品質管理2026/3/2411分で読めます

特性要因図（フィッシュボーンダイアグラム）の書き方と実践例

特性要因図フィッシュボーン4M5M1E品質管理QC7つ道具原因分析製造業

製造現場で品質不良が発生したとき、「原因らしきものはいくつか思い当たるが、整理できない」という状況に陥ることがあります。思いついた原因を箇条書きにするだけでは、重要な要因を見落としたり、同じ議論を繰り返したりしがちです。そこで力を発揮するのが特性要因図です。問題の原因を魚の骨状に「見える化」するこのツールは、1956年の考案以来、製造業を中心に世界中の品質管理現場で使われ続けています。この記事では、特性要因図の基本から書き方の5ステップ、4M・5M1Eとの組み合わせ、製品不良の実践例、そしてなぜなぜ分析との使い分けまで、実務に直結する形で解説します。

特性要因図とは

特性要因図（英語名：Cause and Effect Diagram、またはIshikawa Diagram）は、1956年に東京大学の石川馨教授が考案した原因分析のフレームワークです。問題（特性）に対して影響を与える要因を、魚の骨に見立てた図で整理することから「フィッシュボーンダイアグラム」とも呼ばれます。

「特性」とは分析したい問題や結果のことです。「製品の不良率が上昇した」「クレームが増えた」といった現象を指します。「要因」は、その特性に影響を与える可能性のある原因候補の総称です。特性要因図は、この特性と要因の関係を大骨・中骨・小骨という階層構造で整理し、チームで原因を網羅的に洗い出すためのツールです。

特性要因図は「QC7つ道具」のひとつとして位置づけられており、パレート図・ヒストグラム・管理図・散布図・チェックシート・層別とともに、品質管理の基本ツールとして広く普及しています。

特性要因図の主な特徴は3点です。

網羅性の高さ: 大骨として設定した分類カテゴリ（4Mや5M1Eなど）に沿って要因を洗い出すため、特定の視点に偏らず、幅広い原因候補を列挙できます。

チームでの共同作業に向いている: 図を見ながら議論できるため、複数人が持つ異なる知見や現場情報を一枚の図に集約できます。

推測ベースでの検討が可能: なぜなぜ分析が「事実の因果関係」を追うのに対し、特性要因図は「考えられる要因の候補」を幅広く出すことを目的とするため、現時点で確証がない推測も書き込むことができます。これにより、見落としのリスクを下げることができます。

書き方の5ステップ

特性要因図の作成は、以下の5つのステップで進めます。

ステップ1：特性（問題）を決める

まず、分析したい問題を一言で明確に定義します。「製品Aの外観不良率が先月比で3倍になった」のように、具体的かつ測定可能な形で記述することが重要です。「品質が悪い」のような漠然とした表現では、後の要因洗い出しが拡散してしまいます。

特性が決まったら、図の右端（魚の頭）にあたる部分に四角で囲んで記入し、そこに向かって右から左に水平な矢印（背骨）を引きます。

ステップ2：大骨を引く

背骨に向けて斜めに枝（大骨）を引き、要因の大分類を書き込みます。大骨は「どの視点から原因を探るか」を決める枠組みです。製造業では後述する4Mや5M1Eが標準的な分類として使われます。大骨の数は4〜6本程度が扱いやすい範囲です。

ステップ3：中骨を引く

各大骨から枝分かれする形で中骨を引きます。中骨には、大骨の分類に属する具体的な要因を書き込みます。たとえば大骨が「Machine（機械）」なら、中骨として「チャックの摩耗」「センサーの誤検知」「潤滑油の不足」などが挙げられます。

ステップ4：小骨を引く

中骨からさらに枝分かれする形で小骨を引き、中骨の原因をより具体的に掘り下げます。「チャックの摩耗」であれば、「点検頻度が月次のみ」「交換基準が不明確」などが小骨にあたります。小骨まで書き込むことで、実際の対策に結びつく粒度の原因を特定できます。

