Шпаргалки по Статистическому управлению процессов. СУП. Что такое статистическое мышление Почему недостаточно обладать системным мышлением для принятия управленческих решений Почему люди не используют возможности статистического мышления Приведите примеры ошибочных решений, принятых без учета вариабельности
 Скачать 148.16 Kb.
|
|
Что такое статистическое мышление? Почему недостаточно обладать системным мышлением для принятия управленческих решений? Почему люди не используют возможности статистического мышления? Приведите примеры ошибочных решений, принятых без учета вариабельности Статистическое мышление - это умение принимать системные решения в мире, подверженном вариабельности. (системное мышление + учет вариабельности) Недостаточно обладать системным мышлением для принятия управленческих решений, т.к. в системном мышлении не учтена вариабельность процессов. Статистические законы природы, т. е. законы, не позволяющие предвидеть единичный результат какого-то процесса, однако позволяющие довольно точно предвидеть результаты, относящиеся к совокупности событий, не представляются человеческому разуму такими же очевидными, как законы детерминированные. Скорее всего, это связано в первую очередь с процессом воспитания и обучения человека с первых дней его жизни. Мы растем в условиях детерминированности нашего повседневного опыта и молчаливо предполагаем, что так же устроены и все прочие процессы в окружающей нас жизни. То, что, повзрослев, мы ежедневно сталкиваемся со случайностью результатов многих окружающих нас процессов, не избавляет большинство людей от заложенного в детстве детерминизма. Чем отличается отбраковка от профилактики при работе с несоответствиями? Отбраковка брака сама по себе не приводит к улучшению изделий: она лишь разделяет их на две группы - принимаемых и бракуемых. Качество как данной партии, так и будущих партий при отбраковке не меняется. Профилактика, направленная на предотвращение брака или несоответствий, несомненно, важнее и полезнее, чем отбраковка. В то же время профилактика, т. е. система мер, направленных на предотвращение появления некачественных изделий, ведет к улучшению будущих партий продукции. В чем заключается первая гипотеза Шухарта? Какие источники вариабельности рассматриваются в первой гипотезе Шухарта? Первая гипотеза Шухарта – наличие двух принципиально различных источников вариабельности (изменчивости) показателей качества. Первый источник вариабельности - сама система, в которой производится продукция (услуга). Понятие о производственной системе довольно неопределенно. Сюда относятся и здания, и оборудование, и сырье, и люди, и многое другое. Практически это все, что может повлиять на интересующие нас показатели качества. Пока система не меняется, вариабельность характеризующих ее параметров остается практически постоянной. Поэтому вариабельность - одна из важнейших характеристик системы, которую надо знать, если мы хотим управлять системой или совершенствовать ее. Понятно, что для этого сначала придется научиться эту самую вариабельность каким-то образом измерять. Второй источник имеет совершенно другую природу. Существует, оказывается, вариабельность, обусловленная вмешательством в систему тех или иных факторов, не принадлежащих системе, т. е. внешних по отношению к ней (например, неправильное поведение оператора, или неправильный ход какого-то технологического режима вследствие сбоя настройки, или непредвиденное изменение внешних условий и т. д.). Эта вариабельность проявляется спорадически, нерегулярно. Ее величина может сильно меняться от случая к случаю, причем здесь каждый случай - особый, и отклонение от той установившейся вариабельности, какая характерна для вариаций, вызываемых самой системой, может быть каким угодно. В реальной жизни на выходе системы мы наблюдаем смесь, сумму вариаций, происходящих из этих двух источников. Что такое общие причины вариабельности? Что такое особые причины вариабельности? Общими причинами вариаций называют причины, составляющие неотъемлемую часть данного процесса и внутренне ему присущие. Они связаны с неабсолютной точностью поддержания параметров и условий осуществления процесса, с неабсолютной идентичностью условий на его входах и выходах и т. д. Другими словами, общие причины вариаций - это результат совместного воздействия большого числа случайных факторов, каждый из которых вносит весьма малый вклад в результирующую вариацию и влияние которых мы по тем или иным соображениям не можем или не хотим отделить друг от друга. Особые причины вариаций - это те причины, которые возникают из-за внешних по отношению к процессу воздействий на него и не служат его неотъемлемой частью. Они связаны с приложением к процессу незапланированных воздействий, не предусмотренных его