Зачем SPC?
Статистическое Управление Процессами, каким его видел Уолтер Шухарт

(авторы Британская Ассоциация Деминга, перевод Светлана Ильина и Георгий Лейбович, редакция Рубаник Ю.Т.)


Предисловие

Статистическое управление широко распространяется в Великобритании. Прискорбно, но большая часть людей и организаций, использующих SPC, не знают причин его возникновения и не осознают его огромных потенциальных возможностей для улучшения процессов в отличие от простого мониторинга процессов.

Осознание этих потенциальных возможностей требует понимания природы вариабельности, и в особенности того факта, что существует два типа вариабельности, которые обусловлены, соответственно, «особыми» или «общими» причинами. Действия, предназначенные для улучшения качества путем снижения влияния особых и общих причин, в корне отличаются друг от друга. К сожалению, неумение различать эти два типа причин не только сводит на нет усилия по проведению улучшений - оно может вести к реальному ухудшению ситуации. Это справедливо не только для производственных процессов, но и для всех типов процессов, включая процессы, имеющие отношение к управлению людьми.

Поэтому знание этих вопросов больше нельзя рассматривать как некоторое, не обязательное дополнением к общей теории менеджмента: оно, безусловно, является необходимым. Данная брошюра предназначена стать начальным толчком для тех, кто хочет получить эти знания.

 

Примечания

1. Два первых раздела данной брошюры, «Ужасающий пример» и «Две точки зрения на SPC», предполагают некоторое знакомство со стороны читателя с тем, что может быть (не совсем удачно) определено как “стандартная практика SPC». Читателям, не имеющим подобных знаний, мы рекомендуем работать с данной брошюрой следующим образом:

a Бегло просмотрите два первых раздела, не задерживаясь на деталях.

b Прочитайте остальную часть брошюры, за исключением приложений.

с Вернитесь к первым двум разделам и теперь читайте их более внимательно.

d Затем, если хотите, завершите знакомство с брошюрой чтением приложений.

2. Большая часть материала этой брошюры аналогична материалу Главы 4 в книге The Deming Dimension, автор Генри Нив[1]

3. Автор приносит благодарность Биллу Шеркенбаху (Bill Scherkenbach) и Эду Бейкеру (Ed Baker) за разрешение воспроизвести материалы, взятые из практики компании Форд Моторс (США).

 


 

Содержание

Предисловие

Примечания

Ужасающий пример

Две точки зрения на SPC

Что значит «Управляемый» и «Неуправляемый» процес?

Почему характеристики «Управляемый» и «Неуправляемый» важны?

Примеры вмешательства

Итак, зачем SPC?

Приложение 1: Назад к основам

Приложение 2: Аттестация персонала, целевые показатели и MBO

Ссылки


Ужасающий пример

Д-р Деминг часто рассказывает об ужасающих примерах, которым он был свидетелем. Вот один из моего собственного недавнего опыта.

В середине конференции, во второй половине дня делегатов пригласили нанести визит на фабрику. Название компании, чью фабрику я посетил, широко известно и дома, и за рубежом.

Мне сказали, что компания недавно «внедрила SPC (Статистическое управление процессом)». Это, само по себе, было сигналом опасности.* Мне показали около дюжины контрольных карт. Я выяснил, как принималось решение о том, для каких процессов и для каких показателей этих процессов будут строиться карты. Я узнал, что в процессе своего рода мозгового штурма были высказаны некоторые предложения, и затем, с помощью процесса расстановки приоритетов, был составлен их краткий список. Пока всё хорошо, подумал я – и, вероятно, это лучше, чем зависимость от выбора управляющих! Но то, о чём мне рассказали дальше, меня обеспокоило. После составления краткого списка, входящие в него позиции были тщательно оценены на предмет того, «подходят ли они для SPC». Я был заинтригован тем, что же это выражение означало. После некоторых затруднений в передаче информации, дошедшее до меня в конечном итоге объяснение состояло в том, что выражение «подходящий для SPC», по всей видимости, означало то же, что и выражение «находящийся в состоянии статистического контроля». А что же тогда, поинтересовался я, происходило с теми процессами, которые не «подходили для SPC»? Ответом было нечто вроде: "Ну, мы все знаем, что тут вокруг полным-полно изношенного оборудования, полностью несоответствующего современным стандартам. Мы знаем, что всё оно должно пойти на металлолом и быть заменено современным оборудованием. Поэтому, поскольку мы идем к тому, чтобы со временем, как предполагается, иметь SPC во всех наших процессах, мы запрашиваем новое оборудование, которое будет подходить для SPC». Имея большие сомнения на этот счет, я поинтересовался, понимает ли кто-нибудь, что когда процесс находится вне статистического контроля (или, другими словами, «не подходит для SPC»), никто не в состоянии предсказать, на что этот процесс способен. Как я и ожидал, мой вопрос был встречен растерянным молчанием и взглядами, выражающими сожаление – этим людям было очевидно, что я совсем не разбираюсь в этой теме.

Кончилось тем, что я отвел в сторону какого-то довольно высокопоставленного сотрудника и очень вежливо объяснил ему, что по всей видимости, компания просто тратит миллионы фунтов стерлингов на никому не нужное новое оборудование. Реакция была, по меньшей мере, холодной.