ステップ5：要因の絞り込み

特性要因図は要因の「洗い出し」が目的であり、書き込んだ全ての要因が真の原因とは限りません。最後のステップでは、チームで議論しながら「最も特性に影響を与えている可能性が高い要因」に印（丸印や星印など）をつけて絞り込みます。複数の大骨に同じような小骨が見つかった場合は、その要因が根本原因に近い可能性が高いため、優先的にマークします。

この絞り込んだ要因を起点にして、次のステップでなぜなぜ分析を行うと、根本原因への到達が効率的になります。

なぜなぜ分析をAIで体験してみよう

ここまでの解説を踏まえて、AIによるなぜなぜ分析を体験してみましょう。事象を入力するだけで、AIが自動的に原因を深掘りします。

なぜなぜ分析 AI体験ツール

事象を入力するだけで、AIが原因を自動分析

業界別のサンプル事象を選ぶか、自由に入力してください。

または

4M・5M1Eとの組み合わせ

特性要因図の大骨をどう設定するかは、分析の網羅性を左右します。ここで有効なのが、4Mや5M1Eといったフレームワークを大骨の分類として活用することです。

4M：製造業の標準的な分類

4Mとは「Man（人）」「Machine（機械）」「Material（材料）」「Method（方法）」の頭文字です。製造業のQC活動において最も広く使われている原因分類の枠組みで、シンプルで理解しやすく、現場作業者も参加しやすいのが特長です。

Man（人）: 作業者のスキル・経験・体調・教育訓練の状況
Machine（機械）: 設備の稼働状態・保全履歴・経年劣化・校正状態
Material（材料）: 原材料のロット間ばらつき・受入検査結果・保管条件
Method（方法）: 作業標準書の内容・手順の遵守状況・工程条件の変更履歴

4Mを大骨として設定することで、これら4つの視点から漏れなく要因を洗い出せます。

5M1E：より網羅性を高めたい場合

5M1Eは4Mに「Measurement（測定・検査）」と「Environment（環境）」を加えた拡張版です。

Measurement（測定・検査）: 測定器の精度・校正状態・検査方法の妥当性・検査基準の適切性
Environment（環境）: 温度・湿度・振動・照明・清浄度など製造環境の変動

4Mで原因が特定できないとき、または重大な品質問題でより広い視点から分析したいときは5M1Eへ拡張するのが有効です。ISO 9001などの品質マネジメントシステムに対応した是正処置記録を作成する場合にも、5M1Eの網羅性が役立ちます。

WhyTrace Plusで4M・5M1Eを即座に活用

WhyTrace Plusは、4M・5M1E・SHELL・SRE・カスタムフレームワークの5種類をあらかじめ搭載したAI根本原因分析プラットフォームです。フレームワークを選択するだけで大骨の分類が自動的に設定され、AIが5Whyの深掘りをサポートします。ReactFlowによるツリー可視化で、チーム全員が分析の全体像をリアルタイムで共有できます。

