Существование управляемого процесса вовсе не означает отсутствие ошибок и дефектов. Оно говорит лишь о том, что они случайны, и что пределы их чисел предсказуемы. Да и вообще управляемость ведь не цель, а только условие, позволяющее заниматься непрерывным совершенствованием. Только совершенствование способно повлиять на среднее число ошибок или дефектов, а, следовательно, и на экономику. Когда речь идёт о массовых измерениях, выполняемых постоянно во многих лабораториях и в разных странах, проблема управляемости включает в себя ещё различия разных экземпляров оборудования и разных исполнителей.
Настройка, наладка, юстировка измерительной системы существенно зависит от статистической управляемости этой системы. Если система статистически неуправляема, нестабильна, то её нет смысла настраивать. Вместо этого самое время заняться созданием команды, которая с помощью семи простых инструментов может собрать информацию, чтобы на её основании выдвинуть содержательную вероятною гипотезу о причине разладки системы и разработать процесс возврата в управляемое состояние, после чего естественно запустить цикл Шухарта-Деминга для поиска стабильного состояния. А когда это получится, дальнейшая настройка не имеет смысла, что прекрасно иллюстрируют эксперименты с воронкой, которые предлагает Деминг. Значит в стабильном состоянии любая попытка настройки только ухудшает точность результата, и даже может разрушить стабильность, не говоря уж о том, что при этом увеличиваются затраты, растут потери, снижается конкурентоспособность, а в нестабильном состоянии она не имеет смысла. Все элементы измерительной системы, включая людей, должны находиться в статистически управляемом состоянии. Иначе измерение становится профанацией.
Пробоотбор и выборки по Демингу. Во многих случаях измерений нам недоступен весь объект измерения и можно воспользоваться только его частью, называемой выборочной пробой (образцом). Особенно это характерно для аналитической химии. Кроме того, измерения могут приводить к разрушению объекта или образца, тогда они называются разрушающими, как, например, при измерении прочности на разрыв стального стержня, или измерения могут быть не разрушающими, как, например, при измерении длины того же стержня. При разрушающем характере измерений выборочный процесс становится неизбежным.
Важно ещё различать измерения в потоке, например, производимой продукции по мере её производства, и однократные или единичные измерения. Первый случай гораздо более интересен, поэтому мы на нём остановимся. В этом случае мы рассматриваем систему, которая в свою очередь состоит из двух взаимодействующих систем: производственной системы, дающей продукцию и измерительной системы, вырабатывающей информацию, важную для принятия решений. Если мы будем измерять каждое про изведённое изделие, то получится сплошной контроль. Классические представления говорят нам, что это по крайней мере эконом чески не целесообразно. Да и не оправдано, поскольку выборочных измерений вполне достаточно. Но всё оказалось не так просто. Профессор Сигео Синго в Японии в 70-е годы прошлого века предложил подход, названный пока - ёкэ. Смысл этого японского термина можно передать на русском языке словами: «защита от непреднамеренных нарушений». Суть дела сводится к тому, что почти во всякий производственный процесс можно встроить внутреннюю систему измерений (обычно, косвенных), которые автоматически останавливают процесс при выявлении каких-либо нарушений. И работа не может продолжаться до устранения обнаруженных несоответствий. Практически это эквивалентно сплошному контролю, но без его чрезвычайных затрат. Синго предложил сотни инженерных решений, способных обеспечить реализацию этой идеи.
Более того, практически в то же время доктор Деминг в США развил представления о статистически управляемых системах, с которыми мы уже сталкивались выше. Применение этой концепции к теории выборочного метода привело к неожиданным результатам. Классическая теория развивалась на протяжении всего прошлого века и пришла к идее построения планов выборок в зависимости от приемлемого риска и приемлемых долей несоответствий в партии продукции. Додж и Ромиг в США построили таблицы планов выборок, реализованные в знаменитом американском военном стандарте MSШ5E, который был протиражирован в большинстве стран мира, в том числе и странах СНГ. Этот стандарт, как и вся классическая теория, не учитывал состояния системы, из которой предполагается взять выборку. Но, если система находится в статистически неуправляемом состоянии, то не имеет смысла вообще брать выборку, остаётся только сплошной контроль, на котором далеко не уедешь. Значит в неуправляемой системе надо начинать с возврата её в управляемое состояние. Алгоритм известен.
Рано или поздно настаёт момент, когда система достигает статистически управляемого состояния. И тут выясняется, что никакие выборки оказываются просто не нужными для получения информации о системе. Всё, что нужно, содержится в текущих оценках среднего процесса и выборочного размаха, полученных на контрольной карте, свидетельствующей о том, что нет оснований считать процесс неуправляемым. Здесь можно, наконец, менеджменту заняться попытка ми радикального улучшения процесса, но любые настройки, наладки и проч., не требуются, что хорошо видно из экспериментов с воронкой. Так что вопрос об объёме выборки отпадает.
Но радоваться рано. Статистически управляемое состояние не вечно. И нам важно зафиксировать момент, когда возникнут первые признаки разладки системы. Единственное доступное средство мы уже обсуждали - это мониторинг системы. Конечно, снова нужен план выборки. Но он будет гораздо менее затратным, чем планы в традиционной схеме, поскольку у мониторинга иная цель, чем у выборочного контроля. Понятно, что при отборе образцов для измерений в ходе мониторинга важно, как обычно, использовать процедуру рандомизации. И конечно, к планам мониторинга, как и ко всему на свете, приложима идея непрерывного совершенствования, к которой мы ещё вернёмся.
Таким образом, для успеха измерений важно, чтобы производственная система и измерительная система одновременно находились в статистически управляемом состоянии.
Между получением образца и самим процессом измерения часто лежит ещё процесс подготовки образца к измерению. Так, если, например, мы хотим посмотреть под микро скопом структуру некоторого образца металла или сплава, то нам предстоит создать на образце горизонтальную поверхность, затем её шлифовать и полировать, а потом травить специальным раствором, чтобы выявить интересующую нас структуру и провести на ней соответствующие измерения. В аналитической химии встречаются весьма разнообразные процессы подготовки пробы к анализу, которые могут включать, например, измельчение, растворение, разделение, выпаривание, кристаллизацию и многие другие процессы. Их цель обеспечение требуемой точности анализа. При этом, конечно, каждая операция в процессе пробоподготовки неизбежно вносит свой вклад с неопределённость конечного результата. Для разработки требуемого процесса пробоподготовки часто требуются методы планирования эксперимента и экономический анализ. Вот вам ещё один аргумент в пользу командной работы.
5. Стандартные образцы
Как ни крути, а результат, выданный измерительной системой, надо с че -то сравнить [1]. Причём дважды. Сначала с неким эталоном или стандартным образцом, чтобы понять, например, какой концентрации интересующего нас химического элемента соответствует, скажем, высота пика на кривой, нарисованной измерительной системой. А затем нам предстоит сравнить полученную концентрацию с требованиями заказчика с техническими условиями на продукцию или с любым другим условием, важным для лица, которое будет принимать решение на основе, в частности, полученного нами значения концентрации. И при этом, конечно, не забыть об оценке элемента неопределённости, присущего данному результату.
Где же взять подходящий эталон? Оказывается, это длинный вопрос. Чтобы на него ответить, надо начать издалека. Есть на свете романтически настроенные люди, которые полагают, что если вы купили, на пример, в одной стране килограмм картошки, которую взвесили на весах с точностью до одного грамма, а потом привезли свою покупку в другую страну, то взвешивание её на других весах того же класса точности должно показать тот же вес, с той же неопределённостью. Велики ли шансы, что будет именно так, как описано? Думается, что шансы не велики. И если для картошки это не столь важно, то во многих случаях это имеет огромное значение. Поэтому метрология исповедует принцип «единства измерений». Результат измерения плюс его неопределённость не должны в статистическом смысле различаться, в какой бы точке земного шара они не были проведены. Тогда мы не будем волноваться по поводу нашей картошки.
Но как можно этого достичь? В настоящий момент в мире реализована следующая идея. Создана международная организация по метрологии, которая хранит образцы (эталоны) всех основных мер, используемых людьми. Благодаря этому теперь достаточно сличить тот измерительный инструмент, которым мы пользуемся с эталоном, и если различия статистически не значимы, то пользоваться нашим измерительным инструментом так, как будто мы работали с самим эталоном. Звучит красиво, но на практике не работает по многим причинам. Прежде всего, одним эталоном трудно обойтись, поэтому обычно создаются «вторичные» эталоны, обычно на уровне государств. Хранение и поддержание эталонов, дело настолько дорогое и ответственное, что кроме государства за него просто некому взяться, а без этого не обойтись. Но и этого не достаточно, поскольку эталонов на все случаи жизни не напасёшься. Приходится производить ещё «стандартные образцы» или «меры», которые можно проследить до вторичных эталонов. Тут возникает важное для нас слово «прослеживаемость». Важно про следить путь от первичных эталонов, до не посредственных конкретных измерений. Не секрет, что каждый следующий шаг в цепочке прослеживаемости неизбежно ведёт к росту неопределённости конечного результата. Поэтому не удивительно, что к первичным эталонам предъявляются фантастические требования по точности, воспроизводимости и стабильности во времени.
Конечно, все люди в принципе должны понимать, как это устроено, но на практике мы обычно имеем дело со стандартными образцами или мерами, их мы и будем рас сматривать в дальнейшем. Производство стандартных образцов, особенно в аналитической химии, это отрасль производства, к которой так и надо подходить. Её особенность высокие требования к характеристикам, которые не остаются постоянными во времени: жизнь постоянно их ужесточает. Она остро нуждается в современной системе менеджмента качества (речь идет о системе, а не о сертификате). В производстве стандартных образцов можно увидеть практически все проблемы, о которых мы говорили выше, плюс всё то, что характерно для производства. Пусть, например, мы производим некоторый сплав, концентрация лигирующей добавки в котором может меняться от 0 до 5%. После того, как мы провели очередную плавку, мы хотим знать, сколько же этой добавки на самом деле оказалось в сплаве в результате данной плавки? Тогда нам предстоит заказать специализированной организации, или, на худой конец, сделать самим серию образцов нашего сплава с заранее заданными концентрациями этой добавки в интересующем нас диапазоне. Сколько и каких образцов надо изготовить - это задача планирования эксперимента, и дань традиции здесь часто приводит к потерям. Мы обсудим это подробнее, когда вскоре доберёмся до градуировок. Это не обязательно должны быть сплавы, аналогично можно говорить о любых материальных системах.
6. Градуировочные графики и «обратная» регрессия
Итак, нам нужны стандартные образцы, чтобы иметь возможность с их помощью построить «градуировочные графики», с помощью которых, в конечном счёте, измерительный сигнал переводится на «язык» предметной области. Измерительный сигнал может говорить на языке, например, «степени почернения фотопластинки» или «изменения цвета раствора», или «не которой кривой, которую рисует компьютер, встроенный в измерительную систему», а мы хотим получить ответ на языке, например, концентраций некоторых компонентов. Естественным образом получается график в декартовых координат, где по горизонтальной оси откладываются значения, например, концентраций соответствующих стандартных образцов, которые заранее известны, а по вертикали откладываются эмпирические значения информационного сигнала. В результате на плоскости возникает график, позволяющий построить некоторую математическую модель, часто линейную. Для построения модели, как правило, используется метод наименьших квадратов. И в этом пока нет ничего плохого. Но дальше для оценок неопределённости используется классическая модель регрессионного анализа, и вот тут то и возникают две проблемы. Первая связана с так называемой «обратной регрессией». Дело в том, что при построении градуировочного графика на горизонтальной оси откладываются значения, известные нам с очень большой точностью, а на вертикальной случайные величины, которые порождают неопределённость. Но когда мы начинаем пользоваться этим графиком, смысл осей меняется. Теперь мы эмпирически определяем информационный сигнал, а считываем значение концентрации. И нас теперь интересует неопределённость относительно оси концентраций. На практике часто не понимают и не учитывают это различие. Понятно, что это ведёт к серьёзным ошибкам. Вторая проблема более фундаментальна. В модели классического регрессионного анализа кроме нереалистичного требования нормальности распределения измеряемой случайной величины, требуются ещё безошибочные знания о второй переменной, не зависимость, однородность дисперсии и ряд других, вовсе не реалистичных предположений. Несомненно, нужна глубокая ревизия сложившегося положения.
7. Стандартизация и непрерывное совершенствование
Если говорить о массовых измерениях, особенно в промышленности, или о единстве измерений, становится ясно, что нельзя обойтись без стандартизации всех аспектов измерительного процесса. И мы всегда стремимся чётко стандартизовать этот процесс. Это настолько очевидно, что даже не возникает никаких дискуссий. Однако, у этого есть и другая сторона. Любое измерение должно нести в себе не только результат и его неопределённость, важные для принятия решений, но и некоторую ин формацию, служащую для процесса рефлексии, для осмысливания текущей ситуации и обдумывания возможных путей её дальнейшего улучшения, ибо в конечном счёте именно непрерывное совершенствование оставляет надежду на сохранение организации в непрерывной конкурентной борьбе, да и прогресс вообще любит рядиться в одежды непрерывного совершенствования. Этим принципом руководствуются все современные концепции менеджмента. И здесь видится противоречие, которое нуждается в срочном обсуждении.