Печально, но факт: эта компания не знала ответа на вопрос, который поставлен в заголовке данной брошюры: Зачем SPC? Эту историю я рассказывал нескольким людям. У многих есть свои сходные истории. Очень тяжело видеть, как многие благие намерения, огромные усилия и вложения уходят впустую. Причиной всему является, попросту говоря, плохое понимание и плохое обучение – и оба этих фактора, естественным образом поддерживают друг друга, приводя к еще худшим последствиям.*

 

Две точки зрения на SPC

Основные положения метода Статистического управления процессами (хотя в то время это называлось по-другому) и связанного с ним инструмента контрольной карты были разработаны д-ром Уолтером А Шухартом (Walter A Shewhart) в середине 1920-х годов. Его аргументация и подход были практическими, разумными и ясными. Чтобы добиться этого, он сознательно старался не перегружать свой метод сложными математическими выкладками. К сожалению, спустя несколько лет после публикаций Шухарта в этой области, некоторые специалисты по математической статистике (представляется, что в основном британские) ухватились за идеи Шухарта, заполнили, как им казалось, имеющиеся пробелы в математике. Тем самым они загнали себя в ловушку, которую Шухарт так старательно обходил, и уменьшили полезность его метода. Проблема с их подходом заключалась в том, что необходимость строгого математического доказательства, заставила их делать предположения, которые были и до сих пор являются неоправданно ограничительными с точки зрения реального мира. В действительности же, используемые предположения уводят далеко в сторону от тех важных вопросов, на которые Шухарт намеревался ответить.

Еще более прискорбно, что эта ослабленная версия (хотя ее нередко считают более сильной за счет ее математической точности) получила распространение и стала более известной, чем сама работа Шухарта, в самой Великобритании, а также по всей Европе. Точные математические методы производят впечатление на излишне доверчивых людей, и их легче преподавать. Но эти методы серьезно снизили потенциальные возможности того, что можно было бы совершить с помощью применения SPC. Сомнений нет, в компании, которую я посетил в ходе конференции, преподавание велось сторонниками Британского/Европейского «математического» подхода. Кто может обвинять этих преподавателей? Скорей всего, это было все, что они знали; а если так, они лишь исполняли свои обязанности наилучшим доступным им образом.*

Даже компании, которые тем или иным способом достигли более высокого уровня понимания, чувствуют, что попали под влияние некоторых представлений, заложенных в более слабой версии. Например, мне приходит на ум одна очень уважаемая мной компания; с некоторыми из ее сотрудников я хорошо знаком. Тем не менее, когда я просмотрел Руководство по SPC в этой компании, я обнаружил следующее:

«Статистическое управление процессом – это средство предотвращения дефектов путем выделения ситуаций, в которых выход процесса выходит за приемлемые границы»

а также:

«Даже при наличии надежного соответствующего оборудования, несоответствующая стандарту работа будет выпускаться из-за:

• Несоответствующей наладки оператором;

• Поломанного или изношенного инструмента ( и т.д., и т.д.)

Использование контрольных карт процесса обеспечивает раннее предупреждение о наличии этих проблем и часто будет их предугадывать, так что станет возможно их избежать.»

Итак, подведем итог сказанному: в подобных применениях контрольных карт, скорей всего, нет ничего изначально плохого. Они вполне могут быть полезны. (Однако, если читатель вернется к данному разделу после прочтения всей брошюры, то, вероятно, в вышеприведенных цитатах он сможет увидеть некоторые намеки и на "вмешательство", и на восприятие качества исключительно с позиций удовлетворения требованиям и спецификациям – а это уже действительно изначально плохие практики.) Все дело в том, что они отражают только малую часть того, что могут делать контрольные карты, хотя многие полагают, что это единственное, что они могут делать. Это низводит контрольные карты до роли всего лишь инструмента мониторинга. Предполагается, что рассматриваемый процесс, тем или другим образом, оказывается в так называемом удовлетворительном состоянии, и тогда функция контрольной карты состоит в том, чтобы заранее извещать об отклонении процесса от этого удовлетворительного состояния. Это, фактически, то, как многие ответили бы на вопрос: Зачем SPC?

Сравните это с описанием д-ром Демингом (взято из выступления*, которое он сделал в Версале 6-го июля 1989 года) того, как Шухарт начал разрабатывать свои новаторские идеи в этой области:

«Я работал в компании Western Electric в Чикаго частично в 1925 году и на протяжении всего 1926 года. Частью бизнеса компании Western Electric's являлось производство оборудования для телефонных систем. Целью была, конечно же, однородность выпуска: сделать выпускаемые изделия идентичными, чтобы на них можно было полагаться. Заветным желанием Western Electric было использовать в рекламе фразу «Похожи, как два телефона». Но они обнаружили, что чем больше они старались добиться воспроизводимости и однородности, тем хуже были результаты. Чем больше они пытались снизить вариабельность, тем выше она становилась. Когда случалась какая-либо ошибка, оплошность или поломка, они начинали работать над её исправлением. Это была благородная цель. Было только одно маленькое «но» - все становилось еще хуже.

В конце концов, проблема перешла к д-ру Уолтеру Шухарту из компании Bell Laboratories в Нью-Йорке. Прежде чем перейти в Bell Laboratories, д-р Шухарт в течение 18 месяцев работал в компании Western Electric. Он работал над этой проблемой. Он выявил наличие двух типов ошибок:

1. Трактовка недостатка, жалобы, ошибки или поломки как возникших в результате особой причины, хотя на самом деле не было совсем ничего особого, то есть, когда они возникали в результате обычной вариабельности, вызванной общими причинами.

2. Трактовка всего перечисленного выше как возникшего в результате общих причин, хотя на самом деле они были вызваны особыми причинами.

Но, что изменится, если вы делаете эти ошибки? В чем же собственно, разница, совершаете вы их или нет? Вся разница в том, добьётесь лм вы успеха или вас постигнет неудача.

