В выгрузке из СЭД написано: задача «Проверить договор» заняла 14 часов. Человек при этом работал над ней минут сорок: открыл утром, отвлекся на совещание, вернулся после обеда, закрыл вечером. Цифра 14 часов — настоящая, из системы, с точностью до секунды. И она измеряет не то, что вы думаете.
У инженеров есть целая дисциплина о том, насколько можно верить измерениям, — метрология. Ей посвящена отдельная глава хендбука NIST. Главная мысль там жёсткая: измерение — это тоже процесс, и у него есть свои ошибки, дрейф и разброс. Пока вы их не оценили, вы не знаете, что именно лежит в вашей выгрузке. Это вторая статья серии по статистике для процессов — первая была про то, почему среднее время процесса врёт.
Метрологи разделяют ошибку измерения на две независимые части, и лечатся они по-разному.
Смещение (bias) — систематическая ошибка, которая тянет все замеры в одну сторону. В процессах она везде:
Разброс (precision) — случайная часть: та же задача у того же человека занимает то 20, то 50 минут без всякой видимой причины.
Почему важно разделять: разброс лечится количеством данных — усредните сто замеров, и случайная ошибка уйдёт. Смещение количеством не лечится вообще: усреднив миллион завышенных замеров, вы получите очень точное завышенное число. NIST отдельно предупреждает: смещение переживает даже идеальную калибровку инструментов и ловится только тем, кто понимает предметную область. В нашем случае — тем, кто знает, как именно исполнители работают с задачами в системе.
Вторая идея метрологов — у разброса есть этажи по времени. NIST различает три уровня: разброс внутри короткой серии замеров, разброс между днями и разброс между длинными периодами (месяцами). И ключевое наблюдение: у точных инструментов разброс между днями обычно больше, чем внутри дня.
Для процессов это ещё вернее. Замерив время обработки во вторник, вы узнали про вторник. В понедельник разгребают накопленное за выходные, в пятницу — короткий день, в конце месяца — отчётность, в декабре — годовой пик. Честная характеристика процесса требует данных, накрывающих все этажи вариации: минимум несколько недель, а если есть месячная сезонность — несколько месяцев.
Центральный инструмент метрологической главы — check standard: эталонный образец, который измеряют регулярно годами. Образец не меняется — значит, любое изменение в замерах говорит о поломке самого измерения, а не объекта.
Процессный аналог собирается за час. Возьмите типовую заявку — одинаковый шаблонный договор, стандартное обращение — и отслеживайте её метрику отдельно, месяц за месяцем. Сложность таких заявок не меняется годами. Если их «время обработки по системе» поползло, то либо поменялся процесс (очередь выросла), либо поменялся способ учёта (новый регламент статусов, другая дисциплина закрытия задач). Оба вывода ценны, но это разные выводы — а без контрольной группы заявок вы их не различите.
Международный стандарт оценки неопределённости (GUM), на который опирается NIST, делит все источники погрешности на два типа. Тип A — оценено статистически из данных. Тип B — взято из любого другого источника: экспертная оценка, паспорт прибора, здравый смысл. Оба типа легальны. Нелегально — не различать их.
Перенесите это на карточку параметров процесса. «Сорок заявок в день» — из выгрузки за квартал: тип A, доверие высокое. «Проверка занимает полчаса» — со слов руководителя отдела: тип B, и к нему обязана прилагаться вилка: полчаса — это от 20 до 40 или от 10 до 120? Хендбук даёт простое правило перевода таких вилок в честный разброс и правило сложения погрешностей: складываются дисперсии (квадраты), а не сами «плюс-минусы». Две оценки «±20%» вместе дают не ±40%, а примерно ±28%.
Имитационная модель процесса не может быть точнее своих входных данных. Но есть два смягчающих обстоятельства, и оба важные.
Первое: для сравнительных решений грубые честные цифры обычно достаточны: если сценарий А даёт очередь вдвое короче сценария Б, ошибка входа в пятую часть порядок вывода не перевернёт. Второе и главное: чувствительность к погрешности можно проверить самой симуляцией: прогоните модель с оценкой «полчаса» и с оценкой «сорок минут». Если вывод не поменялся — точности хватает, и уточнять замер не нужно. Если результат скачет — вы нашли параметр, который действительно надо идти и мерить тщательно. Это дешевле, чем мерить тщательно всё подряд.
В модуле имитационного моделирования Stormbpmn часть этой работы автоматизирована: можно загрузить выгрузку заявок из Excel, и сервис сам подберёт распределение потока заявок и распознает профиль нагрузки — рабочие часы, пики, ночные провалы — вместо того чтобы просить вас угадывать параметры на глаз. А как собрать остальные четыре величины для расчёта за неделю — в статье про четыре замера перед расчётами.
Серия основана на NIST/SEMATECH e-Handbook of Statistical Methods. Следующая статья — откуда в процессе разброс и как разложить вариацию на компоненты, чтобы лечить самый большой, а не самый заметный.
Новые статьи в вашем электрическом ящике
Обзоры конференций, лучшие практики процессного подхода и учебные статьи в вашей почте. Не чаще 1 раза в неделю.
Без спама, только то, что вы запросили.
