Примеры дорогостоящего непонимания

Пример 1. Линии действий строятся на графике на глазок, а не в результате расчетов. Как мы узнали, пределы отклонений на графике контроля показывают, чего можно ожидать от процесса в его нынешнем состоянии, а не то, каким мы хотели бы его видеть. Предположим, рабочий проводит на графике линию, показывающую процент брака изо дня в день. Он проводит линию, например, на уровне 4%, и это кажется ему разумной целью. Он показывал мне точку, которая находилась значительно выше этой линии. Вот, сказал он, эта точка за пределом отклонений.

«А где ваши расчеты пределов отклонения?» - спросил я.- «Мы не делаем расчетов, просто проводим линию там, где, по нашему мнению, она должна быть».

Некоторые учебники, к сожалению, дезориентируют читателя, устанавливая пределы отклонений, основанных на спецификациях или на других требованиях. В одной из книг пределы отклонений устанавливаются на основе так называемой ОС — кривой (она здесь не рассматривается). Все эти неправильные представления о пределах отклонений увеличивают затраты и не позволяют добиться качества.

Такое построение линии, которое заменяет пределы отклонений, ведет к чрезмерной или недостаточной на стройке и сохраняет все существующие проблемы. Прискорбно, что люди отказываются от графиков, неправильно используемых и говорят: «Контроль качества здесь не работает».

Неудивительно - ведь они не пытались его применить.

Пределы спецификаций никогда не показываются на графике контроля.

Недавно изданная книга по статистическому контролю качества допускает ту же ошибку, утверждая, что требования потребителя являются основой для вычисления пределов отклонений. Такой совет губителен для начинающего, поскольку он будет всёгда идти по неверному пути.

И опять же обучение новичков должен проводить мастер, а не поденщик.

Пример 2. Та же ошибка: предел действия устанавливается на основе рейтинга производителя. Гораздо проще, чем можно предположить, попасть в ловушку использования суждения для установления пределов отклонений. Я цитирую здесь письмо, полученное от вице-президента компании, который был доволен результатом своих трудов, но не сознавал, что его методы лишают его того качества и производительности, которых можно было бы добиться с теми же людьми, на том же оборудовании, если бы они могли лучше использовать свои возможности. Производителю оборудования также было бы приятно узнать; что оно более чем удовлетворяет требования, если оно работает в соответствующих условиях. Вот это письмо:

В последнем квартале 1980 года мы реорганизовались и наняли консультанта, который мог бы в ходе формальных лекций и на примерах использования в цехах обучить нас применению принципов эффективного надзора. Мы провели занятия со многими служащими и рабочими. Все стандарты для работников производства были устранены, и мы установили цеховые стандарты, которые исходили из максимальной скорости работы оборудования, которое определили его производители. Если не вырабатываются 100% нормы, начальник должен определить, почему показатели работы ниже максимума. Наш обслуживающий и технический персонал работает над исправлением выявленных недостатков.

Неверный путь. Его эксперты, используя заявленные производителем пределы отклонений (пределы работы), смешивали специальные причины с общими, тем самым гарантируя существование вечных проблем.

Более разумная процедура - добиться состояния статистического контроля работы станка при данных условиях. Возможно, он будет работать на скорости в 90% от максимальной, как она была определена производителем, или 100%, или 110. Следующим шагом будет постоянное совершенствование станка и его дальнейшей работы.

Пример 3. Столь очевидно и столь бесполезно. Вице-президент гигантского концерна говорил мне, что у него есть жесткая схема контроля конечного продукта. На мой вопрос о том, как они используют данные, последовал ответ: «данные в компьютере. Компьютер регистрирует и описывает любой обнаруженный дефект. Наши инженеры не прекращают работу до тех пор, пока не обнаружат причину каждого дефекта.

Почему же уровень выпуска бракованных труб оставался относительно стабильным, от 4,5 до 5,5% в течение двух лет. Инженеры путали общие причины со специальными. Они считали, что каждая ошибка вызвана специальной причиной, которую нужно выявить, раскрыть и устранить. Они пытались найти причины подъемов и падений в стабильной системе, усугубляя тем самым положение и не достигая цели (Вернитесь к утверждениям Ллойда С.Нельсона на стр 19).

Потребителю усилия производителя кажутся привлекательными. Потребителю кажется, что производитель очень добросовестный и прилагает все усилия, чтобы в будущем бракованных труб было меньше. Это так, он старался. К сожалению, усилия его направлены не в ту сторону, и, очевидно, не были эффективными Но как об этом узнает хоть один из них.

