Od wielu lat mówi się o ryzyku przedsiębiorstw, a nawet o zarządzaniu nim, jednak rzadko podaje się, jak je obliczyć. Zakładamy, że mówimy tutaj o ryzyku czysto produkcyjnym w firmie, a nie o ryzyku kredytowym, rynkowym (kursowym i stopy procentowej) oraz operacyjnym, ponoszonym przez instytucje finansowe. Mamy tutaj do czynienia z zależnością, że ryzyko produkcyjne przedsiębiorstwa jest często w jakimś stopniu ryzykiem kredytowym banku. Ryzyko rynkowe dotyczy firm eksportowych w przypadku wahań kursów walut, stopy procentowej zaś dla przedsiębiorstw, które działają np. z dużą dźwignią finansową, jednak ryzyka te są dalece odległe od operacyjnego zarządzania produkcją.

Opracowanie to przedstawia ryzyko jako rozkłady statystyczne terminów wykonania zadań produkcyjnych z wykorzystaniem metodologii Six Sigma, gdyż do tej pory nie było żadnej innej szeroko stosowanej metody alternatywnej dla Earned Value Management (EVM). Przeprowadzona analiza ma na celu określenie wydajności procesów oraz kosztów utraconych możliwości wynikających z opóźnień harmonogramu (opóźnień kontraktowych), a także udzielenie rekomendacji dotyczących działań korygujących i zapobiegawczych. Autor zaproponował przykładowe karty kontrolne dla projektu i dla procesu oraz wyznaczył kluczowe parametry w metodologii Six Sigma, takie jak USL, LSL, Cp, Cpk.
Kontrolę wydajności stosuje się przede wszystkim do:

1. sformułowania rekomendacji umożliwiających dokonanie niezbędnych zmian i poprawę procesów, projektów i produktów;
2. pomocy w zidentyfikowaniu możliwości dostarczenia większej ilości lepszych produktów i usług po takim samym koszcie lub taniej;
3. używania uzyskiwanych informacji do lepszego zarządzania operacyjnego;
4. zademonstrowania możliwości obniżania kosztów bez zmniejszania ilości i jakości;
5. wzrostu lub/i poprawy produkcji oraz usług bez powiększania wydatków;
6. identyfikacji słabości w istniejących kontrolach i procesach w celu lepszego użycia zasobów.

Należy jednak mieć świadomość, w którym miejscu leżą prawdziwe oszczędności w poprawie wydajności procesów, a jest tak, że na 100% opóźnień w realizacji zadań – 80% powoduje czynnik ludzki, a 20% czynnik techniczny. Z tych 80% –  64% jest wynikiem złego zarządzania i kierowania, a 16% niewłaściwej obsługi bezpośredniej.
W ujęciu jakościowym wygląda to w ten sposób, że Six Sigma wyróżnia 3 sposoby wyliczania wydajności dotyczącej jakości wykonania produktów [Notatki… 2006]: wydajność klasyczną, pierwotną i całkowitą. Miary te jednakże nie są właściwe do oceny ryzyka produkcyjnego, traktowanego w tym opracowaniu jako ryzyko opóźnień w harmonorgamie realizacji zadań, podają jedynie liczbę błędów w produkowanych elementach, a na tej podstawie można wyciągnąć jedynie pewne wnioski odnośnie do mierzonego asortymentu.
Zarządzaniem ryzykiem w pewnym sensie zajmowali się już W. Shewart (~1924 rok) i W.E. Deming. Shewart zaproponował podział zmienności procesów na kontrolowaną i niekontrolowaną. Wynikiem tych  prac było wykonanie kart kontrolnych wykorzystywanych w SPC.
W.E. Deming zaproponował równolegle podział zmienności procesów na podział z przyczyn ogólnych i szczególnych. W podziale na przyczyny ogólne zmienność określił za pomocą takich parametrów, jak: wewnętrzna dla systemu, kontrolowana przez zarząd i możliwa do skorygowania tylko przez zarząd. W drugim przypadku zmienność może mieć naturę lokalną, niebędącą normalną właściwością systemu i może być skorygowana lokalnie. Zarówno Shewart, jak i Deming dążyli do tego, aby zrozumieć zmienność procesów (którą w późniejszym okresie nazwano ryzykiem) i aby móc w pełni ją kontrolować.
Zapewne każdy z tych podziałów można rozważać w różnych kategoriach, jednak chodzi tu przede wszystkim o ramy określenia zmienności procesów w przedsiębiorstwie, a co za tym idzie – ryzyka produkcyjnego przedsiębiorstwa. Autor chciałby to zobrazować za pomocą kart kontrolnych, gdyż każdy proces generuje jakieś ryzyko. Jeśli jest ono istotne dla organizacji, to może i powinno być obserwowane przez nią, tutaj autor proponuje robić to używając kart kontrolnych.
W naszym przykładzie na podstawie rozkładów statystycznych ustalono, że granice specyfikacji procesów (USL, LSL) powinny znajdować się w następujących przedziałach czasowych w odniesieniu do terminu planowanego, będącego terminem zerowym:
Tabela 1. Propozycja dolnej (LSL) i górnej (USL) granicy specyfikacji.

