THEORY OF STATISTICAL PROCESS CONTR

THEORY OF STATISTICAL PROCESS CONTROL
The basic theory of statistical process control was developed
in the late 1920s by Dr Walter Shewhart,3 a statistician at the
AT&T Bell Laboratories in the USA, and was popularised
worldwide by Dr W Edwards Deming.4 Both observed that
repeated measurements from a process will exhibit variation—
Shewhart originally worked with manufacturing processes
but he and Deming quickly realized that their
observation could be applied to any sort of process. If a
process is stable, its variation will be predictable and can be
described by one of several statistical distributions.
One such model of random variation is the normal (or
Gaussian) bell shaped distribution which is familiar to most
healthcare professionals. While repeated measurements from
many processes follow normal distributions, it is important to
note that there are many other types of distributions that
describe the variation in other healthcare measurements such
as Poisson, binomial, or geometric distributions. For example,
the random variation in the number of wound infections
after surgery will follow a binomial distribution since there
are only two possible outcomes—each patient either did or
did not have a postoperative infection with about the same
probability (assuming that the data are adjusted for patient
acuity, surgical techniques, and other such variables).
SPC theory uses the phrase ‘‘common cause variation’’to
refer to the natural variation inherent in a process on a
regular basis. This is the variation that is expected to occur
according to the underlying statistical distribution if its
parameters remain constant over time. For example, the
random variation between body temperatures within a
population of healthy people is a result of basic human
physiology, while the random variation in week to week
wound infection rates is a result of factors such as training,
sources of supplies, surgical and nursing care practices, and
cleanliness procedures. Processes that exhibit only common
cause variation are said to be stable, predictable, and in
‘‘statistical control’’, hence the major tool of SPC is called the
‘‘statistical control chart’’.

ผลลัพธ์ (ไทย) 2:

ทฤษฎีการควบคุมกระบวนการเชิงสถิติ
ทฤษฎีพื้นฐานของการควบคุมกระบวนการเชิงสถิติได้รับการพัฒนา
ในปลาย 1920s โดยดร Walter Shewhart, 3 สถิติที่
ห้องปฏิบัติการ AT & T Bell ในประเทศสหรัฐอเมริกาและเป็นที่นิยม
ทั่วโลกโดยดร W เอ็ดเวิร์ด Deming.4 ทั้งตั้งข้อสังเกตว่า
การทำซ้ำ วัดจากกระบวนการจะแสดง variation-
Shewhart ทำงานครั้งแรกกับกระบวนการผลิต
แต่เขาและ Deming ได้อย่างรวดเร็วตระหนักว่าพวกเขา
สังเกตอาจจะนำไปใช้กับการจัดเรียงของกระบวนการใด ๆ หาก
กระบวนการมีเสถียรภาพ, การเปลี่ยนแปลงของมันจะสามารถคาดเดาได้และสามารถ
อธิบายโดยหนึ่งในการกระจายทางสถิติหลาย.
หนึ่งรุ่นดังกล่าวของการเปลี่ยนแปลงแบบสุ่มเป็นปกติ (หรือ
เสียน) กระจายตัวรูประฆังซึ่งเป็นที่คุ้นเคยมากที่สุด
ผู้เชี่ยวชาญด้านสุขภาพ ในขณะที่การวัดซ้ำจาก
กระบวนการต่างๆเป็นไปตามการแจกแจงปกติก็เป็นสิ่งสำคัญที่จะ
ทราบว่ามีประเภทอื่น ๆ ของการกระจายที่
อธิบายการเปลี่ยนแปลงในการวัดการดูแลสุขภาพอื่น ๆ เช่น
เป็น Poisson, ทวินามหรือการกระจายทางเรขาคณิต ยกตัวอย่างเช่น
การเปลี่ยนแปลงสุ่มในจำนวนของการติดเชื้อแผล
หลังการผ่าตัดจะเป็นไปตามการกระจายทวินามเนื่องจากมี
เพียงสองผลลัพธ์ที่แต่ละผู้ป่วยที่เป็นไปได้อย่างใดอย่างหนึ่งไม่ได้หรือ
ไม่ได้มีการติดเชื้อหลังการผ่าตัดด้วยเรื่องเดียวกันกับ
ความน่าจะเป็น (สมมติว่าข้อมูลที่มีการปรับ สำหรับผู้ป่วย
รุนแรง, เทคนิคการผ่าตัดและตัวแปรอื่น ๆ เช่น).
ทฤษฎี SPC ใช้วลี '' สาเหตุที่พบบ่อย variation''to
หมายถึงการเปลี่ยนแปลงทางธรรมชาติโดยธรรมชาติในกระบวนการที่เกี่ยวกับการ
เป็นประจำ นี่คือการเปลี่ยนแปลงที่คาดว่าจะเกิดขึ้น
ตามการกระจายทางสถิติพื้นฐานถ้า
พารามิเตอร์คงที่เมื่อเวลาผ่านไป ยกตัวอย่างเช่น
การเปลี่ยนแปลงสุ่มระหว่างอุณหภูมิของร่างกายใน
ประชากรที่มีสุขภาพดีเป็นผลมาจากพื้นฐานของมนุษย์
สรีรวิทยาในขณะที่รูปแบบการสุ่มในสัปดาห์
แผลอัตราการติดเชื้อเป็นผลมาจากปัจจัยต่างๆเช่นการฝึกอบรม,
แหล่งที่มาของอุปกรณ์การผ่าตัดและการพยาบาล ดูแลการปฏิบัติและ
ขั้นตอนการรักษาความสะอาด กระบวนการที่แสดงร่วมกันเพียง
รูปแบบสาเหตุที่มีการกล่าวว่าจะมีเสถียรภาพสามารถคาดเดาได้และใน
'' การควบคุมทางสถิติ '' จึงเป็นเครื่องมือที่สำคัญของ SPC จะเรียกว่า
'' แผนภูมิควบคุมทางสถิติ ''

