วิธีทางสถิติสำหรับประมวลผลและประเมินผลการทดสอบความชำนาญและการเปรียบเทียบผลระหว่างห้องปฏิบัติการ
ISO 13528 คือมาตรฐานสากลที่กำหนด "วิธีทางสถิติสำหรับประมวลผลและประเมินผลการทดสอบความชำนาญ (Proficiency Testing: PT) การเปรียบเทียบผลระหว่างห้องปฏิบัติการ (Interlaboratory Comparison)"
ในโลกของอุตสาหกรรมและวิทยาศาสตร์ ไม่ว่าจะเป็นการตรวจเลือดในโรงพยาบาล การตรวจวัดสารพิษในอาหาร export หรือการวัดขนาดชิ้นส่วนเครื่องยนต์การบิน สิ่งสำคัญที่สุดคือ "ความน่าเชื่อถือของผลการวัด" แต่ห้องปฏิบัติการ (Laboratories) จะรู้ได้อย่างไรว่าเครื่องมือและนักวิเคราะห์ของตนเองให้ผลลัพธ์ที่ถูกต้องตรงตามมาตรฐานสากล? คำตอบคือต้องเข้าร่วมแผนทดสอบความชำนาญ (PT Schemes)
อย่างไรก็ตาม ในอดีตการจัดทดสอบความชำนาญประสบปัญหาเชิงสถิติหลายประการ เช่น:
• อคติจากค่าตัดทิ้ง (Outlier Bias): การลบข้อมูลที่โด่งผิดปกติออกจากกลุ่มด้วยวิจารณญาณส่วนตัว ทำให้เกิดอคติและความไม่ยุติธรรมต่อผู้เข้าร่วม
• ปัญหาตัวอย่างไม่เป็นเนื้อเดียวกัน (Inhomogeneity): ตัวอย่างทดสอบที่ส่งไปแต่ละห้องปฏิบัติการมีค่าไม่เท่ากันตั้งแต่ต้น แต่กลับถูกนำมาประเมินผลห้องปฏิบัติการ
• การคำนวณค่าอ้างอิงที่ไม่สะท้อนความจริง: ใช้ค่าเฉลี่ยธรรมดา (Arithmetic Mean) ซึ่งแพ้ต่อข้อมูลผิดปกติเพียงไม่กี่จุด
ISO 13528 ถูกสร้างขึ้นมาเพื่อเป็น คู่มือทางเทคนิคทางสถิติฉบับสมบูรณ์ (Technical Companion) ที่ทำงานร่วมกับ ISO/IEC 17043 (มาตรฐานข้อกำหนดทั่วไปสำหรับผู้จัดแผนทดสอบความชำนาญ) เพื่อให้ผู้จัดแผน (PT Providers) มีเครื่องมือทางสถิติที่เที่ยงตรง โปร่งใส ไร้อคติ และเป็นระบบเดียวกันทั่วโลก
หัวใจสำคัญของ ISO 13528 คือ "ความเหมาะสมต่อวัตถุประสงค์ (Fitness for Purpose) และสถิติแกร่ง (Robust Statistics)"
มาตรฐานนี้ยึดหลักการว่า ข้อมูลในโลกแห่งความเป็นจริงของการทดสอบมักมีการกระจายตัวที่ไม่เป็นโค้งปกติแบบสมบูรณ์ (Non-normal distribution) หรือมีข้อมูลผิดปกติปะปนอยู่ การใช้สถิติแบบดั้งเดิมจะทำให้การประเมินเบี่ยงเบน ISO 13528 จึงนำเสนอ สถิติแกร่ง (Robust Statistical Methods) ซึ่งเป็นอัลกอริทึมที่สามารถหาค่ากลางและค่าการกระจายที่แท้จริงได้ โดยไม่ต้องตัดข้อมูลใดๆ ทิ้งโดยไม่จำเป็น และไม่ให้ข้อมูลผิดปกติมาดึงค่าเฉลี่ยไป
โครงสร้างของ ISO 13528 แบ่งออกเป็นข้อกำหนดและแนวทางปฏิบัติทางสถิติที่ครอบคลุมตั้งแต่การวางแผน การเตรียมวัสดุทดสอบ การคำนวณค่าอ้างอิง ไปจนถึงการประเมินผลเกรดของห้องปฏิบัติการ โดยมีข้อกำหนดภาคบังคับและหลักการสำคัญดังนี้
[ISO 13528 Structure Overview]
- Clause 4: General Requirements for Statistical Methods (หลักการสถิติทั่วไป)
