Руководителям предприятий и специалистам, занимающимся внедрением современных систем управления (менеджмента), важно осознать, что все процессы деятельности предприятия, как производственные, так и организационно-управленческие, являются статистически изменчивыми и должны постоянно изучаться в отношении стабильности присущих им вариаций.
Без применения статистических методов мониторинга и анализа бизнес-процессов управленческая система и, в частности, СМК не сможет функционировать результативно, в том смысле, чтобы обеспечивать постоянно и гарантированно надлежащие результаты.
Исторический опыт деятельности промышленных компаний США и Японии последних 100 лет показывает, что их успехи существенно связаны с освоением статистических подходов в оценке качества продукции с последующим их развитием на системный менеджмент.
В первой четверти 20-го века знаменитый американский статистик Уолтер Шухарт создал инструментарий статистического регулирования процессов производства и качества продукции. В современной интерпретации его инструменты значительно развились и находят широчайшее применение как «статистическое управление процессами» (SPC). Сейчас вряд ли найдется успешно функционирующее на западном рынке предприятие, на котором не внедрены статистические методы анализа.
Согласно принципам Шухарта управление качеством направлено на обеспечение стабильности процессов и уменьшение их вариаций путем исключения причин, нарушающих стабильность процесса.
Уильям Эдвардс Деминг (1900-1993) – выдающийся американский специалист, последователь У.Шухарта, сооснователь Американского общества по контролю качества (1946) является одним из создателей теории системного подхода к управлению качеством, которая воплотилась в международных стандартах серии ИСО 9000 и принципах TQM.
Доктор Э.Деминг получил образование в университете на физико-математическом отделении, изучил дополнительно курс математической статистики и до 50 лет профессионально занимался разработками методов статистического контроля качества, развивая подходы Шухарта. Он распространил эти методы далее – на сферу обслуживания, административную и управленческую деятельность.
Однако на родине, в США, имя Деминга не было широко известно до 1980 года, в то время как в Японии его заслуги признавались выдающимся еще с 1950 года. Инженеры и руководители японских компаний быстро осознали необходимость массового обучения и внедрения статистических методов. С 1946 года Деминг регулярно читал лекции и консультировал японских специалистов. Внедрение статистического контроля качества на практике привело Японию к лидерству на мировом рынке, а доктора Деминга считают одним из главных творцов японского «чуда».
Важная составная часть учения Деминга – теория изменчивости, представляющая основу математической статистики, согласно которой на любой процесс (в т.ч. социальный) постоянно воздействует множество факторов, оказывающих влияние на его результаты. Любой процесс подвержен совокупности причин изменчивости (вариабельности). При этом существует две группы причин: первая – случайные причины, вызывающие естественные вариации результатов, разброс которых можно держать под контролем, и вторая — особые причины, вызванные действием особых факторов. Появление именно особых причин нужно расследовать и устранять, чтобы процесс вернулся в стабильное (контролируемое) состояние.
К 80-м годам отставание промышленности США от Японии достигло кризисного уровня. Методы управления американскими компаниями стали подвергаться жестокой критике. Эн-Би-Си показала документальную программу «Если Япония может, почему не можем мы», и для американцев было большим откровением узнать, что успехи Востока объясняются не совсем культурными особенностями, но методами системного управления качеством, которые развил американский статистик Деминг.
Мировая слава пришла к Демингу только на девятом десятке жизни. Везде успешно проходят его семинары «Методы управления, нацеленные на повышение качества и эффективности». У него множество учеников и последователей.
Главное в теории управления Деминга – философия нравственности, основанная на уважении к работнику как к личности, вовлеченность в процесс решения текущих проблем всех сотрудников компании, создание психологической атмосферы, искореняющей страх и обеспечивающей почву для раскрытия творческого потенциала человека. Основы его теории изложены в так называемых 14 пунктах, которые, по существу, являются принципами управления (менеджмента).
В 1982 Э.Деминг написал книгу «Выход из кризиса», в которой подверг резкой критике американскую систему управления и, противопоставив ей японский подход, сформулировал рецепты создания правильной системы управления. В 1993 вышла его последняя книга «Новая экономика для промышленности, правительства и сферы образования», в которой сформулированы те же постулаты, но подчеркнута их универсальность.
