulosten perusteella voidaan ”lukita” painopisteen korkeus 44 cm ja massa 157 kg. Latausajassa on ”pelivaraa” 25 ja 28 minuutin välillä ja kiihtyvyydessä 5.0 ja 6,7 sekunnin välillä.
TULOKSIA JA TULKINTAA
Taulukossa 3 vertaillaan erilaisten tuotekonseptien tuloksia simuloinnin avulla (viite) BisTech-artikkeli BisTech simulointi . Yksi vertailussa mukana oleva tuotekonsepti on Valoksen avulla määritelty valmistettavuutta 80% painottava konsepti. Havaitaan, että vaikka kyseinen konsepti tuottaa pienimmän rahamääräisen katteen, sen tuottama kate-% on kuitenkin vertailussa olevista konsepteista suurin (53,3%). Vertailu osoittaa, että erilaisissa liiketoiminnan tilanteissa ja tavoitteen asettelussa erilaiset tuotekonseptit saattavat tuottaa parhaan tuloksen.
Taulukko 3. Simuloinnin tuloksia erilaisilla tuotekonsepteilla.
Valos ja Into kokeilut osoittavat, että tuotespesifikaatioiden analyyttinen arviointi valmistettavuuden ja ostettavuuden perusteella on mahdollista suhteellisen yksinkertaisilla ja nopeilla menetelmillä. Laskennan tulokset helpottavat määrittelemään tuotekonsepteja. Parhaassa tapauksessa tulosten perusteella saatetaan löytää konsepti, joka muuten jäisi huomaamatta. Menetelmät toimivat myös tuotekehitykseen liittyvän kommunikaation jäsentämisen välineenä.
Lähteet:
- Edwards, W., 1971. Social utilities. Engineering Economist: Summer Symposium Series, 6, pp. 119–129.
- Edwards, W., Barron, F.H., 1994. SMARTS and SMARTER: improved simple methods for multiattribute utility measurements. Organizational Behavior and Human Decision Processes 60, 306–325.
- Eskelinen, T., Räsänen, T., Santti, U., Happonen, A., & Kajanus, M. 2017. Designing a Business Model for Environmental Monitoring Services Using Fast MCDS Innovation Support Tools. Technology Innovation Management Review, 7(11): 36-46. http://doi.org/10.22215/timreview/1119
- Kurttila, M., Pesonen, M., Kangas, J., Kajanus, M., 2000. Utilizing the analytical hierarchy process (AHP) in SWOT analysis—a hybrid method and its application to a forestcertification case. Forest Policy and Economics 1, 41–52.
- Kajanus, Iire, Eskelinen, Heinonen & Hansen (2014): Business model design: new tools for business systems innovation, Scandinavian Journal of Forest Research.
- Kajanus, Leban, Glavonjić, J Krč, J Nedeljković, D Nonić, E Nybakk. 2019. What can we learn from business models in the European forest sector: Exploring the key elements of new business model designs. Forest Policy and Economics 99, 145-156
- Kajanus, Leskinen, Kurttila and Kangas. 2012. Making use of MCDS methods in SWOT analysis—Lessons learnt in strategic natural resources management. Forest Policy and Economics, 20 (2012) 1–9.
- Liesiö, J. (2017). Portfolio decision analysis methods in environmental decision making, Environmental Modelling & Software, 94, 73–86.)
- Pellikka, J., Kajanus, M. and Seppänen, M. 2016. Open Innovation Adoption Practices and Evaluation Methods in the Global Process Industry. In Mention, A-L. and Torkkeli, M. (Eds) 2016. Open Innovation. A Multifaceted Perspective. World Scientific Publishing Co. Houston, Texas, USA.
- Paldanius & Kajanus 2021. Future Divercities-project (e)valuation report. Savonia University of Applied Sciences Serie 2/2021
- Puurunen, A., Ikäheimo, T-M., Nissen, M., Huotarinen, A., Jyrkkänen H-K., Huttunen, J., Koivisto, T., Kajanus, M., von und zu Fraunberg, M. 2020. Neuromodulation nurses, teamwork, and the establishment of a multi-disciplinary pain center are key success factors in neuromodulation: a hybrid SWOT analysis of the neuromodulation process for chronic pain. British Journal of Neuroscience Nursing, Vol. 16, No. 2.
