Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Методология и практика планирования эксперимента в России. Монография
.pdf
скольку мы имеем возможность исправить ее в следующем цикле.
Жизнь предприятия, таким образом, погружается в среду непрерывного совершенствования стабильных процессов и систем c перерывами
на поиск и устранение особых источников вариации. При этом используется единый набор инструментов – семь простых.
Другая важная особенность – создание специальных команд, ча-
сто на постоянной основе
, называемых обычно «кружками качества».
Командный стиль работы пока мало распространен среди статистиков. Между тем анализ работы многочисленных кружков качества и
аналогичных команд показывает, что эта организационная форма
способна резко улучшить результаты и ускорить их реализацию. Одновременно она способствует сплочению людей и созданию на предприятии атмосферы «радостной работы».
Конечно вовлечение в статистическую работу всех сотрудников организации требует специального обучения. Поэтому были разработаны программы обучения рабочих семи инструментам. Оказалось, что при хорошей организации весь
курс можно уместить в два-три дня при условии, что все, кто прошел
обучение, смогут систематически получать квалифицированные консультации в течение полутора
-двух лет, после чего они сами смогут
стать консультантами. Если удается включить в программу обучения
действительно всех сотрудников – от директора до вахтера, то в организации может возникнуть язык общения, основанный на визуализации
статистических результатов. Такое достижение трудно переоценить.
Так прикладная статистика вышла на совершенно новый уровень
и получила огромную
аудиторию, которая до этого была в лучшем
случае нейтральна, если не враждебна. За это пришлось заплатить
отказом от многомерных методов планирования эксперимента. Отказом в том смысле, что теперь этими методами предлагалось пользоваться только профессионалам, как инженерам, так и прикладным
статистикам. Пришлось отказаться и от широкого применения многофакторной регрессии
, не говоря уж о факторном анализе и других
многомерных методах. Интересно, что через пару десятилетий по
существу аналогичную задачу пытались решать в США разработчики концепции «шесть сигм»
1
. Поразительно, что у них получилась
_____________
1
«Шесть сигм» – концепция управления качеством, разработанная в корпора-
ции Motorola в 1980-е годы и популяризированная в середине 1990-х. Суть концепции сводится к улучшению качества выходов каждого из процессов, минимизации
числа дефектов и статистических отклонений в операционной деятельности.
131
совершенно другая структура. Несомненно, это должно стать предметом специального анализа. Но вернемся в Японию. В те же послевоенные годы там сложилась одна из самых оригинальных систем
представлений о роли, месте и возможностях применения статистических методов в системах менеджмента качества, да и в общем менеджменте. На Западе их
ни их создателя профессора Генити Тагути
стали называть «методами Тагути» по име-
1
.
Для того, чем занимается Тагути, он придумал название Quality
Engineering, которое часто переводят на русский выражением «Ин-
жиниринг качества». Нам кажется, что это недоразумение. Поэтому
мы предлагаем использовать естественный термин «технологии качества». (Нашу уверенность поддерживает то, что была попытка обсудить этот термин с самим автором; здесь, правда, есть проблема
перевода
.) Он опубликовал много книг и статей, есть его собрание
сочинений в семи томах, изданное и по-японски, и по-английски.
Может быть, удобнее всего пользоваться большим справочником
[36]. В нем представлена широкая панорама подхода Тагути. Что же
предложил автор этой идеи в 1950 г. и развивал до лета 2012 г., когда
он ушел
в мир иной?
Первый из методов Тагути – функция потерь по Тагути. Одна из
вечных проблем исследователей – это постоянная потребность в одновременном исследовании нескольких разных показателей качества
или откликов. И вряд ли от этого удастся избавиться в будущем, поскольку потребитель, например, хочет знать не только какой-то один
размер
покупаемого изделия, но и его другие размеры, физические и
химические свойства, надежность, внешний вид, цену, и так далее, и
тому подобное. Изучать каждый отклик отдельно часто не по карману. Поэтому люди издавна занимались поисками подходов к свертыванию многомерных откликов в скалярные показатели, для которых
уже легко ставить оптимизационные задачи
. Про это написаны горы
книг. Но проблема постоянно требует априорной информации о возможном характере свертки. Легче всего, конечно, пользоваться линейными свертками, только они, похоже, редко бывают реалистичными. Г. Тагути удалось построить очень простую нелинейную
свертку, опираясь на представления о требованиях потребителей
_____________
1
Г. Тагути (1924–2012) – японский статистик и инженер. Создал концепцию
«технологии качества», оказавшую огромное влияние на принципы управления во
многих отраслях народного хозяйства.
