Книга: Организация как система. Принципы построения устойчивого бизнеса Эдвардса Деминга
Назад: Глава 3 Четырнадцать пунктов программы деминга для менеджмента. болезни и препятствия на пути преобразований
Дальше: Часть 2 Основные положения
Глава 4
Вариации (изменчивость) и управление процессами
Если бы мне пришлось выразить мое послание к менеджменту всего в нескольких словах, я сказал бы: «Вся суть – в уменьшении вариаций».
Деминг также много говорит об «ужасающих примерах» непонимания опасности вариаций, которые он наблюдал на практике. Вот один такой пример из моего собственного опыта в Англии.
В один из дней конференции делегатов пригласили побывать на фабрике. Компания, которую я посетил, известна в Великобритании и за рубежом как производитель оборудования и товаров для быта.
Мне рассказали, что компания недавно ввела у себя статистическое управление процессами (SРС). Само по себе это уже настораживало. Контрольные карты обрушивались на меня дюжинами. Я осведомился, как принимались решения о том, какие процессы и изменения в этих процессах должны быть поставлены под контроль. Оказалось, что соответствующие предложения были результатом своего рода мозгового штурма, а затем эксперты голосованием определяли относительную важность факторов. Я не захотел комментировать ситуацию в тот момент, поскольку гораздо больший интерес представляло сказанное потом. После того как список был готов, он тщательно изучался для выявления тех факторов, которые были «пригодны» для статистического управления. Я был заинтригован: что же означает «пригодный для статистического управления»? Хотя у нас были некоторые трудности в попытках найти общий язык, мне наконец удалось выяснить, что термин «пригодный для статистического управления», очевидно, означает то же, что «находится в статистически управляемом состоянии» или «статистически управляемый процесс».
«А что же случилось с теми процессами, которые оказались “непригодными” для статистического управления?» – спросил я. Ответ был примерно следующим: «Ну да, все мы понимаем, что у нас много оборудования на выброс, совершенно не удовлетворяющего современным требованиям. Мы также знаем, что его следует отправить в металлолом и заменить более современным. Поскольку мы намерены ввести статистическое управление на всех наших процессах, то приобретаем новое оборудование, которое будет пригодным для этого». Довольно неуверенно я осведомился, понимают ли они, что если процесс статистически неуправляем (или, что то же самое, «непригоден для статистического управления процессами»), никто не в состоянии правильно оценить его воспроизводимость. Как я и ожидал, вопрос был встречен удивленно-растерянным молчанием и печальными взглядами: всем стало ясно, что я ничего не понимаю в этом деле.
В конце концов я сумел завладеть вниманием одного достаточно высокопоставленного сотрудника и осторожно, насколько мог, высказал предположение, что, вполне возможно, компания тратит миллионы фунтов стерлингов на новое оборудование, в котором, возможно, совсем не нуждается. Реакция на мои слова была, мягко говоря, прохладная.
Печально то, что, хотя компания «ввела у себя статистическое управление», ее сотрудники ничего не знали о работах Уолтера Шухарта, который, как мы видели в главе 2, сделал прорыв в понимании проявлений и причин вариаций и изобрел контрольные карты еще в 20-е гг.
Я рассказал эту историю нескольким людям. И многие из них могли рассказать мне почти то же самое. Поэтому прискорбно наблюдать, как часто наилучшие намерения и огромные усилия и суммы тратятся впустую. Причина проста: два обстоятельства – незнание и неправильное обучение – естественным образом усиливают и поддерживают друг друга, непрерывно ухудшая состояние дел. Мы вернемся к этой истории позднее, когда начнем лучше понимать, где и в чем ошиблась компания.
Давайте более глубоко рассмотрим раннюю работу Шухарта и историю ее возникновения. Около восемнадцати месяцев Шухарт проработал в Western Electric (это было еще до работы в данной компании Деминга во время каникул в 1925 и 1926 г.), а затем перешел в только что основанную лабораторию фирмы Bell Laboratories в Нью-Йорке. И возможность рассказать об этой истории я предоставляю Демингу: именно в таком виде ее услышала аудитории в Версале (Франция) 6 июля 1989 г. (см. буклет BAD «Глубинные знания»).
«Частью деятельности компании Western Electric было изготовление оборудования для телефонных систем. Как всегда, проблемами становились надежность и качество: нужно было делать продукцию однородной, с тем чтобы на нее могли положиться потребители. Western Electric жаждала достичь такого положения дел, чтобы иметь возможность использовать в своей рекламе фразу “Похожи друг на друга, как два телефона”. Специалисты компании, однако, обнаружили, что чем сильнее они старались достичь воспроизводимости и однородности свойств продукции, тем худшим оказывался результат, т. е. тем большими становились различия и разброс свойств. Когда случался какой-либо дефект, погрешность или отклонение, они старались “отреагировать на них”, т. е. внести коррективы для устранения этих дефектов. Это была благородная задача. Да только имелась одна маленькая трудность: дела от этого шли не лучше, а хуже.В конце концов эта проблема попала к Уолтеру Шухарту в Bell Laboratories. В ходе работы над нею Шухарт понял, что специалисты Western Electric допускали два основных типа ошибок.
1. Интерпретация ошибок, погрешностей и отклонений, предполагающая, что их вызвали некоторые особые, исключительные причины, в то время как на самом деле ничего исключительного и особого не наблюдалось. Иными словами, эти ошибки были результатом обычного действия системы, ее случайных отклонений, вызванных общими (обычными) причинами.
2. Интерпретация тех же ошибок, погрешностей и отклонений как проявления общих причин, в то время как на самом деле они определялись особыми (специальными, конкретными, исключительными) причинами.
Ну, и какая разница? И что нам это дает? Да все то, что отделяет успех от неудачи!Шухарт решил, что в этом и заключалась причина проблем Western Electric. Специалисты этой компании не смогли понять различия между общими и особыми причинами вариаций; путая их, они ухудшали положение дел. Очень важно, чтобы мы поняли эти два типа ошибок. Конечно, никому не нравятся дефекты, ошибки, жалобы от потребителей, но если мы будем набрасываться на них без понимания их природы, то лишь ухудшим положение дел. Это легко доказать математически».
Ниже в данной главе мы увидим знаменитый пример, в котором такое отсутствие понимания сделало «положение дел еще худшим».
Итак, целью работы Шухарта было улучшение качества за счет уменьшения вариации (изменчивости) – точно в соответствии со словами Деминга в начале этой главы. Как мы видели в главе 2, Деминг вскоре осознал, что идеи Шухарта применимы к значительно более широкому кругу проблем, нежели только к технологическим операциям. В последующие десятилетия, развивая идеи Шухарта, Деминг заложил основу своей философии менеджмента. В частности, фундаментальные доводы, приведшие его к отрицанию таких широко распространенных в менеджменте подходов, как управление по целям, аттестация персонала и использование произвольных численных норм и критериев (пункты 11 и 12), вытекают из концепции недопустимости вмешательства в стабильную систему (это будет проиллюстрировано ниже на примере автоматического компенсатора погрешностей, см. также главу 5).
Теперь рассмотрим, что Шухарт имеет в виду, когда говорит об управляемой (контролируемой) и неуправляемой (неконтролируемой) воспроизводимости, и, соответственно, что подразумевает под процессом, находящимся в управляемом (подконтрольном) и неуправляемом (неподконтрольном) состоянии. Идеи, отражающие сущность дела, нетрудны для понимания, однако имеют далеко идущие последствия.
Предположим, что в некотором процессе мы систематически регистрируем во времени результаты измерений. Измеряемыми величинами могут быть длина стального прутка после операции обрубки, или затраты времени на обслуживание машины, или ваш собственный вес до приема пищи, или процент дефектных (не попавших в допуски) в партии от поставщика, или коэффициент интеллекта, или время между выставлением счета и получением денег и т. д. На рисунках 5a–5d показаны четыре примера записи данных (карты текущих значений), регистрируемых в ходе измерений. В каждом примере время изменяется вдоль горизонтальной оси, а чем выше расположена точка на вертикальной оси, тем больше размер, длина, запаздывание и вообще все то, что мы регистрируем в этот момент.
На рисунках 5а и 5b изображен типичный пример того, что мы можем ожидать от процесса, находящегося в управляемом состоянии. Рисунки 5с и 5d явно указывают на процесс, находящийся в неуправляемом состоянии. А все четыре графика демонстрируют наличие вариаций в измерениях (поскольку без вариаций график был бы просто горизонтальной линией). Разница в том, что на рисунках 5а и 5b характер вариаций на самом деле сохраняется в течение всего периода наблюдений, в то время как на рисунках 5с и 5d имеются весьма заметные изменения в поведении вариаций во времени. Какое же значение это имеет для практики? Как оказалось, очень важное.
В примерах, приведенных на рисунках 5а и 5b, мы можем спрогнозировать будущие результаты этих процессов (конечно, без абсолютной определенности, ведь всегда может что-то случиться и испортить все дело). Но в случаях, представленных на рисунках 5с и 5d, мы не способны ничего предсказать, поскольку поведение выхода этих процессов изменяется совершенно непредсказуемым образом.
Несколько более формальная интерпретация того, что подразумевается под процессом, находящимся в статистически управляемом и неуправляемом состояниях, дается на отдельном листе с диаграммами, взятыми из документа компании Ford.
На рисунке 6 наглядно представлено статистическое распределение. Маленькие кубики, показывающие число измерений, располагаются вдоль горизонтали в соответствии с измеряемыми значениями. Совокупность таких кубиков и образует фигуру, называемую гистограммой.
Предположим, мы регистрируем все больше и больше данных (и, соответственно, подстраиваем вертикальную ось, чтобы гистограмма не вылезала за верх страницы). Тогда при некоторых существенных условиях, которые обсуждаются ниже, общая картинка стабилизируется и изменения в ней с приходом все новых и новых измерений будут практически незаметны. Она становится графическим представлением статистического распределения результатов измерений. Этот рисунок характеризует возможное поведение разброса результатов измерений. Данные и распределение на рисунке 6 интерпретировались как размеры некоторых образцов, но они могут точно так же интерпретироваться в контексте всех примеров, приводившихся выше, как и в миллионах других примеров.
