Давайте более глубоко рассмотрим раннюю работу Шухарта и историю ее возникновения. Около восемнадцати месяцев Шухарт проработал в Western Electric (это было еще до работы в данной компании Деминга во время каникул в 1925 и 1926 г.), а затем перешел в только что основанную лабораторию фирмы Bell Laboratories в Нью-Йорке. И возможность рассказать об этой истории я предоставляю Демингу: именно в таком виде ее услышала аудитории в Версале (Франция) 6 июля 1989 г. (см. буклет BAD «Глубинные знания»).
«Частью деятельности компании Western Electric было изготовление оборудования для телефонных систем. Как всегда, проблемами становились надежность и качество: нужно было делать продукцию однородной, с тем чтобы на нее могли положиться потребители. Western Electric жаждала достичь такого положения дел, чтобы иметь возможность использовать в своей рекламе фразу “Похожи друг на друга, как два телефона”. Специалисты компании, однако, обнаружили, что чем сильнее они старались достичь воспроизводимости и однородности свойств продукции, тем худшим оказывался результат, т. е. тем большими становились различия и разброс свойств. Когда случался какой-либо дефект, погрешность или отклонение, они старались “отреагировать на них”, т. е. внести коррективы для устранения этих дефектов. Это была благородная задача. Да только имелась одна маленькая трудность: дела от этого шли не лучше, а хуже.
В конце концов эта проблема попала к Уолтеру Шухарту в Bell Laboratories. В ходе работы над нею Шухарт понял, что специалисты Western Electric допускали два основных типа ошибок.
1. Интерпретация ошибок, погрешностей и отклонений, предполагающая, что их вызвали некоторые особые, исключительные причины, в то время как на самом деле ничего исключительного и особого не наблюдалось. Иными словами, эти ошибки были результатом обычного действия системы, ее случайных отклонений, вызванных общими (обычными) причинами[18].
2. Интерпретация тех же ошибок, погрешностей и отклонений как проявления общих причин, в то время как на самом деле они определялись особыми (специальными, конкретными, исключительными) причинами.
Ну, и какая разница? И что нам это дает? Да все то, что отделяет успех от неудачи!
Шухарт решил, что в этом и заключалась причина проблем Western Electric. Специалисты этой компании не смогли понять различия между общими и особыми причинами вариаций; путая их, они ухудшали положение дел. Очень важно, чтобы мы поняли эти два типа ошибок. Конечно, никому не нравятся дефекты, ошибки, жалобы от потребителей, но если мы будем набрасываться на них без понимания их природы, то лишь ухудшим положение дел. Это легко доказать математически[19]».
Ниже в данной главе мы увидим знаменитый пример, в котором такое отсутствие понимания сделало «положение дел еще худшим».
Итак, целью работы Шухарта было улучшение качества за счет уменьшения вариации (изменчивости) – точно в соответствии со словами Деминга в начале этой главы. Как мы видели в главе 2, Деминг вскоре осознал, что идеи Шухарта применимы к значительно более широкому кругу проблем, нежели только к технологическим операциям. В последующие десятилетия, развивая идеи Шухарта, Деминг заложил основу своей философии менеджмента. В частности, фундаментальные доводы, приведшие его к отрицанию таких широко распространенных в менеджменте подходов, как управление по целям, аттестация персонала и использование произвольных численных норм и критериев (пункты 11 и 12), вытекают из концепции недопустимости вмешательства в стабильную систему (это будет проиллюстрировано ниже на примере автоматического компенсатора погрешностей, см. также главу 5).
Теперь рассмотрим, что Шухарт имеет в виду, когда говорит об управляемой (контролируемой) и неуправляемой (неконтролируемой) воспроизводимости, и, соответственно, что подразумевает под процессом, находящимся в управляемом (подконтрольном) и неуправляемом (неподконтрольном) состоянии. Идеи, отражающие сущность дела, нетрудны для понимания, однако имеют далеко идущие последствия.
Предположим, что в некотором процессе мы систематически регистрируем во времени результаты измерений. Измеряемыми величинами могут быть длина стального прутка после операции обрубки, или затраты времени на обслуживание машины, или ваш собственный вес до приема пищи, или процент дефектных (не попавших в допуски) в партии от поставщика, или коэффициент интеллекта, или время между выставлением счета и получением денег и т. д. На рисунках 5a–5d показаны четыре примера записи данных (карты текущих значений), регистрируемых в ходе измерений. В каждом примере время изменяется вдоль горизонтальной оси, а чем выше расположена точка на вертикальной оси, тем больше размер, длина, запаздывание и вообще все то, что мы регистрируем в этот момент.
На рисунках 5а и 5b изображен типичный пример того, что мы можем ожидать от процесса, находящегося в управляемом состоянии. Рисунки 5с и 5d явно указывают на процесс, находящийся в неуправляемом состоянии. А все четыре графика демонстрируют наличие вариаций в измерениях (поскольку без вариаций график был бы просто горизонтальной линией). Разница в том, что на рисунках 5а и 5b характер вариаций на самом деле сохраняется в течение всего периода наблюдений, в то время как на рисунках 5с и 5d имеются весьма заметные изменения в поведении вариаций во времени. Какое же значение это имеет для практики? Как оказалось, очень важное.
В примерах, приведенных на рисунках 5а и 5b, мы можем спрогнозировать будущие результаты этих процессов (конечно, без абсолютной определенности, ведь всегда может что-то случиться и испортить все дело). Но в случаях, представленных на рисунках 5с и 5d, мы не способны ничего предсказать, поскольку поведение выхода этих процессов изменяется совершенно непредсказуемым образом.
Несколько более формальная интерпретация того, что подразумевается под процессом, находящимся в статистически управляемом и неуправляемом состояниях, дается на отдельном листе с диаграммами, взятыми из документа компании Ford[20].
На рисунке 6 наглядно представлено статистическое распределение. Маленькие кубики, показывающие число измерений, располагаются вдоль горизонтали в соответствии с измеряемыми значениями. Совокупность таких кубиков и образует фигуру, называемую гистограммой.
Предположим, мы регистрируем все больше и больше данных (и, соответственно, подстраиваем вертикальную ось, чтобы гистограмма не вылезала за верх страницы). Тогда при некоторых существенных условиях, которые обсуждаются ниже, общая картинка стабилизируется и изменения в ней с приходом все новых и новых измерений будут практически незаметны. Она становится графическим представлением статистического распределения результатов измерений. Этот рисунок характеризует возможное поведение разброса результатов измерений. Данные и распределение на рисунке 6 интерпретировались как размеры некоторых образцов, но они могут точно так же интерпретироваться в контексте всех примеров, приводившихся выше, как и в миллионах других примеров.
Ключевая фраза для понимания рисунка 6 – «если сам исходный процесс стабилен» – напрямую связана с понятием статистически управляемого процесса. Идея заключается в том, что если в ходе измерений на процессы оказывает влияние некоторое постороннее воздействие (например, по отношению к приведенным выше примерам: настройка машины изменилась, норма обслуживания для механика по наладке увеличилась, вы сели на диету, ваш поставщик стал использовать сырье плохого качества и т. д.), то результаты измерений не могут рассматриваться как происходящие из одного и того же источника, и, таким образом, никакое стабильное распределение нельзя использовать для его представления. На самом деле, как мы увидим позже, определение стабильности, представляемое единственным фиксированным распределением, слишком идеализировано с практической точки зрения (позже мы будем ссылаться на эту искусственно-идеальную ситуацию как на представляющую идеально точную стабильность).
Как видно из рисунка 7, распределения могут отличаться во многих отношениях. Термин «положение» относится к положению среднего значения, «разброс» характеризует степень вариабельности относительно среднего, а «форма» указывает, например, расположены ли данные значения симметрично относительно среднего или, напротив, есть некоторые сжатия с одной стороны и растяжения с другой.
В терминах статистического распределения рисунки 8 и 9 соответственно определяют, так сказать, на глаз, что подразумевается под процессами, находящимися и не находящимися в статистически управляемом состоянии.