132
(или любых заинтересованных сторон) и о границах допусков на эти
требования, согласованных между продавцом и потребителем. Существенно, что сами отклики могут иметь любые размерности, а потери всегда будут выражаться в деньгах (любых, какие вам нравятся). Благодаря тому, что деньги, как известно, аддитивны, потери от
разных откликов можно
легко складывать, получая, таким образом,
обобщенный отклик, или параметр оптимизации. Функция потерь
оказалась полезным инструментом, хорошо вписывающимся в статистические модели. На Западе для аналогичных целей иногда используют функцию желательности Харрингтона. Но заключения, к которым ведут эти функции (Тагути и Харрингтона), часто оказываются
противоречивыми.
Следующий момент, связанный с концепцией
Тагути, относится к
связи между разработкой, проектированием, конструированием, пуском и наладкой, с одной стороны, и эксплуатацией действующей системы (например, производства), с другой. Конечно, и до работ Тагути мы знали, что львиная доля потенциала действующей системы
закладывается на этапах ее создания и внедрения. Но Тагути не просто
обратил внимание на этот факт, но и предложил технологию систематического решения задач разработки и внедрения продукции и
оборудования в производство. Замечательно, что он положил в основу этой технологии методы планирования эксперимента. Причем он
существенно переосмыслил сами эти методы, отойдя от классических образцов планирования по Р. Фишеру или по
Дж. Боксу.
Главное новшество в планировании экспериментов по Тагути –
концепция «робастности». Интересно, что этот термин, который, как
мы знаем, ввел Дж. Бокс, Тагути использовал хоть и в близком, но
все-таки ином смысле. Он предложил классифицировать факторы
следующим образом: 1) факторы, влияющие на номинал отклика
(«сигнал»); 2) факторы, влияющие на вариацию, разброс
значений
отклика; 3) факторы, влияющие и на то, и на другое, и, наконец,
4) факторы, не влияющие ни на то ни на другое, т.е. несущественные
для исследования данного объекта.
Задача планирования эксперимента как раз и состоит в том, чтобы
расклассифицировать факторы в данной задаче. Тогда можно будет
отбросить за ненадобностью факторы
, попавшие в последнюю группу, оставить «на потом» факторы третьей группы, в надежде на то,
что до них не дойдет дело, поскольку удастся получить удовлетвори-
133
тельное решение с помощью только факторов первых двух групп, а
для факторов первой и второй групп построить по полученным экспериментальным данным отдельные модели, чтобы с их помощью
провести независимую оптимизацию. Это значит, что мы собираем
вместе факторы, влияющие на сигнал, и находим для них отдельно
регрессионную модель. Затем то же
самое проделываем с факторами,
ответственными за разброс («шум»). Для диагностики системы Тагути ввел отношение сигнал/шум – специальную функцию от результатов наблюдений. Интересно, что и этот термин Тагути тоже позаимствовал, на этот раз в статистической радиофизике, в теории радаров.
И тоже использовал его не совсем так, как это
принято в исходных
дисциплинах.
Таким образом, робастные технологии позволяют построить такой объект или такую систему, которая одновременно будет обеспечивать наилучший возможный сигнал, одновременно стремясь к минимально возможному шуму. Значит, система становится устойчивой по отношению к факторам, создающим шум. И это достигается
не за счет дополнительных капиталовложений, а
только за счет «разума», за счет выбора наилучшей конфигурации системы. Однако
конкуренция на рынке или просто научно-технический прогресс вынуждают искать возможности улучшения работы системы уже не за
счет обеспечения требований заинтересованных сторон, а за счет
ужесточения допусков на факторы в производственном процессе.
Тогда Тагути предлагает провести планирование
эксперимента уже в
пространстве допусков на факторы, чтобы решить, какие из них имеет смысл ужесточить, чтобы добиться желаемого результата с
наименьшими затратами. В этом случае задаром не получится. А
функции потерь в пространстве откликов оценят, насколько в действительности удалось улучшить систему за счет ужесточения допусков на факторы.
Методы
Тагути вызвали широкую дискуссию среди западных статистиков (например, [37]). Как правило, точек в таких дискуссиях не
бывает.
Из того, что уже было сказано о японском вкладе в создание новой парадигмы в статистике, видно, что эти процессы стимулировались бурным послевоенным развитием японской промышленности
под знаком качества. Поэтому наше описание
было бы не полным,
если бы мы не упомянули менеджмент компании «Тоёта», впитав-
134
ший многие важные статистические идеи, если бы мы не назвали таких людей, как Тайити Оно
1
, Сигео Синго2, Масааки Имаи3, и многих
других.
