統計的工程管理（SPC）：手法と事例

統計的工程管理とは、欠陥が顧客に届く前に、リアルタイムのデータと統計を使ってプロセスを監視・制御・改善する手法です。マネージャーが導入できる最も実践的な品質ツールの一つであり、リーン生産、シックスシグマ、そして現代のオペレーション管理の中核をなしています。

統計的工程管理とは何か

**統計的工程管理（SPC）**とは、統計的手法を用いてプロセスの出力を監視し、プロセスが想定外の挙動を示しているときにそれを検知する品質管理手法です。完成品を検査して問題が後になって表面化することを期待するのではなく、SPCはプロセス自体をリアルタイムで監視するため、まだ製品が生産されている最中に介入できます。

その中心にある考え方はシンプルです。すべてのプロセスには自然なばらつきがあります。SPCは、正常なばらつき（偶然原因と呼ばれる）と、何か問題が起きたことを示すばらつき（異常原因と呼ばれる）を区別します。偶然原因のばらつきのみが存在する場合、プロセスは「管理状態にある」とされます。異常原因が現れた場合、それは調査して対処すべき合図です。

SPCは1920年代にベル研究所のウォルター・シューハートによって開発され、W・エドワーズ・デミングによって世界的に普及しました。今日では自動車、製薬、食品、半導体、サービス業など幅広い業界で使われています。

重要なファクト

• 製造業でSPCを導入した企業は、導入初年度に50%以上の欠陥削減を報告しています（ASQ Quality Progress、2022年）。
• 2023年のInternational Journal of Production Researchの調査によると、ISO 9001認証を取得している製造業者の67%が、重要な工程パラメータに何らかの統計的モニタリングを使用しています。
• デミングは、品質問題の94%はシステム（偶然原因）に起因し、個々の異常原因に起因するのはわずか6%であると推定しました。つまり、ほとんどの欠陥は作業員を責めても解決できないということです。

偶然原因のばらつきと異常原因のばらつき

この2種類のばらつきの違いを理解することが、SPCの土台になります。

偶然原因のばらつきを異常原因であるかのように扱って対応する（過剰調整）ことは、実際にはプロセスを悪化させます。SPCはデータ自体に基づいた合理的な管理限界を設定することで、この誤りを防ぎます。

管理図：SPCの中核

管理図はSPCにおける主要なツールです。これは3本の水平な基準線が追加された推移図です。

• 中心線（CL）： プロセスの平均値
• 管理上限（UCL）： 平均値プラス標準偏差3つ分
• 管理下限（LCL）： 平均値マイナス標準偏差3つ分

これらの限界は、仕様や公差ではなく、実際のプロセスデータから計算されます。データ点がUCLまたはLCLの外側に落ちたとき、あるいは限界内でも非ランダムなパターンが現れたときに、チャートは異常原因を示します。

代表的な信号ルールには以下があります。

• 1点が3シグマ限界を超える
• 中心線の片側に8点連続する
• 6点連続で着実に上昇または下降する

信号に素早く反応することこそが、SPCを事後的な監査ではなくリアルタイムの管理ツールにする要素です。統計的管理下にあることを確認した後、プロセスが規格限界内にどれだけ収まっているかを測定する工程能力（Cp/Cpk）指標と管理図分析を組み合わせる価値があります。

SPCと検査の違い

従来の品質保証は、生産ラン終了時に出力を検査することに依存しています。まず製品を作り、その後で検査します。このアプローチの問題点はよく知られています。コストが高く、遅く、ムダがすでに発生した後でしか欠陥を捉えられません。

デミングは工程末端での検査を「遅すぎ、コストがかかりすぎ、信頼性に欠ける」と評しました。彼の主張は、プロセスが能力を持ち管理状態にあるなら、全数検査はほぼ不要になるというものでした。プロセスに能力がなければ、検査をしても解決しません。それを解決できるのはプロセス改善だけです。

SPCはこのモデルを逆転させます。プロセスをリアルタイムで監視し、欠陥が生じる前に信号に反応します。実務上のいくつかの違いを挙げます。

SPCは検査を完全になくすわけではありません。安全性が重要な業界では、依然として最終チェックが必要です。例えば、FDA 21 CFR Part 211の対象となる製薬会社は、規制の要求により、工程内モニタリングにSPCを使いながら、サンプリングに基づく出荷試験も組み合わせています。しかしそこでも、SPCは欠陥を発見するのではなく防ぐことで、検査の負担を大幅に減らします。最終検査での予期しない不合格が減れば、手直しも減り、不合格バッチも減り、生産から出荷までの道のりも短くなります。

SPCの導入方法

SPCを稼働させることは、実践的なエンジニアリングおよびマネジメントの取り組みです。主なステップを紹介します。

ステップ1：プロセスを定義し、指標を選ぶ

監視すべき主要な出力変数を1つ選びます。寸法、重量、サイクルタイム、充填量、エラー率などが考えられます。その指標は測定可能で、品質に直接関連し、実務的な頻度で収集できるものであるべきです。

最初から一貫してデータを記録するためにチェックシートを使いましょう。

ステップ2：測定システムを検証する

不良なデータは誤解を招く管理図を生みます。プロセスデータを収集する前に、測定機器とオペレーターが一貫した結果を出せることを確認するため、Gauge R&R（繰り返し性・再現性）調査を実施しましょう。

ステップ3：ベースラインデータを収集する

通常の条件下で稼働しているプロセスから、20〜30の合理的なサブグループ（または個別の測定値）を収集します。このベースラインデータを使って中心線と管理限界を計算します。

