個別測量管制圖（I-型圖、T-型圖、G-型圖）

許多使用某些設備（實驗室儀器、血氧飽和度、心率和血壓監測器）所收集的數據以及病人別的測量數據（如病人跌倒）均是以連續尺度呈現。然而資料收集的頻率不適用於這些情況和資料的類型。 而 I-型圖則適用於這些情形，且可以代表所有的資料分布型態。相對於屬性管制圖，I-型圖對於潛在的資料分佈非常敏感。這應該由機率圖和次數分布圖進一步調查，且必要時，進行數據轉換以儘可能達到常態分佈。 這應該通過以下方法進行調查 概率圖和頻率直方圖 ，並在必要時，數據轉換執行以實現盡可能正態分佈。

舉例：醫院感染性廢棄物

醫院管理監測每個病房每月感染性廢棄物的量，確保安全的丟棄且了解不正常的波動。圖一顯示21個月（A 欄）每病人日感染性廢棄物的資料（B欄）。 表一 示為感染性廢棄物（B 欄），每名患者每天超過一期21個月（A 欄）中的數據。

如何計算個別資料 I-型圖

1. 在 C 欄計算（k-1）移動全距，移動全距為相隔兩列間差異的絕對值，無論相隔兩列是上升或下降。舉例來說：
   C3 = ABS(B3 - B2) = ABS(-0.10) = 0.10
2. 計算移動全距的平均，MR_bar 的數量（n=19） 會比原始的資料（n=20）少 1。
   MR_bar = AVERAGE(C3:C22) = 0.4005
3. 計算移動全距（UL_MR）暫時的上限。
   UL_MR = 3.27 * MR_bar = 1.3096
4. 移除移動全距大於 UL_MR。對每列的資料，在 E 欄輸入的每一列輸入以下公式進行檢測。
   E3 = IF(C3 > UL_MR, "", C3)
   訣竅：將無效的值設為 ""，會讓 Execel 函數（COUNT、AVERAGE 等）在未來的操作自動忽略無效的數值。
   結果：E21 為空值，因為 C21 (=1.53) > UL_MR (=1.3096)
5. 重新計算移動全距的平均（MR_bar^new）.
   [注意：重新計算只能進行一次]
   UL_MR^new = AVERAGE(E3:E22) = 0.3411
6. 計算個別資料的平均（I_bar）. 這是 I-型圖的中線（CL）。
   I_bar = AVERAGE(B2:B22) = 7.077
7. 計算下限：
   LCL = I_bar - (2.66 * MR_bar^new) = 7.077 - (2.66*0.3411) = 6.17
8. 計算上限：
   UCL = I_bar + (2.66 * MR_bar^new) = 7.077 + (2.66*0.3411) = 7.98
9. 使用 B 欄、C:L、UCL、LCL 的資料畫管制圖。結果如 圖二所示。

T-型圖

T-型圖（或時間間隔圖）是 I-型圖的一種，使用在當事件發生的次數少，且可以取得事件發生的間隔時間。它使得每個事件在發生的時候就可以被評估，而不需要等到資料收集的期間到。

發生事件的間隔時間遵循指數分配，有高度的偏態。這可以藉由 Weibull 分佈 1/3.6 檢定力 [y = t^0.2777] 將時間資料提高，並轉為對稱形態。

記錄意外事件發生的時間，並減去上次發生時間取得事件發生的時間間隔。通常時間是以日為單位紀錄，但如果兩個（含）以上的事件（如病人跌倒）發生在同一天，也可以以小時計。 須要注意的是資料中不要有零（舉例來說，兩個罕見事件在完全相同的時間發生）。當時間間隔被紀錄為零，則增加精確度（按天，小時，分鐘，或秒等記錄）。或者，另一種方式，添加0.5 單位（收集資料的單位如日、小時、分鐘、秒等）到其中之一以迫使在次分離。 由於計算是依據個別測量值的 I-型圖，圖的界線會受到資料點過少的影響。在計算管制界線之前，請至少取得 20 個資料點。