Д-р Шухарт решил, что в этом был корень проблем компании Western Electric: они не понимали разницы между общими причинами и особыми причинами и того, что не умение их различать приводит к ухудшению ситуации. Крайне важно, чтобы мы понимали эти два типа ошибок. Конечно же, нам не нравятся ошибки, жалобы потребителей, поломки – но если мы относимся к ним без понимания их сути, то ухудшаем ситуацию еще больше. Это легко доказать с помощью математики.»*

Коренное различие между работой Шухарта и примерами неверного толкования цели метода SPC, в описанных выше, состоит в том, что работа Шухарта осуществлялась в контексте совершенствования производственного процесса и это было его целью. Этим она отличалась простого мониторинга процесса, которое осуществляется с целью приведения процесса в "удовлетворительное состояние".

Отметим однако, что истинный приверженец принципов д-ра Деминга, скорей всего, никогда не окажется в этой ситуации, поскольку вместо этого будет следовать философии и цели постоянного совершенствования.*

Как станет понятно многим читателям, это различие намного более важное, чем могло бы показаться на первый взгляд. Оно схватывает самую суть водораздела между этими основными подходами ко всей проблеме качества. С одной стороны, у нас есть подходы, которые рассматривают качество с точки зрения соответствия требованиям, соответствия спецификациям и обеспечения бездефектности продукции. С другой стороны, у нас имеется требование Деминга о постоянном совершенствовании – никогда не прекращающейся борьбе за снижение вариабельности. Отвечая на вопрос Зачем SPC?, мы исходим из подхода Деминга, которому мы намерены следовать. «Улучшатели» подхода Шухарта, могут справиться только с задачей оценки соответствия. Но возможность непрерывного улучшения предполагает опору на оригинальный подход Шухарта.

Итак, цель работы Шухарта состояла в том, чтобы снизить вариабельность, то есть, улучшить качество, а не просто его контролировать. Как мы уже видели, эта идея родилась и развивалась в контексте конкретных производственных процессов – процессов, связанных с аппаратурой телефонной связи – и это отражено также в заглавии его прославленной книги 1931 года: Economic Control of Quality of Manufactured Product.[6] (прим.перев.: Экономическое управление качеством в производстве) Однако, вскоре Деминг осознал, что идеи Шухарта могут иметь более широкое приложение. Подтверждение того, что они могут быть чрезвычайно эффективны в непроизводственной сфере, появилось в 1940 году и связано с их огромным успехом в применении к процессам Переписи населения в США. В последующие десятилетия развитие идей Шухарта составило основу всей философии Деминга в области управления. В частности, основные аргументы, выдвигаемые Демингом в обоснование наиболее спорных из его 14 Пунктов (Пункты 11 и 12 относительно MBO, произвольных числовых показателей и аттестация персонала; см. Приложение 2) вытекают из концепции вмешательства в работу стабильных систем, по поводу которых мы снова отсылаем читателя к Эксперименту с воронкой, а также к примеру автоматической компенсации, описываемому далее в этой брошюре.

 

Что означает «Управляемый» и «Неуправляемый»?

Давайте теперь разберемся в том, что означает, что процесс является статистически управляемым (контролируемым) или статистически неуправляемым (не контролируемым). Хотя, как мы предположили, основная идея очевидна, но из нее действительно вытекают далеко идущие следствия.

Предположим, что мы регистрируем, регулярно по времени, некие показатели процесса. Такими показателями могут быть длина стальной болванки после цикла обработки резанием, или интервалы времени, необходимые для обслуживание некоторого станка, или ваш вес, измеряемый каждое утро на весах в ванной комнате, или процент дефектных (или «несоответствующих») единиц продукции в партиях товара от вашего поставщика, или замеры коэффициента умственного развития, или временные промежутки между отсылкой счетов и получением денег, и т.д., и т.д. Рисунки 1(a-d) показывают четыре временных ряда подобного типа.


Рисунок 1 (а). Временные ряды иллюстрирующие различные типы вариабельности

 

Рисунки 1(a) и 1(b) типичны для того, что можно было бы ожидать от статистически управляемых процессов; рисунки 1(c) и 1(d) имеют четкие признаки того, что процессы являются статистически неуправляемыми. Каждый график показывает вариабельность количественных значений измеряемых величин, в противном случае эта запись отображалась бы горизонтальной линией.


Рисунок 1 (b). Временные ряды иллюстрирующие различные типы вариабельности

 

Различие состоит в том, что на Рисунках 1(a) и 1(b) природа вариабельности остается практически той же самой на всем протяжении времени наблюдений, в то время, как на Рис. 1 (c) и 1 (d) имеют место некоторые заметные изменения поведения вариабельности с течением времени. К каким последствиям это приводит на практике? К действительно очень серьезным.


Рисунок 1 (c). Временные ряды иллюстрирующие различные типы вариабельности

 

Для Рисунков 1(a) и 1(b) у нас есть возможность предсказать, как эти процессы поведут себя в будущем (конечно, без строгой определенности – может произойти что-то, что нарушит ход процесса). Но для Рисунков 1(c) и 1(d) никаких предсказаний мы делать не можем, ибо сам тип поведения выходов этих процессов изменяется в прямом смысле непредсказуемым образом.


Рисунок 1 (d). Временные ряды иллюстрирующие различные типы вариабельности

 

Несколько более формальный способ показать, что понимается под управляемым и неуправляемым процессом, представлен на странице с примерами контрольных карт взятых из Руководства Компании Форд Моторс,[7] (Рисунки 2-5).