нормальным ходом. Другими словами, это - результат конкретных случайных воздействий на процесс, причем тот факт, что именно данная конкретная причина вызывает данное конкретное отклонение параметров/характеристик процесса от заданных значений, часто (но далеко не всегда) и приводит к тому, что эту причину можно обнаружить без приложения каких-то исключительных усилий или затрат. Разделение причин вариаций на два указанных вида принципиально потому, что борьба с вариабельностью процесса в этих двух случаях требует различного подхода. Особые причины вариаций требуют локального вмешательства в процесс, тогда как общие причины вариаций требуют вмешательства в систему. Почему не нужно вмешиваться в систему, если действуют общие причины вариабельности? Почему нужно немедленно вмешиваться в систему, если действуют особые причины вариабельности причины вариабельности? Если, например, вариации обусловлены системой, т. е. тем, что процесс устроен именно так, как он устроен, то ясно, что вмешиваться в него изнутри системы бессмысленно, так как такое вмешательство, будучи незапланированным для системы, ведет только к ее раскачке (выводит систему из стабильного состояния). Если не устраивает вариабельность системы, то надо менять систему в целом (вспомним о системном подходе), т. е. нам надо реорганизовать систему. А это в свою очередь означает, что делать это должны те люди, которые «стоят над системой», т. е. высший менеджмент. Поэтому всякая попытка справиться с ситуацией за счет сотрудников-исполнителей заведомо обречена на неудачу. Более того, она практически неизбежно приведет к существенному ухудшению положения дел. С другой стороны, если вариации обусловлены внешними по отношению к системе причинами, т. е. тем, чего в нормально работающей системе быть не должно, то здесь надо немедленно браться за дело самим сотрудникам. Их задача - создать команду для изучения возможных причин возникновения нерегулярных вариаций, которые довольно часто, хотя и далеко не всегда, вызываются так называемым человеческим фактором (это, впрочем, вовсе не означает, что такие причины легко обнаружить.) В любом случае следует начать непрерывную борьбу за устранение всех «лишних» вариаций и за достижение стабильности. Только стабильность делает систему предсказуемой, а значит, управляемой. Как отличить действие особых причин вариабельности от действия общих причин вариабельности? Значение контрольных карт в наибольшей степени состоит в том, что они позволяют разделить причины вариаций на два источника: 1) собственно системные (д-р Шухарт назвал их "случайными причинами"), ответственность за них лежит на менеджменте; 2) обнаружимые причины, названные д-ром Демингом "особыми", специфичные для некоторого мимолетного события, которые обычно могут быть обнаружены и устранены специалистом, ответственным за процесс. Процесс находится в статистически управляемом состоянии, если на него более не действуют особые причины. Результат работы процесса, находящегося в управляемом состоянии, предсказуем. В чем заключается вторая гипотеза Шухарта? Вторая гипотеза Шухарта – организовать процесс мониторинга, направленный на постоянную диагностику ситуации. Он призван представить текущую информацию в такой форме, чтобы менеджменту было ясно, какие решения следует принимать на ее основе. Доктор Шухарт подготовил небольшую памятную записку размером всего в одну страницу. Около трети ее занимала простая диаграмма, которая сегодня известна всем нам как схема контрольной карты. Та диаграмма и текст к ней заключали в себе все существенные принципы и выводы, составляющие то, что известно нам теперь как процесс управления качеством. Что такое детерминизм и почему он провоцирует людей на принятия ошибочных решений? Детерминизм – учение, согласно которому все на свете определено, т. е. подчинено законам, которые в свою очередь являются строго определенными. Статистические законы природы, т. е. законы, не позволяющие предвидеть единичный результат какого-то процесса, однако позволяющие довольно точно предвидеть результаты, относящиеся к совокупности событий, не представляются человеческому разуму такими же очевидными, как законы детерминированные. Скорее всего, это связано в первую очередь с процессом воспитания и обучения человека с первых дней его жизни. Мы растем в условиях детерминированности нашего повседневного опыта и молчаливо предполагаем, что так же устроены и все прочие процессы в окружающей нас жизни. То, что, повзрослев, мы ежедневно сталкиваемся со случайностью результатов многих окружающих нас процессов, не избавляет большинство людей от заложенного в детстве детерминизма. Как Шухарт определял сущность статистического контроля и чем он отличается от обычного контроля? Шухарт трактовал «статистический