Выход из кризиса. Новая парадигма управления людьми, системами и процессами

Рис. 54. График, показывающий минимальные полные затраты на изделие в партии в зависимости от входящего качества p. Минимальная доля дефектных изделий лежит вдоль линии 0ВГ. Излом В происходит в точке равновесного качества Б, где p = k₁/k₂. Полная стоимость максимизируется при использовании 100 %-ного контроля там, где минимум полных затрат обеспечило бы отсутствие контроля, и наоборот

Очевидно, что если наихудшая партия, которая поступит (например) на следующей неделе, будет отстоять слева от точки равновесия, то остальные партии будут лучше, еще больше отдаляясь влево. Ясно, что в этих условиях отсутствие контроля приведет к минимуму средних полных затрат (случай 1).

Если наилучшая партия находится справа от точки равновесия, тогда все другие партии будут хуже и отстоять еще дальше вправо. Это пример случая 2. Полный контроль всех партий приведет к минимуму средних полных затрат.

Таким образом, минимальные средние полные затраты лежат на ломаной линии 0ВГ. Для значений p, близких к точке равновесного качества Б, разницей между отсутствием контроля и 100 %-ным контролем можно пренебречь.

Упражнение 4. Минимальные средние полные затраты для множества деталей [116] . Допустим, мы имеем всего M деталей. Пусть pi – средняя доля дефектных для i-й детали, а k_i – стоимость проверки одной детали. Дополнительную стоимость отказа сборки обозначим К, предполагая, что она одинакова для разных деталей. (Нужны некоторые изменения в обозначениях, поскольку k₂ нам теперь понадобится для обозначения стоимости контроля детали № 2.) Следует ли проверять все детали или только некоторые? Если только отдельные, то какие? Используем аппроксимацию равенства (3).

116

Это упражнение предложено д-ром П. Дицем и д-ром И. Чейзом из AT&T Technologies, Merrimack Valley, Массачусетс. – Прим. авт.

Различие между двумя планами будет в пользу плана 2 на величину

Какую деталь проверять, а какую не проверять, чтобы минимизировать полные затраты? Другими словами, как можно максимизировать разницу между двумя планами? Ответ очевиден. Расположим M членов ряда

ki – Kpi, i = 1, 2, 3, …, M

по убыванию. Ряд начнется с положительных значений, постепенно они будут становиться меньше, перейдут через ноль и продолжат уменьшаться. Для минимизации средних полных затрат вышенаписанная сумма должна быть максимально большой. Соответственно, правило минимизации средних полных затрат звучит следующим образом:

1. Не проводить контроль деталей, для которых ki – Kpi положительно.

2. Проверять все детали, для которых ki – Kpi отрицательно.

Работайте со всеми поставщиками, чтобы добиться для всех комплектующих статистической управляемости и снижения доли pi. Успех в этой работе приведет к снижению полных затрат и может позволить время от времени не проводить контроль отдельных деталей.

Замечание 1. Переход от слабо отрицательных к слабо положительным значениям лишь ненамного снизит затраты, однако значительное смещение – от больших отрицательных к большим положительным значениям – приведет к их существенному снижению.

Замечание 2. Мы могли бы сказать, что каждая деталь имеет точку равновесного качества, определяемую как pi = ki – K. Таким образом, наш результат для многих комплектующих всего лишь повторяет план 1 и план 2 для одной детали.

Замечание 3. Деталь с распределением доли дефектных единиц, которое колеблется возле точки равновесного качества, следует рассматривать как единичную.

Замечание 4. Используйте 100 %-ный контроль для любой детали, если она не находится в статистически хорошо управляемом состоянии и, конечно же, если она находится в состоянии хаоса.

Упражнение 5. (Цель: показать, что, когда входящее качество устойчиво находится с одной стороны от точки равновесного качества, принятие любого плана контроля, кроме правил «все или ничего», приводит к риску увеличения полных затрат.) Предположим, что мы проверяем долю f входящих партий со средней дефектностью p. Отбор деталей проводится случайно (т. е. с помощью случайных чисел). Тогда средние полные затраты на одно изделие при контроле входящих материалов и дополнительных расходах на ремонт и повторные испытания сборок, отказавших из-за дефектной детали, будут равны

y = fk₁ + (1 – f) pk₂ (стоимостью kp мы пренебрегли). (5)

Вопрос в том, каково должно быть значение f, чтобы значение y стало минимальным? Заметим сначала, что y = k₁ безотносительно к значению f в точке, где p = k₁/k₂ (точке равновесного качества).

Слева от точки равновесия p < k₁/k₂. Равенство (5) удобно представить в форме:

y = pk₂ + f (k₁ – pk₂). (6)

Очевидно, что, если мы позволим значению f меняться от 0 до 1 слева от точки равновесия, y будет менять свое минимальное значение от pk₂ до значения k₁. Иными словами, любой контроль, в какой бы точке слева от точки равновесия (p < k₁/k₂) он ни проводился, будет увеличивать полную стоимость. Хорошо видно, что приемочные планы в этой области могут удваивать или утраивать минимальные полные затраты.

Чтобы исследовать правую сторону от точки равновесия, где p > k₁/k₂, перепишем равенство (5) в форме

y = k₁ + (1 – f)(pk₂ – k₁). (7)

Если мы позволим f меняться от 0 до 1 в этой области, y будет уменьшаться от значения pk₂ до своего минимума k₁. То есть 100 %-ный контроль в области справа от точки равновесия приводит к минимуму полных затрат. Не 100 %-ный контроль (т. е. f < 1) будет увеличивать средние полные затраты по отношению к минимальному значению.

Ранее была дана ссылка (109) на пример, представленный Уильямом Лацко. Теперь же мы обратимся к другому примеру.

Иллюстративный пример. Для производства компьютерных жестких дисков компания получает алюминиевые подложки партиями по 1000 штук. Первый шаг при получении партии – проверка выборки из 65 образцов, извлеченных из партии с помощью случайных чисел. Опыт показал, что входящие образцы, не прошедшие визуальный контроль и попавшие в производство, приводят к отказу готовых дисков. Каждая подложка, не выдержавшая визуальный контроль, замещалась на годную.