Problematika zavádění statistických metod

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.