В книге Д. Уилера говорится о тов, что как раз предлагаемый ими подход устойчив, даже к выборкам, содержащим особые точки. Именно для этого в качестве статистики рассеяния используется размах, а не среднеквадратичное отклонение.
Теперь, предположим, что в неделе 8 дней и 8-й день выходной, в который я ничего не делаю. То есть, в этот день среднее число выполненных задач и их групповой размах равен 0. Итоговое среднее средних станет меньше (в моем примере 4.29), а так же уменьшится и средний размах (новое значение 6.63). В итоге новыми контрольными пределами будут значения: 0,46 и 8,11. Итого видим, что в первом примере понедельник так и остался особой точкой.
Дайте знать, если где-то требуется объяснить подробнее.
Спасибо за хорошее замечание. Log-normal так и называется — логнормальное распределение.
Фактически вы правы, если заранее известен вид распределения, то можно более точно вычислять контрольные пределы, однако полученная прибавка к точности может не оправдать возросшей математической сложности задачи. Плюс ко всему в реальном производстве достоверно судить о конкретном виде распределения практически никогда нельзя.
Отлично! Если на одни и те же вопросы существуют радикально отличные взгляды, то можно поднтся выше на такой уровень абстракции, где эти взгляды уже одинаковы.
Как правило, если два человека имеют разные взгляды на одно и то же, скорее всего в их голове существуют различные модели этого одного и того же. С достаточной степенью вероятности можно утверждать, что различные модели родились из-за различия в контекстах и «прочих равных». Стоит аккуратно собрать в кучку отличия контекстов, как становится очевидным различие во взглядах. Как бесплатный бонус получаем модель более высокого уровня абстракции и понимания областей ее применимости.
Действительно очень хорошая работа! Единственное опасение — в книге рассматривается очень много различных тем и местами весьма поверхностно. Иногда создается ощущение, что читателю с небольшим опытом больше половины идей будут непонятными. Было бы здорово силами сообщества и добровольцев подготовить версию 2.0, где затронутые темы будут рассмотрены глубже и шире. В итоге получится томик страниц под 300…
В рамках терминологического занудства… Фактически бережливое производство – это осмысление производственной системы Тойоты американскими учеными.
На самом деле бережливое производство — это осмысление американскими учеными осмысления японскими производственниками осмысления американских промышленников. Таичи Оно (японский производственник), при построении своей производственной модели опирался на учение Э. Деминга (американского ученого) и на идеи Генри Форда (американского промышленника)
В главе про инженерные практики термин «Формальные инспекции кода» я бы заменил на просто «инспекции кода» или даже «Code Review».
«Формальная инспекция» — это все же отсыл к более тяжеловесным методологиям, где разделяют два вида инспекций: неформальные и формальные. Последние являются основанием для изменения статуса единицы конфигурационного управления. Миша Подурец (упомянутый в благодарностях), как мой бывший коллега, мог бы достаточно долго позанудствовать на эту тему.
Ограничение по срокам возникает как институт, который призван снизить риски заказчика.
Здесь как нигде очень напрашивается смягчающее «как правило» или «достаточно часто». Например, разработчики информационных систем к олимпиаде Сочи-2014 имеют вполне объективные дедлайны.
Маленький комментарий к разделу «Что же делать?» в разделе «Эффект наблюдателя».
Первое, что нужно сделать — это дать самому себе честный ответ на вопрос: «Какие решения я буду принимать, на основании этой метрики?». Это поможет избавиться от большого числа метрик с диагнозом «Бесполезно».
В качестве эпиграфа к «Эффект наблюдателя» ты процитировал Э. Деминга там, где он на самом деле цитировал Ллойда Нельсона: «Наиболее важные факторы, нужные для управления любой организацией, как правило, неизвестны и количественно неопределимы»
Я не придираюсь, просто показываю, что прочитал уже до 54й страницы.