Но вернемся в Америку. В 1962 г. в популярном среди специали-
стов статистическом журнале вышла в свет большая статья Д. Тьюки
[38]. Примечательно, что автору понадобилось новое словосочетание
«анализ данных» вместо привычного «статистический анализ». По-
чему? Мы думаем, что это явный признак предчувствия смены парадигм. Тьюки не
привел точного определения термина «анализ данных», он лишь заметил, что он гораздо шире, чем статистика и целиком включает ее в себя. Тем не менее из его работы ясно, что он чувствует «узость» статистической парадигмы и стремится расширить ее
за счет эффективных приемов визуализации, за счет интенсивного
использования нарождающегося
нового поколения «дружелюбных к
пользователю» компьютеров и за счет привлечения методов, которые
традиционно не относились к статистике, но могут принести пользу в
конкретных задачах.
Тьюки придумал и позаимствовал в разных местах много интересных приемов визуализации данных. Наиболее известны среди
них: «ящик с усами» – способ наглядного представления структуры
эмпирического распределения
и «опора и консоль», или «стебель и
листья» (это разные русские переводы одного термина), – простой и
наглядный способ представления гистограмм, дающий больше информации, чем стандартный. Настаивая на визуализации, он подчеркивал, что числовые свертки данных делают акцент на ожидаемом, а
графические представления – на неожиданном. В этом пункте Тьюки
был близок
к Исикава [39].
Развивая свой подход, Тьюки пришел к идее разведочного анализа
[40]. Анализ данных во всех вариантах вызвал большой интерес, но
не стал сразу повальным увлечением. Требовалось время для освоения возможностей компьютеров. Тьюки начал работать с компьюте-
_____________
1
Т. Оно (1912–1990) – японский инженер, начальник механического цеха, в по-
следствии заместитель председателя совета директоров компании «Тоёта», один из
основателей производственной системы компании.
2
С. Синго (1909–1990) – японский инженер, известный специалист по оптимиза-
ции производственных процессов. Создатель концепции «пока-ёкэ» и быстрой переналадки.
3
М. Имаи (1930) – японский исследователь, основатель концепции «кайдзен».
135
рами еще в компании с Джоном фон Нейманом1. И продолжал работать с ними всю жизнь. Он даже ввел несколько терминов, которые
теперь общеприняты, например, «бит». Он одним из первых обратил
внимание на то, что эффективная коммуникация между статистиками
и программистами достигается с большим трудом. Взаимодействия
между анализом данных и компьютерами развивались, проходя через
такие стадии, как отдельные
программы, программные комплексы,
базы данных, экспертные системы, и наконец возникла концепция
«раскопок в данных» (Data Mining) [41]. Хотя обычно среди основателей раскопок в данных не называют Джона Тьюки, мы думаем, что
именно его работы послужили для них стартом.
Можно еще упомянуть другое «американское дитя» – концепцию
«шесть сигм». Она представляется нам американской реакцией
на
методы Тагути и интересна прежде всего с психологической точки
зрения [42].
В нашей стране хотя и периодически переводились некоторые
важные работы, направленные на развитие новой парадигмы, не велось публичных дискуссий и нам неизвестно о каких-либо целенаправленных усилиях в этом направлении. Можно отметить только
работы профессора В. В.
Налимова2, который начиная примерно с
1970 г. и почти до конца века упорно разрабатывал концепцию «вероятностного мышления» [43] и о вероятностном видении Мира:
«Речь идет не только о вероятностном видении Мира, связанном с его
бесконечной сложностью, но «в самом деле» внутренне детерминистичном, а именно о вероятностном Мире, где вероятность – в
самой
его сути. Это – вероятностная онтология вероятностного Мира, а не
вероятностная гносеология детерминистического Мира» [44]. В
прошлом столетии толчком к такому пониманию послужила революция в физике, приведшая к квантовой механике с ее вероятностной структурой микромира.
_____________
1
Д. фон Нейман (1903–1957) – выдающийся математик и физик, внесший вклад
в многочисленные области от создания вычислительных машин до теории связи.
2
В.В. Налимов (1910–1997), профессор МГУ. Создатель и руководитель не-
скольких новых научных направлений: метрологии количественного анализа, химической кибернетики, математической теории эксперимента, наукометрии (ввел термин «наукометрия» в научный оборот). Занимался проблемами математизации биологии, анализом оснований экологического прогноза, вероятностными аспектами
эволюции, проблемами языка и мышления, философией и методологией науки, проблемами человека в современной науке, вероятностной теорией смыслов.
