Vaihtelun ymmärtäminen – osa 1

Tämän artikkelin (artikkelisarjan) tarkoitus on valottaa yhtä Demingin Syvällisen tiedon teorian (System of Profound Knowledge) osa-aluetta, vaihtelua. Teoria kokonaisuudessaan koostuu neljästä osasta:

1. Systeemit
2. Vaihtelu
3. Uuden tiedon syntyminen
4. Psykologia ja ihmisten käyttäytyminen

Kaikki neljä osaa vaikuttavat toisiinsa, eikä mikään osa yksinään riitä. Pitää siis esimerkiksi tunnistaa miten vaihtelu vaikuttaa systeemien toimintaan ja miten ihmisten käyttäytyminen vaikuttaa vaihteluun. Toisaalta jatkuvan parantamisen ja johtamisen kannalta täydellistä osaamista mistään osa-alueista ei vaadita.

Tämän artikkelin tavoitteena ei ole kertoa yhtä oikeaa totuutta aiheesta, vaan antaa lukijoille näkökulma aiheeseen (toki luotettaviin lähteisiin perustuva), eikä toisaalta ole mahdollistakaan kertoa aiheesta kaikkea. Mutta toivottavasti tästä on hyötyä. Ja vaikka keskityn vaihteluun, ainakin systeemit ovat kiinteästi osa tarinaa (no ovat ne muutkin osa-alueet).

Mitä tämä vaihtelu oikein tarkoittaa?

Ihmisten pituus vaihtelee, vaikka keskipituus olisi sama. Jotkut ihmiset ovat lyhyempiä ja toiset pidempiä. Vaihtelu johtuu siitä, että ihmisten kasvuun vaikuttaa monia tekijöitä, kuten genetiikka, ravinto ja ympäristö. Sää vaihtelee päivittäin ja vuodenaikojen mukaan. Tätä vaihtelua aiheuttavat monet tekijät, kuten ilmamassat, tuulet ja vuorokaudenaika.

Vaihtelua voidaan kuvata erilaisilla mittareilla. Yksi yleisimmistä mittareista on keskihajonta. Keskihajonta kertoo, kuinka paljon yksittäiset arvot poikkeavat keskiarvosta. Pieni keskihajonta tarkoittaa, että arvot ovat lähellä keskiarvoa. Suuri keskihajonta tarkoittaa, että arvot ovat kauempana keskiarvosta.

Vaihtelua on esimerkiksi:
– Ihmisten välillä: Ihmisten pituus, paino, älykkyys, luonteet ja kyvyt vaihtelevat.
– Luonnossa: Luonnonilmiöt, kuten sää, kasvien ja eläinten elintavat ja ympäristön muutokset vaihtelevat.
– Teollisuudessa: Tuotteet ja palvelut eivät ole täydellisiä, vaan niissä on vaihtelua.
– Taloudessa: Talouden indikaattorit, kuten talouskasvu, inflaatio ja työttömyys, vaihtelevat.

Vaihtelun merkitys jokapäiväiseen elämään on monipuolinen. Se voi olla sekä positiivista että negatiivista.

Vaihtelun merkitys teollisille prosesseille on suuri. Vaihtelu vaikuttaa tuotteiden laatuun, tuottavuuteen ja kustannuksiin.

Vaihtelun positiivinen merkitys teollisille prosesseille:
– Vaihtelu voi johtaa innovaatioihin. Kun tuotannossa havaitaan vaihtelua, voidaan tutkia, mistä se johtuu ja miten sitä voidaan vähentää. Tämä voi johtaa uusien tuotantomenetelmien kehitykseen.
– Vaihtelun vähentäminen parantaa tuottavuutta. Jos vaihtelua voidaan vähentää, voidaan tuotantoa tehostaa ja tuotannon määrää lisätä.

Vaihtelun negatiivinen merkitys teollisille prosesseille:
– Vaihtelu heikentää tuotteiden laatua. Jos tuotteiden mitat, painot tai muut ominaisuudet vaihtelevat, ne eivät välttämättä täytä vaatimuksia. Tämä voi johtaa tuotteiden palautumiseen tai jopa vahinkojen aiheuttamiseen.
– Vaihtelu lisää kustannuksia. Jos tuotteiden laatu on huono, joudutaan tuotteita joko korjaamaan tai uusimaan. Tämä lisää kustannuksia.

Vaihtelun olemassaolo pitää hyväksyä ja tämän jälkeen sitä pitää alkaa analysoimaan, minkä tyyppistä se on.

Vaihtelun ymmärtäminen lähtee liikkeelle seuraavien kolmen asian hyväksymisestä (kaikilla organisaation tasoilla, työntekijästä ylimpään johtoon):

1. Kaikki työ tapahtuu jossain prosessissa, kaikki tulokset ovat jonkin prosessin tuotoksia. 
2. Kaikissa prosesseissa on vaihtelua.
3. Vaihtelun tyyppi määrää sen, minkälaisiin toimenpiteisiin pitää ryhtyä. Väärin valitut toimenpiteet heikentävät prosessin tuotosta.

Vaikka prosessi sanana saattaa aiheuttaa toisissa pelkoa ja vähintäänkin inhoa, hyväksyä prosessien olemassaolo silti pitää. Kaikessa yksinkertaisuudessaan prosessi on joukko toisiaan seuraavia toimenpiteitä, joiden avulla saavutetaan jokin tavoite. Prosessi voi olla esimerkiksi tuotantoprosessi, palveluprosessi tai hallintoprosessi.

Prosessilla on sisäänmenoja, eli esimerkiksi, raaka-aineita, tietoja, ihmisten työpanosta jne. Prosessin ulostuloja taasen ovat ne asiat, joita prosessi tuottaa, tuotteita, palveluja, tietoa… ja näiden pitäisi vastata asiakkaan tarpeeseen. Olkoon asiakas sitten ulkoinen tai vaikkapa seuraava sisäinen prosessi.

Prosessi koostuu toiminnoista, jotka muuttavat prosessin sisäänmenoja vaihe vaiheelta ulostuloiksi.

Prosessin ymmärtämisen ja yhteisen näkemyksen muodostamisen kannalta on erittäin hyödyllistä kuvata prosessi jollain tavalla, ja tässä tilanteessa yksi kuva monesti vastaa tuhatta sanaa.

Kun otetaan askel taaksepäin, huomataan, että organisaation eri prosessit muodostavat toisiinsa vaikuttavan ja toisiensa kanssa niin sanotusti keskinäisriippuvuussuhteessa olevan verkoston, jota voidaan kutsua myös systeemiksi. Eli prosessit eivät ole itsenäisiä kokonaisuuksia, vaan niiden toiminta riippuu kyseiseen prosessiin vaikuttavien muiden prosessien toiminnasta.

Ja näissä kaikissa prosesseissa esiintyy vaihtelua, kaikissa prosessien ulostuloissa on vaihtelua, kaikki prosessin sisäänmenot vaihtelevat. Ja kun puhutaan prosesseista, ulostulot ovat seurausta sisäänmenoista. Tähän on olemassa englanninkielinenkin sanonta, jota en nyt toista sitä tässä, sanotaan nyt vaikka, että roskaa sisään, roskaa ulos. Eli mitä enemmän vaihtelua menee prosessiin sisään, sitä enemmän ulostulo vaihtelee.

Mistä prosessien vaihtelu johtuu?

Mitä enemmän vaihtelua menee prosessiin sisään, sitä enemmän ulostulo vaihtelee.

Miksi muuten näin? Eikö yhden sisäänmenon vaihtelu voisi kumota jonkin toisen sisäänmenon vaihtelun? Joku saattaa matematiikan tunnilta muistaa varianssin ja siihen liittyvän summasäännön (ja jos ei muista, niin Wikipediasta voi tarkistaa). Varianssi on vaihtelun eli hajonnan mitta, toinen käytetty mitta vaihtelulle on keskihajonta, joka saadaan, kun varianssista otetaan neliöjuuri.

Varianssin summasääntö kertoo meille, että kahden (tai useamman) riippumattoman satunnaismuuttujan summan varianssi on yksittäisten muuttujien varianssien summa (ei siis erotus). Ja prosessin kannaltahan tämä tarkoittaa sitä, että jos prosessilla on vaikkapa kaksi toisistaan riippumatonta sisäänmenoa, on näiden sisäänmenojen vaikutus prosessin vaihteluun sisäänmenojen vaihteluiden summa (varianssien avulla laskettuna). Tärkeintä tässä ei ole laskenta vaan pitää mielessä se, että vaihtelu lisääntyy ei vähene. Ja toisaalta se vaihtelu, mikä näkyy yhden prosessivaiheen ulostulossa, on seuraavan vaiheen sisäänmenon vaihtelua.