Zakresy poszczególnych specyfikacji są wielkościami, których należy poszukiwać, doskonale zostało to zobrazowane w dalszej części opracowania na rys. 3.
Aby dokładnie zobrazować korzyści płynące z zastosowanie kart kontrolnych, autor sugeruje wykorzystać wzór rys. 1 dla pomiaru ryzyka projektu i wzór rys. 2 dla pomiaru ryzyka procesów.

Rys. 1. Przykład karty kontrolnej dla projektu
Górna część rysunku przedstawia porównane rozkłady statystyczne terminów wykonania zadań dla procesów: produkcji, zaopatrzenia materiałowego, tzdm – terminarz biura planowania, dokumentacji. Środkowa część pokazuje proces produkcji (kolor niebieski, linia najbardziej zbliżona do osi X); zaopatrzenia materiałowego (kolor zielony, druga linia w odległości od osi X), tzdm, trzecia linia w odległości od osi X), dokumentacja – najbardziej oddalona linia od osi X. Dolna część przedstawia tabelę zbiorczą uzyskanych wyników.

Rys. 2. Przykład karty kontrolnej dla procesów
Górna część rysunku przedstawia porównane rozkłady statystyczne terminów wykonania zadań dla procesów zaopatrzenia materiałowego dla dwóch projektów 8168/6 (kolor zielony, linia bliżej osi X) i 8168/7 (kolor czerwony, linia dalej od osi X). Dolna część przedstawia tabelę zbiorczą uzyskanych wyników.
Uzyskane w ten sposób wyniki (rys. 1, rys. 2) pozwalają na następującą interpretacje badanych procesów:
Mean – średnio zadania wykonywano na 39 dni przed terminem zerowym, przedział czasowy mieści się w zadanych parametrach (tab. 1), jednak już dla 17 dni średnia pokazuje złe planowanie prac;
ST.Dev. – odchylenie standardowe podaje odchylenie od średniej 23-32 dni, co mówi nam, że już w niektórych przypadkach przekraczamy zadane parametry z  tab. 1;
Z.Bench (Sigma) – benchmark procesu to od -0,05 do -0,56, im większy, tym lepszy, powinien być około 1,0; parametr -0,05 jest krytycznie słaby;
Z.Shift – wskazuje ukryte rezerwy na produkcji,  ponieważ Z.Shift ≥1;
Yield – mówi, że losowo wybrana dana ma w LongTerm (LT) {powyżej roku} od 28,82% do 47,81% szansy znajdowania się w przedziale +/- 3 odchylenia standardowe od średniej;
DPMO – oczekiwana ilość wad na 1 mln w tym przypadku jest daleka od ideału.
Pp (Cp) – zdolność procesu podaje skupienie na celu badanego rozkładu statystycznego, im bliżej 1,0, tym lepiej. Jest wyliczana jako różnica pomiędzy tolerancją górną USL a tolerancją dolną LSL podzieloną przez sześć odchyleń standardowych;
Ppk (Cpk) – wydolność procesu pokazuje dryf, trend (stabilność) rozkładu statystycznego,  który im bliższy 1,0, tym lepiej. Jest wyliczana jako różnica pomiędzy tolerancją górną USL (lub  tolerancją dolną LSL) a średnią podzieloną przez sześć odchyleń standardowych – pod uwagę bierzemy mniejszą z tych dwóch liczb.
Mając już rozkłady statystyczne, wydajność można określić za pomocą Cp(Pp) lub też funkcji straty Taguchiego.
