СТАТИСТИЧЕСКОЕ МОДЕЛИРОВАНИЕ

СТАТИСТИЧЕСКОЕ МОДЕЛИРОВАНИЕ

После того как базис построен (сеть процессов определена, каждый процесс идентифицирован и документирован, определены взаимосвязи процессов, обязанности и полномочия, каналы передачи информации), наступает собственно этап менеджмента качества процессов (построение и эксплуатация надстройки, рис.   ). Надстройка предполагает комплексное руководство сетью процессов жизненного цикла продукции – их планирование, обеспечение, управление и улучшение. В отличие от базиса надстройка нормативными документами не прописана, только обозначена. Развертывание процедур менеджмента качества процессов жизненного цикла продукции – в свою очередь тоже процесс, причем творческий. Когда говорят, что системы менеджмента качества не должны походить друг на друга, имеют в виду, что они отличаются именно надстройкой. Это естественно, так как процессы жизненного цикла компаний различны. С чего начинать здесь?

Анализ состояния менеджмента качества на промышленных предприятиях РБ показал, что наибольший круг первоочередных проблем связан с качеством именно производственных процессов и в частности с их обеспечением, корректированием (управлением) и улучшением. Это объясняется главным образом традиционным отставанием в их технической оснащенности. Кроме того, инженеры по качеству, как правило, – люди, имеющие базовое инженерное образование и опыт работы технологов, конструкторов, метрологов и т.п. Проблемы качества производственных процессов для них близки психологически, т.к. они их знают «изнутри». Это объясняет повышенное внимание, интерес и приоритеты служб качества предприятий именно к методам, техникам, методикам, касающимся планирования, обеспечения, управления и улучшения основных производственных процессов жизненного цикла продукции. С этого и надо начинать внедрение информационных технологий.

 

Попытки систематизации существующих технологий по признаку стадийности (планирования, обеспечения, управления и улучшения) основных процессов жизненного цикла продукции не дают полного представления о том, что имеется сегодня на рынке информационных процессов этого класса. Предлагаемые технологии, методики, техники можно сравнить с кусочками разбитого зеркала, разбросанных на полу, из которых менеджеру по качеству надо собрать зеркало, адекватно отражающее его процессы и их проблемы. Это зеркало – методология менеджмента процессов компании.

Подавляющее большинство производственных процессов можно по степени определенности отнести к категории «черные ящики». Для них характерно, что целевая функция, связывающая заданный параметр качества процесса с влияющими параметрами, имеет характер стохастической зависимости. Наиболее яркие представители этой категории процессов являются производственные процессы, физическая сущность которых определяется большим количеством влияющих факторов и не может быть «познана» в полной мере. Этот класс процессов – наиболее проблематичен с точки зрения менеджмента качества. Все широко рекламируемые, а также малоизвестные методы, техники и подходы для решения проблем качества этих процессов можно объединить под одним названием «статистическое моделирование процессов», т. к. основаны они на принципах теории вероятности и математической статистики. Типовая статистическая модель должна отвечать как минимум на следующие вопросы:

  • какие параметры процессов определяют качество продукции на выходе бизнес – процесса;
  • ранжирование параметров по значимости вклада в качество конечной продукции;
  • все ли параметры учтены в модели, адекватна ли модель;
  • можно ли улучшить процесс за «счет внутренних резервов», например методами робастного моделирования;
  • можно ли прогнозировать состояние качества продукции и процессов и принимать соответствующие корректирующие и предупреждающие меры.

«Пищу» для статистического моделирования процессов составляют «данные о качестве» – накапливаемые в количественной или качественной форме данные о параметрах качества каждого процесса сети процессов.