- Clause 5: Statistical Design of PT Schemes (การออกแบบแผนทางสถิติ)
- Clause 6: Initial Review of Test Items (การตรวจประเมินความ homogeneity & stability)
- Clause 7: Determination of Assigned Value (x_pt) (การกำหนดค่าอ้างอิง)
- Clause 8: Determination of Standard Deviation (σ_pt) (การกำหนดส่วนเบี่ยงเบนมาตรฐานการประเมิน)
- Clause 9: Calculation of Performance Statistics (การคำนวณคะแนนประสิทธิภาพ: z, z', ζ, En)
- Clause 10: Graphical Methods (การนำเสนอด้วยกราฟ)
- Clause 11: Qualitative and Ordinal Data (การประเมินข้อมูลเชิงคุณภาพและข้อมูลลำดับ)
1. การตรวจประเมินความเป็นเนื้อเดียวกันและความเสถียรของตัวอย่าง (Clause 6: Homogeneity and Stability)
ก่อนที่ผู้จัด PT จะส่งตัวอย่างให้ห้องปฏิบัติการประเมิน มาตรฐานบังคับว่าจะต้องพิสูจน์เชิงสถิติว่า "ตัวอย่างทุกขวดมีความเท่าเทียมกัน และไม่เปลี่ยนแปลงสภาพระหว่างการขนส่ง"
• เกณฑ์ความเป็นเนื้อเดียวกัน (Homogeneity Criterion): ความเบี่ยงเบนมาตรฐานระหว่างขวดทดสอบ (Ss) ต้องมีค่าไม่เกิน 30% ของค่าเบี่ยงเบนมาตรฐานสำหรับการประเมินความชำนาญ (σpt)
ss ≤ 0.3σpt
ความหมาย: หากความแปรปรวนของตัวอย่างเองสูงเกิน 0.3σpt ผลการประเมินที่ได้จะกลายเป็นความผิดพลาดของตัวอย่าง ไม่ใช่ความผิดพลาดของห้องปฏิบัติการ!
• เกณฑ์ความเสถียร (Stability Criterion): ค่าเฉลี่ยของตัวอย่างก่อนส่ง (y1) และหลังสิ้นสุดการทดสอบ (y2) ต้องมีผลต่างไม่เกิน 0.3σpt
|y1 - y2| ≤ 0.3σpt
2. การกำหนดค่าอ้างอิง (Clause 7: Assigned Value, xpt)
ISO 13528 กำหนด 5 วิธีในการได้มาซึ่งค่าอ้างอิง (xpt) โดยเรียงตามระดับความน่าเชื่อถือ:
1. Formulation: เตรียมขึ้นจากการผสมสารบริสุทธิ์ตามสัดส่วน (เช่น การเตรียมสารละลายมาตรฐาน)
2. Certified Reference Value: ใช้ค่าจากสารอ้างอิงรับรอง (CRM)
3. Reference Value from Reference Laboratories: ใช้ค่าเฉลี่ยจากกลุ่มห้องปฏิบัติการอ้างอิงระดับแห่งชาติ
4. Consensus from Expert Laboratories: ค่าฉันทามติจากห้องปฏิบัติการผู้เชี่ยวชาญ
5. Consensus from Participants: ค่าฉันทามติจากผู้เข้าร่วมทั้งหมด โดยใช้ สถิติแกร่ง (Robust Statistics) เช่น Algorithm A หรือ Huber's H15 Method
• ความไม่แน่นอนของค่าอ้างอิง u(xpt):
มาตรฐานระบุว่า หากค่าความไม่แน่นอนของค่าอ้างอิงมีค่ามากเกินไป u(xpt) > 0.3σpt จะส่งผลกระทบต่อคะแนนของผู้เข้าร่วม จึงต้องนำค่า u(xpt) เข้าไปปรับแก้สมการประเมินผลเป็น z'-score ทันที
3. สถิติการประเมินผลประสิทธิภาพ (Clause 9: Performance Scores)
มาตรฐานกำหนดดัชนีชี้วัดประสิทธิภาพของห้องปฏิบัติการออกเป็นหลายรูปแบบ ขึ้นอยู่กับวัตถุประสงค์ของการวัด:
• z-score: z = (x - xpt) / σpt
บริบทและเงื่อนไข: ใช้ทั่วไปเมื่อความไม่แน่นอนของค่าอ้างอิงมีค่าน้อยมาก (u(xpt) ≤ 0.3σpt)
• z'-score: z' = (x - xpt) / √(σpt2 + u(xpt)2)
บริบทและเงื่อนไข: ใช้เมื่อความไม่แน่นอนของค่าอ้างอิงมีค่าสูงเกินไป u(xpt) > 0.3σpt เพื่อป้องกันโทษผู้เข้าร่วม
• Zeta score (ζ): ζ = (x - xpt) / √(u(x)2 + u(xpt)2)
บริบทและเงื่อนไข: ใช้ประเมินความสมเหตุสมผลของ ค่าความไม่แน่นอนที่ห้องปฏิบัติการรายงานมา (u(x))
• En-score: En = (x - xpt) / √(U(x)2 + U(xpt)2)
บริบทและเงื่อนไข: นิยมใช้ในมาตรวิทยา (Metrology) และการสอบเทียบ (Calibration) โดยคำนึงถึงความไม่แน่นอนขยาย (Expanded Uncertainty: U)
เกณฑ์การตัดสินผล (Interpretation of Scores):
• |Score| ≤ 2.0 → Satisfactory (น่าพอใจ/ผ่าน)
• 2.0 < |Score| < 3.0 → Questionable / Warning Signal (เตือนภัย/ต้องเฝ้าระวัง)
• |Score| ≥ 3.0 → Unsatisfactory / Action Signal (ไม่น่าพอใจ/ต้องดำเนินการแก้ไขทันที)
เพื่อให้อ่านแล้วเห็นภาพชัดเจน เรามาดูกรณีศึกษาการนำ ISO 13528 ไปประยุกต์ใช้ในองค์กรจริงครับ
กรณีศึกษา (Case Study)
ศูนย์ทดสอบสิ่งแวดล้อมแห่งชาติ (National Environmental Testing Center - NETC) ซึ่งเป็นผู้จัดแผนทดสอบความชำนาญ (PTP) ที่ได้รับการรับรอง ISO/IEC 17043 กำหนดจัดรอบการทดสอบความชำนาญ "การวัดปริมาณตะกั่ว (Lead - Pb) ในน้ำเสียอุตสาหกรรม" มีห้องปฏิบัติการโรงงานและแล็บเอกชนเข้าร่วม 80 แห่ง
[ภาพรวมขั้นตอนการทำงานของ NETC ตาม ISO 13528]
1. เตรียมตัวอย่าง 100 ขวด -> 2. สุ่ม 10 ขวด ตรวจ Homogeneity (ss ≤ 0.3 σpt) -> 3. ส่งตัวอย่างให้ 80 แล็บ -> 4. คำนวณ Robust Mean (x_pt) และ Robust SD (s*) ด้วย Alg. A <- รับผลการวัดกลับมา -> 5. สรุปผลรายงาน/ออกกราฟ (z-score & Kernel plot)
กิจกรรมที่ 1: การสอบทานวัสดุทดสอบ (Preparation & Homogeneity Test)
ทีมวิเคราะห์สุ่มตัวอย่างน้ำเสียมา 10 ขวดจาก 100 ขวด นำมาวัดค่าตะกั่วขวดละ 2 ซ้ำ (Duplicates) ภายใต้สภาวะการทำซ้ำ (Repeatability conditions)
นักสถิติตรวจสอบข้อมูลตาม ISO 13528 Annex B คำนวณหาค่า ss (Between-sample standard deviation) พบว่าค่า ss = 0.015 mg/L
กำหนดเป้าหมาย σpt = 0.100 mg/L → เงื่อนไข 0.3σpt = 0.030 mg/L
เนื่องจาก 0.015 ≤ 0.030 ถือว่า ตัวอย่างมีความเป็นเนื้อเดียวกันผ่านเกณฑ์ภาคบังคับ สามารถส่งให้ผู้เข้าร่วมได้
กิจกรรมที่ 2: การประมวลผลด้วยสถิติแกร่ง (Robust Data Processing)
หลังผู้เข้าร่วม 80 แห่งส่งผลกลับมา พบว่าผลการทดสอบส่วนใหญ่อยู่ช่วง 1.00 - 1.05 mg/L แต่มี 3 แล็บส่งผลผิดปกติอย่างมาก เช่น 5.50 mg/L (คาดว่าคูณหน่วยผิด)
หากใช้ค่าเฉลี่ยธรรมดา ค่ากลางจะถูกดึงสูงไปที่ 1.18 mg/L ซึ่งผิดจากความจริง!
