Выход из кризиса. Новая парадигма управления людьми, системами и процессами

Первый урок применения статистической теории. Курсы по статистике часто начинаются с изучения распределений и их сравнения. Студентов ни на занятиях, ни в книгах не предупреждают о том, что для аналитических целей (таких как улучшение процесса) распределения и вычисление среднего, определение метода, стандартного отклонения, значений хи-квадрат, t-статистики и т. д. бесполезны, если только данные не были получены для процесса в состоянии статистической управляемости. Соответственно, первый шаг при исследовании данных – понять, получены ли они в состоянии статистической управляемости. Самый легкий путь при анализе данных – это расположить точки в порядке их появления, чтобы понять, можно ли извлечь какую-либо пользу из распределения, образованного данными[76].

Рис. 32.Карта хода процесса для 50 пружинок, испытанных в порядке их изготовления. Если не учитывать время изготовления, данные образуют симметричное распределение, но если расположиmь их в порядке изготовления пружин, окажется, что распределение бесполезно. Например, распределение не сказало бы нам, в какой допуск могут попасть готовые пружинки. Причина в том, что здесь не существует идентифицируемого процесса

В качестве примера обратимся к распределению, которое, по-видимому, имеет наилучшие характеристики, но при этом не просто бесполезно, а вводит в заблуждение. На рис. 32 показано распределение результатов замеров 50 пружинок одного вида, используемых в фотоаппарате определенного типа. Пружинки измерялись растяжением под действием силы 20g. Распределение выглядит довольно симметричным и не выходит за пределы допуска. Возникает искушение сделать вывод, что процесс находится в удовлетворительном состоянии.

Однако значения растяжений, расположенные в порядке времени их изготовления, демонстрируют тренд в сторону уменьшения. Что-то не так с процессом изготовления или с измерительным прибором.

Любая попытка использовать распределение, показанное на рис. 32, бесполезна. Например, расчет стандартного отклонения для данного распределения не даст значения, которое можно использовать для предсказания. Оно ничего не говорит о процессе, поскольку он нестабилен[77].

Таким образом, мы получили очень важный урок – для анализа данных нужно посмотреть на них. Откладывайте точки в порядке производства изделий или в каком-то ином разумном порядке. Для некоторых проблем полезна простая диаграмма рассеяния.

Что, если кто-либо попытается использовать это распределение для расчета показателей воспроизводимости процесса? Он попадет в ловушку, из которой сложно выбраться. Процесс нестабилен. Ему вообще нельзя приписать никакой воспроизводимости. То же самое мы наблюдали при анализе рис. 2.

Распределение (гистограмма) всего лишь демонстрирует накопленные данные работы процесса, ничего не говоря о его воспроизводимости. Как мы увидим, процесс обладает воспроизводимостью, только если он стабилен. Воспроизводимость процесса достигается и подтверждается путем использования контрольной карты, но не самим распределением. Как мы уже видели, и простая карта хода процесса дает представление о воспроизводимости процесса.

Какая характеристика или характеристики важны? Какие значения важны? Какие надо изучать с помощью контрольной карты, а какие – любым другим методом? Ответ зависит от предметной области (проектирование, химия, психология, знание процесса, знание материалов и т. д.). В любом случае следует использовать статистическую теорию.

Особые и общие причины. Распространенная ошибка при интерпретации наблюдений состоит в предположении, что каждое событие (дефект, ошибка, несчастный случай) можно соотнести с кем-то (обычно с тем, кто находится под рукой) или увязать с некоторым конкретным событием. Дело в том, что большинство проблем сферы услуг и производства связаны с системой. Иногда дефект действительно локален и его можно приписать некомпетентности или лености работника. Мы будем называть дефекты системы общими причинами, а дефекты, связанные с преходящими, быстротечными событиями, особыми причинами.