Процесс находится в состоянии статистического контроля (статистически управляемый процесс), если лежащее в его основе распределение остается практически неизменным во времени. Если же распределение изменяется во времени существенно и непредсказуемо, то говорят о процессе, вышедшем из-под контроля (ставшем неуправляемым).
В терминах статистического распределения рисунки 8 и 9 соответственно определяют, так сказать, на глаз, что подразумевается под процессами, находящимися и не находящимися в статистически управляемом состоянии.
Процесс находится в состоянии статистического контроля (статистически управляемый процесс), если лежащее в его основе распределение остается практически неизменным во времени. Если же распределение изменяется во времени существенно и непредсказуемо, то говорят о процессе, вышедшем из-под контроля (ставшем неуправляемым).
Как ученый, Шухарт знал: во всем, что поддается измерению, обязательно есть вариации. Вариации могут быть крайне большими, ничтожно малыми или находиться между этими двумя крайностями, но они есть всегда[21].
Исследования Шухарта по статистическому управлению процессами вдохновлялись его наблюдениями за характером вариации в изучаемых им производственных процессах. Часто их характер отличался от того, что Шухарт видел в так называемых «естественных» процессах (под последними он понимал, например, такое явление, как броуновское движение). На стр. 5 книги Дональда Дж. Уиллера и Дэвида С. Чамберса «Понимание статистического управления процессом» (Understanding Statistical Process Control) эти два важных наблюдения объединяются следующим образом:
«Несмотря на то что все процессы проявляют вариабельность (изменчивость), в некоторых из них вариации контролируемые (управляемые), а в других – неконтролируемые (неуправляемые)».
В частности, Шухарт часто находил контролируемые (стабильные) вариации (представленные на рисунках 5а, 5b) в естественных процессах, а неконтролируемые (нестабильные) вариации (такие, как на рисунках 5с, 5d и 9) – в производственных процессах. Различия в них ясны. В первом случае мы знаем, чего можно ожидать в терминах изменчивости: процесс находится в статистически управляемом состоянии (состоянии статистического контроля); во втором случае мы этого не знаем: процесс статистически неуправляем (находится в статистически неконтролируемом состоянии). Если в первом случае мы можем предсказать будущее с некоторыми шансами на успех, то во втором мы этого сделать не можем.
Теперь проясним, что в данном контексте имеется в виду под «предсказанием». Мы не думаем, что способны точно спрогнозировать, какими именно будут следующие значения процесса. Традиционные статистики иногда говорят о «точечных оценках», или «точечных предсказаниях», – так может создаться впечатление, будто подобная точность достижима. Но то, что они делают на самом деле, – это получение некоторых ожидаемых средних значений. Кроме того, нам нужны также знания о вариациях вокруг этих средних, чтобы узнать нечто вразумительное о возможных будущих значениях.
Давайте обобщим три наиболее значимые предпосылки, о которых мы узнали выше.
Во-первых, если выход процесса определяется влиянием особых причин, то его поведение меняется непредсказуемо и, таким образом, невозможно оценить результат изменений в конструкции, обучении, политике закупок комплектующих и т. д., которые менеджмент мог бы ввести в этот процесс (или в систему, которая содержит этот процесс) с целью улучшения. Пока процесс находится в неуправляемом состоянии, никто не может предсказать его возможности. Это и есть та мысль, которую я тщетно старался довести до сведения компании, «внедрившей статистический контроль».
Во-вторых, когда особые причины устранены, так что остаются только общие, тогда улучшения могут зависеть от управляющих воздействий. Поскольку в этом случае наблюдаемые вариации системы определяются тем, каким образом были спроектированы и построены процессы и система, только управляющий персонал, менеджеры имеют полномочия для изменений системы и процессов. Как часто говорит Майрон Трайбус, директор американского Института качества и производительности, «люди работают в системе. Задача менеджера – работать над системой, улучшая ее с их помощью»[22].
И в-третьих, мы приходим к проблеме компании Western Electric с их телефонным оборудованием: если мы (на практике) не отличаем один тип изменчивости от другого и действуем без понимания, мы не только не улучшим дело, а несомненно, сделаем положение еще худшим. Ясно, что так оно и будет, причем останется загадкой для тех, кто не понимают природы изменчивости (вариаций).
