層別とは簡単にいうと何ですか？

データを設備・作業者・材料・時間など共通の特徴でグループに分け、グループどうしを比べることです。全体の平均に隠れた差を見つけるために使います。

層別はQC七つ道具に入りますか？

QC検定のレベル表では七つ道具の1つです。管理図をグラフと別に数え、層別の代わりに入れて7つとする本もあります。

層別の切り口には何がありますか？

4M（人・機械・材料・方法）に時間を加えた5つが基本です。測定方法や温度・湿度などの環境で分けることもあります。

層別と層別サンプリングの違いは？

層別はデータを分けて比べる考え方です。層別サンプリング（層別抽出）は、母集団を層に分けて各層から標本を取る抜き取り方です。

層別しても差が出ないときはどうしますか？

その切り口は原因ではないとわかったので、別の切り口で分け直します。差の判定には母比率の検定や平均の検定を使えます。

層別とは？QC7つ道具の土台になる考え方とやり方・具体例

※本記事にはプロモーション（広告）が含まれています。

結論を先に言います。層別とは、データを「共通の特徴」でグループ分けすることです。それだけ？と思うかもしれませんが、品質管理において層別は、パレート図・ヒストグラム・散布図・管理図など、ほかのQC七つ道具の精度を左右する「土台」です。

パレート図もヒストグラムも散布図も管理図も、層別しないまま全体データで分析すると、本当の原因が見えなくなることがあります。層別は地味ですが、品質管理の最重要スキルです。この記事で、その理由と具体的なやり方を徹底的に解説します。

層別とは？──データを「共通の特徴」で仕分けること

たとえるなら、洗濯物を洗う前に「白い服」「色物」「デリケート素材」に仕分けるのと同じです。全部一緒に洗うと色移りしたり縮んだりする。でも仕分けてから洗えば、それぞれに最適な方法で洗える。データ分析もまったく同じです。

製造現場での具体例

あなたが品質保証部で「先月の不良率が高い原因を調べて」と頼まれたとします。先月の不良データ1,000件をそのまま全体で集計すると、不良率は3.0%。「3.0%です」と報告しても、上司は「で、どこに問題があるの？」と聞くでしょう。

ここで「設備別」に層別してみます。すると──

設備	生産数	不良数	不良率
A号機	400	4	1.0%
B号機	300	3	1.0%
C号機	300	23	7.7%
全体	1,000	30	3.0%

全体では3.0%だった不良率が、設備別に分けた瞬間に「C号機だけ7.7%」という真犯人が浮かび上がりました。A号機とB号機は問題なし。全体のデータだけ見ていたら、この事実は永遠に埋もれたままです。

なぜ層別が必要なのか？──「全体」を見ると判断を間違える恐怖

層別をしないとどうなるか。もっと恐ろしいケースを見てみましょう。

ケース1：ヒストグラムの「二山」問題

製品の寸法データでヒストグラムを描いたら、山が2つある「二山型」になりました。「データがおかしい」「測定ミスか？」と混乱しますが、設備別に層別してヒストグラムを描き直すと、A号機のデータは左側の山、B号機のデータは右側の山──それぞれは正規分布しています。2台の設備の平均値がずれていただけでした。層別しなければ、この「2台の設備の平均のずれ」という真の原因にたどり着けません。

ケース2：散布図で「無相関」に見えたが……

金型温度と製品寸法の散布図を描いたら、点がバラバラに散らばって無相関（r ≈ 0）に見えました。しかしロット別に色を変えて層別すると、各ロット内では強い正の相関がある。ロットごとに材料の特性が異なるため、全体で見ると相関が打ち消されていたのです。

層別の切り口──「何で分ければいい？」の答えは4M＋時間

層別するとき、「何で分ければいいんだろう」と迷う人が多いです。答えはシンプルで、製造業では4M（人・機械・材料・方法）＋時間の5つの切り口で分ければ、ほぼすべてのケースをカバーできます。

No.	切り口	4Mの分類	層別の具体例	見つかる問題の例
①	人 (Man)	M1	作業者別、班別、経験年数別、シフト別（日勤/夜勤）	「夜勤の不良率が昼勤の2倍」→ 夜勤の教育が不十分
②	機械 (Machine)	M2	設備号機別、金型番号別、治具別、ライン別	「C号機だけ不良率7.7%」→ C号機の金型が摩耗
③	材料 (Material)	M3	ロット別、仕入先別、材料グレード別、入荷日別	「B社の材料ロットだけ寸法がばらつく」→ 材料品質の問題
④	方法 (Method)	M4	作業方法別、検査方法別、加工条件別（温度・圧力・速度）	「手動検査と自動検査で合格率が異なる」→ 検査基準の不一致
⑤	時間 (Time)	──	日別、週別、月別、午前/午後別、季節別	「午後の不良率が午前の1.5倍」→ 設備の温度上昇が原因

