Читать онлайн «Выход из кризиса. Новая парадигма управления людьми, системами и процессами». Страница 77

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.

Следующий этап – электролитическое осаждение меди, слитки формируют анод. Более легкий слиток напрасно занимает место в электролитической ванне в то время, когда более тяжелый еще обрабатывается.

Оператор, видя, что вес заготовки недостаточен, регулирует отрезающий станок, с тем чтобы увеличить вес следующей отливки, и поступает наоборот, если заготовка слишком тяжела. Устройство для автоматического взвешивания в конце дня рисует распределение весов произведенных слитков. Оператор каждое утро имеет перед собой распределение веса заготовок, произведенных накануне (рис. 40), – аналог примера компьютерной обработки без участия оператора.

Рис. 40. Гистограмма в черашнего производства, полученная путем автоматического взвешивания и записи веса каждого слитка. Гистограмма показывает оператору, как он вчера работал, но не помогает ему достигнуть более узкого распределения вокруг желательного среднего веса. Компьютер также рассчитывает среднее значение, стандартное отклонение, асимметрию и значение четвертого момента, что абсолютно бесполезно для оператора

«Какова цель данной гистограммы?» – спросил я и получил ответ: «Это наша система контроля качества. Она показывает оператору, как он работает, что позволяет ему улучшить свою работу». – «Как давно у вас проблемы с неоднородностью веса?» – спросил я. «С тех пор как мы начали работать».

Дело в том, что оператор, регулируя станок для каждого слитка, на самом деле увеличивая разброс весов. Он следует правилу 2, или правилу 3, или правилу 4, ухудшая ситуацию, хотя и старается изо всех сил. Откуда ему об этом знать? Распределение на рис. 40 абсолютно бесполезно, это источник разочарований.

В чем ошибка использования распределения на рис. 40? Это распределение не делает различий между: а) причинами, проистекающими из системы, и б) причинами, которые оператор в состоянии исправить. Поэтому оно совершенно не помогает оператору. Оно только разочаровывает его. Контрольная карта провела бы нужное разграничение и таким образом помогла бы оператору.

Инженер, ответственный за эту операцию, объяснил мне, что ему не нужен статистический контроль качества, достаточно 100 %-ного контроля и регистрации веса каждого слитка. Оператору надо лишь подстраивать станок после каждого взвешивания. Этот инженер знал о работе все, кроме того, что было важно. Откуда он мог знать об этом?

Интересная дополнительная статистическая проблема возникает, когда мы решаем, при каком наилучшем (наиболее экономически эффективном) весе сверх его среднего значения следует обрезать заготовки с избыточным весом. Эта проблема довольно проста, и мы здесь не будем ею заниматься. Она требует анализа распределения весов, анализа стоимости обрезания заготовок с избыточным весом, анализа затрат на удлинение процесса электролиза на несколько минут, нужных для окончания обработки более тяжелых отливок в электролитической ванне.

В одной из лабораторий я видел круговую диаграмму для числа ошибок, сделанных на прошлой неделе и сгруппированных по типам, – та же ошибка, по тем же самым причинам. Менеджмент предполагал, что работники, зная об ошибках, смогут их исправить, стоит им лишь приложить усилия.

Пример 6. Потери из-за показателя результатов. Инженеры компании-грузоперевозчика разработали так называемые стандарты для оценки результатов менеджеров на каждом из 70 терминалов. Менеджер, не выполнивший норму на 100 %, оказывается виноватым. Каждый, кто перевыполнил, справляется со своей работой.

Налицо та же самая ошибка, что и в примере с менеджментом, который анализирует только бракованную продукцию в попытках улучшить выпуск будущей. Менеджменту следует проанализировать распределение показателей. Образует ли это распределение систему или имеются выбросы? Исследование корреляции результатов с типом производимых работ может вскрыть причины слишком хороших или слишком плохих результатов. Например, высокое отношение числа разгрузок (получения груза) к числу отгрузок (отправки груза) может объяснить, почему некоторые терминалы приносят меньше прибыли. Так, большинство маршрутов перевозок заканчиваются во Флориде, обратно на север железнодорожные вагоны и грузовики идут пустыми. Менеджер терминала не в состоянии изменить это соотношение.

