Эксперимент с красными бусинами для демонстрации проблем, присущих всей системе
Эксперимент с красными бусинами для демонстрации проблем, присущих всей системе
На лекциях я часто показываю простой эксперимент, демонстрирующий, что очень легко обвинить рабочих в дефектах, принадлежащих системе[89].
Оборудование: Красные и белые деревянные бусины в коробке.
Лопатка: 50 конических углублений, 10?5, при черпании набирает до 50 бусинок. Лопатка изображена на рис. 56.
На доске размещается объявление о найме 10 добровольцев из аудитории:
Имеется 10 вакансий. Соискатели должны хотеть работать.
Требования к образованию минимальны.
Десять добровольцев найдены. Шестерых пошлите обучаться производству. Двух назначьте контролерами, одного – главным контролером, десятого – регистратором данных (штат чрезвычайно раздут). Имена следует занести в табель (рис. 38).
Рис. 38. Данные, полученные в ходе эксперимента; контрольная карта, показывающая результаты и контрольные пределы; интерпретация карты; сравнение с предыдущим экспериментом в Сан-Диего 30 марта 1982 г.
Мастер объясняет задачу. Потребитель берет только белые бусины; ни одной красной; иначе мы все здесь испортим. У нас есть производственные нормы, в день каждый рабочий делает 50 изделий, хороших или плохих. У нас два контролера, хотя одного было бы достаточно. Цель: не более одной красной бусины в день для любого рабочего.
В течение трех дней будет проведена стажировка на рабочих местах (сжатая до 10 минут), в течение которой мастер проинструктирует каждого, как должна выполняться работа. Рабочий должен тщательно перемешать исходные материалы (смесь красных и белых бусин). Чтобы перемешать бусины, пересыпайте их из одного сосуда в другой с высоты около 10 см. Затем наберите полную лопатку – это дневная норма производства. Отнесите свою работу контролеру № 1, а затем – контролеру № 2. Оба контролера молча, без каких-либо комментариев, пересчитывают число красных бусин и записывает результат. Главный инспектор сравнивает данные контролеров. Если они совпадают, он во всеуслышание объявляет результат. Регистратор записывает результаты, попытка за попыткой (таблица на рис. 38).
Мастер объясняет всем, что работа этих шестерых старательных рабочих целиком зависит от их усердия. Рабочие места сохранят, если они будут работать удовлетворительно.
Независимость двух контролеров, объясняет мастер, – это единственное, что мы здесь делаем правильно. Он отмечает, что контроль на основе консенсуса не дает возможности сравнить контролеров и, таким образом, не дает возможность обнаружить, существует ли на самом деле система контроля.
Все работники говорят, что они понимают свою задачу и готовы к работе.
Мастер в ужасе от числа красных бусин, произведенных в первый день, и умоляет рабочих исследовать каждую красную бусину и попытаться не сделать ни одной на следующий день. В начале второго дня он не может понять, почему все не трудятся так же хорошо, как работал Нейл в первый день: всего 3 красные бусины. «Если Нейл может это сделать, все могут так работать».
Очевидно, что в первый день главный герой – Нейл. Он кандидат на повышение. Также ясно, что Тим – источник всех наших проблем. Мы все к нему хорошо относимся, но, возможно, нам придется его заменить.
В конце второго дня мастер разочарован. Даже Нейл не порадовал его – 3 красные бусины в первый день, 13 – во второй. «Что случилось?» – спрашивает мастер. Он не может принять столь невероятных колебаний от партии к партии. Здесь не должно быть вариабельности, доказывает он. Процедура зафиксирована – одна и та же для каждой партии. Почему одна партия должна отличаться от другой? Он также в ужасе от низкого выхода годных. Ни один рабочий не достиг цели в одну красную бусину.
В конце третьего дня менеджмент угрожает остановить производство, если на четвертый день не наступит существенного улучшения. Рабочие выполняют норму – 50 штук в день, однако выход годных слишком низок. Сохранение рабочих мест под вопросом.
Четвертый день не принес изменений, и мастер говорит рабочим, что, хотя они делали все, что могли, этого недостаточно. Менеджмент принял решение закрыть производство. Он сожалеет и предлагает им забрать причитающиеся в связи с увольнением выплаты.
