品質改善では、「データに基づいて判断する」という言葉がよく使われます。
勘や経験だけではなく、事実を数値で把握し、客観的に改善を進めることが品質管理の基本です。
しかし、ここで一つ忘れてはならないことがあります。
そのデータは、本当に正しいのでしょうか。
どれほど高度な分析手法を使っても、どれほど優秀な改善チームが議論しても、元になるデータが間違っていれば、導き出される結論も間違ってしまいます。
「Garbage In, Garbage Out（ゴミを入力すれば、ゴミしか出てこない）」という言葉があります。
これは統計や情報処理の世界でよく使われる言葉ですが、品質管理にもそのまま当てはまります。
間違ったデータから正しい改善は生まれません。
だからこそ、品質改善では分析技術よりも前に、「正しいデータを集めること」が重要になります。
データ取りは単純作業ではありません。
品質改善の方向性を決める重要な仕事なのです。
データは「事実」を表すものである
品質改善で扱うデータは、現場で実際に起きている事実を表します。
不良件数。
寸法値。
温度。
圧力。
時間。
設備停止回数。
歩留まり。
クレーム件数。
これらはすべて品質改善の重要な情報です。
しかし、データは事実そのものではありません。
事実を正しく記録した結果がデータです。
そのため、記録方法が間違っていれば、データも間違います。
「何のために取るデータなのか」を明確にする
品質改善で最も多い失敗は、
目的が曖昧なままデータを集めることです。
「とりあえず記録する。」
「以前からやっているから続ける。」
「管理項目だから測定する。」
これでは改善につながりません。
まず考えるべきことは、
何を明らかにしたいのか。
例えば、
・不良の発生原因を知りたいのか。
・設備能力を確認したいのか。
・工程能力を評価したいのか。
・改善効果を確認したいのか。
・異常の兆候を見つけたいのか。
目的によって、取るべきデータは変わります。
必要なデータだけを集める
データは多ければ良いわけではありません。
現場では、
「念のため」
という理由で大量のデータを取ることがあります。
しかし、
使わないデータ。
見ないデータ。
分析しないデータ。
これは管理ではありません。
単なる記録です。
必要な情報だけを、
必要な頻度で、
必要な精度で取得することが重要です。
測定条件を統一する
同じ製品でも、
測定者が違う。
測定器が違う。
測定位置が違う。
測定タイミングが違う。
これではデータを比較できません。
例えば寸法測定では、
どこを測るのか。
どの測定器を使うのか。
測定荷重はどうするのか。
測定姿勢はどうするのか。
これらを統一する必要があります。
測定条件が違えば、
違う値が出るのは当然です。
測定器の精度を確認する
どれだけ丁寧に測定しても、
測定器が狂っていれば意味がありません。
ノギス。
マイクロメータ。
圧力計。
温度計。
流量計。
分析装置。
これらは定期的な校正が必要です。
測定器を信頼するためには、
測定器自身が正しいことを確認しなければなりません。
人によるばらつきを意識する
品質データには、
人の影響も含まれます。
例えば外観検査では、
人によってOK・NG判定が変わることがあります。
寸法測定でも、
測定方法によって値が変わることがあります。
このような場合は、
測定者教育。
判定基準の明確化。
限度見本。
測定手順書。
などでばらつきを小さくする必要があります。
データは「その場」で記録する
現場では、
「あとでまとめて記録しよう」
ということがあります。
しかし、
記憶は必ず曖昧になります。
数値を書き間違える。
時間を間違える。
測定順序を忘れる。
このようなミスが発生します。
品質データは、
測定したその場で記録する。
これが基本です。
異常値を勝手に除外しない
データを整理するとき、
「この値はおかしい。」
と判断して削除することがあります。
しかし、
その異常値こそ、
品質問題の原因かもしれません。
もちろん、
測定ミスであることが確認できれば除外しても構いません。
しかし、
理由もなく削除してはいけません。
異常値には必ず理由があります。
データを「層別」して見る
平均だけでは問題は見えません。
例えば、
平均寸法は規格内。
しかし、
設備Aだけ規格上限付近。
夜勤だけばらつきが大きい。
材料ロットBだけ異常。
このようなことがあります。
そのため、
設備別。
工程別。
作業者別。
時間帯別。
材料別。
ロット別。
製品別。
このように層別して確認することが重要です。
データは継続して取る
一回だけのデータでは、
傾向は分かりません。
品質改善では、
時系列で変化を見ることが重要です。
昨日。
今週。
今月。
今年。
継続して見ることで、
改善効果。
異常兆候。
季節変動。
設備劣化。
が見えてきます。
折れ線グラフが活躍する理由もここにあります。
数字だけではなく現場を見る
品質管理では、
「現地・現物・現実」
という考え方があります。
データだけ見ても、
現場は分かりません。
逆に、
現場だけ見ても、
全体傾向は分かりません。
データを見る。
現場を見る。
両方が必要です。
改善前と改善後は同じ条件で比較する
改善効果を確認するときは、
同じ条件で比較しなければなりません。
測定方法。
測定器。
測定位置。
サンプル数。
判定基準。
これらが変われば、
改善したのか、
測定条件が変わっただけなのか分かりません。
比較できるデータを作ることが重要です。
データは「見える化」して初めて価値がある
帳票に数字を書くだけでは、
誰も異常に気付きません。
グラフ。
パレート図。
ヒストグラム。
散布図。
管理図。
これらを使って見える化することで、
異常は一目で分かるようになります。
数字は、
見える形にして初めて改善へ活用できます。
データ取りは品質文化を育てる
品質の高い企業では、
データ取りを単なる作業とは考えません。
現場の事実を会社へ伝える重要な仕事として位置付けています。
だからこそ、
正しく測る。
正しく記録する。
正しく分析する。
この文化が根付いています。
品質改善は、
正しいデータから始まるのです。
管理者が見るべきこと
管理者は次の点を確認する必要があります。
- データ取得の目的が明確になっているか
- 必要なデータだけを取得しているか
- 測定条件が標準化されているか
- 測定器の校正が実施されているか
- 判定基準が統一されているか
- データをその場で記録しているか
- 異常値を安易に削除していないか
- データを層別して分析しているか
- 改善前後を同条件で比較しているか
- データがグラフなどで見える化されているか
まとめ
品質改善では、「データに基づく判断」が基本です。
しかし、その前提となるのは、正しいデータを取得することです。
目的を明確にする。
測定条件を統一する。
測定器を管理する。
その場で記録する。
異常値を大切にする。
層別して分析する。
継続してデータを取る。
そして、見える化する。
これらを徹底することで、データは単なる数字ではなく、品質改善を導く「事実」となります。
品質改善は、優れた分析手法だけで成功するものではありません。
正しいデータを集めることが、正しい原因分析につながり、正しい原因分析が、正しい改善へと結び付く。
データ取りは品質改善の脇役ではありません。
むしろ、すべての改善活動を支える「土台」であり、その精度が品質改善の成果を左右する最も重要な要素なのです。
＼ 最新情報をチェック ／
コメント