Ключевая фраза для понимания рисунка 6 – «если сам исходный процесс стабилен» – напрямую связана с понятием статистически управляемого процесса. Идея заключается в том, что если в ходе измерений на процессы оказывает влияние некоторое постороннее воздействие (например, по отношению к приведенным выше примерам: настройка машины изменилась, норма обслуживания для механика по наладке увеличилась, вы сели на диету, ваш поставщик стал использовать сырье плохого качества и т. д.), то результаты измерений не могут рассматриваться как происходящие из одного и того же источника, и, таким образом, никакое стабильное распределение нельзя использовать для его представления. На самом деле, как мы увидим позже, определение стабильности, представляемое единственным фиксированным распределением, слишком идеализировано с практической точки зрения (позже мы будем ссылаться на эту искусственно-идеальную ситуацию как на представляющую идеально точную стабильность).
Как видно из рисунка 7, распределения могут отличаться во многих отношениях. Термин «положение» относится к положению среднего значения, «разброс» характеризует степень вариабельности относительно среднего, а «форма» указывает, например, расположены ли данные значения симметрично относительно среднего или, напротив, есть некоторые сжатия с одной стороны и растяжения с другой.
В терминах статистического распределения рисунки 8 и 9 соответственно определяют, так сказать, на глаз, что подразумевается под процессами, находящимися и не находящимися в статистически управляемом состоянии.
Процесс находится в состоянии статистического контроля (статистически управляемый процесс), если лежащее в его основе распределение остается практически неизменным во времени. Если же распределение изменяется во времени существенно и непредсказуемо, то говорят о процессе, вышедшем из-под контроля (ставшем неуправляемым).
Как ученый, Шухарт знал: во всем, что поддается измерению, обязательно есть вариации. Вариации могут быть крайне большими, ничтожно малыми или находиться между этими двумя крайностями, но они есть всегда.
Исследования Шухарта по статистическому управлению процессами вдохновлялись его наблюдениями за характером вариации в изучаемых им производственных процессах. Часто их характер отличался от того, что Шухарт видел в так называемых «естественных» процессах (под последними он понимал, например, такое явление, как броуновское движение). На стр. 5 книги Дональда Дж. Уиллера и Дэвида С. Чамберса «Понимание статистического управления процессом» (Understanding Statistical Process Control) эти два важных наблюдения объединяются следующим образом:
«Несмотря на то что все процессы проявляют вариабельность (изменчивость), в некоторых из них вариации контролируемые (управляемые), а в других – неконтролируемые (неуправляемые)».
В частности, Шухарт часто находил контролируемые (стабильные) вариации (представленные на рисунках 5а, 5b) в естественных процессах, а неконтролируемые (нестабильные) вариации (такие, как на рисунках 5с, 5d и 9) – в производственных процессах. Различия в них ясны. В первом случае мы знаем, чего можно ожидать в терминах изменчивости: процесс находится в статистически управляемом состоянии (состоянии статистического контроля); во втором случае мы этого не знаем: процесс статистически неуправляем (находится в статистически неконтролируемом состоянии). Если в первом случае мы можем предсказать будущее с некоторыми шансами на успех, то во втором мы этого сделать не можем.
Теперь проясним, что в данном контексте имеется в виду под «предсказанием». Мы не думаем, что способны точно спрогнозировать, какими именно будут следующие значения процесса. Традиционные статистики иногда говорят о «точечных оценках», или «точечных предсказаниях», – так может создаться впечатление, будто подобная точность достижима. Но то, что они делают на самом деле, – это получение некоторых ожидаемых средних значений. Кроме того, нам нужны также знания о вариациях вокруг этих средних, чтобы узнать нечто вразумительное о возможных будущих значениях.
Давайте обобщим три наиболее значимые предпосылки, о которых мы узнали выше.
Во-первых, если выход процесса определяется влиянием особых причин, то его поведение меняется непредсказуемо и, таким образом, невозможно оценить результат изменений в конструкции, обучении, политике закупок комплектующих и т. д., которые менеджмент мог бы ввести в этот процесс (или в систему, которая содержит этот процесс) с целью улучшения. Пока процесс находится в неуправляемом состоянии, никто не может предсказать его возможности. Это и есть та мысль, которую я тщетно старался довести до сведения компании, «внедрившей статистический контроль».
Во-вторых, когда особые причины устранены, так что остаются только общие, тогда улучшения могут зависеть от управляющих воздействий. Поскольку в этом случае наблюдаемые вариации системы определяются тем, каким образом были спроектированы и построены процессы и система, только управляющий персонал, менеджеры имеют полномочия для изменений системы и процессов. Как часто говорит Майрон Трайбус, директор американского Института качества и производительности, «люди работают в системе. Задача менеджера – работать над системой, улучшая ее с их помощью».