контроль» как симбиоз трех концепций: - как состояние: состояние статистического контроля - это идеальная цель; - как суждение: должно существовать суждение в виде вероятностного вывода относительно того, достигнуто ли это состояние; - как процесс: это средство достижения цели. При этом Шухарт много раз подчеркивает, что собственно статистические методы - не более чем инструмент, требуемый для достижения главной цели - состояния статистической управляемости, т. е. состояния отсутствия особых причин вариаций. Из трех вышеописанных этапов только один связан с математической статистикой. Остальные требуют лишь понимания подхода в целом и знания конкретного процесса. Контроль – проверка на соответствие допускам; статистический контроль – средство достижения управляемого состояния процесса, инструмент статистического управления процессами, инструмент постоянного совершенствования процессов и результатов Статистическое управление процессами - это не статистика, это не мониторинг процессов и это не соответствие допускам. Это постоянное совершенствование процессов и их результатов. И, прежде всего и более всего, - это способ мышления плюс некоторые сопутствующие инструменты.  Цикл Шухарта-Деминга (цикл PDCA) Ч  ем отличается цикл Шухарта от цикла Деминга?  Цикл Шухарта Цикл Шухарта лег в основу цикла Деминга, соответственно это то, чем они связаны. Шухарт писал, что «процесс контроля качества состоит из трех шагов: технического задания (допусков) на то, что требуется, производства того, что нужно для соответствия заданию, и инспекции того, что произведено, чтобы посмотреть, удовлетворяются ли требования». Деминг, чтобы перейти от контроля качества к менеджменту организации, дал более общие названия каждому из этапов, и, кроме того, разделил этап инспекции (контроля/проверки) на два этапа: проверка (check) и действие (act). С помощью этого он хотел обратить внимание американских менеджеров на то, что они склонны слишком поспешно действовать, не проанализировав полученную на 2 этапе информацию. Соответственно: элемент цикла Шухарта «допуски» связан с элементом цикла Деминга «планирование»; элемент цикла Шухарта «производство» связан с элементом цикла Деминга «реализация»; элемент цикла Шухарта «проверка» связан с элементами цикла Деминга «проверка» и «действие». Как предложил Уилер формулировать следующие понятия SPC: 1 - SPC; 2 - контрольные карты; 3 - управляемый процесс и неуправляемый процесс; 4 - контрольные пределы для индивидуальных значений? В работе «Скромное предложение» [Wheeler 1998] он пишет: «Статистическое управление процессами - это не статистика, это не мониторинг процессов и это несоответствие допускам... Это постоянное совершенствование процессов и их результатов. И, прежде всего и более всего, - это способ мышления плюс некоторые сопутствующие инструменты». И далее Д. Уилер предлагает заменить: 1. SPC - на постоянное совершенствование; 2. контрольные карты - на карты поведения процесса; 3. управляемый процесс – на предсказуемый процесс, соответственно, неуправляемый процесс - на непредсказуемый; 4. контрольные пределы для индивидуальных значений - на естественные границы процесса и т. д. Интерпретация общих и специальных причин вариаций У. Шухартом У. Шухарт подходил к определению общих и особых причин вариаций исключительно прагматично и опирался на то, сколько стоит поиск соответствующих причин и окупится ли он. Шухарт назвал особые причины assignable, что в дословном переводе означает «те, что можно приписать к чему-то определенному». Другими словами, это те причины, которые достаточно легко выявляются или поиск и обнаружение которых не связаны с чрезмерными затратами. «...Мы начнем с фразы "особые причины». Особая причина вариаций в том смысле, как этот термин используется в работах по контролю качества, это такая причина, которую можно экспериментально обнаружить с затратами, не превышающими те потери, из-за которых ее стоит искать. Определение, приведенное нами выше, есть следствие простого факта: практика многократного использования подхода У. Шухарта показала, что особые причины, как правило, связаны с чем-то, чего в нормальном ходе процесса не происходит. Тем не менее следует иметь в виду, что после того, как все аномалии устранены, нас может не устраивать общая вариабельность процесса. И тогда мы должны приняться за общие причины вариабельности. И если теперь какую-то присущую процессу причину вариаций можно выявить (т. е. вычленить ее конкретное влияние на параметры процесса), то она естественным образом перейдет из разряда общих в разряд особых причин. Другими словами, при определенных условиях между двумя этими группами нет никакой иной разницы, кроме того, что мы либо не можем определить, как каждая из многих причин влияет на процесс, либо