Информационно доступна на сегодняшний день масса всевозможных техник, приемов, методик статистического моделирования. Однако, если проанализировать, то подавляющее большинство из них были разработаны достаточно давно. Это неудивительно. Проблемы качества начали решаться не вчера. Многие технологии менеджмента качества процессов, касающиеся планирования, обеспечения, управления и улучшения развивались параллельно и независимо в различных странах, в различных компаниях, для различных видов продукции. Например, методология QFD была, разработана в Японии в 1966 году и имела статус «know-how». Приблизительно в это же время появились в СССР первые учебные пособия по основам проектирования изделий, где стратегически и тактически решаются те же задачи. Аналогичный пример можно привести с техниками Activity Based Costing (США) и Функционально-стоимостным анализом (СССР), техниками FMEA, “What if» и “защитой от дурака”, методами ТРИЗ и т.п..

Отличительной особенностью информационных технологий в области статистического моделирования, используемых в промышленном менеджменте на ранних этапах (до 70–х…80-х годов), является использование так называемых «простых» методов и подходов. Основные причины – большое количество проблем с качеством производственных процессов (показатели сходимости и воспроизводимости), стремление к максимальному охвату работников компании всех уровней, отсутствие персональной компьютерной техники и соответствующего программного обеспечения. Характерный пример – семь японских простейших инструментов менеджмента качества. Высокая эффективность простых статистических методов («поверхностный» анализ, контроль, регулирование процессов) в свое время определялась довольно большим количеством явных несоответствий, присущих неотлаженным производственным процессам с одной стороны и удобством мониторинга отлаженных процессов со стороны персонала всех уровней с другой. Для своего времени это была очень грамотная массовая стратегия, рассчитанная на достаточно узкий круг задач, соответствующий уровень общей подготовленности персонала, низкий уровень программного обеспечения и его доступности, значительно менее жесткие, нежели сегодня, требования к качеству продукции и процессов.

Эта тенденция, к сожалению, остается в силе и сейчас как основная стратегическая линия руководства процессами под названием «статистические методы» в рамках систем менеджмента качества, соответствующих СТБ ИСО 9001-2001.

Практика внедрения статистических методов в такой постановке показала, что среди всех требований к системам качества, это – наиболее слабое звено. Интерес к статистическим методам вызван, как правило, только необходимостью их наличия, так как отсутствие элемента «статистические методы» не позволит получить (подтвердить) сертификат на систему качества. Эффективность этого подхода сегодня, мягко говоря, невысока. Во-первых, в последнее время значительно ужесточились требования к параметрам качества самих процессов. Во-вторых, усложнились качественно и количественно задачи менеджмента качества процессов. В-третьих, мы сегодня живем в эпоху тотальной персональной компьютеризации и «навязчивого» программного обеспечения, которые изменили в принципе философию пользования интеллектуальными информационными технологиями.

Нетрудно доказать, что алгоритм обеспечения качества одинаков для процессов любой природы.

Удачная формализация любого процесса практически всегда приводит к прагматичному подходу – действительные значения параметра качества процесса должны укладываться в установленные границы (поле допуска), определяющие понятие «уровень качества». Такой подход аналогичен широко распространенному у нас на практике методу компенсирования и в классическом смысле включает две последовательно – параллельные задачи (рис.1):

1). центрирование действительного и заданного полей рассеяния значений параметра качества (совпадение математического ожидания и середины поля допуска);

2). снижение диапазона действительного рассеяния параметра до значения индекса воспроизводимости процесса, например, Ср > 1,33.

 

Рис.1 Графическая интерпретация статистического моделирования процессов.

 

Для решения этих задач типовая процедура статистического моделирования, в конечном счете, может быть сведена к трем этапам:

1). Выявление, структуризация и ранжирование влияющих на рассматриваемый показатель качества продукции факторов;

2). нахождение функции связи;

3). анализ функции связи и выработка целевых управляющих решений.

Буквально все существующие на рынке информационных технологий менеджмента качества подходы, техники, методики укладываются в эту схему.

Естественно, простота формализации и алгоритма обманчива. Многообразие реальных ситуаций за период 50 – 60 последних лет привело к тому, что в багаже методов менеджмента качества, пожалуй, нет ни одного раздела математики, который не был бы задействован для решения тех или иных проблем качества. Здесь кластерный, дискриминантный, дисперсионный, регрессионный, факторный, корреляционный и др. анализы, различные техники: планирование эксперимента, анализ выживаемости, нейронные сети и др. Менеджеры по качеству в силу различных причин вынуждены были рассматривать нештатные проблемы как самостоятельные научно – исследовательские задачи и привлекать научный потенциал специалистов – математиков со стороны. Это, конечно же, не способствовало массовому внедрению методов статистического моделирования высокого уровня в промышленных компаниях.

Анализ методов менеджмента в таких областях деятельности, как финансы, маркетинг, медицина и др. показал, что методы достижения целей развивались другим путем, нежели в промышленном менеджменте. Основной методологией управления бизнес-процессов в этих областях является методология статистического моделирования процессов. Эта методология включает комплекс модулей (техник, методов, приемов), разработанных на основе теории вероятности и математической статистики, из которых можно формировать очень эффективные методики для решения задач планирования, обеспечения, управления и улучшения бизнес-процессов. Каждый модуль представляет собой совокупность аналитических методов различного уровня, в том числе высокого. Появились мощные пакеты прикладных программ SPSS (SPSS Inc.), STATGRAPHICS (Manugistic Inc.), STATISTICA (Stat.Soft) и др. с достаточно дружественными интерфейсами. Сравнительный анализ этик пакетов показал, что количество модулей статистического моделирования в мире бизнеса действительно устоялось и закрывает практически все возможные задачи менеджмента в части всестороннего анализа и прогноза бизнес-процессов.

Появление тестированных пакетов прикладных программ, ставших сегодня доступными, на наш взгляд, является тем самым недостающим звеном цепи дальнейшего развития методологии менеджмента качества процессов.

Программное обеспечение, обеспечивающее поддержку практически любых процедур, применяемых при решении различного рода задач менеджмента, «разгружает» пользователя (менеджера) от глубокого знания несвойственных ему областей, например, высшей математики, и позволяет сосредоточиться на постановке задачи, формализации исходных данных, интерпретации результатов расчетов. Это, на наш взгляд, является ключевым моментом, создающим реальные предпосылки для внедрения методологии статистического моделирования на промышленных предприятиях Республики Беларусь в качестве основы для создания методологии менеджмента качества процессов.

Следует отметить еще один аспект использования статистических методов высокого уровня. В теоретическом подходе к статистическому моделированию и производственных изысканиях есть различия по (целевым функциям) конечным целям. Как правило, первый преследует цель подбора функции связи по критериям максимальной адекватности (истинности) и статистической мощности (надежности), а также дальнейшего исследования этой функции по оценке статистической значимости отдельных факторов, групп факторов, их взаимовлияния (корреляции) на отдельных участках или в отдельных критических точках и т.д. В производственных условиях при решении проблем корректирования или улучшения процесса, как правило, руководствуются более прагматическим подходом – действительные значения параметра качества процесса должны укладываться в установленные границы (поле допуска). Такой подход аналогичен широко распространенному у нас на практике методу компенсирования и в классическом смысле включает две последовательно – параллельные задачи:

Различие в целях неизбежно повлекло за собой существенные изменения в технике реализации различных математических методов. используемых в обоих случаях.

