(统计的品质管理SQC.docVIP

『統計的品質管理(ＳＱＣ)』 統計的品質管理は品質管理の基礎知識 　日本の品質管理は世界最高水準と言われてきたが、品質管理はハウトゥ化を経て、退化してきているように感じる。その傾向が著しいのが、統計的品質管理ではないかと思う。　品質管理が取り扱う問題は、次の２つの視点があると考えている。 平均値の安定 バラツキを押さえる 　１番目の平均値の安定は、加工するものの長さ、重さ等を所定の値に設定し、保証する方法である。これは生産を行うにあたって、あまりにも当たり前のことと考えられていた故に、ほとんど品質管理で問題にされることはなかった。　例えば、薬局での薬の調合が良い例になると思う。薬を１回分それぞれ図るのではなく、例えば１６回分をまとめて図り、増量剤に近い薬と混ぜ合わせ、これを目分量で２等分、４等分、８等分、１６等分と分け、最後は目分量で調整する。一見、非科学的な方法と思われるが、成分の平均値は高い水準で合っている。問題になるのは、１回分のバラツキだけである。　このことは薬局に限らず、機械加工現場でも加工方法を変えることによって精度を出す方法を暗黙知として行われていた。平均値を安定を証明する方法は、演繹的方法で行われる。このようなルール（プロセス）で加工を行っているので、このように結果（平均値が安定している）を示す。更に、統計的検定を使って、この結果を強化する。平均値の推定には、少なくとも１００から４００のサンプルが必要となる。少量生産では対応できない。もしも平均値の一定という条件がなければ、バラツキを押さえるという現在の統計的品質管理は成立たなくなってしまう。　ＩＳＯ９０００ｓの品質管理システムは、この平均値の安定から設定している。だからこそ、最初は当たり前の品質管理をくどく書かされると思われていた。　２番目のバラツキを押さえることこそ、統計的手法を問題解決の手段として多く用いる品質管理を統計的品質管理（SQC：Statistical Quality Control）と呼ばれているものである。統計的品質管理は、アメリカのベル研究所で行われた２つの研究に端を発する。ひとつはシューハート博士（W. A. Shewhart）の管理図法であり、ものひとつはダッヂ（H. F. Dodge）とローミング（H. G. Roming）による抜取り検査である。シューハート博士の『工業製品の品質の経済的管理法』の著書が１９３１年に出版され、管理図や統計的方法がアメリカで工業に応用された。　また、同時代、イギリスのロザムステッド農事試験場では、フィッシャ（R. A. Fisher）により実験計画法の基本的な考え方が提唱された。これらの手法が我が国に普及し始めたのは1950年代である。統計的品質管理の４原則 目的明確化の原則　データをとる目的を明確にし、アクションの対象を的確に把握することである。 数量化の原則　工程や検査ロットに対してアクションするには、統計的に処理できる数量化されたデータであることが必要です。すなわち、データの位置やバラツキを整理して数量化することである。 層別化の原則　目的とする母集団の内容ができるだけ等質になるように層別する。製造工程で、品質のバラツキを大きくする要因には、例えば材料のメーカー別、産地別、機械のそれぞれの特性とくせ、作業条件別、作業者の性質、熟練度の違いなど、色々ある。したがって、工程を解析する場合には、過去のデータを要因別に分類して調査しなければならない。このようにデータまたは母集団をいくつかの層に分けることを層別といい、その部分集団を層という。例えば、Ａ作業者とＢ作業者が造った製品のできばえの品質が、同じようなバラツキを持っているかどうかを調べるためには、Ａ作業者とＢ作業者の製品に他の製品が混じることのない状態で層別を行なわなければならない。 確率化の原則　工場でデータをとるのは、それによって工程やロットなどの母集団に適切なアクションをとるためであり、試料はその母集団を忠実に代表していなければならない。すなわち、試料を母集団から、かたよりなく、アトランダム（at random）に抜取ることが必要で、このように抜取ることをランダム?サンプリング（random sampling）という。品質管理用語では「ランダム?サンプリングとは、母集団を構成している単位体あるいは単位量などが、いずれも同じような確率でサンプル中に入るように、サンプリングすること」と定義している。データはランダム?サンプリングによって初めて確率の場にのる、すなわち、統計的な考え方の基本となる最も重要な原則である。 正規分布　偶然原因だけによる変動をしているデータの集まりであれば、このデータの分布は