это слишком дорогое удовольствие, которое не окупится этим приобретенным знанием Для практики, однако, важно не погружение в эти философские дебри, а понимание того, что само разделение причин вариаций на общие и особые принципиально важно для принятия решений и последующих действий, и именно в этом смысле мы говорим о принципиальном различии общих и особых причин вариаций. Операциональные определения Операциональные определения - это такие определения, которые понятны и для которых указан практический способ их однозначной реализации. Другими словами, операциональные определения - это конкретизация значения того или иного термина применительно к данной конкретной системе и для данных конкретных людей, в ней задействованных. Работоспособность или действенность операционального определения проверяется только практикой его применения: если оно помогает людям в достижении цели системы - оно работает, если нет - то нет. Потребность в операциональных определениях продиктована многозначностью слов языка и неоднозначностью их трактовки людьми в зависимости от ситуации. Такие слова, как «хороший», «плохой», «дефектный», «надежный», «однородный» и т. д., могут пониматься людьми по-разному, что будет приводить к непониманию, потерям времени и ресурсов, увеличению вариабельности наших процессов. Однако, как и все на свете, операциональные определения - не панацея. Они ведут к некоторым серьезным трудностям. И главная из них, видимо, заключается в том, что у тех, кто применяет операциональные определения, не совпадают объемы понятий, вкладываемых даже в обыденные слова, через которые даются операциональные определения. Более того, эти объемы еще и меняются во времени, что вносит дополнительные осложнения. Поэтому желательно, чтобы операциональное определение состояло из следующих трех элементов: 1 процедуры измерения параметра или характеристики; 2 критерия оценки результата этого измерения; 3 правила принятия решения о соответствии или несоответствии результата требованиям критерия. Каждый считает, что он знает, что такое загрязнение, до тех пор, пока он не попытается объяснить это кому-то еще. Требуется операциональное определение загрязнения рек, загрязнения почвы, загрязнения улиц. Эти слова не имеют смысла, пока они не определены статистически. Например, недостаточно сказать, что воздух, содержащий 100 частиц окиси углерода на миллион, опасен. Надо конкретизировать: а) что это или большее количество опасно, если оно присутствует в любой момент, или б) что это или большее количество опасно, если оно присутствует в воздухе в течение рабочей смены. И как эта концентрация должна измеряться? Операциональные определения нужны для экономики и надежности. Без операциональных определений того, что такое (например) безработица, загрязнение, безопасность продукции и устройств, эффективность (например, лекарств), побочные эффекты, длительность дозы до того, как проявятся побочные эффекты, все эти концепции не имеют смысла, если только они не определены статистически. Без операциональных определений исследования проблем будут дорогостоящими и неэффективными, почти наверняка приводя к бесконечным спорам и противоречиям. Операциональное определение общих и специальных причин вариаций Контрольная карта Шухарта (ККШ) - это временной график, показывающий расположение последовательных значений некоей характеристики/параметра процесса, нанесенных в виде точек в выбранном масштабе, относительно центральной линии и одной или двух контрольных границ, определяемых по специальным правилам Общими причинами вариаций называют те причины, при которых все отклонения параметров/характеристик процесса на подходящей контрольной карте находятся внутри заданных границ и не обнаруживают ни серий, ни других неслучайных структур. В этом случае процесс называют статистически управляемым или стабильным. Особыми причинами вариаций называют причины, которые на подходящей контрольной карте соответствуют либо выходящим за контрольные границы точкам, либо точкам, показывающим серии и/или другие неслучайные структуры. Если особые причины вариаций присутствуют на контрольной карте, то процесс называют статистически неуправляемым или нестабильным. В  верхней левой части рис. 3.3 показана ситуация, когда присутствуют только общие, или внутренние системные, причины вариабельности. Картинка показывает, что в этом случае мы имеем вариабельность, которая не меняется во времени. То есть разброс есть (поскольку его не может не быть), но он постоянен (пока постоянна сама система). Это означает, что мы можем предсказывать будущее, по крайней мере в среднем. В нижней правой части рис. 3.3 показана ситуация, когда присутствуют внешние или особые причины вариаций. Ничего предсказать нельзя, ибо неизвестно, как это конкретное локальное воздействие повлияет на процесс и в каком состоянии он будет находиться в следующий момент времени. Но если нет предсказания, то нет и управления, поскольку управление - это сравнение фактических данных с предсказанными ранее значениями и последующее воздействие на процесс на основе результатов этого сравнения В чем заключается подготовка к построению ККШ? Прежде чем строить ККШ, нужно ответить на ряд практических вопросов: 1. Как выбрать показатели, требующие измерения? 