QC7Tools

管理図は工程が安定状態にあるかどうかを把握するための判断材料です。一定の規則に従ってデータをサンプリング、平均やレンジなどの統計値を算出し、その結果を系列で折れ線グラフにします。中心線 (CL) と管理限界によって、点の配置と分布などから、その管理工程の異常を判断できます。

統計値を用いず、製品の個体データを基本全てプロットしている図です。管理線外の点が即管理図でのNGとは同義でないことに留意してください。
データ点が多い場合は打点同士が塗りつぶされて識別できなくなるため、高速モードに移行してデータ推移が分かるよう省略(サンプリング)表示します。

将来起こりうる未知の問題や、混沌としている問題・課題などの構造を明らかにする手法で、様々な言語データを親和性/関連性に基づき体系化します。

ヒストグラムは、データを一定の区間(Bin)に分け、各範囲に属する数値の度数を高さとしてプロットする図です。データの分布やピーク(モード)、ばらつきなどデータの傾向を把握できます。
一般的には管理限界(LCL/UCL)は正規分布を仮定して算出されており、ビッグデータへの適用は多峰分布などケースによって注意が必要です。

データセットを複数のグループ(多くの場合時系列やID系列)に分け、それぞれの分布曲線を並べて表示することで分布変動を把握しやすくした図で、視覚的に変化点検出することができます。
ヒストグラムではBinの幅によって分布の外形が変わってしまう問題があり、よりユニバーサルな手法としてカーネル密度推定を用いた密度曲線が分布の描画に使用されています。

連関図法では、問題が複雑に絡み合い、解決の糸口が見つけにくい場合に、"原因と結果"や"目的と手段"など、要因の相互関係を論理的に整理・明確化し、因果関係などから主要因とその関係を導き出します。この手法は品質や現場に関わる課題分析に有効であり、製造やシステム開発分野で活用されます。特性要因図に似ていますが、複数の結果や要因同士も含めたより複雑なネットワーク関係を扱うことが異なります。

チェックシートとは、点検・調査・確認などを可視化し見やすくするために、あらかじめ決められた項目に従いチェックを付ける方法です。記録用チェックシートは問題解決の際に必要となるデータ収集が主目的、点検用チェックシートでは点検項目の抜け・漏れなどないようポカヨケなどに利用されます。最近は電子帳票化されているケースも多いですが、人がチェックする、ということが前提であることが多く、人的なミス(未入力・誤入力等)に留意する必要があります。データを正しく解釈するには、データインテグリティに関する配慮が必要です。

縦軸に日毎(0:00～24:00)もしくは週毎(日～土)をとり、横軸は日付としてカレンダ状に、データ数や統計値(平均値やσなど)の大小を色としてプロットしたものです。長期のデータ俯瞰や、人間の活動(昼夜、シフト、週明け/週末など)に付随した工程変動の把握に適しています。基本は自動収集されたビッグデータを扱うことを前提とすることで、人的ミスによるデータへの外乱の影響を避けています。
単発のCSVデータなどを見る際は、データがどこの期間にあるか分からなくなることが多いので、最初にCHMでデータの所在を確かめましょう。

系統図法とは、目的を達成するために最適な手段・方法をツリー状に配置していく手法で、目的達成のための手段を"目的"とし、その"手段"を階層的に何度も検討することで、実行すべき最適な手段を導き出していきます。それぞれの階層では一つ上の階層を目的として捉え、展開していきます。

散布図は、１つの事象に対する2変数の数値データの分布関係を調べるときに用いられ、2つの項目を横軸・縦軸にとり、データを点の集合で表示します。
2変数の間にはどんな相関関係があるのか、あるいは関係がない(無相関)のかを知ることができます。またデータクラスタを認識することもできます。

分布形状は大別して下記3つの傾向があります。

• 正の相関…右上がりの形状。xの増加でyも増加

• 負の相関…右下がりの形状。xの増加でyは減少

• 無相関…xの増減とyの増減に法則性がなく、2つの変数は相関関係にない。

3変数以上の変数間の散布図を表示するために散布図行列を用いています(ただし高次元では組み合わせ爆発が起こるため、DN7では7次元の変数間までのプロットに対応しています)。

データ数が大量な場合は散布図は破綻しますが、DN7においては大規模データの際は濃淡密度プロット(正確には等高線プロット)に移行することで、100万点超のBig Dataにも対応しています。

なお、濃淡プロットでも外れ値は選択的に表示(白い打点)するように設計されており、データの塊や外れ値を捉えやすいプロットを実現しています。

マトリックスデータ解析法は主成分分析による解析法で、主成分を用いて次元圧縮し、低次元化することで多数の変数の管理を一括管理する方法です。多くが言語データを扱う新QC7つ道具の中で、唯一数値データを扱っています。海外ではブルズアイ(牛の目を射抜く意味から命中点の意、射撃やダーツなどの的のこと。標的や"大当たり!"的なニュアンスもあり、転じて使用されている)とも言われています。
DN7には含まれていませんが、分析プラットホームには異常検出機能として実装されています。
(第1主成分PC1と第2主成分PC2の散布図として解釈できなくもないので、こちらに並べました)

