Текст книги "Практическое руководство по статистическому управлению процессами"

Разделение причин вариаций на два указанных вида принципиально потому, что борьба с вариабельностью процесса в этих двух случаях требует различного подхода. Особые причины вариаций требуют локального вмешательства в процесс, тогда как общие причины вариаций требуют вмешательства в систему.

Локальное вмешательство:

● обычно осуществляется людьми, занятыми в процессе и близкими к нему (т. е. это линейный персонал, линейные руководители и т. д.);

● обычно нужно примерно для очень небольшого числа всех возникающих в процессе проблем (это выяснилось после многих лет применения данного подхода на практике, откуда и вытекают известное правило Дж. Джурана 85/15 или правило Деминга 94/6 – см., например, [Конарева 2008] – и все следствия из этих правил);

● неэффективно или ухудшает ситуацию, если в процессе отсутствуют особые причины вариаций, и, напротив, эффективно, если они присутствуют.

Вмешательство в систему:

● почти всегда требует действий со стороны высшего менеджмента;

● обычно нужно примерно для 85–95 % всех возникающих в процессе проблем;

● неэффективно или ухудшает ситуацию, если в процессе присутствуют специальные причины вариаций, и, напротив, эффективно, если они отсутствуют.

Когда люди не понимают теории вариабельности, они:

● видят тенденции там, где их нет, и не видят их там, где они есть;

● пытаются объяснить естественный разброс как особые события;

● необоснованно обвиняют и/или вознаграждают сотрудников;

● не могут эффективно спланировать будущее и улучшать систему;

● часто следуют знаменитому правилу: «хотели как лучше, а получилось как всегда».

Дело за малым – осталось организовать процесс мониторинга, направленный на постоянную диагностику ситуации. Он призван представить текущую информацию в такой форме, чтобы менеджменту было ясно, какие решения следует принимать на ее основе.

В 1924 г. У. Шухарт предложил свое решение. Руководителем его департамента был Р. Джонс, а непосредственным начальником – Дж. Эдвардс, занявший впоследствии место Р. Джонса и ставший потом первым президентом Американского общества контроля качества. Вот как он вспоминал об этом (цитируется по [Golomski 1967]): «16 мая 1924 г. …доктор Шухарт подготовил небольшую памятную записку размером всего в одну страницу. Около трети ее занимала простая диаграмма, которая сегодня известна всем нам как схема контрольной карты. Та диаграмма и текст к ней заключали в себе все существенные принципы и выводы, составляющие то, что известно нам теперь как процесс управления качеством». В работе [Godfrey 1986] воспроизведен полный текст этого исторического документа, который один из авторов (Ю. А.) перевел на русский язык [Годфри 1992] и фрагмент которого приводится ниже (см. рис. 2.1).

Заметки, о которых упоминал У. Шухарт, были опубликованы на следующий год [Shewhart 1925], и мир узнал о существовании контрольных карт, названных впоследствии контрольными картами Шухарта (ККШ).

Контрольные карты и стали, по мысли У. Шухарта, диагностическим инструментом, предназначенным для различения процессов с общими и особыми причинами вариаций. Вот как это сформулировал Э. Деминг в 1986 г. в своем предисловии к репринту книги Шухарта 1939 г. [Shewhart 1939, reprint 1986].

«Значение контрольных карт в наибольшей степени состоит в том, что они позволяют разделить причины вариаций на два источника: 1) собственно системные (д-р Шухарт назвал их „случайными причинами“), ответственность за них лежит на менеджменте; и 2) обнаружимые причины, названные д-ром Демингом „особыми“, специфичные для некоторого мимолетного события, которые обычно могут быть обнаружены и устранены, к удовольствию специалиста, ответственного за процесс. Процесс находится в статистически управляемом состоянии, если на него более не действуют особые причины. Результат работы процесса, находящегося в управляемом состоянии, предсказуем» (Предисловие д-ра Деминга к репринту книги Шухарта 1939 г., 1986).

В знаменитой первой книге У. Шухарта [Shewhart 1931] теория контрольных карт была построена. Ничто не предвещало трудностей на пути ее широкого внедрения в жизнь, но судьба распорядилась иначе. И нам кажется важным выяснить почему.