И в-третьих, мы приходим к проблеме компании Western Electric с их телефонным оборудованием: если мы (на практике) не отличаем один тип изменчивости от другого и действуем без понимания, мы не только не улучшим дело, а несомненно, сделаем положение еще худшим. Ясно, что так оно и будет, причем останется загадкой для тех, кто не понимают природы изменчивости (вариаций).
Эти предпосылки и основанная на них целостная концепция статистического управления процессами имели глубокое воздействие на Деминга. Многие аспекты его философии менеджмента проистекают из соображений, основывающихся только на этих трех предпосылках. Как отмечалось ранее, кроме существенных, чисто гуманитарных аргументов, два наиболее противоречивых из его четырнадцати пунктов – нацеленные на устранение произвольных числовых критериев (планов и норм) и на отказ от аттестации персонала – проистекают как раз отсюда. Действительно, если установленное задание или план превышают производственные возможности системы (не соответствуют ее стабильному, подконтрольному состоянию), то единственный путь их достижения – деформировать процесс, что приведет к повсеместным трудностям. С другой стороны, влияние общих причин вариаций (т. е. определяемых внешней по отношению к человеку системой) на поведение сотрудника в основном таково, что они в конечном итоге скрывают, нивелируют реальный вклад человека.
Много лет назад доктор Джозеф Джуран сделал вывод, что не более 15 % всех проблем (или возможностей улучшения) в организациях связаны с особыми причинами вариаций; таким образом, они, возможно (но не обязательно!), находятся в поле деятельности рядовых работников. В этом случае на долю менеджеров приходится как минимум 85 % всех потенциальных возможностей улучшений системы, в которой работают их служащие. Эти числа подвергались проверке долгие годы, пока Деминг в 1985 г. не пересмотрел их и не дал новую оценку: соответственно, 6 % и 94 %.
Очень часто сотрудники (если, конечно, их об этом спрашивают) могут выделить особые случаи, которые приводят к проблемам в реализации возможностей системы, – в конце концов, они сами страдают от этих проблем. Но только руководство может изменить действующую систему, в рамках которой работают сотрудники и которая до поры содержит массу препятствий к улучшению качества, надежности и производительности. В то же время, как указывал Трайбус, менеджеры, по всей видимости, все же нуждаются в помощи сотрудников для выявления проблем, которые им надо решать. Однако изменение системы – не во власти сотрудников. Как определяет это Деминг, «в случае если сотрудник достиг состояния статистической управляемости, – он вложил в процесс все, что у него было» («Выход из кризиса», стр. 348; см. также главу 24 этой книги).
Обещанная иллюстрация вреда, который может быть вызван неумением отличить один тип вариаций от другого, получена также от Ford Motor Company (см.: William W. Scherkenbach, The Deming Rout to Quality and Productivity, р. 29–31).
Входные валы трансмиссии обрабатывались на станке, оснащенном автоматическим компенсирующим прибором. Если диаметр очередного вала по результатам его измерений оказывался слишком большим, компенсатор изменял настройку станка на величину соответствующего расхождения; и наоборот, если диаметр вала был слишком мал, настройка машины изменялась в сторону его увеличения. Разумно? Конечно.
Рисунок 10 – гистограмма диаметров 50 валов, последовательно полученных в результате этого процесса. Статистики предложили изготовить подобный набор из 50 валов с выключенным компенсатором. На рисунке 11 показан результат: вариации уменьшились, т. е. качество улучшилось. Как это могло случиться?
Ответ заключался в том, что технологический процесс без работающего компенсирующего прибора уже был в управляемом состоянии, т. е. проявлял наименьший разброс, на какой он был способен, поэтому имелись только общие причины вариаций. Уменьшение этого разброса достигается только улучшением самого процесса. Компенсатор не улучшал процесса. Он лишь вмешивался в процесс, который уже был стабилен. («Вмешательство» – это собственный термин Деминга.)
Поскольку без компенсирующего прибора разброс (вариабельность) уже находился на минимально возможном уровне, вмешательство, производимое прибором, оказывалось тем внешним воздействием, о котором мы говорили ранее. Единственный возможный эффект такого внешнего влияния – увеличение вариаций, разброса – эффект, совершенно противоположный желаемому. Конечно, если бы имелись особые причины разброса, компенсатор помог бы смягчить их эффект. Но в отсутствие особых причин он мог только ухудшить выход процесса. Можно показать, что в этом случае компенсационный прибор увеличивал вариабельность более чем на 40 %.
Этот пример демонстрирует, как важно, чтобы менеджмент понимал изменчивость в том смысле, какой придавал ей Шухарт. Вышеприведенный пример с компенсацией – это на самом деле один из наименее разрушительных типов вмешательства. Прочие подобные искренние попытки улучшить дело могут сделать его только хуже, причем не на 40 %, а на целые порядки (см. главу 5).
Пример, относящийся к Ford Motor Company, возник в сравнительно простой производственной ситуации. Известно высказывание Деминга о том, что самые первые контрольные карты, которые следует построить в любой организации, должны относиться не к процессам в цехах, а к данным, которые ложатся на стол руководителя организации (данные по бюджету, прогнозы, невыходы на работу, происшествия и травмы).