因上限轉換回一般量表可能變的非常大（使一些人看到覺得〝不合理〞），所以有時 T-型圖是以對數表呈現，如此界限會顯得更對稱。這也使圖的下限更具視覺的敏感度。

解釋

圖三 （下圖）顯示 T-型圖（界限轉回時間）有原本的日數。圖三（上圖）則是以相同的資訊，但是 y 軸為對數表。有九個連續的資料點在中線以上，顯示有改善的徵兆。 注意：兩個圖明確的顯示相同的訊息，但是在視覺的焦點則不同，因此，使用者能依據自己喜歡的方式決定。不管哪種都應該在原始的時間呈現。

圖四 顯示除了圖三以外的趨勢線。由於時間間隔資料是指數型的，下方的圖（原本的單位）使用指數迴歸。 這個趨勢在對數表上較為明顯，趨勢線為線性的。如果有穩定的改善，趨勢線可反映未來近期目標設定。

注意：在對數表中靠近 LCL 的資料則是反映問題，如第八個資料點。 規劃資料收集的目標之ㄧ是確保 LCL > 零，因此，警示的訊息能被注意到，且對數表有助於使之更加明顯。否則，轉換前的單位，LCL 也許等於零或接近零，這會有困難看出是否資料點等於、大於或小於 LCL。

方法

圖五 顯示警訊事件（死亡或嚴重傷害）的資料。每個事件間的天數如圖所示。

1. 20 個事件的時間間隔列在 B2:B21
   t = 事件間的時間
2. C2:C21 使用 Weibull 分配轉換間隔時間
   y = 轉換後的時間
   → C2 = POWER(B2, 1/3.6) = POWER(60, 1/3.6) = 3.118
3. D3:D21 計算移動全距 （MR） 連續兩筆間隔天數差距的絕對值
   → D4 = ABS(C4 - C3) = ABS(-0.933) = 0.933
4. D22 計算臨時的移動全距 （MR_bar）
   → MR_bar = D22 = AVERAGE(D3:D21) = 0.513
5. E1 計算事件間隔移動全距 （UL_MR） 的臨時上限
   → UL_MR = E1 = 3.27 * D22 = 3.27 * 0.513 = 1.678
6. E3:E21 計算調整後的移動全距作為個別量測的 I-型圖，需先移除 MR 欄中超過 3.27 * UL_MR 的數值，再進行計算。E 欄各列的公式如下：
   → D4 = IF(D4 > $E$1, "", D4)
7. E22 計算校正後的移動全距平均值。 （MR_bar^new）
   → MR_bar^new = E22 = AVERAGE(E3:E21) = 0.513
8. G、H、I 欄計算轉換資料的 CL、UCL、LCL：
   → CL(y) = POWER($B$22, 1/3.6) => $G$1 = 3.266
   → LCL(y) = G3 - 2.66 * $E$22
   → UCL(y) = G3 + 2.66 * $E$22
9. K、L、M 欄計算轉換後的資料再轉回去的 CL、UCL、LCL
   → CL(t) = $B$22
   → LCL(t) = POWER(H3, 3.6)
   → UCL(t) = POWER(I3, 3.6)

圖六 G-型圖（或幾何圖）使用於關鍵事件其發生機會（個案、病人、住院人次、插管數等）是屬於非連續性的資料。 G-型圖使得每個發生的事件能在圖上立即評估，而無須等待一段時間。 G-型圖對於驗證改善（如降低感染）以及低比率的流程特別有用。 G-型圖上的值越高，表示有改善。因為幾何分佈的偏態本質，因此，G-型圖無管制下限，但因中線已經隨理論中位數進行調整，所以標準規則仍可應用。

管制界限的計算是依據幾何分佈：
決定感興趣的事件（舉例而言：壓瘡）以及發生機會的單位（如：病床日）
g = 事件間的機會或單位數
g_bar = g 的平均
CL = LN(2) * g_bar
UL = g_bar + 3 * √g_bar * (g_bar + 1) 
LL = 無管制下限

備註：

• 為了快速的辨識，上限（UL）約為 4 倍的 g_bar （或 5.7倍的中線 CL）。
• 由於 g -型圖計數的資料通常有高度的偏態，資料點不會在平均 (g_bar) 上下對稱分布。理論中位數為 LN(2) 倍幾何分佈的平均值做為中線，可利用偏移規則（8個連續的資料點在中線上或下）偵測變異。