Детерминированность и случайность

Статистическое мышление, несомненно, одно из важнейших изобретений ХХ в. Тем более удивительно, что оно вот уже более 80 лет остается практически незамеченным большинством человечества и очень редко применяется в практике современного менеджмента.

Однако в повседневной жизни мы часто пользуемся статистическим мышлением, не подозревая об этом. Ведь суть этой концепции можно сформулировать в том числе и так: принимайте решения не на основе точечных значений, а с учетом разброса параметров процессов.

Или более резко: в вариабельном мире нельзя принимать решения на основе сравнения отдельных точек процесса.

Господин Р. Джонс.

Несколько дней назад Вы упомянули о некоторых проблемах, связанных с разработкой приемлемой формы отчета о проверке, который можно было бы время от времени дополнять для получения «на глаз» максимально большого количества правильной информации.

Прилагаемая форма отчета дает возможность определить, значима или нет наблюдаемая вариация, выраженная в процентах бракованных приборов данного типа, т. е. определить, удовлетворительно изделие или нет. Теория, лежащая в основе метода определения значимости вариаций в величине р, несколько усложняется, если ее рассматривать в такой форме, которая позволяет охватить практически все типы проблем. Я уже начал подготовку серии заметок, подробно описывающих эти моменты. Однако если будет возможно использовать эту форму карты в любом из проводимых сейчас в рамках отдела контроля качества исследований, то можно будет проиллюстрировать метод конкретными примерами.

А теперь задумаемся: кто из нас, например, едет в аэропорт точно к моменту вылета, не посчитав, насколько раньше надо выехать, чтобы иметь нормальный запас времени? Число таких примеров практически бесконечно [Талеб 2010, Трайбус 1997], поэтому нет смысла на них останавливаться. Но еще чаще мы принимаем решения, забыв о вариабельности мира. Например, услышав об изменении курса рубля, мы радуемся или начинаем беспокоиться в зависимости от того, в какую сторону он изменился, забыв, что ежедневные изменения – это нормальное состояние курса любой валюты (рис. 2.2) и беспокоиться стоит только при катастрофических взлетах или падениях, а также при изменениях направления тренда. Несколько таких критических мест показано на рис. 2.2 овалами. Важно понимать, что никто не умеет предсказывать эти моменты. Всё, что умеют делать финансовые аналитики, – это предсказывать будущее значение при сохранении данного тренда. Еще они могут всегда сказать, что чем дольше длится тот или иной тренд, тем более вероятно, что он скоро изменится… Всё это достаточно тривиально – вот почему Н. Талеб в своем «Черном лебеде» многократно смеется над нобелевскими лауреатами по экономике… [Талеб 2010].

Другой пример весьма распространенной практики. Каждый месяц организация подводит итог своей работы за очередной месяц по какому-нибудь показателю, например по прибыли или уровню брака. Получив эту цифру, руководитель сравнивает ее с предыдущим месяцем (кварталом, годом, и т. п.) и принимает решение о поощрении или наказании персонала. Решение абсолютно не системное, чаще всего неверное и бессмысленное с точки зрения статистического мышления (хороший пример такого подхода разобран в журнале Quality Progress, № 6 за 1997 г. [Britz et al. 1997]. Многочисленные примеры несистемного подхода можно найти также в книге [Млодинов 2011]).

Итак, статистическое мышление, т. е. способ принятия решений с учетом вариабельности процессов, – это то, чем мы пользуемся в повседневной жизни, причем гносеологические и физические корни статистического мышления известны из школьных и вузовских учебников. Но одновременно мы не только не замечаем этого понятия и не формулируем эту концепцию в явном виде, но и не используем ее возможности там, где это важнее всего, а именно при анализе, оценке и совершенствовании всех видов процессов в организациях всех видов.

Почему?

«Ум, которому были бы известны на какой-либо данный момент все силы, одушевляющие природу, и относительное положение всех ее составных частей, если бы вдобавок он оказался достаточно обширным, чтобы подчинить эти данные анализу, обнял бы в одной формуле движения величайших тел вселенной наравне с движениями легчайших атомов. Не осталось бы ничего, что было бы для него недостоверно, и будущее, так же как и прошедшее, предстало бы перед его взором».

Пьер-Симон де Лаплас, 1814.