Находятся ли эти процессы под контролем? Если да, то улучшаются они или просто подвергаются вмешательству с результатом, подобным тому, который мы только что рассмотрели, или во много раз худшим?
Приведенный пример с вмешательством показывает, какой вред может причинить интерпретация общих причин вариаций как особых (ошибка первого рода). «Ужасный пример», с которого мы начинали эту главу, – свидетельство ущерба от суждений о потенциальных возможностях процесса, находящегося в неуправляемом (неподконтрольном) состоянии, – ошибка второго рода, ибо такие суждения можно применить лишь к процессам с доминированием общих причин вариаций.
Большинство примеров, которые Деминг рассматривает в этой области, касается ошибок первого рода: случается что-либо нежелательное (пожар, происшествие, жалоба) – и в ответ на этот изолированный случай, рассматриваемый как особое, выходящее из ряда вон событие, следует почти автоматическая реакция. В основе такой реакции лежит предпосылка, что система сама по себе никогда не делает ничего неправильного. Хорошо, если бы это так и было, поскольку особые (конкретные, исключительные, специальные) причины всегда намного легче распознать и устранить, чем причины общие (обычные). На самом деле как оценка Джурана (85 %: 15 %), так и оценки Деминга (94 %: 6 %) предполагают, к сожалению, что подавляющее большинство нежелательных событий обусловлено самой системой. Поэтому обращение с ними как с особыми, исключительными случаями – простое вмешательство в систему с вредными последствиями, которые мы уже наблюдали. Как и в примере, взятом из опыта Ford Motor Company, реакция на отдельно взятые случаи в данной ситуации приводит к общему увеличению вариаций, таким образом, ухудшает качество, надежность, предсказуемость того, что случится в будущем. Этот трудно воспринимаемый новичком принцип – один из многих, с которыми ему придется столкнуться, изучая труды Деминга. Не пытайтесь оспорить эти выводы. Изучите теорию, потому что если теория не вызывает возражений, а логика, ведущая от теории к выводам, верна, то как могут быть неверны выводы? (См. главу 16.)
Некоторые из иллюстрирующих эту проблему случаев, рассмотренных в «Выходе из кризиса», относятся к дефектным изделиям с производственной линии, дорожным происшествиям, пожарам, совмещению цветов при печати, стрельбе, калибровке инструментов, дефектным трубам для атомного реактора, дефектным шинам, весу медных слитков и работе менеджера на грузовом терминале.
Сейчас хотелось бы внести ясность: мы не утверждаем, что не нужно принимать никаких мер при возникновении происшествия, жалобы и т. д. Некоторые действия, конечно, понадобятся в любом случае (положенная по закону юридическая процедура, извинения, замена и т. п.), поскольку это не те действия, которые ставятся под сомнение. Под сомнение ставятся соответствующие данному случаю действия по предотвращению (уменьшению) вероятности такого происшествия в будущем. Для этих действий нам нужен некоторый критерий, чтобы понять, свидетельствует случившееся о некоем особом случае (требующем непосредственной реакции) или же это проявление потенциальных свойств системы (и в этом случае прямая реакция на проявления окажется вредным вмешательством, так как на самом деле требуется всестороннее улучшение системы в целом). Как же сделать правильный выбор?
В качестве рабочего инструмента, помогающего нам различить эти две ситуации, Шухарт предложил контрольные карты. В наши цели сейчас не входит полное изложение деталей техники построения и использования контрольных карт; они доступны из многих других источников (см., например: Kaoru Ishikawa, Guide to Quality Control; Lloyd Nelson, Technical Aids, Journal of Quality Technology, October 1984). Ниже мы лишь кратко обозначим принципы, на которых они основываются.
Если мы наносим на график последовательность результатов измерений некоторого параметра, появляющихся во времени, или их средние значения и размахи, взятые для нескольких измерений, либо ведем подсчет числа дефектов на приборах или самих дефектных приборов во времени, то получаем карты текущих значений или временные последовательности. На такие карты наносят три горизонтальные линии: центральную линию, а также верхние и нижние контрольные границы. Центральная линия представляет некоторое усреднение для наносимых точек. Контрольные границы располагаются на расстоянии трех стандартных отклонений, рассчитанных для рассматриваемых точек, по обе стороны от центральной линии. Стандартное отклонение, часто обозначаемое греческой буквой «сигма» (σ), – это наиболее распространенная статистическая мера разброса, изменчивости. Данные, сильно разбросанные вокруг среднего, имеют большое стандартное отклонение, а данные, тесно сгруппированные вокруг своего среднего, – малое.
Формула, по которой оценивается σ, меняется в зависимости от типа рассматриваемых данных таким образом, чтобы получить наилучшую оценку стандартного отклонения для изменчивости, обусловленной общими причинами вариаций.
