Бизнес-процессы. Инструменты совершенствования - Бьёрн Андерсен. Доктор Роберт Кэмп, Руководитель Института по исследованиям наилучшей практики Доктор Андерсен тщательно подготовил прекрасное описание полного спект ра полезных инструментов совершенствования. Эта книга
 Скачать 6.58 Mb.
|
|
Пример. Финансовый отдел большой компании каждую неделю делает отчеты для отдела продаж этой же компании. В отчетах содержится инфор- мация о кредитоспособности покупателей. Старший бухгалтер вкла- дывает в отчеты всю свою душу, стараясь сделать их точными, не- смотря на затраты времени и нарушение сроков завершения работ. Отдел продаж, в свою очередь, интересует не столько точность ин- формации, содержащейся в отчете, сколько своевременность его по- лучения. Ему важно лишь успеть оформить подтверждение заказа в установленное время. Оба отдела держали друг друга в неведении о своих целях. Никто не объяснил ситуацию бухгалтерам. В резуль- тате отдел продаж продолжал высказывать свое неудовольствие за- держкой отчетов, не ценя их достоверность и высокое качество. Когда требования потребителя к выходу из ячейки зафиксированы, важно обес- печить выполнение как заявленных, так и базовых требований. Особое внимание следует уделять базовым требованиям, так как они, как правило, специально не оговорены в техническом задании. Эти базовые требования обычно включают: • частоту поставок. • предельные сроки. • минимальные требования к качеству. • основные свойства продукции. Если оба типа требований отслежены и выполнены, то этим создается основа для удовлетворения клиента. Чтобы усилить степень удовлетворенности клиента и даже вызвать у него восторг, следует рассмотреть третий набор требований. Само слово «требование» в данном случае не вполне подходит. Речь идет скорее об услугах, не оговоренных клиентом. Потребитель даже не подозревает о них. Для покупателя машины, например, такой услугой будет доставка машины на дом, использование специальных напольных покрытий, предварительная настройка магнитофоны и т.д. Если заявленные и базовые требования были выполнены, тогда неоговоренные услуги могут вызвать у потребителя действительно восторг. И сделать нужно обычно совсем немного, чтобы обеспечить лояльность (привер- женность) покупателя. Вместе с тем поставщик должен помнить, что если уж такие дополнительные услуги были предоставлены покупателю, то это всегда только дополнение к заявленным и базовым требованиям, которые обязательно должны быть выполнены. В противном случае не избежать неудовольствия. 4). Четвертый шаг анализа ячеек связан с переходом к анализу входа. После за- вершения фиксирования потребителей выхода ячейки надо зафиксировать поставщиков и вход. 5). На пятом шаге анализа определяется, кто поставляет все элементы входа. Надо определить тех, для которых годится модель Каноэ, данная на рис. 10.12. Опре- деление соответствующих требований проводится совместно с поставщиками. 6). Следующий шаг — определение процессов, которые выполняются в ячейке для преобразования входов в выходы. Для анализа этой работы целесооб- разно использовать блок-схему процесса. Правила построения блок-схем даны в главе 3. 7). Для бизнес-процессов ячейки надо определить показатели. Понятие о по- казателях рассматривалось в главе 4. Назначение показателей в том, чтобы дать возможность ячейке вести мониторинг совершенствования удовлетво- ренности потребителя и своей внутренней эффективности и производи- тельности. Важно ограничить число показателей, чтобы с ними можно было эффективно работать. Обычно для работы ячейки надо определить не бо- лее пяти показателей. 8). Последний, восьмой шаг анализа, основанный на определенных ранее тре- бованиях и показателях — непрерывный мониторинг, выработка предложе- ний по улучшению и их внедрение. Ячейка должна регулярно повторять ана- лиз требований ко входам и выходам, чтобы быть в курсе происходящих пе- ремен. Пример. Структура промышленной компании численностью около 400 человек изначально была традиционной. Отделы нормально распределяли от- ветственность между собой. Основываясь на входящих заказах, а также на прогнозах отдела продаж, отдел планирования производства раз- рабатывал производственные планы и списки того, что надо закупить. Эти списки пересылались в отдел закупок, который в свою очередь вы- полнял все закупки. Чтобы