เจ้าหน้าที่ใช้โปรแกรมสถิติตาม ISO 13528 Algorithm A ทำการวนซ้ำ (Iterative process) เพื่อปรับน้ำหนักข้อมูลกลุ่มเบี่ยงเบน
ผลลัพธ์: ได้ค่าเฉลี่ยแกร่ง (Robust Mean) xpt = 1.021 mg/L และส่วนเบี่ยงเบนมาตรฐานแกร่ง s* = 0.045 mg/L ซึ่งสะท้อนความสามารถจริงของกลุ่มโดยไม่ต้องลบข้อมูลใดๆ ออกจากระบบ
กิจกรรมที่ 3: การวิเคราะห์ผลลัพธ์ของผู้เข้าร่วม (Participant Action)
• แล็บ A ได้ค่า 1.03 mg/L → z = (1.03 - 1.021) / 0.045 = +0.20 (Satisfactory - ปกติ)
• แล็บ B ได้ค่า 1.16 mg/L → z = (1.16 - 1.021) / 0.045 = +3.09 (Action Signal - ไม่ผ่าน!)
สิ่งที่แล็บ B ต้องทำในชีวิตจริง: เมื่อได้รับรายงาน PT แล็บ B บังคับปฏิบัติตาม ISO/IEC 17025 ข้อกำหนดเรื่อง Non-conforming work โดยออกใบ CAR (Corrective Action Request) เพื่อหาสาเหตุรากเหง้า (Root Cause Analysis) เช่น ตรวจสอบการเสื่อมสภาพของกราฟมาตรฐาน (Calibration curve) ของเครื่อง AAS/ICP-OES แล้วทำการแก้ไขปรับปรุง
[คุณค่าต่อองค์กรของ ISO 13528]
1. ความน่าเชื่อถือสูงสุดทางกฎหมายและมาตรฐานสากล (ISO/IEC 17025 & 17043)
2. ขจัดข้อแย้งเรื่องความลำเอียงของผลการประเมิน (Unbiased Evaluation)
3. การเฝ้าระวังแนวโน้มความผิดพลาดล่วงหน้า (Early Warning Detection)
4. ยกระดับการประมาณค่าความไม่แน่นอนของการวัด (Measurement Uncertainty Evaluation)
1. สร้างระบบประเมินผลที่โปร่งใสและตรวจสอบได้: ผู้จัด PT และห้องปฏิบัติการมีภาษาสถิติเดียวกัน ป้องกันการโต้แย้งผลลัพธ์ระหว่างผู้เข้าร่วมกับผู้จัดแผน
2. ตรวจพบความผิดปกติของเครื่องมือและระบบก่อนเกิดความเสียหายร้ายแรง: การดูรายงานคะแนน z-score หรือ Zeta Score ย้อนหลังช่วยให้แล็บเห็นสัญญาณแนวโน้ม (Trend Analysis) ว่าเครื่องสอบเทียบเริ่มคลาดเคลื่อน (Drift) หรือไม่
3. สนับสนุนการยอมรับผลการทดสอบข้ามพรมแดน (Global Acceptance): การประเมินทางสถิติตาม ISO 13528 เป็นข้อกำหนดสำคัญที่หน่วยงานรับรองระดับสากล (เช่น ILAC, APAC, NSC) ใช้อนุมัติการรับรองมาตรฐาน ISO/IEC 17025 และ ISO 15189
📌 ข้อระวัง 1: มองข้ามความไม่แน่นอนของค่าอ้างอิง u(xpt)
หลายผู้จัดแผนคำนวณ z-score แบบปกติ ทั้งที่ค่าความไม่แน่นอนของสารอ้างอิงมีค่าสูงเกินเกณฑ์ 0.3σpt ส่งผลให้คะแนน z-score ของผู้เข้าร่วมถูกประเมินตกอย่างไม่ยุติธรรม (ต้องสลับไปใช้ z'-score ตามมาตรฐานกำหนด)
📌 ข้อระวัง 2: การคัดข้อมูล Outlier ออกด้วยมือ (Manual Outlier Deletion)
การนำเทคนิคเก่า เช่น Grubbs Test หรือ Dixon Test มาลบข้อมูลที่ดูแปลกแยกออกก่อนคำนวณค่าเฉลี่ย ถือเป็นข้อผิดพลาดร้ายแรงภายใต้มาตรฐาน ISO 13528 ยุคใหม่ ซึ่งเน้นให้ใช้ Robust Statistics (Algorithm A) เป็นหลัก
📌 ข้อระวัง 3: ละเลยสัญญาณเตือน (Ignoring Warning Signals)
