Ознакомительная версия.
Предположим, что в некотором процессе мы систематически регистрируем во времени результаты измерений. Измеряемыми величинами могут быть длина стального прутка после операции обрубки, или затраты времени на обслуживание машины, или ваш собственный вес до приема пищи, или процент дефектных (не попавших в допуски) в партии от поставщика, или коэффициент интеллекта, или время между выставлением счета и получением денег и т. д. На рисунках 5a–5d показаны четыре примера записи данных (карты текущих значений), регистрируемых в ходе измерений. В каждом примере время изменяется вдоль горизонтальной оси, а чем выше расположена точка на вертикальной оси, тем больше размер, длина, запаздывание и вообще все то, что мы регистрируем в этот момент.
На рисунках 5а и 5b изображен типичный пример того, что мы можем ожидать от процесса, находящегося в управляемом состоянии. Рисунки 5с и 5d явно указывают на процесс, находящийся в неуправляемом состоянии. А все четыре графика демонстрируют наличие вариаций в измерениях (поскольку без вариаций график был бы просто горизонтальной линией). Разница в том, что на рисунках 5а и 5b характер вариаций на самом деле сохраняется в течение всего периода наблюдений, в то время как на рисунках 5с и 5d имеются весьма заметные изменения в поведении вариаций во времени. Какое же значение это имеет для практики? Как оказалось, очень важное.
В примерах, приведенных на рисунках 5а и 5b, мы можем спрогнозировать будущие результаты этих процессов (конечно, без абсолютной определенности, ведь всегда может что-то случиться и испортить все дело). Но в случаях, представленных на рисунках 5с и 5d, мы не способны ничего предсказать, поскольку поведение выхода этих процессов изменяется совершенно непредсказуемым образом.
Несколько более формальная интерпретация того, что подразумевается под процессом, находящимся в статистически управляемом и неуправляемом состояниях, дается на отдельном листе с диаграммами, взятыми из документа компании Ford[20].
На рисунке 6 наглядно представлено статистическое распределение. Маленькие кубики, показывающие число измерений, располагаются вдоль горизонтали в соответствии с измеряемыми значениями. Совокупность таких кубиков и образует фигуру, называемую гистограммой.
Предположим, мы регистрируем все больше и больше данных (и, соответственно, подстраиваем вертикальную ось, чтобы гистограмма не вылезала за верх страницы). Тогда при некоторых существенных условиях, которые обсуждаются ниже, общая картинка стабилизируется и изменения в ней с приходом все новых и новых измерений будут практически незаметны. Она становится графическим представлением статистического распределения результатов измерений. Этот рисунок характеризует возможное поведение разброса результатов измерений. Данные и распределение на рисунке 6 интерпретировались как размеры некоторых образцов, но они могут точно так же интерпретироваться в контексте всех примеров, приводившихся выше, как и в миллионах других примеров.
Ключевая фраза для понимания рисунка 6 – «если сам исходный процесс стабилен» – напрямую связана с понятием статистически управляемого процесса. Идея заключается в том, что если в ходе измерений на процессы оказывает влияние некоторое постороннее воздействие (например, по отношению к приведенным выше примерам: настройка машины изменилась, норма обслуживания для механика по наладке увеличилась, вы сели на диету, ваш поставщик стал использовать сырье плохого качества и т. д.), то результаты измерений не могут рассматриваться как происходящие из одного и того же источника, и, таким образом, никакое стабильное распределение нельзя использовать для его представления. На самом деле, как мы увидим позже, определение стабильности, представляемое единственным фиксированным распределением, слишком идеализировано с практической точки зрения (позже мы будем ссылаться на эту искусственно-идеальную ситуацию как на представляющую идеально точную стабильность).
Как видно из рисунка 7, распределения могут отличаться во многих отношениях. Термин «положение» относится к положению среднего значения, «разброс» характеризует степень вариабельности относительно среднего, а «форма» указывает, например, расположены ли данные значения симметрично относительно среднего или, напротив, есть некоторые сжатия с одной стороны и растяжения с другой.
В терминах статистического распределения рисунки 8 и 9 соответственно определяют, так сказать, на глаз, что подразумевается под процессами, находящимися и не находящимися в статистически управляемом состоянии.
Процесс находится в состоянии статистического контроля (статистически управляемый процесс), если лежащее в его основе распределение остается практически неизменным во времени. Если же распределение изменяется во времени существенно и непредсказуемо, то говорят о процессе, вышедшем из-под контроля (ставшем неуправляемым).
Как ученый, Шухарт знал: во всем, что поддается измерению, обязательно есть вариации. Вариации могут быть крайне большими, ничтожно малыми или находиться между этими двумя крайностями, но они есть всегда[21].
Исследования Шухарта по статистическому управлению процессами вдохновлялись его наблюдениями за характером вариации в изучаемых им производственных процессах. Часто их характер отличался от того, что Шухарт видел в так называемых «естественных» процессах (под последними он понимал, например, такое явление, как броуновское движение). На стр. 5 книги Дональда Дж. Уиллера и Дэвида С. Чамберса «Понимание статистического управления процессом» (Understanding Statistical Process Control) эти два важных наблюдения объединяются следующим образом:
«Несмотря на то что все процессы проявляют вариабельность (изменчивость), в некоторых из них вариации контролируемые (управляемые), а в других – неконтролируемые (неуправляемые)».
В частности, Шухарт часто находил контролируемые (стабильные) вариации (представленные на рисунках 5а, 5b) в естественных процессах, а неконтролируемые (нестабильные) вариации (такие, как на рисунках 5с, 5d и 9) – в производственных процессах. Различия в них ясны. В первом случае мы знаем, чего можно ожидать в терминах изменчивости: процесс находится в статистически управляемом состоянии (состоянии статистического контроля); во втором случае мы этого не знаем: процесс статистически неуправляем (находится в статистически неконтролируемом состоянии). Если в первом случае мы можем предсказать будущее с некоторыми шансами на успех, то во втором мы этого сделать не можем.
Ознакомительная версия.
