Jatkuva säätäminen – miksi säädämme?

Julkaistu 07.11.2019    Kirjoittanut Matti Pesonen  Tilaa RSS


Säätämisellä on kielessä monta merkitystä. Voi olla henkilökohtaista säätöä, aikataulujen säätämistä ja työssä tapahtuvaa yleistä säätämistä, koneiden säätämistä, myyntiprojektioiden säätämistä ja ties mitä.

Nämä kaikki säätämiset voivat toki olla toki myös linkitettyinä toisiinsa, josta vasta saadaankin aikaan hienoa säätämistä. Oikea säätämisen systeemi, joka ei säästä ainakaan hermoja, ihmisiä tai aikaa. Jatkuva parantaminen onkin jatkuvaa säätämistä.

Tarve kaikenlaiselle säätämiselle tai muutoksille syntyy, kun poiketaan tavoitteesta. Jos havaitsemme huonoa, niin onhan syytä tehdä jotain. Pitää reagoida ja tehdä toimenpiteitä, koska on olemassa huonon aiheuttaja. Uskomme, että on olemassa jotain, johon puuttua ja jonka muutos estää ongelman esiintymisen seuraavalla kerralla. Tällaiset tulipalot ovat monelle tuttuja.

Tulipalon hallintaa.jpg
Kuva 1.
Tulipalon hallintaa.

Ongelmana vain on, että suurimmassa osassa tilanteita ei kannattaisi tehdä mitään, jotta emme lisää ongelmia ja liiketoiminnan hävikkiä ja aikahukkaa. Tekemättä jättäminen on kuitenkin vaikeaa ja epäluonnollista meidän kaltaisillemme apinoille (tätä aihetta sivusin aikaisemmassa artikkelissani: Tilastollisen ajattelun luonnottomuus.

Professori W. Edwards Demingin käyttämä klassinen suppilokoe demonstroi juuri tätä ihmisten taipumusta väärään reagointiin ja sen seuraukseen. Kuten monet, jotka ovat vastaavan demon toteuttaneet meidän jollakin kurssilla ovat huomanneet, niin stabiilia prosessia ei voi parantaa reagoimalla yksittäisiin tapahtumiin tai epäonnistumisiin. On hämmästyttävää kuinka hyvää tarkoittava muutos vie huonompaan, jos teemme muutoksia satunnaisen vaihtelun alueelta, alueelta, jonka prosessi itse on luonut. Tapahtuu siis itseasiassa täysin arkijärjen vastaisesti tilanteen heikkenemistä ja vaihtelu kasvaa. Virheet lisääntyvät eivätkä vähene. Mikäli itsetuntomme sen vain sallii, huomaamme, että emme ehkä ymmärrä kaikkea maailman toiminnasta, mikä on todella hieno havainto.

Deming esitti suppilodemossaan neljä ihmismielen reagoinnin sääntöä, joista kolme jälkimmäistä ovat vaihtelua lisäävää virheellistä toimintaa (esitetty esimerkiksi W.E. Demingin kirjoissa Out Of The Crisis (1982) ja The New Economics for Industry, Government, Education, (1993), sivuilla 327 ja 190 eteenpäin).

  1. Älä säädä.
  2. Säädä vastakkaiseen suuntaan edellisestä osumapisteestä.
  3. Säädä vastakkaiseen suuntaan tavoitteesta.
  4. Tähtää edelliseen.

Nämä ihmismielen ja tekemisen vinoumat ovat täysin samanlaisia ja mahdollisia kaikkialla. Nämä eivät vaadi vipuja, säätimiä tai koneita toteutettaviksi. Palveluprosesseissa säädetään uusilla säännöillä, tarkastuksilla, henkilövaihdoksilla, resurssien uudelleenjärjestelyillä, motivoivilla puhujilla, boteilla ja muilla järkevillä toimenpiteillä. Jos reagoidaan ennustettavaan, prosessin itsessään synnyttämään vaihteluun, vie säätäminen kuitenkin todennäköisesti huonompaan.


