Rzadka wada opakowania: czy Twoja kontrola potrafi ją znaleźć?

Tysiąc sprawdzonych opakowań, niemal wszystkie poprawne. Taki wynik może uspokajać, ale niewiele mówi o tym, czy kontrola rozpozna rzadką wadę. Osobno trzeba policzyć to, co przepuszczono, i to, co zatrzymano bez potrzeby. Badania nad wyszukiwaniem wzrokowym pokazują, dlaczego warto postawić właśnie takie pytanie.

Co zbadali amerykańscy autorzy

Wolfe, Horowitz i Kenner w pracy opublikowanej w maju 2005 roku porównali wyszukiwanie narzędzi na ekranach przypominających uproszczone obrazy kontroli bagażu. W pierwszym eksperymencie uczestniczyło 12 opłacanych ochotników. Te same osoby wykonywały zadania, w których szukany obiekt występował w 1%, 10% lub 50% prób. Przy najrzadszym występowaniu każda osoba wykonywała 2000 prób, przy pozostałych warunkach po 200.

Gdy obiekt pojawiał się w połowie prób, pomijano około 7% obecnych obiektów. Gdy występował w 1% prób, pomijano około 30%. To odsetki niewykrytych celów, nie wszystkich oglądanych ekranów. Pełna praca z opisem metody jest dostępna w amerykańskim laboratorium autorów. Strona wydawcy potwierdza publikację.

Było to badanie laboratoryjne amerykańskiego zespołu, na sztucznych obrazach, z niewielką grupą ochotników. Nie mierzono polskich magazynów ani kontroli opakowań. Sami autorzy wskazywali ograniczenia przenoszenia wyniku do pracy zawodowej. Liczb 7% i 30% nie wolno więc wpisywać jako prognozy błędów własnego zespołu.

Dlaczego ogólna zgodność może ukryć przeoczenia

Oto wyłącznie rachunkowe DEMO. Zakładamy tysiąc próbnych opakowań: 995 poprawnych i pięć z wcześniej znaną wadą. Kontrolujący zatrzymuje dwa wadliwe, a trzy przepuszcza. Wszystkie poprawne ocenia prawidłowo. Łącznie podejmuje 997 trafnych decyzji, czyli osiąga zgodność 99,7%.

Jednocześnie wykrywa tylko dwie z pięciu wad, czyli 40%. Pozostałe 60% wad umyka kontroli. Nie ma sprzeczności: mianownik pierwszego wyniku obejmuje wszystkie opakowania, drugiego tylko wadliwe. To wymyślone liczby ilustrujące rachunek, nie wynik wdrożenia ani ponowne przeliczenie badania.

Sprawdź wykrywanie na materiałach demonstracyjnych

Wybierz jedną cechę, którą można jednoznacznie rozpoznać wzrokiem. Na przykład obecność wymaganego oznaczenia na własnym próbnym opakowaniu. Zdefiniuj z góry, co uznajesz za poprawne, a co wymaga zatrzymania. „Coś wygląda podejrzanie” nie wystarczy do rozstrzygnięcia wyniku.

Przygotuj zestaw kart lub pustych opakowań demonstracyjnych. Osoba układająca ćwiczenie zachowuje klucz: które sztuki mają celowo wprowadzony brak. Zespół wie, że uczestniczy w szkoleniu; materiały pozostają poza towarem do sprzedaży. Nie wprowadzaj wad do prawdziwych paczek i nie przeprowadzaj ukrytego sprawdzianu pracowników.

Po wykonaniu kontroli porównaj każdą decyzję z kluczem. Zapisz cztery liczby: wykryte braki, przeoczone braki, prawidłowo przepuszczone sztuki oraz poprawne sztuki zatrzymane bez potrzeby. Te ostatnie pokazują, czy ostrożniejsze sprawdzanie nie tworzy kolejki fałszywych alarmów. W małej próbie podaj liczby sztuk obok procentów.

Nie zmieniaj ćwiczenia w obietnicę skuteczności

Jeżeli w szkoleniu celowo pokazujesz wiele wad, łatwiej przećwiczyć ich rozpoznawanie. Taki zestaw nie odwzorowuje jednak codziennej rzadkości problemu. Zapisz jego skład i nie przedstawiaj wyniku jako przewidywanej wykrywalności przy rzeczywistych dostawach. Samo uprzedzenie „uważajcie bardziej” również nie jest pomiarem poprawy.

Gdy uczestnicy nie dostrzegają tej samej cechy, sprawdź jej widoczność: wielkość opisu, oświetlenie, zasłonięcie i sposób obracania opakowania. Gdy widzą brak, lecz podejmują złą decyzję, doprecyzuj regułę zatrzymania. To własne propozycje diagnozy, a nie rozwiązania potwierdzone przytoczonym eksperymentem.

Kończ ćwiczenie odpowiedzią, która wada nadal przechodzi niezauważona i co dokładnie zmienisz przed kolejną próbą. Ogólny wynik „prawie wszystko poprawnie” zostaw obok szczegółowych liczb. Dopiero one pokazują, czy kontrola rozpoznaje problem, dla którego została wprowadzona.

Źródła

• Wolfe, Horowitz i Kenner: Rare items often missed in visual searches, pełna praca i materiały uzupełniające
• Nature: metryka publikacji

Powiązane materiały