ผลลัพธ์ (ไทย) 3:

ทฤษฎีการควบคุมกระบวนการทางสถิติ
ทฤษฎีพื้นฐานของการควบคุมกระบวนการทางสถิติที่พัฒนาในช่วงปลายยุค 20
โดย ดร. วอลเตอร์ เชิงเดี่ยว 3 สถิติที่& T
ที่เบลล์ห้องปฏิบัติการในสหรัฐอเมริกา และได้รับความนิยมทั่วโลก โดย ดร. W Edwards Deming

ซ้ำทั้ง 4 พบว่า การวัดจากกระบวนการที่จะแสดงการเปลี่ยนแปลง - ทำงานร่วมกับกระบวนการผลิตเดิม

ชิวฮาร์ทแต่เขาและ Deming อย่างรวดเร็วว่าการสังเกตของพวกเขา
สามารถใช้กับประเภทใด ๆของกระบวนการ ถ้า
กระบวนการที่มีเสถียรภาพ , การเปลี่ยนแปลงจะคาดเดาได้และสามารถอธิบายโดยหนึ่งของการแจกแจงทางสถิติ

หลายๆ รุ่นหนึ่งเช่นการสุ่มเป็นปกติ ( หรือ
เสียน ) กระดิ่งรูปกระจายซึ่งเป็นที่คุ้นเคยกับแพทย์ผู้เชี่ยวชาญที่สุด

ในขณะที่การวัดซ้ําจาก
หลายกระบวนการตามการแจกแจงปกติ มันเป็นสิ่งสำคัญที่จะ
ทราบว่ามีอยู่หลายชนิดอื่น ๆของการกระจายที่อธิบายการเปลี่ยนแปลงในวัดอื่น ๆ

ดูแลสุขภาพเช่นเป็นปัวซง ทวินาม หรือแบบทางเรขาคณิต . ตัวอย่างเช่น
สุ่มการเปลี่ยนแปลงจำนวนของเชื้อ แผลหลังผ่าตัดจะตาม

ตั้งแต่มีการแจกแจงทวินามมีเพียงสองผลลัพธ์ที่เป็นไปของแต่ละคนไข้ให้ทำหรือ
ไม่ได้มีการติดเชื้อหลังผ่าตัดเกี่ยวกับความน่าจะเป็นเดียวกัน
( สมมติว่าข้อมูลจะถูกปรับสำหรับผู้ป่วย
ความฉลาดเฉลียว การผ่าตัด เทคนิค และ อื่นๆ เช่น ตัวแปร ) ทฤษฎี
SPC ใช้วลี ' 'common สาเหตุการเปลี่ยนแปลง ''to
อ้างถึงการเปลี่ยนแปลงที่แท้จริงในธรรมชาติ กระบวนการบน
เป็นประจํานี่คือการเปลี่ยนแปลงที่คาดว่าจะเกิดขึ้น
ตามต้นแบบสถิติการกระจายถ้า
พารามิเตอร์คงที่ตลอดเวลา ตัวอย่างเช่น
สุ่มการแปรระหว่างอุณหภูมิภายใน
ประชากรมีสุขภาพดีเป็นผลของสรีรวิทยาพื้นฐานของมนุษย์
ในขณะที่สุ่มการเปลี่ยนแปลงในสัปดาห์ อัตราการติดเชื้อแผลสัปดาห์
เป็นผลจากปัจจัยต่างๆ เช่น การฝึกอบรม
แหล่งที่มาของวัสดุ ผ่าตัดและการดูแลการพยาบาล
ขั้นตอน และความสะอาด กระบวนการที่แสดงเพียงทั่วไป
เพราะรูปแบบว่า จะมั่นคง คาดการณ์ได้และ
''statistical ควบคุม ' ' จึงเป็นเครื่องมือหลักของ SPC เรียกว่า
''statistical แผนภูมิควบคุม ' '