Рис. 2 дает беглое представление о статистическом распределении. Маленькие клеточки расположены вдоль горизонтальной оси в соответствии с измеренными значениями.

Совокупность таких клеточек, представляющая всю выборку, называется гистограммой. Если выборка большая (а вертикальная шкала подгоняется таким образом, чтобы не дать гистограмме выйти за верхнюю границу страницы!), то картинка становится все более похожей на гладкую кривую и, в конечном итоге, представляет собой соответствующее статистическое распределение. Это изображение поведения вариабельности в регистрируемом нами показателе. Данные и распределение на Рис. 2 соответствуют «размеру» «единиц», но контекстом может быть любой из приведенных выше примеров, или любой из множества других возможностей.

 


Рисунок 2. Построение статистического распределения на основе данных

 

Обратите внимание на слова на Рис. 2: «если лежащий в основе процесс является устойчивым»; эта фраза имеет прямое отношение к понятию статистически управляемого процесса. Дело в том, что если на процесс оказывается внешнее воздействие (например, в вышеприведенных случаях, изменена настройка оборудования, увеличена квота эксплуатационников, вы перешли на диету, ваш поставщик начинает использовать низкосортное сырье, и т.д.), то тогда, на самом деле, данные больше не приходят из одного источника и поэтому для их представления нельзя использовать одно единственное распределение.*

Как показано на Рис. 3, распределения могут различаться в различных смыслах. «Положение» распределение характеризуется его «средним значением»; «разброс» связан с величиной отклонения индивидуальных значений относительно среднего; а «форма» характеризует, в частности, симметричность распределения. А именно, выпадают ли индивидуальные значения с одинаковой частотой по разные стороны относительно среднего или же наблюдаются отклонения от симметрии: например, некоторое скопление значений с одной стороны от среднего и более широкий разброс с другой.

 


Рисунок 3. Типы различий между распределениями.

 

Рисунки 4 и 5 демонстрируют качественно, «на взгляд», что понимается под статистически управляемым и статистически неуправляемым процессом. Процесс является управляемым, если лежащее в основе распределение остается практически неизменным с течением времени. Если распределение изменяется с течением времени непредсказуемым образом, то тогда говорят, что этот процесс неуправляемый.

 


Рисунок 4. Вид распределения выхода абсолютно устойчивого процесса

 

Будучи ученым, Шухарт знал, что во всем, что можно измерять, всегда существует вариабельность.

Вариабельность может быть большой, или она может быть исчезающе малой, или она может находиться между этими двумя крайностями; но она всегда присутствует. На разработку концепции статистического управления процессами Шухарта вдохновило собственное наблюдение того, что вариабельность, которую он наблюдал в производственных процессах, часто отличалась по типу поведения от вариабельности, которую он наблюдал в так называемых «природных» процессах – под которыми он, по всей вероятности, понимал такие явления как молекулярное движение.

 


Рисунок 5. Процесс, неустойчивый с точки зрения распределения

 

Уилер и Чамберс (Wheeler and Chambers) объединяют и суммируют эти два важных аспекта следующим образом:*

"Хотя каждый процесс проявляет вариабельность, но одни процессы проявляют контролируемую вариабельность, а другие проявляют неконтролируемую вариабельность."

Шухарт, в частности, часто обнаруживал контролируемую (стабильную) вариабельность, представленную на Рис. 1 (a,b) и 4, в естественных процессах и неконтролируемую (нестабильную) вариабельность, представленную на Рис. 1 (c,d) и 5, в производственных процессах. Разница очевидна. В первом случае мы знаем, чего нам можно ожидать от вариабельности в будущем; во втором случае мы этого не знаем. С некоторым шансом на успех мы можем предсказывать характеристики процесса в будущем в первом случае, но этого мы не можем сделать во втором случае.

 

Почему характеристики «Управляемый» и «Неуправляемый» важны?

Шухарт предложил специальный инструмент для определения этих двух типов вариабельности: контрольные карты. Здесь мы не будем подробно останавливаться на построении контрольных карт; эту подробную информацию можно легко получить из многих других источников, например, Understanding Statistical Process Control [8], а также в работе Ишикавы Guide to Quality Control [9]. Особую важность представляет понимание того, почему умение различать эти два типа вариабельности имеет такое большое значение. Для этого есть по крайней мере три основные причины.

Во-первых, если имеются большие нерегулярные скачки на выходе процесса, обусловленные неизвестными особыми причинами, тогда менеджмент не может корректно оценить влияние тех изменений в конструкции, методах обучении, закупочной политике и т.п., при помощи которых он пытается улучшить систему. Потенциал эффективности, производительности процесса неизвестен, пока этот процесс является статистически неуправляемым. Этот момент я тщетно пытался довести до сведения той компании, которая «ввела SPC».

Во-вторых, если особые причины уже устранены, так что остались только общие причины, то возможность улучшения процесса определяется действиями менеджмента. Это потому, что такой тип вариабельности определяется тем, как процессы и системы были спроектированы и как осуществляется их функционирование – но ведь только у менеджмента есть полномочия и обязанность изменять системы и процессы. Как часто говорил Майрон Трайбус (Myron Tribus), Директор Американского Института Качества и Производительности [10,11]:

«Люди работают в системе. Работа менеджера состоит в том, чтобы работать над системой, непрерывно улучшая ее с их помощью.»

