Problematika zavádění statistických metod
Petra HALFAROVÁ, Milan HUTYRA
Abstrakt: Dnes si již bez použití jednoduchých statistických
veličin nedokážeme představit řízení podniku. Ovšem
pokročilejší tatistické metody mnohdy zůstávají neoprávněně na okraji zájmu. U mnohých statistických metod nejsou
plně využívány jejich veškeré možnosti nebo jsou tyto statistické metody aplikovány nesprávným způsobem, což většinou vede k předčasnému rozhodnutí o ukončení využívání
těchto metod, případně špatné interpretaci výsledků.
Při vyslovení slova statistika mnohým naskočí husí kůže. Cokoliv, co
se týká matematiky je pro mnohé obestřeno tajemstvím a vystačí si
s poznáním pojmu průměr. Ovšem mnozí tuto prvotní nechuť již
překonali a věřím, že malé procento z nich objevilo krásu matematiky a jejich aplikací.
V oblasti řízení jakosti hrají statistické metody neopomenutelnou
úlohu. Prvotní rozmach zavádění statistických metod, který se týkal
především velkých firem mnohdy se zahraničním kapitálem, je již
určitě za námi. A tyto firmy také většinou úspěšně užívají výsledky a
vyhodnocení, které jim používání statistických metod přináší.
Pochopili, že „nutnost“, s kterou je zaváděli přešla v užitečnost.
Oblast statistických metod potkává některé zaměstnance každodenně a již si nedokážou představit svou práci bez jejich využívání.
V malých a středních firmách je situace o něco složitější. Mnohé
menší firmy statistické metody míjejí úplně, některé se pokoušejí
„něco“ měřit a případně i vyhodnocovat, jiní již za sebou mají
úspěšnou prvotní zkušenost a pokračují dále. Každá z firem si ale
prošla všemi fázemi, které jsou obvyklé při prosazování jakékoliv
změny či novinky. Některé firmy jsou stále ještě na cestě, jiné už
u pomyslného konce.
Pro většinu malých a středních firem je zavádění statistických
metod nelehkou cestou. Mnozí ji naštěstí berou jako výzvu a nenechají se odradit prvním neúspěchem či problémem a každý, byť i
sebemenší krůček je žene dopředu. I oni ale narážejí v jakékoliv fázi
zavádění těchto metod na problémy a bariéry. A je to na nich jak se
s nimi vypořádají.
Tab.1: Fáze prosazování statistických metod
Stav
Charakteristika stavu
K čemu nám to bude?
My to určitě nevyužijeme.
Odmítavý postoj
Stálo by nás to značné úsilí a peníze, které
se nám určitě nevrátí.
Možná bychom to i využili.
Tání ledu Když to mají oni. Taky by nám to mohlo
pochybnosti
pomoci.
Tak, už to měříme.
Začínáme a měříme
Měříme a uvidíme co s těmi daty budeme
provádět dál.
Měření je pro nás samozřejmostí a data se
Měříme a
pokoušíme snad správně vyhodnotit.
vyhodnocujeme
Měříme a vyhodnocujeme.
Vyhodnocujeme a
Měříme, vyhodnocuje a výsledky plně
využíváme
využíváme
vyhodnocení
První problém - finance
Prvním výrazných problémem, který napadne téměř každého jsou
finance. Zvláště menší firmy pociťují tento problém jako významný,
a jen velmi těžko jej překonávají. Uvědomují si, že tak jako všechno, i
zavádění statistických metod, je bude stát nemalé finanční prostředky. To samozřejmě ano - nákup techniky, zaškolení pracovníků či
případné zakoupení vhodného software, to vše jsou pro firmy
náklady. Jsou to ale náklady, které se firmě vrátí zpět. Je to investice
do budoucna. Pro podniky střední velikosti je finanční hledisko také
důležité, ale dokáží ho překonat daleko rychleji, především díky
svému kapitálovému zázemí. Jindy na podniky tlačí zákazníci a
odběratelé, či obchodní partneři.
Finanční stránku řeší podniky nejenom při zavádění statistických
metod, ale také ve fázi již probíhajících měření a vyhodnocování.
Nejčastěji je to v souvislosti dalšího vzdělávání a školení
zaměstnanců, nebo při zakoupení nového softwaru na analýzu a
zpracovávání dat. To jsou jistě nemalé finanční položky, které firma
ráda investuje, za předpokladu viditelných výsledků. Pokud si
management firmy uvědomí, že výsledky statistického zpracování
jsou nápomocny v dalším řízení a rozhodování, jistě tuto investici
schválí i v budoucnosti. To samozřejmě zvyšuje šance na vynaložení
dalších finančních prostředků týkajících se oblasti zavádění a
využívání statistických metod.
