【完全図解】層別とは？｜QC7つ道具の「土台」を理解すればすべての分析精度が上がる

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他の6つのQC道具すべての精度を左右する「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──

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。

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。

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。前回の記事で解説した「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。

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。

まとめ──層別の要点を30秒で復習