И наконец, нечто очень важное, но что, разумеется, неизвестно менеджерам, не имеющим такого понимания вариабельности. Ошибочно принимая один типа причин за другой и действуя в соответствии с этим, они не только не улучшают состояние дел – они, без преувеличения, делают ситуацию еще хуже. Широко известная иллюстрация этого приводится в следующем разделе.

Все эти доводы, и вытекающая из них концепция статистического управления процессами, оказали глубокое и длительное влияние на д-ра Деминга. Многие аспекты его философии менеджмента берут свое начало в соображениях, основанных на этих представлениях. Как отмечалось ранее, не считая убедительных гуманитарных доводов, два наиболее спорных из его 14 Пунктов берут своё начало именно здесь.

Много лет тому назад д-р Джозеф Джуран (Joseph Juran) приблизительно оценил, что не более 15% проблем (или вариабельности) в организации вызываются особыми причинами (т.е. возможно, но не обязательно, сфера деятельности рабочих), оставляя за менеджментом ответственность за, по меньшей мере, 85% потенциального улучшения посредством изменений в системе, в которой их работники обязаны трудиться. В 1985 году, д-р Деминг пересмотрел эти цифры и заменил их на 6% и 94% , соответственно! Я слышал, что совсем недавно он даже пользовался цифрами что-то около 2% и 98%. Очень часто случается, что рабочие, если их спросить, могут идентифицировать особые причины, которые приводят к трудностям, мешающим системе работать на полную мощность – во всяком случае, они являются как раз теми, кто страдает от них непосредственно. Но только менеджмент может изменить существующую систему, в которой они работают, и которая безусловно содержит большое количество препятствий к достижению высшего качества, надежности и производительности. Хотя, как указывает Трайбус, весьма вероятно, им потребуется помощь рабочих в определении того, что же им нужно делать. Однако, рабочие никогда не смогут сделать этого сами. Как говорит Деминг: «рабочий, когда он достиг состояния статистической управляемости, уже вложил в процесс все, что у него было».*

 

Примеры вмешательства

Показать тот вред, который наносится ошибочным принятием одного типа причин вариабельности за другой, можно на примере компании Форд Моторс*.

Входной вал трансмиссии обтачивался на станке, оборудованном автоматическим компенсирующим устройством. Если диаметр вала в результате измерения оказывался слишком большим, компенсирующее устройство уменьшало настройку станка на величину, равную этому расхождению; и наоборот, если диаметр был слишком малым, настройка станка увеличивалась на эту величину. Разумно? Конечно.

 


Рисунок 6. Гистограмма с включенным компенсирующим устройством

 

На Рис. 6 показана гистограмма распределения диаметров 50-и валов, последовательно изготовленных в ходе этого процесса. Специалист по статистике предложил, чтобы были сняты показание сходного набора из 50 данных для ситуации с отключенным компенсирующим устройством. На Рис. 7 показан результат: снизилась вариабельность, т.е. улучшилось качество. Как такое может быть?

 


Рисунок 7. Гистограмма с отключенным компенсирующим устройством

 

Ответ следующий: производственный процесс уже исходно находился в состоянии статистического контроля (управляемости). Т.е. при отключенном компенсирующем устройстве процесс проявлял самую низкую вариабельность, на которую вообще был способен: оставались только общие причины. Поэтому, снижение вариабельности могло быть достигнуто только за счет улучшения самого процесса. Компенсирующее устройство не дает улучшения процесса. Оно просто вмешивается (собственный термин д-ра Деминга для данного эффекта) в стабильный процесс. Поскольку вариабельность уже находилась минимуме, вмешательство указанного устройства представляло собой «внешнее воздействие» и единственным возможным результатом такого внешнего воздействия является увеличение вариабельности. А это результат, прямо противоположный желаемому. Конечно, если бы имелись особые причины, то компенсирующее устройство вполне могло бы помочь сгладить их воздействие. Но при отсутствии особых причин оно могло только нанести вред выходу процесса. Можно доказать, что в этом случае (аналогично Правилу 2 в эксперименте с воронкой) компенсирующее устройство увеличивает вариабельность более чем на 40%.

Этот пример ясно показывает, что менеджменту необходимо понимать вариабельность именно так, как объяснял её Шухарт. А приведенный выше способ компенсации является, фактически, одним из наименее опасных способов вмешательства! Другие, исполненные благих намерений попытки улучшения ситуации, могут повысить вариабельность не то, что на 40%, но и на порядки. (Такая ситуация может возникнуть в случаях описываемых Правилами 3 и 4 в эксперименте с воронкой).

Далее, приведенный выше пример появился в относительно простом контексте производственного процесса. Однако, Деминг и другие исследователи часто предлагали, чтобы первые контрольные карты, которые будут строиться в любой организации, касались бы не производственных процессов: вместо этого, они должны составляться для данных, которые ложатся на стол Исполнительного Директора – например, данные по бюджетам, прогнозам, прогулам и несчастным случаям. Являются ли эти процессы «управляемыми»? Если да, то улучшают ли их, или в них только вмешиваются, получая результаты, аналогичные приведённым выше, или, как уже упоминалось, во много раз хуже?

Приведенный выше пример вмешательства показывает вред, который может возникнуть, если вариабельность, вызванная общими причинами, интерпретируется как если бы она была вызвана особыми причинами. В этом случае мы имеем дело с ошибкой первого типа, как она определялась в приведенном выше отрывке из брошюры Глубинные Знания. В «ужасающем примере», с которого мы начали это обсуждение, высказывались суждения относительно низкого потенциала производственных процессов. Но судить о потенциале процесса можно только в том случае, если его вариабельность определяется общими причинами вариабельности. А рассматриваемые процессы находились в неуправляемом состоянии. Это есть пример ошибки второго типа.

