Все права защищены. Произведение предназначено исключительно для частного использования. Никакая часть электронного экземпляра данной книги не может быть воспроизведена в какой бы то ни было форме и какими бы то ни было средствами, включая размещение в сети Интернет и в корпоративных сетях, для публичного или коллективного использования без письменного разрешения владельца авторских прав. За нарушение авторских прав законодательством предусмотрена выплата компенсации правообладателя в размере до 5 млн. рублей (ст. 49 ЗОАП), а также уголовная ответственность в виде лишения свободы на срок до 6 лет (ст. 146 УК РФ).

Памяти Дэвида Чамберса, наставника и друга для всех, кто понимает статистическое управление процессами

Предисловие к русскому изданию

Глаза и уши менеджмента

Сотри случайные черты,

И ты увидишь: мир прекрасен.

Александр Блок

Шел 1923 год. Работы по телефонизации Америки быстро расширялись. Это стало возможным благодаря изобретению Александра Белла и созданию им специальной корпорации — American Telephone and Telegraph (АТ&Т) для внедрения телефона в жизнь. Как всегда, в новом деле не все ладилось. А тут еще, откуда ни возьмись, появились конкуренты. Пришлось принимать меры. Сгоряча компания объявила, что берется исправлять любую ситуацию, связанную с претензией клиента, в течение суток с того момента, когда о ней узнает.

Одна из главных проблем заключалась в том, что внезапно отказывали промежуточные усилители сигнала, включенные в проводную сеть через каждые 500 м. Без них сигнал становился таким слабым, что практически ничего не было слышно. Так вот, эти усилители были ламповыми (полупроводники еще только предстояло открыть) и часто переставали работать из-за отказов той или иной лампы. Хотя в технических условиях были указаны гарантийные сроки их безотказной работы, лампы про это ничего не знали и гарантийных сроков совершенно не соблюдали. Из-за этого не удавалось сосчитать, сколько требуется аварийных бригад, необходимого для них транспорта и запасных ламп для замены перегоревших.

Компания АТ&Т обратилась за помощью в исследовательский центр, созданный А. Беллом специально для таких целей. Он-то и назывался Bell Laboratories. Случилось так, что как раз в это время туда поступил на работу молодой инженер-физик, которого звали Уолтер Шухарт. Ему и поручили разбираться с проблемой вариабельности (непостоянства) моментов, когда происходили отказы электронных ламп. И он разобрался, причем не только с лампами, но и с тем, как устроены сложные системы и какое воздействие на них оказывает вариабельность.

В мае следующего, 1924 г., Шухарт предложил решение проблемы анализа вариабельности любого процесса, которое оказалось гораздо шире проблемы отказов ламп и привело к созданию концепции статистического мышления, изменило существовавшие представления о свойствах систем и создало предпосылки для современных систем менеджмента качества. Словом, решение У. Шухарта совершило революцию в нашем понимании мира. Судьба этой революции сложилась, однако, совсем не так гладко, как хотелось бы. И этот урок для нас очень важен. Идея У. Шухарта, позже развитая Э. Демингом, как раз и описана в данной книге — подробно и тщательно. Мы к ней еще вернемся. Но сначала попробуем извлечь урок из истории.

Как известно, в 1905 г. Альберт Эйнштейн открыл сначала специальную, а затем, в 1916 г., и общую теорию относительности. А примерно в 20-х гг. того же XX в. Вернер Гейзенберг и Эрвин Шредингер сформулировали основные положения квантовой механики. Эти открытия в корне перевернули физику как науку, изменив наше понимание того, как устроена природа. В очередной раз оказалось, что реальный мир совсем не похож на наше представление о нем.

Большинство людей жили (и живут) в статичном детерминированном мире, где четко прослеживаются причины и их следствия, где заранее известно, «что будет, если…». Открытие теории относительности и квантовой механики похоронило эту картину мира. Оказалось, что нет ни абсолютного пространства, ни абсолютного времени, что результат наблюдения влияет на объект, за которым мы наблюдаем, и что предсказать, что «будет, если…», можно только с некоторой вероятностью или неопределенностью. Детерминизм как концепция утратил свои доминирующие позиции в науке. При этом на обычную жизнь простого человека ни теория относительности, ни квантовая механика никакого практического влияния не оказывали и не оказывают.