Раздел «Как продать Scrum заказчику» оставляет впечатление, что Scrum нельзя продавать по Fixed Price. На самом деле имело бы смысл сказать, что это делать можно, но только после определенной подготовки: у нас должна быть хорошая зрелая команда, прошедшая вместе не один проект и было бы прелестно, если бы мы уже работали с этим заказчиком по T&M и предполагаем с ним работать достаточно долго. При таких условиях мы можем использовать статистические инструменты для определения конкретной суммы и конкретной даты поставки.
Другое дело, если мы с этим заказчиком делаем уже не первый проект (и делаем это хорошо), то вопрос о переходе на Fixed Price модель, как правило, не поднимается.
Первое, что сделал открыв версию 1.2 — это посмотрел раздел «инструменты Кайзена» в части про контрольные карты Шухарта. Стала ближе к правде, за двумя исключениями:
1. «В контрольных картах Шухарта для определения предела используется не стандартное отклонение, а размах.» — на самом деле даже не размах, а размах, усредненный по подгруппам, умноженный на некоторый табличный эмпирический коэффициент (дла размера подгруппы равного двум, этот коэффициент равен 2.66).
2. Отдельно подчеркну, что нельзя использовать такие карты напрямую для оценки сотрудников — Это тоже не совсем правда. Как ты правильно пишешь большая часть проблем относиться к процессам и сотрудники часто просто не могут на эти причины повлиять. и контрольные карты как раз расставляют все по местам, показывая где вина системы, а где сыграл человеческий фактор
В этом же разделе в итогах, про контрольные карты написано, что они служат Для устранения вариабельности процессов. На самом деле они служат для отделения особых причин вариации от общих и все. А устранение самой вариабельности — это уже результат самого процесса улучшений (считай, того же Кайзен).
А вообще очень интересно. Чуть позже вернусь и еще буду писать замечания. В конце концов, надо же хоть кому-то придраться к содержанию, а не формату файла.
В РФ это называется Центральная Предельная Теорема.
Но контрольные карты Шухарта работают и при небольших размерах подгрупп (даже 2 точки). Двух точек не достаточно, что бы превратить какое угодно распределение в нормальное.
В свое время меня очень утомило гнусное бухтелово под отвратительные слайды в PowerPoint, с тех пор я стараюсь доказать (прежде всего самому себе), что практически любую тему можно передать аудитории более эффективно и интересно.
Подготовка к такому докладу занимает на много больше времени, но результат того стоит.
Тайная мечта большинства менеджеров — иметь абсолютно объективный способ принимать любые решения да и еще таким образом, что бы все с этим были согласны.
Но с цифрами отнюдь не проще. Иллюзия простоты есть, но по сути это так же сложно как разбираться с ценностями людей.
Спасибо Стасу Фомину, видео действительно есть. В нем есть еще один кусочек, который я уже рассказывал в минимум двух своих слайдкастах, опубликованных ранее. Постеснялся в третий раз пользоваться одним и тем же кусочком контента.
Согласен, это достаточно интересное направление. Но этого мы не исследовали, так как вариацию команды саму по себе в наших обстоятельствах мы считаем негативным явлением, проявление которого лучше избегать.
На вопрос «Делать самим или отдать компании-подрядчику?» универсального ответа нет и все будет зависеть от многих условий. И, самое главное, все определяется ответом на вопрос «Зачем?». Как ни странно, при определенных условиях, имея целью увеличение прибыли компании, иногда будет правильным отдать проект на аутсорс даже если это дольше, дороже и с сомнительным качеством. Но это уже другая история, идущая в сторону теории ограничений…
Строго математического доказательства нет. В книге Д. Уилера и Д. Чамберса Статистическое управление процессами есть отдельная глава, посвященная результатам численного моделирования. Авторы моделировали случайные величины, распределенные по пяти разным законам и показывали, что критерий Шухарта (отклонение больше, чем на 3 сигма от центральной линии) достаточно хорош для каждого из распределений.
К сожалению, в википедии написана не вся правда. Изначально Шухарт, а затем Деминг разработали эту модель, и на практике показали ее экономическую целесообразность (а не математическую справедливость) без каких-то априорных предположений о конкретном виде распределения. Единственным требованием на этот счет было лишь существование этого распределения и достаточная его стабильность во времени.