グラフは、データを可視化した図。グラフを用いることによって、データの比較や変化などが一目で分かるようになります。
QC7つ道具においてはどのようなグラフ化を行うかが特定はされておらず、主に折れ線グラフ・棒グラフ・円グラフ・帯グラフ・レーダチャートなどをデータや目的に応じて自己判断し、適材適所で使うことになります。
間違えたグラフを選択すると、判断ミスや誤解を招くことになるので気を付けましょう。

複数の変数軸を平行に配列して、多数のデータを各軸を通過する折れ線として描画しており、多次元のデータ分布を把握できます。虹色が見える軸が重要変数です。色が混ざっていたら無相関です。
7つ道具のグラフを踏襲して、ということもいえますが、より高次元での相関分析・クラスタや外れ値の可視化に対応しているところから、散布図機能の拡張と捉える方が自然かもしれません。
変数をカテゴリ値のみに絞ることができ、その場合はデータの構成比率を把握できるパラレルカテゴリプロットに切り替わります。こちらは工程の機差解析などに有効です。

マトリックス図法では、検討する２つの要素を行列状に配置し、関連度合いを交点に表示することで問題解決を進めます。要素間の関係を整理したり、全体を俯瞰視して結論を導き出したりすることができます。また、系統図法で導き出した数多くの方策を実施する際の優先順位や役割分担などの決定にも使われます。概念的には層別に近いです。
DN7ではカテゴリ値によるファセット表示を行える機能がありますが、これはマトリックス図法の発展形とも捉えらることができます。

特性要因図は、問題(特性)の背景にある要因を書き出し、可視化した図となります。主に5M+1E(Man:人, Machine:機械, Method:方法, Material:材料, Measurement:測定, Environment:環境)の観点から問題の背景にある要因を示し、系統的に整理します。問題の原因を整理することで、原因の絞り込みや推定ができます。図の形状が魚の骨に似ていることから、フィッシュボーン、フィッシュボーンチャートと呼ばれることもあります。QC7つ道具の中で唯一言語系の解析といえ、工程知見とブレインストーミング的な手法で作成されます。

デジタル版の魚の骨のイメージで、データの相関関係をLASSOを用いて算出した後に相関関係の強さを線の太さ、符号を色で、サンキーダイアグラムとして描画します。太さがより太い変数が重要変数である可能性を示唆します。
ブレインストーミング的な手法を介さないため、観測データに含まれない事象は説明できません(従って重要変数は測定・データ化してある必要があります)が、自動的に魚の骨と類似した情報を自動算出することができることから、現場で何が起こっているかを恣意性なく客観的に把握することができます。

アローダイヤグラム法は、作業が複雑に絡み合っている場合などに、各作業の関係と日程の繋がりを可視化します。計画を進めるための作業順序を矢印と結合点で結んだ、アローダイアグラム(矢線図・PERT[Program Evaluation and Review Technique]図)と呼ばれるネットワーク図で、スケジュールを管理・検討します。クリティカルパス(最早日程と最遅日程が同じ経路)の発見、各工程の進捗管理やどの程度の遅れなら許容できるか、同時に期間短縮するためのポイントなどを検討する際に役立ちます。

パレート図とは、項目別に分けたデータを値の大きな順に並べた棒グラフと、そこに、各項目のデータの累積数を全データ数で割った数値(累積比率)の折れ線グラフ(累計曲線)を重ねた図です。全体の中で大きな比率を占めるものが何かを明確にし、どの項目が結果に対する影響度(重要度)が高いかを把握できます。真っ先に取り組まなければならない問題や各項目の優先度を容易に把握できます。

共起関係(ある現象と別の現象が同時に出現する頻度に着目した関係)を可視化します。共起関係とは、あるアラームが発生した際に同時に発生するアラーム、ある状態が発生した際に発生するイベントなどの時間を含んだ関係で、5M1Eなどと組み合わせて解析することで工程の改善に役立ちます。
直感的な共起性の把握はできますが、定量的な把握が難しいため、パレート図を併用してあります。

PDPC法とは、プロセス決定計画図や過程決定計画図を意味するPCPD(Process Decision Program Chart)を用いる手法で、目的を達成するまでに考えられる障害を予測して対策を考案し、過程で不測の事態が起こっても代替できる案を明確にしておくことで、目的をより確実に達成するために使用します。過去の類似事例や経験を活かしやすく、スタートから問題解決・ゴールまでの全体像の把握にも役立ちます。