2. Сколько таких показателей надо измерять? 3. Каким методом следует измерять каждый выбранный показатель? 4. Как часто надо измерять каждый показатель? 5. С какой точностью надо измерять каждый показатель? 6. Кто должен анализировать результаты измерений? Как выбрать показатели, требующие измерения с помощь ККШ? Как правило, организации стараются измерять все, что только возможно. Чем больше, тем лучше, считая, что знания «карман не тянут». На самом деле имеет смысл измерять только то, из чего мы собираемся извлечь информацию, нужную для принятия решений. Измеримость.Увы, далеко не все, что нам хотелось бы измерить, поддается измерению. Американский статистик Ллойд Нельсон заметил, что «наиболее важные факторы, требуемые для управления любой организацией, как правило, неизвестны и количественно неопределимы» [Нив 2005]. Выходит, что те показатели, которые нам хотелось бы знать больше всего, как раз ускользают от измерения. Как, например, измерить имидж нашей организации? Или ожидаемый объем продаж? Конечно, иногда есть косвенные признаки, по которым можно судить о том, что не поддается прямому измерению. Но косвенные измерения обладают совсем иными свойствами, чем прямые. Их труднее интерпретировать, и они, как правило, гораздо менее точны. Кроме того, могут быть и такие показатели, о существовании которых мы даже не подозреваем. Пока нас не озарит, они вообще потеряны для измерений. Проблемы измерений Обычно люди считают вещи неизмеримыми по трем причинам: 1.Сущность измерения. Многие неверно понимают саму идею измерения. Если бы люди осознали, что она означает на самом деле, то гораздо больше вещей стали бы для них измеримыми. 2.Объект измерения. Зачастую объект измерения бывает определен недостаточно четко. Измерению мешают неточность и неоднозначность используемых терминов. 3.Методы измерения. Многие техники эмпирического наблюдения известны недостаточно хорошо. Будь люди лучше с ними знакомы, стало бы очевидно, что многие вещи, считающиеся неизмеримыми, не только могут быть, но и уже кем-то количественно оценены. Тем, кто считает что-либо не все можно измерить, думают, что измерение означает соответствие каким-то практически недостижимым критериям. Что означает измерение? «количественно выразить что-либо», «рассчитать точную стоимость», «свести к одному числу». Явно или неявно все эти ответы подразумевают, что измерение — это определенность, точная величина без права на ошибку. Измерение — это совокупность снижающих неопределенность наблюдений, результат которых выражается некой величиной. Для всех практических целей научное сообщество рассматривает измерение как совокупность снижающих неопределенность наблюдений, результат которых выражается некой величиной. Таким образом, измерение — это не только полное устранение, но и частичное сокращение неопределенности. Факт присутствия ошибки, избежать которой полностью не удастся, при том что полученный результат все равно станет шагом вперед по сравнению с прежними представлениями, — ключевая идея проведения экспериментов, опросов и прочих научных измерений. Инерционность. Это, несомненно, одно из негативных свойств измерений. Но ее проявления могут быть различны. Если пытаться построить шкалу инерционности измерений, то на одном краю будут результаты измерения показателей, относящихся к далекому прошлому, ставшие доступными только теперь. Такие показатели часто называют запаздывающими (например, годовые отчеты о финансовых результатах хозяйственной деятельности организации). А на другом краю шкалы - далекие прогнозы. Результаты, отсчитываемые от текущего времени (от момента, когда происходит регистрируемое событие) и до дальних прогнозов, называются опережающими. Экономичность.Наконец, экономически невыгодно измерять много показателей, поскольку любое измерение связано с затратами, а наши ресурсы ограничены. Значит, придется включить в мониторинг небольшое число измеримых показателей, причем обычно и запаздывающих, и опережающих. Но это еще не все. Почему мы хотим иметь результаты измерения тех или иных показателей? Чем, по существу, определяется наш интерес? Или как все-таки выбирать, что измерять? Первый и главный - это требования потребителей, внешних и/или внутренних. Сегодня во многих сферах деятельности принято выделять среди множества показателей те, какие могут повлиять, например, на безопасность людей, на экологию окружающей среды, на здоровье населения и т. д. Такие показатели иногда называют ключевыми [ТУ 16949], и все они должны регулярно контролироваться. Подчеркнем, что решение о том, считать тот или иной показатель ключевым или нет, следует принимать совместно с потребителем данного процесса - в этом и состоит элемент системного подхода к данному конкретному вопросу.  