تجسم عملکرد با سیگمامتریک

 تجسم عملکرد با سیگمامتریک

دکتر رزیتا خنافری 

 توانایی “دیدن” استعاره‌ای رایج برای درک است.گاهی اوقات لازم است برای درک بهتر مشکلاتی که در فرآیندها پیش می‌آیند، به ‌گونه‌ای قابل رؤیت شوند. مثلاً نشان دادن یک موقعیت به صورت ریاضی.ما از ریاضی و آمار استفاده می‌کنیم و برای تجسم بهتر رخدادها، به آنها وزن می‌دهیم یا آن‌ها را متر می‌کنیم یا اندازه می‌زنیم.

اغلب تجسم در ریاضیات را با کشیدن تصاویر یا نمودارها به عنوان کمکی برای شروع به حل مسائل مرتبط می‌دانیم؛ اما تجسم نقش بسیار گسترده‌تری در حل مسئله از جمله حمایت از توسعه ایده‌ها و تسهیل ارتباط نتایج و درک دارد. از این حیث، تصاویر و نمودارها کمک‌کننده هستند، اما کافی نیستند.

پیاده‌سازی یک سیستم مدیریت کیفیت (QMS) یک شاخص مهم از تعهد یک کسب و کار به کیفیت محصول یا نتایج آن است. کنترل کیفیت (QC) یکی از اجزای QMS است که آزمایشگاه‌های بالینی برای دهه‌ها از آن برای ارزیابی کیفیت تحلیلی نتایج آزمایشگاهی، عمدتاً از طریق آزمایش مواد QC و استفاده از قوانین Westgard بسنده می‌کردند.

روش مدیریت کیفیت شش سیگما در طول 2 دهه گذشته به عنوان ابزاری برای ارائه اطلاعات اضافی و ارزشمند جهت ارزیابی کیفیت در آزمایشگاه‌های بالینی ظهور کرده است.

متدولوژی شش سیگما که توسط یکی از کارکنان موتورولا در دهه 1980 ایجاد شد، قابلیت فرآیند را نسبت به الزامات کیفیت با هدف تنها 3.4 نقص در هر میلیون محصول یا نتایج تولیدشده اندازه‌گیری می‌کند.

توجه داشته باشید موضوع اندازه‌گیری است.

در واقع دو روش برای تعیین سیگمامتریک وجود دارد:

در روش اول بعد از شناسایی نقص، شمارش نقص، تبدیل در هر میلیون، از یک جدول یا حسابگر برای مشخص کردن عدد سیگما استفاده می‌شود.

کسانی که با متدولوژی سیگما کار می‌کنند می‌دانند که با این روش می‌توان به بهبود فعالیت‌های کیفی کمک کرد.

و در روش دوم از اندازه‌گیری تغییرات فرآیند برای برآورد سیگما متریک استفاده می‌شود.

در این مقاله به چگونگی استفاده از روش اول با مثال آزمایشگاهی پرداخته شده است.

می‌دانید که طبق استاندارد آزمایشگاه‌های پزشکی ویرایش 1397 بند 4-14-7:

“آزمایشگاه باید شاخص‌های کیفیت تعیین کند تا بتواند وضعیت ارائه خدمات را به‌طور کمی بسنجد”.

در اینجا توجه شما را به لیستی از این شاخص‌ها که توسط IFCC مطرح شده است، جلب می‌کنم.

 

خطاهای شناسایی
Misidentification errors

خطاهای نوشتنی آزمایش
Test transcription errors

نوع نمونه غلط
Incorrect sample type

نسبت غلط حجم نمونه به نگهدارنده/افزودنی/ضد انعقاد
Incorrect fill level

نمونه نامناسب برای نقل و انتقال و مشکل ذخیره
Unsuitable samples for transportation and storage Problem

نمونه‌های آلوده
Contaminated samples

نمونه همولیز شده
Hemolysis sample

نمونه لخته شده
Clotted samples

درخواست نامناسب آزمایش
Inappropriate test requests

زمان نامناسب برای نمونه‌گیری
Inappropriate time in sample collection

درخواست ناخوانا
Unintelligible request

آزمایش فاقد کنترل کیفی داخلی
Test uncovered by an IQC

عملکرد غیر قابل قبول کنترل کیفی داخلی
Unacceptable performances in IQC

آزمایش فاقد برنامه مهارت آزمایی یا ارزیابی خارجی کیفیت
Test uncovered by an EQA-PT control

عملکرد غیر قابل قبول مهارت آزمایی یا ارزیابی خارجی کیفیت
Unacceptable performances in EQA-PT schemes

خطاهای مربوط به انتقال و ثبت داده
Data transcription errors

زمان چرخه کاری نامناسب
Inappropriate turnaround times

گزارش آزمایشگاهی غلط
Incorrect laboratory reports

اطلاع‌رسانی/هشدار نتایج بحرانی
Notification of critical results

نظرات تفسیری
Interpretive comments

 

شما می‌توانید از این شاخص‌ها به روش زیر استفاده کنید

1 روش شمارش نقص

معیارهای مختلفی وجود دارد که برای ارزیابی نقص‌ها استفاده می‌شود.نقص در میلیون DPM، نقص در واحد (DPU)، نقص در هر فرصت (DPO) و نقص در هر میلیون فرصت (DPMO)

 Defects per Million Opportunities DPMO

DPMO یک معیار طولانی مدت از عملکرد فرآیند و در واقع اندازه‌گیری میزان خطای یک فرآیند است.DPMO  به شما می‌گوید که روند شما در قبال انجام اشتباهات چقدر خوب یا بد است و شما را ملزم می‌کند که به عقب برگردید.

