G 控制图(事件间机会数)

G 控制图通过按时间顺序绘制相继两次发生之间的机会数,来监控罕见的离散事件。它拟合几何分布,由平均间隔估计事件概率,并根据其分位数设定中心线和控制限。四条可配置的 Nelson 规则用于标示特殊原因。输出为控制图,以及事件概率、中心线、LCL 和 UCL。

最后审阅

核心要点

G 控制图绘制相邻两次罕见离散事件之间的机会数(如单位数或处方数),利用几何分布设定控制限,以检测低事件率的偏移。

本页内容
  1. 用途
  2. 主要功能
  3. 统计方法
  4. 输入字段和选项
  5. 输出说明
  6. 计算示例

用途

G 控制图是 T 控制图的离散计数对应形式:它不是绘制每个区间内的计数(c/u 控制图的做法),而是绘制相继两次罕见离散事件发生之间的机会数(生产的单位数、配发的处方数、处理的交易数等)。因此,它对低频缺陷率或差错率的真实偏移比 p/u 控制图灵敏得多,因为它对每个新的间隔都会做出反应,而不必等到固定抽样区间内积累足够多的事件。

主要功能

  • 使用几何分布直接绘制事件间计数数据,几何分布是 T 控制图连续的事件间时间模型的天然离散对应。
  • 完整的 Nelson 规则特殊原因检测(4 条可配置规则)。
  • 行的纳入/排除,以及单独的“estimate parameters from”子组选择器,可在已知稳定的时期上建立控制限基线。
  • 可配置的 X 轴刻度,用于标注机会数轴。

统计方法

相继罕见离散事件之间的机会数服从成功概率为 p(每次机会下的潜在事件率)的几何分布。工具根据观测到的平均间隔估计 p:p̂ = 1 / (平均间隔 + 1) — 这是标准的矩估计量,其考虑了约定:所绘间隔值 g 对应 g+1 次几何试验 — 并在输出中以“Event Probability (P)”报告。

中心线和控制限即为拟合几何分布自身的分位数,再移回所绘(事件间机会数)刻度:CL = max(0, geom.ppf(0.5, p̂) − 1),LCL = max(0, geom.ppf(0.00135, p̂) − 1),UCL = max(0, geom.ppf(0.99865, p̂) − 1) — 这与 T 控制图在其连续拟合分布上使用的 ±3σ 等效尾部概率相同,此处应用于几何分布的离散逆 CDF。

Nelson 规则依据这些控制限进行评估,方式与本软件其他控制图完全相同。

输入字段和选项

字段

说明

Opportunities between events

必填。按时间顺序给出相继罕见事件之间非事件数(单位数、天数等)的列。

Check Rule 1–4 / K for Rule 1–4

四条 Nelson 特殊原因规则,每条可独立开关(默认值 K = 3、9、6、14)。

X scale

可选的自定义标注,用于机会数轴。

Include or Exclude / Specify which rows / Row numbers

控制绘制哪些行。

Specify subgroups to estimate parameters / Subgroups

可选地限定用于拟合几何分布和设定控制限的行,同时仍绘制所有行。

 

g-chart-input


图 1 — 粘贴到 C1 中的 20 个差错间计数间隔,Opportunities between events 设置为 C1。

 

输出说明

  • G Chart plot — 按时间顺序排列的事件间机会数序列,以及来自拟合几何分布的 UCL、中心线和 LCL。
  • Fit summary table — 估计的事件概率(P)、中心线、LCL 和 UCL。
  • Nelson's Rules / Potential Special Cause Points — 检查了哪些规则,以及哪些点(如有)违反了这些规则。
  • 通过 Download as PDF 导出 PDF。
g-chart-output


图 2 — G 控制图输出:带 UCL/CL/LCL 的间隔序列图,以及事件概率/中心线/UCL/LCL 汇总表。

 

计算示例

某医院药房通过统计相继两次差错之间配发的处方数来跟踪配药差错(20 个相继间隔,列 C1)。工具拟合几何模型(事件概率 P ≈ 0.001,中心线 ≈ 693,UCL ≈ 6612,LCL ≈ 1)并绘制全部 20 个间隔 — 序列后期出现一连串短于常规的间隔(差错率上升),在积累到足够多的差错使传统 p/u 控制图做出反应之前很久,这一点就已经在图上一目了然。

常见问题

G 控制图用于什么?

G 控制图通过绘制相继两次发生之间的机会数(生产的单位数、配发的处方数、处理的交易数)来监控配药差错等罕见离散事件。由于它对每个新的间隔都会做出反应,而不必等到固定抽样区间内积累足够多的事件,因此它对低频率的真实偏移比 p 或 u 控制图更灵敏。

G 控制图的控制限如何计算?

工具将事件概率估计为 p = 1 / (平均间隔 + 1) 并拟合几何分布。中心线和控制限为该分布自身的分位数,再移回事件间机会数刻度,使用 0.5、0.00135 和 0.99865 三个概率,这与 T 控制图使用的 3 西格玛等效尾部概率相同。

G 控制图与 T 控制图有什么区别?

G 控制图是 T 控制图的离散计数对应形式。T 控制图对事件间的连续时间建模,而 G 控制图统计罕见离散事件之间的机会数并使用几何分布,几何分布是 T 控制图模型的天然离散对应。

如何解读 G 控制图?

间隔短表示事件发生得更频繁。在医院药房示例中,配药差错之间的 20 个间隔得到的事件概率约为 0.001,中心线接近 693,序列后期一连串短于常规的间隔在传统 p 或 u 控制图做出反应之前就提示了差错率上升。Nelson 规则用于标示特殊原因点。