問題解決を進めるとき、原因を考えることは非常に重要です。
不良が増えた。
設備トラブルが多い。
作業ミスが発生している。
検査値がばらついている。
歩留まりが悪化している。
クレームが発生している。
このような問題が起きたとき、私たちは
「なぜ起きたのか」
を考えます。
しかし、原因を考えるときに注意しなければならないことがあります。
それは、
思い込みだけで原因を決めつけないこと
です。
例えば、寸法不良が増えたときに、
「作業者の確認不足だろう」
「設備が古いからだろう」
「材料が悪いのではないか」
と考えることがあります。
もちろん、その可能性はあります。
しかし、本当にその要因が問題に関係しているかどうかは、確認しなければ分かりません。
そこで役立つのが、QC七つ道具の一つである
散布図
です。
散布図とは、2つの数値データの関係を見るためのグラフです。
横軸に一つのデータ、縦軸にもう一つのデータを取り、点を打っていきます。
その点の並び方を見ることで、2つのデータに関係がありそうかを確認します。
例えば、
- 温度が上がると不良率も上がるのか
- 湿度が高いと寸法ばらつきが大きくなるのか
- 設備稼働時間が長くなると停止回数が増えるのか
- 作業時間が長いほどミスが増えるのか
- 材料特性の違いが検査値に影響しているのか
こうした関係を確認するのに散布図は役立ちます。
問題解決では、原因らしいものを見つけるだけでは不十分です。
その原因候補と結果に、本当に関係があるのかを確認する必要があります。
散布図は、その関係性を見るための実務的な道具です。
つまり散布図は、
原因と結果のつながりを見える化する手法
なのです。
散布図とは何か
散布図とは、2つのデータの関係を見るためのグラフです。
横軸に原因候補となるデータを置き、縦軸に結果となるデータを置きます。
そして、それぞれの組み合わせを点として打っていきます。
例えば、横軸に作業室の温度、縦軸に不良率を取ります。
ある日の温度が25℃で不良率が2％なら、その位置に点を打ちます。
別の日の温度が30℃で不良率が5％なら、その位置に点を打ちます。
このように複数のデータを点で表していきます。
点が右上がりに並べば、温度が高いほど不良率が高い傾向があるかもしれません。
点が右下がりに並べば、温度が高いほど不良率が低い傾向があるかもしれません。
点がバラバラであれば、温度と不良率には明確な関係がない可能性があります。
散布図の良さは、表の数字だけでは分かりにくい関係を、目で見て確認できることです。
数字を眺めているだけでは気づきにくい傾向も、散布図にすると見えやすくなります。
散布図は原因候補を確認するために使う
散布図は、原因候補と結果の関係を確認するために使います。
問題解決では、特性要因図やブレーンストーミングを使って原因候補を洗い出すことがあります。
しかし、原因候補をたくさん出しただけでは、どれが本当に影響しているのか分かりません。
そこで、散布図を使って確認します。
例えば、外観不良が増えているとします。
原因候補として、湿度、作業時間、設備稼働時間、材料ロット、作業者の経験年数などが挙がったとします。
その中で、湿度が関係しているのではないかと考えた場合、湿度と外観不良率のデータを集めて散布図にします。
もし湿度が高いほど外観不良率が上がる傾向が見えれば、湿度が原因候補として有力になります。
反対に、湿度が変わっても不良率に変化がなければ、湿度の影響は小さいかもしれません。
このように、散布図は
原因らしいものが本当に結果に関係しているかを確認するための道具
です。
原因を思い込みで決めるのではなく、データで確認する。
これが散布図の大きな役割です。
正の相関を見る
散布図でよく見る関係の一つが、正の相関です。
正の相関とは、一方の値が大きくなると、もう一方の値も大きくなる関係です。
例えば、
- 温度が高くなると不良率が上がる
- 設備稼働時間が長くなると停止回数が増える
- 作業時間が長くなると疲労によるミスが増える
- 材料の含水率が高くなると寸法変化が大きくなる
このような関係です。
散布図では、点が左下から右上に向かって並ぶように見えます。
正の相関が見えた場合、その要因が結果に影響している可能性があります。
ただし、ここで注意が必要です。
正の相関があるからといって、必ず原因と断定できるわけではありません。
例えば、温度が高い日に不良率が上がっていたとしても、本当は温度ではなく、同時に変化していた湿度や生産量が影響している可能性もあります。
散布図は関係を見つける道具です。
原因を確定するには、さらに現場確認や追加データの確認が必要です。
負の相関を見る
散布図では、負の相関を見ることもあります。
負の相関とは、一方の値が大きくなると、もう一方の値が小さくなる関係です。
例えば、
- 教育時間が増えると作業ミスが減る
- 点検頻度が増えると設備故障が減る