به بیان ساده  DPMO عبارت است از تعداد نقص در یک فعالیت مشخص شده به تعداد کل فرصت‌های انجام آن فعالیت، ضرب شده در 1 میلیون.

پنج قدم برای محاسبه نقایص در هر میلیون فرصت وجود دارد:

اولین قدم تعیین نوع و تعداد نمونه‌برداری است؛ به عبارت دیگر، شما باید گروه نمونه‌برداری و اندازه گروه نمونه را تعیین کنید. به عنوان یک قاعده، اندازه نمونه باید به اندازه کافی کوچک باشد تا قابل کنترل باشد، اما به اندازه کافی بزرگ باشد تا هر مشکلی را که می‌تواند روند کار را تضعیف کند منعکس نماید.

دومین قدم تعیین تعداد فرصت‌های نقص است.

لیستی از نقایص یا خطاهای احتمالی فرآیند تهیه کنید.

تمرکزتان بر روی مراحل انجام فرآیند باشد که در آن ممکن است اشتباه پیش بیاید.

نواقص مرتبط یا مشابه را در یک گروه قرار دهید.

در طی این روند، همیشه صدای مشتری را در خاطر داشته باشید.

روی ویژگی‌هایی که در رضایت مشتری تأثیر می‌گذارد متمرکز شوید و مطمئن شوید که صفات قابل اندازه‌گیری هستند.

سومین قدم تعیین تعداد کل فرصت‌های نقص برای نمونه موردنظر است.این کار با ضرب تعداد واحدهای موجود در گروه نمونه یا تعداد فرصت‌های نقص در واحد انجام می‌شود.

چهارمین قدم شمارش فرصت‌های معیوب در گروه نمونه است.در این مرحله به سادگی باید محاسبه کنید که چه تعداد از فرصت‌ها در گروه نمونه در واقع حاوی نقص یا خطا است. باید از یک گروه نمونه استفاده کنید که نماینده کل باشد. همچنین، گروه نمونه باید به اندازه کافی بزرگ باشد تا معنادار باشد، اما به اندازه کافی کوچک باشد تا قابل کنترل باشد.

پنجمین قدم ما فقط باید نقص‌ها را به کل فرصت‌هایی که DPO به ما می‌دهد تقسیم کنیم. سپس DPO را در 1 میلیون ضرب می‌کنیم تا از نقص در هر میلیون فرصت استفاده کنیم. این مقدار نمای دقیق و طولانی مدت از کارایی فرآیند را به ما می‌دهد.

مثال:

قدم اول:

در بخش پذیرش آزمایشگاه X روزانه 150 پذیرش انجام می‌شود. پنجاه پذیرش (Number of units) به‌طور تصادفی انتخاب و مورد بازرسی قرار گرفته است.

قدم دوم:

هر پذیرش چهار فرصت نقص دارد ( Opportunities per unit) مانند نام نادرست بیمار، تست جا افتاده، تست اضافی و تست اشتباه.

به‌طور مثال پس از بررسی مشخص می‌شود از پنجاه پذیرش بررسی‌شده، در کل هفت عیب وجود داشته است.

 قدم سوم:

تعیین تعداد کل فرصت‌های نقص برای بررسی موردنظر تعداد پذیرش انتخابی در تعداد فرصت‌های نقص

50×4=200

قدم چهارم:

شمارش فرصت‌های معیوب در گروه انتخابی

7 مورد

قدم پنجم:

نقص‌ها را به کل فرصت‌هایی که DPO به ما می‌دهد تقسیم کنیم.

7/200

سپس DPO را در 1 میلیون ضرب می‌کنیم تا از نقص در هر میلیون فرصت استفاده کنیم.

نتیجه‌گیری:

فرآیند شما در صورت ایجاد 1 میلیون پذیرش، 35000 فرصت برای ارتکاب نقص یا خطا ایجاد خواهد کرد.

یک روش ساده‌تر استفاده از حسابگر است

حسابگرهای زیادی وجود دارد مانند آدرس زیر:

https://www.gigacalculator.com/calculators/six-sigma-dpmo-calculator.php

چرا محاسبه DPMO برای یک فرآیند لازم است؟

زیرا یک تصویر دقیق از کارآیی فرآیند شما می‌دهد.

بسته به نوع نقص در هر میلیون فرصت، سازمان شما می‌تواند تصمیم بگیــــــرد که آیا راه‌اندازی یک پروژه Six Sigma ضروری است که این روند را بهبود بخشد و تعداد فرصت‌های نقص در هر میلیون محصول را کاهش دهد.

اگر  DPMO بسیار بزرگ است، خطرات تأثیر منفی بر رضایت مشتری وجود دارد که به نوبه خود تأثیر منفی بر تجارت شما خواهد گذاشت.

DPMO به شما می‌گوید که روند شما در قبال انجام اشتباهات چقدر خوب یا بد است و شما را ملزم می‌کند که به عقب برگردید.

 

این مقاله ادامه دارد …

 

منتظر نظرات و سؤالات شما در پیج اینستاگرام به آدرس Dr.Rozita khanafari هستم.

«خطای کل مجاز تعدیل شده» چیه؟!

برای دانلود فایل pdf  بر روی لینک زیر کلیک کنید

 

پاسخی قرار دهید

ایمیل شما هنوز ثبت نشده است.

slot gacor 2023