ВАРИАЦИИ (ИЗМЕНЧИВОСТЬ) И УПРАВЛЕНИЕ ПРОЦЕССАМИ

Если бы мне пришлось выразить мое послание к менеджменту всего в нескольких словах, я бы сказал:
"Вся суть в уменьшении вариаций".

Д-р Деминг много говорит об "ужасающих примерах" непонимания этого, которые он наблюдал на практике. Вот один такой пример из моего собственного опыта в Англии.

После обеда, в один из дней проходившей конференции, делегатов пригласили посетить фабрику. Компания, которую я посетил, известна в области производства оборудования и товаров для быта, как в Великобритании, так и за рубежом.

Мне рассказали, что компания недавно ввела у себя СУП (8РС) (Статистическое управление процессами). Само по себе это уже (Как мы видели в главе 3, замечание, что "мы установили контроль качества", есть одно из препятствий к преобразованиям. Дон Виллер в своем видеофильме "Японские контрольные карты" так же красноречиво говорит о СУП, как о целом новом образе мышления, а не просто как о методике.) настораживало. Контрольные карты дюжинами обрушивались на меня. Я осведомился, как принимались решения о том, какой процесс и какие изменения в этих процессах должны быть поставлены под контроль. Оказалось, что соответствующие предложения были результатом своего рода мозгового штурма, а затем эксперты голосованием определили относительную важность факторов. Я не захотел комментировать ситуацию в этот момент, т. к. гораздо больший интерес представляло то, что было сказано потом. После того, как список был готов, он тщательно изучался для выявления тех факторов, которые "подходят" для статистического контроля. Я был заинтригован тем, что означает "подходит для статистического управления"? Хотя мы и испытали некоторые трудности в попытках найти общий язык, мне, наконец, удалось выяснить, что термин "пригодный для статистического управления", очевидно, означает то же самое, что и "находится в статистически управляемом состоянии" или "статистически управляемый процесс".

"Ну, а что же случилось с теми процессами, которые оказались "непригодными" для статистического управления?" - спросил я. Ответ был примерно следующим: "Ну да, мы все понимаем, что у нас здесь есть много оборудования на выброс, совершенно не удовлетворяющего современным требованиям. Мы знаем, что оно должно быть отправлено в металлолом и заменено более современным. Поскольку мы намерены ввести статистическое управление на всех наших процессах, мы приобретаем новое оборудование, которое будет пригодно для проведения этого". Довольно неуверенно я осведомился, понимают ли они, что если процесс статистически неуправляем (или, что то же самое, "непригоден для СУП"), никто не может правильно оценить его возможности. Как я и ожидал, вопрос был встречен удивленно-растерянным молчанием и сожалеющими взглядами: всем было ясно, что я ничего не понимаю в этом деле.

В конце концов, я сумел завладеть вниманием одного достаточно высокопоставленного работника и осторожно, насколько мог, высказал предположение, что, вполне возможно, компания тратит миллионы фунтов стерлингов на новое оборудование, которое, может быть, совсем ей не нужно. Реакция на это была, мягко говоря, холодная.

Печально, однако, 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 1920-х годах.

Я поделился этой историей с несколькими людьми. Многие могли рассказать подобные же истории. Прискорбно наблюдать, как часто самые лучшие намерения и огромные усилия и затраты бывают потрачены попусту. Причина проста: незнание и неправильное обучение - эти два обстоятельства естественным образом усиливают и поддерживают друг друга, непрерывно ухудшая состояние дел (Это может быть истолковано как пример "Правила 4" в эксперименте с Воронкой (см. главу 5).). Мы вернемся к этой истории позднее, когда начнем лучше понимать, где компания ошиблась и в чем.

Давайте рассмотрим более глубоко раннюю работу Шухарта и историю ее возникновения. Шухарт работал около 18 месяцев в компании "Вестерн-Электрик" (Western Electric) еще до того, как Деминг работал в этой компании в свои каникулы в 1925 и в 1926 гг., а затем перешел в только что основанную лабораторию фирмы "Белл" (Bell Laboratories) в Нью-Йорке. Я передаю здесь слово Демингу для рассказа об этой истории так, как он ее рассказывал перед аудиторией в Версале, во Франции, 6 июля 1989 г. (см. буклет BAD "Глубокие Знания").

"Частью деятельности компании Western Electric было изготовление оборудования для телефонных систем. Как всегда, проблемами были надежность и качество: надо делать продукцию однородной, с тем, чтобы люди могли положиться на нее. Western Electric жаждала достичь такого положения дел, чтобы иметь возможность в своей рекламе использовать 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 вот только имелась одна маленькая трудность - дела от этого шли не лучше, а хуже.

В конце концов эта проблема попала в руки Уолтера Шухарта в Bell Laboratories. В ходе работы над этой проблемой д-р Шухарт понял, что специалистами Western Electric допускались два основных типа ошибок.

1. Интерпретация ошибок, погрешностей, отклонений, предполагающая, что их вызвали некоторые особые, исключительные причины, в то время как на самом деле в них не было совершенно ничего исключительного, особого; т. е. они были результатом обычного действия системы, ее случайных отклонений, вызванных общими (обычными) причинами.
2. Интерпретация тех же ошибок, погрешностей и отклонений как проявление обычных 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!

Д-р Шухарт решил, что в этом и заключался корень 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 всегда будем бросаться на них всей грудью, без понимания их природы, мы только 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, а не только к технологическим операциям. В последующие десятилетия, развивая идеи Шухарта, Деминг заложил основу своей философии менеджмента. В частности, его 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).

Давайте теперь рассмотрим, что Шухарт имеет в виду, когда он говорит об управляемой (контролируемой) и неуправляемой (неконтролируемой) воспроизводимости, и, соответственно, что он подразумевает под процессом, находящимся в управляемом (подконтрольном) и неуправляемом (неподконтрольном) состоянии. Идеи, отражающие существо дела, нетрудны для понимания, но их последствия действительно получаются далеко идущими.

Предположим, что в некотором процессе мы систематически во времени регистрируем результаты измерений. Измеряемыми величинами могут быть длина стального прутка после операции обрубки, или затраты времени на обслуживание машины, или ваш вес на весах в ванной комнате каждое утро, или процент дефектных (не попавших в допуски изделий) в партии от поставщика, или определения коэффициента интеллекта, или время между выставлением счета и получением денег и т. д. и т. п. Рис. 5a-5d иллюстрирует 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, или все то, что мы регистрируем в этот момент.

На рис. 5а и 5b показан типичный пример того, что мы можем ожидать от процесса, находящегося в управляемом состоянии. Рис. 5с и 5d явно указывают на процесс, находящийся в неуправляемом состоянии. Все четыре графика показывают наличие вариаций в измерениях (т. к. без вариаций график был бы просто горизонтальной линией). Разница в том, что на рис. 5а и 5b характер вариаций на самом деле сохраняется в течение всего периода наблюдений, в то время как на рис. 5с и 5d имеются весьма заметные изменения в поведении вариаций во времени. Какое же значение это имеет для практики? Как оказывается, очень важное.

Рисунок 5с Рисунок 5d

РИС.5 Четыре карты текущих значений

В примерах, описываемых рис. 5а и 5b, у нас есть возможность спрогнозировать будущие результаты этих процессов (без абсолютной определенности, конечно, т. к. всегда что-то может случиться и испортить все дело). Но в случаях, описываемых рис. 5с и 5d, мы не можем сделать никакого предсказания, 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 руководства фирмы "Форд. Мотор Компани" (Ford (of America) Motor Company) ("Непрерывное управление процессом и улучшение ею воспроизводимости" (Continuous Process Control and Process Capability Improvement)). Эти диаграммы и составляют основу для наших рис. 6-9.

На рис. 6 мы видим наглядное представление статистического распределения. 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 рис. 6 интерпретировались как размеры некоторых образцов, но они могут точно так же интерпретироваться в контексте всех примеров, приводившихся выше, так же как и в миллионах других примеров.

Ключевая фраза для понимания рис. 6: "Если сам исходный процесс стабилен" - это напрямую связано с понятием статистически управляемого процесса. Идея заключается в том, что если некоторое постороннее воздействие оказывает влияние на процессы в ходе измерений (например, в приведенных выше примерах 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 обсудим позже, определение стабильности, представляемое единственным фиксированным распределением, слишком идеализировано с практической точки зрения - мы будем ссылаться позже на эту искусственно-идеальную ситуацию как на представляющую идеально точную стабильность.