- 清掃回数が増えると異物不良が減る
- 経験年数が増えると作業時間が短くなる
このような関係です。
散布図では、点が左上から右下に向かって並ぶように見えます。
負の相関が見えると、改善活動の効果を考える手がかりになります。
例えば、点検頻度が増えるほど設備故障が減っているなら、点検の有効性を確認できる可能性があります。
教育時間が増えるほどミスが減っているなら、教育や訓練が効果を持っている可能性があります。
ただし、負の相関も原因を完全に証明するものではありません。
他の要因が影響している可能性もあります。
散布図は、
関係の可能性を見つけるための入口
として使うことが大切です。
相関がない場合も重要な情報である
散布図を作っても、点がバラバラに散らばることがあります。
この場合、2つのデータに明確な関係が見えない可能性があります。
例えば、温度と不良率の関係を見たところ、点がバラバラだったとします。
その場合、少なくともそのデータ範囲では、温度と不良率の関係は強くないかもしれません。
これは失敗ではありません。
むしろ重要な情報です。
なぜなら、関係がなさそうだと分かれば、別の原因候補に目を向けることができるからです。
問題解決では、関係があるものを見つけることも大切ですが、関係がなさそうなものを除外することも大切です。
散布図を使うことで、
「この要因が怪しいと思っていたが、データ上は関係が弱そうだ」
と判断できる場合があります。
これは、無駄な対策を減らすことにつながります。
散布図は外れ値にも気づきやすい
散布図を見ると、外れ値に気づきやすくなります。
外れ値とは、他のデータと比べて大きく外れた値のことです。
散布図では、点の集まりから離れた場所にある点として見えます。
例えば、多くのデータは一定の傾向に沿っているのに、一つだけ大きく離れた点があるとします。
その点には、何か特別な原因があった可能性があります。
- 測定ミスがあった
- 記録ミスがあった
- 特別な作業条件だった
- 設備異常があった
- 材料ロットが違っていた
- 作業者や作業方法が違っていた
- 環境条件が大きく違っていた
このように、外れ値は異常や変化点を見つける手がかりになります。
外れ値を単に除外してはいけません。
まず、その外れ値がなぜ発生したのかを確認することが大切です。
散布図は、通常の傾向だけでなく、
いつもと違う点を見つけるためにも役立つ
のです。
散布図は層別と組み合わせると強くなる
散布図は、層別と組み合わせるとさらに効果的です。
層別とは、データを条件ごとに分けて見ることです。
例えば、全体の散布図では関係がはっきり見えない場合でも、設備別に分けると関係が見えることがあります。
作業者別、材料ロット別、製品別、時間帯別に分けることで、隠れていた傾向が見えることがあります。
例えば、温度と不良率の散布図を全体で見るとバラバラだったとします。
しかし、A設備だけで見ると、温度が高いほど不良率が上がっている。
B設備では関係がない。
このようなことがあります。
この場合、温度だけでなく、設備の状態や構造の違いが関係している可能性があります。
散布図を層別して見ることで、問題の見え方が大きく変わることがあります。
つまり、散布図では
全体を見るだけでなく、分けて見ること
も重要です。
散布図は改善効果の確認にも使える
散布図は、原因確認だけでなく、改善効果の確認にも使えます。
例えば、設備稼働時間と不良率に関係があると分かったとします。
その後、設備保全や工具交換ルールを見直したとします。
改善前と改善後で散布図を比較すると、関係の変化が見えることがあります。
改善前は、稼働時間が長くなるほど不良率が高くなっていた。
改善後は、その傾向が弱くなった。
この場合、改善によって設備状態が安定した可能性があります。
また、作業時間とミス件数の関係を見る場合もあります。
改善前は作業時間が長いほどミスが増えていた。
作業手順や休憩タイミングを改善した後、その関係が弱くなった。
このような見方もできます。
散布図は、対策前後で関係性がどう変わったかを見ることで、改善効果を確認する手助けになります。
散布図を使うときの注意点
散布図は便利ですが、使うときには注意点があります。
まず、データ数が少なすぎると判断が難しくなります。
点が数個しかなければ、たまたまそのように見えているだけかもしれません。
ある程度のデータ数を集めることが大切です。
次に、データの範囲にも注意が必要です。
狭い範囲のデータだけを見ると、関係が見えないことがあります。
反対に、広すぎる条件を混ぜると、別の要因が入り込んで分かりにくくなることもあります。
また、相関と因果関係を混同しないことが非常に重要です。
散布図で関係が見えたとしても、それが直接の原因とは限りません。
別の要因が両方に影響している可能性もあります。