Tab.2: První problém finance
nákup techniky – počítače, monitory
FINANCE
školení zaměstnanců – odborná školení či
intenzivní kurzy pro zaměstnance týkající
se statistických metod
software – zakoupení vhodného software
na statistické vyhodnocování dat
Ačkoliv by se na první pohled mohlo zdát, že jedinou a také největší
bariérou jsou finance, není tomu tak. Hraji bezesporu významnou
roli, avšak častokrát významnější úlohu hraje samotný lidský faktor.
Druhý problém – lidský faktor
Primární příčinou, která ovlivňuje významnou měrou statistické
výsledky jsou samotní lidé, tedy zaměstnanci. První skupinu tvoří
především zaměstnanci, kteří mají na starosti samotné měření dat.
Jsou to právě oni, na nichž závisí zda následný výsledek
statistického zpracování, bude přesný a použitelný. Jedno ze
základních pravidel statistiky hovoří právě o tom, že statistický
výsledek bude vypovídající, pokud pracuji s přesnými a skutečnými
vstupními daty. Pokud tedy při měření selže konkrétní pracovník a
jeho lajdácky vyplněné záznamy budeme zpracovávat, dopustíme se
chyb a nepřesností, aniž to tušíme. Nezodpovědným přístupem
můžeme rozumět např. samotný špatný odečet z měřidla, měření
s nedostatečnou přesností, nedodržování časových harmonogramů
stanovených pro měření, nečitelný záznam, případně neprovedení
samotného měření vůbec a následné doplnění záznamů smyšlenými
hodnotami.
Druhou skupinou tvoří lidé, kteří již naměřená data zpracovávají.
Měli by to být lidé s odpovídajícími znalostmi a dovednostmi, lidé,
kteří zvládají danou oblast statistiky na určité úrovni. Pokud bude
data zpracovávat někdo, kdo si není jistý v základních principech
matematické statistiky, může dojít k nesprávnému použití některých
statistických metod či nesprávné interpretaci příslušného statistického postupu.
Tab.3: Druhý problém lidský faktor
lajdácký a špatný odečet z měřidla
LIDSKÝ FAKTOR
měření s nedostatečnou přesností
Lidé měřící data
nedodržení časového
harmonogramu
nečitelný záznam
Lidé zpracovávající
data
nevyplnění záznamu vůbec a
následné vyplnění záznamu
smyšlenými hodnotami
nesprávné použití statistických
metod
nesprávná interpretace výsledků
Existuje mnoho oblastí statistiky, kde se nezkušený zaměstnanec
může potýkat s problémy. Jedná se o nevhodné použití příslušných
nástrojů matematické statistiky většinou plynoucí z nedostatečné či
povrchní znalosti dané problematiky. Uvedu zde jen některé
problémy, na které může dotyčný při zpracování dat narazit.
Jedním ze sedmi základních nástrojů managementu jakosti je
histogram, který je velmi častým používaných grafických nástrojem
pro zobrazení naměřených dat. Ovšem nesprávně zvolená šířka
třídy, může snížit informace, kterou nám histogram může poskytnout. V případě, že vytvoříme příliš málo intervalů, tak nám získaný
histogram neposkytne očekávanou informaci o charakteru rozdě-
lených dat, naopak pokud vytvoříme zbytečně mnoho tříd, bude
histogram příliš členitý a jeho využitelnost bude taktéž malá.
Také vybočující měření mohou značně zkreslit výsledky ať už
u výpočtu rozptylu či nám mohou způsobit nemalé problému
u regulačních diagramů. Přitom prokazatelně odlehlou hodnotu
můžeme ze souboru dat vyřadit. Je ovšem nutné vždy brát v úvahu
skutečnost, za které nám odlehlá hodnota vznikla. Někdy omylem
můžeme vyřadit hodnoty, které se nám zdají být odlehlé, ovšem
ve skutečnosti nám poskytnou důležitou informaci. Velmi často
mohou odlehlé hodnoty vzniknout omylem například špatným
zapsáním desetinné čárky či odhadem nečitelného zápisu.
Bodový odhad střední hodnoty nebo rozptylu velmi málo vypoví
o množství dat, které se zpracovávají. Vhodnější je využití intervalu
spolehlivosti, v němž skutečná hodnota leží s velkou pravděpodobností.