Цит. по [Млодинов 2011, с. 276]

Ответ предстоит искать ни много ни мало в том, как устроен мир, в котором мы живем. Можно начать с кончины той парадигмы, какую часто называют лапласовским детерминизмом. Великий французский математик Пьер-Симон де Лаплас (1749–1827) считал, что законы природы строго детерминированы и предсказуемы: если бы существовал разум, который мог бы охватить все связи между всеми объектами Вселенной, то он мог бы рассчитать положения и скорости всех объектов в любое время в прошлом, настоящем или будущем [Стройк 1984, Кратчфилд 1987].

Не менее великий и тоже французский математик Анри Пуанкаре (1854–1912) показал, что сколь угодно малые неопределенности начального состояния системы могут со временем усиливаться и предсказание отдаленного будущего становится в принципе невозможным [Кратчфилд 1987]. Таким образом, детерминизм конца XVIII – начала XIX в. в самом начале ХХ в. сменился пониманием того, что мировые законы носят, видимо, вероятностный характер. Однако это понимание охватило только часть научного сообщества. Другими словами, оно не проникло из области физико-математических наук в обыденное сознание, причем не только в начале ХХ в., но, как мы увидим далее, и в начале XXI в. Между тем в начале ХХ в. не только в математике, но и в физике произошло много событий, показавших несостоятельность старой механистической парадигмы, основанной на законах механики И. Ньютона. Сначала А. Эйнштейн показал, что законы Ньютона верны лишь приближенно для медленно движущихся не очень больших тел и на не очень больших расстояниях. Затем В. Гейзенберг и Э. Шредингер создали квантовую механику, после чего оказалось, что в микромире в принципе работают только вероятностные законы. Последующее развитие науки усугубило ситуацию: оказалось, что случайность в поведении систем может быть и не связана ни с большим числом компонент, ни с невидимыми воздействиями, – она носит принципиальный характер, и от нее нельзя избавиться, собирая больше информации. Порождаемую таким образом случайность стали называть хаосом [Кратчфилд 1987].

Существование хаоса бросило вызов традиционным научным методам, считавшим, что для изучения системы ее надо разбить на части и изучать каждую часть по отдельности. Существование хаоса показало, что поведение нелинейной системы не выводится из поведения ее частей. Это означает, что, например, имея полную схему нервной системы организма и зная, как реагируют отдельные элементы на те или иные воздействия, мы не можем из данной информации сделать вывод о том, как будет себя вести этот организм в тех или иных условиях. Аналогично, имея полную функциональную схему построения организации, мы не можем предсказать ее реакцию на те или иные изменения внешних условий.

Но и это новое знание не стало тем, что принято называть здравым смыслом. Почему так происходит? Этот вопрос довольно подробно обсуждал Э. Борель (1871–1956) в книге «Случай» [Борель 1923]. Он пришел к выводу, который, по-видимому, остается справедливым и для нашего времени: статистические законы природы, т. е. законы, не позволяющие предвидеть единичный результат какого-то процесса, однако позволяющие довольно точно предвидеть результаты, относящиеся к совокупности событий, не представляются человеческому разуму такими же очевидными, как законы детерминированные. Скорее всего, это связано в первую очередь с процессом воспитания и обучения человека с первых дней его жизни. Мы растем в условиях детерминированности[7]7
  В силу второго закона термодинамики эта детерминированность – просто проявление высшей степени малой вероятности большинства неординарных событий (см. [Борель 1923]).