136
Осенью 2009 г. в Токио профессор Хирое Цубаки в частной беседе рассказал одному из нас (Ю. А.) о своей идее, касающейся смены
парадигм в статистике. Он заметил, что существующая парадигма,
связанная еще с именем Карла Пирсона, себя исчерпала и ей на смену, как он полагал, может прийти концепция, основанная
на идеях
профессора Тагути. Некоторые из своих соображений он отразил в
тогда только что вышедшей книге [45]. Эта идея показалась весьма
заманчивой, и мы стали ее обдумывать. В результате появилась работа, которую вы сейчас читаете.
Может, и появилась бы она не так быстро, если бы не одно новое
обстоятельство: неожиданное появление
книг Талеба1, особенно
«Черного лебедя» [46]. Пока готовилась эта работа, Талеб издал еще
одну важную книгу [47]. (Талеб так азартно нападал на нормальный
закон распределения и на Гаусса, что Гаусс ему мешал даже на ныне
отмененных купюрах немецких марок.) Он убедительно показал, что
существующие модели предсказания эконометрии, как, впрочем, и
другие математические методы прогнозирования
, не работают в
условиях современных реалий, и не могут предсказывать даже самые
яркие и самые важные события на мировых рынках (он называет их
«черными лебедями»). По аналогии с учением Шухарта – Деминга
здесь не приходится говорить о статистической стабильности систем.
Работы Талеба оказались для нас «последней каплей», развязавшей,
наконец, узлы, сдерживающие
неизбежные перемены. Поменялись
аспекты. Многое, что казалось сомнительным, стало ясно.
Мы не знаем, можно ли построить модель новой парадигмы, опираясь только на концепцию Тагути (думаем, что нет), но нам ясно,
что в ней есть ряд моментов, заслуживающих рассмотрения в этом
контексте. Вот как мы видим сейчас основные моменты новых
взглядов.
Главная причина того, что мы обсуждаем ясна: мир стал вероят-
ностным. И сейчас мы думаем, следуя В. В. Налимову, что это не
вероятностная интерпретация на самом деле детерминированного
мира, некие следствия сложности, на которую наложена неопределенность, порожденная незнанием. Напротив, мы полагаем, что мир
и в самом деле вероятностен, что
это – его внутреннее имманентное
_____________
1
Н. Талеб (1960) – ливанец, православный христианин, статистик. Работал трей-
дером на нью-йоркской фондовой бирже. Предсказал кризис 2008 г. и разбогател на
этом. Теперь пытается делиться своим опытом.
137
свойство. Пришло время вероятностного мира. Конечно, от того, что
мы станем называть мир детерминированным или вероятностным, с
самим миром ничего не изменится, ему все равно, как мы его называем. Изменения происходят лишь в нашем отношении к миру, в
нашей интерпретации идей и событий. А вот здесь ситуация меняется радикально
. Меняется практически все.
Если встать на эту точку зрения, то мы будем вынуждены отказаться от многих привычных вещей, прежде всего от фундаментальных принципов детерминизма, ведущих к концепции причинности.
Впрочем, это не слишком большая новость. В восточных мировоззренческих системах принципы индетерминизма сформулированы
давно. Вот, например, как рисует мир
учение средневековой буддистской секты «Кэгон»: «Мир – это огромная сеть, в узлах которой
расположены драгоценные камни, причем, каждый камень отражает
все и отражается во всех» [48]. Кто скажет, где здесь причина, а где –
следствие? Мы думаем, что связи между объектами ассоциативны и
имеют вероятностную природу. Нам не суждено узнать, справедлива
ли гипотеза
о вероятностном мире, но в ее пользу накопилось гораздо больше подтверждений, чем в пользу гипотезы детерминизма.
Именно поэтому и происходит смена парадигм. Это совершенно автономный процесс, идущий вне воли или желаний отдельных людей
или коллективов. Однако приняв его, мы идем в ногу с развивающимися событиями, а сопротивляясь –
безнадежно отстаем, но это –
наш выбор.
Таким образом, получается, что:
1. Вероятностный мир вместо детерминированного. Для унификации моделей объектов исследования мы, следуя за Н. Винером, рассматриваем «черный ящик» и его обобщения – «серые ящики» и «белый ящик». Взаимодействие таких «ящиков» с конкретными науками
для построения априорных моделей требует, чтобы
сами науки были
переосмыслены и преобразованы в структуры, описывающие входы
и выходы ящиков. При этом они неизбежно будут взаимодействовать
с другими традиционными науками, превращаясь в междисциплинарные структуры. Это, в свою очередь, откроет дорогу для создания
междисциплинарных исследовательских команд, что потребует командных форм обучения. В конечном счете это должно изменить
об-
лик науки и структуру ее взаимодействия с практикой.