Rys. 3. Graficzne przedstawienie wpływu przesuwania zakresów specyfikacji LSL i USL na osiągnięte wskaźniki wydajności Cp (Pp). Sposób wyznaczania Cp (Pp) przedstawiono przy interpretacji tego wskaźnika.
Jeśli wskaźnik Pp potraktujemy jako rzeczywisty procentowy parametr wydajności procesu, to można go odnieść do budżetu przedsiębiorstwa, gdzie planujemy przychody w odniesieniu do procesów lub projektów. Jeśli zakładamy pewien budżet na projekt czy proces, a wiemy, że osiągana wydajność jest Pp(Cp)=0,60, to musimy uwzględnić rezerwy budżetowe na 40% strat budżetowych lub też zapewnić sobie finansowanie tego procesu/projektu z innego procesu/projektu. Wynik pokazuje, że nastąpi 40% przesunięcie harmonogramu, jedynie w 60% zmieszczono się z planie. Oznacza to, że realizowany proces/projekt ma opóźnienia w realizacji, które można potraktować jako utracone możliwości, gdyż podczas planowania uwzględniono, że zasoby, którymi przedsiębiorstwo dysponuje, zostaną wykorzystane w 100%. Skoro ustalony wynik nie został osiągnięty, należy rozważać zaistniałą sytuację jako ryzyko produkcyjne mogące przenieść się na pozostałe projekty i procesy w firmie, a także na zewnątrz firmy.
Oczekiwane straty można również wyliczyć za pomocą funkcji strat Taguchiego :
wzór (1) opracowano na podstawie [Walanus]
(N – Z) –(R)
Strata = P  x
(S – 1 dzień)²
Gdzie:
P – dzień pracy wydziału w [PLN] – suma kosztów wydziałowych w miesiącu podzielona przez liczbę dni w miesiacu;
N – norma – zero dni odchylenia od planu
Z – ile dni standardowo zakładamy odchylenia – LSL (USL) z tab. 1
R – rzeczywiste odchylenie – wyniki uzyskane w programie MiniTab.14 (tabela na dole przy rys.1, rys.2)
S -wielkość straty przy minimalnym odchyleniu – zakładając normę jako zero ta wartość również wynosi zero
Rys.4. Graficzne przedstawienie utraconych możliwości za pomocą funkcji strat Taguchiego.
Po podstawieniu rzeczywistych danych wyniki uzyskane poprzez potraktowanie Cp (Pp) jako wskaźnika procentowego wykorzystania budżetu oraz za pomocą wzoru Taguchiego są bardzo zbliżone.
Tabela 2. Porównanie uzyskanych wyników.

Wnioski
Rozbijając proces, mający złe wskaźniki na podprocesy, możemy odnaleźć przyczyny błędów i je usunąć. Przedstawiona analiza pokazuje, że różne procesy można analizować, znajdując ich punkt wspólny, np. zadanie produkcyjne, i powiązując je terminami realizacji. Problemy pojawiają się wtedy,  gdy mamy dużo różnych produktów i mało zadań. Analiza pokazuje, że zachowując dyscyplinę przy realizacji harmonogramu zgodnie z planami budżetowymi, można w ciągu roku wykonać nawet kilka projektów więcej na produkcji.
Literatura
Czerwiński K., Audyt wewnętrzny, InfoAudit, Warszawa 2005.
Notatki ze szkolenia Det Norske Veritas (DNV) „Działania Korygujące i Zapobiegawcze”, Sopot 2005.
Notatki ze szkolenia Polish Six Sigma Academy (PSSA) „Black Belt DMAIC” Gdańsk 2006
Lipski D., Wieloczynnikowa kontrola wydajności procesu, „Zarządzanie Jakością”  2007 no.
Walanus A., „Zdolność Procesu”,