Почти одновременно с этими великими достижениями человеческого разума было совершено еще одно открытие, которое, на наш взгляд, имеет ничуть не меньшее значение для человечества, — это открытие фундаментальной роли вариабельности мира и способа минимизировать ее влияние на решения, которые мы принимаем. Его как раз и совершил Уолтер Шухарт в 1924 г.

Конечно, еще Гераклит говорил, что «нельзя дважды войти в одну и ту же реку», имея в виду изменчивость мира. Да и Фредерик Тейлор понимал, что мир вариабелен. Но именно открытие Шухарта имеет потенциал, способный оказать громадное влияние на бóльшую часть человечества. Вместе с тем число людей, знающих о нем, ничтожно мало. И, что более важно, практическая реализация этого открытия идет крайне медленно, встречая жесткое сопротивление людей, привыкших с детства к детерминистским суждениям. Возможные причины такой ситуации сводятся, на наш взгляд (см. также [1]), к следующему.

• Наука, в которой Шухарт совершил революцию — а речь идет о менедж­менте, — находилась в зачаточном состоянии, ее статус был несравним со статусом физики.
• Парадигмы кусочно-лоскутного статичного мышления, не позволяющего видеть систему в целом и понимать сложность связей причина — результат, господствовали и продолжают господствовать в наших головах.
• Система воспитания, обучения и управления людьми, построенная по принципу «сделай это — получится то», ежедневно и ежечасно приучает нас именно к такой модели восприятия окружающего мира.
• Отсутствие потребности в борьбе с вариабельностью, вызванное господством рынка изготовителя на протяжении значительной части XX в., не делало проблему актуальной в глазах высшего руководства.

Кроме того, к вышеперечисленному следует добавить тот факт, что о революциях в физике нам рассказывают в средней школе — т.е. эта информация носит статус обязательных знаний, которыми должен владеть любой образованный человек. В отличие от физики менеджменту в средней школе не учат (и зря?!), и следовательно, знание о вариабельности мира не входит в тот минимальный набор, который в XXI в. должен быть в голове любого человека. Интересно, что физические представления не переносятся автоматически на менеджмент. Физика и менеджмент живут как бы в разных мирах.

Основная идея теории Шухарта очень проста: мир сложен, и точно предсказать результат большинства реальных процессов невозможно в принципе. Но для практики этого и не нужно: достаточно научиться предсказывать результаты с той степенью уверенности, которая экономически оправданна на данном этапе развития человечества и при данном уровне последствий принимаемых решений. Чтобы это сделать, следует принять во внимание, что бóльшая часть результатов любого процесса определяется системой, в которой этот процесс проходит, и лишь небольшая их часть вызвана внешними по отношению к этой системе причинами.

Это важное открытие сделал Джозеф Джуран, предложивший правило 85:15. Оно означало, что 85% всех неприятностей обусловлено поведением системы и только 15% зависят от конкретных внутренних или внешних обстоятельств, например от поведения людей в системе или от качества сырья. Доктор Эдвардс Деминг много раз уточнял оценку Дж. Джурана и в конце жизни пришел к соотношению 98:2, оставляя без присмотра системы всего 2% неприятностей. Поэтому прежде всего нам надо научиться определять, какие результаты принадлежат системе, а какие — внешним или внутренним внесистемным силам.

Результатами, обусловленными системой, можно управлять, только изменяя саму систему. Но сначала надо устранить все внесистемные воздействия, поскольку они по определению неуправляемы и, следовательно, непредсказуемы. Инструментом, помогающим понять, какие воздействия принадлежат системе, а какие нет, и служат контрольные карты Шухарта (ККШ), теория которых была разработана в книгах [2, 3], а затем развита и расширена в работах другого выдающегося ученого — Эдвардса Деминга [4, 5].

По сути, речь идет о том, что все системы и все процессы очень болтливы. Они хотят рассказать нам о том, как устроены. Проблема в том, что разговаривают они на своем языке, который надо научиться понимать, т.е. научиться слушать и слышать «голос процесса» или «голос системы». ККШ — это как раз способ перевода информации о процессе или о системе на наш обычный человеческий язык, инструмент, с помощью которого мы можем общаться с нашими процессами и оптимально управлять ими.

К сожалению, этот инструмент почти незнаком современным менеджерам, а те немногие, кто о нем знает, часто не вполне корректно его применяют. Отчасти это объясняется тем, что обе книги У. Шухарта до сих пор не переведены на русский язык, а имеющаяся по ККШ литература грешит различными изъянами [например, 6–12]. Эти изъяны не случайны. Случилось так, что первую работу о контрольных картах У. Шухарт опубликовал в статистическом журнале, что автоматически стало рассматриваться как появление нового статистического инструмента. Вот тут-то и таилась серьезная ошибка. Хотя У. Шухарт, несомненно, был статистиком, его детище было устроено так, что помогало избегать «пагубного влияния статистических моделей».

Дело в том, что при решении некоторых важных статистических задач введение некой модели неизбежно. Иначе просто нельзя создать основу для анализа и интерпретации данных. Но в случае практического управления бизнес-системой в этом нет необходимости. Здесь статистическая модель создает лишь ненужные ограничения, сковывающие наши действия. Управление — не результат дедуктивного вывода, а следствие индуктивного рассуждения, возникающего при взаимодействии человека и системы или процесса, которыми он управляет.

Более того, практика, то бишь жизнь, гораздо сложнее и ответственнее, нежели любая теоретическая наука, в том числе и статистика. Вот что писал по этому поводу д-р Э. Деминг [4], ссылаясь на У. Шухарта: «Практика более требовательна, чем чистая наука; более требовательна, чем обучение». И еще: «Как чистая, так и прикладная науки постоянно ужесточают требования к точности и сходимости… Тем не менее прикладная наука, особенно в массовом производстве взаимозаменяемых деталей, даже более требовательна по отношению к некоторым аспектам точности и сходимости, чем чистая наука. Например, теоретик проводит серию измерений и на их основе делает то, что он считает наилучшими оценками точности и сходимости, безотносительно к тому, как мало измерений у него есть. Он охотно согласится, что будущие исследования могут доказать ошибочность этих измерений. Возможно, все, что он сможет про них сказать, — это то, что они настолько хороши, насколько любой разумный специалист мог получить на основе тех данных, какие были доступны в момент, когда проводились измерения. Но давайте теперь посмотрим на практика. Он знает, что если бы он действовал на основе тех скудных данных, какие доступны теоретику, то он сделал бы такие же ошибки, как и теоретик. Он также знает, что из-за его ошибки кто-то может потерять кучу денег, или получить травму, или и то и другое».

Статистики же рассматривали ККШ в рамках различных статистических моделей, коих были построены сотни1. Они породили огромную литературу, описывающую тонкие нюансы поведения разных моделей. Все это было захватывающе интересно и остроумно, дало возможность публиковать книги и защищать диссертации, только не имело отношения к замыслу У. Шухарта и его последователей, что сыграло роковую роль в судьбе этих идей. Долгие десятилетия результаты У. Шухарта извращались, и только благодаря усилиям Э. Деминга и его последователей, к которым принадлежат и авторы данной книги, ситуация постепенно начала исправляться.

Что же такое особенное не разглядели статистики в работах Шухарта? Он обнаружил, что система (т.е. вся совокупность элементов, определяющих результат бизнес-процесса), если она находится в стабильном, управляемом, устойчивом состоянии, ведет себя так, что ее результаты можно предсказывать с определенной точностью до тех пор, пока что-то или кто-то не выведет ее из этого состояния. Такую систему принято называть статистически управляемой. Предсказуемость — бесценный дар. Именно она позволяет управлять процессом, а значит, и улучшать его. Без предсказуемости никакое совершенствование невозможно.

Напротив, если есть какие-то внешние вмешательства в систему, то о предсказаниях можно забыть. Система становится не только непредсказуемой, но и неуправляемой. Тогда надо как можно быстрее выявить и устранить источник внешнего вмешательства и вернуть ее в управляемое состояние. Дело за малым. Нужно научиться различать состояния, в которых находится система, а затем решать, что и кому надо с ней делать (или не делать).

ККШ — это и есть диагностический инструмент для ответа на вопрос: надо или не надо вмешиваться в систему, и если надо, то кому? Он построен с помощью статистических методов, но сам не имеет, как мы уже говорили, статистической природы. Это сделано для того, чтобы модели могли избежать «смирительной рубашки» теоретической статистики. В условиях накопления информации система может и сама служить себе эмпирической моделью, гораздо более естественной, чем теоретические модели, навязанные извне. Их призвана заменить концепция операциональных определений.

Когда процесс предсказуем, важны не столько конкретные значения параметров карты, сколько постоянство методов их выбора. Тогда сравнение ситуаций окажется разумным. А взять ли в качестве контрольных границ три сигмы или, как предлагали некоторые английские статистики, 3,09σ (в рамках построенной ими статистической модели) — вопрос непринципиальный. Поэтому три сигмы и побеждают — в силу своей простоты. За рассуждениями У. Шухарта скрывались не столько статистика, сколько экономика и его соображения о том, оправдаются ли расходы, связанные с выявлением признаков неуправляемости процесса, теми выгодами, которые мы получим благодаря их обнаружению и устранению. Поэтому даже изменение экономической конъюнктуры может повлиять на решение о принадлежности некоторых значений системе или наличии возмущения.

Именно вследствие этого неверны многие утверждения относительно требований, которые важно соблюдать при использовании ККШ. Вот самые распространенные среди статистиков утверждения, естественные в рамках статистической парадигмы, но ненужные при подходе Шухарта:

— ККШ применимы только к данным, которые распределены по нормальному закону;

— ККШ работают благодаря центральной предельной теореме теории вероятностей;

— ККШ работают только тогда, когда данные независимы; для данных с автокорреляцией они неприменимы;

— ККШ применимы только к данным, находящимся в состоянии статистической управляемости;

— ККШ применимы только к результатам массового производства.

Из этой книги вы, дорогой читатель, узнаете, почему именно эти требования ложны. Почему вообще понимание статистического управления процессами, чему посвящена данная книга, вовсе не есть понимание теории вероятностей и математической статистики. Этот вопрос очень важен, особенно для правильного распространения знаний о ККШ среди менеджеров и специалистов самых разных направлений.

Дело в том, что хотя теория вероятностей и математическая статистика действительно лежат в основе работ Шухарта–Деминга, они составляют только часть того фундамента, на котором построено здание статистического управления процессами. К сожалению, как мы уже говорили, история развития человечества сложилась так, что, поскольку эту часть фундамента могли понять только узкие специалисты — статистики, они же и присвоили себе монополию на изложение методов статистического управления процессами всей прочей публике.

Для организации диалога со статистиками Э. Демингу пришлось ввести представление о количественных и аналитических исследованиях. Под количественными исследованиями он понимал изучение свойств фиксированной совокупности собранных данных, направленное на извлечение из них всей возможной информации. При этом не ставится вопрос о прогнозировании, о предсказании результатов будущих наблюдений или измерений. А если такой вопрос ставится, то приходится использовать непроверяемые гипотезы, например об устойчивости частот.

Аналитическое исследование — это предсказание будущего поведения процесса/системы и принятие относительно них некоторых решений. Ни теория вероятностей, ни математическая статистика сами по себе не могут помочь нам предсказывать будущее. Нужен некий переход от прошлого поведения процесса к его будущему поведению, причем такой, который будет основан не на каких-то гипотезах о вероятностях, чего в реальной жизни мы никогда не знаем, а основанный на данных («голосе») самого процесса. Оказалось, что очень многие статистики не понимали и до сих пор не понимают принципиальной разницы между этими видами исследований.

А Шухарт предложил удивительно простое и изящное решение, доступное любому человеку, в том числе и не имеющему никакого понятия о теории вероятностей и математической статистике. Благодаря этому менеджер может не беспокоиться о недостаточности своей статистической подготовки и не сожалеть о тех лекциях по статистике, которые он в свое время прогулял.

И что удивительно: оказалось, что это решение, предложенное У. Шухартом, когда массовое производство делало свои первые шаги и никакого опыта применения такого подхода не было и в помине, сейчас работает, и работает очень хорошо. Это подтверждают бесчисленные примеры успешного применения ККШ для совершенствования любых процессов. Сегодня ККШ применяются не только в производстве, где они исторически появились раньше всего, но и в сферах обслуживания, в медицине, образовании, управлении городами и странами и т.д. и т.п.

Среди новых сфер применения ККШ стоит обратить внимание на их использование при оценке групповой и индивидуальной деятельности людей. С такими примерами читатели могут ознакомиться в любой из книг Э. Деминга [4, 5].

В настоящее время в связи с резким ростом автомобилизации России в нашей стране широко внедряется комплекс стандартов, объединенных под шапкой ИСО/ТУ 16949. В этих стандартах применение ККШ для анализа стабильности процессов — обязательное требование, и поэтому данная книга, на наш взгляд, должна стать настольной для большинства сотрудников любого предприятия, внедряющего эту систему требований.

Самого стандарта и всех его приложений недостаточно, чтобы оценить многочисленные нюансы, прекрасно описанные в книге Д. Уилера и Д. Чамберса. В частности, хотелось бы обратить внимание читателя на проблемы, связанные с расчетом и использованием индексов воспроизводимости процессов Сp и Сpk. Суть проблемы в следующем. В классическом менеджменте важную роль играет представление о допусках. Их ввел в менеджмент еще Ф. Тейлор. Принято считать, что для любого показателя товара или услуги, важного с точки зрения покупателя, есть некоторое значение — номинал, о котором мечтает покупатель.

В силу присущей всему и вся вариабельности обеспечить точное попадание в номинал для партии продукции не представляется возможным. Поэтому продавец (производитель) и покупатель (потребитель) заключают конвенцию — соглашение о границах поля допуска, т.е. о таких предельных отклонениях от номинала, которые потребитель готов считать все еще «годной продукцией», а производитель берется обеспечить своей технологией, организацией производства и квалификацией персонала.

Понятно, что за конкретные значения допусков идет настоящая борьба. Потребитель, конечно, хочет, чтобы допуски были как можно уже, дабы гарантировать получение только качественной продукции, а производитель, напротив, стремится сделать их как можно шире. В этом случае он получит больше свободы, и бóльшая доля продукции будет принята потребителем как годная. Правда, при ближайшем рассмотрении это напоминает борьбу нанайских мальчиков, поскольку, ужесточая допуск, потребитель должен считаться с возможным ростом цен на товары, а производитель, расширяя допуск, сужает свою рыночную нишу и, если погорячится, может остаться ни с чем.

Казалось бы, все ясно. У производителя простая задача — всегда попадать в интервал поля допуска, в диапазон между его верхней и нижней границами. Но в силу существования вариабельности процессов все оказывается не так просто. Если производитель готов это осуществить, то можно ударить по рукам — сделка заключена. Вот только интересно, что же он будет делать с той продукцией, которая у него получится бракованной? Вы скажете, что производитель либо ее переделает, если, конечно, это возможно, либо выбросит. Правильно! А куда же он спишет расходы на переделки и утилизацию брака, не поддающегося переделке? Сомнений нет — запихнет их в себестоимость проданной продукции, т.е. в цену, которую заплатит потребитель. Хотели бы вы быть этим потребителем? Ответ ясен: нет.

Мы всегда хотим получать только годную продукцию по цене, в которой не спрятаны неэффективные затраты производителя. Получается, что потребителю далеко небезразлично, какова фактическая себестоимость продукции у производителя. Ее никак нельзя выковырять из продажной цены, поэтому потребители в прошлом веке научились договариваться с изготовителями о так называемом приемлемом уровне дефектности, что позволило обеим сторонам приходить к компромиссу между качеством поставок и их ценой. Но в XXI в. оказалось, что этот подход бесперспективен. Он не позволяет бороться за совершенствование процессов, поскольку, если существует «приемлемый уровень дефектности», то изготовителю больше ничего и не надо.

Однако выход есть. Вместо того чтобы торговаться за «приемлемую» долю брака и скрупулезно высчитывать соотношение «цена–качество», надо просто начать вечный процесс непрерывного совершенствования, направленный, в конце концов, на ориентацию не на границы допуска, а на номинал.

Такой подход в середине прошлого века предложил Г. Тагути в Японии. Допуск остается рабочим инструментом проектировщика, конструктора и рабочего, но уходит из жизни продавца и потребителя. Ему на смену приходят индексы воспроизводимости. Они определяются соотношением между шириной поля допуска и естественной вариацией вашего процесса.

Естественную вариацию процесса можно оценить. Обычно она выражается шестью квадратичными ошибками (плюс-минус три сигмы относительно среднего арифметического). Деление ширины поля допуска на шесть сигм как раз и дает величину индекса воспроизводимости Ср. Теперь потребитель может с открытыми глазами оценить риски, связанные с переплатами за некачественную продукцию, ее переделку или утилизацию, и принять решение о заключении контракта или об отказе от него. А если не удается настроить процесс на номинал, то приходится учитывать еще и смещение центра настройки относительно номинала.

Анализ этой ситуации требует введения другого индекса воспроизводимости — Сpk. Общение на языке индексов выгодно и производителю, и потребителю. Снижение вариабельности процесса означает снижение себестоимости продукции благодаря уменьшению потерь от брака, несоответствий и других обстоятельств. А потребителю это сулит в перспективе снижение закупочных цен без ущерба для производителя. Тогда становятся возможными долгосрочные взаимовыгодные отношения поставщик–потребитель.

Но расчет и оценка индексов воспроизводимости возможны только для стабильных, т.е. управляемых процессов, а для этого надо вести ККШ — инструмент мониторинга и диагностики. Что же касается непрерывного совершенствования, то для него есть масса инструментов, которые в Японии объединены под «зонтиком кайдзен», а в США на той же основе разработана ныне весьма популярная методология «шести сигм». В рамках этой методологии ставится задача сжать естественную вариацию процесса настолько, чтобы она укладывалась в половину поля допуска. Понятно, что тогда будет очень мало дефектов любого рода. Вопросы оценивания и интерпретации этих индексов подробно обсуждаются в книге.

Однако оценивание индексов лишь первая часть задачи, которая подробно разобрана в книге Д. Уилера и Д. Чамберса. Но есть еще и вторая часть — расчет доли дефектных изделий по значениям индексов воспроизводимости. Такой расчет рассматривается авторами как «обычная фантазия» или «откровенная галлюцинация» (п. 6.3). К сожалению, именно для этого, как правило, используются значения Ср и Срk в автомобильной промышленности. Более того, часто эти индексы рассчитываются для нестабильных процессов, что «неизменно ведет к ложной картине процесса» (п. 6.5).

Такая ситуация возникла, видимо, в значительной степени потому, что в отношениях потребитель–поставщик делается упор не на взаимное и совместное непрерывное совершенствование, а на «перетягивание каната». Другими словами, нам бы хотелось, чтобы читатели очень внимательно отнеслись к обсуждению индексов воспроизводимости, представленному в рассматриваемой нами книге.

Есть еще одна важная проблема, связанная с применением методов статистического управления процессами. Иногда кажется, что их внедрение чисто техническая задача. Сначала надо обучить людей, а затем предложить им использовать полученные знания на практике. При полной поддержке руководства. Но в действительности всякая работа с цифрами требует существенного изменения человеческих отношений в организации. Самое главное — категорически отказаться от идеи наказания и убедить сотрудников в искренности и необратимости такого отказа. Поскольку страх всегда порождает ложь, вы получите такие цифры, которые, как думают сотрудники, вы хотите получить. Иного не дано.

Как обычно бывает при переводе, у нас возникли трудности с некоторыми терминами. К сожалению, до сих пор нам не удалось найти адекватный русско­язычный термин для понятия «assignable cause of variation». Дословный перевод таков: причина вариаций, которую можно чему-то приписать (к чему-то отнести). В данной книге мы, следуя уже сложившейся в русскоязычной литературе традиции, используем термины «специальная причина вариаций» и «особая причина вариаций» как равноправные.

Есть проблемы и с терминами, относящимися к картам для дискретных переменных. Исторически так сложилось, что терминология в этой области весьма запутанна, и, чтобы читателю было легче ориентироваться, отметим следующее. Обычно различают результаты измерений и результаты счета (подсчета), что не совсем удачно, так как в общей теории измерений подсчет рассматривается как частный случай измерения. Традиционное разделение проистекает из классической метрологии, которая относила к измерениям только то, что связано с «физическими величинами».

На наш взгляд, эта традиция давно нуждается в пересмотре. С измерениями связывают количественные переменные, а с подсчетами — качественные. И это тоже не вполне удачно, поскольку слово «качественные» перегружено многими смыслами. Особенно в системах менеджмента качества. Причем количественные переменные называют непрерывными, поскольку в принципе они могут принимать значения из некоторого непрерывного интервала (континуума, как говорят математики), а с подсчетами всегда соотносятся дискретные значения (множество которых, опять-таки как говорят математики, имеет меру ноль).

Наконец, в прикладной статистике непрерывные переменные принято называть факторами, (как в регрессионном анализе и планировании экспериментов), а дискретные — атрибутами. Положение усугубляется еще и тем, что конкретные значения и факторов, и атрибутов — суть реализации случайных величин с теми или иными статистическими свойствами. Получается, что эти два ряда терминов отчасти синонимичны, поэтому мы будем употреблять их так, как нам удобно, без особой надобности не делая между ними различий. Нет у нас и однозначного мнения относительно того, какие аббревиатуры лучше использовать: англо- или русскоязычные. Например, верхний контрольный предел можно обозначить как UCL или как ВКП. Оба способа имеют свои плюсы и минусы.

Все это естественные вопросы, которые разрешатся сами собой при интенсивном использовании ККШ. А книга Дональда Уилера и Дэвида Чамберса «Статистическое управление процессами», которая предлагается вашему вниманию, — выдающееся произведение, открывающее путь к успешному применению ККШ в любых практических ситуациях. Авторы — признанные всем миром специалисты в области ККШ. Одного из них — Д. Чамберса — уже нет в живых, другой — Д. Уилер — уже много лет пропагандирует ККШ, расширяет области их применения и обучает их правильному использованию. На наш взгляд, это первое полное и систематичное изложение теории вариабельности на русском языке, адекватно передающее основные идеи У. Шухарта и Э. Деминга.

До сих пор мы говорили о ККШ и о статистическом мышлении как о самостоятельных и самодостаточных концепциях. И это верно. Однако наш рассказ был бы неполным, если бы мы не коснулись связи идей У. Шухарта и систем менеджмента качества. Как мы знаем, У. Шухарт работал в Bell Laboratories, организации, которой в XX в. было суждено сыграть выдающуюся роль в развитии идей и методов управления качеством.

Собственно, как раз с работ У. Шухарта и начался современный период борьбы за качество. Постепенно в это движение приходили люди, далекие от знания и глубокого понимания статистических методов и, в частности, статистического мышления. Это привело к тому, что, например, в первой версии стандарта ИСО 9000 содержалась норма о том, что статистические методы следует применять только в тех случаях, когда без этого нельзя обойтись.

Надо заметить, что у такой постановки вопроса были свои резоны. Изложение статистиками статистических методов напоминало непосвященным шаманские камлания. Только перевод на европейские языки японских пособий по статистическим методам, таких, например, как книга Х. Кумэ «Статистические методы повышения качества» [13], показал нам путь к обучению людей современному отношению к статистическим методам.

Здесь наметилось два подхода. Первый, как в упомян…