Правило Шухарта заключается в том, что действия, соответствующие наличию особых причин вариаций, должны предприниматься в тех случаях, когда наносимые точки выходят за любую из контрольных границ. В соответствии с критериями Нельсона предлагается принятие таких мер при появлении и других типов «сигналов», как, например, расположение девяти последовательных точек по одну сторону от центральной линии либо непрерывное уменьшение или увеличение наблюдаемой величины в шести последовательных точках. Контрольные карты для данных на рисунках 5a–5d, показанные на рисунках 12а–12d, подтверждают качественные суждения, сделанные нами ранее касательно того, какие из этих процессов находятся, а какие не находятся в управляемом состоянии.
При этом не утверждается, что и правило Шухарта, и критерии Нельсона всегда дают правильный ответ. Чем более осторожно применяется правило для выбора прямых действий, соответствующих особым причинам, тем чаще мы будем допускать ошибку второго рода и реже – ошибку первого рода. Чем «чувствительнее» правило для выделения особой причины, тем чаще мы будем допускать ошибку первого рода, но реже – ошибку второго рода. Цель – минимизация ущерба от этих двух видов ошибок. Здесь не существует точного решения, поскольку действует метод проб и ошибок:
«Что мы должны делать? Как мы должны это делать? Шухарт помог нам в этих важных вопросах, и это было его великим вкладом в образ мышления людей и их способности управлять».
Выбор Шухартом именно 3σ как расстояния между центральной линией и контрольными границами, в противоположность любым другим множителям для σ, не вытекал из каких-либо конкретных математических расчетов. В основе лежало лишь то, «что это кажется экономически приемлемым» (см. стр. 277 в его книге 1931 г.). Этот здоровый прагматический подход заметно отличается от более строгих математических подходов к установлению контрольных границ, которые мы обсудим в конце данной главы.
Еще более пагубны идеи, в соответствии с которыми контрольные границы даже не рассчитываются по данным, полученным из процесса. В «Выходе из кризиса» (стр. 311–312) Деминг приводит два примера (один из них взят в компании, завоевавшей премию Деминга в Японии), где линии были нанесены на карты в соответствии с «суждениями» или даже «требованиями менеджера». Этот раздел в «Выходе из кризиса» озаглавлен как «Примеры дорогостоящего непонимания». Деминг относит сюда также использование в контрольных картах требований допусков вместо расчета контрольных границ. Цель контрольных границ – выявление того, как процесс протекает сейчас и как он мог бы протекать. Конечно, мы должны принимать в расчет запросы потребителя, но использование требований допусков, а не контрольных границ на контрольных картах может вызвать только путаницу:
«Если вы используете требования допусков как контрольные границы, вы все время будете вмешиваться в процесс, делая его еще хуже».
Поэтому, повторюсь, целью работ Шухарта было дать общий принцип действий, направленных на улучшение функционирования процесса. Должны ли мы реагировать на отдельные изолированные проявления процесса (что разумно только в том случае, если процесс вышел из-под контроля) или мы должны нацеливаться на изменение самого процесса на основе накопленных данных о результатах его функционирования (что разумно, если только процесс находится в управляемом состоянии)?
Улучшения процесса стоит разбить по времени на три фазы.
Фаза 1: стабилизация процесса (т. е. приведение его в управляемое состояние) путем идентификации и устранения особых причин.
Фаза 2: активные усилия по улучшению самого процесса, т. е. уменьшению общих причин вариаций.
Фаза 3: мониторинг процесса для поддержания достигнутых улучшений.
Относительно того, что можно назвать ортодоксальным деминговским подходом, указанная версия фазы 3 никогда не достигается, поскольку это противоречит цели постоянного улучшения. Поэтому мы должны включить в фазу 3 поиск и внедрение дополнительных улучшений, как только для этого появляется хоть малейшая возможность.
Следует указать здесь, что некоторые подходы к улучшению качества избыточно концентрируются на фазе 1. Это так же плохо, как и ее игнорирование (что и наблюдалось в случае, рассмотренном в начале этой главы).
Те, кто используют метод поиска и «решения проблем», могут угодить в эту же ловушку. Некоторые, говоря о поиске и устранении специальных причин, сравнивают эти процессы с тушением пожара. Если возник пожар, его, конечно же, надо тушить. Идея, однако, заключается в том, что если даже пожар в здании успешно потушили, это действие не улучшает самого здания, а просто останавливает процесс его разрушения, ухудшения по сравнению с исходным состоянием. Фаза 1 просто возвращает процесс туда, где он уже должен быть и совершать то, что он был способен делать с самого начала. Только тогда можно начинать улучшение процесса.
Контрольные карты играют важную роль в каждой из трех фаз. Точки за пределами контрольных границ (плюс другие соответствующие сигналы) определяют, когда нужно приступать к поиску особых случаев. Поэтому контрольные карты – первичное диагностирующее средство в фазе 1. На протяжении фазы 2 может использоваться всем известный статистический инструментарий, включая анализ Парето, построение диаграмм Исикава, блок-схем различного вида и т. п. (см. книгу Исикавы, а также книгу П. Шолтеса «Настольная книга команды» (The Team Handbook). Пересчитывая затем контрольные границы, можно оценить, какого успеха (в терминах уменьшения вариаций) удалось достигнуть. На этой же фазе контрольные карты, как обычно, покажут те случаи, где нужно заняться устранением особых причин. В укороченной версии определения фазы 3 цель контрольных карт – диагностика появления каких-либо особых причин, которые негативно воздействуют на состояние стабильности, достигнутое в конце фазы 2. При расширенной трактовке содержания фазы 3, так же как и в фазе 2, мы можем пересчитывать контрольные границы после произведенных изменений в процессе, чтобы оценить их эффект.
Ход рассуждений Шухарта и его подход к построению контрольных карт были, как мы видим, практичными, разумными и конструктивными. Он намеренно избегал избыточной математической формалистики. К сожалению, по прошествии многих лет после первой публикации работ Шухарта в этой области некоторые математические статистики (в основном, кажется, британские) ухватились за его идеи, заполнив то, что они считали разрывом в математической логике. Таким образом, они попали в ловушку, которой Шухарт старательно избегал, и полезность его методов была уменьшена.
Проблема заключается в том, что, как правило, возможность разработки сложной математической аргументации связана с необходимостью введения исходных предположений, чрезмерно идеализированных с точки зрения реального мира. Контрольные карты – не исключение. В этом случае предпосылки, необходимые математикам, требуют гораздо большего, чем нужно для ответа на те вопросы, на которые начал искать ответы Шухарт. К еще большему сожалению, эта ослабленная версия (хотя она часто и рассматривается как усиленная из-за ее математической строгости) распространилась и стала более известной, чем работа самого Шухарта, в особенности в Британии и Европе в целом.
Точные математические подходы легче преподнести, с ними легче произвести внушительное впечатление. Но они серьезно уменьшают потенциал того, что могло бы быть достигнуто с использованием статистического управления процессами. Без всякого сомнения, компания, которая «внедрила статистический контроль», получала консультации у представителей направления, которое я назвал бы «вероятностный подход». Кто может винить их учеников? Это, вероятно, было все, что они знали; и делали они самое лучшее из того, что могли.
Что значит термин «вероятностный подход»? В самой обычной версии такого подхода контрольные границы рассчитываются в предположении, что процесс находится в управляемом состоянии, а произвольно взятая точка будет лежать за пределами контрольных границ в одном из тысячи случаев. В другой версии рассматриваются две пары контрольных границ: первая (только что упомянутая) называется «границы действий», а вторая, соответствующая вероятности выхода за них в одном из сорока случаев, – «предупредительные границы».
Вам понадобится прочитать стр. 275–277 в книге Шухарта (1931 г.), где он, как вы помните, впервые предложил трехсигмовые (3σ) границы. Он там, похоже, обыграл идею использования вероятностного подхода. Давайте слегка перефразируем часть изложенного на этих трех страницах. Так, Шухарт указал, что если бы процесс был заведомо стабилен и если бы он знал параметры соответствующего процессу статистического распределения, то мог бы использовать вероятностно определенные границы. Но затем Шухарт обращается к реальности и признает, что на практике мы никогда не знаем вид соответствующего статистического распределения. Математические статистики обычно набрасываются на излюбленное ими нормальное распределение как на заведомо верную предпосылку. Шухарт же намеренно отказывается от этого (см. стр. 12 его книги 1939 г.). В книге 1931 г. он говорит, что, если бы даже процесс был стабилен и если бы нормальное распределение было пригодно для его описания (чего мы никогда не знали бы в точности), мы все равно не знали бы настоящего значения его среднего. И даже если нам было бы известно это, мы никогда не узнали бы истинного значения его стандартного отклонения. Мы можем лишь получить их оценки на основе данных, а вероятностный расчет зависит от знания всех этих параметров.
В книге «Выход из кризиса» Деминг негативно отзывается об этих работах, указывая, что на практике, в противоположность теории или гипотезам, идеально стабильных процессов вообще не существует. т. е. реальный процесс никогда полностью не свободен от особых причин, в том смысле, в котором он был определен при рассмотрении случая в Ford Motor Company. Иными словами, ситуация, представленная на рисунке 8, никогда не сможет реализоваться. Это означает, что между обычными математическими предположениями и реальным миром существует глубокая пропасть. Что это предполагает? Конечно же, не то, что мы должны проводить все наше время в поисках особых причин, не занимаясь улучшением процесса, т. е. работая с общими вариациями. Конечно, нет. То, что нам нужно, – это некий руководящий принцип, когда особые причины приносят нам достаточно проблем, чтобы оправдать особое к ним внимание. Этот образ мышления исключительно хорошо отражен в само́м определении управляемых и неуправляемых вариаций, которое Деминг использовал в Японии в 1950 г., хотя оно и не появляется в его современных работах.
Управляемая изменчивость:не будет разумным и оправданным стараться определить причину индивидуальных разбросов, если разбросы находятся в управляемом состоянии.Неуправляемая изменчивость:будет разумным и оправданным постараться определить и устранить причину неуправляемой изменчивости.
