niektórzy autorzy zwracają uwagę na fakt, że w działaniach mających na celu redukcję zmienności procesów powinni brać udział „eksperci techniczni”, a narzędzia doskonalenia powinny być połączone z odpowiednią wiedzą przedmiotową (Nolan i Provost, 1990, s.77; Snee i Hoerl, 2003, s.209). Wskazuje się, że istotna jest nie tylko umiejętność zastosowania odpowiedniego narzędzia, ale także umiejętność zinterpretowania uzyskanych wyników (Parsons, 1992, s.34; Snee, 2003, s.88), przekładając rozwiązanie z Języka narzędzia” na Język procesu” - do czego potrzebna jest odpowiednia wiedza procesowa. Także w literaturze związanej z teorią technologii procesów dostrzega się potrzebę połączenia tych dwóch podejść. Proponuje się na przykład integrację zaawansowanych narzędzi statystycznych (wchodzących w zakres narzędzi stosowanych w Zarządzaniu Jakością) zwiedzą typowo inżynierską dotyczącą danego analizowanego procesu, aby skutecznie identyfikować obszary, w których zlokalizowane są przyczyny błędów pojawiających się w procesie (Ceglarek i Shi, 1996, s.55). Taka idea zgodna jest z zaproponowaną przez Doriana Shainina koncepcją Inżynierii Statystycznej (ang. StatisticałEngineering), u podstaw której leży założenie, że do identyfikacji przyczyn zmienności w procesie potrzebne jest połączenie procesowej wiedzy inżynierskiej z wiedzą empiryczną, uzyskaną dzięki badaniu procesu za pomocą metod statystycznych (Steiner et al., 2008). Korzyścią wynikającą z połączenia wiedzy inżynierskiej z badaniem procesu jest przede wszystkim budowanie wiedzy procesowej, która umożliwia doskonalenie. Takie połączenie uważane jest za niezbędne do właściwej identyfikacji przyczyn zmienności procesu (Sanders et al., 2000, s.557). Empiryczne poznawanie procesu możliwe jest przede wszystkim dzięki jego obserwacji oraz prowadzeniu badań i eksperymentów - a w tym celu zastosowanie znajdują metody i narzędzia pochodzące z obszaru Zarządzania Jakością. Połączenie takiego sposobu pozyskiwania informacji o procesie z wiedzą i teorią inżynierską, pozwala budować wiedzę procesową (Steiner i MacKay, 2005, s.l), zgodnie z modelem iteracyjnego zdobywania wiedzy (Rys. 1.6).
W literaturze podkreśla się, że te dwa podejścia wzajemnie się wspierają - teorie zbudowane w oparciu o wiedzę przedmiotową wymagają zastosowania odpowiednich metod i narzędzi w celu ich weryfikacji, a informacje uzyskane dzięki analizom przeprowadzonym za pomocą odpowiednich metod i narzędzi pomagają udoskonalać, rozszerzać lub korygować stawiane hipotezy. Powtarzanie takiej sekwencji skutkuje budowaniem coraz większej wiedzy procesowej (Snee i Hoerl, 2003, s.209). Ponadto, zwraca się uwagę na fakt, że stosowanie każdego z tych dwóch podejść oddzielnie - badania procesu za pomocą różnych metod i narzędzi bez wykorzystania wiedzy przedmiotowej, lub wiedzy przedmiotowej bez badania procesu - jest niekorzystne i zmniejsza skuteczność prowadzonych działań. Mimo to, często spotyka się sytuację, w której prowadzone działania doskonalące oparte są na przekonaniu, że wszystkie problemy mogą zostać rozwiązane na bazie fundamentalnych praw inżynierii czy fizyki, i nie wymagają jakiegokolwiek zbierania danych i analizy. Z drugiej strony, samo wykorzystanie metod i narzędzi analizy danych nie może zastąpić odpowiedniej wiedzy przedmiotowej, niezbędnej do formułowania teorii oraz odpowiedniej interpretacji wyników badań. Należy łączyć oba podejścia, odpowiednio integrując wiedzę przedmiotową z analizą danych (Snee i Hoerl, 2003, s.210).
Niestety, w praktyce te dwa podejścia do doskonalenia procesów produkcyjnych -opieranie się na wiedzy technologicznej oraz zastosowanie metod i narzędzi służących do badania i analizy procesów - stosowane są przeważnie niezależnie od siebie, bez odpowiedniej integracji. Problem ten dostrzegany jest w literaturze. Zauważa się na przykład, że często brakuje odpowiedniej komunikacji pomiędzy inżynierami, menadżerami i statystykami akademickimi w świecie przemysłowym, do celów rozwiązywania problemów
12