138
2. Вместо отдельных наук – междисциплинарные конгломераты
(новый облик науки).
3. Вместо специализированных теоретических моделей модели
типа «черного ящика» c большим числом факторов и откликов и со
сверткой многомерных откликов, например, с помощью функции
потерь по Г. Тагути.
4. Вместо аксиом операциональные определения по Э. Демингу.
5. Вместо формализации визуализация по К. Исикава и
Дж. Тьюки.
6. Вместо жестких статистических моделей данных моделирова-
ние в широком диапазоне.
7. Вместо управления системами «по наитию» изучение статисти-
ческой устойчивости систем и действия в соответствии с диагнозом.
8. Вместо экспериментирования по наитию использование плани-
рования экспериментов как обязательного элемента научного исследования. (В тех случаях, когда физический эксперимент невозможен,
или нежелателен, надо планировать машинные имитационные эксперименты.)
9. Вместо хаотичной обработки данных систематическое использование раскопок в данных как основного способа обработки результатов и извлечения информации. Это путь компьютеризации.
10. Вместо индивидуальных прорывов работа в смешанных командах над реальными проектами. Форма работы – непрерывный
диалог.
11. Вместо случайного обучения – непрерывное
обучение всех
членов команды для обеспечения эффективного диалога.
12. Вместо детерминированного представления результатов и
принятия решений учет элементов неопределенности.
13. Статистика – язык науки.
Конечно, все вышеперечисленные пункты нуждаются в тщательном детальном обсуждении. Но какие бы коррективы ни были внесены в эти данные, все равно остается центральный вопрос: что делать,
чтобы
наилучшим образом подготовиться к грядущим переменам?
Перемены не ждут.
139
Библиографический список
1. Грановский Ю. В., Адлер Ю. П. Возраст зрелости. 50 лет мето-
дологии и практики планирования эксперимента в России. Saarbrück-
en: Palmarium Academic Publishing, 2014. 150 S.
2. Adler Yu. The Statistics: Past, Present, and Future (A New Paradigm
in Statistics): 13th Annual ENBIS Conference, Ankara, Turkey. 15–17
September 2013. 24 p.
3. Налимов В. В. Облик науки. СПб; М.: Центр гуманитарных
инициатив, Изд-во МБА, 2010. 368 с.
4. Налимов В. В., Баринова З. Б. Этюды по истории кибернетики //
Философия науки. 2000. № 1(7). С. 55–78.
5. Аристотель. Об истолковании. СПб, 1891. Гл. 9.
6. Аль-Фараби. Трактат о том, что правильно и что неправильно в
приговорах звезд. Математические трактаты. Алма-Ата: Наука, 1972.
285 с.
7. Кляус Е. М., Погребысский И. Б., Франкфурт У. И. Паскаль.
М.: Наука, 1971. 432 с.
8. Меллерш Г. Фицрой – капитан «Бигля». Л.: Гидрометеоиздат,
1975. 256 с.
9. Райхесберг
Библиогр. очерк. Ф. Павленкова. СПб: Библиогр. библиотека, 1894.
10. Филипченко Ю. А. Фрэнсис Гальтон и Грегор Мендель. –
М.: Государственное изд-во. Биографическая серия, 1925. 86 с.
11. Канаев И. И. Френсис Гальтон. Л.: Наука, 1972. 135 с.
12. Pearson K. The Grammar of Science. L.: Dover Publicatoin, 1892. 394 р.
13. Мендель Г. Опыты над растительными гибридами
1965. 160 с.
14. Salsburg D. The Lady Tasting Tea: How Statistics Revolutionized
Science in the Twentieth Century. N.Y.: W. H. Freeman and Company,
2001. 340 р.
15. Understanding Big Data: Analytics for Enterprise Class Hadoop
and Streamling Data / P. C. Zikopoulos, C. Eaton, D. deRoos at all. N.Y.:
McGraw-Hill Co., 2012. 145 p.
16. Холлендер М., Вулф Д. Непараметрические методы статистики /
Пер. с англ. Д. С. Шмерлинга под ред. Ю. П. Адлера и Ю. Н. Тюрина.
М.: Финансы и статистика, 1983. 518 с.
Н. М. Адольф Кетле. Его жизнь и научная деятельность:
. М.: Наука,
140
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]