Mistä tämä prosessiin sisään menevä vaihtelu sitten aiheutuu? Jokainen prosessi on tietysti oma kokonaisuutensa, mutta tiettyjä suuntaviivoja mietinnälle on ollut tiedossa jo pitkään. Esimerkiksi teollisissa prosesseissa vaihtelua aiheuttavat tekijän voidaan hieman yksinkertaistaen luokitella seuraavien otsikoiden alle:

• Prosessiin sisään menevät materiaalit, raaka-aineet, osat, komponentit, lähtötiedot jne.
• Prosessissa työskentelevät ihmiset, heidän osaamisensa, motivaationsa, henkilökohtaiset ominaisuutensa jne.
• Prosessissa käytettävät koneet ja laitteet, niiden ominaisuudet ja suunnittelu, laitteiden kunto jne.
• Prosessissa tehtävään työhön liittyvät työmenetelmät ja ohjeistus, onko ohjeistusta olemassa, noudatetaanko sitä, onko se virheellistä tai epätarkkaa jne.
• Prosessiin liittyvät mittaukset, kuinka tarkkoja ne ovat.
• Ympäristön olosuhteet saattavat aiheuttaa vaihtelua moniin prosesseihin
• Ja tietysti johtamiseen liittyvät asiat. Millainen kulttuuri ja johtamiskäytännöt organisaatiossa on, millaisista asioista palkitaan jne.

Vaihtelun lähteistä ei ole puutetta, mutta niiden selvittäminen onkin sitten oma urakkansa. Ennen kuin alamme miettimään mahdollisia toimenpiteitä on syytä hidastaa, pakottaa itsemme ajattelemaan tilannetta (Thinking, Fast and Slow) ja analysoida vaihtelua. Väärin valitut toimenpiteet pahimmillaan pahentavat tilannetta (eli lisäävät vaihtelua).

Vaihtelun analysointi on avain oikeaan reagointiin. Asiat tietenkin pitää tehdä oikein, mutta pitää myös tehdä oikeita asioita. Vain tällä tavalla saadaan tuloksia aikaan.

Prosessien vaihtelun kannalta olennaisinta on tehdä ero kahden eri tilanteen välillä.

1. Onko meillä todistusaineistoa sen puolesta, että muutos, jonka havaitsemme (siis vaikka ero kahden peräkkäisen mittauksen välillä) on jonkin yksittäisen, erityisen syyn aiheuttama.
2. Vai onko havaitsemamme ero seurausta prosessiin jatkuvasti vaikuttavien moninaisten tekijöiden vaihtelusta.

Jos kyseessä on 1. tilanne, on meillä perusteltu syy lähteä etsimään tätä yksittäistä syytä, eli kysyä kysymys mikä aiheuttaa näkemämme eron mitattujen tulosten välillä? Laatutekniikassa käytämme näistä yksittäisistä syistä nimeä erityissyy (Special Cause) ja prosessin, joissa näitä erityissyitä esiintyy, sanotaan olevan epästabiili, poissa ohjauksesta. Nämä yksittäiset erityissyyt ovat monesti prosessin ulkopuolisia tekijöitä, ne pitää selvittää ja ottaa hallintaan.

Toinen vaihtoehto on se, että todistusaineistoa yksittäisen syyn olemassaolosta ei löydy, vaikka ero kahden havainnon välillä on nähtävissä, eli olemme 2. tilanteessa. Siis vaikkapa se, että kahden peräkkäisen prosessista saatavan mittauksen välillä on ero, ei välttämättä tarkoita, että tälle erolle olisi olemassa jokin yksittäinen syy. Tässä tilanteessa on virhe alkaa etsimään yksittäistä syytä (hukataan aikaa) ja vielä suurempi vahinko tapahtuu, jos tähän ”löydettyyn” syyhyn kohdistetaan toimenpiteitä (vaihtelu lisääntyy). Ihminen on erittäin hyvä keksimään syitä, erityisesti jos motivaatio on kohdillaan (asiakas/pomo vaatii). Kyse on prosessissa jatkuvasti läsnä olevasta satunnaisesta (luonnollisesta) vaihtelusta (Common Cause), laatutekniikassa tällaisen prosessin sanotaan olevan hallinnassa ja stabiili.