 

Итак, зачем SPC?

Дело в том, что когда процесс является статистически управляемым, его выход демонстрирует общий тип вариабельности. Это именно тот тип вариабельности, который имеет место при бросании монетки, игре в кости или тасовании карт. Независимо от того, является ли процесс статистически управляемым или неуправляемым, чем больше будет количество измерений, тем больше шанс получить значения, которые будут значительно отличаться от среднего значения. И какое то значение при этом окажется самым большим, а какое то самым малым. Конечно же, все так и будет, а как же иначе? Вопрос состоит в следующем: Означают ли такие большие отклонения от среднего, что с процессом что то происходит? Когда процесс является неуправляемым, то иногда ответ будет «да». Когда процесс является управляемым, то ответом будет «нет». Предыдущий раздел показывает, что может случиться при неправильном ответе.

Итак, основным ответом на вопрос Зачем SPC? будет следующее: Этот метод дает нам направление для поиска действий, которые позволяют улучшить функционирование процесса. Следует ли нам реагировать на отдельные результаты процесса (что разумно только, если контрольная карта указывает, что эти результаты обусловлены особыми причинами) или вместо этого нам следует стремиться изменить сам процесс (что разумно только если процесс управляемый)?

Улучшение процесса должно реализоваться в определенной последовательности, в которой мы выделяем три этапа:

Этап 1: Стабилизация процесса путем выявления и устранения особых причин вариабельности;

Этап 2: Активные воздействия на сам процесс с целью его улучшения, т.е. работа над общими причинами;

Этап 3: Мониторинг процесса с целью убедиться, что улучшения закрепились, а также, обнаружение возможностей для дополнительных улучшений.

Контрольные карты играют важную роль на всех трех этапах. Наличие точек, выходящих за контрольные границы (а также наличие других признаков), показывает, когда следует искать специальные причины. Поэтому контрольная карта является главным диагностическим инструментом на Этапе 1. Все виды статистических инструментов, включая Парето анализ, диаграммы Ишикава, различные типы блок-схем и т.д., могут быть полезны на Этапе 2, а новые значения контрольных границ могут служить показателем достигнутых улучшений в процессе. Как всегда, контрольная карта будет также обнаруживать, когда процесс теряет стабильность и необходимо искать причины особых причин вариабельности. Сторонники Британского/Европейского подхода будут считать, что они все знают об использовании контрольных карт на Этапе 3. Однако, я настоятельно рекомендую им изучить брошюру и видео A Japanese Control Chart (которые им следует прочесть и посмотреть), чтобы понять, что даже на этом Этапе можно сделать намного больше, чем обычно считают в этой части света.

 

Приложение 1

Назад к основам

Некоторые читатели могут почувствовать необходимость заняться дальнейшим исследованием того, как подход Шухарта ко всей этой проблематике отличается от того, что я называю Британским/Европейским подходом. Чтобы придать их умственным усилиям должное направление, самое лучшее - это снова процитировать д-ра Деминга. (И это вполне разумно. Деминг считает Шухарта своим великим наставником – а ведь мало осталось тех, кто работал с Шухартом в те созидательные дни середины и конца 1920-х годов!)

Во-первых, снова дословная цитата из лекции Деминга в Версале:

«Итак, что же нам делать? Каждый сам для себя, начиная с сегодняшнего дня, может полностью забыть об одной из этих двух ошибок. Но, если он это сделает, то понесёт максимальные потери от ошибки другого типа. Это очень лёгкий способ выносить решения: все, что происходит, относить на счет особой причины – или все, что происходит, приписывать действию общей причины. (многое облегчается). Таким образом, вы минимизируете потери от ошибки одного типа путем максимизации потерь от другого. Да, вы всегда можете минимизировать одно, но не другое, не обе ошибки одновременно.

Любой тип ошибки ведет к потерям. Способа избежать всего этого не существует – даже забудьте об этом! Поэтому мы должны смириться с тем, что время от времени будем допускать ошибки обоих типов – желательно не очень часто. Мы должны стремиться к тому, чтобы делать это с минимальными общими экономическими потерями. Все это вопрос компромисса. Что нам делать? Как нам это делать? Д-р Шухарт помог нам найти ответ на эти трудные вопросы, и это стало огромным вкладом в прогресс человеческой мысли и в способность управлять.

Как можно добиваться минимальных экономических потерь? Это не имеет никакого отношения к вероятностям возникновения этих двух типов ошибок. Нет, нет, нет и еще раз нет, совсем никакого. Что нам нужно, так это операциональное определение того, когда искать особую причину, а когда нет. То есть, правило, которое будет предписывать нам, когда проводить исследование по выявлению и устранению особой причины, а когда нет. Это не вопрос вероятности. Это вообще не имеет никакого отношения к тому, сколько ошибок мы делаем в среднем на 500 попыток или на 1000 попыток. Нет, нет и нет – это так не делается. Нам нужно операциональное определение того, когда действовать и каким образом. Шухарт дал нам наглядное операциональное определение: контрольную карту, использующую З-пределы. Шухарт придумал и опубликовал эти правила в 1924 году – 65 лет тому назад. С тех пор никто ничего лучше сделать не смог.»