WhyTrace Plusで原因分析を効率化する →

実践例：製品不良の原因分析

ここでは、製造業における具体的な事例を使って特性要因図の作成プロセスを確認します。

事例：金属部品の塗装剥離不良

特性（問題）: 金属部品の塗装工程において、出荷検査での剥離不良率が先月の0.3%から1.8%に上昇した。

この問題に対して、5M1Eを大骨とした特性要因図を作成します。

Man（人）

塗装担当の作業者2名が先月から新人に交代
塗装前の脱脂処理のチェックが属人化している
作業手順書を読んで理解したかどうかの確認テストが未実施

Machine（機械）

塗装ブースの排気ファンの吸引力が低下している可能性
スプレーガンのノズルが1本、3ヶ月以上未交換
乾燥炉の温度センサーの直近の校正記録がない

Material（材料）

塗料のロットが先月から切り替わっている
新ロットの希釈率が従来と同一条件で管理されている
下地処理剤の有効期限の管理が書面で確認できていない

Method（方法）

脱脂処理の溶剤交換頻度の基準が作業標準書に明記されていない
スプレーガンの移動速度と距離に個人差がある
乾燥後の冷却時間が工程によってばらついている

Measurement（測定・検査）

剥離検査のクロスカット試験の評価基準が担当者間で統一されていない
塗膜厚さの測定を全数ではなくサンプリングで行っており、抜け漏れの可能性

Environment（環境）

工場内の湿度が先月から季節の変わり目で上昇傾向にある
塗装ブース隣接の溶接工程から発生する煤が侵入している可能性

チームでの議論の結果、以下の要因に印をつけました。

作業者の交代（Man）
塗料ロットの切り替えと希釈率の未見直し（Material）
乾燥炉の温度センサーの未校正（Machine / Measurement）
工場内湿度の上昇（Environment）

特に「塗料ロット切り替え後の希釈率を見直していない」という要因と「湿度上昇」の複合が、剥離不良率の急増に最も影響していると判断し、この2点を起点にしてなぜなぜ分析を実施しました。その結果、「ロット変更時の再確認プロセスが手順書に定められていない」という根本原因に到達し、手順書の改訂と変更時の確認チェックリストの整備を対策として実施しました。

なぜなぜ分析との違いと使い分け

特性要因図となぜなぜ分析は、どちらも根本原因分析のツールとして現場で使われますが、目的と性質が異なります。両者の違いを理解した上で使い分けることが、分析の精度を高める鍵です。

違い：広さと深さ

特性要因図は「横に広く」探るツールです。チームブレインストーミングを通じて、考えられる原因の候補を網羅的に洗い出すことを目的とします。推測も含めて書き込めるため、見落としを防ぐことができます。図の完成時点では、「どれが真の原因か」はまだ確定していません。

なぜなぜ分析は「縦に深く」掘るツールです。ひとつの問題に対して「なぜ？」を繰り返し（通常5回）、表面的な原因から根本原因まで連鎖的に追います。事実に基づいた因果関係を一本の線でつなぐため、分析の精度は高い反面、出発点の選択を誤ると根本原因に辿り着けないリスクがあります。

使い分け：特性要因図 → なぜなぜ分析の順が効果的

実務での推奨フローは、最初に特性要因図で原因の候補を広く洗い出し、絞り込んだ重要要因に対してなぜなぜ分析で深掘りするという順番です。

なぜなぜ分析だけを最初から始めると、出発点の選び方によって分析の方向性が偏り、重要な要因を見落とす可能性があります。特性要因図で全体像を俯瞰した後になぜなぜ分析に進むことで、「掘るべき場所を正しく選んでから深く掘る」という理想的な分析プロセスが実現できます。

比較項目	特性要因図	なぜなぜ分析
分析の方向	横に広く（網羅的）	縦に深く（連鎖的）
出発点	問題（特性）	問題または要因
記入内容	推測を含む要因候補	事実に基づく原因
完成イメージ	樹状の要因マップ	一本の因果チェーン
向いている場面	要因の洗い出し・初期分析	根本原因の特定・再発防止
チームサイズ	複数人（多いほど有効）	少人数でも可能

まとめ

特性要因図は、問題の原因を「見える化」するためのシンプルかつ強力なツールです。5つのステップ（特性の決定→大骨→中骨→小骨→要因の絞り込み）に沿って作成し、4Mや5M1Eのフレームワークを大骨として活用することで、網羅性の高い原因分析が実現できます。

重要なのは、特性要因図は「原因の候補を出し切る」フェーズのツールであり、絞り込んだ要因を起点にしてなぜなぜ分析で深掘りすることで、初めて根本原因への到達が可能になるという点です。この2つのツールを組み合わせることで、「再発しない対策」を立案できます。

製造現場では、特性要因図の作成・共有・保管をデジタル化することで、過去の分析事例をナレッジとして蓄積し、類似不良への水平展開を効率化できます。特性要因図の作成からなぜなぜ分析の深掘り、対策管理までを一元化したい方は、WhyTrace Plusのご活用をご検討ください。

WhyTrace Plusで原因分析を始める →

参考資料