Statistisk prosesskontroll (SPC)

Statistisk prosesskontroll (SPC) er en gren av statistikk som presenterer data grafisk i tidsserier, som dermed gir raskere forståelse av tallmaterialet og bedre formidling. SPC egner seg godt til bruk i forbedringsarbeid for å følge med hvordan kvaliteten i egne tjenester utvikler seg over tid.
Publisert 04. september 2009 | Sist oppdatert 22. september 2016

Indikatorovervåkning ved hjelp av SPC har 3 hovedformål:

  1. Variasjonskontroll: Sikre at prosessen er tilstrekkelig stabil (dvs. uten utilfredsstillende stor variasjon) og dermed tilstrekkelig forutsigbar som forutsetning for å vurdere nivå og utviklingsretning.
  2. Nivåkontroll: Sikre at det stabile nivået er i overensstemmelse med god praksis – altså at kvaliteten har et tilfredsstillende nivå.
  3. Forbedringskontroll: Sikre at forbedringer dokumenteres – altså at kvalitetsutviklingen er tilfredsstillende i retning av det bedre.

Tidsserieanalyser har i mange år hatt en stor plass innen mange andre felt som industri og økonomi. I løpet av de siste 20 årene har dette i økende grad blitt brukt også innen helsetjenesten i mange land, særlig i form av den typen for tidsserieanalyse som kalles statistisk prosesskontroll (SPC1).

«Statistisk prosesskontroll (SPC) er en filosofi, en strategi og et sett med metoder for vedvarende forbedring av systemer, prosesser og resultater. SPC-tilnærmingen er basert på å lære av data og har sitt grunnlag i variasjonsteori (forståelse av naturlige og spesielle variasjoner).»
(R.G. Carey)

Mange har hentet kunnskap og inspirasjon fra Raymond G. Carey, som har skrevet lærebøker i SPC og som holdt kurs i Norge i 2003.

Disse nettsidene om statistisk prosesskontroll bygger på kompendiet til Bjørnar Nyen i Kunnskapssenteret, et hefte som i stor grad er basert på Careys bøker og kurs. Eksemplene er stort sett hentet fra forbedringsarbeid i helsetjenesten i Norge. Det er også hentet kunnskap og inspirasjon fra andre.

Vi bruker den engelske forkortelsen SPC som står for «Statistical Process Control».