В той же книге Уилера и Чамберса есть отдельная глава про мифы и распространенные заблуждения насчет контрольных карт. Заблуждениям насчет нормального распределения и центральной предельной теоремы посвящены как раз первые два раздела этой главы.
Если сделать чуть более глубокий шаг в сторону теоретизации то тут мы имеем задачу, сходную с байесовским детектором. В далеких 20-х годах прошлого века, когда Шухарт и Деминг работали в Bell Laboratories, перед ними стоял простой вопрос: «как из данных измерений производства, понять, когда стоит идти в цех и искать особые причины сбоев системы, а когда можно в цех не ходить и списать все на ее свойства?». В итоге получалась простая, конечная игра с матрицей выигрышей 2х2 (цена правильного детектирования, цена правильного пропуска, цена ложной тревоги и цена ложного пропуска особой причины). В их время, в их компании, в их экономической ситуации, в их производственной системе критерий Шухарта оказался наиболее экономически оправданным.
Вот, собственно, и все. Никаких чудес и никакой математической строгости.
В книге Д. Уилера говорится о тов, что как раз предлагаемый ими подход устойчив, даже к выборкам, содержащим особые точки. Именно для этого в качестве статистики рассеяния используется размах, а не среднеквадратичное отклонение.
Теперь, предположим, что в неделе 8 дней и 8-й день выходной, в который я ничего не делаю. То есть, в этот день среднее число выполненных задач и их групповой размах равен 0. Итоговое среднее средних станет меньше (в моем примере 4.29), а так же уменьшится и средний размах (новое значение 6.63). В итоге новыми контрольными пределами будут значения: 0,46 и 8,11. Итого видим, что в первом примере понедельник так и остался особой точкой.
Дайте знать, если где-то требуется объяснить подробнее.
Фактически вы правы, если заранее известен вид распределения, то можно более точно вычислять контрольные пределы, однако полученная прибавка к точности может не оправдать возросшей математической сложности задачи. Плюс ко всему в реальном производстве достоверно судить о конкретном виде распределения практически никогда нельзя.
Как правило, если два человека имеют разные взгляды на одно и то же, скорее всего в их голове существуют различные модели этого одного и того же. С достаточной степенью вероятности можно утверждать, что различные модели родились из-за различия в контекстах и «прочих равных». Стоит аккуратно собрать в кучку отличия контекстов, как становится очевидным различие во взглядах. Как бесплатный бонус получаем модель более высокого уровня абстракции и понимания областей ее применимости.
Что-то типа того…
Действительно очень хорошая работа! Единственное опасение — в книге рассматривается очень много различных тем и местами весьма поверхностно. Иногда создается ощущение, что читателю с небольшим опытом больше половины идей будут непонятными. Было бы здорово силами сообщества и добровольцев подготовить версию 2.0, где затронутые темы будут рассмотрены глубже и шире. В итоге получится томик страниц под 300…
Фактически бережливое производство – это осмысление производственной системы Тойоты американскими учеными.
На самом деле бережливое производство — это осмысление американскими учеными осмысления японскими производственниками осмысления американских промышленников. Таичи Оно (японский производственник), при построении своей производственной модели опирался на учение Э. Деминга (американского ученого) и на идеи Генри Форда (американского промышленника)
«Формальная инспекция» — это все же отсыл к более тяжеловесным методологиям, где разделяют два вида инспекций: неформальные и формальные. Последние являются основанием для изменения статуса единицы конфигурационного управления. Миша Подурец (упомянутый в благодарностях), как мой бывший коллега, мог бы достаточно долго позанудствовать на эту тему.
Здесь как нигде очень напрашивается смягчающее «как правило» или «достаточно часто». Например, разработчики информационных систем к олимпиаде Сочи-2014 имеют вполне объективные дедлайны.
Первое, что нужно сделать — это дать самому себе честный ответ на вопрос: «Какие решения я буду принимать, на основании этой метрики?». Это поможет избавиться от большого числа метрик с диагнозом «Бесполезно».
Я не придираюсь, просто показываю, что прочитал уже до 54й страницы.
Другое дело, если мы с этим заказчиком делаем уже не первый проект (и делаем это хорошо), то вопрос о переходе на Fixed Price модель, как правило, не поднимается.