[Закрыть] нашего повседневного опыта и молчаливо предполагаем, что так же устроены и все прочие процессы в окружающей нас жизни. То, что, повзрослев, мы ежедневно сталкиваемся со случайностью результатов многих окружающих нас процессов [Salsburg 2001, Hahn 2009, Млодинов 2011], не избавляет большинство людей от заложенного в детстве детерминизма. Известный пропагандист шухартовского подхода к совершенствованию процессов Д. Уилер в 1996 г. опубликовал в журнале Quality Digest статью под названием: «Два плюс два равно четырем только в среднем» [Wheeler 1996]. В ней подчеркивается, что именно на уроках арифметики в начальной школе (хотя и не только там) закладывается то догматическое и безапелляционное мышление, которое мешает нам потом в реальной жизни. Да что говорить, даже сам А. Эйнштейн, сыгравший существенную роль в статистической революции ХХ в., не смог отказаться от детерминистических взглядов, что ярко отразилось в его знаменитой дискуссии с Н. Бором («Бог не играет в кости!») [Бор 1961]. Очевидно, что большую роль в исправлении этой ситуации могло бы сыграть обучение статистическому мышлению в школе и институте, т. е. обучение пониманию статистического характера законов природы и умению принимать на этой основе разумные решения. К сожалению, этого не происходит. Тот набор формул и примеров, что изучается в школах и институтах под именем «основы теории вероятностей и математической статистики», как правило, способен лишь отбить желание познакомиться с данным предметом поглубже. И хотя статистика как метод научного исследования все-таки проникает в жизнь в самых разных ее проявлениях все глубже [Salsburg 2001, Hahn 2009], по-прежнему страшно далека она от народа.

Открытие У. Шухарта: признание

Между тем почти одновременно с революцией в физике, вызванной появлением квантовой механики, произошла, может быть, не менее важная революция в подходе к процессам материального производства, основоположником которой и стал У. Шухарт. По сути, он, соединив статистику, технологию и экономику, создал, видимо, первую в истории человечества теорию управления процессами материального производства, которую сам У. Шухарт скромно назвал «Экономичный контроль производимой продукции» [Shewhart 1931].

Одна из причин того, что эта революция осталась незамеченной, состоит в том, что наука, в которой У. Шухарт совершил революцию, а именно менеджмент, находилась в зачаточном состоянии. Фактически У. Шухарт задолго до того, как менеджмент стал изучаемой в университетах научной дисциплиной (где-то в середине ХХ в.), понял, что совершенствование процессов связано с уменьшением их вариабельности, и, более того, дал человечеству способ борьбы с ней.

Но дело не только в этом. Другая причина того, что идеи У. Шухарта оставались практически незамеченными, – недопонимание всей глубины его теории. У. Шухарт с самого начала трактовал «статистический контроль» как симбиоз трех концепций, «а именно как состояние, как процесс и как суждение. Состояние статистического контроля – это идеальная цель; статистический контроль как процесс – это средство достижения цели; что касается контроля – то должно существовать суждение в виде вероятностного вывода относительно того, достигнуто ли это состояние» [Shewhart 1939, с. 43] (курсив У. Шухарта). При этом У. Шухарт много раз подчеркивает, что собственно статистические методы – не более чем инструмент, требуемый для достижения главной цели – состояния статистической управляемости, т. е. состояния отсутствия особых причин вариаций. Из трех вышеописанных этапов только один связан с математической статистикой. Остальные требуют лишь понимания подхода в целом и знания конкретного процесса. Поскольку один из этапов требует хотя бы минимального представления о методах математической статистики, то внедрением и пропагандой статистического контроля качества занялись преимущественно статистики. Ясно, что они в основном стали направлять свои усилия на то, что знали сами, – собственно статистические методы, не уделяя должного внимания основным этапам подхода: целеполаганию и принятию решений (рис. 2.3). Как показано на рис. 2.3, статистики вырвали идею Шухарта из ее системного контекста, превратили ее в самостоятельную вероятностную модель мира и стали активно развивать вероятностно-статистический подход к ККШ (более подробно мы обсудим это в последующих разделах).

Наконец, еще одна причина неприятия миром открытия У. Шухарта состоит в том, что развитие общества в ХХ в. сначала пошло по пути господства рынка изготовителя[8]8
  Вспомним знаменитую формулу Г. Форда «Потребитель вправе иметь автомобиль любого цвета, если этот цвет черный [Форд 1924]», которая появилась примерно тогда же, когда У. Шухарт создал контрольную карту.


[Закрыть], а в тех условиях, каким отвечал этот рынок в первой половине прошлого века, изготовителям оказалось удобнее действовать иначе при обеспечении качества продукции, а именно с помощью выборочного контроля качества (основоположники которого Г. Додж и Г. Ромиг работали в той же Bell Laboratories, что и У. Шухарт). Дж. Джуран, который работал в те годы в Хоторне на заводе Western Electric, тесно связанном с Bell Laboratories, оставил воспоминания об этом периоде [Juran 1997]. Дж. Джуран поступил на работу в 1924 г., а в конце 1925 г. шеф У. Шухарта д-р Р. Джонс предложил шефу Дж. Джурана У. Робертсону провести совместные исследования по трем направлениям: выборочные методы и их вероятностное обоснование, новоиспеченные контрольные карты и рейтинг качества производственной продукции. Предложение было принято, и работа началась.