Например, классический дисперсионный анализ рассматривает и совершенствует техники анализа планов максимум с пятью параметрами с целью получения адекватных, устойчивых, статистически значимых оценок, раскрытия природы взаимодействия факторов. В промышленном менеджменте качества используют технику ANOVA, с помощью которой анализируют планы с 16, 32 и более факторами. Причем преднамеренно в ущерб адекватности и значимости не рассматриваются как правило эффекты взаимодействий, которые рассматриваются как «помехи», усложняющие процесс идентификации главных эффектов при минимальном количестве наблюдений. В пакете STATISTICA (Stat.Soft) эта техника представлена как отдельный модуль с простыми, доступными правилами подготовки исходных данных о качестве анализируемого процесса, управления процедурой компъюторной обработки данных, представления результатов анализа. Достаточно простая для понимания трактовка результатов делает эту технику в таком исполнении незаменимой для менеджеров по качеству для решения задач разведочного анализа данных и ответов на ключевые вопросы: что влияет и в какой степени, все ли факторы учтены.

Классическим примером прагматического «производственного» подхода, грешащего отсутствием строгих математических канонов, является также техника Г. Тагучи – техника робастного проектирования управляемых параметров процесса, комбинация которых решает типичную задачу: заданный показатель качества процесса должен вписываться в установленные пределы поля допуска. Хоть техника Г. Тагучи и не ориентирована на компьютерное моделирование, «стратегия» органического вживления ее в производственный процесс вызывает уважение. Несмотря на то, что эта техника содержит такие методы статистического моделирования высокого уровня, как кумулятивный, дисперсионный, линейный регрессионный и корреляционный анализы, она преподносится так, что барьеры непонимания высшей математики и соответственно комплекс неполноценности со стороны менеджеров по качеству исчезают. Здесь несколько существенных на наш взгляд причин. Во – первых, чисто производственная, а значит понятная постановка задачи: добиться того, чтобы диапазон рассеяния параметра качества процесса находился в пределах установленного поля допуска, т.е. чистая задача компенсирования. Во – вторых, обязательное успешное, с большим экономическим эффектом внедрение этой техники на предприятии по крайней мере на одном процессе. В – третьих, многоуровневая система обучения, где практическим живым примерам уделяется серьезное внимание.

Следует иметь ввиду, что использование методов статистического моделирования процессов для целей менеджмента качества (в том числе выработке последующих корректирующих и предупреждающих действий) доказывает, что управление базируется действительно на «фактических данных», а не на предположениях. Этот факт достаточно актуален для реализации соответствующего принципа построения систем менеджмента качества, соответствующих МС ИСО семейства 9000 версии 2000 года.

Какие методы в современных условиях лучше, современнее, эффективнее: простые статистические или методы высокого уровня? Этот вопрос все чаще возникает в рамках дискуссий по поводу использования статистических методов в менеджменте качества. Отметим, что такая постановка вопроса некорректна. Отталкиваться надо, на наш взгляд, от целей и задач. Хороши те методы, которые наиболее эффективно позволяют решать задачи менеджмента качества

На рис. 1 представлена структура основных типовых задач, которые должен решать менеджмент качества в рамках систем менеджмента качества. Здесь же дано соотношение простых статистических методов и методов высокого уровня в рамках “Quality engineering”.Очевидно, что простые статистические методы были, есть и будут востребованы как эффективный инструмент менеджмента качества. Однако сейчас особенно остро стоит проблема разработки и массового использования инженерных статистических методов самого широкого спектра. Этого же требует масштабность задач в отношении качества продукции и процессов (рис.2). Наконец, это вопрос стратегии развития менеджмента качества в Республике Беларусь.

Последнее время начала формироваться тенденция роста интереса к статистическим методам. Появилась возможность начать формировать современное позитивное отношение у руководства и персонала предприятий к статистическим методам вообще и к методам высокого уровня в частности, как к мощному рычагу решения проблем с качеством процессов прежде всего за счет внутренних резервов.

Качество становится более техничным. В общем, базовые методы сами по себе уже не могут обеспечить того уровня чувствительности и анализа, который необходим для изучения сложных систем. А поскольку большинство организаций – это сложные системы, применение новых технических методов будет иметь важное значение для достижения высоких бизнес – результатов. Это, конечно, не означает, что организации должны отказаться от простых методов, применение которых – минимальная плата за выход на мировой рынок.