QC活動ではQC7つ道具を使うことで
突破口を開くきっかけや気付きを
得られることが多いものです
そのQC7つ道具にはデータが付きもの
そのデータを制すことなく
改善を制すことはできません
そのため今回はすべての活動を
構成する『データ』の正体を
あきらかにしていきたいと思います
データの種類を知る
データっていったい
どういうものなのでしょうか？
データの種類としては大きく２種類
数値による『数値データ』と
言語による『言語データ』があります
それぞれどんなデータがあるか
確認していきましょう
数値データについて
数値データには以下の３つがあります
| 【３つの主な数値データ】 データ１：計量値 データ２：計数値 データ３：順位値 |
それぞれどんなモノがあるのか
見ていきましょう
データ１：計量値
たとえば、寸法、重量、時間、温度、
体積のような計測して得られるような
連続するデータです
何桁まででも測定できるデータで
連続的に取り扱える特徴があります
もっと表現するなら
製品の長さ・高さ、重さ、作業時間、
食塩水の濃度、栄養素の含有量、
引っ張り強さなどです
データ２：計数値
この計数値は連続したデータでなく
数えて得られるデータを指します
小数点以下のない整数データで
離散的であるという特徴があります
例えば、製品の不適合の数、欠点数、
故障件数、事故件数、訪問件数など
数えて得られるデータなので
不適合率や事故発生率などの
数えて得られた数値から
計算した値も計数値です
データ３：順位値
順位を比べることで得られる数値です
『１位,２位･･･』や『１等,２等･･･』
または『１級品,２級品･･･』など
最初から順位値として得られる場合と
計量値や計数値を順位値に
変換する場合があります
順位値も計数値と同じように
離散的な特徴を持っています
言語データについて
誰かの要望や意見・感想などを
言葉で表したデータを言います
数値データのように
統計的な処理は難しいですが
事実を表すデータの１つとして
取り扱っていきます
例えば、
明るい－暗い
嬉しい－悲しい
キレイ－汚い
楽しい－退屈
美味しい－不味い などです
データをとる目的について
ではそんなデータを扱うのですが
いったい何のためにデータを
取っていくのでしょうか？
その目的を確認する必要があります
なぜならその目的によって
取り扱うべきデータが変わるからです
ではそもそもデータを取る目的には
どんなものがあるのか解説します
| 【データをとる５つの目的】 目的１：現状把握のため 目的２：解析のため 目的３：調節のため 目的４：管理のため 目的５：検査のため |
それではこの５つについて
お話を進めてまいりましょう
目的１：現状把握のため
職場や仕事の現在の状況を客観的に
把握したいときにデータを取ります
例えば、市場から求められる品質、
工程で発生する不適合品の発生状況、
従業員の出勤率、健康状態など
どういう状況かを知りたい時に
データを取って調べます
目的２：解析のため
製造過程とその結果としての不良率等
原因－結果の因果関係を
明らかにすることを解析と呼びます
例えば不具合の現象が起きたり
異常が発生したときには
まずは原因を究明し
それが本当に原因なのか
調査・検証するためデータを取ります
目的３：調節のため
現状が好ましい状況かどうかを調べて
必要な場合に調節を行うために
データを取っていきます
たとえば、速度や流量を調節したり
温度や湿度を調節したりします
温度調節であれば
適正な温度を維持するために
ヒーターを調節します
目的４：管理のため
製造工程に異常が発生しないよう
定期的にデータを取っていきます
もし異常が発生していれば
原因を追求して処置対策をとることで
正常な状態に戻すことを管理といいます
たとえば健康管理のための健康診断も
この管理の一種とも言えます
目的５：検査のため
検査の対象となるロットを構成する
個々の製品（検査単位）が
適合品か不適合品か、あるいは
そのロットが合格か不合格か判定する
そういった検査データを取ることを
目的することもあります
この検査のためのデータは
判定のみに活用するのではなく
必要に応じて現状把握や管理にも
使うことが可能です
結果系と要因系のデータ
データを見て判断する場合
結果系のデータか要因系のデータかを
区別する必要があります
要因件のデータとは
結果に影響を与えるデータを指します
『４Ｍ』について
一般に、結果（品質特性）に
影響を与える要因のカテゴリとして
生産の４要素と呼ばれる
『４Ｍ』が有名です
| 【4Mとは何か？】 Man：ヒト（作業者） Machine：機械・設備 Material：材料・部品 Method：方法（作業方法） |
4Mのほかに、Measurement：測定や
Environment：環境を加えて
『５Ｍ＋１Ｅ』とする場合もあります
結果系と要因系のデータの例
結果系、要因系のデータの例としては
以下のようなものが挙げられます
| 区分 | 例 | |
| 結果系の データ |
品質に 関するもの |
外観、寸法、性能、強度、重量、純度、不適合品数、クレーム件数、不適合品率など |
| 量・納期に 関するもの |
工数、稼働率、生産量、出荷量、仕掛り量、納期遅延日数、納期遵守率など | |
| コストに 関するもの |
材料品、加工費、仕損費、労務費、宣伝費、残業時間、能率、生産効率、クレーム金額など | |
| 要因系の データ |
Manに 関するもの |
性別、職種、年齢、経験、資格、職位、正確、教育、製品知識、趣味など |
| Machineに 関するもの |
メーカー、機種、型式、新・旧、工場、ライン、調整度、修理の前後、使用の治工具など | |
| Materialに 関するもの |
メーカー、購入先、産地、銘柄、材質、成分、貯蔵時間・場所、標準品、特注品など | |
| Methodに 関するもの |
サイズ、ロット、サンプリング、自動・手動、速度・温度・圧力・電流・電圧の条件別など | |
QC7つ道具の使いこなしポイント～データを制する者は改善を制す～
QC7つ道具で取り扱うデータって
あらゆる種類があることを
ご理解されたかと思います
問題解決ができるようになることは
これらデータのボキャブラリーを
増やしていくことに近いです
どんなデータがどんな状況をで
どんなつかい方ができるか？
これも創造力と慣れが必要です
ぜひマスターしていって
いただければと思います
それでは今日はここまでです
今後とも宜しくお付き合いください☆
長文・乱文を最後まで読んでくださり
いつもありがとうございます♪
すべては御社の発展のために
すべてはあなたの笑顔のために