層別 × QC7つ道具──「土台」が変えるすべての分析結果

層別はそれ単体で使うよりも、他のQC道具と組み合わせたときに真価を発揮します。QC7つ道具それぞれに層別を組み合わせるとどうなるか、具体例で見ていきましょう。

① 層別 × パレート図

全工程をまとめたパレート図では「キズ」が1位。しかしライン別に層別すると、Aラインは「寸法不良」が1位、Bラインは「キズ」が1位と判明。ライン別に異なる対策を打てるようになります。全体のパレート図だけでは「全ラインでキズ対策」という非効率な対策になっていたかもしれません。

この続きと一緒に読まれている記事

② 層別 × ヒストグラム

全体のヒストグラムで「二山型」が出たら、層別のサインです。設備別・ロット別に分けてヒストグラムを描き直すと、各層が正規分布していることが多い。二山の正体＝2つの層が混ざっていたとわかります。

③ 層別 × 散布図

散布図で無相関に見えたデータも、ロット別に色分け（層別）すると、各ロット内では強い正の相関が出る。上の「ケース2」で見た「シンプソンのパラドックス」を防ぐには、散布図に層別を組み合わせることが不可欠です。

④ 層別 × 管理図

全設備をまとめた管理図では管理限界内に収まっていたのに、設備別に層別して管理図を描き直すと、C号機のデータだけ管理限界を超えている──こんなケースがあります。全体の管理図だけでは「問題なし」と判断してしまう危険があります。

⑤ 層別 × チェックシート

チェックシートの設計段階で層別を組み込んでおくことが重要です。記録用紙に「設備号機」「シフト」「ロット番号」の欄を最初から入れておけば、後から層別分析ができます。層別は「データ収集の前」に設計するのがベストです。

⑥ 層別 × グラフ

折れ線グラフで不良率の推移を見るとき、全体の1本線ではなくライン別に色を分けて3本線にする。これだけで「どのラインの不良率が上がっているか」が一目でわかります。棒グラフもシフト別に色を分けた積み上げ棒にすると、全体量と内訳の変化が同時に見えます。

層別 × QC道具の効果まとめ──「Before / After」一覧表

層別する前と後で、分析結果がどう変わるかを一覧表で整理します。

QC道具	× 層別しない場合	○ 層別した場合
パレート図	全体で「キズ」が1位→全ラインでキズ対策（非効率）	ライン別に1位が異なることが判明→ライン別に最適な対策
ヒストグラム	二山型で原因不明→「データがおかしい？」と混乱	設備別に分けると各層は正規分布→平均のずれが原因
散布図	無相関（r≈0）→「関係なし」と誤結論	ロット別に色分け→各ロット内で強い相関あり
管理図	全体で管理限界内→「問題なし」と誤判断	設備別に描くとC号機だけ異常→真犯人を特定
グラフ	全体の1本線→どこに問題があるか不明	ライン別に色分け→問題のラインが一目でわかる
チェックシート	後から「設備別に分けたいのにデータがない」	最初から層別項目を設計→いつでも層別分析可能

層別の進め方──5ステップで実践する

「層別が大事なのはわかった。で、具体的にどうやるの？」──ここからは実務で使える5ステップを解説します。

STEP 1：目的を明確にする

「何を知りたいのか」を明確にします。「不良率が高い原因を突き止めたい」「ヒストグラムが二山になった理由を知りたい」「散布図で相関が見えない原因を探りたい」など、分析の目的によって最適な層別の切り口が変わります。

STEP 2：切り口を決める

4M＋時間の5つの中から、最も影響が大きそうな切り口を選びます。過去の経験や特性要因図の結果をヒントにしてください。迷ったら「最後に変化があった要因」から試すのが効率的です。たとえば先月から材料の仕入先が変わったなら「仕入先別」で分けてみる。

STEP 3：データを分類する

Excelであれば、データにフィルターをかけるか、ピボットテーブルで層別項目を「行」にドラッグするだけです。重要なのは各層のサンプル数が十分にあること。1つの層にデータが3〜4個しかないと、統計的に信頼できる分析ができません。