Kaikissa prosesseissa on aina satunnaista vaihtelua ja vain harvoissa tilanteissa löytyy jotain erikoista (erityissyy eli niin sanottu signaali). Lähteistä riippuen, satunnaista vaihtelua on 85 % / 95 % / 98 % kaikista tilanteista. Oli tarkka prosenttiluku mikä tahansa, on turvallista olettaa, että valtaosa näkemistämme eroista asioiden välillä on seurausta satunnaisesta vaihtelusta. Ja mikä on toisaalta normaali toimintatapa ihmisille? Etsitäänkö yksittäistä syytä vai tutkitaanko satunnaisen vaihtelun moninaisia tekijöitä?

Kuinka todennäköistä on, että menetelmä on valittu oikein suhteessa todellisuuteen, eli vaihtelun tyyppiin?

Jos tehdään vaikkapa vain arvaus, että suurimmassa osassa tilanteita ihmiset etsivät yksittäistä syytä tapahtumalle (päästään ajattelun suhteen nopeammalla ja helpommalla) ja vain harvoin edes tiedetään mitä satunnainen vaihtelu on. 

Yksinkertainen laskuharjoitus voisi valottaa todennäköisyyksiä sille, että onnistutaan tekemään tilanteen vaatimia toimenpiteitä. Oletetaan että valtaosassa tilanteita vaihtelu on satunnaista (95 %) ja vain harvoin taustalla on erityissyy (5 %). Oletetaan lisäksi, että valtaosassa tilanteita ihmiset etsivät yksittäistä syytä (95 %) ja vain harvoin tiedetään tarpeeksi, jotta voidaan tutkia satunnaisen vaihtelun aiheuttajia (5 %).

Onnistuminen on seurausta tilanteista, joissa vaihtelun tyyppi ja siihen reagointi on oikeita. Eli reagoidaan erityissyyhyn etsimällä yksittäistä syytä ja reagoidaan satunnaiseen vaihteluun tutkimalla prosessin satunnaisen vaihtelun aiheuttavia moninaisia tekijöitä. Todennäköisyydeksi onnistumisille edellä mainituilla oletuksilla saadaan yhteensä 9,5 % ja sille että toimenpiteet ovat ristiriidassa todellisen tilanteen kanssa todennäköisyydeksi tulee 90,5 %. Eli jos ei tunneta vaihtelua vain 1/10 toimenpiteistä on mahdollisuus onnistua, 9/10 joko hukataan resursseja tai pahimmillaan lisätään vaihtelua prosessiin.

Mitä sitten pitää tehdä? Ei riitä, että kaikki vain yrittävät parhaansa, epäonnistumisen todennäköisyys on 9/10 (tai suurempi). Pitää tietää mitä tehdä missäkin tilanteessa.

Kerrataanpa hieman mitä on tullut tähän mennessä vastaan:

1. Kaikki työ tapahtuu jossain prosessissa, kaikki tulokset ovat jonkin prosessin tuotoksia. 
2. Kaikissa prosesseissa on vaihtelua.
3. Vaihtelun tyyppi määrää sen, minkälaisiin toimenpiteisiin pitää ryhtyä. Väärin valitut toimenpiteet heikentävät prosessin tuotosta.

Mitä tämä käytännössä voisi tarkoittaa?

1. Kuvaa kiinnostuksen kohteena oleva prosessi jollain tavalla. Tyyli on vapaa, mutta vaikkapa perinteinen vuokaavio tai joku siitä jalostettu versio toimii vallan hyvin. Tärkeintä on muodostaa yhteinen näkemys siitä, miten prosessi toimii tällä hetkellä (ei siis miten prosessin oletetaan toimivan tai miten sen pitäisi toimia), niin että kaikki näkevät asian samoin. Näkevät siis myös siinä mielessä, että kuvaus on visuaalinen. Myös kaikkiin prosesseihin vaikuttavat lainalaisuudet on erittäin hyödyllistä tuntea.
2. Kaikissa prosesseissa on vaihtelua, miten tähän päästään kiinni? Mittaamalla prosessia, vaikkapa jotain asiakkaalle tärkeää prosessin tuotosta. Tottakai, niin kuin todettu prosessin ulostulon vaihtelu on seurausta sen sisäänmenojen vaihtelusta, mutta keskitytään nyt aluksi siihen mitä prosessi asiakkaalle tuottaa. Määrittele mitä mitataan (siis kirjoita näkyviin mitä tällä tarkoitetaan), miten sitä mitataan (millä tavalla, koska, kuka jne.), miten tuloksia tulkitaan (mikä on tavoite, mikä on huono, mikä on hyvä jne.). Kun on kyse prosessien vaihtelusta, on tärkeää korostaa aikaa, siis siinä mielessä, että olemme kiinnostuneita mitä tapahtuu, kun aika kuluu. Käytännössä pidä huolta, että mittaukset tallentuvat aikajärjestyksessä ja jos saat talteen aikaleiman jokaisesta mittaustuloksesta, voit myöntää itsellesi henkisen papukaijamerkin. Mittaaminen on oma osaamiskokonaisuutensa ja esimerkiksi mittaussysteemin kyvykkyydestä on syytä varmistua, mutta tehdäänpä vielä pari huomiota aiheesta:
   a. Jos kaikkia mittauksia ei olla tehty samalla tavalla, ei saatuja tuloksia kannata verrata keskenään.
   b. Mittaustulokset, joita on tehty jotain tarkoitusta varten ovat harvoin käyttökelpoisia jossain toisessa tarkoituksessa.
3. Visualisoi (eli piirrä kuvia, graafeja) kerätty data sopivalla tavalla, jotta vaihtelu saadaan näkyviin. Tarkoituksenahan on pyrkiä selvittämään, onko mittaustuloksissa vain satunnasta vaihtelua, vai onko havaittavissa jotain erityistä. Voisi sanoa, että yritämme saada näkyviin sen, mitä prosessi haluaa meille omasta tilanteestaan kertoa.

