Недостаточное обучение статистическим методам в промышленности

Доверительные интервалы, критерии значимости и т. д. в лучшем случае расскажут нам о том, что мы уже имеем. Предполагать, что они получены для предсказания и планирования, было бы обманом и уводило бы с верного пути.

Использование военного стандарта 105D и других таблиц для проведения выборочного приемочного контроля

Эти стандарты исходят из предпосылки, что существует «приемлемый уровень качества», и таким образом отрицают потребность в улучшениях (см. главу 21).

Наш отдел управления качеством занимается всеми нашими проблемами качества

Занимался бы, если бы мог! (См. главы 21 и 22.)

Наши проблемы связаны исключительно с качеством работы сотрудников

Приятное заблуждение. Это как раз система мешает сотрудникам работать полноценно, причем сама она находится в ведении руководителей и управляющих (см. главы 4 и 28).

Фальстарт

Очень сильно связан с последствиями вышеупомянутых надежд на пудинг быстрого приготовления и «мы внедрили управление качеством». Массовое обучение статистическим методам, кружки качества, сбор предложений, программы участия персонала и т. д. – все это попытки «срезать углы» на пути к качеству. Здесь нет коротких путей.

«Мы внедрили управление качеством»

Для качества важны не методы, а знания. Методы и оборудование можно внедрить, знания и понимание – нет.

Напрасные надежды на компьютеризацию

Компьютер может быть благословением. Он же может быть проклятием. Компьютер просто хранит данные. Если их не использовать, там они и останутся.

Предположение о том, что соответствие техническим требованиям – это все, что нужно

Границы допусков, требования ТУ – это еще не все. Соответствие требованиям может удовлетворить потребителя, не более. Это предположение – барьер на пути к улучшениям (см. главу 11).

Заблуждение теории «Нуль дефектов»

Компании разорялись, хотя делали продукцию без погрешностей и дефектов (см. также предшествующий пункт).

Неадекватные испытания прототипов

Прототип единичен, его параметры искусственно приближены к номинальным. Без знания вариаций, изменчивости нельзя прогнозировать (см. главы 16 и 18).

«Любой, кто приходит нам помочь, должен понимать в нашем деле все»

Почему? Люди, компетентные в данном деле, знают всё, за исключением того, как его улучшить. Улучшение требует нового типа знаний. И людям в компаниях предстоит произвести эти улучшения путем объединения нового знания с тем, которое они уже имеют.

Данный список «болезней» и препятствий – ни в коем случае не исчерпывающий. Многие читатели в состоянии предложить добавления, которые особенно согласуются с их областью деятельности в их собственной стране. Например, Джон Косс (из консультационной компании PQCS) представил мне перечень «болезней» и препятствий, типичных для Великобритании (некоторые из них вполне могут быть применимы и к США, а также к другим странам):

• нежелание учиться у других;

• классовые различия и антагонизм;

• слишком большое число бухгалтеров и слишком малое – инженеров и статистиков;

• взгляд на образование и подготовку кадров как на издержки, а не на инвестиции;

• чрезмерная оглядка на традиции.

Деминг также много говорит об «ужасающих примерах» непонимания опасности вариаций, которые он наблюдал на практике. Вот один такой пример из моего собственного опыта в Англии.

В один из дней конференции делегатов пригласили побывать на фабрике. Компания, которую я посетил, известна в Великобритании и за рубежом как производитель оборудования и товаров для быта.

Мне рассказали, что компания недавно ввела у себя статистическое управление процессами (SРС). Само по себе это уже настораживало[16]. Контрольные карты обрушивались на меня дюжинами. Я осведомился, как принимались решения о том, какие процессы и изменения в этих процессах должны быть поставлены под контроль. Оказалось, что соответствующие предложения были результатом своего рода мозгового штурма, а затем эксперты голосованием определяли относительную важность факторов. Я не захотел комментировать ситуацию в тот момент, поскольку гораздо больший интерес представляло сказанное потом. После того как список был готов, он тщательно изучался для выявления тех факторов, которые были «пригодны» для статистического управления. Я был заинтригован: что же означает «пригодный для статистического управления»? Хотя у нас были некоторые трудности в попытках найти общий язык, мне наконец удалось выяснить, что термин «пригодный для статистического управления», очевидно, означает то же, что «находится в статистически управляемом состоянии» или «статистически управляемый процесс».

«А что же случилось с теми процессами, которые оказались “непригодными” для статистического управления?» – спросил я. Ответ был примерно следующим: «Ну да, все мы понимаем, что у нас много оборудования на выброс, совершенно не удовлетворяющего современным требованиям. Мы также знаем, что его следует отправить в металлолом и заменить более современным. Поскольку мы намерены ввести статистическое управление на всех наших процессах, то приобретаем новое оборудование, которое будет пригодным для этого». Довольно неуверенно я осведомился, понимают ли они, что если процесс статистически неуправляем (или, что то же самое, «непригоден для статистического управления процессами»), никто не в состоянии правильно оценить его воспроизводимость. Как я и ожидал, вопрос был встречен удивленно-растерянным молчанием и печальными взглядами: всем стало ясно, что я ничего не понимаю в этом деле.

В конце концов я сумел завладеть вниманием одного достаточно высокопоставленного сотрудника и осторожно, насколько мог, высказал предположение, что, вполне возможно, компания тратит миллионы фунтов стерлингов на новое оборудование, в котором, возможно, совсем не нуждается. Реакция на мои слова была, мягко говоря, прохладная.

Печально то, что, хотя компания «ввела у себя статистическое управление», ее сотрудники ничего не знали о работах Уолтера Шухарта, который, как мы видели в главе 2, сделал прорыв в понимании проявлений и причин вариаций и изобрел контрольные карты еще в 20-е гг.