Явные исключения возникают в тех обстоятельствах, когда бракованные изделия появляются регулярно В этом случае появление бракованных изделий можно считать моделью, которая указывает на отсутствие статистического контроля. Тот же совет можно дать в случае, если существует лишь одна спорадическая важная причина выпуска дефектных изделий. Изучение дефектных изделий в таких случаях может помочь указать на причину проблем

Пример 4. Я видел шинный завод, на котором бракованные шины выставлялись в ряд для того, чтобы их изучали инженеры. Вот продолжение того, что мы видели в примере 3: то же гарантированное продолжение проблем.

Пример 5. Неправильное использование распределения: еще о компьютере, функционирующем без вмешательства человека. Производится прессовка медных отливок, они раскалены и от них летят брызги. Станок разрезает отливки, нужный вес - 326 кг. Каждая отливка автоматически взвешивается, и данные поступают в компьютер.

Следующий шаг - электрическая обработка, при которой отливки служат анодом. Легкая отливка занимает место в электролитической ванне мешая обработке нормальных отливок.

Работа оператора состоит в том, чтобы в случае обнаружения отливки с низким весом, отрегулировать режущий станок так, чтобы следующая отливка была тяжелее, и наоборот, если отливка слишком тяжелая. Устройство для автоматического взвешивания в конце дня формирует определенное распределение весов произведенных отливок. Каждое утро оператор видит перед собой распре деление весов отливок, произведенных накануне (рис. 40) - пример компьютера, действующего без вмешательства человека.

Рис. 40. Диаграмма вчерашней продукции, построенная при автоматическом взвешивании и описании каждой отливки. Диаграмма показывает оператору, как он работал вчера, но не помогает ему добиться сужения диапазонов распределения, более близкого к желательному среднему весу. Компьютер также печатает среднюю распределения, его стандартное отклонение, искажения, коэффициент четвертого момента, которые абсолютно бесполезны для оператора.

«Зачем нужна эта гистограмма»— спросил я

- Это наша система контроля качества. Она показывает оператору, как он работает, чтобы он мог работать лучше - таков был ответ.

И как давно вы сталкиваетесь с проблемой разных весов спросил я.

С самого начала

Дело в том, что оператор, который после выпуска каждой отливки настраивает машину, работает против себя, расширяя тем самым диапазон средних отклонений весов. Он действовал по правилу 2 или правилу 3, или правилу 4 (стр. 339), усугубляя положения, стараясь сделать как лучше. Но откуда ему об этом знать? Распределение, показанное на рис. 40 абсолютно бесполезно, и служит источником расстройства.

Что неверно в использовании данных распределения на рис. 40? В данном распределении не видна разница между а) причинами, которые коренятся в системе и б) причинами, которые может установить оператор. Таким образом, оно совершенно не помогает оператору. Оно только раздражает его Необходимую разницу можно увидеть, если использовать график контроля и таким образом помочь

Инженер, ответственный за процесс, объяснил мне, что ему здесь не нужен статистический контроль качества, поскольку у него 100-процентный контроль и вес каждой отливки фиксируется. Оператору только нужно отрегулировать машину после того, как отливка обработана. Инженер знал о работе все, кроме того, что было действительно важно. Но откуда ему было знать?

Дополнительная интересная статистическая проблема возникает при рассмотрении оптимального (наиболее выгодного) веса выше среднего показателя, при превышении которого следует обрезать отливку. Это проблема совершенно очевидная, но мы ее здесь не затрагиваем. Рассмотрение ее включало бы распределение весов, стоимость обрезки медных отливок избыточного веса, и стоимость продления электролитического процесса на достаточное количество минут, для того, чтобы закончился процесс на тяжелых отливках.

В лаборатории я видел секторную диаграмму, на которой все могли видеть количество ошибок разного рода, допущенных за прошлую неделю - та же ошибка и по той же причине. Предположение администрации было таково:

Люди, которые там работают, могут исправить все ошибки - то есть, работать прекрасно, если только они будут знать, что они допускают ошибки, и будут достаточно старательно работать, чтобы избежать этого.

Пример 6. Потери от индексирования качества работы. Инженеры в одной компании, занятой осуществлением перевозок, разработали так называемые стандарты, с помощью которых можно было измерить качество работы управляющих их 70 терминалов. Любой управляющий, показатели которого ниже 100%, оказывается виновным. Тот, у кого показатели выше 100%, работает хорошо.