Со стороны Bell Laboratories в команду, как упоминает Дж. Джуран, входили известные нам Дж. Эдвардс, У. Шухарт, Г. Додж и др. Причем интеллектуальным лидером команды Дж. Джуран называет Дональда Кварлеза, сделавшего впоследствии блестящую карьеру в промышленности и в правительстве США, где он занимал пост исполнительного секретаря (т. е. министра) Министерства вооружений. Понятно, что работы У. Шухарта велись не на пустом месте, они вписаны в широкий исторический контекст, что отмечено в публикации [Provost, Norman 1990] и в очень интересной книге по истории статистики [Salsburg 2001]. Только в конце 80-х – начале 90-х гг. ХХ в., когда обострилась конкуренция, резко сократился жизненный цикл большинства видов продукции и индустриальный мир перешел к рынку потребителя, человечество стало возвращаться к идеям У. Шухарта, которые к тому времени дополнил и развил другой выдающийся специалист в области качества – Э. Деминг. Этому процессу способствовало накопление реального опыта анализа вариабельности процессов, который в широких масштабах появился только в середине 1950-х гг. во времена расцвета так называемого массового производства. Этот опыт показал неэффективность борьбы за качество с помощью системы допусков, т. е. сам ход развития общества продиктовал возврат к идеям У. Шухарта как к методологии совершенствования процессов производства. До этого, т. е. пока не было практического опыта каждодневного столкновения с изменчивой реальностью, концепция вариабельности, так же как, впрочем, и концепция качества в широком смысле, просто не входила в систему ключевых ценностей менеджеров [Adler, Shper 2000].

Глава 3
Основы теории вариабельности (продолжение). Анализ стабильности процессов. Игра «Красные бусы»

К сожалению, за последние примерно 20 лет ситуация с освоением концепции вариабельности У. Шухарта хотя и изменилась в лучшую сторону, но настолько незначительно, что эти изменения трудно заметить. Больше всего они коснулись японской промышленности, которая в силу многочисленных причин[9]9
  По публикациям в отечественной литературе может сложиться мнение, что приехал в Японию Э. Деминг, прочитал японцам лекцию и возникло «японское чудо». На самом деле все гораздо сложнее, но здесь мы не будем обсуждать эту тему [Адлер 2008].


[Закрыть] оказалась весьма восприимчивой к идеям Шухарта в их полном объеме [Golomski 1967, Godfrey 1986]. В англоязычном мире, в первую очередь благодаря бурной деятельности Э. Деминга и его учеников и последователей (Г. Нива, М. Трайбуса и др.), имя У. Шухарта стало широко известным, переизданы его главные книги [Shewhart 1931, 1939], проводятся многочисленные семинары и т. п. Тем не менее применение этого подхода в промышленности (и тем более в сфере услуг) остается довольно ограниченным. В основном оно сводится к построению контрольных карт для процессов производства той или иной детали, тогда как уже давно стало ясно, что «самое важное применение принципов статистического контроля качества… это управление людьми» [Deming 1993]. По-прежнему многие высшие менеджеры не знакомы с теорией Шухарта – Деминга, поскольку ее изучают только в некоторых школах MBA (Master of Business Administration – магистр делового администрирования). По-прежнему многие рассматривают подход Шухарта как инструмент, например, всеобщего управления на основе качества (TQM) или систем качества на основе стандартов ИСО, тогда как на самом деле – это система взглядов на то, как устроен мир и как в этом мире принимать разумные решения.

Статистическое мышление: современные трактовки

Иногда в качестве эквивалента концепции статистического мышления рассматривается так называемое «статистическое управление процессами – СУП» (SPC) или, что встречается реже, – «статистический контроль качества – СКК» (SQC). Единого понимания этого термина также нет. В онлайновом Глоссарии в области качества Американского общества качества (ASQ) термин SPC определен так:

«Применение статистических методов для управления процессом» (https://asq.org/quality-resources/quality-glossary/s), на сайте «Википедии» это «метод управления качеством с помощью статистических методов мониторинга и управления процессами» – http://en.wikipedia.org/wiki/Statistical_process_control, на сайте известной компании PQ Systems (www.pqsystems.com/proveyourquality/statistical-process-control.php) – «текущий анализ данных с помощью контрольных карт, гистограмм и анализа воспроизводимости» и т. д.

