テーマ7：品質管理と統計解析

学習週：Week 8（前半）・Week 9（後半）
優先度：★5位

なぜこれを学ぶか

数値と事実に基づいて異常を検出し、原因を特定し、管理基準として落とし込むことが重要。
定性的な改善では再発防止ができない。「感覚で管理」から「数値で管理」への転換が製造DXの基盤。

1. 統計の基礎

1.1 平均・標準偏差・正規分布

正規分布の特性：
  μ ± 1σ の範囲にデータの 68.3% が入る
  μ ± 2σ の範囲にデータの 95.4% が入る
  μ ± 3σ の範囲にデータの 99.7% が入る

製造品質では「3σ」を不良品発生の境界として設定することが多い。

1.2 ばらつきの2種類

種類	名称	特徴	対処
偶然原因	固有ばらつき	工程が安定していても発生。排除不可能	許容範囲の設計で対応
異常原因	特殊原因	工具摩耗・設備異常・材料変化など	検出→除去→再発防止

2. 工程能力指数（Cp / Cpk）

Cp = （USL - LSL）÷（6σ）
  USL：上限規格値
  LSL：下限規格値
  σ：工程の標準偏差

Cp ≥ 1.33 が一般的な合格基準

Cpk（平均のずれを考慮）：
  Cpu = （USL - μ）÷（3σ）
  Cpl = （μ - LSL）÷（3σ）
  Cpk = min（Cpu, Cpl）
  
Cpk < Cp の場合 → 平均が中心からずれている

Cpk値	判定	意味
≥ 1.67	優秀	6σ品質
≥ 1.33	合格	一般的な工業品質
1.00〜1.33	要注意	改善必要
< 1.00	不合格	規格外が発生している

3. 管理図（Control Chart）

管理図：工程の安定性を継続的に監視するツール

管理限界線（UCL/LCL）= μ ± 3σ

管理図の種類：
  X̄-R管理図：計量値（連続データ）の管理
  p管理図：不良率の管理
  c管理図：欠点数の管理

異常判定ルール（Western Electric Rules）

ルール1：1点が管理限界外
ルール2：連続9点が中心線の同側
ルール3：連続6点が単調増加または単調減少
ルール4：連続14点が交互に上下

→ これらのパターンが現れたら「異常原因」が存在する。

4. MSA（Measurement System Analysis）/ GRR

GRR（Gage Repeatability and Reproducibility）
= 測定システムの精度評価

Repeatability（繰り返し性）：
  同じ測定者・同じ測定器で繰り返し測定した場合のばらつき

Reproducibility（再現性）：
  異なる測定者が同じ測定器で測定した場合のばらつき

評価基準：
  GRR < 10%：優秀（そのまま使用可）
  GRR 10〜30%：条件付き許容（改善検討）
  GRR > 30%：測定システムの見直し必須

5. 根本原因解析（RCA）

5.1 5Whys 分析

問題を「なぜ？」と5回繰り返して根本原因を特定する

例：
問題：製品に傷が発生した
Why1：搬送中に摩擦で傷が入った
Why2：搬送容器に保護材がなかった
Why3：保護材の使用が手順書に記載されていなかった
Why4：手順書作成時に傷のリスクを考慮しなかった
Why5：リスク評価のプロセスが設計されていなかった
→ 根本原因：リスク評価プロセスの欠如

5.2 特性要因図（フィッシュボーン図）

原因を6Mで分類：
  Man（人）
  Machine（機械）
  Material（材料）
  Method（方法）
  Measurement（測定）
  Mother Nature（環境）

6. 主要な品質規格

規格	対象	内容
ISO 9001:2015	全産業	品質マネジメントシステムの要求事項
IATF 16949:2016	自動車産業	自動車業界特有の品質要求事項
AIAG APQP	自動車	先行製品品質計画
AIAG FMEA	自動車	故障モード影響解析
AIAG SPC	自動車	統計的工程管理
AIAG MSA	自動車	測定システム解析
AIAG PPAP	自動車	生産部品承認プロセス

推奨参考資料

種別	タイトル	用途
書籍★	『IATF 16949のための統計的品質管理 SPC・MSA・抜取検査』（日科技連出版）	SPC・MSAの実務標準書
Web	Cp・Cpk・SPC用語解説（アイアール技術者教育研究所）	無料で読める詳しい解説
Web	IATF16949のSPC/MSA課題（ARGO’s COMPASS）	実務でのSPC/MSA導入課題

✅ 実務チェックリスト

このテーマを「理解した」と言えるための確認項目

Xbar-R管理図を実際のデータで作成できる
Cp・Cpkの違いと計算方法を説明できる（Cpk ≥ 1.33の意味も含めて）
FMEAのRPN（危険優先数＝発生度×検出度×影響度）を計算し優先度を判断できる
Gage R&R（測定システム解析）を実施し測定誤差を評価できる
DMAICの各フェーズで使う代表的な統計ツールを挙げられる

💡 ETO製造での適用ポイント

ETOでは製品ごとに仕様が異なるため、同一工程でも計測対象が変わりやすい。SPCを適用する際は「工程パラメータ（加工条件・温度・圧力）」を管理対象にするとETOでも継続的データが蓄積できる。製品仕様が違っても工程条件の変動を監視することで、工程の安定性を継続的に管理できる。

FMEAはETO特有の「設計段階リスク」に特に有効であり、顧客仕様の受領時点でFMEAを実施する習慣が不良流出防止に直結する。設計が毎回変わるETOでは、標準FMEAを「テンプレート」として持ち、新仕様受領時に差分を更新する運用が現実的だ。

MSA（測定システム解析）はデジタルデータへの移行時に特に重要で、「人が目視判定していたものをセンサーに置き換える」際の測定精度検証に活用する。新しい測定システムが既存の目視検査と同等以上の精度を持つことを証明しないと、現場の信頼を得られない。

ETOにおける品質データ収集の最大の課題は「1案件のサンプル数が少ない」ことだ。統計的に有意な判断をするには、案件をまたいで類似工程・類似材料のデータを集約する仕組みが必要となる。データの分類・タグ付けの設計が品質統計活用の前提条件となる。

🔗 関連テーマ

テーマ	なぜ関連するか
製造技術（テーマ6）	工程パラメータの統計管理は生産技術と連携
AI活用（テーマ12）	統計的品質管理はAI予知保全・検査の前段階
効果測定KPI（テーマ16）	品質改善の効果を数値で示すために統計が必要

品質管理・統計解析