Kaikissa prosesseissa on vaihtelua. Kaikissa prosesseissa on (enemmän tai vähemmän) niin sanottua satunnaista vaihtelua, joka on seurausta prosessiin koko ajan vaikuttavista moninaisista tekijöistä ja niiden vaihtelusta ja tätä satunnaista vaihtelua voi toki olla liikaa. Joissain prosesseissa on satunnaisen vaihtelun lisäksi jostain tietystä erityissyystä johtuvaa vaihtelua. 

Yritetään tähän kohtaan pientä tiivistystä eri vaihtelun lajeista:

Satunnainen vaihtelu:

• Ennustettavaa (tietyissä rajoissa), eli jos mikään ei muutu, prosessi tuottaa myös tulevaisuudessa mittaustuloksia samojen rajojen sisällä.
• Syitä tälle vaihtelulle on monia, yksittäistä syytä tietylle mittaustulokselle ei ole.
• Parantaminen, eli satunnaisen vaihtelun vähentäminen, vaatii prosessin muuttamista. Siis tärkeimpien satunnaisen vaihtelua aiheuttavien tekijöiden selvittämistä ja toimenpiteiden kohdistamista niihin (huom. monikko).

Erityissyyvaihtelu:

• Ei ennustettavaa, emme siis pysty kertomaan koska jotain erityistä tapahtuu seuraavan kerran.
• Prosessissa on sekä satunnaista vaihtelua, että jostain erityisestä syystä johtuvaa vaihtelua (siis esimerkiksi ero kahden peräkkäisen mittaustuloksen välillä).
• Erityiset syyt ovat löydettävissä ja vaihtelua saadaan prosessista vähennettyä selvittämällä erityissyy ja poistamalla sen vaikutus prosessista.

Jollain tavalla tämä erottelu pitää tehdä, mikä on prosessissa jatkuvasti läsnä olevaa ns. satunnaista vaihtelua, joka on osa prosessin normaalia toimintaa ja milloin taas kyseessä on jokin erityinen tapahtuma. Vihjeitä on jo annettu, tarvitaan jonkinlaiset rajat vaihtelulle, joihin tilannetta verrataan. Jonkinlainen mittatikku, jonka avulla tehdä päätös, mitä reittiä lähdetään etenemään. Palaan tähän kysymykseen tulevissa artikkeleissa.

Lähteet: 

• Statistical Thinking – Improving Business Performance 3^rd edition, Hoerl Roger W., Snee Ronald D., Wiley 2020.
• https://fi.wikipedia.org/wiki/Varianssi (vierailtu 20.12.2023)
• Introduction to Quality Control, Ishikawa Kaoru, 3A Corporation 1991.
• Understanding Statistical Process Control 3^rd edition, Wheeler, Donald J. SPC Press 2010.
•  Ajattelu, nopeasti ja hitaasti, Kahneman Daniel, Terra Cognita 2017. 
• Out of the Crisis, Deming W. Edwards, MIT Press 2018.
• The New Economics 3^rd edition, Deming W. Edwards, MIT Press 2018.
• Juran’s Quality Handbook 7th edition, Defeo J., Juran J.M., McGraw-Hill 2017.
• Building Continual Improvement, Wheeler, Donald J., Poling, Sheila R., SPC Press 1998.