К сожалению, дело не ограничивается лишь несовершенством терминологии. Так, в статье Г. Нива [Neave 2002] описаны результаты исследования процесса обучения и применения SPC в Великобритании. Исследование проводилось в компаниях, производящих самую разнообразную продукцию, с численностью работающих от 10 до 400 человек. Оно показало, что методы SPC используются в основном на уровне цеха для наблюдения за процессом производства и охватывают от силы 3 % возможной области применения. Ясно, что даже высокоэффективное применение SPC в трех случаях из ста не может существенно повлиять на состояние организации.

Нам представляется, что ни SPC, ни SQC не должны заменять подход Шухарта – Деминга, но и с концепцией статистического мышления эти понятия не совпадают. Попробуем определить место данной методологии в общей системе SPC.

Здесь мы должны обратить внимание читателей на то, что среди не очень большой части последователей идей Шухарта – Деминга в конце 1980-х – начале 1990-х гг. возникла еще одна тенденция, нашедшая отражение в приведенном ниже понятии «статистическое мышление» [Britz 1996, 2000, Hoerl, Snee 2002, Leitnaker 2000]:

«Статистическое мышление – это философия обучения и действий, основанная на следующих фундаментальных принципах:

● любая работа осуществляется в системе взаимосвязанных процессов;

● во всех процессах есть вариации;

● понимание и снижение вариаций – ключ к успеху».

Эта формулировка была предложена статистическим отделением Американского общества качества в 1996 г. Стоит заметить, что сам термин «статистическое мышление» впервые (насколько это нам удалось установить) появился в цитате знаменитого писателя-фантаста Герберта Уэллса, которая была приведена в качестве одного из эпиграфов к известной книге Даррелла Хаффа «Как лгать при помощи статистики» [Huff 1954, Хафф 2015]: «Придет время, и статистическое мышление станет таким же необходимым качеством для истинного гражданина, как умение читать и писать».

При этом нам не удалось выяснить, что понимал под статистическим мышлением сам Г. Уэллс. Термин «статистическое мышление» в использованной ASQ интерпретации, согласно информации, полученной нами от авторов книги [Hoerl, Snee 2002], был введен Рональдом Сни (R. Snee) в 1986 г. в статье «В погоне за всеобщим качеством» [Snee 1986].

Говоря об англоязычной терминологии в области статистического мышления, нельзя не упомянуть о предложениях по ее изменению, сделанных одним из наиболее известных в этой области специалистов Дональдом Уилером. В работе «Скромное предложение» [Wheeler 1998] он пишет: «Статистическое управление процессами – это не статистика, это не мониторинг процессов и это не соответствие допускам… Это постоянное совершенствование процессов и их результатов. И, прежде всего и более всего, – это способ мышления плюс некоторые сопутствующие инструменты». И далее Д. Уилер предлагает заменить:

● SPC – на постоянное совершенствование;

● контрольные карты – на карты поведения процесса;

● управляемый процесс – на предсказуемый процесс, соответственно, неуправляемый процесс – на непредсказуемый;

● контрольные пределы для индивидуальных значений – на естественные границы процесса и т. д.

В русскоязычной литературе термин «статистическое мышление», как правило, используется в его прямом и очевидном смысле: мышление с пониманием и привлечением статистических методов. Число отечественных публикаций, где обсуждается подход У. Шухарта, довольно ограниченно (подробнее см. в [Адлер, Шпер 2015]).

Будущее действительно широкого внедрения статистического мышления в России, как нам кажется, зависит от того, пойдет ли наша страна по пути индустриально развитых стран или будет опять искать некий свой путь. Если мы будем развиваться в русле мирового прогресса, то сама жизнь раньше или позже заставит нас внедрять идеи У. Шухарта, поскольку ничего лучшего для совершенствования процессов пока никто не придумал.