เมื่อห้องปฏิบัติการได้รับผล 2.0 < |z| < 3.0 มักละเลยเพราะเห็นว่ายังไม่ตก (Action Signal) แต่ในทางปฏิบัติสถิติระบุว่า หากเกิด Warning Signal ติดต่อกัน 2 ครั้ง ย่อมหมายถึงระบบเริ่มมีความเบี่ยงเบนอย่างมีนัยสำคัญ (Systematic Error)
สำหรับองค์กร ผู้จัด PT หรือห้องปฏิบัติการที่ต้องการนำมาตรฐาน ISO 13528 มาประยุกต์ใช้อย่างมีประสิทธิภาพ นี่คือ 5 ขั้นตอน Quick Wins ที่สามารถเริ่มทำได้ทันที:
[Actionable Roadmap 5 ขั้นตอน]
Step 1: จัดหา/พัฒนาเครื่องมือสถิติแกร่ง (Algorithm A Tools)
Step 2: จัดทำ SOP การทดสอบ Homogeneity & Stability ให้ได้เกณฑ์ ss ≤ 0.3σpt
Step 3: กำหนดเกณฑ์ σpt ให้เหมาะสมกับความต้องการทางอุตสาหกรรม
Step 4: พัฒนาระบบรายงานผลด้วยกราฟิก (Kernel Density / Youden Plot)
Step 5: เชื่อมโยงผล PT เข้ากับระบบ CAPA และการปรับปรุงอย่างต่อเนื่อง
ขั้นตอนที่ 1: พัฒนาและทบทวนเครื่องมือทางสถิติ (Statistical Tools Setup)
ทำการติดตั้งหรือจัดหาซอฟต์แวร์สถิติที่รองรับ ISO 13528 Algorithm A และ Huber's H15 (เช่น การใช้ R Package metRology, Python หรือสเปรดชีต Excel ที่ผ่านการ Validation การคำนวณวนซ้ำอย่างถูกต้อง)
ขั้นตอนที่ 2: วางแนวทางการทดสอบตัวอย่าง (Standardize Homogeneity & Stability SOPs)
กำหนดเกณฑ์ปฏิบัติการในห้องปฏิบัติการว่า ทุกรอบ PT ตัวอย่างต้องได้รับการสุ่มตรวจ Homogeneity อย่างน้อย 10 หน่วย (หรือตามสมการสถิติใน Annex B) และควบคุมเกณฑ์ ss ≤ 0.3σpt เป็นข้อบังคับก่อนปล่อยตัวอย่าง
ขั้นตอนที่ 3: กำหนดค่า σpt (Standard Deviation for Proficiency Assessment) อย่างสมเหตุสมผล
ทบทวนว่าจะกำหนด σpt แบบใด:
O กำหนดจากข้อกำหนดทางกฎหมาย/ลูกค้า (By perception/fitness for purpose)
O กำหนดจากรูปแบบสมการความแม่นยำ (เช่น Horwitz Equation สำหรับการวิเคราะห์เคมี)
O กำหนดจากข้อมูลประวัติย้อนหลัง (Historical Data)
ขั้นตอนที่ 4: ยกระดับการรายงานผลด้วยกราฟสถิติ (Graphical Presentation)
ปรับเปลี่ยนรูปแบบรายงานประเมินผล PT จากเดิมที่มีแค่ตารางตัวเลข ให้มีกราฟตาม Clause 10 เช่น Kernel Density Plot (เพื่อดูการกระจายตัวหลายยอด Multi-modal) และ Youden Plot (สำหรับตัวอย่างคู่เพื่อแยกแยะระหว่าง Systematic Error กับ Random Error)
ขั้นตอนที่ 5: บูรณาการผลสถิติเข้ากับระบบบริหารคุณภาพ (Quality Management Integration)
สร้างขั้นตอนการปฏิบัติงานที่เชื่อมโยงผล z-score / Zeta-score เข้ากับระบบการจัดการข้อผิดพลาด (Non-conformity Management) โดยกำหนดให้ผลเตือนภัย (Warning Signal) ต้องมีการเฝ้าระวัง และผลปรับปรุง (Action Signal) ต้องมีกระบวนการแก้ไข (Corrective Action) ตามมาตรฐาน ISO/IEC 17025 หรือ ISO 15189 ทันที
ดาวน์โหลดเอกสารมาตรฐาน ISO 13528: สถิติประเมินผลห้องปฏิบัติการ (ไฟล์ PDF ฉบับเต็ม)