Ongelmat ja osaaminen

Julkaistu 01.08.2019    Kirjoittanut Antti Piirainen  Tilaa RSS


Ongelmat ovat usein vaikeita ja taustalla on monimutkaisia syy-seurausmekanismeja. On helppo ymmärtää, että mitä vaikeampi ongelma, selvitettävä asia tai tehtävä on edessä, sitä enemmän täytyy olla osaamista ja taitoa.

Ongelman vaikeutta auttaa ymmärtämään, jos asiaa tarkastelee eri näkökulmista ja tietää taustalla olevat yleiset syntymekanismit ja aikahorisontit. Tästä aiheesta kirjoitin artikkelissa talvella 2019 Neljä ongelmaa, neljä lähestymistä.

Hierarkia.png

Kuva 1. Ongelmat

Lean on noussut suosioon ja toivottavasti pysyy. Leanin yhteydessä – kuten monessa muussakin asiassa – lipsahtavat asiat yksinkertaistuksen kuoppaan. Hoetaan kaikki parantaa, kaikki muuttaa maailmaa. Annetaan mielikuva, että kysymys on tahdosta, vaikka kysymys ei ole yksin tahdosta. Tahto voi toki olla yksi elementeistä.

Lean usein esitellään prosessijohtamisen filosofiana, jonka tavoitteena on tuottaa arvoa asiakkaalle (maksimoida asiakastyytyväisyys) ja selvitä tästä minimi hukalla (kehittää tuottajatyytyväisyyttä). Pahin virhe on, että hukka asetetaan arvon edelle, eli päämäärä unohdetaan ja häntä alkaa heiluttaa koiraa (hukan poistosta tulee päämäärä).

Tähän kun lisätään, että ymmärtämättömyys, että hukka on seuraus eikä syy, soppa on valmis. Hukka usein mahdollistaa arvon tuottamisen (varastot, odottavat koneet, odottavat henkilöt, tuotevaihdot, liikkuminen työpisteessä hakiessa tarvittavia tarvikkeita tai työkaluja jne.). Hukan poistaminen vaatii ongelman tai ongelmien ratkaisun. Ennen onnistunutta ratkaisua tarvitaan ongelman tai ongelmien syyn tai syntymekanismin ymmärtäminen.

Ongelman syntymekanismin tunnistaminen on äärimäisen tärkeä vaihe ennen ratkaisun kehittämistä, sen varmistamista ja käyttöönottoa. Ajatelkaa lääkäriä, joka antaa hoidon, vaikka ei tiedä mikä on sairaus. Ensiapua tarvitaan, mutta vain siksi aikaa, että varsinainen syy saadaan selville.

Usein hypätään oireesta toteutukseen. Oireen ja toteutuksen välistä jää pois diagnoosi, vaihtoehtoisten ratkaisuehdotusten kehittäminen ja idean toimivuuden testaaminen. Vastaus on: ei tarvitse, kun vastaus on selvä. Onko? Kuinka yritysten tuottavuus on kehittynyt? Huonosti, ellei oltaisi onnistuttu kasvattamaan tuotteiden hintaa (ks. Suomen Pankin, ETLA:n raportteja).

Dunning-Kruger -efektiä kuvaava käyrä (kuva 2) kuvaa hyvin todellisen osaamisen ja oletetun osaamisen (usein mielipiteen varmuuden) suhdetta. Yhteys on järkyttävä. Tämä sama käyrä tulee mieleen, kun tarkastelee "ongelman ratkaisu" -keskustelua. Menee sekaisin eritasoiset ongelmat sekä niiden vaatima osaaminen. Kun ongelmat vaikeutuvat, niiden ymmärtäminen vaatii eksponentiaalista ymmärrystä asianyhteydestä ja ongelmasta.

Dunning_Kruger.png
Kuva 2. Luullun tiedon ja todellisen tiedon yhteys.