Что касается разработки СМК на наших предприятиях, то весьма важной особенностью является следующий факт. Системы качества (ISO 9000) на Западе выросли из статистических методов контроля качества. У нас же производство использует статистические методы в очень малой степени, не говоря уже об управлении, хотя внедрение СМК идет полным ходом. Складывается нелогичная ситуация – отсутствует элементарная база для создания полноценной системы управления.
В стандарте ISO 9001 требования разделов 8.2.3 и 8.4 прямо связаны со статистическим анализом, без применения которого их практически невозможно реализовать. Поэтому мы настоятельно рекомендуем осваивать инструменты статистического управления качеством для улучшения деятельности предприятия на любом его участке.
Осознавая важность статистического управления процессами (СУП), Международная организация по стандартизации (ИСО) разработала новый стандарт ISO 11462-1:2001 «Руководящие указания по внедрению статистического управления процессами — Часть 1: Элементы СУП» для того, чтобы помочь организации в планировании, разработке, реализации и/или оценке системы СУП. Вторая часть стандарта будет содержать каталог инструментов и методов СУП.
Из Ю. Адлера:
Если некоторая производственная система предоставлена сама себе, т.е. никто ею не управляет и в ее поведение никто и ничто не вмешивается, то мы будем наблюдать вариации, характерные именно для этой системы. Они так же индивидуальны для каждой производственной системы, как отпечатки пальцев для человека. Пока система остается в таком положении, нет оснований ожидать, что ее вариабельность сколько-нибудь существенно изменится. А раз так, то ее поведение будет предсказуемым. Систему, находящуюся в таком состоянии, можно назвать стабильной или статистически управляемой.
Последнее словосочетание означает, что система управляет сама собой, конечно, в статистическом смысле. То есть наблюдаются лишь «вариации второго порядка» — колебания, обусловленные флуктуациями. При предсказаниях ими можно пренебречь ввиду их малости и случайного характера. Сами же фактические значения вариаций и их характеристики таковы, какова система. Она не может быть другой, пока остается сама собой. Нам могут нравиться или не нравиться величины флуктуаций данной системы, но изменить их можно, только меняя саму систему.
Отсюда следует, что нам надо постараться привести систему в статистически управляемое состояние. Скорее всего, это будет нелегким делом. Но в противном случае мы будем видеть систему сквозь пелену привходящих обстоятельств, препятствующих ее пониманию, тем более разумному ею управлению. Поскольку система живет, она находится под постоянным воздействием и изнутри, и снаружи. Эти воздействия, не принадлежащие системе, тем не менее сильно влияют на ее вариации, делая их нестабильными и существенно затрудняя предсказания поведения системы. А так как они для системы не ограничены, то было бы хорошо научиться их устранять, переводя тем самым систему в статистически управляемое состояние.
Таким образом, цель управления – «загнать» систему в статистически управляемое состояние. Но просто «загнать» — мало, важно еще попытаться удержать ее в таком положении как можно дольше. А все воздействия на систему, мешающие разглядеть ее «истинное лицо», удобно назвать источниками особой или дополнительной вариации. Их главный признак – изменчивость, нестабильность, непредсказуемость. Не обязательно, но часто за этими источниками вариации стоят люди, работающие в системе.
Когда на систему действуют и системные, и особые вариации, ее состояние естественно назвать статистически неуправляемым или нестабильным. Такое положение дел, безусловно, нежелательно, хотя встречается часто, и к нему надо быть готовым. Как только мы обнаружим особый источник вариации, надо немедленно организовать «беспощадную борьбу» с любыми его проявлениями.
Но пока еще надо выяснить, каким образом те, кто принимает решения, будут получать информацию о наличии или отсутствии источников особой вариации. Итак, нам нужен некий диагностический инструмент, позволяющий быстро, дешево и надежно распознавать ситуации, в которые попадает система. И такой инструмент был предложен Шухартом еще в 1924 г.
Этот инструмент получил название «контрольная карта Шухарта». Правда, постепенно он оброс многочисленными сопутствующими методами и приемами и стал называться Статистическим Управлением Процессами (SPC).
Статистическое управление процессами – это основанная на статистическом мышлении и теории вариабельности методология постоянного совершенствования процессов, использующая простые и эффективные методы анализа и решения проблем.
Мы предлагаем называть статистическим мышлением способ принятия решений, основанный на понимании теории вариабельности.
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.