Первое, что сделал открыв версию 1.2 — это посмотрел раздел «инструменты Кайзена» в части про контрольные карты Шухарта. Стала ближе к правде, за двумя исключениями:
1. «В контрольных картах Шухарта для определения предела используется не стандартное отклонение, а размах.» — на самом деле даже не размах, а размах, усредненный по подгруппам, умноженный на некоторый табличный эмпирический коэффициент (дла размера подгруппы равного двум, этот коэффициент равен 2.66).
2. Отдельно подчеркну, что нельзя использовать такие карты напрямую для оценки сотрудников — Это тоже не совсем правда. Как ты правильно пишешь большая часть проблем относиться к процессам и сотрудники часто просто не могут на эти причины повлиять. и контрольные карты как раз расставляют все по местам, показывая где вина системы, а где сыграл человеческий фактор
В этом же разделе в итогах, про контрольные карты написано, что они служат Для устранения вариабельности процессов. На самом деле они служат для отделения особых причин вариации от общих и все. А устранение самой вариабельности — это уже результат самого процесса улучшений (считай, того же Кайзен).
А вообще очень интересно. Чуть позже вернусь и еще буду писать замечания. В конце концов, надо же хоть кому-то придраться к содержанию, а не формату файла.
Но контрольные карты Шухарта работают и при небольших размерах подгрупп (даже 2 точки). Двух точек не достаточно, что бы превратить какое угодно распределение в нормальное.
В свое время меня очень утомило гнусное бухтелово под отвратительные слайды в PowerPoint, с тех пор я стараюсь доказать (прежде всего самому себе), что практически любую тему можно передать аудитории более эффективно и интересно.
Подготовка к такому докладу занимает на много больше времени, но результат того стоит.
Но с цифрами отнюдь не проще. Иллюзия простоты есть, но по сути это так же сложно как разбираться с ценностями людей.
Старался.
На вопрос «Делать самим или отдать компании-подрядчику?» универсального ответа нет и все будет зависеть от многих условий. И, самое главное, все определяется ответом на вопрос «Зачем?». Как ни странно, при определенных условиях, имея целью увеличение прибыли компании, иногда будет правильным отдать проект на аутсорс даже если это дольше, дороже и с сомнительным качеством. Но это уже другая история, идущая в сторону теории ограничений…
Строго математического доказательства нет. В книге Д. Уилера и Д. Чамберса Статистическое управление процессами есть отдельная глава, посвященная результатам численного моделирования. Авторы моделировали случайные величины, распределенные по пяти разным законам и показывали, что критерий Шухарта (отклонение больше, чем на 3 сигма от центральной линии) достаточно хорош для каждого из распределений.
К сожалению, в википедии написана не вся правда. Изначально Шухарт, а затем Деминг разработали эту модель, и на практике показали ее экономическую целесообразность (а не математическую справедливость) без каких-то априорных предположений о конкретном виде распределения. Единственным требованием на этот счет было лишь существование этого распределения и достаточная его стабильность во времени.
В той же книге Уилера и Чамберса есть отдельная глава про мифы и распространенные заблуждения насчет контрольных карт. Заблуждениям насчет нормального распределения и центральной предельной теоремы посвящены как раз первые два раздела этой главы.
Если сделать чуть более глубокий шаг в сторону теоретизации то тут мы имеем задачу, сходную с байесовским детектором. В далеких 20-х годах прошлого века, когда Шухарт и Деминг работали в Bell Laboratories, перед ними стоял простой вопрос: «как из данных измерений производства, понять, когда стоит идти в цех и искать особые причины сбоев системы, а когда можно в цех не ходить и списать все на ее свойства?». В итоге получалась простая, конечная игра с матрицей выигрышей 2х2 (цена правильного детектирования, цена правильного пропуска, цена ложной тревоги и цена ложного пропуска особой причины). В их время, в их компании, в их экономической ситуации, в их производственной системе критерий Шухарта оказался наиболее экономически оправданным.
Вот, собственно, и все. Никаких чудес и никакой математической строгости.