Эти предпосылки и основанная на них целостная концепция статистического управления процессами имели глубокое воздействие на Деминга. Многие аспекты его философии менеджмента проистекают из соображений, основывающихся только на этих трех предпосылках. Как отмечалось ранее, кроме существенных, чисто гуманитарных аргументов, два наиболее противоречивых из его четырнадцати пунктов – нацеленные на устранение произвольных числовых критериев (планов и норм) и на отказ от аттестации персонала – проистекают как раз отсюда. Действительно, если установленное задание или план превышают производственные возможности системы (не соответствуют ее стабильному, подконтрольному состоянию), то единственный путь их достижения – деформировать процесс, что приведет к повсеместным трудностям. С другой стороны, влияние общих причин вариаций (т. е. определяемых внешней по отношению к человеку системой) на поведение сотрудника в основном таково, что они в конечном итоге скрывают, нивелируют реальный вклад человека[23].
Много лет назад доктор Джозеф Джуран[24] сделал вывод, что не более 15 % всех проблем (или возможностей улучшения) в организациях связаны с особыми причинами вариаций; таким образом, они, возможно (но не обязательно!), находятся в поле деятельности рядовых работников. В этом случае на долю менеджеров приходится как минимум 85 % всех потенциальных возможностей улучшений системы, в которой работают их служащие. Эти числа подвергались проверке долгие годы, пока Деминг в 1985 г. не пересмотрел их и не дал новую оценку: соответственно, 6 % и 94 %[25].
Очень часто сотрудники (если, конечно, их об этом спрашивают) могут выделить особые случаи, которые приводят к проблемам в реализации возможностей системы, – в конце концов, они сами страдают от этих проблем. Но только руководство может изменить действующую систему, в рамках которой работают сотрудники и которая до поры содержит массу препятствий к улучшению качества, надежности и производительности. В то же время, как указывал Трайбус, менеджеры, по всей видимости, все же нуждаются в помощи сотрудников для выявления проблем, которые им надо решать. Однако изменение системы – не во власти сотрудников. Как определяет это Деминг, «в случае если сотрудник достиг состояния статистической управляемости, – он вложил в процесс все, что у него было» («Выход из кризиса», стр. 348; см. также главу 24 этой книги).
Обещанная иллюстрация вреда, который может быть вызван неумением отличить один тип вариаций от другого, получена также от Ford Motor Company (см.: William W. Scherkenbach, The Deming Rout to Quality and Productivity, р. 29–31[26]).
Входные валы трансмиссии обрабатывались на станке, оснащенном автоматическим компенсирующим прибором. Если диаметр очередного вала по результатам его измерений оказывался слишком большим, компенсатор изменял настройку станка на величину соответствующего расхождения; и наоборот, если диаметр вала был слишком мал, настройка машины изменялась в сторону его увеличения. Разумно? Конечно.
Рисунок 10 – гистограмма диаметров 50 валов, последовательно полученных в результате этого процесса. Статистики предложили изготовить подобный набор из 50 валов с выключенным компенсатором. На рисунке 11 показан результат: вариации уменьшились, т. е. качество улучшилось. Как это могло случиться?
Ответ заключался в том, что технологический процесс без работающего компенсирующего прибора уже был в управляемом состоянии, т. е. проявлял наименьший разброс, на какой он был способен, поэтому имелись только общие причины вариаций. Уменьшение этого разброса достигается только улучшением самого процесса. Компенсатор не улучшал процесса. Он лишь вмешивался в процесс, который уже был стабилен. («Вмешательство» – это собственный термин Деминга.)
Поскольку без компенсирующего прибора разброс (вариабельность) уже находился на минимально возможном уровне, вмешательство, производимое прибором, оказывалось тем внешним воздействием, о котором мы говорили ранее. Единственный возможный эффект такого внешнего влияния – увеличение вариаций, разброса – эффект, совершенно противоположный желаемому. Конечно, если бы имелись особые причины разброса, компенсатор помог бы смягчить их эффект. Но в отсутствие особых причин он мог только ухудшить выход процесса. Можно показать, что в этом случае компенсационный прибор увеличивал вариабельность более чем на 40 %.