Jo yli puoli vuotta on jouduttu seuraamaan Helsingin kaupungin palkanlaskennan ongelmia. Tämän jutun kirjoitushetkellä ongelma eskaloitui jo juridiseksi, kun ammattiliitot ilmoittivat haasteesta Helsingin kaupunkia vastaan palkanmaksuun liittyvien toistuvien ongelmien takia.

Tämä äärimmäisen ikävä ja monisyinen tapaus on muistuttanut siitä, että vaikka laatua ei aina voi nähdä, niin siltä ei pääse koskaan pakoon. Kun asiat eivät onnistu, häiriökysyntä vie ison osan kapasiteetista ja ylikuormittaa ihmisiä ja palveluntuotantoa.

Koko vyyhti alkoi näkyä julkisuudessa touko-kesäkuussa 2022 ja jo tällöin ongelmien lähde oli ajoitettu uuden palkkojen laskentaan ja maksuun käytetyn tietojärjestelmän käyttöönottoon aikaisemmin keväällä. Ihmisten palkkoja jäi saamatta, niitä oli maksettu osittain, väärin, liikaa tai liian vähän tai jotenkin muuten virheellisesti. Yksi arjen ja toimivan yhteiskunnan peruspilareita oli järkkynyt. Virheet synnyttivät jonoa asiakaspalveluun ja kaupunki ilmoitti lisärahan myöntämisestä sotkun selvittämiseksi. Keskustelussa oli puhetta juurisyistä ja lisäkapasiteetista korjaamiseen. Ja tulokset olivat loistavia (kuva 1 alla).

Helsingin kaupungin tehotoimien vaikutus jonossa olevien yhteydenottopyyntöjen määrään.
Kuva 1.  Helsingin kaupungin tehotoimien vaikutus jonossa olevien yhteydenottopyyntöjen määrään. Kuva Minitab 21. Datan lähde: HS.fi https://www.hs.fi/kaupunki/art-2000008992295.html

Kaupungin henkilöstöjohtaja totesi elokuussa, että tehotoimet ovat mahdollistaneet jonon purkamisen, vaikkakin parannettavaa korjaamisen nopeudessa vielä on (HS, 8.8.2022 linkki https://www.hs.fi/kaupunki/art-2000008992295.html). Mutta toimenpiteet näyttivät todellakin purevan numeroiden valossa. 

Jono oli kutistunut murto-osaan kesäkuun pahimmasta tilanteesta, jolloin selvittelyä ja virheen korjausta oli jonossa yli 10 000 tapausta. Toki lähes 2000 avonaista tapausta on aika paljon, jos verrataan että teollisuudessa virheitä mitataan yleensä tuhansissa yksiköissä per miljoonaa mahdollisuutta. Mutta ainakin parempaan mentiin? Juurisyyt ongelmalle oli ehkä löydetty ja toimenpiteet purivat.

Valitettavasti ei. Toimenpiteet hoitivat vain oireita (vikoja) eikä syitä. Kuten kuva 2 vuoden 2022 lopulta paljastaa, ei ongelma mihinkään hävinnyt, jos katsotaan jonoa korjaamiseen. 

Kuva 2. Yhteydenottopyynnöt tehotoimien päättämisen jälkeen. Kuva Minitab 21. Datalähteet:
 https://www.hs.fi/kaupunki/art-2000008992295.html https://www.hs.fi/kaupunki/art-2000009014160.html https://www.hs.fi/kaupunki/art-2000009189328.html

Yhteydenottopyyntöjä oli jonossa käsiteltävänä marraskuun alussa lähes yhtä paljon kuin kesällä pahimmillaan. Toimenpiteet eivät olleet purreet, juurisyistä oli ammuttu ohi. 

Tämä oli jotenkin odotettavissa jo heinäkuun 2022 lehtijutusta (HS 9.7.2022 https://www.hs.fi/kaupunki/art-2000008910520.html), jossa kuvattiin näitä ”tehotoimia” palkanlaskennan työntekijöiden näkökulmasta.

Tehotoimet tarkoittivat pidempää päivää, enemmän töitä ja ihmisten jaksamisen venyttämistä äärimmilleen virheitä korjatessa. Virheiden uudelleen esiintymistä ei siis ole onnistuttu poistamaan, vaikka virheet hetkeksi hävisivätkin, koska niitä korjattiin. 