Это та же самая ошибка, которую допускает управляющий, который анализирует только брак в попытке совершенствовать будущий товар. Администрации нужно изучить вот что: распределение индексов. Укладывается ли распределение в систему, и есть ли люди, не вписывающиеся в нее? Изучение корреляции показателей качества работы с типом деятельности может выявить причины того, что считается исключительно хорошей работой, или крайне плохой работой. Например, высокая пропорция прибывающих грузов к отправленным грузам, может объяснить, почему на некоторых терминалах плохие показатели работы или низкий уровень прибыли. Таким образом, в большинство пунктов во Флориде грузы скорее поступают, нежели вывозятся: на север железнодорожные вагоны и грузовики идут порожняком. Управляющие терминалами ничего не могут поделать с таким отношением.

Администрация занималась как раз тем, что сохраняла существующие проблемы.

Пример 7. Неверные процедуры на начальных стадиях производства. данный пример - повторение уже преподанного урока, но если мы его повторим, вреда не будет.

Измеряются размеры 10, 30, 40 или 100 изделий, что бы выяснить, выполняет ли процесс свою задачу. Следующий шаг (неверный) - изучить изделия, которые не прошли контроль, чтобы попытаться отыскать источник проблем.

Это пример неудачи в анализе неудач. Для решения статистической проблемы лучше использовать статистические методы, например:

1. Использовать измерения для построения графика работы или другого статистического графика (например, Х или R графиков, если для них достаточно данных) хода производства, чтобы выяснить, находится ли процесс в состоянии статистического контроля

2. Если график указывает на допустимое состояние статистического контроля, можно предположить, что дефектные изделия производит та же система, которая производит качественные. Только изменение в системе может уменьшить количество бракованных деталей в будущем. Возможно, это будет изменение в конструкции детали или в методах производства. Первым шагом была бы проверка системы измерения, чтобы установить, в достаточной ли мере деталь стандартна и находится ли она в пределах статистической нормы.

Использование менее чем 15 или 20 деталей в целях контроля затруднит ответ на вопрос о возможности процесса. Тем не менее, иногда проверка меньшего количества деталей может привести к твердому выводу Если набор из 6 или 7 деталей окажется полностью браком, можно заключить, что процесс не соответствует спецификациям, или что система измерения не в порядке, или что спецификации должны быть ослаблены.

Семь или восемь деталей, показывающие брак по восходящей или нисходящей линиям, без отклонений, указывали бы совершенно определенно на неполадки в процессе или в системе измерений.

Сами изменения приносят ценную информацию. Если вы ограничитесь 5 или 6 измерениями, вы упустите возможность получить информацию, которую обеспечило бы большее количество измерений. (Этот параграф написан благодаря беседе с Ллойдом С. Нельсоном, 7 июня 1984 г.).

Если график показывает отсутствие состояния статистического контроля, тогда поиск специфических причин является следующим шагом. Опять же, имело бы смысл изучить систему измерений. Прежде всего посмотрите, нет ли ошибок в данных.

Пример 8. Я пожаловался начальнику почтового отделения в Вашингтоне на то, что все время получаю не ту корреспонденцию. Похоже, все мои соседи, и я в том числе, получали конверты, адресованные другим людям. Когда я пошел доставить по адресу конверт, поскольку это было недалеко, у двери я встретил женщину, которая как раз выходила из дома, держа в руках адресованный мне конверт. Честный обмен. Моя жалоба начальнику отделения вызвала следующий ответ:

Ошибки, подобные тем, на которые вы указали - источник раздражения в почтовой системе, такой же, как и для вас. Проблема существует на протяжении многих лет. Поверьте мне, на каждую такую ошибку мы указываем разносчику, который ее допустил.

«Продолжается многие годы» - признание в том, что причина ошибок коренится в системе. Проблема не является специфической - ни для района, ни для времени доставки, ни для разносчика. Это будет продолжаться до тех пор, пока не будет осуществлен фундаментальный пересмотр системы, для того, чтобы сократить возможность появления ошибок, подобной той, которая послужила причиной моей жалобы.

Рис. 41. Процент брака, произведенного каждым из 20 операторов. Точки соответствуют порядку позиции. (Все произвели приблизительно одинаковое число изделий).