Как видно из рис. 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 "на глаз", что подразумевается под процессами, находящимися и не находящимися в статистически управляемом состоянии.

Рисунок 6a

КУСОЧКИ ОТЛИЧАЮТСЯ ДРУГ ОТ ДРУГА

Рисунок 6b

НО, ЕСЛИ УКАЗАННЫЙ ПРОЦЕСС СТАБИЛЕН, ОНИ ОБРАЗУЮТ ОПРЕДЕЛЕННУЮ ДИАГРАММУ, КОТОРАЯ НАЗЫВАЕТСЯ СТАТИСТИЧЕСКИМ РАСПРЕДЕЛЕНИЕМ

РИС. 6 Построение статистического распределения (Предоставлено компанией Ford Motor, "Непрерывный процесс Управления и Улучшения возможностей процесса". Continuing Process Control and Process Capability Improvement, стр. 4а.)

РАСПРЕДЕЛЕНИЕ МОЖЕТ РАЗЛИЧАТЬСЯ ПО:

ИЛИ ПО КОМБИНАЦИИ ЭТИХ ПРИЗНАКОВ

РИС.7 Типы различий между распределениями (Предоставлено компанией Ford Motor, "Непрерывный процесс Управления и Улучшения возможностей процесса", Continuing Process Control and Process Capability Improvement, стр. 4а.)

Процесс находится в состоянии статистического контроля (статистически управляемый процесс), если лежащее в его основе распределение остается практически неизменным во времени. Если же распределение меняется существенно и непредсказуемо во времени, то говорят - процесс вышел из-под контроля (стал неуправляем).

ЕСЛИ ИМЕЮТСЯ ТОЛЬКО ОБЩИЕ ПРИЧИНЫ ВАРИАЦИИ, ВЫХОД ПРОЦЕССА ДАЕТ РАСПРЕДЕЛЕНИЕ, СТАБИЛЬНОЕ ВО ВРЕМЕНИ И, СЛЕДОВАТЕЛЬНО, ПРЕДСКАЗУЕМОЕ.

РИС. 8 Вид распределения Абсолютно Стабильного Процесса (Предоставлено компанией Ford Motor, "Непрерывный процесс Управления и Улучшения возможностей процесса". Continuing Process Control and Process Capability Improvement, стр. 4а.)

Как ученый Шухарт знал, что во всем, поддающемся измерению, всегда есть вариации. Вариации могут быть крайне большими, ничтожно малыми или находиться между этими двумя крайностями, но они всегда есть.

Исследования Шухарта по статистическому управлению процессами вдохновлялись его наблюдениями характера вариации в изучаемых им производственных процессах, который часто отличался от того, что он видел в так называемых "естественных" процессах; под последними он понимал, например, такие явления, как броуновское движение. На стр. 5 книги Дональда Дж. Уиллера и Давида С. Чамберса "Знакомство со статистическим контролем качества" 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 рис. 5а, 5b в естественных процессах, и неконтролируемые (нестабильные) вариации, такие как на рисунках 5с, 5d и 9 в производственных процессах. Различия в них ясны. В то время как 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 неподконтрольном состоянии). Мы можем предсказать будущее с некоторыми шансами на успех в первом случае, но мы не можем сделать этого во втором.

Давайте проясним, что мы имеем в виду под "предсказанием" в данном контексте. Мы не думаем, что можем предсказать точно, какими именно будут следующие значения процесса. Традиционные статистики иногда говорят о "точечных оценках" или "точечных предсказаниях", что может создать впечатление, будто такая точность достижима. Но то, что они делают на самом деле, - это получение некоторых ожидаемых средних значении, и, кроме того, нам нужны также знания о вариациях вокруг этих средних, чтобы узнать нечто разумное о возможных будущих значениях.

Давайте обобщим те 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 могли бы быть введены менеджментом 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, которая "ввела статистический контроль".

Во-вторых, когда особые причины устранены, так что остаются только общие причины, тогда улучшения могут зависеть от управляющих воздействий. Поскольку в этом случае наблюдаемые вариации системы определяются тем, как и каким образом процессы и система были спроектированы и построены, то только управляющий персонал, менеджеры имеют полномочия для изменений системы и процессов. Как часто говорит Май-рон Трайбус, директор американского "Института Качества и Производительности":
"Люди работают в системе. Задача менеджера - работать над системой, улучшая ее с их помощью".

ЕСЛИ ИМЕЮТСЯ ОСОБЫЕ ПРИЧИНЫ ВАРИАЦИИ, ВЫХОД ПРОЦЕССА ЯВЛЯЕТСЯ НЕСТАБИЛЬНЫМ ВО ВРЕМЕНИ И НЕПРЕДСКАЗУЕМЫМ.

РИС.9 Взгляд на нестабильный процесс с точки зрения распределения (Предоставлено компанией Ford Motor, "Непрерывный процесс Управления ч Улучшения возможностей процесса", Continuing Process Control and Process Capability Improvement, стр. 4а.)

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 - мы, несомненно, сделаем положение еще худшим. Ясно, что это так и будет, и останется загадкой для тех, кто не понимает природы изменчивости (вариаций).

Эти предпосылки и основанная на них целостная концепция статистического управления процессами имели глубокое и длительное воздействие на д-ра 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 "14 Пунктов" - те, которые нацелены на устранение произвольных числовых критериев-планов и норм, а также отказ от аттестации персонала - имеют свои корни как раз здесь. Действительно, если установленное задание, 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, как правило, влияние общих, т. е. определяемых внешней, по отношению к работнику, системой, причин вариаций на его поведение таково, что они практически всегда в конечном итоге скрывают, нивелируют реальный вклад работника".

Д-р Джозеф Джуран много лет назад сделал оценку, что не более 15% всех проблем (или возможностей улучшения) в организациях связано с особыми причинами вариаций и, таким образом, они, возможно (но не обязательно!), находятся в поле деятельности рядовых работников. Тогда на долю менеджеров приходится, как минимум, 85% от всех потенциальных возможностей улучшений системы, в которой работают их служащие. После проверки этих чисел на протяжении многих лет д-р Де-минг пересмотрел их и в 1985 году дал новую оценку, соответственно 6% и 94% (Я недавно слышал, что эти величины были скорректированы вновь - на этот раз 2% и 98%.).

Очень часто рабочие (если, конечно, их об этом спрашивают) могут выделить особые случаи, которые приводят к проблемам в реализации возможностей системы - в конце концов они непосредственно страдают от этих проблем. Но только руководство может изменить действующую систему, в рамках которой работают рабочие и которая содержит до поры массу пре пятствий к улучшению качества, надежности и производительности. В то же время, как указывал М. Трайбус, менеджеры, по всей видимости, все же нуждаются в помощи работников для выявления проблем, которые им необходимо решать. Однако никаким образом работники не могут изменить систему сами. Как определяет это Деминг, "работник, если он достиг состояния статистической управляемости, - вложил в процесс все, что у него было" ("Выход из кризиса", стр. 405, см. также главу 24 в этой книге).

Обещанная иллюстрация вреда, который может быть вызван неразличением одного типа вариаций от другого, как и другие, получена от компании "Ford Motor" (см. стр. 29-31 в книге Билла Шеркенбаха "Путь Деминга к качеству и производительности").

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. Звучит разумно? Конечно.

Рис. 10- гистограмма диаметров 50 валов, последовательно полученных в результате этого процесса. Статистиками было предложено, чтобы подобный же набор из 50 валов был изготовлен с выключенным компенсатором. Рис. 11 дает 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, так что имели место только общие причины вариаций. Уменьшение этого разброса достигается только улучшением самого процесса. Компенсатор не улучшал процесс. Он лишь вмешивался в процесс, который уже был стабилен. ("Вмешательство" - это собственный термин д-ра Деминга для этого случая.)

Так как 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 - это увеличение вариаций, разброса - эффект совершенно противоположный желаемому. Конечно, если бы имели место 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 важность для менеджмента понимать изменчивость в том смысле, как ее ввел Шухарт. Выше приведенный пример с компенсацией - это на самом деле один из наименее разрушительных типов "вмешательства". Другие подобные искренние попытки улучшить дело могут ухудшить его и не на 40%, а на целые порядки (см. главу 5).

Пример, относящийся к компании Форда, возник в сравнительно простой производственной ситуации. Деминг известен своим высказыванием, что самые первые контрольные карты, которые необходимо построить в любой организации, должны относиться не к процессам в цехах, а к данным, которые ложатся на стол руководителя организации, - таким, как данные по бюджету, прогнозы, невыходы на работу, происшествия и травмы.