Helsingin sanomien mukaan prosessin korjaamiseen on lokakuussa 2022 varattu vielä 6 miljoonaa euroa lisää (https://www.hs.fi/kaupunki/art-2000009134483.html) rahoitusta. Ongelman, jota ei aikaisemmin ilmeisesti ollut ja ei tarvitsisi olla varmasti nytkään. 

Raha on helppo luku ja suhteutettuna Helsingin kaupungin budjettiin, ei muutama miljoona ole välttämättä suurikaan menoerä. Ekonomikin ymmärtää euroja, mutta entä laatu ja sen seuraukset? Ymmärretäänkö virheiden teoriaa ja laadun merkitystä? Hyvää halutaan, mutta millä menetelmillä kuten Deming asian aikanaan muotoili. 

Virheiden teoria

Virheet prosessissa ovat kuin glitterpommi pikkujouluissa, se tahraa kaiken mihin se koskee ja sitä löytyy jostain vielä juhannuksenakin. Ilman että virheen esiintymisen syy poistetaan tai sitä ohjataan, ei ongelmista pääse eroon mitenkään ja prosessin aikaisemman vaiheen virheet kulkeutuvat aina eteenpäin. Jos virheisiin tai vaihteluun ei päästä käsiksi itse lähteessä ne tulevat ilmi viimeistään loppukäyttäjällä. 

Ilmiö on samanlainen kaikenlaisissa prosesseissa, vain käytännön mekanismi, monimutkaisuus ja termit vaihtelevat. Voidaan sanoa, että virhe tuo riippuvuuden prosessivaiheiden välille. Jos tämän riippuvuuden voi purkaa, alkaa jonotkin lyhentyä.

Ongelma virheissä on niidet esiintymisen ja esiintymisen petollisuuden luonne. Arkijärki ohjaa ihmistä tarkastelemaan virhettä. Virhe on mielenkiintoinen ja joskus jännittävä. Meillä on jopa hokema, että virheistä oppii! Mutta ongelmana on, että suurin selittäjä virheille on sen tuottama prosessi, eikä sen poikkeama. Jos virheet ovat tilastollisessa ohjauksessa, ei niistä voi oppia. Tämä maailman käyttäytymisen teoria on haastanut ajattelua jo lähes sata vuotta.

Laadun yksi perusteorioista on juuri virheiden tai poikkeamien satunnaisuuden ymmärtämisen ja ohjaamisen teoria. Termi on vaikeaselkoinen: tilastollinen prosessin ohjaus (statistical process control), mutta teoria ei ole monimutkainen. Jos termit ohjaus tai tilastollisuus kuulostavat pahalta, voidaan käyttää myös termiä käyttäytymiskäyrä (behaviour chart), kuten Donald Wheeler suosittelee (Wheeler, 2000).

Perusajatus kuitenkin on, että jos prosessi tuottaa virheitä vain satunnaisesti keskiarvon ympärillä, ei ole syytä selvittää mitä on tapahtunut. Näin saadaan prosessista tai tuotantosysteemistä mahdollisimman paljon hyvää irti. 

Mutta jos yritämme ratkaista ”ei-ongelmia” ja puutumme satunnaiseen vaihteluun, kuin se olisi jotakin erityistä on todennäköistä, että virheet kasvavat ja vaihtelu ulostulossa lisääntyy. Shewhart ja myöhemmin Deming puhuivat kahdentyyppisistä virheistä, virheet 1 ja 2. Virhe 1 on reagoida ulostuloon kuin se olisi jotain erityistä, vaikka kyseessä on satunnaista vaihtelua. Tämän seurauksena on selitys, ylisäätö ja vaihtelun lisääntyminen. 

Virhe 1 johtaa selitykseen jota ei ole ja ylisäätöön. Virhe 2 johtaa oppimisen ohittamiseen ja alisäätöön.
Kuva 3. Virhe 1 johtaa selitykseen jota ei ole ja ylisäätöön. Virhe 2 johtaa oppimisen ohittamiseen ja alisäätöön.

Virhe 2 on olettaa vaihtelu tai virhe satunnaiseksi, vaikka se on erityisestä syystä. Tällaisessa tilanteessa emme opi, vaikka olisimme voineet. Tämä kuulostaa vähemmän vakavammalta tilanteelta, mutta johtaa pidemmällä aikavälillä prosessin ennustettavuuden taantumiseen.                    

Kun tarkastelemme mitä tahansa tilannetta, näiden kahden virheen mahdollisuus on aina olemassa. Keino tasapainoilla näiden välillä on tilastolliset ohjauskortit (kuva 4), joiden ohjausrajat tasapainottavat molempien virheiden mahdollisuuden kohtuulliseksi käytettävän energian kannalta. Kuten Deming (1994, 2018) huomauttaa, vääriä signaaleja voi aina tulla, mutta ohjausrajat toimivat ja kukaan ei ole vielä keksinyt parempaa keinoa. 

