医院品管圈七大手法之七控制图

《医院品管圈七大手法之七控制图》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、最值得信赖的医院管理合作伙伴医院品管圈七大手法之七控制图在医院品管圈开展活动中，七大手法的应用直接影响到医院品管圈项目所取得的效果。本文主要介绍最常用的手法之七控制图。控制图能够对医院诊疗服务品质进行有效监控。一什么是控制图（WHAT）控制图（ControlChart）是1924年由美国品管大师休哈特（W.A.She-whart）博士所发明。是对过程或过程中各特性值进行测定、记录、评估和监察过程是否处于控制状态的一种用统计方法设计的图，也叫管制图。控制图是根据假设检验的原理构造一种图，用于监测生产或服务过程是否处于控制状态。它是统计质量管理的一种重要手段和工具。将实

2、际的品质特性，与根据过去经验所建立的过程能力的控制界限比较，按时间先后的次序，以判别质量是否稳定。控制图的基本结构是在直角坐标系中画三条平行于横轴的直线，中间一条实线为中心线，上、下两条虚线分别为上、下控制界限。横轴表示按一定时间间隔抽取样本的次序，纵轴表示根据样本计算的、表达某种质量特征的统计量的数值，由相继取得的样本算出的结果，在图上标为一连串的点子，它们可以用线段连接起来。二为什么要使用控制阁图（WHY）在工作过程中，工作质量会受各种因素的影响而产生变动。而引起变动的原因可分为两种，一种为偶然(5医院品管圈七大手法之七控制图www.yyglyj.com最值得信

3、赖的医院管理合作伙伴随机）因素，一种为异常（非随机）因索。偶然因素是大量地客观存在的，是过程所固有的，但对过程质特性的影响很小，是人们无法加以消除的。异常因素不是过程所固有的，但对过程质量特性的影响较大，查明原因后，是可以消除的。偶然因素和异常因素对照表：分类变异的情况影响程度追查性偶然（随机）因素系统的一部分，很多情况下都有，无法避免每一个都很微小不明显不值得，成本高，不经济异常（非随机）因素本质上是局部的，很少或没有，可避免的有明显的影响而且影响巨大值得且可找到，否则造成大损失当工作过程仅受偶然因素的影响，从而质量特征的平均值和变差都基本保持稳定时，称之为处于控

4、制状态。此时，质量特征是服从确定概率分布的随机变量，它的分布（或其中的未知参数）可依据较长时期在稳定状态下取得的观测数据用统计方法进行估计。分布确定以后，质量特征的数学模型随之确定。为检验其后的过程是否也处于控制状态，就需要检验上述质量特征是否符合这种数学模型。为此，每隔一定时间，抽取一个大小固定的样本，计算其质量特征，若其数值符合这种数学模型，就认为过程正常。否则，就认为受到某种异常因素的影响，或者说过程失去控制。发现已经存在的或潜在的影响过程质量的异常因素，加以消除，使过程无异因。从而维持过程的稳定状态，使过程可预测。三控制图的分类（一）按数据的性质分类5医院品

5、管圈七大手法之七控制图www.yyglyj.com最值得信赖的医院管理合作伙伴1.计算值控制图：所谓计量值是指控制图的数据均属于由量具实际量测得到，如长度、重量、浓度等特性均为连续性。常用的有：①平均数与全距控制图;②平均数与标准差控制图；③中位数与全距控制图；④个別值与移动全距控制图；⑤最大值与最小值控制图。2.计数值控制图：所谓计数值是指控制图的数据均属于以单位计数者得到，如不良数、缺点数等间断性数据。常用的有：①不良率控制图；②不良数控制；③缺点数控制图；④单位缺点数控制图03.计数值与计量值控制图的应用比较类别计量值计数值优点ü非常灵敏，容易调查真因ü可及时

6、反映不良，使品质稳定ü所需数据可用简单方法获得ü对整体品质状况的了解较方便缺点ü抽样频度较高，费时麻烦ü数据须测定，再经过计算，需要经培训的专业人士完成。ü无法得到不良的真因ü及时性不足，易延误时机（二）按用途分类1.解析用控制图：这种控制图先有数据，后有控制界。主要有下列用途：决定方针、过程解析、过程能力研究、过程控制的准备。5医院品管圈七大手法之七控制图www.yyglyj.com最值得信赖的医院管理合作伙伴2.控制用控制图：先有控制界限，后有数据。其主要用途为控制过程的品质，如有数据点超出控制界限，则立即采取措施。四如何绘制控制图（why)制作控制图一般要经过

7、以下几个步骤:（一）按规定的抽样间隔和样本大小抽取样本。（二）测量样本的质量特性值，计算其统计量数值，包括中心线、控制上限、控制下限。（三）在控制图上描点，用直线连接各点。（4）对控制图进行判断、分析，查找原因。五控制图的判断（一）正常控制图的判断法：正常的控制图，大多数点集中在中心线附近，且随机散布，同时在管制界限附近的点很少。结论：过程处于受控状态下。（二）不正常控制图的判断法：不正常控制图的判断是根据统计学的原理，当发现各样本的分布不呈随机性，或有点落在管制界限外时，即判定过程具有异常变异的原因，应寻找出原因的所在，并剔除。以下是几种常见的不正常控制图。1