РИС. 10 Гистограмма данных: Автоматический компенсатор включен: Избыточный контроль или Вмешательство.

РИС.11 Гистограмма данных: Автоматический компенсатор выключен.
(Воспроизведено с изменениями из книги Уильяма Шеркенбаха "Путь Деминга к качеству и производительности" (The Deming Rome to Quality and Productivity, p. 25) стр. 25)

Находятся ли эти процессы "под контролем"? Если да, то улучшаются они или просто подвергаются вмешательству с результатом, подобным тому, который мы только что рассмотрели выше, 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 обычных причин вариаций.

Большинство примеров, которые Деминг рассматривает в этой области, касаются ошибок первого рода: случается что-либо нежелательное (пожар, происшествие, жалоба) - следует почти автоматическая реакция в ответ на этот изолированный случай, рассматриваемый как особое, выходящее из ряда вон событие. 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 обусловлены самой системой. Поэтому обращение с ними как с особыми, специальными случаями - простое вмешательство в систему с вредными последствиями, которые мы уже наблюдали. Как и в примере, взятом из опыта компании "Форд", реакция на отдельно взятые случаи в данной ситуации приводит к общему увеличению вариаций и, 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, так как, 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 (стр. 54-55), дорожным происшествиям (стр. 716-817), пожарам (стр. 324-325), совмещению цветов (при печати) (стр. 329), стрельбе торпедами (стр. 330), калибровке инструментов (стр. 330-331), дефектным трубам для атомного реактора (стр. 358), дефектным шинам (стр. 359), весу медных слитков (стр. 359-360) и работе менеджера на грузовом терминале (стр. 361-362).

Сейчас хотелось бы внести ясность: мы не говорим, что не нужно принимать никаких мер при возникновении происшествия, жалобы и т. д. Некоторые действия, конечно, будут необходимы в любом случае - положенная по закону юридическая процедура, извинения, замена и т. п. - это не те действия, которые ставятся под сомнение. Под вопрос ставятся соответствующие данному случаю действия по предотвращению или уменьшению вероятности такого происшествия в будущем. Для этих действий нам необходим некоторый критерий, чтобы понять: случившееся говорит 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 как целого). Как же сделать правильный выбор?

Шухарт предложил и обосновал рабочий инструмент, помогающий нам различить эти две ситуации - это 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, "Руководство по контролю качества" Каори Исикава (Kaoru Ishikawa), или статью Ллойда Нельсона "Технические средства" в октябрьском выпуске "Journal of Quality Technology" за 1984 год. 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 размах (Размах - это разница между максимальными значениями. Обычно среднеарифметическое, но иногда и медианное значение.), взятые для нескольких измерений, либо ведем подсчет числа дефектов на приборах или самих дефектных приборов во времени, то мы 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 о (сигма), - 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 о, 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 9 последовательных точек по одну сторону Центральной Линии, либо непрерывное уменьшение или увеличение наблюдаемой величины в 6 последовательных точках. Контрольные карты для данных рис. 5a-5d, показанные на рис. 12а-12сР, 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 "осторожное" правило применяется для выбора прямых действий, соответствующих особым причинам, тем чаще мы будем делать Ошибку второго рода, но тем реже мы будем делать Ошибку первого рода. Чем "чувствительнее" правило для выделения особой причины, тем чаше мы будем делать Ошибку первого рода, но реже Ошибку второго рода. Цель - минимизация ущерба от этих двух видов ошибок. Здесь нет точного решения, здесь работает метод проб и ошибок:
"Что мы должны делать? Как мы должны это делать? Д-р Шухарт помог нам в этих важных вопросах, и это было его великим вкладом в образ мышления людей и их способности управлять".

Для построения этих карт, данные на рис. 5a-5d интерпретировались как индивидуальные измерения (а не средние значения или, например, число дефектов). Соответственно, Центральная Линия представляет в каждом случае среднее из 25 наблюдений, а Контрольные Границы расположены на расстоянии 3.14: текущий средний размах по обе стороны от среднего (текущий размах - это разность между максимальным и минимальным результатами среди всех предшествовавших измерений; этот метод расчета границ для индивидуальных наблюдений особенно эффективен зля оценки разброса, вызываемого общими причинами, даже при наличии специальных причин). Контрольная карта с данными другого типа вместе с соответствующими расчетами будет рассмотрена в главе 6.

Рисунок12а

Рисунок 12b

Рисунок 12b>

Рисунок 12с

Рисунок 12d

РИС. 12.4 Контрольные карты

Выбор Шухартом именно 3 о как расстояния между Центральной Линией и Контрольными Границами, в противоположность любым другим множителям для о, не вытекал из каких-либо конкретных математических расчетов - в основе было просто то, "что это кажется приемлемой величиной, с точки зрения экономики" (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. Деминг в "Выходе из кризиса", стр. 356-358 сообщает о двух примерах (один из которых взят в компании, которая завоевала приз Деминга в Японии), где линии были нанесены на карты в соответствии с "суждениями" или даже "требованиями менеджера". Этот раздел в "Выходе из кризиса" озаглавлен: "Примеры дорогостоящего непонимания". Деминг относит сюда также использование на контрольных картах требований технических условий вместо расчета Контрольных Границ. Цель Контрольных Границ - выявление того, как процесс протекает сейчас и как он может протекать. Конечно, мы должны принимать в расчет требования потребителя, но использование требований допусков, а не Контрольных Границ на контрольных картах может только вызвать путаницу:
"Если вы используете требования допусков как контрольные границы, вы все время будете вмешиваться в процесс, делая его еще хуже".

Поэтому, повторюсь еще раз, 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 во 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 может быть названо ортодоксальным деминговским подходом, указанная версия Фазы 3 никогда не достигается, т. к. 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 было на самом деле в случае, рассмотренном в начале этой главы).

Те, кто используют метод поиска и "решения проблем", могут угодить в эту же ловушку. Некоторые говорят о поиске и устранении специальных причин, как о "тушении пожаров". Если возник пожар, его, конечно же, надо тушить. Идея, однако, заключается в том, что если даже пожар в здании успешно потушили, то это действие не улучшает самого здания - это 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 надо 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 диаграмм Парето, построение диаграмм Исикава, блок-схем различного вида и т. п. (см. книгу Исикава, а также книгу Питера 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 необходимые случаи, где нужно заняться устранением причин особых случаев. В укороченной версии определения Фазы 3 цель контрольных карт - это диагностика появления каких-либо особых причин, которые негативно воздействуют на состояние стабильности, достигнутое в конце 2-ой Фазы. 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 был, как мы видим, практичным, разумным и конструктивным. Он намеренно избегал избыточной математической формалистики. К сожалению, по прошествии многих лет после первой публикации Шухарта в этой области, некоторые математические статистики (в основном, кажется, британские) ухватились за идеи Шухарта, заполнив то, что они считали разрывом в математической логике, и таким образом попали в ловушку, которой Шухарт так старательно избегал, и тем самым уменьшили полезность его методов.

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 самом деле, в этом случае предпосылки, необходимые математикам, требуют гораздо большего, чем требуется 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.

Точные математические подходы легче преподавать и с ними легче произвести внушительное впечатление. Но они серьезно уменьшают потенциал того, что могло бы быть достигнуто с использованием статистического управления процессами (СУП). Без всякого сомнения, компания, которая "ввела у себя статистический контроль", получала консультации у представителей того, что я бы назвал "вероятностным подходом". Кто может винить их учеников? Это, вероятно, было все, что они знали; делали они самое лучшее из того, что могли.

Что значит "вероятностный подход"? В самой обычной версии этого подхода Контрольные Границы рассчитываются в предположении, что процесс находится в управляемом состоянии, а произвольно взятая точка будет лежать за пределами Контрольных Границ в 1 из 1000 случаев. В другой версии рассматриваются две пары Контрольных границ: те, которые только что были упомянуты и которые называются Границами Действий, и вторая пара границ, соответствующая вероятности выхода за них в 1 из 40 случаев и называемая Предупредительными Границами.