Что делал менеджмент, так это увековечивал свои проблемы.

Пример 7. Неверная процедура на ранней стадии производства. Этот пример повторяет урок, который мы уже усвоили, но который полезно пройти еще раз. Результаты измерения 10, 30, 40 или 100 деталей были изучены, чтобы понять, делает ли процесс то, что от него требуется. Следующим шагом (неверным) стал анализ отказавших деталей с целью обнаружения источника проблем.

Это пример дефектного анализа дефектов. Верная процедура предусматривает использование статистических методов для анализа статистических проблем, а именно:

1. Использовать измерения, чтобы построить карту хода процесса или другую статистическую карту (такую, как x– или R-карта, если достаточно данных) в соответствии с ходом производства, чтобы обнаружить, находится ли процесс в статистически управляемом состоянии.

2. Если карта показывает достаточно хорошую статистическую управляемость, можно заключить, что бракованные детали произведены той же самой системой, что и хорошие. Только изменение системы может снизить число бракованных изделий в будущем. Это может быть изменение в конструкции изделия или в методе ее изготовления. Одним из первых шагов должен стать анализ системы измерений, чтобы понять, достаточно ли она стандартизована и находится ли в статистически управляемом состоянии.

Процедура, в которой используется меньше 15–20 изделий, может не дать логически обоснованного ответа на вопрос о воспроизводимости процесса. Тем не менее иногда и меньшее число позволяет сделать твердые выводы. Так, если начальная серия в шесть или семь изделий бракуется, можно сделать вывод о том, что процесс не способен обеспечить соответствие допускам, или что система измерений не в порядке, или что допуски не должны быть столь жесткими.

Семь или восемь изделий, демонстрирующих тренд вверх или вниз, без возвратов, почти наверняка указывают на проблемы с процессом или с системой измерений.

В вариабельности содержится информация. Если вы остановитесь на пяти или шести измерениях, вы потеряете возможность больше узнать причинах вариаций. (Этот раздел написан после разговора с Ллойдом Нельсоном, 7 июня 1984 г.)

3. Если карта показывает отсутствие статистической управляемости, тогда следующим шагом должен стать поиск особых причин. И снова было бы разумно проанализировать и систему измерений. Сначала взгляните на данные, не закралась ли в них ошибка.

Пример 8. Я пожаловался начальнику почтового отделения в Вашингтоне на ошибки при доставке почты. Казалось, что все в окрестности, включая меня, получают конверты, адресованные другим людям. Когда я решил доставить конверт по адресу, благо адресат проживал неподалеку, у двери нужного мне дома я встретился с женщиной, в руках которой был конверт, адресованный мне. Равноценный обмен.

На жалобу я получил от начальника почтового отделения следующий ответ:

Ошибки, подобные тем, на которые вы указали, – бич нашей почтовой системы. Эта проблема существует многие годы. Мы заверяем вас, что каждая ошибка, подобная той, что вы упомянули, будет доведена до сведения виновного разносчика.

«Существует многие годы» – это признание того, что виновата система. Очевидно, что проблема не связана ни с местом, ни со временем, ни с каким-то конкретным почтальоном. Она будет существовать до тех пор, пока система не подвергнется пересмотру с целью снизить возможность ошибок, подобных той, на которую я пожаловался. Между тем менеджмент обвиняет почтальона. Моя жалоба только принесла неприятности разносчику писем.

Рис. 41. Доля дефектных изделий, произведенная каждым из 20 операторов. Точки соответствуют их позициям. (Все произвели примерно одинаковое число изделий.)

Вычисление контрольных пределов: n = 1225, средний объем производства на одного человека в месяц

Использование карты для измерения совокупных дефектов системы. На рис. 41 показана доля дефектных изделий, произведенных 20 производственными рабочими с использованием в течение месяца одной и той же операции. Из него явствует, что: