管理図の見方と作り方｜工程管理のための統計的品質管理入門
生産ラインで不良品が続けて発生したとき、「なぜもっと早く気づけなかったのか」と悔やむことはないでしょうか。異常が可視化されていれば、問題が深刻化する前に手を打てるはずです。
管理図は、工程の状態をリアルタイムで監視し、「異常の予兆」を早期に検知するためのレーダーです。中心線と管理限界線の範囲を外れた点、あるいは管理限界内であっても特定のパターンを示す点を捉えることで、不良品の大量発生や重大事故の芽を早い段階で摘み取ることができます。統計的品質管理（SPC: Statistical Process Control）の中核を担うこのツールの見方・作り方を、基礎からしっかり理解しておきましょう。
管理図とは：UCL・CL・LCLの意味と管理状態の判定
管理図（Control Chart）は、時系列でプロットされたデータ点と3本の水平線で構成されるグラフです。3本の線にはそれぞれ次の意味があります。
| 記号 | 名称 | 意味 |
|---|---|---|
| UCL | 上方管理限界線（Upper Control Limit） | 偶然のばらつきの上限。この線を超えた点は異常のサイン |
| CL | 中心線（Center Line） | データの平均値。工程が安定しているときの基準線 |
| LCL | 下方管理限界線（Lower Control Limit） | 偶然のばらつきの下限。この線を下回った点も要注意 |
UCLとLCLは、工程が安定した状態で生じる「偶然のばらつき」の範囲を統計的に算出した線です。一般的には平均値（X̄）から±3σ（シグマ：標準偏差）の位置に引かれます。正規分布の性質上、安定した工程のデータは99.73%がこの範囲に収まるため、管理限界を外れた点が出たときは「偶然では説明できない何かが起きた」と判断できます。
「管理状態」と「管理外れ」の違い
工程のすべてのデータが管理限界内に収まり、かつランダムに分布している状態を「統計的管理状態（管理状態）」といいます。管理状態にある工程は安定して予測可能です。一方、管理限界を外れた点が現れたり、管理限界内でも一定のパターン（連・傾向・周期性）が見られたりする状態を「管理外れ」といい、異常原因の調査が必要です。
重要なのは、管理限界線は規格値（製品仕様の許容範囲）とは別物だという点です。管理限界は工程の「実力」から算出されるのに対し、規格値は顧客や設計が定める「要求値」です。工程の実力が規格を満たしているかどうかは、工程能力指数（Cp・Cpk）で別途評価します。
管理図の種類：Xbar-R管理図・p管理図・c管理図の使い分け
管理図にはさまざまな種類があり、データの性質と目的によって使い分けが必要です。大きく「計量値管理図」と「計数値管理図」に分類されます。
計量値管理図（連続するデータに使用）
Xbar-R管理図（平均値と範囲の管理図）
最も広く使われる管理図で、一定のサンプルサイズ（n=2〜10程度）から得た小集団の平均値（X̄）と、最大値と最小値の差である範囲（R）を同時に管理します。X̄管理図で工程平均の変化を、R管理図でばらつきの変化をそれぞれ監視するため、工程の「位置」と「散らばり」の両方を同時に把握できます。
寸法・重量・温度・硬度など連続値として測定できるデータに適しています。たとえば「部品の直径を5個ずつサンプリングして1時間ごとに測定する」といった使い方が典型的です。
X-Rs管理図（個々の値と移動範囲の管理図）
サンプルサイズを増やせない場合や、1回の計測に時間・コストがかかる場合に使用します。化学プロセスや長時間の試験が必要な検査など、データが1個ずつしか得られない場面に適しています。
計数値管理図（個数・件数データに使用）
p管理図（不良率の管理図）
検査したロットの中の不良品の割合（不良率）を管理します。サンプルサイズが毎回変わっても使用できるため、ロットサイズが一定でない場合にも対応できます。「1日の生産数に対する不良品の割合を毎日プロットする」用途に向いています。
c管理図（欠点数の管理図）
一定の単位（1枚・1個・1ロール）に含まれる欠点の数を管理します。布地のキズの数、塗装面のピンホール数、プリント基板のはんだ不良数など、1個の製品に複数の欠点が発生しうる場合に使用します。サンプルサイズが一定であることが前提条件です。
u管理図（単位あたり欠点数の管理図）
c管理図と同様に欠点数を管理しますが、サンプルサイズが変動する場合に対応したバリエーションです。
管理図の作り方：データ収集から管理限界算出・プロット・判定まで
ここではXbar-R管理図を例に、実際の作成手順を説明します。
ステップ1：データの収集と群分け
工程の特性値を一定間隔でサンプリングします。1つの群（サブグループ）のサンプルサイズは4〜5個が一般的です。まず予備データとして20〜25群分（100〜125個）のデータを収集します。サンプリング方法・測定方法・記録方法を標準化し、誰が測定しても同じ結果が得られるようにしておくことが重要です。
収集したデータは群ごとに次の値を計算します。
- 各群の平均値（X̄ᵢ）：群内データの合計 ÷ サンプルサイズ（n）
- 各群の範囲（Rᵢ）：群内の最大値 − 最小値
ステップ2：管理限界の算出
全群のX̄とRを使い、以下の値を求めます。
- 総平均（X̄̄）：全群のX̄の平均
- Rの平均（R̄）：全群のRの平均
管理限界線はR̄と係数表（A₂、D₃、D₄）を使って計算します。係数はサンプルサイズ（n）によって異なります（JIS Z 9020-2の付表参照）。
X̄管理図の管理限界
- UCL = X̄̄ + A₂ × R̄
- CL = X̄̄
- LCL = X̄̄ − A₂ × R̄
R管理図の管理限界
- UCL = D₄ × R̄
- CL = R̄
- LCL = D₃ × R̄（n≤6の場合はLCLが0以下になるため管理下限なし）
たとえばn=5の場合、A₂=0.577、D₃=0（管理下限なし）、D₄=2.115です。
ステップ3：管理図へのプロット
横軸に群番号（時系列）、縦軸に特性値を取り、中心線（CL）・管理上限線（UCL）・管理下限線（LCL）を水平に描きます。各群のX̄とRをそれぞれ打点し、点と点を線で結びます。
ステップ4：予備データの判定と本格運用開始
プロットした予備データに管理外れや明らかな異常パターンがないかを確認します。異常と判定された点があれば、その時点で記録されている特殊原因（設備の突発故障・材料ロット切り替えなど）を確認し、必要に応じてその群を除外して管理限界を再計算します。
管理状態が確認できたら、その管理限界線を基準として本格運用を開始します。以後、新しいデータをリアルタイムにプロットし続けることで工程の継続的な監視が可能になります。
異常判定のルール：JIS・西部電気の判定ルール8項目
管理限界線を外れた1点だけが異常のサインではありません。JIS Z 9020-2（シューハート管理図）の付録に記載された8つの判定ルールを組み合わせることで、より早期に異常の予兆を検出できます。これらは「西部電気（Western Electric）のルール」としても知られています。
判定ルールは管理限界をA・B・Cの3つの領域に分けて考えます。中心線からUCL/LCLに向けて、1σごとにC領域（±1σ以内）・B領域（±1σ〜±2σ）・A領域（±2σ〜±3σ）と呼びます。
| ルール | 判定条件 | 示唆される異常 |
|---|---|---|
| ルール1 | 管理限界の外側（A領域外）に1点以上 | 工程の大きな変化・突発的な異常 |
| ルール2 | 中心線の片側に連続して9点 | 工程平均の系統的なシフト |
| ルール3 | 連続する6点が単調増加または単調減少 | 工具の摩耗・設備の経年変化など傾向的変化 |
| ルール4 | 連続する14点が交互に増減（ジグザグ） | 2台の機械や2人の作業者が交互に稼働しているなどの構造的問題 |
| ルール5 | 連続する3点中2点がA領域（±2σ外側）に位置 | 工程の平均またはばらつきが大きくなっている予兆 |
| ルール6 | 連続する5点中4点がB領域（±1σ外側）に位置 | 工程平均の緩やかなシフト |
| ルール7 | 連続する15点がC領域（±1σ以内）に集中 | 測定システムの問題・データの改ざん・サンプリング誤り |
| ルール8 | 連続する8点が中心線をまたいでC領域に1点もない | 2つの異なる分布が混在している可能性 |
実運用ではすべてのルールを同時に適用するほど偽アラームが増えるため、工程の特性に応じて適用するルールを選択することが推奨されます。ルール1（管理限界外れ）とルール2（連の連続）は必須として、追加ルールは工程の性質に合わせて設計することが現実的です。
管理図とヒヤリハット：工程異常の予兆を安全管理に活かす
管理図は品質管理のツールですが、その考え方は安全管理とも深く連動します。品質異常の多くは、設備の不具合・材料の変質・作業手順の逸脱といった要因から生じます。こうした要因は、同時に労働災害のリスクにもつながります。
たとえば、R管理図（ばらつきの管理図）で「傾向あり」のパターンが検出された場合、設備の摩耗や劣化が進行しているサインである可能性があります。品質的には「まだ規格内」であっても、そのまま放置すれば突発的な機械故障や、それに伴うオペレーターの接触事故を引き起こすリスクがあります。管理図の異常シグナルを設備点検のトリガーとして活用することで、安全確保と品質維持を同時に実現できます。
ヒヤリハットとの連動が鍵
現場でヒヤリハット（ニアミス）が報告されたとき、「そのとき管理図はどのような状態だったか」を照合することで、品質異常と安全インシデントの因果関係を明らかにできます。逆に、管理図に異常パターンが現れた直後の期間にヒヤリハットが集中していないかを確認することも有効です。
この「品質管理図データ×安全インシデントデータ」の横断分析は、従来は担当者の経験に頼った属人的な作業でした。しかしAIを活用したプラットフォームであれば、両方のデータを統合してパターンを自動検出し、根本原因の仮説を提示することが可能になっています。
AI根本原因分析との組み合わせ
管理図で「異常あり」と判定したあと、次の問いは「なぜ異常が起きたのか」です。5Why分析（なぜなぜ分析）やフィッシュボーンダイアグラムを使って根本原因を掘り下げていくプロセスは、品質管理の中でも最も知識と経験を要する部分です。WhyTrace Plus は、工程データを取り込んでAIが根本原因の候補を自動提示し、なぜなぜ分析ツリーの作成から是正処置の管理までをワンストップで支援します。管理図での検知後の原因分析を効率化したい製造現場の方は、ぜひ活用を検討してみてください。
まとめ
管理図は、工程の「今の状態」を客観的なデータで可視化し、異常を早期に検知するための統計的品質管理の基本ツールです。本記事の要点を整理します。
- 管理図の構成要素：UCL（上方管理限界）・CL（中心線）・LCL（下方管理限界）の3本の線でデータを評価します。管理限界は工程実力から算出するもので、規格値とは別物です。
- 管理図の種類：計量値にはXbar-R管理図、不良率にはp管理図、欠点数にはc管理図を使い分けます。
- 作成手順：20〜25群の予備データ収集 → 群の平均・範囲を計算 → 係数表を使って管理限界を算出 → プロット → 異常判定 → 本格運用という流れです。
- 異常判定ルール：管理限界外れ（ルール1）だけでなく、連・傾向・周期性など8つのパターンを組み合わせることで、より早期に予兆を捉えられます。
- 安全管理との連動：管理図の異常シグナルは品質だけでなく設備劣化・安全リスクの予兆でもあります。ヒヤリハットデータとの横断分析により、より深い洞察が得られます。
管理図による監視と、検知後の根本原因分析を組み合わせることで、「発生してから対処する」から「予兆を捉えて予防する」品質管理への転換が実現します。デジタルツールを活用してこのサイクルを加速させることが、これからの製造現場の競争力を左右します。
関連サービス
原因分析・品質改善の知見を広げるために、姉妹サービスの関連記事もご活用ください。
- なぜなぜ分析の完全ガイド（GenbaCompass）
- QC7つ道具とナレッジ管理（know-howAI）
- なぜなぜ分析の知見をナレッジベースに蓄積（know-howAI）