Статистическое управление процессами — СУП

Довольно часто в качестве эквивалента концепции вариабельности рассматривается так называемое статистическое управление процессами — СУП (SPC) или, что встре­чается реже, — статистический контроль качества — СКК (SQC). Вот как определены эти термины, «СУП — это использование ста­тистических методов для защиты производственного процесса от появления нежелательных вариаций, кото­рые способны повредить продукции или услугам. СУП пользуется информацией, полученной из анализа данных, связанных с процессом и с продукцией. Рассеивание про­цесса и его центрирование — крайне важны для управ­ления». И далее: «СКК — это действия, использующие статистические методы и инструменты для получения уверенности в том, что поставляемая продукция или услуга соответствует требованиям технических усло­вий для внутренних или внешних потребителей. Причем, если в СУП данные получаются главным образом из процесса и предназначены для управления им, то в СКК данные могут извлекаться и из процесса, и из продук­ции». Существует некоторое противо­речие между определениями, но этой области вообще нет устоявшейся терминологии.

Статистическое управление процессами— это осно­ванная на статистическом мышлении и теории вариа­бельности методология постоянного совершенствова­ния процессов, использующая простые и эффектив­ные методы анализа и решения проблем.

Одна из основных проблем нашего все более сложного и непрерывно глобализирующе­гося мира — это потребность принятия решений в условиях неопределенности, причем эта проблема стоит не только перед организациями и компаниями, но и перед отдельными людьми, а также их сообще­ствами, странами, да и перед всем человечеством. Это означает, что абсолютно вседолжны быть знако­мы с подходом, который, яв­ляется наилучшим из того, что люди изобрели до сегодняшнего дня — а именно, подходом Шухарта— Деминга. Именно принципиальная важность реше­ния того, надо или не надо вмешиваться в процесс, и если надо, то кому — в первую очередь определяет успех или неудачу деятельности по совершенствова­нию процессов, и именно поэтому этот этап должен быть выделен в самостоятельный — этому надо учить, и при этом всех поголовно. Умение прини­мать не интуитивное, а научно обоснованное реше­ние — это элемент общей культуры каждого образо­ванного человека (хотя интуитивные решения, ко­нечно же, нельзя исключить).

Кроме того, такой подход позволяет отделить от традиционной статистики те элементы, которые как раз и должны быть частью культуры любого образо­ванного человека. Ведь научить принимать правиль­ные решения в условиях неопределенности надо всех, но для этого совсем не обязательно изучать стандарт­ный курс математической статистики.

Одно из почти очевидных следствий данного под­хода состоит в потребности видоизменить знаменитый цикл Шухарта—Деминга PDSA в цикл Plan (Пла­нирую) - Do (Делаю) - Study (Изучаю) - Decide(Решаю) — Act (Действую), т. е. PDSDA

На рис.19 приведены основные составляющие процесса СУП.

Рис.19. Основные составляющие процесса СУП

КОНТРОЛЬНЫЕ КАРТЫ

Контрольная карта Шухарта — ККШ это операциональное определение статистической управляемости про­веса. Рассмотрим подробно способ ее построения, начнем с цели. Каждый процесс, каков бы ни был его масштаб, как известно, имеет выходы. Измерение значений этих выходов несет информацию о текущем состоянии процесса и о реакции потребителя на его результаты. Трудность, однако, состоит в том, что измерение выходов приходится проводить систематически, поскольку ситуация все время меняется и однократные результаты измерений мало что дают. Такое постоянное слежение за показателями выходов называется мониторингом.Его осуществление предполагает ответы на ряд ключевых вопросов:

1. Какие показатели надо подвергать мониторингу?

2. Сколько таких показателей надо измерять?

3. Каким образом измерять каждый выбранный показатель, т. е. какие для этого нужны характеристики?

4. Как часто надо измерять каждый показатель?

5. С какой точностью надо измерять каждый показатель?

6. Как лучше анализировать результаты измерений?

Попробуем ответить на них последовательно.

1. Как выбрать показатели, требующие измерения?Всякое измерение несет информацию, которую, однако, предстоит извлечь. Результаты наблюдений или измерений, каков бы ни был их источник, можно называть «данными». Тогда обработка и представление этих данных дают «информацию». Сопоставление полученной информации с выдвинутыми гипо­тезами ведет к «фактам». Факты создают возможность для «интерпретации». Наконец, систематизация фактов, их упорядочение дают «знания». На основе фак­тов и знаний принимаются «практические решения». Их реализация может войти в противоречие со зна­ниями, что приведет к их пересмотру. Либо напротив, результаты (т. е. данные) могут согласовываться со знаниями и служить их дополнительным подтверждением, что, конечно, вовсе не означает их абсолютной истинности.

Итак, в результате измерений получаем дан­ные, выраженные числами и/или словами. Мир бук­вально наводнен данными. К сожалению, большая их часть не анализируется, значит, они не превращаются в информацию. Причина этого проста. 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 собираются извлечь ин­формацию, нужную для принятия решений. Кроме того, благостную картину — чем больше данных, тем лучше — омрачают еще несколько обстоятельств. Среди них проблема измеримости показателей, про­блема инерционности системы измерений и, как обычно, проблемы экономики.

Увы, далеко не все, поддается измерению. Уже давно американский ста­тистик Ллойд Нельсон заметил, что «наиболее важ­ные факторы, необходимые для управления любой организацией, как правило, неизвестны и количест­венно неопределимы». Выходит, что те пока­затели, которые хотелось бы знать больше всего,- как раз ускользают от измерения. Как, например, из­мерить имидж 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 обычно даже не подозревают.

Инерционность, несомненно, одно из негативных свойств измерений. Но ее проявления могут быть раз­личны. Если пытаться построить шкалу инерционно­сти измерений, то на одном краю мы получим «свет далекой звезды», т. е. 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. Обычно запаздывающие пока­затели измеряются надежно и интерпретируются лег­ко. Только интересны они, главным образом, с исто­рической точки зрения. С опережающими показателями — одна морока, но они отражают то, что происходит сейчас или про­изойдет, возможно, в будущем. Ими можно воспользоваться, чтобы вмешаться в происходящие события во время, чтобы скорректировать ход событий в же­лаемом направлении.

Наконец, экономически невыгодно измерять много показателей, поскольку любое измерение связано с затратами, а ресурсы ограниченны. Значит, придется включить в мониторинг небольшое число измеримых показателей, причем, обычно и запазды­вающих, и опережающих.

Но это еще не все. Почему надо иметь результаты измерения тех или иных показателей? Чем, по существу, определяется наш интерес? Есть два источника, из которых этот интерес черпается. Первый, и главный — это требования потребителей, внешних или внутренних. Второй — потребности самих процессов. Так, в каждом действии каждого процесса важно измерять, по крайней мере, три показателя: затраты, продолжительность (время) и вариабельность.

Даже с учетом всего сказанного выше нет уверенности, что составленный вами список конкретных показателей действительно наилучший из возможных. Дело в том, что различные показатели могут быть связаны друг с другом, т. е. быть коррелированными. А это — признак избыточности информации. В таких случаях можно избавиться от измерения некоторых показателей без существенного ущерба для получае­мой информации. Правда, для анализа взаимосвязей между показателями и принятия решений о том, ка­кими из них можно пренебречь, нужны специальные методы, обсуждение которых лежит за рамками дан­ного пособия.

2. Сколько показателей надо измерять?Дело не сводится только к экономическим ограничениям. Если показателей несколько, то приходится принимать од­но из следующих решений. Можно попытаться все показатели «обобщить», свернуть и превратить в единственный показатель, учитывающий все. Это весьма соблазнительно и всегда технически возможно, причем не единственным способом. Но это всегда вы­зывает возражения, часто очень существенные.

Можно считать все показатели независимыми и вести по каждому из них контрольную карту. В прин­ципе это возможно, но получается громоздко и созда­ет серьезные трудности при принятии решений. Можно ранжировать показатели и в каждый мо­мент времени следить только за теми из них, что представляются критически важными. По мере разре­шения проблем, связанных с этими показателями, следует переключаться на другие, важность которых тем временем возрастает. И так все время.

Можно, наконец, «пуститься во все тяжкие» и раз­работать многомерную контрольную карту. Такие кар­ты действительно существуют. Это увлекательная область математической статисти­ки. Что же касается практики, то здесь пока достиже­ния гораздо скромнее, поскольку не удается преодо­леть технические трудности, связанные с их построе­нием и использованием. Ограничимся толь­ко одномерными картами, т. е. картами, на которых осуществляется мониторинг во времени только одно­го показателя.

3. Каким образом измерять (характеризовать) каж­дый выбранный показатель?Мало выбрать показатель, надо еще суметь его измерить. Собственно, когда выбран показатель, это сначала означает, что его как-то назвали. Например, при измерении «температуры в печи» ее можно измерять с помощью термопары, зачеканенной в под этой печи (т. е. в дно), а можно — оптическим пирометром, визированным на свод печи (т. е. на потолок). Название одно и то же, а результаты могут оказаться совершенно разными. И их интерпретация — тоже. Поэтому одного названия недостаточно. Нужно еще операциональное опре­деление. Такое определение предполагает, что по­строен алгоритм данного измерительного процесса, выбрано соответствующее оборудование и, возможно, уже обучены люди, которым предстоит вести измерения. Дело усложняется тем, что любой показатель может иметь сколько угодно измерителей. Выбор конкретного измерителя — это, в сущности, искусство. Остается уповать на непрерывное совершенствование самого измерительного процесса. Это тем более важ­но, что со временем совершенствуются и приборы, и методы, и процедуры.

4. Как часто надо измерять каждый показатель?Частота измерений зависит от многих обстоятельств. Самое главное — временные свойства самого процес­са. Частота измерений должна быть увязана со ста­бильностью процесса и его временными особенностя­ми. Ответить на вопрос, сформулированный в заглавии данного пункта, на самом деле может лишь вла­делец процесса, причем не сразу, а после осуществления мониторинга процесса в течение некоторого времени. К сожалению, этот вопрос не допускает форма­лизованного ответа. Кроме особенностей процесса, приходится учитывать еще ряд обстоятельств. Одно из них — свойства измеряемого показателя. Дело в том, что некоторые показатели принимают дискретные значения. Например, при измерении некоторого по­казателя качества продукции результат может пред­ставляться только одним из двух значений: «годное» или «брак». Таких значений может быть не обязатель­но два, важно, что они дискретны. Тогда измеряемый показатель называется «качественным признаком» или «атрибутом». Измерение атрибутов сопровождает­ся, как правило, отнесением найденного числа негод­ных объектов к некоторому их числу, называемому обычно партией. В этом случае частота измерений зависит от частоты предъявления партий на контроль. Важно отметить, что измерение «качественных признаков» требует, вообще говоря, большего числа измерений, чем для переменных, измеряемых в не­прерывных шкалах. Кроме того, атрибуты требуют контрольной карты несколько иного типа. Непрерывные шкалы в определенном смысле более информативны и благодаря этому требуют меньшего объема измерений.

Частота измерений определяется еще соображениями, связанными с зависимостью последующих измерений от предыдущих (это называется автокорреля­цией измерений во времени). Понятно, что чем жест­че взаимосвязи, тем реже надо делать измерения.

Каждое измерение не только содержит информа­цию, но и требует затрат. Особенно, если процесс измерения связан с разрушением самого объекта измерения. Тогда следует учитывать стоимость разру­шенного объекта.