Muistutan, että ennen ratkaisua täytyy ymmärtää syy tai syyt sekä mekanismit, muuten ratkaisu menee usein pieleen. Ymmärtäminen vaati osaamista. Pitää pystyä kysymään vaikeita kysymyksiä eri näkökulmista, joka johtaa seuraaviin selvityksiin ja uusiin kysymyksiin. Tämä tie vie kohti syvempää ymmärrystä ja parempia ratkaisuja.

Positiivista fiilistä ajavat – sinänsä varmaan hyvä tavoite – ihmiset ovat jopa poistaneet ongelmat organisaatioista kertomalle, että heillä on vain haasteita. Annetaan vielä päälle ymmärtää, että kaikki voivat tehdä asialle jotain, jos vain haluavat. Asioiden äärimmäistä yksinkertaistamista.

Cordell Hensley on ottanut Lean Misconceptions -kirjaan Johnstonin kuvan eriongelmien hierarkiasta ja osaamisvaatimuksesta. Olen tästä kuvasta mukaillut alla olevan kuvan 3. Tämä kuva on mielestäni yksi parhaista kuvista, jossa kuvataan ongelmien hierarkia. Kuvan ymmärtämistä auttaa, jos tuntee tilastollisen prosessin ohjauksen konseptin (W. A. Shewhart toukokuu 1924) ja systeemiteoriaa.

Standardikuva.png

Kuva 3. Hierarkia ongelmien luonteesta, ratkaisumenetelmistä sekä osaamisvaatimuksista ja tarvottavasta ajasta.

Vasemmalla kuvassa on yksinkertaiset ja yksittäiset ongelmat, jotka voidaan ratkaista terveellä järjellä. Vastaavasti oikeassa reunassa on äärimmäisen monimutkaiset ongelmat, joissa on useita prosesseja koskevat ongelmat, ja jotka ovat riippuvia toisistaan ja muodostuvat monien keskinäisvaikutuksien seurauksina.

Liian usein näkee, että tätä kuvassa 3 esiteltyä hierarkiaa ei tunnisteta tai ei tunneta, josta seuraa ongelmien niputtaminen vain ongelmaksi tai haasteiksi. Lean -johtajakoulutuksessa tuotantoon ja operaatioihin liittyviä ilmiöitä käsitellään useista eri näkökulmista ja pyritään avaamaan havaittavien ongelmien mahdollisia syitä, eikä tarjota ihmelääkettä tai tahtoa lääkkeeksi.

Parantaminen on osin taidetta ja osin tiedettä. Tarvitaan tahto ja motivaatio, sekä tieto ja taito. Motiivit voivat olla moninaiset, mutta usein sisäinen motivaatio on tärkeää ja se ajaa kysymään ja pyrkii ymmärtämään asioiden perussyyt ja tätä kautta usein motivoitunut ihminen, jolla on riittävä osaaminen saa parhaat tulokset ja parhaan mielen.

 

Antti_90.jpg

Antti Piirainen
antti@qk-karjalainen.fi

 

Lähteet

  1. Hensley, C. 2018. Lean Misconceptions. CRC Press.
  2. Wikipedia, https://en.wikipedia.org/wiki/Dunning–Kruger_effect 23.5.2019

 

Kommentoi

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

Klikkaa kuvaa nähdäksesi uuden koodin.

  • Kai Laamanen

    Hyvä artikkeli Antti... tärkeä erottelu on erotella krooniset ongelmat poikkeamista. Kroonisissa ongelmissa usein taitavakaan analyysi tai tekniikka ei riitä, vaan tarvitaan muutosjohtamista... usein mm. Six Sigman ja Leanin hyödyntäminen epäonnistuvat organisaatiossa muutosjohtamisen puutteen vuoksi.

