الذكرى المئوية لمخطط شوارت: لماذا نهتم؟
Summary
- يُستخدم مخطط شوارت لتتبع التغيرات في العمليات بمرور الوقت، مما يساعدك على فهم هذه التغيرات واتخاذ الإجراءات المناسبة. كان هذا المخطط أداة رائدة قبل قرن من الزمان، ولا يزال بنفس القدر من الأهمية اليوم، وهو ضروري لأي رحلة تحسين.
في التاسع عشر من مايو عام ١٩٢٤، في مصنع ويسترن إلكتريك بمدينة سيسيرو بولاية إلينوي، كتب الدكتور والتر شيوهارت مذكرةً إلى مديره يُعرّفه فيها بأداة كان يعمل على تطويرها. وكتب شيوهارت أن هذه الأداة مصممة "لتوفير أكبر قدر من المعلومات الدقيقة بنظرة سريعة، لمساعدة المفتشين على تحديد ما إذا كانت هناك مشكلة في عملية إنتاج معداتهم". قد تتساءل: لماذا عليّ الاهتمام بأداة اختُرعت قبل مئة عام لتحسين صناعة الهواتف؟ دعونا نُلقي نظرةً على بعض المعلومات الأساسية.
عندما نُدرّس دورات علم التحسين، فإنّ الرسالة الأساسية في جميع برامجنا هي فهم التباين الموجود في العملية التي تنوي تحسينها. نتحدى المشاركين أن يذكروا شيئًا لا يتغير. وبالطبع، لن يستطيعوا. فجميع الأنظمة تُظهر تباينًا. عند إجراء قياسين، ستكون القيمتان الناتجتان مختلفتين على الأرجح. إذا كانت البيانات كمية، فمن المرجح أن تكون إحدى القيمتين أعلى من الأخرى. فكيف تعرف إذن ما يجب فعله حيال هذا الاختلاف؟
هنا تبرز أهمية عمل الدكتور شوارت. يُعدّ مخطط شوارت (المعروف أيضًا بمخطط مراقبة العمليات الإحصائية، أو ببساطة مخطط المراقبة) أداةً بارعةً للإجابة عن سؤالين متعلقين بالتحسين: 1) كيف تتغير عملياتنا بمرور الوقت؟ و2) هل عملياتنا، في ظل ظروف التشغيل الحالية، قادرة على تلبية احتياجات من نخدمهم؟ تتكون عناصر مخطط شوارت (الشكل 1) مما يلي:
- البيانات المرسومة بيانيًا على مدار الوقت (على سبيل المثال، حسب اليوم أو الأسبوع أو الشهر)
- خط مركزي مرسوم عبر البيانات (عادةً ما يكون المتوسط)
- تُستمد "حدود التحكم" العليا والسفلى، والتي تُسمى حدود سيجما، من معادلات رياضية تُحدد التباين داخل نقاط البيانات المرسومة وفيما بينها. وتُستمد الحدود الإحصائية من الافتراضات الأساسية حول نوع البيانات التي يتم جمعها.
بالنسبة لمن سبق لهم حضور دورة أساسية في قياس الجودة، ستكون هذه المصطلحات مألوفة. أما إذا كنت حديث العهد بهذا المجال، فقد تبدو هذه المصطلحات والعبارات غريبة بعض الشيء. لا داعي للقلق. هدفنا من هذه النظرة العامة الموجزة ليس تقديم شرح مفصل لكيفية إنشاء مخطط شوارت (لحسن الحظ، توجد برامج جيدة لهذا الغرض)، بل توضيح أهمية جعل هذه المخططات عنصرًا أساسيًا في رحلتك لقياس الجودة. وقد أدرجنا مراجع في نهاية هذه المقالة لمن يرغب في معرفة المزيد عن تصميم واستخدام مخططات شوارت.
الشكل 1. عناصر مخطط شوارت
المصدر: لويد ر. الرعاية الصحية الجيدة: دليل لتطوير واستخدام المؤشرات (الطبعة الثانية). جونز وبارتليت للتعليم؛ 2019: 207. يُستخدم بإذن.
يُعدّ مخطط شوارت تعريفًا عمليًا للتغيرات التي تحدث في عملية ما. يسمح لنا هذا المخطط بتحديد ما إذا كان التغير في العملية ناتجًا عن تغير طبيعي أو عشوائي ناجم عن عوامل متأصلة في العملية نفسها (أي تغيرات ذات أسباب مشتركة)، أو عن عوامل تختلف عن الأداء الطبيعي للعملية (أي تغيرات ذات أسباب خاصة). تجدر الإشارة إلى أن التغيرات ذات الأسباب المشتركة ليست بالضرورة تغيرات "جيدة"، كما أن التغيرات ذات الأسباب الخاصة ليست بالضرورة تغيرات "سيئة". قد تكون العملية مستقرة وقابلة للتنبؤ، لكن نتائجها قد تكون غير مقبولة. على سبيل المثال، إذا كان متوسط وقت تنقلك الصباحي حوالي 76 دقيقة، بحد أقصى 88 دقيقة وحد أدنى 64 دقيقة، فقد تكون هذه عملية مستقرة وقابلة للتنبؤ، لكنك قد تجدها غير مقبولة. من ناحية أخرى، إذا غيّرت روتينك الصباحي (كأن تغادر مبكرًا أو تسلك طريقًا مختلفًا)، فقد تلاحظ انخفاضًا في وقت تنقلك، وهو ما يُعدّ سببًا خاصًا مقبولًا.