例えば、生産量が多い日に不良件数が多い場合、生産量が原因に見えるかもしれません。
しかし、実際には作業者の負荷、段取り頻度、設備稼働時間、検査時間不足などが関係している場合もあります。
散布図は、原因を確定する道具ではありません。
原因を考えるための手がかりを見つける道具
です。
散布図は現場確認とセットで使う
散布図で関係が見えたら、必ず現場確認を行うことが大切です。
例えば、湿度が高いほど不良が増える傾向が見えたとします。
その場合、湿度がどのように作業や材料に影響しているのかを現場で確認します。
材料が吸湿しているのか。
塗布状態が変わっているのか。
乾燥時間が不足しているのか。
作業環境に結露があるのか。
測定値に影響しているのか。
このように、散布図で見えた関係を現場の事実で確認します。
散布図だけで判断すると、対策を誤ることがあります。
しかし、散布図と現場確認を組み合わせれば、原因に近づきやすくなります。
問題解決では、データと現場の両方が必要です。
散布図はデータから関係を見つけ、現場確認はその関係の意味を確かめます。
散布図は会議での説明にも役立つ
散布図は、会議や報告でも役立ちます。
原因候補と結果の関係を説明するとき、言葉だけでは伝わりにくいことがあります。
「温度が高いと不良が増えているようです」
「稼働時間が長いほど停止が増える傾向があります」
「材料特性と検査値に関係がありそうです」
このように説明しても、聞く側にはどの程度の関係なのか分かりにくい場合があります。
散布図を示せば、点の並び方で関係性が視覚的に伝わります。
関係が強いのか、弱いのか。
外れ値があるのか。
特定条件で偏っているのか。
こうしたことを共有しやすくなります。
散布図は、関係者の認識をそろえるためにも有効です。
同じデータを見ながら話すことで、感覚や印象ではなく、事実に基づいた議論がしやすくなります。
散布図を作って終わりにしない
散布図でよくある失敗は、作っただけで終わってしまうことです。
散布図を作った。
関係がありそうに見えた。
資料に貼った。
会議で説明した。
しかし、その後に現場確認をしていない。
原因を深掘りしていない。
対策につなげていない。
効果確認をしていない。
この状態では、散布図は問題解決に活きません。
散布図は、関係性を見つけるための道具です。
本当に大切なのは、その後です。
関係がありそうなら、なぜその関係があるのかを考える。
関係がなさそうなら、別の原因候補を探す。
外れ値があれば、その条件を確認する。
層別して、さらに詳しく見る。
必要な対策を考え、実行する。
改善後に再度確認する。
ここまで進めて初めて、散布図は問題解決に役立ちます。
管理者が見るべきこと
管理者が散布図を見るときには、点の並びを見て終わるのではなく、その意味を考える必要があります。
見るべきことは、
- 何と何の関係を見ているのか
- データ数は十分か
- データの期間や条件は適切か
- 正の相関、負の相関、無相関のどれに見えるか
- 外れ値はないか
- 層別すると傾向が変わらないか
- 相関を原因と決めつけていないか
- 現場確認につながっているか
- 対策や効果確認につながっているか
です。
散布図は、原因を断定するためのものではありません。
原因候補と結果の関係を確認し、次に何を調べるべきかを考えるためのものです。
管理者にとって重要なのは、
「関係がありそうだ」
で終わらせないことです。
その関係がなぜ起きているのか。
他の要因はないのか。
現場で確認できるのか。
改善につなげられるのか。
そこまで見ることが大切です。
まとめ
散布図は、QC七つ道具の一つであり、問題解決に役立つ手法です。
2つの数値データを点で表すことで、原因候補と結果の関係を目で見て確認できます。
温度と不良率。
湿度と寸法ばらつき。
設備稼働時間と停止回数。
作業時間とミス件数。
材料特性と検査値。
このような関係を見るときに、散布図は非常に有効です。
散布図では、正の相関、負の相関、相関がない状態、外れ値などを確認できます。
これにより、原因候補が結果に関係していそうか、別の要因を見るべきかを判断しやすくなります。
ただし、散布図で関係が見えたからといって、それが必ず原因とは限りません。
相関と因果関係を混同してはいけません。
散布図は、原因を確定する道具ではなく、原因を考えるための手がかりを見つける道具です。
そのため、散布図は現場確認、層別、特性要因図、なぜなぜ分析などと組み合わせて使うことが大切です。
データで関係を見つけ、現場で意味を確認し、原因を深掘りし、対策につなげる。
この流れが問題解決を強くします。
散布図は、単なる点の集まりではありません。
原因と結果の関係を見える化し、問題解決の糸口をつかむための実務的な道具
です。
思い込みではなく、データで関係を見る。
その姿勢が、より確かな問題解決につながっていくのです。
＼ 最新情報をチェック ／
コメント