    terv. Kai

  • Lasse

    Hei Antti,

    Kiitos taas mielenkiintoisesta artikkelista. Viittasit Johnstoniin ongelman luokittelussa. Voitko antaa tarkemmat tiedot kenestä Johnstonista on kyse. En löydä googlaamalla. Kiitos. Ja vielä kysymys: Oletko tutustunut Cynefin-malliin systeemien luokittelussa? Tässähän systeemit luokitellaan neljään: (1) yksinkertaiseen, (2) monimutkaiseen (complicated), (3) kompleksiseen (complex) ja (4) kaaos - ja sitten on vielä viides: epäjärjestys, jossa ei tiedetä missä tilassa ollaan. Tässä on joitain yhtymäkohtia esittämääsi luokitteluun, mutta ei aivan itsestään selviä. Jotenkin olisi mukava saada päähänsä selkeä kuva erilaisista malleista ja niiden eroista ja samankaltaisuuksista.
    PS. Sitten on vielä vaihtelun teorian tuoma luokittelu, johon itsekin viittasit. Se on toistaiseksi ainoa, jonka luulen ymmärtäväni ja sisäistäneeni :).

Tagipilvi

koesuunnitteluLean-talonollavirheparannusmenetelmäROIvaihteluCombanion by MinitabKingmanryhmätyöskentelyVUTvaihtelun vaikutusANOVAmielenmallitOFATmittausprosessikausaliteettiSPCkustannussäästötterveydenhuoltomonimuuttujakoeregressioanalyysimixturehyväksymisnäytteenottoasiakastyytyväisyysToyotaprosessiMinitab 19PDSA-ympyräasiakashypoteesitestauspalvelumallihävikkifunktioBig DataJohtaminenjitvalvontamittaussysteemivuodiagrammiTPSHarryMonte CarloLean Six Sigma Black Beltgurutsysteemineukkarikoetilastollinen päätöksentekoOpetusmenetelmät8DlainalaisuudetHall of FameläpimenoaikalaatupäämäärämalliMarkkinointiacceptance samplingLean Six SigmaBlack Beltoperaatiotutkimuskuvaaminendatan laatuCDAparannustoimintaISO 9001:2015DFSSoeetiedonkerääminenSigmadatan keräystyökalutmittavirheISO 9001suorituskykyGage R&RarvovirtakuvausohjauskorttiFactory PhysicsMinitab 18Value Stream Mappingqfdsyy-seurauskaaviotoiminnan laitIATF 16949datan käsittelyasiakastyytyväisyysarvovirtaLeanLaatukonferenssiKatakoulutuslaadunohjaus5W2H CTPlaadunkehittäjäControl PlanDemonstraatiotKaikakujohtamisjärjestelmäHukkaparannussuorituskykymittaritSPC-korttilaatu ratkaiseedatan luokitteluDesign for Six Sigmaturvallisuushistogrammikalanruotoarvovirta-analyysiTätä on Leanuutiskirjet-testihukan muodoterityissyytilastoWheelersatunnainen vaihteluGreen BelttäystekijäkoetoleranssiparannusmalliKingmanin yhtälöTPMlaadunparannusMinitabongelmanratkaisuEDABalanced ScorecardmonimuuttujatestiLean Handbooktoiminnan lainalaisuudettekoälylajitteluPDSAJatkuva parantaminenTuottavuustehollinen aikajidokajaksoaikaparannuksen johtaminentilastomatematiikkaDMADVohjaussuunnitelmaohjausparannustoiminnan kehittyminenTOCParetoAsiakastarveTQMDesign of Experimentslaatutyökalutkvantitatiiviset menetelmätmittaaminenkanbanKaizenDSDASQmuutosstabiiliCTQaivoriihiluotettava mittausJuransitoutuminendata-analyysiFeigenbaumIATFpaloautopeliLean-visioriskinkartoitusCrosbyryhmittelykaaviopuhdistaminenGageprosessikuvausVOC5STaguchiL8-matriisiDMAICmenetelmättehokkuusreunalaatutaulutLaatutyökaluttehdasfysiikkastandardointikairyoShingoriskiBody of KnowledgeinnovaatiodataparantaminenDOESix SigmaennustaminenVSMOpettaminenMarkkinointiprosessiShewhartlaadunhallintajärjestäminenOhnosekoitekoePDCA0-virheYellow BeltkorrelaatioLaatujärjestelmämuutoksen tuskaISO 9000laatu Suomessadatan käsittelyFMEAdatan käsittelysatunnaissyyIshikawaBOKMSADeminghypoteesitestiideointiLittlen laki

Arkisto