улучшить взаимодействие между отделом планирования производства и другими отделами, была организована ячейка, которая состояла из пяти сотрудников отдела планирования про- изводства. Область компетенции ячейки была сразу же определена, и его цель также была ясна: разработка планов производства и заку- почных списков, а также их мониторинг и сопровождение. Следующим шагом было определение потребителей этой ячейки. Ими оказались: • Мастер участка производства. • Мастер сборочного участка. • Отдел закупок. • Отдел продаж был одновременно и поставщиком и потребителем поступающей информации. Они были определены как потребители, которые получают выход из ячейки. Также были еще и косвенные потребители, например, конеч- ные потребители компании, которые в конечном итоге потребляют продукцию, для производства которой ячейка планирует работу. В кооперации со всеми внутренними потребителями были определены требования к выходу из ячейки. Не вдаваясь в детали, руководители различных подразделений предъявили свои требования в отношении точности составления планов работы, загрузки и зависимостям в пос- ледовательностях. Например, отдел закупок имел единственное тре- бование относительно частоты представления закупочных списков. Они печатались каждый понедельник, следствием чего был большой объем работы, выполняемый отделом закупок в начале недели и, со- ответственно, уменьшение объема работы, выполняемого им в конце недели. Более того, сроки поставки по закупкам иногда терялись, что приводило к преждевременным поставкам. Кроме того, масса требо- ваний к списку, включая способ сортировки, оформление, содержа- ние включаемой в него информации и т.д. Основным требованием отдела продаж было, чтобы при поступлении заказа от клиента ответ из ячейки, когда может произойти доставка, был очень быстрым, же- лательно с точностью до одного дня. Многие из этих условий, осо- бенно в отношении отдела закупок, предварительно были неизвестны ячейке. Таким образом, анализ рабочей ячейки способствовал накоп- лению опыта. Далее был зафиксирован вход, используемый отделом производствен- ного планирования в плановой работе. Главное содержится в двух элементах, поступающих из отделов продаж и маркетинга: фактические заказы и прогнозы продаж; объем запасов комплектующих и готовой продукции. Поставщики на входе, таким образом, хорошо известны. Однако при формулировании требований к этим двум входным элементам, ячейка была удивлена не- которыми взглядами поставщиков относительно информации о заказах и прогнозах продаж, ячейка зависела как от текущей информации, так и от возможности планировать загрузку оборудования. Скоро стало ясно, что отдел продаж обычно знал заранее о количестве потенциальных заказов, которые скорее всего станут реальными заказами, но никогда не сообщал об этом отделу планирования производства. То же самое и в отношении прогнозов. В результате этих неувязок в ожидаемых заказах не учитывались складские запасы. Запасы двух видов регистрировались вручную и на компьютере. Дета- ли, которые использовались в производстве, регистрировались на ком- пьютере, в то время как детали, проданные на запчасти, сначала ре- гистрировались вручную, а затем вводились в компьютер с обновле- нием раз в две недели. При этом сама ячейка, работа которой суще- ственно зависит от точности информации о запасах, не знала об этом. И это приводило к необъяснимым случаям потери деталей. Этот учет как выхода, так и входа ячейки сразу же привел к несколь- ким переменам, которые резко изменили работу всех заинтересован- ных сторон в лучшую сторону. Затем начался мониторинг показате- лей работы сегмента. Показатели измерялись каждую неделю. Это привело к дальнейшему улучшению работы. 10.5. Статистическое управление процессами (СУП). Контрольная карта Отличительная особенность этого мира состоит в том, что протекающие про- цессы стабильны и следуют статистической логике поведения. Это означает, что результаты процесса обычно находят внутри определенных пределов. Это обсто- ятельство можно использовать при мониторинге и совершенствовании процессов в организации. 10.5.1. Определение вариации Перед тем как начать рассмотрение этого инструмента — статистического уп- равления процессами (СУП), — надо определить некоторые основные понятия статистики. Прежде всего важно понять различие между хронической и споради- ческой вариациями: • Вариация называется хронической, если она свойственна рассматриваемому процессу и вызвана многими причинами, из которых нельзя выделить одну, определяющую отклонения. Такая вариация — естественна для процесса. Ее появления всегда следует ожидать. С ней нужно жить до тех пор, пока сам характер процесса не изменится. Если, например, провести хронометраж пол- ного времени доставки почты в офис большой фирмы, то это время неизбежно будет варьироваться в зависимости от разных факторов, таких, например, как темп ходьбы отдельного почтальона, количество доставляемых писем, число совершенных ошибок и затраты времени на ожидание лифта и т.д. • Вариация называется спорадической, если она вызвана факторами, которые проявляются редко, как правило, более сильны, чем хроническая вариация. Отклонения часто можно проследить до одной единственной причины. Спо- радическую вариацию можно исключить, если устранить эту причину. Для ранее рассмотренного примера с хронометражем пути почтальона, такой причиной может быть использование неопытного почтальона-новичка, ошибка при сортировке почты, поломка лифта. Цель СУПа — классификация вариаций в соответствии с этими двумя группами. Это позволяет обеспечить дальнейшее совершенствование. 10.5.2. Основы статистики Для понимания основных принципов СУП крайне важно сначала понять ба- зовые принципы статистики, на которых и основан СУП. Как показывает опыт. большинство процессов, изученных в организациях, можно описать достаточно точно с использованием двух переменных: 1). Среднее арифметическое значение используемого показателя процесса, напри- мер, диаметра высверленного отверстия. Статистический термин для обо- значения этой величины — ожидаемое значение. Формула для его определе- ния имеет вид: Стандартное отклонение процесса. Это величина, которая кое-что говорит о том, насколько больших отклонений от процесса стоит ожидать. Если, например, мы хотим просверлить отверстие диаметром 7,9 мм, т.е. ожидаемое значение рав- но 7,9, то стандартное отклонение может быть равно 0,15 мм. Стандартное откло- нение обозначается σ х . Формула для расчета этой величины имеет вид*: Математически не совсем корректно использовать символ σ х для обозначе- ния стандартного отклонения. Символ σ х относится к стандартному отклоне- нию самого распределения вероятности, поэтому стандартное отклонение выборки обозначается символом s. Это обстоятельство имеется в виду далее по ходу изложения. Если наблюдения или измерения распределены равномерно в окрестности ожидаемого значения, то мы можем использовать так называемое нормальное распределение для описания процесса. Это часто относится к стабильному про- цессу. Нормальное распределение в задачах статистики занимает особое место по нескольким причинам: 1). Нормальное распределение симметрично. Это означает, что вероятность того, что процесс даст результат, превышающий ожидаемое значение, так же ве- лика, как и вероятность того, что он даст результат, меньший ожидаемого значения. 2). Если графически изобразить нормальную функцию распределения, то она будет похожа на колокол. Поэтому для описания этого закона распределения используется термин «колоколообразный». На рис. 10.14 показана кривая распре- деления, которая позволяет определить вероятность того, что измеряемый пока- затель процесса попадет в заданный интервал значений. 3). Из графика, приве- денного на рис. 10.14, видно, что кривая нормального распределения плотности вероятности пересекает координатную ось х в двух * В оригинале опечатка — вместо х i стоит х п . — Прим. пер. Рис. 10.14. Кривая нормального распределения точках*. Точки пересечения находятся соответственно на расстоянии, рав- ном трем стандартным отклонениям, слева и справа от ожидаемого значе- ния. Вероятность того, что случайная величина примет значение меньше ожидаемого минус утроенное стандартное отклонение или больше ожидае- мого значения плюс утроенное стандартное отклонение, практически равна нулю. Это — базовое свойство нормального распределения. Оно означает, что максимальное отклонение случайной величины от ожидаемого значения не превышает утроенного стандартного отклонения. Чтобы быть совсем уже точным, отметим, что 68,26% всех случайных значений попадут в интервал. ограниченный одним стандартным отклонением. В интервал, ограниченный двумя стандартными отклонениями, попадут 95,45% всех реализаций, и 99,73% всех реализаций попадут в интервал, ограниченный тремя стандартными от- клонениями. Площадь под кривой нормального распределения равна А=1.0. Это есть другой вариант утверждения, что вся вероятность распределена в интервале ±3σ х в окрестности ожидаемого значения. Так как все результаты процесса, подчиняющегося нормальному распределе- нию, должны лежать внутри интервала, равного шести стандартным отклонени- ям, то реализации, которые выпадают из этого интервала, представляют собой спорадические отклонения, возникающие вследствие особых причин. Для мони- торинга процесса используется так называемый «коридор» (контрольной карты). который показывает верхний и нижний пределы процесса, по три стандартных отклонения в каждую сторону, а также непрерывные измерения процесса (см. рис. 10.14). Конструкция таких карт рассмотрена далее. * Это утверждение математически неверно. Эта кривая лишь асимптотически стремится к гори- зонтальной оси. Но практики часто пренебрегают математической строгостью. — Прим. ред. Считается, что качество процесса тем выше, чем уже его хроническая вариа- ция. СУП позволяет уменьшить его естественную вариацию и выявлять любые спорадические вариации, для которых надо искать причину. Прежде чем это ста- нет возможным, надо добиться, чтобы процесс был статистически стабильным, т.е. чтобы он имел постоянное ожидаемое значение и диапазон вариации. Основываясь на этих простых статистических принципах и соответствующих правилах, можно управлять бизнес-процессом и следить за тем, не меняется ли со временем центральное значение, не растет ли диапазон вариации, имеются ли вариации за пределами ожиданий, а также каких нормальных вариаций следует ожидать. Если показатель процесса лежит довольно далеко от ожидаемого значе- ния, но все-таки внутри диапазона, равного шести стандартным отклонениям, то возникает соблазн корректировки этого процесса. Но попытка вмешательства в процесс, и в будущее, порождает отклонение иного рода. Повторная попытка поправить ситуацию, двигая процесс в другую сторону, обычно снова приводит к возникновению отклонений уже другого знака. Это порочный круг, который мо- жет возникнуть при корректировке процессов, имеющих только нормальную ва- риацию, обычно называется злонамеренным. Его можно обойти, если воспользо- ваться СУП'ом. Далеко не каждый показатель промышленного процесса, в отличие от физи- ческих или геометрических показателей, можно подвергнуть статистическому мониторингу, как многие считают. Вместе с тем, используя набор различных кон- трольных карт для мониторинга, можно выполнить СУП значительного числа различных процессов и их показателей. Вот некоторые из таких показателей: 1). Время, требуемое для решения задачи, физической или административной; 2). Затраты, связанные с процессом, фактические или планируемые; 3). Число ошибок или дефектов, произведенных процессом, физическим или управленческим; 4). И, очевидно, также конкретные геометрические размеры, такие как длина, диаметр и т.д. Определив пределы управляемости показателя процесса с присущей ему нор- мальной вариацией, можно непрерывно наносить результаты измерений на карту. В зависимости от желаемого результата, можно выбирать различные показатели. В какой ситуации и каким образом нужно поступать, какие показатели следует вы- бирать, — этот вопрос обсуждается детально в последующих разделах, связан- ных с интерпретацией контрольных карт. Таким образом, СУП представляет собой мощное средство для мониторинга и совершенствования бизнес-процессов. 10.5.3. Типы контрольных карт Простейший тип контрольной карты — карта, построенная для нормального распределения. При этом контрольные пределы могут основываться на трех стан- дартных отклонениях. Однако такая карта не подходит для всех ситуаций, поэто- му определены и другие типы контрольных карт. Прежде всего есть различие между двумя основными типами переменных: 1). Непрерывные (количественные) данные (факторы). Как правило, такие пере- менные основаны на измерениях, например: в метрах, часах, вольтах и т.д. Эти переменные измеряются в непрерывных шкалах и с довольно высокой точ- ностью. 2). Качественные (дискретные) данные (атрибуты). Значения этих переменных из- меряются как результат натурального счета или как классификация неизмери- мых характеристик, то есть «да» или «нет», «приемлемо» или «неприемлемо». «коричневый» или «красный», «смонтированный» или «несмонтированный» и т.д. Качественные (дискретные) данные принимают целочисленные значения или задаются интервалами. Факторы можно преобразовать в атрибуты. На- пример, измеряя длину и определяя предел допустимого и недопустимого. Для факторов две карты надо использовать вместе. Одну контрольную карту— для контроля центрирования процесса, а другую — для контроля диапазона вари- ации. Для атрибутов достаточно одной карты. Следует отметить две трудности, которые возникают при построении конт- рольных карт (см. рис. 10.14): 1). Факторы не обязательно подчиняются нормальному распределению. Это вносит неопределенность в расчет пределов процесса. 2). Такая карта не очень чувствительна, значения процесса еще долго остаются внутри пределов после того, как среднее или диапазон вариации изменились. Обе указанные трудности можно преодолеть, если использовать в качестве ос- новы для карты среднее арифметическое целой группы измерений вместо от- дельных значений. Преимущество такого подхода заключается в том, что среднее для группы измерений почти независимо от типа закона распределения отдель- ных измерений, распределено практически нормально. Таким образом, преодо- левается первая трудность. В то же время, контрольная карта, построенная для средних значений значительно более чувствительна к центрированию процесса. Это позволяет в некоторой степени преодолеть и вторую трудность. В отличие от пределов процесса для единичных значений, пределы на карте для средних не- скольких значений называются контрольными пределами. Ожидаемое значение для фактора — это среднее из п слагаемых — группы измерений, вычисляется так": Можно выделить семь типов контрольных карт, которые используются наи- более часто. Они различаются по типу измеряемых переменных, а также по числу имеющихся измерений. Они даны на рис. 10.15. и описаны более подробно с обзором в книге [10]. Рис. 10.15. Типы контрольных карт и области их использования. (Этот рисунок взят из книги [10]. На использование рисунка получено специальное разрешение) Для факторов есть три типа контрольных карт: 1). Контрольные карты для пары величин , s. Пусть есть несколько групп измерений. Рассматривается случай, когда число измерений в каждой группе не менее десяти. Строятся две контрольные карты. Одна контрольная карта предназначена для анализа средних групп измерений. Другая контрольная карта предназначена для мониторинга диапазона вариации средних s групп измерений. 2). Контрольные карты для пары величин , R. Пусть есть несколько групп из- мерений. Рассматривается случай, когда число измерений в каждой группе может быть менее десяти. Термин размах R определяется как разность между наибольшим и наименьшим значениями в группе. Понимать величину R как правило легче, чем величину s. Поэтому контрольная карта, построенная для значений R, часто используется на практике для мониторинга диапазона ва- риации. Другая контрольная карта, как и в первом случае, строится для сред- него значения. С учетом сказанного выше, пара контрольных карт , s далее не рассматривается. Контрольные пределы вычисляются прибавлением к среднему и вычитанием из него трех стандартных отклонений. Стандартное отклонение от среднего для группы п индивидуальных значений вычисляется по формуле: * В оригинале книги в формулах допущены ошибки: вместо X j стояло Х т под знаком суммы; и вместо S i стояло S x . — Прим. пер. 3). Контрольные карты для пары величин х, R. В отличие от предыдущих случаев, здесь рассматриваются только индивидуальные измерения х, для которых строится первая карта. Этот тип карты не быстро отслеживает изменения в процессе. Причина, по которой используется этот тип контрольной кар- ты, заключается в снижении затрат на измерения. В то же время такой подход может оказаться единственно возможным, если фактор меняется очень быстро и групповые измерения производить невозможно, например, при измерениях температуры. Для мониторинга диапазона вариации стро- ится контрольная карта размаха R, под которым теперь уже понимают раз- ность между настоящим и предшествующим результатами измерений. Прежде чем рассмотреть построение контрольных карт для атрибутов, важно понять разницу между терминами «дефектное» и «дефект». Дефектные изделия выбрасываются, потому что они не удовлетворяют требованиям. Изделия с де- фектом имеют некоторые недостатки и поэтому их могут принять, так как техни- ческое задание на изделие допускает наличие в нем некоторых недостатков. Су- ществует четыре типа контрольных карт для атрибутов: 1). Контрольная карта пр-типаиспользуется для мониторинга числа дефектных изделий в выборке постоянного объема. Например, показателем рассматри- ваемого процесса может быть число дефектных автомобилей, собранных за день или число обнаруженных ошибок, которые были допущены за день при оформлении заказов. 2). Контрольная карта р-типа используется для мониторинга числа дефектных изделий в выборках как постоянного, так и переменного объема. 3). Контрольная карта с-типа используется для мониторинга числа дефектов в изделиях для выборки постоянного объема. Примером может быть число опечаток в пятистраничном документе или количество дефектов, обнару- женных на печатной плате. 4). Контрольная карта и-типа представляет собой более общий вариант с-типа, которую также можно использовать для выборки переменного объема. Обратите внимание, что контрольная карта пр-типастроится для значений, ко- торые не могут превышать объема выборки, так как только часть изделий в вы- борке дефектна. Так как для построения контрольной карты с-типа и и-типа нуж- но знать число дефектов, а не изделий, то это число дефектов может существенно превосходить число изделий. Различие между дефектным изделием и изделием с дефектом можно проиллюстрировать с помощью примера. Так, при рассмотрении поверхностей десяти изделий было обнаружено, что на пяти из них имеются одиннадцать дефектов, в то время как другие пять изделий были сделаны идеаль- но. При построении контрольной карты пр-типа нужно отметить пять дефектных изделий, если техническое задание запрещает наличие таких дефектов. При по- строении контрольной карты с-типа нужно отметить уже одиннадцать дефектов, так как это было просто число ошибок, а не число изделий, которые пришлось выбросить. 10.5.4. Построение контрольных карт В этом разделе рассмотрена общая процедура проведения СУП'а. Даны конк- ретные инструкции по расчету контрольных пределов для различных типов кон- трольных карт. Даны рекомендации по их использованию. В общем случае при использовании СУП выполняются следующие шаги: 1). Определите тип данных, которые будут собраны для проведения анализа. Ответьте на вопрос: будут ли рассматриваться непрерывные величины (фак- торы) или дискретные атрибуты? Оцените ожидаемое число образцов. 2). Основываясь на указаниях на рис. 10.15, выберите подходящий тип конт- рольной карты. 3). Соберите данные, достаточные для расчета контрольных пределов. 4). Постройте контрольную карту. Для этого по оси у отложите измеряемую переменную. Ось х показывает течение процесса, который разбит на сегмен- ты измерений (время, подгруппа, номер измерения и т.д.). Выберите масш- табы по осям так, чтобы было удобно откладывать измеренные величины. 5). Подсчитайте верхние и нижние контрольные пределы и, где надо, средние значения и размахи для набора данных. Если хотя бы одна из рассматривае- мых точек выпадает за пределы контрольных предельно допустимых значе- ний, то эту точку нужно убрать, а также нужно пересчитать предельно допу- стимые значения. Если одна из точек выпадает за пределы, то выкиньте ее и вычислите новые пределы. Если же и новые точки выйдут за пределы, зна- чит процесс статистически нестабилен. Надо найти и устранить причину этой нестабильности. И только после этого СУП может продолжаться. 6). Начертите контрольные пределы по имеющимся измерениям. 7). Продолжайте наносить точки по мере их поступления от текущего процесса. Смысл этих точек и требуемые действия с ними поясняются в следующем разделе. Пользуясь описанной процедурой, можно выполнить СУП вручную. Вместе с тем есть много компьютерных пакетов, предназначенных для улучшения каче- ства. Эти пакеты содержат специальные модули для построения контрольных карт. К таким пакетам можно отнести, например, SQCpack и NWA Quality Analyst. Оставшаяся часть этого раздела посвящена детальному описанию правил постро- ения контрольных карт различных типов, за исключением карты , s, которая дальше нигде рассматриваться уже не будет. |