Контрольные карты Шухарта с их трехсигмовыми границами дают принцип различения этих двух ситуаций. Причина выбора целого числа «три», а не какого-либо другого, была проста: «это представляется экономически приемлемым значением». Никаких расчетов с привлечением нормального или любого другого распределения не проводилось. Деминг непоколебим в том, что:
«Это не вопрос вероятности. Это не имеет никакого отношения к тому, как много ошибок мы сделаем в среднем из 500 или 1000 проб. Нет, нет и нет, это не следует рассматривать подобным образом».
В книге «Выход из кризиса» описывается эта проблема.
«Было бы неправильным связывать любую определенную величину вероятности с тем, что статистический сигнал для обнаружения особой причины может быть ложным или что карта не сможет обнаружить и дать сигнал о наличии особой причины. Причина в том, что никакой процесс, за исключением искусственных демонстраций с использованием случайных чисел, не является стабильным, 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 такие карты вводят в заблуждение и уводят с правильного пути в изучении и использовании контрольных карт».
Утверждение Деминга о том, что мы никогда не имели в точности стабильный процесс на практике, означает искусственность вероятностного подхода. Оно также показывает, что описание процесса (находящегося в управляемом и неуправляемом состояниях), которое используется в разработанном в Ford документе, чрезмерно упрощено.
Однако наиболее серьезное последствие вероятностного подхода (относительно его воздействия на практику использования контрольных карт) – это чрезвычайное сужение данным подходом точки зрения практиков на их назначение. Компания, откуда был получен «ужасный пример», описанный в начале этой главы, была в этом смысле наглядной иллюстрацией. И действительно, ее сотрудники, казалось, не обращали никакого внимания на важность того, что мы только что назвали фазой 1 в улучшении процесса. Они определенно не имели никакого понятия о том, что на этой фазе могут использоваться контрольные карты. И конечно же, они не знали, что если процесс не находится в статистически управляемом состоянии (так обычно и происходит, когда мы только начинаем изучать его), то для него не существует распределения и вероятности. Вероятностный подход начинается лишь на фазе 2, причем в ее весьма идеализированной версии.
Даже компании, тем или иным образом достигшие лучшего уровня понимания, все еще находятся под влиянием некоторых предпосылок вероятностного подхода. В этой связи мне вспомнилась компания, к которой я питаю большое уважение. Я очень хорошо знаком с несколькими ее представителями. И все же, когда я заглянул в «Руководство по статистическому управлению процессами» этой компании, я обнаружил там следующие фразы:
• «статистическое управление процессами есть средство, помогающее достичь предотвращения дефектов путем выявления ситуаций, в которых процесс выходит за пределы допустимых границ…»;
• «даже эффективное оборудование может работать некачественно из-за неправильной настройки его оператором, использования сломанных или изношенных приспособлений и т. д.»;
• «использование контрольных карт дает нам раннее предупреждение об этих проблемах и часто предсказывает их, поэтому их удается избежать».
Казалось бы, в таком использовании контрольных карт нет ничего плохого или неправильного, и эти функции вполне могут ими реализовываться. Однако в этих высказываниях содержится определенный намек на склонность к вмешательству в стабильные процессы, а также на представление о качестве как об удовлетворении требованиям допусков и ТУ. Но и того и другого нужно избегать (см. главы 5 и 11 соответственно). Моя мысль заключается в следующем: приведенное выше описание отражает лишь незначительную часть возможностей контрольных карт, в то время как многие люди думают, что это все, что они могут делать. Они принижают роль контрольных карт, низводя их до простых процедур мониторинга. При этом предполагается, что процесс тем или иным способом уже приведен в удовлетворительное состояние, и контрольные карты воспринимаются лишь как средство раннего обнаружения ситуации, когда процесс выходит из этого удовлетворительного состояния.
Критически важным различием между работой Шухарта и неправильно воспринимаемой целью статистического управления процессами в том духе, как это было описано выше, служит то, что его работы были развиты в контексте и с целью улучшения процесса, в противоположность обычному мониторингу процесса. т. е. статистическое управление процессами можно описать как метод, нацеленный на приведение процесса в удовлетворительное состояние, чтобы затем его можно было спокойно контролировать (осуществлять мониторинг). (Однако здесь разумно вспомнить наше замечание об ортодоксальном деминговском подходе, следуя которому мы никогда не достигаем полностью удовлетворительного состояния и не достигаем фазы 3 – фазы спокойного мониторинга.)
Многие читатели поймут, что это различие значительно более важно, чем могло показаться с первого взгляда. Оно приводит нас прямиком в сердце различий между основными существенными подходами ко всей проблеме качества. С одной стороны, у нас есть подходы, которые рассматривают качество просто в терминах соответствия требованиям допусков (технических условий, спецификаций), достижения бездефектности. С другой стороны, мы имеем дело с требованием Деминга об обязательности постоянных улучшений – никогда не кончающейся борьбы за уменьшение вариаций. Вероятностный подход может помочь только в первом случае. Работа же Шухарта была вызвана потребностями второго.
Назад: Глава 3 Четырнадцать пунктов программы деминга для менеджмента. болезни и препятствия на пути преобразований
Дальше: Часть 2 Основные положения