Málo využívané bývají i robustní charakteristiky. V případech,
kdy máme podezření, že v datech jsou odlehlé nebo chybné hodnoty,
je medián daleko vhodnější pro popis daného souboru než běžně
používaná střední hodnota. Stejně dobře nám poslouží i uřezaný
průměr, který se počítá jako běžný průměr, v němž nejsou brány
v úvahu okrajové hodnoty.
S výše uvedenými oblastmi statistiky se potká každý, kdo se
rozhodne zpracovávat data a využívat statistický software. Každý
software mu poskytne hromadu výsledků, ovšem je na samotném
pracovníkovi, aby se sám rozhodnul, zda právě tento výsledek je ten
nejvhodnější a zda technika, kterou zvolil je právě ta jediná nejlepší.
Třetí problém – volba softwaru
Dalším úskalím, které vstupuje do problematiky zpracování dat je
volba vhodného softwarového produktu na zpracovávání naměřených dat. Statistický software k zpracovávání dat rozdělit na dvě
základní skupiny. Prvním je běžně dostupný komerční software
v kancelářských aplikacích, např. MS Office. Jedná se především
o aplikace tabulkových procesorů jako např. nejznámější MS Excel.
Druhou skupinu tvoří úzce specializované produkty na zpracování
dat jako Statgraphics, Statistica, QC Expert nebo SPSS, nebo
komplexní produkty pro řízení jakosti obsahující i nástroje pro
analýzu dat (Palstat caq).
Mezi výše uvedenými dvěmi skupinami je však podstatný rozdíl.
Začíná-li někdo zpracovávat data, nejjednodušší a nejdostupnější
nabízející se volbou je využití zmíněného tabulkového procesoru MS
Excel. Prvotní nadšení opadá, jakmile uživatel zjistí, že veškeré
algoritmy pro výpočty je nucen si sám vytvořit a to za použití funkcí
nebo za pomoci implementovaného makro jazyka. Uživatel může
rovněž využít standardně implementované nástroje pro analýzu dat,
avšak jejich nabídka je omezená.
Pro firmy začínající se zaváděním statistických metod se může
zdát MS Excel jako velmi vhodný nástroj, ale časem dojdou ke
zjištění, že na složitější statistické metody je třeba mít značné znalosti
obecné teorie příslušné problematiky. Na základě těchto skutečností
dojdou k závěru, že tabulkový procesor je pro ně nedostačující a jsou
nuceni sáhnout ke specializovaným programům. V současné době je
k dispozici poměrné široká nabídka statistických aplikací se zaměřením na oblast řízení jakosti. Mezi nimi lze najít i kvalitní produkty
v češtině. Úskalím se může jevit ovládání programu, které se však
stane jasným a srozumitelným po vhodném proškolení. Daleko
obtížnějším úkolem je správně porozumět výstupům programu a
následně je správně interpretovat.
Tab.4: Třetí problém volba softwaru na zpracování dat
VOLBA SOFTWARU
Běžně dostupný
komerční software
MS Excel
Statistica
QC Expert
Specializovaný
statistický software
Statgraphics
SPSS
Palstat caq
S výše nastíněnými problémy se může podnik setkat jak při zavádění, tak i při každodenním užívání statistických metod. Chceme-li
minimalizovat výše uvedené úskalí při zavádění statistických metod,
měli bychom apelovat na etiku a znalosti konkrétních zaměstnanců,
a v neposlední řadě přesvědčit vedení o tom, že investice do statistických metod je rentabilní.
Literatura:
[1] Hendl, J.: Přehled statistických metod zpracování dat : analýza a
metaanalýza dat. 1. vydání. Praha: Portál 2004. 583s.
ISBN 80-7367-123-9
[2] Kupka, K.: Statistické řízení jakosti. Pardubice: TriloByte. 191s.
ISBN 80-238-1818-X
[3] Plura, J.: Plánování a nestálé zlepšování jakosti. 1. vydání. Praha:
Computer Press 2001. 244s. ISBN 80-7226-543-1
Adresy autorů:
Ing. Petra Halfarová, Vysoká škola báňská – Technická univerzita Ostrava,
Fakulta metalurgie a materiálového inženýrství, katedra kontroly a řízení
jakosti, Tř.17.listopadu 15, 708 33 Ostrava-Poruba.
e-mail: [email protected]
Doc. Ing. Milan Hutyra, CSc., Vysoká škola báňská – Technická univerzita
Ostrava, Fakulta metalurgie a materiálového inženýrství, katedra kontroly a
řízení jakosti, Tř.17.listopadu 15, 708 33 Ostrava-Poruba.
e-mail: [email protected]
Tato práce byla vytvořena v rámci projektu MŠMT 1M06047 - CQR.
Download

Problematika zavádění statistických metod