Второй источник - потребности самих процессов. Например, для многих операций и многих процессов почти всегда можно измерить по крайней мере такие показатели, как:1 затраты (в деньгах или физических эквивалентах); 2 продолжительность (время операций или процесса в целом); 3 вариабельность (разброс) параметров; 4 качество (соответствие требованиям потребителя); 5 человеческую составляющую (удовлетворенность сотрудников, их рост и т. п.). Какие правила нужно соблюдать при использовании ККШ? Построение карты начинается с того, что имеющиеся данные наносятся во временной последовательности. Затем на карту наносится центральная линия, которая служит визуальным ориентиром для обнаружения смещений или трендов. На основе этих же данных рассчитываются границы. Эти границы симметрично наносятся по обе стороны от центральной линии на таком расстоянии (6 сигм), которое позволяет отфильтровать практически всю обычную вариабельность. В чем недостаток представления данных в таблицах? Для представления всех нужных данных можно использовать таблицы, на их основе нелегко делать выводы. Трудно переваривать информацию, содержащуюся в таблицах чисел. Более того, то, что трудно усвоить, обычно трудно сообщить другим. Просто человеческое мышление с трудом справляется с усвоением больших объёмов данных. Таким образом, оба традиционных способа сообщения числовых данных - ограниченное сравнение и таблицы — имеют серьёзные недостатки. Обычные сравнения узкоспециализированы и неубедительны, а таблицы полны посторонних деталей. Решение этих проблем кроется в переходе от цифрового представления данных к форме, которая более удобна для человеческого восприятия, - к графикам. 19. В чем преимущество представление данных в виде графиков временной последовательности? Графики выявляют интересные структуры, имеющиеся в данных. Таблицы с количественными значениями перегружают пользователя ненужными деталями. Графики помогают понимать данные в целом, выделить потенциальный сигнал, до этого отфильтровав шум. 20. В чем особенность представления данных в виде гистограмм? Гистограмма – графическое представление накопленных данных, совокупности значений без учета последовательности их появления во времени. 21. Первое и второе правило Шухарта представления данных 1 – данные всегда должны быть представлены таким образом, чтобы сохранять содержащиеся в этих данных обоснования для всех прогнозов, которые могут быть сделаны с использованием этих данных. Никакие данные не имеют смысла в отрыве от своего контекста. 2 – всякий раз, когда среднее, будь то размах или гистограмма, используются для обобщенного представления данных, эта обобщающая характеристика не должна вводить пользователя в заблуждение и побуждать его к таким действиям, которые он бы не предпринял, если бы данные были представлены в виде временной последовательности. 22. Суть первого принципа понимания данных Если процесс не меняется существенным образом, то завод будет продолжать производить от 7 до 30% дефектных пар в день. Некоторые дни только выглядят лучше других! Тридцать семь дней были «хуже среднего» (то есть выше 18,7%), а 30 дней были «лучше среднего», но процесс не показывает признаков наличия каких-либо изменений за последние 67 дней\ В действительности же и «плохие», и «хорошие» дни явились результатом одного и того же процесса. И если (а также пока) лежащий в основе всего этого процесс не изменится каким-либо существенным образом, президент будет продолжать наносить значения, среднее которых равняется 19% дефектов. Поиск разницы между «плохими» и «хорошими» днями будет просто потерей времени. 23. В чем ошибка в понимании данных, основанном на сравнении с требованиями? Интерпретация данных на основе сравнения с допустимыми значениями ведет к чередованию периодов полной беспечности и бешеной паники. Этот подход с присущими ему периодическими резкими переходами от активности к расслабленности является полной противоположностью процессу непрерывного совершенствования. Когда люди хотят достигнуть поставленных целей (планов, бюджета, целевых показателей), они улучшают или искажают систему, либо искажают данные. Если всё ваше управление сводится только к сравнению фактических показателей с требованиями, то у вас не появится шанс улучшить систему, и тогда для достижения поставленной перед вами цели остаются только два последних способа. Когда фактическое значение сравнивается со «взятым с потолка» плановым показателем, тогда тот чёрно-белый взгляд на мир, который является следствием применения метода сравнения с требованиями, будет постоянно порождать желание приукрашивать данные. А искажать всегда легче, чем работать над совершенствованием системы. 