Необходимо прочитать страницы 275-277 в книге Шухарта 1931 г., где он, как вы помните, впервые предложил трехсигмовые (За) границы. Он там, похоже, слегка 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 ему статистического распределения, то он мог бы использовать вероятностно определенные границы. Но затем он обращается к реальности и признает, что на практике мы никогда не знаем вид соответствующего статистического распределения. Математические статистики обычно "бросаются" на излюбленное ими - нормальное распределение как на заведомо верную предпосылку. Шухарт специально отказывается от этого на стр. 12 своей книги 1939 года. В книге 1931 г. он говорит, что, если бы даже процесс был в точности стабилен и если бы нормальное распределение было пригодно для его описания (чего мы никогда не знали бы в точности), тем не менее мы бы не знали настоящего значения его среднего. И даже если бы знали, мы бы никогда не узнали истинного значения его стандартного отклонения. Мы можем только получить их оценки на основе данных. Вероятностный же расчет зависит от знания всех этих параметров.

В книге "Выход из кризиса" (см. ниже) Деминг бросает еще более крупный камень в эти работы, указывая, что на практике, в противоположность теории или гипотезам, идеально стабильных процессов вообще не существует, т. е. реальный процесс никогда не свободен полностью от особых причин, в том смысле, в котором он был определен при рассмотрении случая в компании Форда, т. е. ситуация, представленная рис. 8, никогда не реализуется. Это означает глубокую пропасть между обычными математическими предположениями и реальным миром. Что это предполагает? Конечно же, не то, что мы должны проводить все наше время в поисках специальных причин, не занимаясь улучшением процесса, т. е. работая с общими вариациями. Нет, 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 самом 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 3 d границами дают принцип различения этих двух ситуаций. Причиной для выбора целого числа 3, а не какого-либо другого, более наукообразного, было просто то, что "это, как кажется, есть экономически приемлемое значение". 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 из 1000 проб. Нет, нет и нет, это не надо рассматривать таким образом".

Страницы 334-335 в "Выходе из кризиса" проливают дальнейший свет на эту проблему.
"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.

(Курсив автора) Утверждение Деминга, что мы никогда не имели в точности стабильный процесс на практике, означает искусственность вероятностного подхода. Оно также показывает, что описание процесса, используемое в руководстве, разработанном на фирме "Форд", находящегося в управляемом и неуправляемом состояниях, чрезмерно упрощено.

Однако наиболее серьезное последствие вероятностного подхода (относительно его воздействия на практику использования контрольных карт) - это то, что он чрезвычайно сужает точку зрения практиков на их назначение. Компания, откуда был получен "ужасный пример" в начале этой главы, была наглядным примером в этом смысле. В самом деле, эти люди, казалось, не обращали никакого внимания на важность того, что мы только что назвали Фазой 1 в улучшении процесса. Они определенно не имели никакого понятия, что контрольные карты могут использоваться на этой Фазе. Конечно же, они не имели понятия, что если процесс не находится в статистически управляемом состоянии (так, как это обычно и есть, когда мы впервые начинаем изучать его), то для него не существует распределения и вероятности. Вероятностный подход начинается лишь на Фазе 2 и при этом в ее очень идеализированной версии.

Даже компании, которые тем или иным образом достигли лучшего уровня понимания, все еще находятся под влиянием некоторых предпосылок вероятностного подхода. Например, мне вспомнилась компания, к которой я питаю большое уважение. Я очень хорошо знаком с несколькими ее представителями. И все же, когда я взглянул в "Руководство по статистическому управлению процессами" этой компании, я обнаружил там следующую фразу:
"Статистическое управление процессами есть средство, с помощью которого достигается предотвращение 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. и т. п.),
"Использование контрольных карт дает нам раннее предупреждение об этих проблемах и часто предсказывает их, так что их удается избежать".

Казалось бы, нет ничего собственно неправильного, плохого и в таком использовании контрольных карт, 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 надо избегать (см. главы 5 и 11 соответственно). Моя мысль заключается в том, что вышеприведенное описание отражает лишь незначительную часть того, что контрольные карты могут делать, поэтому многие люди думают, что это всё, 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 (СУП) в том духе, как это было описано выше, является то, что его работы были развиты в контексте и с целью улучшения процесса, в противоположность просто мониторингу процесса. То есть его (СУП) 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 3-ей фазы - фазы спокойного мониторинга.)

Многие читатели поймут, что это различие значительно более важно, чем могло было бы показаться с первого взгляда. Оно приводит нас прямо 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 о необходимости постоянных улучшений - никогда не кончающейся борьбы за уменьшение вариаций. Вероятностный подход может помочь только в первом случае. Работа же самого Шухарта была вызвана потребностями второго.