Статистическое управление процессами (SPC, Уолтер Шухарт)

Еженедельная таблица показателей даёт руководителю десяток чисел, и почти каждую неделю часть из них выглядит хуже, чем в прошлый раз. Если на каждое такое движение ставить задачу, команда начинает гоняться за шумом. Statistical Process Control (SPC, статистическое управление процессами) — подход Уолтера Шухарта (Walter Shewhart), который отвечает на один вопрос: перед нами обычный разброс процесса или сигнал о том, что в процессе что-то изменилось?

Как работает метод, хорошо видно на примере из здравоохранения. В статье Джеймса Беннеяна (James C. Benneyan) и соавторов 2003 года первая иллюстрация — контрольная карта доли экстренной («флеш») стерилизации хирургических инструментов. На карте сравниваются базовый период и период после прихода в клинику новой хирургической группы. Карта показывает, выбивается ли новый уровень из прежнего коридора колебаний, и делает это без ожидания квартального отчёта. Беннеян отмечает, что классические статистические методы тоже учитывают естественную вариацию, но для этого данные приходится агрегировать за длинный период, и решение откладывается. SPC соединяет анализ временного ряда с наглядным графиком и позволяет увидеть сдвиг почти в момент, когда он произошёл.

Ниже — происхождение метода, его понятия (общие и особые причины, контрольные границы, правила сигналов, типы карт), критика из академической литературы, шесть типичных ошибок, пошаговый план для руководителя и порядок работы с фреймом в OrgDevTools.

Происхождение и исследовательская база Statistical Process Control

Bell Labs и первая контрольная карта

Метод появился в 1920-х годах в Bell Telephone Laboratories. В 1924 году Шухарт построил первую контрольную карту (control chart) и ввёл понятие состояния статистического контроля (state of statistical control). Задача была инженерной: телефонная аппаратура выпускалась массово, и требовалось понять, какие колебания качества заложены в самом производстве, а какие вызваны конкретными сбоями, которые стоит искать и устранять. В отраслевых руководствах Шухарта называют «отцом статистического контроля качества». В некоторых популярных обзорах его имя искажено — например, на странице Spotfire он назван «William A Shewart». Верное имя — Walter Shewhart.

Шире о том, как идеи Шухарта легли в основу всего направления контроля качества, рассказано в материале Управление качеством (Statistical Quality Control, У. Шухарт).

Логическая линия: статистический контроль как взаимозаменяемость

Формально «процесс в статистическом контроле» соответствует понятию взаимозаменяемости, или обмениваемости (exchangeability). Его в том же 1924 году описал логик Уильям Эрнест Джонсон (William Ernest Johnson) в книге «Logic, Part III: The Logical Foundations of Science». Для практика это означает следующее: в стабильном процессе порядок наблюдений не несёт информации. Неделю 3 можно поменять местами с неделей 11, и картина не изменится. Если же порядок важен — точки выстроились в тренд или после определённой даты сместились вверх, — процесс вышел из статистического контроля.

Военная линия: арсеналы, курсы и профессиональное сообщество

В 1934 году контрольные карты применили на армейском Пикатиннском арсенале (Picatinny Arsenal) в производстве боеприпасов; внедрение связано с именем Саймона (Simon). Шухарт читал лекции в Министерстве сельского хозяйства США, и из них выросла его книга «Statistical Method from the Viewpoint of Quality Control» (1939). Во время Второй мировой войны метод массово использовали в военном производстве и учили ему инженеров на специальных курсах. Выпускники этих курсов в 1945 году основали Американское общество контроля качества (American Society for Quality Control), и его первым президентом стал Эдвардс (Edwards).

Японская и современная линии

По хронологии Autodesk, с 1950-х по 1980-е годы принципы SPC активно осваивали японские производители, и это повлияло на их репутацию в области качества. По данным Spotfire, в 1970-х метод вернулся в американскую промышленность как ответ на конкуренцию японской продукции. С 1980-х SPC встроен в Six Sigma и современные системы менеджмента качества (подробнее — в материале о Lean Six Sigma). Сегодня обзоры описывают его связку с Индустрией 4.0: данные с датчиков, облачные системы, машинное обучение.

Академическая линия: что изучают с 1990-х

Научная литература давно вышла за рамки классической карты Шухарта:

• Уильям Вудалл и Дуглас Монтгомери (William H. Woodall, Douglas C. Montgomery, 1999) в обзоре исследовательских направлений перечисляют карты с переменным объёмом выборки и интервалом отбора, экономическое проектирование карт, методы для атрибутивных данных, карты для автокоррелированных наблюдений, многомерные и непараметрические методы. Отдельно авторы обсуждают, насколько академические исследования SPC полезны практикам.

• Монтгомери и Кристина Мастранджело (Christina M. Mastrangelo, 1991) показали: классические карты предполагают, что наблюдения не связаны между собой, а на практике это допущение часто нарушается. Автокорреляция резко увеличивает число ложных тревог. Авторы предлагают моделировать структуру зависимости и строить карту по остаткам модели, а в качестве приближённой процедуры использовать экспоненциально взвешенное скользящее среднее (EWMA).

• Томас Харрис и Уильям Росс (Thomas J. Harris, William H. Ross, 1991) на измерениях массы бумажного полотна показали, что без учёта последовательной корреляции карты CUSUM и EWMA приводят к серьёзным ошибкам в выводе о том, находится ли процесс в статистическом контроле.

• Дуглас Хокинс, Пэйхуа Цю и Чан Ук Кан (Douglas M. Hawkins, Peihua Qiu, Chang Wook Kang, 2003) указали, что карты Шухарта, CUSUM и EWMA требуют знать параметры процесса в стабильном состоянии, а они редко известны точно. Если параметры оценены по данным, поведение карты от одной реализации к другой меняется случайно. В качестве альтернативы авторы предлагают модель точки изменения (changepoint).

• Вудалл (2000) собрал главные споры в области: как соотносятся проверка гипотез и контрольные карты, какова роль теории и вероятностных моделей, у каких методов больше достоинств, нужен ли вообще SPC.

• Роберт Мейсон и Джон Янг (Robert L. Mason, John C. Young, 2002) описали многомерный SPC на основе статистики T² Хотеллинга на примерах из химической промышленности и энергетики. Теодора Курти (Theodora Kourti, 2005) — многомерный контроль на латентных переменных для обнаружения и локализации неисправностей, в том числе в периодических процессах и при пусках оборудования.

Линия сервиса и здравоохранения

Статистическое управление процессами подходит для любого повторяющегося процесса. Его применяют в финансовом аудите и бухгалтерии, ИТ-эксплуатации, медицине, офисных процессах вроде оформления кредитов. Пэйхуа Цю (2013) называет среди объектов мониторинга не только производственные линии, но и интернет-трафик. Йохан Тор (Johan Thor) с соавторами (2007) провели систематический обзор применения SPC в здравоохранении. Из 311 статей в Web of Science, Medline и других базах за период с 1966 по июнь 2004 года критериям отбора соответствовали 57 эмпирических исследований, опубликованных в 1990–2004 годах. Авторы разбирали не только пользу метода, но и его ограничения, барьеры внедрения и условия успеха, и пришли к выводу, что SPC применяли в широком круге медицинских задач. Чарльз Новак (Charles Novak) показывает применение метода к прогнозированию спроса: контрольная карта строится по ошибке прогноза.

Шухарт придумал не график, а способ договориться, когда менеджеру положено вмешиваться в процесс, а когда — нет.

Ключевые идеи и принципы Statistical Process Control

1. Принцип: вариация есть всегда

   Два измерения одного и того же процесса почти никогда не совпадают. Время обработки заявки, вес детали, доля брака, выручка за неделю колеблются, даже если никто ничего не менял. Метод не обещает убрать эту вариацию. Он предлагает её измерить и использовать как точку отсчёта: что для этого процесса нормальное колебание, а что — нет.

2. Принцип: общие и особые причины вариации

   В формулировке Шухарта у вариации два источника:

   • Общие (случайные) причины (common causes, chance causes) — множество мелких факторов, встроенных в сам процесс: колебания спроса, разброс квалификации, погрешность измерения. По отдельности они не видны и дают устойчивый, предсказуемый разброс.

   • Особые (неслучайные) причины (special causes, assignable causes — «причины, которые можно указать») — конкретное событие: сломался станок, пришла новая смена, сменился поставщик, запустили акцию. Особую причину можно найти, назвать и устранить или закрепить.

   Из этого разделения следует главная управленческая развилка. Особую причину ищут на месте и устраняют точечно. Общие причины можно уменьшить только изменением самого процесса: его устройства, оборудования, стандартов, обучения. Это решение руководства, а не реакция на одну неудачную неделю.

3. Принцип: состояние статистического контроля

   Процесс в статистическом контроле (стабилен, предсказуем), если на нём действуют только общие причины. Тогда можно заранее сказать, в каком коридоре окажется следующее значение. Процесс вне статистического контроля — если на нём видны следы особых причин. Стабильность не означает хорошее качество. Процесс может быть стабильно плохим, и это отдельный вопрос, о котором ниже.

4. Принцип: контрольная карта и её элементы

   Контрольная карта — временной ряд метрики с тремя линиями:

   • центральная линия — среднее (иногда медиана) по периоду, когда процесс считался стабильным;

   • верхняя и нижняя контрольные границы (upper / lower control limit, UCL / LCL) — коридор, рассчитанный по фактическому разбросу самого процесса, обычно на расстоянии трёх стандартных отклонений от центра;

   • точки наблюдений — отдельные значения или средние по подгруппам.

   Ширина коридора — компромисс между ложными тревогами и пропущенными сигналами. В справочнике NIST по контролю измерительного процесса приводится такой ориентир. При k = 2 (две сигмы) около 5% измерений стабильного процесса дадут сигнал «вне контроля» — это жёсткий контроль с частыми ложными тревогами. При k = 3 таких сигналов около 1%, и флажок поднимается только на явные выбросы.

   Контрольная граница — это голос процесса, а не пожелание руководителя. Её рассчитывают по данным, а не назначают.

5. Принцип: голос процесса и голос клиента

   В материалах Critical Manufacturing это различие сформулировано через два понятия. Голос процесса (Voice of the Process, VoP) — контрольные границы, рассчитанные по историческим данным. Голос клиента (Voice of the Customer, VoC) — границы допуска или спецификации (specification limits), то есть требования заказчика, норматива или плана. Это разные линии. Процесс может быть в статистическом контроле и при этом регулярно выходить за допуск — тогда нужна перестройка процесса, а не поиск особых причин. Бывает и обратное: процесс укладывается в допуск, но нестабилен, и рано или поздно из него выпадет.

6. Принцип: правила неслучайных паттернов

   Сигнал особой причины — не только точка за границей. Если процессом управляют только общие причины, некоторые конфигурации точек маловероятны:

   • длинная серия точек по одну сторону от центральной линии — уровень процесса сместился;

   • устойчивый тренд — несколько точек подряд растут или падают;

   • скопление точек у одной из границ или, наоборот, подозрительно ровный ряд у центра (так бывает, когда данные «подправляют» или смешивают разные потоки).

   Конкретные наборы правил в разных организациях отличаются. В кратком руководстве для клиницистов Университета Флориды прямо сказано, что приведённые правила распространены, но учреждения применяют дополнительные или альтернативные. Там же упомянут практический ориентир: сдвиг меньше 1,5 стандартного отклонения считается малым, больше — крупным. От этого зависит выбор типа карты. Важно заранее записать, какие правила вы используете, и не менять их задним числом.

7. Принцип: тип карты под тип данных

   Карту выбирают по природе метрики:

   • Количественные данные (переменные: время, вес, сумма). Карта средних и размахов (X-bar и R) — для данных, собранных подгруппами. Карта средних и стандартных отклонений (X-bar и s) точнее карты размахов, но требует больше данных. Карта индивидуальных значений (individuals, X-chart) — когда на каждый период приходится одно число. Именно она чаще всего нужна для еженедельных управленческих показателей.

   • Атрибутивные данные (attributes: доля брака, число дефектов, «да/нет») — отдельное семейство карт для долей и количеств.

   • Малые постепенные сдвиги лучше ловят карты с накоплением: кумулятивные суммы (CUSUM) и экспоненциально взвешенное скользящее среднее (EWMA). Классическая карта Шухарта лучше реагирует на крупные внезапные скачки.

8. Принцип: две фазы — построение и мониторинг

   Работа с картой делится на два этапа. Фаза I (Phase I) — ретроспективный анализ: по историческим данным оценивают центр и разброс, находят и исключают периоды с особыми причинами, получают границы стабильного процесса. Фаза II — текущий мониторинг: новые точки наносят на карту с уже рассчитанными границами. Хокинс с соавторами показывают, что качество фазы II целиком зависит от того, насколько точно оценены параметры в фазе I.

9. Принцип: сначала проверить измерение

   Часть разброса на карте — это разброс самого способа измерения. Поэтому в отраслевых материалах SPC стоит рядом с анализом измерительной системы (measurement system analysis, MSA): прибор, методика подсчёта и определение метрики должны быть стабильны. Если два менеджера по-разному считают «закрытую сделку», карта покажет их разногласия, а не процесс продаж.

10. Принцип: не вмешиваться в стабильный процесс

    Попытка «поправить» процесс после каждой неудачной точки, вызванной общими причинами, называется перерегулированием, или подстройкой (tampering, overreacting). В учебной программе SixSigma.us по контрольным картам это прямо названо проблемой: реакция на вариацию от общих причин и лишние изменения процесса увеличивают его вариацию, а не уменьшают. Каждая такая «корректировка» добавляет в процесс собственный шум.

    Самое дорогое в управлении по метрикам — не пропущенный сигнал, а десяток задач, поставленных по поводу шума.

11. Принцип: SPC — часть набора инструментов

    Контрольная карта говорит, когда искать причину, но не говорит, какую. В справочнике NIST вместе с картами перечислены гистограммы, контрольные листки, диаграммы Парето, диаграммы причин и следствий, диаграммы концентрации дефектов и диаграммы рассеяния (по учебнику Монтгомери). Для сужения поиска используют принцип Парето. Найденную особую причину отрабатывают циклом PDCA: гипотеза, изменение, проверка по той же карте.

12. Принцип: многомерный контроль, короткие серии и Индустрия 4.0

    Когда качество определяется десятком связанных параметров, отдельные карты по каждому из них пропускают сочетания, которые по отдельности выглядят нормально. Для таких случаев есть многомерный SPC (multivariate SPC) — статистика T² Хотеллинга у Мейсона и Янга, методы латентных переменных у Курти. Для мелкосерийного производства, где по одному изделию никогда не накопится длинная история, применяют подходы short-run SPC: на одной карте анализируют отклонения от номинала по разным изделиям. В концепции Индустрии 4.0 данные для карт идут с датчиков в реальном времени, а программные системы сами проверяют правила сигналов. Например, в приложении ABB к одной «контрольной карточке» можно привязать до трёх карт, задать размер подгруппы, допуски и тип карты.

Ограничения, слепые зоны и критика Statistical Process Control

Типовые ошибки при внедрении Statistical Process Control

1. Ошибка 1: реагировать на каждое колебание.

   Неделя хуже прошлой — на планёрке ищут виноватого, ставят задачу, меняют настройку. Команда тратит силы на шум, а процесс от постоянных подстроек становится менее стабильным: это и есть tampering. Люди учатся оправдываться за случайные числа, и к моменту настоящего сигнала доверие к метрикам уже потеряно.

   Как избежать

   заранее записать правила сигнала (точка за границей, серия по одну сторону, тренд) и реагировать только на них. Точки внутри коридора без паттернов на планёрке не обсуждаются.

2. Ошибка 2: путать контрольные границы с целями и допусками.

   Руководитель рисует на графике «красную линию» плана и называет её контрольной границей. В результате вопрос «изменился ли процесс» смешивается с вопросом «устраивает ли нас уровень». Стабильно плохой процесс выглядит «в норме», а стабильный процесс с высокой планкой — «вне контроля».

   Как избежать

   держать на карте две разные сущности. Расчётные границы — голос процесса. Целевой уровень или допуск — голос клиента. Если стабильный процесс не достигает цели, это задача на перестройку, а не на поиск особой причины.

3. Ошибка 3: считать границы по трём-четырём точкам.

   Новую метрику ввели месяц назад, и по четырём значениям уже нарисовали коридор. Границы получаются случайными, а решения по ним — тоже. Хокинс с соавторами показывают, что даже при оценённых параметрах частоту ложных тревог контролировать трудно. На горстке точек это просто лотерея.

   Как избежать

   до накопления достаточной истории вести метрику как обычный временной ряд и помечать границы как предварительные. Окончательные границы пересчитать после фазы I, исключив периоды с известными особыми причинами.

4. Ошибка 4: не пересчитывать границы после изменения процесса — или пересчитывать их под каждый выброс.

   Процесс сознательно перестроили, а границы остались старыми, и карта то поднимает ложные тревоги, то маскирует новый сдвиг. Обратная крайность — после каждого выброса границы «обновляют», включая в расчёт аномальные точки. Коридор расширяется, и карта перестаёт что-либо ловить.

   Как избежать

   пересчитывать границы только после подтверждённого и задокументированного изменения процесса, по данным нового режима, без точек с особыми причинами. Дату пересчёта и её основание отмечать прямо на карте.

5. Ошибка 5: игнорировать автокорреляцию и сезонность.

   Метрику с сезонным циклом или зависимостью от прошлого (остатки, очередь, выручка растущего бизнеса) наносят на обычную карту индивидуальных значений. Каждый сезонный пик выглядит как особая причина, команда «чинит» нормальный сезон. Монтгомери и Мастранджело показали, что в таких условиях частота ложных тревог резко растёт.

   Как избежать

   перед построением карты посмотреть на ряд — есть ли сезонность, тренд, «инерция». Если есть, анализировать очищенные данные, отклонение от прогноза или использовать подходы для зависимых наблюдений (карта по остаткам, EWMA) с помощью аналитика.

6. Ошибка 6: смотреть только на выход за границы.

   Метрика шесть недель подряд медленно ползёт вниз, но ни разу не пересекла нижнюю границу. Формально «всё в норме», и сигнал замечают, когда проблема стала дорогой. Классическая карта Шухарта плохо видит малые постепенные сдвиги.

   Как избежать

   применять правила паттернов (серии, тренды) наравне с границами. Для метрик, где важны медленные дрейфы, рассмотреть CUSUM или EWMA.

План внедрения Statistical Process Control

1. Неделя 1: выбор метрик и их определения. Возьмите из управленческой таблицы 3–5 показателей, по которым чаще всего «дёргают» команду и по которым есть регулярная история. Для каждого запишите точное определение: что считаем, откуда берём, кто вносит, как часто. Проверьте, что способ подсчёта не менялся за период истории. Если менялся, история до изменения не годится.

2. Неделя 2: сбор истории и проверка ряда. Выгрузите данные и нанесите их на простой график во времени. Посмотрите на сезонность, тренд, явные разрывы. Отметьте известные события (смена системы, акция, уход ключевого сотрудника) — это кандидаты в особые причины. Определите тип данных и карты: одно число за период — карта индивидуальных значений, подгруппы — X-bar и R или X-bar и s, доли и количества дефектов — атрибутивная карта.

3. Неделя 3: расчёт границ (фаза I). Рассчитайте центральную линию и контрольные границы, исключив периоды с подтверждёнными особыми причинами. Для метрик с выраженной сезонностью или зависимостью от прошлого привлеките аналитика: карта строится по скорректированным данным или по ошибке прогноза. Отдельной линией нанесите целевой уровень или допуск — голос клиента.

4. Неделя 4: правила реакции и обучение команды. Запишите на одной странице, какие сигналы считаются особой причиной, кто их расследует и в какой срок. Отдельно запишите, что делается при стабильном, но неприемлемом уровне: это проект улучшения процесса, а не срочная задача. Разберите с командой 3–4 исторических эпизода — где была обычная вариация, а где реальное событие.

5. Недели 5–6: работа в режиме мониторинга (фаза II). Новые точки наносятся на карту с фиксированными границами. На планёрке обсуждаются только сигналы. По каждому сигналу ведётся короткая запись: дата, правило, найденная причина, действие, результат на карте. Считайте, сколько задач было поставлено «по шуму» до внедрения и после.

   Далее: поддержание и обновление. Раз в квартал пересматривайте набор метрик и проверяйте, не изменился ли процесс по существу. Пересчитывайте границы только после задокументированного изменения. Признак того, что метод работает: число срочных задач по метрикам снизилось, а каждая оставшаяся привязана к конкретному сигналу и найденной причине. Устойчиво стабильные, но неудовлетворительные процессы выносите в программу улучшений в логике TQM.

Как реализовать этот план с помощью фрейма «Statistical Process Control» в OrgDevTools

Фрейм — бесплатный тренажёр. Он строит по вашему ряду карту индивидуальных значений (I-карту), сам считает среднее и контрольные границы, находит сигналы и следит, чтобы реакция была только на них. Отдельного Инструмента с этим фреймом в каталоге OrgDevTools пока нет, работа идёт в тренажёре.

Книги по теме Statistical Process Control

• Уолтер Шухарт — «Statistical Method from the Viewpoint of Quality Control» (1939). Книга выросла из лекций в Министерстве сельского хозяйства США. Из неё — исходная логика метода: состояние статистического контроля и разделение причин вариации.

• Дональд Уилер, Дэнис Чемберс — «Understanding Statistical Process Control» (1986). Широко используемый учебник базового SPC и анализа данных. Из него — практическая интерпретация карт для непрерывного улучшения.

• Джон Окленд — «Statistical Process Control» (2012). Учебник одного из ведущих британских специалистов по TQM для инженеров и менеджеров. Из него — связка SPC с управлением качеством, контролем соответствия и стабильности.

• Пэйхуа Цю — «Introduction to Statistical Process Control» (2013). Из неё — традиционные и современные методы мониторинга последовательных процессов, включая CUSUM и подходы к автокоррелированным данным.