MENU

特性要因図で失敗しやすいポイント|よくある間違いと改善策

特性要因図は、問題や結果として現れている「特性」を右側に置き、その原因候補を大分類から枝分かれさせて整理する方法です。原因を思いつきで1つに決めず、複数の観点から広げられるのが強みです。

一方で、実務では「魚の骨の形を作ればよい」と考えてしまい、特性が曖昧なまま始めたり、4Mを機械的に当てはめたり、図に書いた要因を原因確定扱いしたりする失敗が起きやすくなります。

この記事では、特性要因図で起きやすい失敗を、具体的な失敗場面、原因、改善前後、改善後の状態、チェックポイントまで含めて解説します。基本的な意味から確認したい場合は、特性要因図とは?意味・使い方・具体例を参照してください。

目次

特性要因図で失敗しやすいのは「図を完成させること」が目的になったとき

特性要因図の目的は、きれいな魚骨図を作ることではありません。

重要なのは、

  • 特性を具体的に定義する
  • 問題に合う大骨を使う
  • 要因を中骨・小骨へ具体化する
  • 人だけに原因を寄せない
  • 事実と仮説を分ける
  • 重要要因候補へ優先順位を付ける
  • 現場データで検証する
  • 対策後に同じ指標で再確認する

ことです。

具体的な作り方は、特性要因図のやり方でも確認できます。

失敗1:特性が曖昧なまま始める

失敗場面

会議で右端に「品質が悪い」とだけ書き、原因候補を出し始めました。

すると、外観不良、納期、顧客クレーム、作業ミスなど、別の問題が同じ図に混ざりました。

原因

対象、期間、指標、現状、目標を決めずに原因を考えているためです。

改善前

「品質が悪い」

改善後

「直近1か月、製品Aの出荷前検査で外観キズ不良が1000個あたり12件発生し、目標5件以下を上回っている」

と具体化します。

改善後の状態

何について原因を考えるかが揃い、無関係な要因が混ざりにくくなります。

チェックポイント

  • 対象が明確か
  • 期間が明確か
  • 指標や現状値があるか
  • 必要なら目標値や正常状態を示しているか

失敗2:4M・5M・6Mを固定テンプレートとして使う

失敗場面

問い合わせ対応時間の長期化を分析する際に、製造現場向けの「人・機械・方法・材料」をそのまま大骨にしました。

「材料」に何を書くか迷い、逆に重要だった「承認」や「情報」が抜けました。

原因

分類名を守ることが目的になり、問題に合う切り口へ調整していないためです。

改善前

「どんな問題でも4Mで分類する」

改善後

問い合わせ対応なら、

  • 人
  • 手順
  • システム
  • 情報
  • 顧客条件
  • 承認

のように業務に合わせます。

改善後の状態

原因候補を出しやすくなり、業務固有の重要な観点が抜けにくくなります。

チェックポイント

  • 今回の問題に本当に合う分類か
  • 書きにくい大骨を無理に残していないか
  • 業務固有の観点が抜けていないか

失敗3:人に原因を寄せすぎる

失敗場面

外観キズ不良について、

  • 新任者の注意不足
  • ベテランの確認不足
  • 作業者の意識不足

と、人に関する要因ばかり並びました。

原因

目につきやすい人の行動だけを見て、手順、設備、情報、環境などの条件を見ていないためです。

改善前

「注意不足が原因」

改善後

たとえば、

  • 仮置き位置が明示されていない
  • 搬送箱の仕切りが不足している
  • 作業台表面が傷んでいる
  • 手袋交換基準が曖昧

など、人の行動を生む条件へ広げます。

改善後の状態

「注意する」だけで終わらず、仕組みや環境を変える対策につながりやすくなります。

チェックポイント

  • 人以外の大骨からも要因を出したか
  • 「注意不足」「意識不足」で止まっていないか
  • 行動を生む手順・設備・情報条件を見たか

失敗4:要因を抽象語で止める

失敗場面

中骨に、

  • 管理不足
  • 教育不足
  • 連携不足
  • 確認不足

と書きました。

しかし、何を確認すればその要因が正しいか分かりませんでした。

原因

評価語を具体的な状態や行動へ分解していないためです。

改善前

「教育不足」

改善後

「新任者向けの実地訓練が1回のみで、合格基準を使った確認がない」

のように、観測できる状態へ変えます。

改善後の状態

必要データと対策が具体化します。

チェックポイント

  • その要因を現場で観察できるか
  • 正しいかどうかをデータで確認できるか
  • 具体的な対策を想像できるレベルか

失敗5:枝を増やしすぎる

失敗場面

原因を漏らしたくないため、大骨6本、中骨40本、小骨100本以上まで書きました。

図は埋まりましたが、どこから確認するか決められませんでした。

原因

「多く出すほど良い」と考え、発散後の絞り込みを設計していないためです。

改善前

「思いつく限り全部書き、全部調べる」

改善後

発散後に、

  • 影響度
  • 発生頻度
  • 確認容易性
  • 現場観察のしやすさ
  • 改善可能性

で重要要因候補を絞ります。

改善後の状態

図が検証計画へつながり、調査の優先順位が明確になります。

チェックポイント

  • 発散後に絞り込みを行ったか
  • 全要因を同じ優先度で扱っていないか
  • まず確認する3〜5候補を決めたか

失敗6:図に書いた要因を原因確定扱いする

失敗場面

「新任者の経験不足」を図に書いた後、データを確認せず、教育強化を決めました。

しかし実際には、新任者と熟練者で不良率に大きな差はありませんでした。

原因

特性要因図を「原因を証明する図」だと誤解しているためです。

改善前

「図に書いた=原因」

改善後

図に書いた内容を「要因仮説」として扱い、現場データで検証します。

外観キズ不良なら、作業者別不良率、搬送箱の仕切り枚数、接触痕、作業台の状態などを比較します。

改善後の状態

思い込みによる対策を減らし、実際の影響が大きい要因へ集中できます。

チェックポイント

  • 確認済み事実と未確認仮説を分けたか
  • 仮説を反証するデータも見たか
  • データ確認前に対策を決めていないか

失敗7:検証する要因に優先順位を付けない

失敗場面

10個以上の要因候補を出した後、担当者ごとに同時に調査を始めました。

結果として、影響の小さい要因にも多くの時間を使いました。

原因

重要度と確認容易性を使って検証順序を決めていないためです。

改善前

「出した要因を全部確認する」

改善後

たとえば、

  • 仕切り板不足:影響度高、確認容易性高
  • 作業台の傷み:影響度中、確認容易性高
  • 新任者の経験不足:影響度中、確認容易性中

のように整理し、優先順位を付けます。

改善後の状態

短時間で重要要因を絞りやすくなります。

チェックポイント

  • 影響度を見たか
  • 確認しやすさを見たか
  • 最初に確認する候補を明確にしたか

失敗8:対策後に同じ指標で再確認しない

失敗場面

特性要因図から仕切り板不足を重要要因と判断し、仕切り板を増やしました。

その後、「対策済み」として終了し、外観キズ不良率を再確認しませんでした。

原因

特性要因図を一度きりの原因分析資料として扱っているためです。

改善前

「原因候補を絞って対策したら終了」

改善後

対策前後で、

  • 同じ対象
  • 同じ期間長
  • 同じ指標
  • 同じ判定ルール

を使って比較します。

たとえば、外観キズ不良が1000個あたり12件から6件へ下がったか確認します。

改善後の状態

対策が本当に効いたかを確認し、必要なら次の要因へ進めます。

チェックポイント

  • 再確認日を決めたか
  • 対策前後で同じ指標を使っているか
  • 改善しなかった場合の次候補を決めているか

通し例|「新任者が原因」と決めつけた分析を改善する

改善前

直近1か月、製品Aの外観キズ不良が1000個あたり12件まで増えました。

同じ時期に新任者が3名増えていたため、会議では、

「新任者の経験不足が原因だろう」

という意見が強くなりました。

そのまま追加教育を実施する案が出ましたが、作業者別不良率は確認していませんでした。

何が問題だったか

  • 目立つ事実に引っ張られている
  • 人以外の観点を十分に見ていない
  • 要因仮説を原因確定扱いしている
  • 検証前に対策を決めている

という問題がありました。

改善後1:特性を明確にする

「直近1か月、製品Aの出荷前検査で外観キズ不良が1000個あたり12件発生し、目標5件以下を上回っている」

としました。

改善後2:大骨を広げる

  • 人
  • 方法
  • 設備
  • 材料
  • 環境

で原因候補を出しました。

改善後3:重要要因候補を絞る

  • 新任者の経験不足
  • 搬送箱の仕切り板不足
  • 作業台表面の傷み

を優先しました。

改善後4:現場データで検証する

外観キズ不良120件を確認すると、

  • 搬送箱内の接触痕:67件
  • 作業台との接触痕:21件
  • 保護フィルム剥がれ:14件
  • 原因特定できず:18件

でした。

さらに、仕切り板が規定枚数未満の箱でキズ率が高いことが分かりました。

一方、新任者と熟練者の不良率には大きな差がありませんでした。

改善後5:要因仮説を更新する

「新任者の経験不足」は優先度を下げ、

「仕切り板不足による製品同士の接触」

を最優先としました。

改善後6:対策する

  • 仕切り板の必要枚数を標準化
  • 補充場所を作業エリア内へ変更
  • 搬送箱の使用前チェックを追加
  • 1箱あたり収納数の上限を設定

しました。

改善後7:再確認する

次の1か月、同じ指標で確認すると、外観キズ不良が1000個あたり12件から6件へ低下しました。

改善後の状態

「人が原因」という思い込みから、原因候補を広げ、データで重要要因を絞り、対策後に効果確認する分析へ変わりました。

より多くの適用例は、特性要因図の具体例で確認できます。

失敗を避けるための実務チェックリスト

  • 特性が具体的
  • 対象・期間・指標が明確
  • 大骨が業務に合っている
  • 4M・5M・6Mを固定適用していない
  • 人以外の要因も十分に出している
  • 抽象語で止めていない
  • 中骨・小骨まで具体化している
  • 確認済み事実と要因仮説を分けている
  • 枝を増やしすぎていない
  • 検証候補に優先順位を付けている
  • 反証データも確認している
  • データ確認前に原因確定していない
  • 対策後に同じ指標で再確認する

記録用には、特性要因図テンプレートを使うと、特性、大骨、中骨・小骨、事実と仮説、検証結果、重要要因、対策まで一続きで整理できます。

他のフレームワークと混同しない

特性要因図は、1つの問題に対して原因候補を広く洗い出し、構造的に整理するのに向いています。

一方、MECEは論点の抜け・重複を減らす考え方、ロジックツリーは原因や打ち手を階層的に分解する方法です。

違いを整理したい場合は、MECEと特性要因図の違い、ロジックツリーと特性要因図の違い、MECE・ロジックツリー・特性要因図の使い分けを参考にしてください。

生成AIを使う場合の注意点

生成AIは、大骨候補、要因候補、抽象的な要因の具体化、抜けている観点、検証データ候補を出す補助に使えます。

ただし、AIが出した要因は事実ではありません。もっともらしい原因候補でも、現場では成立しないことがあります。

AIに任せやすいこと:

  • 大骨候補を広げる
  • 要因候補を増やす
  • 抽象語を具体化する
  • 抜けている観点を指摘する
  • 検証データ候補を整理する

人が判断すること:

  • 特性の定義
  • 大骨の採否
  • 現場事実の確認
  • 重要要因の優先順位
  • 仮説の採用・棄却
  • 最終的な対策

具体的な使い方は、生成AIで特性要因図を使う方法で解説します。

まとめ|特性要因図は「原因を決める図」ではなく「原因候補を広げて検証する図」

特性要因図で起きやすい失敗は、特性が曖昧、4M等を固定適用、人に原因を寄せすぎる、抽象語で止める、枝を増やしすぎる、図に書いた要因を原因確定扱いする、検証優先順位なし、対策後に再確認しない、といったものです。

これらを避けるには、問題を具体化し、業務に合う大骨で原因候補を広げ、重要な要因を中骨・小骨まで具体化し、事実と仮説を分け、現場データで優先要因を検証することが重要です。

特性要因図の価値は、原因候補をたくさん書くことではありません。思い込みを減らし、検証すべき要因を構造的に整理し、対策後の結果まで確認できる状態を作ることにあります。

よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!
目次