Всех присутствующих в аудитории просят нанести данные на контрольную карту числа красных бусин от партии к партии (рис. 38).
Интерпретация контрольной карты. С точки зрения управления данным бизнесом можно сделать заключение, что процесс находится в статистически управляемом состоянии. Основой для такого заключения могут служить: а) знание намерений и инструкций, которые мастер дал старательным рабочим и контролерам, б) уверенность рабочих, в) таблица результатов и карта на рис. 38. Если процесс стабилен, бесполезно выяснять, почему Нейл получил только 3 красные бусины в первый день и 13 во второй и почему Ричард сделал 15 в четвертый. Эти и аналогичные вариации в таблице вызываются системой, а не людьми.
Чему мы научились?
1. Причиной низкого выхода годных изделий были красные бусины во входном материале. Устраните красные бусины из системы. Старательные рабочие не имеют возможности воздействовать на качество. Они будут продолжать выдавать красные бусины до тех пор, пока те содержатся в исходном материале. Эксперимент очень прост, даже примитивен, но весьма доказателен. После его изучения люди находят «красные бусины» (источники проблем) в своих организациях повсюду.
2. Вариации между партиями и между рабочими возникают из-за системы, а не из-за самих рабочих.
3. Результаты работы кого бы то ни было в один день бесполезны для предсказания его результатов в любой другой день.
4. Мы также понимаем, что механическая выборка не то же самое, что выборка с помощью случайных чисел, и их результаты могут значительно различаться (см. ниже).
Предсказание вариаций. Если мы соглашаемся с тем, что процесс продемонстрировал достаточно хорошую статистическую управляемость, мы можем продлить контрольные пределы в будущее и сделать их прогнозом границ вариаций производства. У нас нет дополнительных четырех дней, но у нас есть данные, полученные ранее в такого же рода экспериментах, которые мы можем нанести на карту, – те же бусины, та же лопатка, тот же мастер, другие рабочие.
Повторим важный урок относительно статистической управляемости. Процесс, который статистически управляем, стабилен, и предоставляет разумную основу для предсказания результатов завтрашней работы.
Какие данные в эксперименте информативны? Эксперименты в промышленности и науке используются для предсказания результатов будущих опытов. Данные, полученные в эксперименте, как подчеркивал Шухарт, содержат информацию, которая может помочь в предсказании. Какие данные, характеризующие эксперимент, надо фиксировать, чтобы точно предсказать результаты будущих экспериментов?
К сожалению, от эксперимента к эксперименту (будущие испытания, завтрашнее производство) будут меняться условия окружающей среды (температура, влажность), материалы, люди. Чтобы использовать имеющиеся результаты, нам необходимо знание предметной области, подкрепленное, возможно, дальнейшими экспериментами, охватывающими более широкий диапазон условий. Только в этом случае мы, с некоторым риском ошибиться, можем принять решение о том, будут ли условия окружающей среды в будущем достаточно близки к сегодняшним.
Между прочим, риск ошибиться в предсказании нельзя выразить в терминах теории вероятностей вопреки мнению некоторых учебников и лекций. Эмпирические данные никогда не бывают полными[90].
В эксперименте мы фиксировали дату и время, имена рабочих, имя главного инспектора, описание бусин, идентифицировали лопатку (№ 2). Что еще важно?
Поскольку шесть постоянных рабочих, по-видимому, образуют статистическую систему (ни один не выходит за контрольные пределы), мы могли бы впоследствии опустить из протокола их имена. Лопатка, однако, важна (как будет показано ниже).
Другими существенными данными об условиях эксперимента могла быть информация о мастере и его профессионализме при перемешивании исходных материалов (бусин).
Накопленное (кумулятивное) среднее. Вопрос: поскольку 20 % бусин в коробке красного цвета, то каким, по вашему мнению, было бы накопленное среднее, статистический предел, если бы мы продолжали производить партии с помощью того же процесса много дней?
Ответ, спонтанно возникающий в аудитории: 10 бусин, поскольку 10 – это 20 % от 50, от объема выборки, – неверен.
У нас нет оснований для такого заявления. Дело в том, что накопленное среднее для лопатки № 2, полученное из многочисленных прошлых экспериментов, оказалось равным 9,4 красным бусинам на партию в 50 штук. Лопатка № 1, использовавшаяся в течение 30 лет, демонстрирует среднее, равное 11,3.
Лопатка – важная компонента информации о процессе. Считал ли так читатель до того, как ознакомился с этими цифрами?
Тот же самый вопрос можно сформулировать иначе: назовите несколько причин, по которым нам не следует ожидать, что накопленное среднее будет равно 10. Ответы: 1) красный пигмент отличается от белого даже на глаз. Бусины различны на ощупь (пальцами) и, очевидно, различным образом взаимодействуют с лопаткой; 2) размеры красных и белых бусин могут быть различными, как и их вес. Красные бусины сделаны путем погружения белых в красный пигмент или как-то иначе?
Нередко аудитория интерпретирует различие между накопленным средним и 10 как систематическую ошибку. Это не ошибка. Это различие между двумя методами отбора: 1) механической выборкой, использованной здесь; 2) выборкой с помощью случайных чисел[91] (см. раздел ниже относительно механической выборки).
Упражнение 1. Покажите, что размах между контрольными пределами для числа белых бусин от партии к партии будет таким же, как вычисленный размах между контрольными пределами для числа красных бусин. Далее покажите уже нарисованную контрольную карту для белых бусин. Все, что нужно, – это перевернуть вертикальную шкалу, заменить 0 на 50, 10 на 40, 20 на 30, 30 на 20, 40 на 10, 50 на 0. Тогда контрольные пределы для белых бусин останутся точно на своих местах, 49 – для верхнего предела и 33 – для нижнего предела.
Упражнение 2. До того как данные были собраны, можно было держать пари с шансами 50: 50, что Ричард за четыре дня сделает больше дефектных изделий, чем Тим. После получения данных никаких сомнений по этому поводу не возникает. Предположим, что эксперимент должен продолжаться следующие четыре дня. Допустим, что различия между шестью операторами по-прежнему демонстрируют статистическую управляемость. Существует вероятность, равная 50: 50, что в следующие четыре дня двое рабочих покажут обратные результаты. Покажите, что существуют 50 % вероятность, что накопленное за все восемь дней число дефектных изделий для Ричарда снова превысит аналогичную величину для Тима.
Выборка с помощью случайных чисел. Если бы мы формировали партии с помощью случайных чисел, тогда накопленное среднее, статистический предел для x был бы равен 10. Дело в том, что на случайные числа не влияют ни цвет, ни размер, ни какие-либо иные физические характеристики бусин, лопатки или людей. Статистическая теория (теория вероятностей), как она изложена в книгах по теории выборок или по теории распределений, применяется при использовании случайных чисел, но не в реальной жизни. Когда состояние статистической управляемости достигнуто, можно говорить, что распределение существует и оно предсказуемо.
Механическая выборка искажает среднее значение процесса. Доподлинно известно, что накопленное среднее для доли дефектных изделий, вычисленное по результатам контроля, как бы добросовестно он ни был проведен, может не дать хорошего приближения для среднего процесса. Добросовестный контролер может выбирать образцы для контроля с верха, низа и середины партии, пытаясь дать корректную характеристику партии, но нет гарантии, что такой выбор даст результаты, близкие к тем, которые могли быть получены с использованием случайных чисел. Единственный надежный способ – это использовать таблицы случайных чисел для отбора изделий из партии, однако следует признать, что применение данного метода во многих случаях оказывается непрактичным. Исключить возможное искажение, создаваемое механической выборкой, можно лишь путем 100 %-ного контроля случайно отбираемых партий, конечно, при 100 %-ном контроле всех партий. (Предложено м-ром Дейвом Уэстом на семинаре в Претории в июне 1982 г.)
Изменение метода отбора образцов, когда используется механическая выборка или выборка на основе суждений, вполне может привести к появлению точки, сигнализирующей о неуправляемости. Это артефакт, который следует иметь в виду при интерпретации карты (предложено также м-ром Дейвом Уэстом).
Данный текст является ознакомительным фрагментом.