Lopeta säätäminen ja puolita vaihtelu

Laadun yksi keskeisimmistä ajatuksista on, että vain keskiarvon paikkaan voidaan suoraan vaikuttaa ja prosessin data voi antaa ymmärrystä vain keskiarvon paikan tai hajonnan muutoksesta. Vain jos on todisteita muutoksesta, kannattaa jotain tehdä. Jos ei ole tällaista erityistä syytä tehdä jotain, ei kannata tehdä mitään ja voi keskittyä tärkeämpiin asioihin (Katso artikkeli: Tilastollisen ajattelun luonnottomuus). Jos teemme ilman syytä toimenpiteitä, riski tehdä epäonnistumisia lisääviä toimenpiteitä kasvaa. Tämä on yksinkertainen, jo lähes 100 vuotta vanha hyvin tiedetty ja toimiva periaate, mutta miksi me silti lähes jatkuvasti säädämme?

Demingin käyttämä Lloyd S. Nelsonin klassinen suppilokoe esittää loistavasti, kuinka prosessin vaihtelu voidaan hyvää tarkoittavalla toiminnalla moninkertaistaa. Mutta Deming ei ainoastaan keksinyt hienoa demonstraatiota, jolla osallistujat voivat tarkastella omaa toimintaansa uudesta näkökulmasta, vaan myös esitti virheellisille säätämisen tavoille matemaattiset kaavat, jotka kuvaavat vaihtelun kasvamista virheellisen toiminnan seurauksena.

Taulukko 1. Demingin säännöt, T= tavoite, Merkki.png=näytteiden satunnainen keskiarvo, Sigma.jpg2=varianssi ja k=näytteiden määrä.

Demingin säännöt.png

Vaihtelun määrään (varianssiin Sigma.jpg2) vaikuttavat virheellisen säätämisen vaikutuksen on vaikea käsittää pelkillä kaavoilla, joten kuvassa 1 (alla) on esitetty varianssin muutos k:n funktiona näillä eri säännöillä (keskiarvo Merkki.png ja tavoite T=100 ja hajonta Sigma.jpg=10).

Demingin virheellisen toiminnan säännöt.jpg
Kuva 2. Demingin virheellisen toiminnan sääntöjen vaikutus varianssiin k:n funktiona.

Ensimmäisellä säännöllä, kun ei tehdä mitään, vaihtelu pysyy samana näytemäärän kasvaessa tietenkin vakiona. Myöskään tavoitetta T ei välttämättä saavuteta. Säännön 2 mukainen kompensointi edelliseen tapatumaan kasvattaa vaihtelua epälineaarisesti kaksinkertaisten sen suhteellisen nopeasti, mutta tavoite T saavutetaan. Vastaavasti säännöillä 3 ja 4 ilmiö on lineaarinen ja sillä ei teoriassa ole mitään rajaa hajonnan Sigma.jpg kasvamiselle ja 4:ssä keskiarvon Merkki.png muutokselle. Käytännössä joku puhaltaa tietysti pelin poikki tai törmätään johonkin rajoitteeseen, joka estää keskiarvon ja vaihtelua kasvamasta tai pysäyttää toiminnan. Mutta mielenkiintoista on sääntö 2, jossa varianssi kasvaa epälineaarisesti, mutta tasoittuu kaksinkertaiselle tasolle ja samalla saavutetaan haluttu keskiarvo T.

Kompensointi.png
Kuva 3. Demingin virheellisen toiminnan sääntö 2, kompensointi.

Jos teemme toimenpiteitä kompensoiden edellistä tapahtumaa, emme oikeastaan koskaan havaitse minkään mitenkään muuttuvan, joten emme tiedä mikä tilanne voisi olla ilman jatkuvaa säätämistä. Toisaalta, jos lopetamme virheellisen säätämisen, voisimme vähintäänkin puolittaa minkä tahansa prosessin vaihtelun tekemällä vähemmän!

On vaikeaa nähdä virheellisen toiminnan vaikutusta, koska emme tiedä tilanteesta, jossa virheellistä säätötoimintaa ei ole ollut. Jonkinlainen paradoksi, jolla lienee joku hieno nimikin. Koska vaihtelua on mahdotonta havaita sen ilmenemispaikassa, on sen ymmärtäminen tilastollisen tarkastelun kautta äärimmäisen tärkeää perusasia, jonka avulla voidaan tehdä suuri muutos ajattelussa ja onnistumisessa.

Vaikka tämän olisi sisäistänyt, on ensimmäisen säännön viesti silti helppo unohtaa: älä säädä!

Jos kuitenkin säädät, oikean keskiarvon säätämisen menetelmät on esitetty artikkeleissa:

Prosessin ja työkoneen säätäminen ja asettaminen - OSA I  
Prosessin ja työkoneen säätäminen ja asettaminen - OSA II  
Prosessin ja työkoneen säätäminen ja asettaminen - OSA III  
Prosessin ja työkoneen säätäminen ja asettaminen - OSA IV  

 

Matti_pieni.jpg
Matti Pesonen
matti@qk-karjalainen.fi

 

 

Kommentoi

(Sähköpostiosoitettasi ei julkisteta.)
Syötä kuvassa näkyvät kirjaimet ja numerot.
Captcha Code

Klikkaa kuvaa nähdäksesi uuden koodin.

    Tagipilvi

    jaksoaikaANOVAJuranlaatutyökalutdata-analyysiSix SigmaparannustoimintasysteemiCombanion by Minitabsekoitekoevaihtelun vaikutusValue Stream Mappingriskinkartoitusdatan luokittelujitISO 9000standardointipäämäärämalliLittlen lakitilastomatematiikkaISO 9001:2015satunnaissyyJatkuva parantaminenmonimuuttujakoekoesuunnitteluGage R&RPDSA-ympyräLaatukonferenssiTOCsatunnainen vaihteluVOCmittausprosessikuvaaminenluotettava mittausjidokaLaatujärjestelmäkalanruotokoulutushypoteesitestausprosessikuvausCrosbytiedonkerääminenmenetelmäthistogrammiMinitab 18FMEAkustannussäästötDemonstraatiotGreen Beltlaatu ratkaiseenollavirheLean Six Sigma Black BeltstabiilisuorituskykymittaritmielenmallitdataDMAICMonte CarloOhnotyökalutparannusmenetelmägurutasiakastäystekijäkoeLeansuorituskykyideointiSPC-korttiaivoriihiennustaminenmuutoksen tuskaarvovirtariskiCTQsyy-seurauskaaviomalliEDAarvovirta-analyysiYellow Beltryhmittelykaaviodatan käsittelyBOKkvantitatiiviset menetelmättehdasfysiikkaSPCJohtaminenmittaaminenvuodiagrammiohjausdatan käsittelykairyoerityissyypaloautopeliDSDLean-visioMinitab 19AsiakastarveongelmanratkaisuoperaatiotutkimusparantaminenarvovirtakuvausKingmantoiminnan laitmittavirhet-testiKaikakuOpettaminenCDAPDSAinnovaatioControl PlanCTPlaadunohjausToyotaParetoOpetusmenetelmätlaatu Suomessatoiminnan lainalaisuudetBody of KnowledgeTPMjohtamisjärjestelmäDesign for Six SigmahypoteesitestineukkarikoeTaguchiprosessi5SKataparannusTQMShewhartDFSSdatan laatudatan keräysIshikawalaatutaulutIATF 16949ROIryhmätyöskentelyGageparannuksen johtaminenregressioanalyysiFactory PhysicsHarryWheelertehollinen aikasitoutuminenuutiskirjetoleranssiKaizenhävikkifunktiolaadunparannusparannusmalliSigmaShingoBlack BeltTuottavuusOFATparannustoiminnan kehittyminentilastoLean-talovalvontaturvallisuusvaihteluterveydenhuoltoDOEHukkalaadunhallinta0-virhe5W2H MSAmittaussysteemidatan käsittelykausaliteettiVUTLean Six SigmaMarkkinointiprosessimonimuuttujatestiASQhyväksymisnäytteenottoKingmanin yhtälöjärjestäminenohjaussuunnitelmaqfdPDCAVSMasiakastyytyväisyysTPSlainalaisuudetBig DataISO 9001asiakastyytyväisyysLaatutyökalutIATFpalvelulaadunkehittäjätilastollinen päätöksentekoohjauskorttiL8-matriisiDemingläpimenoaikamuutosLean HandbookMarkkinointiacceptance samplingpuhdistaminenlaatuFeigenbaumHall of FameTätä on LeankorrelaatioMinitablajittelutehokkuusreunaBalanced ScorecardDMADVDesign of Experiments8Dmixturetekoälyhukan muodotoee

    Arkisto