STEP 4：層別ごとに分析する

各層のデータで、目的に応じたQC道具を使います。ヒストグラムを描く、散布図を描く、パレート図を作る、平均値と標準偏差を計算する──やること自体は変わりません。ただし「全体データ」ではなく「層ごとのデータ」で行う。これだけの違いです。

STEP 5：層間の差を比較する

各層の分析結果を並べて比較します。「A号機は不良率1.0%だがC号機は7.7%」のように差が大きい層があれば、そこに問題の原因がある可能性が高い。差が見つからなかった場合は、別の切り口（STEP 2に戻る）で層別し直します。

層別の計算ツール｜層ごとの不良率を比べる

層（設備・作業者・ロットなど）の名前と、生産数・不良数を入れると、層ごとの不良率と全体の不良率、全体との比を出します。最初は記事の例（A・B・C号機）が入っています。使わない行は空のままで大丈夫です。

入れた数字は画面の中で計算するだけで、どこにも送信されません。

例題｜ツールの数字を手で確かめる

記事の例では、全体の不良数は 4＋3＋23＝30 個、生産数は 400＋300＋300＝1,000 個なので、全体の不良率は 30÷1,000＝3.0% です。層別すると、A号機は 4÷400＝1.0%、B号機は 3÷300＝1.0%、C号機は 23÷300≒7.7% です。

C号機の不良率は全体の 7.7÷3.0≒2.6 倍です。つまり、全体の3.0%という数字は「1.0%の設備2台」と「7.7%の設備1台」の平均で、対策すべきなのはC号機だとわかります。差が偶然かどうかを数字で確かめたいときは、母比率の検定を使います。

層別の4つの注意点──やりがちな失敗を防ぐ

① データ収集の「前」に層別を設計する

最も多い失敗は「データを集めた後に層別しようとしたら、必要な情報が記録されていなかった」です。チェックシートや検査記録に「設備号機」「ロット番号」「作業者名」などの層別項目をあらかじめ入れておくことが重要です。後から追加するのは非常にコストがかかります。

② 各層のサンプル数を確保する

層別しすぎると、1つの層あたりのデータ数が少なくなり、統計的に意味のある分析ができなくなります。たとえば100個のデータを「設備別×作業者別×ロット別」の3段階で層別すると、1つの層に2〜3個しかデータがないことになりかねません。1つの層に最低20〜30個のデータがあることを目安にしてください。

③ 層別の切り口を増やしすぎない

最初から「人×機械×材料×方法×時間」の全組み合わせで層別すると、データが細分化されすぎて逆に何もわからなくなります。まずは1つの切り口で層別し、差が見つかったらその層をさらに別の切り口で分ける──この「段階的な層別」が効率的です。

④ 「差がない」も重要な情報

「設備別に層別したけど差がなかった」──これは失敗ではありません。「設備は原因ではない」という重要な情報です。次の切り口に進む根拠になります。層別は「原因の絞り込み」です。可能性を1つずつ消していく作業こそが、品質管理の論理的なアプローチです。

QC7つ道具の全体像──層別は「すべての道具の土台」

最後に、QC7つ道具の全体像の中で層別がどの位置にいるかを整理します。

No.	道具の名前	種類	役割	層別との関係
	層別	考え方	データを仕分ける	← この記事で解説中。すべての道具の前段階
1	パレート図	手法	重点項目を特定する	層別して作ると重点項目が変わる
2	特性要因図	手法	原因を洗い出す	4Mの枝が層別の切り口になる
3	チェックシート	手法	データを収集する	記録段階で層別項目を設計
4	ヒストグラム	手法	分布の形を見る	二山の正体を層別で解明
5	散布図	手法	2変数の関係を見る	層別で隠れた相関を発見
6	グラフ	手法	データを視覚化する	色分け・系列分けで層別を表現
7	管理図	手法	工程の安定性を監視	設備別に描くと隠れた異常を発見

よくある質問

まとめ──層別の要点を30秒で復習

項目	ポイント
層別とは	データを「共通の特徴」でグループ分けすること。全体平均に隠れた真犯人を見つけ出す
切り口	4M＋時間（人・機械・材料・方法・時間）の5つで迷わず分類
他の道具との関係	パレート図・ヒストグラム・散布図・管理図・グラフ・チェックシートすべての精度を底上げ
最重要ポイント	層別は「考え方」であり、データ分析の最初の一手。層別せずに全体データで分析を始めてはいけない
進め方	目的設定→切り口選定→分類→層別分析→層間比較の5ステップ
QC検定	「層別は手法ではなく考え方」「4Mが代表的な切り口」「他の道具の前段階」が頻出