Читать онлайн «Выход из кризиса. Новая парадигма управления людьми, системами и процессами». Страница 76

Рис. 39. Продукция поступает из трех источников, все три находятся в статистически управляемом состоянии. Смесь из трех источников демонстрирует статистическую управляемость, но имеет широкий разброс значений

На деле, если материал с трех производственных линий тщательно перемешан, дисперсия смеси будет равна полной дисперсии между изделиями на всех трех производственных линиях. Студенты статистических курсов узнают формулу

где σ² – это дисперсия между изделиями в смеси, σb² – это дисперсия средних по трем производственным линиям и σw² – это средняя дисперсия между изделиями внутри отдельных производственных линий.

Первым делом следовало бы уменьшить дисперсию из источника А. Отдельно следует попытаться вывести все три потока на один уровень.

Однако узнать, приводит смешивание к проблемам или нет, можно, лишь изучив каждый источник. Необходимо привести их к одному уровню, уменьшить вариации в каждом из них, особенно в тех, что демонстрируют большую вариабельность. Начните изучение с приведения каждого источника в состояние статистической управляемости.

Поиск «выше по течению» – мощный рычаг в решении проблем смесей компонентов (Уильям Шеркенбах).

Даже если работа группы демонстрирует состояние статистической управляемости, индивидуальные контрольные карты могут показать, что один или два и более людей из группы нуждаются в дополнительном обучении или переводе на другую работу.

Девять шлифовальных станков выполняют финишную обработку передних осей. Из всех деталей, получаемых от девяти станков, содержится в среднем 3 % дефектных изделий. Данные по индивидуальным станкам показали, что только станки № 2 и 3 производили дефектные изделия, они нуждались в точной настройке. Когда эти станки были тщательно налажены, выход дефектных изделий от всех девяти станков упал до нуля. Без данных, характеризующих по отдельности все девять станков, улучшение процесса было бы невозможно.

На рис. 20 приведены данные для совокупных результатов работы 11 сварщиков. Анализ работы каждого из 11 сварщиков показал, что сварщик № 6 производит больше дефектов, чем предусмотрено для него.

В примере с петлями чулочных изделий, приведенном профессором Дэвидом Чамберсом, совокупный выход 47 петельщиц находился в хорошем статистически управляемом состоянии с уровнем продукции низкого сорта и брака 4,8 %. Индивидуальные карты для каждой работницы показали, что некоторые из них производили брака больше, чем было предусмотрено (подробнее в следующей главе).

Пример 1. Линия действий нанесена на карту на основе суждений, а не вычислений. Как мы узнали, пределы на контрольной карте говорят о том, чего ожидать от процесса, а не то, каким нам бы хотелось, чтоб он был. Предположим, что рабочий наносит на карту линию, показывающую долю дефектных изделий в день. Он чертит (например) линию на уровне 4 %, что, как ему представляется, будет разумной целью. Он показал мне точку, лежащую высоко над этой линией. Вот, сказал он, точка, вышедшая из управляемого состояния.

«Где ваши расчеты контрольных пределов?» – спросил я. «Мы не считаем; мы всего лишь наносим линию там, где, как мы думаем, она должна быть».

К сожалению, некоторые учебники вводят читателя в заблуждение, разрешая устанавливать контрольные пределы на основе допусков или иных требований. В одной книге советовали устанавливать контрольные пределы на основе рассмотрения оперативных характеристик плана выборочного контроля (здесь не рассматриваются). Все подобные заблуждения относительно контрольных пределов увеличивают затраты и не позволяют достигнуть качества.

Подобное размещение линий взамен расчета контрольных пределов ведет к зарегулированности или к недостаточной регулировке и увековечивает любые существующие проблемы. В качестве грустного комментария: люди выбрасывают построенные и интерпретируемые таким неверным образом карты со словами «здесь контроль качества не работает».

Неудивительно. Ведь они никогда его и не пробовали использовать.

Границы допусков никогда не следует показывать на контрольной карте.

В недавно вышедшей книге по статистическому контролю качества допущена аналогичная ошибка, где заявляется, что требования потребителя создают основу для вычисления контрольных пределов. Такие советы губительны для начинающего, они вводят его в заблуждение надолго.

Повторяю, обучение начинающих должен проводить мастер, а не кто попало.

Пример 2. Та же ошибка: критерии для начала действий установлены на основе требований изготовителя. Гораздо проще, чем это можно было бы вообразить, попасть в ловушку, когда критерии для начала действий устанавливаются на основе суждений. Ниже я цитирую письмо, полученное от вице-президента компании, довольного результатами своих усилий. Однако он не понимал, что его методы не позволяют ему достичь качества и производительности, возможного с тем же самым оборудованием и с теми же самыми людьми, при условии, что они получат больше шансов для проявления своих способностей. Изготовитель оборудования, возможно, также был бы доволен, узнав, что его оборудование может работать даже лучше, если только ему был предоставлен шанс. Вот это письмо:

В IV квартале 1980 г. мы провели реорганизацию и наняли консультанта для изучения теории и практики применения на рабочих местах принципов эффективного контроля. Изменения касались рабочих мест как с почасовой, так и с фиксированной оплатой труда. Мы отказались от всех ранее существовавших производственных норм и установили новые исходя из максимальной производительности оборудования, указанной ее изготовителем. Если цели не достигнуты на 100 %, цеховой бригадир должен установить причину низкой работоспособности. Наши ремонтные службы, технический и обслуживающий персонал работают над устранением найденных проблем.

Неверный путь. Теперь специалисты этой компании, используя требования, установленные изготовителями в качестве контрольных пределов (пределов действий), смешивают особые и общие причины, гарантируя, что проблемы никогда не пропадут.

Более разумным было бы установить статистическую управляемость оборудования при существующих на рабочем месте условиях. Фактическая производительность могла бы оказаться равной 90 % от максимальной производительности, указанной изготовителем, или 100 %, или 110 %. Следующим шагом было бы постоянное совершенствование оборудования и способа его использования.

Пример 3. Сколь очевидно, столь же и бесполезно. Вице-президент огромного концерна сказал мне, что у него есть жесткая схема контроля готовой продукции. На мой вопрос о том, как они используют данные, последовал ответ: «Данные находятся в компьютере. Компьютер выдает протокол и описание каждого обнаруженного дефекта. Наши инженеры не остановятся до тех пор, пока не найдут причину каждого дефекта».

Почему же тогда количество дефектных труб оставалось стабильным – от 4,5 до 5,5 % на протяжении двух лет? Инженеры путали общие причины с особыми. Каждый дефект был для них особой причиной, которую нужно проследить, выявить и исключить. Они пытались найти причины скачков вверх и вниз в стабильной системе, ухудшая ситуацию, удаляясь от своей цели (см. высказывания Ллойда Нельсона, глава 2).

Потребитель ценит усилия изготовителя. Потребителю кажется, что изготовитель добросовестен, предпринимает всяческие усилия для уменьшения в будущем числа бракованных труб. Это так, но, к несчастью, его старания направлены не туда, куда следует, и, очевидно, неэффективны. Но откуда им об этом знать?

Очевидное исключение возникает, когда дефектные изделия возникают регулярно. Регулярность появления дефектных изделий следует рассматривать как некую структуру, сигнализирующую об отсутствии статистической управляемости. Тот же совет применим в тех случаях, когда существует единственно возможная, спорадически возникающая важная причина дефектных изделий. В таких случаях изучение дефектных изделий может указать на причину проблем.

Пример 4. На фабрике по производству шин я наблюдал, как вся забракованная за день продукция складывается в одном месте, чтобы затем поступить для изучения к технологам. Это практически аналогично ситуации в примере 3: также гарантия сохранения существующих проблем.

Пример 5. Неправильное использование распределений: еще раз о компьютере без участия оператора. Штампуются раскаленные докрасна и шипящие слитки меди. Станок разрезает слитки, их желаемый вес 326 кг. Каждый слиток автоматически взвешивается, данные заносятся в компьютер.