Esimerkki ohjauskortista (yksittäisten havaintojen kortti) Minitab 21 ohjelmalla. Kuva esittää päivässä havaittuja virheitä prosessivaiheessa X. UCL (upper control limit) on ylempi ohjausraja satunnaisuudelle. Kuvassa ympyröidyt kohdat ovat erityisiä syitä, muut ovat satunnaista vaihtelua.
Kuva 4. Esimerkki ohjauskortista (yksittäisten havaintojen kortti) Minitab 21 ohjelmalla. Kuva esittää päivässä havaittuja virheitä prosessivaiheessa X. UCL (upper control limit) on ylempi ohjausraja satunnaisuudelle. Kuvassa ympyröidyt kohdat ovat erityisiä syitä, muut ovat satunnaista vaihtelua.

Kuvassa 4 esitetty ohjauskorin esimerkki (ei liity Helsingin kaupungin tapaukseen) kertoo, että prosessi tuottaa keskimäärin 7,78 virhettä päivässä (vihreä keskiarvoviiva) ja prosessin ohjausrajat ovat 14,99 ja 0,57 kappaletta päivässä. Koska kyse on virheistä, nämä tulisi päivittäisessä päätöksenteossa pyöristää järkevään kokonaislukuun. 

Huomioitavaa kuitenkin on, että prosessissa on vain kaksi mielenkiintoista tapahtumaa tai erityissyytä, joita kannattaisi tutkia välttääksemme virheen 2. Prosessin keskiarvo on tipahtanut havaintopäivien 16 ja 23 välillä keskiarvon alapuolelle ja noussut yläohjausrajan yläpuolelle kohdassa 26. Kaikki muu on kohinaa, jonka tutkiminen johtaisi virheeseen 1. Vaikka voimme keksiä selityksiä kaikille muutoksille päivien välillä, ovat ne vain selityksiä.

Perusteoria kuntoon

Teoria virheistä ja toimenpiteiden mielekkyydestä oli Shewhartin keskeinen oppi vuonna 1924, kun tilastollisia menetelmiä ruvettiin ensimmäistä kertaa soveltamaan tuotannon virheiden selvittämiseen tai selvittämättä jättämiseen (Deming, 2018).  

Prosessi tuottaa tietyn määrän virheitä ja suurimmassa osassa tapauksista, ei niille löydy yksittäistä eristettävää syytä, jota voisi tekemisen tasolta käsitellä. Siten ole järkevää perustetta yrittää selvittää mitä on tapahtunut. Toisaalta, jos virheiden tai vaihtelun määrä on sietämätön, tulisi selvittää miten prosessia tulisi muuttaa, jotta siitä tulisi parempi ja virheet häviäisivät. Tilastollisen ohjauksen soveltaminen varmistaa, että prosessista voidaan saada irti kaikki mitä on mahdollista saada. Eli emme käytä aikaa turhaan selvittelyyn ja opimme kaiken mitä on mahdollista poikkeamista oppia.

Tämä Shewhartin perusteoria virheistä on edelleen yllättävän vähän tiedetty tai ymmärretty. Johtajat ja päälliköt haluavat parempaa, mutta teoria puuttuu! Ihmisellä on luontainen taipumus selittää asioita erityiseksi. Jos ei mitään muuta keksitä, niin syytetään ihmistä, työntekijää tai asiakasta huolimattomuudesta tai osaamattomuudesta. Jos nämä on kielletty, menemme organisaation ulkopuolle ja etsimme syitä taivaan kannelta ja planeettojen keskinäisistä kulmista. Saamme aikaan selitystä ja kaaosta, mutta emme mitä haluaisimme. Tavoitteet ovat hyvät, mutta lopputulos on satunnainen, koska taustalla oleva ajatusmalli ei perustu todennettuun teoriaan.

Lähteet:

1 kommentti aiheesta “Laatua ei pääse pakoon – ei missään”

  1. Hyvä artikkeli kuten aina.

    Mukavaa Joulunodotusta teille kaikille!

    Elina

Kommentoi artikkelia

Sähköpostiosoitettasi ei julkaista. Pakolliset kentät on merkitty *

Tilaa uutiskirje

Liity postituslistalle ja saat uusimmat artikkelit suoraan sähköpostiisi.