Интерпретация общих и специальных причин вариаций У. Шухартом

Сам У. Шухарт подходил к определению общих и особых причин вариаций исключительно прагматично и опирался на то, сколько стоит поиск соответствующих причин и окупится ли он. Шухарт назвал особые причины assignable, что в дословном переводе означает «те, что можно приписать к чему-то определенному». Другими словами, это те причины, которые достаточно легко выявляются или поиск и обнаружение которых не связаны с чрезмерными затратами. Вот что писал У. Шухарт в 1939 г. [Shewhart 1939, с. 30–31]:

«…Мы начнем с фразы „особые (assignable) причины“. Особая причина вариаций в том смысле, как этот термин используется в работах по контролю качества, это такая причина, которую можно экспериментально обнаружить с затратами, не превышающими те потери, из-за которых ее стоит искать. Определенная таким образом, особая причина сегодня может не оставаться таковой завтра из-за изменения экономических факторов стоимости и ценности обнаружения этой причины. Точно так же критерий, который указывает на особую причину для одного производственного процесса, совсем не обязательно окажется удовлетворительным для других процессов.

Очевидно, что не существует априорного, формального и математического метода установления критерия, который будет указывать на особую причину в каждом конкретном случае. Напротив, единственный способ, оправдывающий использование любого критерия, – это интенсивный эксперимент. Тот факт, что использование любого заданного критерия надо обосновать опытным путем, подчеркивается здесь для того, чтобы избежать путаницы между таким критерием и критериями статистической значимости… Здесь достаточно напомнить, что любой тест на статистическую значимость – это дедуктивный вывод, основанный на некоторых фундаментальных допущениях… Напротив, когда наблюдаемая нами статистика находится за контрольными пределами, то подразумевается индуктивный вывод о том, что присутствует особая причина. Чтобы проверить этот индуктивный вывод, надо обратиться к объективному доказательству» (курсив и жирный шрифт наши, А.Ш.).

Определение, приведенное нами выше, есть следствие простого факта: практика многократного использования подхода У. Шухарта показала, что особые причины, как правило, связаны с чем-то, чего в нормальном ходе процесса не происходит. Тем не менее следует иметь в виду, что после того, как все аномалии устранены, нас может не устраивать общая вариабельность процесса. И тогда мы должны приняться за общие причины вариабельности. И если теперь какую-то присущую процессу причину вариаций можно выявить (т. е. вычленить ее конкретное влияние на параметры/характеристики процесса), то она естественным образом перейдет из разряда общих в разряд особых причин. Другими словами, при определенных условиях между двумя этими группами нет никакой иной разницы, кроме того, что мы либо не можем определить, как каждая из многих причин влияет на процесс, либо это слишком дорогое удовольствие, которое не окупится этим приобретенным знанием. Может быть, для особых причин вариаций, которые до того были общими, следовало бы придумать какое-либо иное название, чтобы отличать их от тех, какие оказываются посторонними для процесса. Но, с другой стороны, как только мы выяснили какую-либо конкретную причину вариабельности, она тем самым автоматически становится особой причиной в том смысле, что сама возможность ее устранения приводит к этому выводу. Для практики, однако, важно не погружение в эти философские дебри, а понимание того, что само разделение причин вариаций на общие и особые принципиально важно для принятия решений и последующих действий, и именно в этом смысле мы говорим о принципиальном различии общих и особых причин вариаций.

Операциональные определения

Приведенные выше определения общих и особых причин вариаций хотя и понятны, но бесполезны с практической точки зрения. В самом деле, как с помощью таких определений можно ответить на вопрос: какие причины вариаций присутствуют в том или ином конкретном процессе, а какие – нет? К сожалению, подобных определений в самых различных сферах человеческой деятельности очень много, и именно поэтому У. Шухарт, а затем и Э. Деминг постоянно уделяли внимание тому, как избавиться от неоднозначности понимания разными людьми одних и тех же слов. Для этого они предложили использовать понятие об «операциональных определениях».

Операциональное определение – определение, которое понятно всякому разумному человеку и которым можно воспользоваться на практике [Wheeler 1993]. Иначе: операциональным называют определение, передающее значение некоторого понятия, конкретизируя как способ измерения той или иной величины, так и условия применения соответствующих результатов. Таким образом, операциональное определение должно: