คิดครบ คิดลึก คิดยาว ชุดเครื่องมือของนักคิดเชิงระบบ

การคิดเชิงระบบ (Systems Thinking) คือแนวคิดและเครื่องมือในการทำความเข้าใจและแก้ปัญหาในระบบซับซ้อน (complex systems) และมีพลวัต (dynamics) ผ่านกระบวนการคิดใน 3 ลักษณะ

คิดลึก คือ การทำความเข้าถึงรากของปัญหา โดยเครื่องมือหลักคือ Iceberg model (แบบจำลองภูเขาน้ำแข็ง) และ Ladder of inference (บันไดการอนุมาน)
คิดครบ คือ การคิดอย่างครบถ้วน ด้วยการมองจากภาพใหญ่ และทำความเข้าใจความสัมพันธ์ โดยเครื่องมือหลักคือ Causal loop diagram (CLD) หรือ แผนภาพวงจรสาเหตุ และ Stocks and flows diagram (SFD) หรือ แผนภาพการสะสมและการไหล
คิดยาว คือ การสังเกตและทำความเข้าใจพลวัตของระบบในระยะยาว โดยเครื่องมือหลักคือ Behavior-over-time (BOT) graphs หรือกราฟการเปลี่ยนแปลงของพฤติกรรมในช่วงเวลา

คิดลึก – ด้วย Iceberg model

Iceberg modelเป็นหนึ่งในเครืองมือของการคิดเชิงระบบที่ช่วยให้เราเข้าใจระบบได้อย่างลึกซึ้งขึ้น ปัญหาเชิงมีรากที่ใหญ่และลึก เปรียบได้กับภูเขาน้ำแข็งที่โผล่เหนือน้ำที่ดูเหมือนมีขนาดเล็ก แต่มีขนาดภูเขาน้ำแข็งขนาดใหญ่ซ่อนอยู่ใต้น้ำ

Iceberg model มี 4 ชั้นจากบนลงล่าง

เหตุการณ์ (events) เป็นสิ่งที่สังเกตเห็นได้ เปรียบได้กับยอดภูเขาน้ำแข็งที่โผล่มาเหนือน้ำ ในตัวอย่างนี้คือ พนักงานมาสายในวันอังคาร
แนวโน้ม (patterns) คือ แนวโน้มหตุการณ์ที่เกิดขึ้นเมื่อสังเกตในกรอบระยะเวลาหนึ่ง ในตัวอย่างนี้คือ พนักงานมาสายทุกวันอังคาร
โครงสร้าง (structure) แสดงให้เห็นความสัมพันธ์ขององค์ประกอบย่อยในระบบ เช่นในกรณีนี้คือ พนักงาน และเวลางาน ที่ไม่มีความยืดหยุ่น กล่าวคือพนักงานจะต้องเข้างานในเวลาที่กำหนดไว้ โครงสร้างเป็นสาเหตุของแนวโน้ม ในกรณีนี้ พนักงานคนนี้อาจเรียนภาคค่ำทุกคืนวันจันทร์ส่งผลให้มาสายทุกวันอังคาร
Mental models คือ วิธีการมองโลกของผู้ที่อยู่ในระบบ ในกรณีนี้ ผู้จัดการอาจจะคิดว่าเขาไม่สามารถเชื่อใจว่าพนักงานจะทำงานอย่างเต็มที่ได้หากให้ให้ความยืดหยุ่นเรื่องเวลาและสถานที่ในการทำงาน จึงต้องให้พนักงานมาทำงานที่ออฟฟิซในเวลาที่กำหนด เพื่อที่เค้าจะได้เห็นด้วยตาตนเองว่าพนักงานกำลังทำงานอยู่

การคิดและแก้ไขปัญหาเชิงระบบ สิ่งแรกๆ ที่มีความสำคัญคือการความเข้าใจรากเง้าของพฤติกรรมของระบบ ดังนั้น Iceberg model จึงเป็นเครื่องมือสำคัญที่ช่วยให้เรามองลึกเข้าไปถึงแนวโน้ม ความสัมพันธ์ และสาเหตุของพฤติกรรม เพื่อที่จะเข้าใจระบบที่เรากำลังออกแบบได้ดีขึ้น

การมองเฉพาะเหตุการณ์เปรียบเสมือนการมองปัญหาที่เห็นเฉพาะก้อนนำ้แข้งที่อยู่เหนือผิวนำ้ การแก้ไขปัญหาเชิงระบบมองเห็นสิ่งที่อยู่ใต้น้ำที่ทำให้เกิดเหตุการณ์นั้นซ้ำแล้วซ้ำ ยิ่งเรามองเห็นประเด็นที่ซ่อนอยู่ใต้น้ำมากขึ้นเท่าไหร่ ยิ่งเป็นโอกาสใช้จุดคานงัดที่ยิ่งมีประสิทธิภาพในการแก้ไขปัญหาเชิงระบบมากขึ้นเท่านั้น

คิดลึก – ด้วย Ladder of Inference

หลายๆ ครั้ง เราด่วนสรุป หรือมีความอคติ จึงทำให้ตัดสินใจผิดพลาด Ladder of inference ช่วยให้เราสามารถตรวจสอบสมมติฐานของเราอย่างเป็นขั้นเป็นตอน เพื่อมองโลกอย่างไม่มีอคติและช่วยให้ตัดสินใจได้ดีขึ้น

เริ่มจากปลายบันได ที่ประสบการณ์ในอดีตทำให้เราสังเกตเห็นข้อมูลและเหตุการณ์บางอย่าง และไม่เห็นบางอย่าง จากนั้นปัจจัยด้านวัฒนธรรม การเลี้ยงดู วิธีมองโลกของเรา ทำให้เราสร้างความหมายกับข้อมูลและเหตุการณ์นั้นๆ ความหมายที่เราตีความมานั้นก่อให้เกิดความเชื่อ ความเชื่อก่อให้เกิดการกระทำ

ขอยกตัวอย่างสถานการณ์เพื่อให้เห็นภาพ

Ladder of inference ช่วยให้เรามองเหตุการณ์ตามความเป็นจริง เป็นเครื่องมือช่วยสะท้อนคิด (self-reflection) ของนักคิดเชิงระบบ ช่วยให้เราสามารถเข้าใจระบบได้อย่างที่มันเป็นจริงๆ โดยแยกแยะข้อมูลที่เป็นข้อเท็จจริงหรือสิ่งที่เกิดขึ้นจริง (facts)ออกจากการตีความตามความเชื่อหรือประสบการณ์ในอดีตของเรา(interference)ซึ่งอาจจะทำให้เกิดอคติ และทำให้เราสังเกตปัญหาได้ไม่ตรงตามความเป็นจริง

คิดครบ – ด้วย Causal Loop Diagram

Causal Loop Diagram (CLD) เป็นหนึ่งในเครื่องมือของ Systems thinking ที่ช่วยให้เห็นความสัมพันธ์ระหว่างองค์ประกอบย่อย (element)ในระบบ ซึ่งส่งผลต่อพฤติกรรมของระบบ

CLD เป็นเครื่องมือที่ใช้อธิบายความสัมพันธ์เชิงคุณภาพระหว่างสาเหตุหรือปัจจัยที่เกี่ยวข้องกับปัญหากับผลลัพธ์ที่เราสนใจศึกษา และสามารถระบุทิศทางของความสัมพันธ์จากการเปลี่ยนแปลงเชิงปริมาณได้ โดยใส่เครื่องหมาย + หรือ -เพื่อแสดงทิศทางของความสัมพันธ์จากการเปลี่ยนแปลงเชิงปริมาณ หากการเปลี่ยนแปลงเชิงปริมาณของสาเหตุ (cause) ทำให้มีการเปลี่ยนแปลงของผลลัพธ์ในทิศทางเดียวกัน ใช้เครื่องหมาย + หรือ S (same, similar) แต่ถ้าการเปลี่ยนแปลงเชิงปริมาณของสาเหตุทำให้มีการเปลี่ยนแปลงของผลลัพธ์ในทางตรงกันข้าม ใช้เครื่องหมาย – หรือ O (opposite)

การบริโภคมากขึ้น จนเกินความต้องการของร่างกาย ทำให้เสี่ยงต่อภาวะอ้วน ยิ่งบริโภคมากขึ้น ก็ยิ่งทำให้น้ำหนักเพิ่มขึ้น จึงมีทิศทางความสัมพันธ์เป็นบวก หรือการบริโภคน้อยลง ก็ยิ่งทำให้น้ำหนักน้อยลง ก็ยังคงมีทิศทางความสัมพันธ์เป็นบวก

แต่ถ้ามีการออกกำลังกายเป็นประจำเพิ่มมากขึ้นทำให้โอกาสที่น้ำหนักจะเกินเกณฑ์ลดลง จึงมีความสัมพันธ์เป็นลบนอกจากนี้ความสัมพันธ์ยังสามารถเชื่อมโยงย้อนกลับเป็น Feedback loop (วงจรป้อนกลับ) ได้ด้วย

Reinforcing loop (วงจรเสริมกำลัง) ก่อให้เกิดผลกระทบแบบก้อนหิมะ(Snowball effect) ซึ่งทำให้สถานการณ์ที่ใหญ่โตขึ้นอย่างรวดเร็ว เทียบได้กับก้อนหิมะที่สะสมมวลหิมะขณะกลิ้งลงจากภูเขาที่สะสมมวลหิมะ เมื่อใหญ่ขึ้นก็ทำให้ยิ่งเพิ่มความเร็ว และยิ่งเมื่อเพิ่มความเร็วก็ยิ่งทำให้ใหญ่ขึ้นอย่างทวีคูณ

ขอยกตัวอย่างใกล้ตัว เมื่อมีใครซักคนพูดไม่ดีกับเราๆ คงรู้สึกโกรธ และถ้าพูดตอบโต้ไม่ดีด้วยอารมณ์โกรธ ซึ่งก็ยิ่งอาจทำให้เกิดการโกรธมากยิ่งขึ้น เราใช้ R เป็นสัญลักษณ์ของ Reinforcing loop

วงจรอีกแบบหนึ่งคือ Balancing loop (วงจรสร้างสมดุล) มีคุณสมบัติในการรักษาสมดุล ตัวอย่างใกล้ตัวก็คืออาการหิว เมื่อเราหิวเราก็กิน เมื่อกินไปถึงจนอิ่มแล้ว เราก็หายหิวจึงหยุดกิน

ในระบบหนึ่งอาจจะมีความสัมพันธ์มากกว่า 1 feedback loop เช่นกรณีจำนวนประชากรก็เกี่ยวข้องกับการตายและการเกิด โดยความมีความสัมพันธ์แบบ Reinforcing loop กับการเกิด เพราะเมื่อมีการเกิดก็ทำให้ประชากรเพิ่มขึ้น และเมื่อมีประชากรเพิ่มขึ้นก็ทำให้มีการเกิดมากขึ้น สัญลักษณ์ || บ่งบอกถึงการล่าช้า (delay) ที่เกิดขึ้นในกรณีนี้หมายถึงประชากรต้องเติบโตถึงวัยเจริญพันธ์ถึงจะมีลูกได้ (มีการเกิด)

ส่วนการตายมีความสัมพันธ์แบบ Balancing loop กับจำนวนประชากร เมื่อมีการตายเพิ่มขึ้นก็ทำให้จำนวนประชากรลดลง

ในระบบที่ซับซ้อนมากๆ เช่นระบบสุขภาพ มีความเกี่ยวข้องกับหลายคนและและองค์กรเกินกว่าที่ใครคนเดียวจะมีภาพที่ครบถ้วน ดังนั้นในการสร้าง CLD ระบบขนาดใหญ่ มักทำในรูปแบบ Group Model Building (GMB) ซึ่งก็คือเวิร์คชอปที่ผู้มีส่วนเกี่ยวข้อง(Stakeholders)ที่เกี่ยวข้องมาสร้าง CLD ร่วมกัน

CLD ช่วยให้ผู้ที่มีส่วนเกี่ยวข้องมีภาพเดียวกัน จึงกล่าวได้ว่าประโยชน์แรกของ CLD คือการเป็นเครื่องมือสื่อสาร ก่อนที่จะนำไปวิเคราะห์หาจุดคานงัด (Leverage point) ซึ่งก็คือการแก้ปัญหาที่ใช้แรงน้อยแต่ได้ผลมาก

จะสังเกตได้ว่า CLD เป็นเครื่องมือเชิงคุณภาพที่มีจุดประสงค์หลักในการเน้นการแสดงความสัมพันธ์ขององค์ประกอบย่อยของระบบซึ่งเพียงพอในการทำความเข้าใจระบบรวมถึงหาจุดคานงัด ซึ่งหากต้องการวิเคราะห์ระบบในเชิงปริมาณจะต้องเแปลง CLD ไปเป็นStocks and flows diagram ที่จะใช้ในการสร้างแบบจำลองของระบบต่อไป

คิดครบ – ด้วย Stocks and flows diagram

Stocks and flows diagram (แผนภาพการสะสมและการไหล)เป็นหนึ่งในเครื่องมือเชิงปริมาณที่ช่วยทำให้เข้าใจพลวัต(dynamics)ของระบบ โดย stock คือค่าที่เราสนใจ เช่นปริมาณประชากร จำนวนผู้ป่วยในแผนกฉุกเฉิน จำนวนเงินเก็บในบัญชีออมทรัพย์ของเรา stock จะต้องเป็นสิ่งที่วัดหรือนับได้ แต่ไม่จำเป็นต้องเป็นสิ่งของทางกายเท่านั้น ความพึงพอใจก็เป็น stockได้flowคือการไหลเข้าหรือออกที่ส่งผลต่อการสะสมของstock

ตัวอย่างคลาสสิคที่ใช้ในการอธิบาย stockและflowคือโมเดลอ่างน้ำ ระดับน้ำในอ่างอาบน้ำขึ้นอยู่ปริมาณน้ำที่ไหลเข้าจากก็อกน้ำ และปริมาณน้ำที่ไหลออกจากจุกระบายน้ำ

โมเดลอ่างอาบน้ำสามารถวาดเป็น SFDได้ดังนี้

ตัวอย่าง Bathtub model เป็นตัวอย่างง่ายๆ ที่ช่วยให้ทำความเข้าใจ stock และ flowแต่พลวัตของระบบในชีวิตจริงมีความซับซ้อนกว่านั้น

stock สามารถมีวงจรป้อนกลับมาที่ flow ได้ โดยมีสองชนิดคือ Reinforcing loop (วงจรเสริมกำลัง)และBalancing loop (วงจรสร้างสมดุล)

Reinforcing feedback คือการที่ระดับของ stock ป้อนกลับมาที่flow ซึ่งส่งผลต่อระดับของstock ตัวอย่างที่พบเห็นในชีวิตประจำวันคือบัญชีเงินฝากที่จำนวนดอกเบี้ยที่คำนวณจากจำนวนเงินฝาก และป้อนกลับมาเพิ่มจำนวนเงินฝากอีก กลายเป็นดอกเบี้ยทบต้น

หรือจำนวนประชากร

ตัวอย่างของ Balancing loop ที่ใกล้ตัวเราก็คือการกินกาแฟ ถ้าวันไหนเราพักผ่อนน้อย เราก็อาจจะเพิ่มพลังในการทำงานด้วยกาแฟ เมื่อกินกาแฟแล้วเราจะรู้สึกเรารู้สึกตื่นมีพลังพร้อมทำงานก็หยุดกินกาแฟ แต่ถ้าตกบ่ายเรารู้สึกง่วงหลังจากทานข้าวเที่ยงเราก็อาจจะกินกาแฟเพิ่มอีกแก้ว Feedback loop ลักษณะนี้มีคุณสมบัติในการรักษาสมดุล กล่าวคือเราคงจะไม่กินกาแฟไปเรื่อยๆ ถึงแม้จะรู้สึกไม่ง่วงแล้ว

โดยปกติแล้ว SFD จะเป็นการพัฒนาต่อยอดมาจากCLDตัวอย่างเช่นโมเดลจำนวนประชากรในรูปแบบ CLD

สามารถแปลเป็น STD ได้ดังนี้

CLD ช่วยให้เห็นความสำคัญ แต่ไม่สามารถวิเคราะห์ในเชิงปริมาณได้ กล่าวคือเรารู้ว่าเมื่อมีประชากรมากขึ้นก็ทำให้อัตราการเกิดมากขึ้นแต่ไม่รู้ว่ามากขึ้นเท่าไหร่ เมื่อแปลงเป็น Stocks and flows diagram แล้วเราสามารถใส่สมการและสร้างแบบจำลองบนคอมพิวเตอร์เพื่อสามารถวิเคราะห์ในเชิงปริมาณได้

นอกจากนี้เรายังสามารถทดลองปรับตัวแปรต่างๆ และจำลองให้เห็นผลการเปลี่ยนแปลง ก่อนที่จะนำไปปฏิบัติจริง

นักคิดเชิงระบบเข้าใจถึงพลวัตของระบบที่มีการเปลี่ยนแปลงตามช่วงเวลา และใช้ กราฟ BOT ซึ่งเป็นอีกเครื่องมือของการคิดเชิงระบบเพื่อติดตาม ทำความเข้าใจ และออกแบบระบบให้มีพฤติกรรมที่ต้องการ

อาจกล่าวได้ว่านักคิดเชิงระบบมองโลกผ่าน SFDโดยstockคือสิ่งที่สนใจ และต้องการควบคุมระดับของ stock ให้อยู่ในระดับที่ต้องการ ผ่านการควบคุมการไหลเข้าและออก (inflows and outflow)

คิดยาว – ด้วย Behavior-over-time (BOT) graphs

พลวัตของระบบเป็นคุณสมบัติที่สำคัญที่นักคิดเชิงระบบสนใจ แต่เขาหรือเธอไม่ได้สนใจการเปลี่ยนแปลงเป็นครั้งคราว แต่สนใจศึกษาธรรมชาติพลวัตของระบบในช่วงเวลาหนึ่งๆ ผ่าน ซึ่งสามารถสังเกตได้ผ่าน Behavior-over-time (BOT) graph หรือกราฟการเปลี่ยนแปลงของพฤติกรรมในช่วงเวลา

กลับมาที่ตัวอย่างโมเดลอ่างอาบน้ำ ซึ่งสามารถจำลองได้ด้วย SFD และ กราฟ BOT นี้แสดงให้เห็นระดับที่เปลี่ยนไปตามเวลาตั้งแต่เริ่มเอาปลั๊กระบายน้ำออก

พฤติกรรมของระบบไม่ได้เป็นเส้นตรงเสมอไป ลักษณะของ BOT สะท้อนโครงสร้างของระบบ

มาดูตัวอย่างระบบที่มี Balancing loop 2 วงที่มีทิศทางตรงกันข้ามกัน

ระบบปรับอากาศมีลักษณะนี้ ในประเทศเมืองหนาวที่ต้องเปิดเครื่องให้ความร้อนเพื่อให้ห้องมีอากาศอุ่นสบายจะมี Balancing loop จำนวน 2 วง วงแรกคือเครื่องควบคุมอุณหภูมิ(Thermostat) ที่ช่วยปรับให้อุณหภูมิเป็นไปตามที่เราตั้งไว้ และวงที่สองคืออากาศร้อนที่จะไหลออกไปข้างนอกผ่านช่องหน้าต่างและประตูต่างซึ่งเป็นไปตามหลักฟิสิกส์ที่พยายามจะให้อุณหภูมิข้างในและข้างนอกเท่ากัน

Balancing loop แรก (เครื่องควบคุมอุณหภูมิ) จะมีกราฟ BOT ดังนี้

Balancing loop ที่สอง(ความอุ่นไหลออกตามช่องหน้าต่างและประตู) จะมีกราฟ BOT ดังนี้

เมื่อนำทั้งสอง Balancing loop มารวมกันจะมีกราฟ BOT ดังนี้

จะเห็นได้ว่าอุณหภูมิของห้องจะต่ำกว่าที่ตั้งไว้ที่เครื่องควบคุมอุณหภูมิ ดังนั้นเพื่อให้ได้อุณหภูมิที่ต้องการเราจะต้องตั้งอุณหภูมิให้สูงกว่าที่ต้องการ คำถามต่อไปก็คือสูงกว่าเท่าไหร่ คำตอบก็คือขึ้นอยู่กับอุณหภูมิข้างนอก

และถ้าระบบนั้นมีความล่าช้าล่ะ กราฟ BOTจะจะมีหน้าตาเป็นอย่างไร ระบบสินค้าคงคลังเป็นตัวอย่างของระบบที่มีพฤติกรรมนี้

กราฟ BOT ของระบบมีก็จะมีความกวัดแกว่ง

ความกวัดแกว่งอธิบายได้ดังนี้ เมื่อยอดขายสูงขึ้น เจ้าของโชว์รูมรถก็จะไม่ได้สั่งรถเพิ่มทันที แต่รอดูซักช่วงเวลาหนึ่งเพื่อดูแนวโน้ม ดังนั้นจำนวนรถคงคลังก็จะลดลง และจะเพิ่มสูงขึ้นเมื่อรถมาส่งที่คลังสินค้า

ท้ายสุดมาดูระบบที่มี Balancing loop และ Reinforcing loop