الفكرة الأساسية هي أن التباين موجود. يُمكّنك مخطط شوارت من فهم التباين في أي عملية، ومن ثم اتخاذ الإجراء المناسب. إذا أظهرت العملية تباينًا ناتجًا عن أسباب عامة فقط، ولم تكن النتائج مُرضية، فيجب تغيير العملية. لن يُؤدي أي قدر من الحث على "العمل بجدية أكبر" أو "تحسين الأداء" إلى تحسين مستدام في النتائج. أما إذا رصدنا، من ناحية أخرى، مؤشرات على تباين ناتج عن أسباب خاصة، فيجب علينا التحقيق فيها لتحديد سبب حدوثها، ثم اتخاذ خطوات لإزالة العامل (أو العوامل) في العملية التي أدت إلى هذه الأسباب الخاصة. تُتيح الأسباب الخاصة فرصة للتعلم من التباين في عملياتنا. إن اتخاذ القرار الخاطئ بشأن التباين يُهدر الوقت والمال، ويُساهم في انخفاض الروح المعنوية لدى الموظفين. علاوة على ذلك، فإن لوم الأفراد أو مكافأتهم على تباين لا يملكون عليه سيطرة تُذكر، يُعدّ مُثبطًا للهمم بطبيعته.
تعرّف على كيفية استخدام البيانات بفعالية لتحسين الجودة من خلال برنامج "جودة أفضل عبر قياس أفضل" التابع لمعهد تحسين الرعاية الصحية (IHI).
أثناء تدريبنا على برامج التحسين حول العالم، لاحظنا كيف أدرك الكثيرون أهمية فهم التباين من الناحيتين النظرية والإحصائية. لحظة الإدراك هذه هي عندما نتوقف عن التركيز على البيانات الإجمالية (مثل متوسط مدة الإقامة أو متوسط وقت الانتظار لرؤية الطبيب). يمكننا التوقف عن مكافأة أو لوم الأفراد على نتائج رضا المرضى المرتفعة والمنخفضة. بدلاً من ذلك، يمكننا التركيز على فهم الهياكل والعمليات والثقافات التي تُشكل مصادر التباين في البيانات. عندها فقط نستطيع تحديد ما إذا كنا بحاجة إلى تقليل التباين مع الإبقاء على العملية الحالية، أو إعادة تصميم العملية جذرياً لأنها غير قادرة على تحقيق النتائج المرجوة.
مع مرور الوقت، يدرك المشاركون أنه بإمكانهم الانتقال من استخدام الرسوم البيانية الشريطية والدائرية وتقارير الألوان (الأحمر/الأصفر/الأخضر) لتقييم أداء العمليات، والبدء بدلاً من ذلك في رسم تلك البيانات على مر الزمن، فيرون عملياتهم بمنظور مختلف تماماً. وعندما ينظرون إلى النظام، يدركون أن النتائج ناتجة، في المقام الأول، عن النظام نفسه وعملياته المرتبطة به، وليس عن الأشخاص العاملين فيه.
من الأسئلة الشائعة التي يطرحها الناس عند تعلم كيفية دعم فرق التحسين: "كيف يمكنني تحفيز الفريق أو إشراكه في هذا العمل؟" عادةً ما نجيب بأن مساعدة الفرق على استخدام البيانات للتحسين، لا استخدامها للحكم، هو مفتاح إشراك الأفراد في عملية التحسين. ولكن لتحقيق ذلك، يجب جمع البيانات في أقرب وقت ممكن من وقت إنتاج العمل (أي، على أساس الساعة أو اليوم أو الأسبوع أو الشهر). هذا يسمح لنا بفهم التباين في العملية بمرور الوقت، وليس بشكل إجمالي. نأمل أن تساعدك هذه النظرة العامة على إدراك أن مخطط شوارت يمكن أن يلعب دورًا أساسيًا في رحلة قياس الجودة. وقد بدأ كل هذا قبل مئة عام.
مراجع
- كاري آر جي، لويد آر سي. قياس تحسين الجودة في الرعاية الصحية: دليل لتطبيقات التحكم الإحصائي في العمليات . ميلووكي، ويسكونسن: كواليتي برس؛ 2001.
- لويد ر. الرعاية الصحية الجيدة: دليل لتطوير واستخدام المؤشرات (الطبعة الثانية) . بيرلينجتون، ماساتشوستس: جونز وبارتليت ليرنينج؛ 2019.
- محمد، م. أ.، وورثينجتون، ب.، وودال، و. هـ. رسم مخططات التحكم الأساسية: ملاحظات تعليمية لممارسي الرعاية الصحية. الجودة والسلامة في الرعاية الصحية . أبريل 2008: 17(2): 137-145.
- بروفوست إل بي، موراي إس كيه. دليل بيانات الرعاية الصحية: التعلم من البيانات من أجل التحسين، (الطبعة الثانية) . سان فرانسيسكو، كاليفورنيا: جوسي-باس؛ 2022.
- ويلر دي جيه، تشامبرز دي إس. فهم التحكم الإحصائي في العمليات . نوكسفيل، تينيسي: مطبعة التحكم الإحصائي في العمليات؛ 1992.
ريبيكا شتاينفيلد هي مديرة مشاريع أولى في معهد تحسين الرعاية الصحية (IHI) للابتكار والتصميم، وروبرت لويد هو مستشار أول في معهد تحسين الرعاية الصحية (IHI) لعلوم وأساليب التحسين.
مصدر الصورة:iSixSigma
قد يهمك أيضًا ما يلي:
تجنب خطأين شائعين عند استخدام مخطط شوارت
فيديو: مخططات التحكم على السبورة البيضاء 1