24. В чем ошибка в понимании данных, основанном на сравнении со средним значением? Сравнение со средним ведёт к двум возможным результатам: получаемые данные или «выше среднего значения», или «ниже среднего значения». Интерпретация данных сравнением со средним значением приводит примерно к тем же последствиям, что и сравнение с границами допустимых значений — к получению бинарной оценки «хорошо-плохо» и некоторого знания о положении текущего значения относительно фиксированной точки сравнения. В то время как в методе допустимых значений мы сравниваем текущее значение с Голосом Потребителя, при оценке относительно среднего мы сравниваем текущее значение с некоторым показателем самого процесса. К сожалению, среднее значение является только частью Голоса Процесса. Именно поэтому сравнение со средним значением не может полностью передать информацию, содержащуюся в текущем значении. 25. В чем особенность подхода Шухарта к пониманию данных? Анализируют числовые показатели, чтобы узнать, когда в системе или процессе произошло изменение. Необходимо узнать о таких изменениях своевременно, чтобы правильно на них реагировать. Необходимо отличать изменения в процессе и шум. С этой целью Шухарт провёл принципиальное различие между 2 типами вариабельности количественных данных. В одних случаях вариабельность является обычной, рутинной и имеет место, даже если процесс остаётся неизменным. В других же случаях наблюдается необычная, особая вариабельность, выходящая за рамки обычного хода процесса, и потому её следует интерпретировать как сигнал об изменении процесса. Для разделения вариабельности на эти два компонента он придумал контрольную карту. Построение карты начинается с того, что имеющиеся данные наносятся во временной последовательности. Затем на карту наносится центральная линия, которая служит визуальным ориентиром для обнаружения смещений или трендов. На основе этих же данных рассчитываются границы. Эти границы симметрично наносятся по обе стороны от центральной линии на таком расстоянии, которое позволяет отфильтровать практически всю обычную вариабельность. 26. Что такое шум в данных, сигнал и голос процесса? Сигнал – наличие восьми или более последовательных значений по одну сторону от центральной линии. Точки вне границ – сигналы, т.е. возможность выявления улучшения процесса. Малые процентные различия могут являться сигналами. Ещё одним признаком, который следует считать сигналом, является наличие четырёх последовательных точек, из которых минимум три лежат ближе к одной из границ, чем к центральной линии. Наличие необычной вариабельности является сигналом существования сильных причинно-следственных факторов, которые воздействуют на процесс, но не контролируются вами в достаточной мере. Шум – это общая вариабельность. Карта поведения процесса отделяет вероятный шум для того, чтобы различить потенциальные сигналы в любом наборе данных. Отделяя шум, карта поведения процесса минимизирует количество случаев, когда вы будете воспринимать некоторую порцию шума в качестве сигнала. Большие процентные различия могут быть результатом шума. Голос Процесса определяет, что вы можете получить от системы. 27. Как нужно анализировать данные, чтобы добиться их понимания? Суть работы любого управленца – приводить Голос Процесса в соответствие с Голосом Потребителя. Голос Потребителя определяет, что вы хотите получить от системы, а Голос Процесса определяет, что вы можете получить от системы. Существуют две ошибки, которые могут быть допущены при анализе данных. Первая ошибка состоит в том, что обычная вариабельность данных воспринимается как значимое отклонение процесса от его предшествующего поведения — и, соответственно, шум интерпретируется как сигнал. Поскольку эта ошибка будет вести к действиям, которые в лучшем случае являются неуместными, а в худшем полностью противоречат тому, что нужно было бы делать, эта ошибка является источником каждодневных напрасных затрат и потерь. Вторая ошибка — это неспособность распознать изменение в процессе, когда оно на самом деле произошло, — сигнал не удаётся распознать, хотя он имеет место. Эта ошибка наиболее часто возникает, когда практикуется анализ данных методом сравнения с допустимыми значениями. Если процесс изменяется, но значения его характеристик всё ещё находятся в пределах допустимых значений, на эти изменения никто не обращает внимание. |