Из М. Розно:
Стало очевидным и общепризнанным, что ни один из технологических процессов не может обеспечить на выходе абсолютно постоянного значения того показателя качества, которое он формирует, будь то геометрический размер детали или время обслуживания клиента. Всегда существует разброс по любому измеримому показателю качества. Его можно характеризовать величиной «среднего квадратического отклонения» σ (позже σ стали называть «стандартным отклонением»), т.е. величиной среднего отклонения данного показателя для одной детали от фактического общего среднего по многим деталям (или по многим повторениям данной операции). Тогда же появилось понятие «удовлетворительно работающий технологический процесс». Считалось, что технологический процесс (ТП) вполне удовлетворителен, если в допуске помещается 3σ, а центр настройки ТП находится в центре допуска. При этом, если распределение показателя нормальное (для описания очень большого числа технологических процессов нормальное распределение подходит, далее мы будем оставаться в рамках этого предположения), такой процесс обеспечивает 99,73% годных изделий (иначе говоря, дает 0,27% несоответствий) по данному показателю качества, что считалось удовлетворительным.
А вероятность того, что готовое изделие будет «без неприятностей» Рб.н., т.е. будет годным по k показателям, равна
Рб.н.= (1-q1)(1-q2)…(1-qk),
что при массовом выпуске соответствует доле продукции «без неприятностей» от общего ее выпуска.
Очевидно, что Рб.н. уменьшается с ростом числа k.
Для упрощенного (грубого) анализа давайте предположим, что уровни несоответствий по всем k показателям одинаковы и q = 0,0027 = 0,27%. Тогда
Рб.н.= (1-q)k.
| k | Рб.н. | Количество несоответствий |
| 1 | 0,9973 | 0,27% |
| 10 | 0,9733 | 2,67% |
| 100 | 0,7631 | 23,69% |
| 1000 | 0,0670 | 93,30% |
Согласно этой концепции, нужно стремиться к такой технологической точности процессов, при которой в допуске помещаются 6σ, а величина отклонения «центра настройки» ТП от центра допуска не превышает 1 – 1,5σ.
Поэтому службам качества следует переключить свое внимание с задач контроля качества на задачи слежения за процессами, т.е. на задачи статистического управления процессами (SPC).
Его основной задачей является отыскание факторов («особых причин» по Шухарту), которые нарушают стабильное течение процесса. Такие факторы, если они будут обнаружены, в дальнейшем должны быть устранены или заблокированы в производстве. При этом улучшится стабильность ТП по выходу, т.е. будет снижен уровень несоответствий.
Предполагается, что такая работа должна вестись в производстве постоянно.
А из статистического взгляда на процесс, в частности, следует:
1) невозможно обеспечить «абсолютную уверенность» в выполнении требований допуска, но рассуждения должны вестись в категориях «степени уверенности» выполнения этих требований;
2) для обеспечения «высокой степени уверенности» необходимо изучить поведение, свойства ТП, его зависимость от влияющих факторов, для чего в производстве должны применяться статистические модели и методы описания ТП;
3) абсолютно неприемлемым являются рассуждения типа «если все измерения лежат в допуске, значит несоответствий нет, и мы спокойны за данный ТП».
Даже если все выборочные измерения лежат в допуске, то несоответствия по массе выпускаемых деталей могут доходить до десятков процентов.
И все современные методы стремятся работать с предупреждениями несоответствий, а не с фактами их появления.
Из проведенных оценок суммарного уровня несоответствий следует, что их прогнозируемый уровень, т.е. «выбросы» за пределы допуска, зависит от «центра настройки ТП» μ и характеристики среднего разброса процесса σ. Если бы заранее была уверенность в постоянстве μ и σ, т.е. в статистической стабильности процесса, то можно бы один раз «измерить» μ и σ по выборке, подсчитать уровень несоответствий и, если это достаточно малая величина, спокойно работать дальше.
К сожалению, такой уверенности, как правило, нет. В реальных процессах μ и σ могут значительно изменяться.
Сложность состоит в том, что даже для абсолютно стабильного ТП выборки далеко не всегда бывают такими «типовыми», и оценить μ и σ не просто. Удовлетворительная точность этих оценок достигается при выборках объемом в десятки, и даже сотни единиц для стабильного процесса. Однако существуют хорошо отработанные приемы анализа процессов по нескольким небольшим выборкам.