ステップ4：適切な管理図を選ぶ

データの種類によって必要な図が異なります（下記の「管理図の種類」セクションを参照）。誤った図を選ぶと、誤った管理限界が導き出されます。

ステップ5：管理限界を計算しプロットする

ベースラインデータからUCL、LCL、中心線を計算します。これらの限界をチャートにプロットします。意図的にプロセスを改善しない限り、これらの限界は固定されたままにすべきです。

ステップ6：プロセスを監視し、信号に対応する

新しいデータ点をリアルタイムでプロットします。信号が現れたら、定められた対応計画に従います。止まって調査し、根本原因を特定し、修正し、結果を記録します。調査によってより深いシステム上の問題が明らかになった場合は、DMAICを使いましょう。

ステップ7：定期的に見直し、再計算する

真のプロセス改善の後は、新しいベースラインを使って管理限界を再計算します。過去の実績に基づく限界は、もはや現状を反映していません。一部のチームは（例えば四半期ごとなど）定期的な見直しを設定し、限界を更新する必要があるほどプロセスが変化したかどうかを評価します。他のチームは、DMAICプロジェクトが完了するたびに見直しを行い、新しい限界を管理フェーズの成果物の一部として扱います。

管理図の種類

適切な図を選ぶかどうかは、2つの要因によって決まります。データが連続量（測定値）か計数値（カウント）か、そしてサブグループがどのように構成されているかです。

ヒストグラムと散布図は、チャートの種類を選ぶ過程で役立つ相棒です。ヒストグラムはデータがおおむね正規分布に従っているか（ほとんどの計量値チャートの前提条件）を示し、散布図はどの変数を監視する価値があるかを決める前に、入力と出力の関係を理解する助けになります。

どのチャートが自分の状況に合うか判断がつかない場合は、AIAG SPCリファレンスマニュアル（現行は第2版）に、データの種類、サブグループ構造、測定頻度をたどる決定木が掲載されています。ほとんどの品質管理ソフトウェアも、入力したデータに基づいてチャートの種類を自動選択します。

メリットと限界

メリット

• 早期警告： 問題が生産中に捉えられ、後になってからではない。
• 客観的な判断： 管理限界が「これは正常か？」という判断から推測を取り除く。
• 火消し対応の削減： 安定して管理状態にあるプロセスは、緊急対応ではなく改善作業にマネジメントの注意を振り向けられる。
• プロセスの知見の蓄積： チャートはプロセスの時系列的な挙動に関する組織的な記憶を構築する。
• コスト削減： 欠陥の減少、手直しの削減、廃棄の削減が直接運用コストを下げる。

限界

• 安定したデータ収集が必要： 測定システムが信頼できない、またはデータ収集が一貫していない場合、チャートは誤解を招く。
• チャート選択が重要： 誤ったチャートの種類は誤った限界と誤検知を生む。
• 教育への投資が必要： オペレーターやエンジニアは、信号が何を意味し、どう対応すべきかを理解する必要がある。誰も対応しない壁のチャートは、チャートがないよりも悪い。
• プロセス設計の代替にはならない： SPCは既存のプロセスを管理するものです。プロセスが根本的に仕様を満たす能力を持たない場合、SPCはそれを確認するだけで解決はしません。そのためには工程能力分析（Cp/Cpk）とエンジニアリングの変更が必要です。
• アラート疲れを招くことがある： 過度に敏感なルールや適切に維持されていない限界は、誤検知を多く生み、チームがチャートを無視するようになる原因になります。

よくある質問

SPCとSQCの違いは何ですか？ 統計的品質管理（SQC）は、受け入れ検査のための統計的サンプリングとSPCの両方をカバーするより広い分野です。SPCはSQCのうち、リアルタイム監視に関する部分です。人々が「統計的工程管理」と言うとき、通常は継続的な生産を監視する管理図的アプローチを特に指しています。

管理限界を設定する前に何個のデータ点が必要ですか？ ほとんどの教科書やAIAG SPCマニュアルでは、少なくとも20〜25のサブグループ（またはI-MRチャートの場合は個別の測定値）を推奨しています。データ点が少ないと限界の推定が不安定になります。それより少ないデータで始めざるを得ない場合は、初期の限界を暫定的なものとして扱い、25点を収集した時点で再計算しましょう。

SPCはサービス業やオフィス環境でも使えますか？ はい。SPCは、繰り返し可能なプロセスと測定可能な出力があればどこにでも適用できます。一般的なサービス分野での応用例には、電話対応時間、請求書処理エラー、配送サイクルタイム、顧客待ち時間などがあります。チャートの種類は同じで、指標だけが変わります。

管理限界と規格限界の関係は何ですか？ 管理限界は実際のプロセスのばらつきから計算されます。規格限界は顧客またはエンジニアリングチームによって設定されます。両者は完全に独立しています。プロセスは統計的に管理状態にあり（すべての点が管理限界内）ながら、それでも仕様を満たす能力がない場合があります。それこそが、CpやCpkのような工程能力指標が測定しているものです。

管理限界はいつ再計算すべきですか？ 確認された意図的なプロセス改善の後に再計算しましょう。点が限界の外に落ちたからといって再計算してはいけません。「悪い」データを取り除いてより狭い限界を得ることは、SPCの目的そのものを損ないます。限界は、実際に運用したい安定した改善後のプロセスを反映すべきです。

---

SPCは今も現役で使われている最も古い品質ツールの一つであり、その長寿は真に効果的であることによって獲得されたものです。1つの指標、1つのチャート、そして確実な対応計画から始めましょう。チームが基本に自信を持てるようになったら、より多くの変数に拡大し、SPCの発見をより広いDMAIC改善サイクルに統合していきましょう。