Поучительно читать страницы 275-277 в работе Шухарта 1931 года,[6] именно там он впервые предлагает использование З-пределов. Создается впечатление, что он забавляется мыслью об использовании более математизированного подхода. Давайте перескажем некоторую часть из этих трех страниц. Он отмечает, что если бы процесс был абсолютно устойчивым и если бы мы знали детали лежащего в его основе (фиксированного) распределения вероятностей, то тогда мы могли бы работать в рамках так называемых вероятностных пределов, которые так нравятся сторонникам Британского/Европейского подхода (т.е. пределы, выведенные в предположении, что разумно говорить в терминах вероятности допущения 1 ошибки конкретного типа на 1000 проб, и т.д.) Но затем он возвращается к реальности и признает, что, на практике, мы никогда не будем знать соответствующий тип распределения вероятностей. Математики решительно выступают, как будто это уже предрешено, за нормальное (Гауссово) распределение. Шухарт ясно и прямо отвергает это еще на странице 12 своей книги 1939 года.[13] В своей книги 1931 года он, на самом деле, говорит, что даже если бы процесс был абсолютно устойчивым, и если бы нормальное распределение было подходящим (ничего этого мы никогда не узнаем), то мы все равно никогда бы не узнали значение его средней величины. А даже если бы и узнали, то по-прежнему никогда бы не узнали значение его стандартного отклонения. Вычисление вероятностей основывается на знании всех этих вещей. В книге Out of the Crisis (см. ниже), Деминг разрушает еще одну иллюзию, указывая на то, что на практике, в отличие от теории, абсолютно устойчивых процессов никогда не существует. То есть, реальные процессы никогда полностью не свободны от специальных причин в указанном выше смысле. Что под этим подразумевается? Конечно, не то, что мы должны все свое время тратить на поиски специальных причин, а не на процессы совершенствования, т.е. работу над общими причинами. Конечно же, нет. Что нам нужно, так это ясное указание на то, когда особые причины являются достаточно опасными, чтобы требовать нашего внимания. Контрольные карты Шухарта, с их З-пределами, дают такое указание. Причина выбора целого числа 3, а не чего-то более затейливого, состояла просто в том, что оно «представляется приемлемой экономической величиной».* Как решительно заявляет Деминг в приведенном выше отрывке, это не имеет никакого отношения к вероятностям.

И при этом, также не используются какие либо предположения о нормальности распределения. В подтверждение этих наблюдений, мы приводим несколько фраз из Out of the Crisis (страницы 334-335):

«Было бы ... неверно давать какую либо оценку вероятности ситуации, что сигнал, подаваемый контрольной картой об обнаружении особой причины вариабельности может оказаться ложным или что, напротив, контрольная карта не сможет обнаружить и подать сигнал о наличии особой причины. Дело в том, что никакой процесс, за исключением искусственных демонстраций с использованием случайных чисел, не является устойчивым, воспроизводимым.

Это правда, что некоторые книги по статистическому контролю качества и многие руководства по обучению методам применения контрольных карт приводят графики нормальных кривых и части площадей, находящихся под ними. Такие таблицы и диаграммы вводят в заблуждение и препятствуют эффективному изучению и использованию контрольных карт». (курсив мой).

Уместно задать здесь вопрос: А ваши корпоративные руководства по обучению методам SPC соответствуют описанному здесь подходу?

И в качестве пищи для размышления специалистам в области статистики, приведем окончание процитированного выше отрывка из Out of the Crisis:

«Правила для обнаружения особых причин и принятия действий по их устранению – нельзя рассматривать как критерии для проверки статистической гипотезы о том, что система находится в стабильном состоянии.»

 

Приложение 2

Аттестация персонала, целевые показатели и управление по целям (MBO)

11-й и 12-й пункты из 14 Пунктов Деминга требуют отказа от метода Управления по целям (МВО), аттестации персонала и использования произвольных количественных показателей. Аргументы по этим вопросам многочисленны и разнообразны, но то понимание вариабельности, которое выдвигается в данной брошюре, вносит важный вклад в эти спорные вопросы.

Полезно и поучительно представлять работу любого типа в виде горизонтального процесса или системы. Всякий, кто работает в организации, имеет своих внутренних поставщиков и внутренних потребителей; некоторые, несомненно, находятся также в прямом контакте с внешними поставщиками и потребителями. Представление работы в таком виде отражено на знаменитой диаграмме Деминга «Производство, рассматриваемое как система» (Рис. 8)*, используемой в Японии с его самых первых лекций там в 1950 году.


Рисунок 8. Производство, рассматриваемое как система

 

Такую диаграмму часто сравнивают со структурами, подобными той, которая представлена на Рис. 9, и которая показывает вертикальную иерархию как способ организации компании. В том, что направление потока активности на этих двух диаграммах перпендикулярны друг другу, нет никакой случайности!


Рисунок 9. Иерархическая структура организации

 

Работа в системе оптимизирована, если практически каждый обслуживается своими внутренними поставщиками наилучшим возможным образом, а он сам делает все возможное для наилучшего обслуживания своих внутренних потребителей. В такой ситуации единственная (нежелательная) оставшаяся вариабельность обуславливается общими причинами системы – и таким образом, сама система может считаться стабильной.

Но такая оптимальная система встречается редко! Можно представить себе две другие возможности. Одна – это та, при которой система организована и управляется недостаточно хорошо, т.е. она может все же быть стабильной, но проявляет более высокую вариабельность, чем оптимальная система. Другая ситуация – это ситуация нестабильной системы. В первой из этих альтернативных ситуаций имеется больше общих причин вариабельности, чем в оптимальном состоянии; в последней имеются также особые причины, которые, как мы уже видели, мешают системе (как бы хорошо или как бы плохо она не была организована) работать в полную меру своих возможностей.

Системы аттестации персонала, Управление по целям (MBO), а также произвольные целевые показатели обычно используются в тех управленческих культурах, где преобладают поиск виновного и оценка успеха или неудачи исполнителя исходя из того, достигаются или нет установленные менеджментом задания и нормативы.. При этом, считается, что каждый отдельный работник несет персональную ответственность за достижение установленных для него показателей производительности и качества. Те работники, которые не могут обеспечить соответствие требованиям, мешают системе работать в полную меру своих возможностей и должны рассматриваться как особые случаи, требующие реакции со стороны менеджмента.

Но Деминг (и Джуран) уже в течение нескольких десятилетий утверждают, что не более 15% проблем (нежелательная вариабельность) обусловлены особыми причинами; совсем недавно мы увидели, что эта цифра снизилась до 6%, или даже до 2%. Поддерживать Управление по целям, целевые показатели и аттестацию персонала – значит противоречить этим цифрам, и не только в деталях, но самой сути этой концепции. Это значит игнорировать тот факт, что количество вариабельности, вызываемой общими причинами, в производительности аттестуемого работника настолько велико, что оно должно почти всегда затмевать индивидуальный (порицаемый) вклад работника. Это значит игнорировать тот факт, что если установленная менеджментом цель лежит за пределами возможности системы, то единственным способом достичь ее будет деформация системы. Но, такая деформация приведет к проблемам в других частях системы. И также означает, что игнорируется тот факт, что аттестации персонала, целевые показатели и нормативы являются «внешними воздействиями», поступающими откуда-то из вертикальной структуры, извне рабочего процесса – создавая тем самым угрозу того, что мы называем вмешательством – ухудшая ситуацию.

Читатели, интересующиеся данными вопросами, могут обратиться к работам Out of the Crisis, страницы 70-85 и 101-120; к The Deming Dimension, Главы 29 и 30, а также к замечательным статьям компании Joiner Associates: "Total Quality Leadership vs. Management by Control"[14] и "An Elaboration on Deming's Teachings on Performance Appraisal"[15]. Далее, одна из исследовательских групп Британской Ассоциации Деминга выпустила боршюру[16] по вопросу аттестации персонала и в настоящее время работает над брошюрой посвященной проблема вызываемым использованием в практике менеджмента произвольных количественных целей и нормативов.


 

Ссылки

1. The Deming Dimension, автор Henry R Neave. SPC Press, Knoxville, Tennessee (1990). Имеется перевод на русский язык: Г. Нив, Организация как система. М.: Альпина Бизнес Букс – 2005. -370 с.

2. Out of the Crisis, автор W Edwards Deming. Massachusetts Institute of Technology, Center for Advanced Engineering Study (1986); Cambridge University Press (1988). Имеется перевод на русский язык: У. Деминг, Выход из кризиса. М.: Альпина Бизнес Букс – 2007.- 370 с.

3. A Japanese Control Chart (видео и сопровождающая брошюра). SPC Press, Knoxville, Tennessee (1984). См. Также Главу 7 из Understanding Statistical Process Control8 Имеется перевод на русский язык: Дональд Уиллер, Дэвид Чамберс, Статистическое управление процессами. Оптимизация бизнеса при помощи контрольных карт Шухарта. М.: Альпина Бизнес Букс – 2009. – 407 с.

4. Deming Speaks to European Executives. Брошюра № 10, British Deming Association (1991); SPC Press, Knoxville, Tennessee (1992).

5. Profound Knowledge. Брошюра № 6, British Deming Association (1990); SPC Press, Knoxville, Tennessee (1992).

6. Economic Control of Quality of Manufactured Product, автор Walter A Shewhart. van Nostrand (1931); перепечатано в the American Society for Quality Control (1980).

7. Continuous Process Control and Process Capability Improvement. Ford Motor Company (1982).

8. Understanding Statistical Process Control, авторы Donald J Wheeler и David S Chambers. SPC Press, Knoxville, Tennessee (1986, 2-ое издание 1992 года). Нумерация страниц соответствует изданию 1986 года. Имеется перевод на русский язык: Дональд Уиллер, Дэвид Чамберс, Статистическое управление процессами. Оптимизация бизнеса при помощи контрольных карт Шухарта. М.: Альпина Бизнес Букс – 2009. – 407 с.

9. Guide to Quality Control, автор К Ishikawa. Asian Productivity Organisation (1971).

10. "Creating the Quality Company", авторы Myron Tribus и Yoshikazu Tsuda. Massachusetts Institute of Technology, Center for Advanced Engineering Study (без даты).

11. "Creating the Quality Service Company", автор Myron Tribus. Massachusetts Institute of Technology, Center for Advanced Engineering Study (без даты).

12. The Deming Route to Quality and Productivity, автор William W Scherkenbach. CEEPress Books, Washington DC (1986); Mercury Books, London (1991). Ссылки на нумерацию страниц по изданию the Mercury Books.

13. Statistical Method from the Viewpoint of Quality Control, автор Walter A Shewhart. Graduate School of the United States Department of Agriculture, Washington DC (1939); перепечатано в Dover Publications (1986).

14. "Total Quality Leadership vs. Management by Control", авторы Brian L Joiner и Peter R Scholtes. Joiner Associates, Madison, Wisconsin (1985).

15. "An Elaboration on Deming's Teachings on Performance Appraisal", автор Peter R Scholtes. Joiner Associates, Madison, Wisconsin (1987).

16. Performance Appraisal and All That! Брошюра № 8, British Deming Association (1991); SPC Press, Knoxville, Tennessee (1992). Имеется перевод на русский язык: Аттестация персонала. И все об этом!