MENU

特性要因図テンプレート|そのまま使える項目例と書き方

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。魚の骨のような形になるため、フィッシュボーン図や魚骨図とも呼ばれます。

実務では、原因を頭の中だけで考えると、思いつきや個人の経験に偏りやすくなります。そこで、特性、大骨、中骨・小骨、事実と仮説、重要要因、検証方法、検証結果、対策、再確認まで一続きで記録できるテンプレートにすると、原因候補の発散から検証、改善まで進めやすくなります。

この記事では、そのままコピーして使える特性要因図テンプレート、各欄の書き方、外観キズ不良を題材にした記入済み具体例、良い例・悪い例、会議用簡易版までまとめます。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

そのまま使える特性要因図テンプレート

以下をコピーして、製造不良、納期遅延、問い合わせ対応時間、業務ミス、クレーム増加などの原因整理に使えます。

基本情報

  • 分析テーマ:
  • 対象業務・製品・工程:
  • 対象期間:
  • 分析担当者:
  • 判断期限:
  • 最終的に決めたいこと:

特性

  • 起きている問題:
  • 指標:
  • 現在値:
  • 目標値・正常状態:
  • 問題が起きている場所・工程:

大骨の分類

問題に合う大分類を設定します。

  • 大骨1:
  • 大骨2:
  • 大骨3:
  • 大骨4:
  • 大骨5:
  • 大骨6:

大骨ごとの要因候補

大骨1:

  • 中骨候補A:
  • 中骨候補B:
  • 中骨候補C:

大骨2:

  • 中骨候補A:
  • 中骨候補B:
  • 中骨候補C:

大骨3:

  • 中骨候補A:
  • 中骨候補B:
  • 中骨候補C:

必要に応じて追加します。

中骨・小骨への深掘り

要因候補ごとに、さらに「なぜ起きるか」を分けます。

要因候補:

  • 小骨1:
  • 小骨2:
  • 小骨3:
  • さらに確認したい条件:

事実と仮説の区別

  • 確認済みの事実:
  • 未確認の要因仮説:
  • 仮説を裏付ける可能性のあるデータ:
  • 反証になりうるデータ:

重要要因候補

  • 候補1:
  • 影響度:高 / 中 / 低
  • 確認容易性:高 / 中 / 低
  • 優先理由:
  • 候補2:
  • 影響度:高 / 中 / 低
  • 確認容易性:高 / 中 / 低
  • 優先理由:

検証方法

  • 確認するデータ:
  • 現場観察の方法:
  • 比較対象:
  • 判定基準:
  • 担当者:
  • 期限:

検証結果

  • 実際に確認した内容:
  • 結果:
  • 仮説を支持 / 反証 / 判断保留:
  • 判断理由:

重要要因

  • 最終的に重要と判断した要因:
  • 判断根拠:
  • 他の要因を優先しなかった理由:

対策

  • 実施する対策:
  • 担当者:
  • 実施期限:
  • 期待効果:

再確認

  • 再確認日:
  • 同じ指標で比較する項目:
  • 対策前:
  • 対策後:
  • 目標達成状況:
  • 次のアクション:

各欄の書き方

特性は具体的な問題として書く

悪い例:

「品質が悪い」

良い例:

「直近1か月の出荷前検査で、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」

良い例では、対象、期間、指標、現状、目標が分かります。

特性が曖昧だと、原因候補も曖昧になります。

大骨は問題に合う分類を使う

製造現場では、

  • 人
  • 方法
  • 機械・設備
  • 材料
  • 測定
  • 環境

などが使われます。

一方、サービス業務なら、

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

のように変えて構いません。

4Mや5M、6Mをそのまま使うことより、今回の問題で原因候補を出しやすい分類になっていることが重要です。

中骨は「原因候補」、小骨はさらに具体的な条件にする

たとえば、

中骨:搬送時に製品同士が接触する

小骨:

  • 1箱あたり収納数が多い
  • 仕切り板が足りない
  • 搬送距離が長い
  • 急いで箱詰めする時間帯がある

のように深掘りします。

「人」の要因を抽象語で止めない

悪い例:

「注意不足」

良い例:

「作業手順の確認項目が多く、検査直前のチェックが抜けやすい」

抽象語で止まると、「注意する」という対策になりやすいためです。

事実と仮説を分ける

事実:

「新任者が3名増えた」

仮説:

「新任者が増えたため外観キズ不良が増えたのではないか」

図に書いた時点では、多くの項目は原因候補にすぎません。

重要要因候補は全部同じ優先度にしない

候補が多い場合は、

  • 影響が大きそうか
  • 発生頻度が高そうか
  • 確認しやすいか
  • 現場で観察できるか
  • 改善可能性があるか

で優先順位を付けます。

具体的な進め方は、特性要因図のやり方で詳しく解説しています。

記入済み具体例|外観キズ不良を分析する

基本情報

  • 分析テーマ:出荷前検査の外観キズ不良増加
  • 対象:製品Aの最終工程
  • 対象期間:直近1か月
  • 判断期限:今週金曜日
  • 最終的に決めたいこと:優先して改善する原因候補

特性

「直近1か月の出荷前検査で、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」

大骨

  • 人
  • 方法
  • 設備
  • 材料
  • 環境

人

  • 持ち方がばらつく
  • 新任者の作業経験が少ない
  • 手袋交換が遅い

方法

  • 搬送時に製品同士が接触する
  • 仮置き方法が不統一
  • 箱詰め順序が一定でない

設備

  • 搬送治具にバリがある
  • 作業台表面が傷んでいる
  • 搬送箱の仕切りが不足している

材料

  • 保護フィルムが剥がれやすい
  • 梱包材の硬さが不適切

環境

  • 仮置き場所が混雑する
  • 繁忙時間帯に作業スペースが狭くなる

中骨・小骨の深掘り

中骨:搬送時に製品同士が接触する

小骨:

  • 1箱あたりの収納数が多い
  • 仕切り板が足りない
  • 搬送距離が長い
  • 急いで箱詰めする時間帯がある

さらに「仕切り板が足りない」を、

  • 必要枚数の基準が曖昧
  • 交換ルールがない
  • 補充場所が遠い

まで分けました。

事実と仮説

確認済みの事実:

  • 外観キズ不良は1000個あたり12件
  • 新任者が3名増えている
  • 一部の搬送箱で仕切り板の枚数が規定未満

未確認の仮説:

  • 新任者の作業経験不足がキズ増加に影響している
  • 仕切り板不足で製品同士が接触している
  • 作業台表面の傷みがキズに影響している

重要要因候補

候補1:仕切り板不足

  • 影響度:高
  • 確認容易性:高
  • 優先理由:搬送時の接触痕が多く、箱ごとの比較ができるため

候補2:作業台表面の傷み

  • 影響度:中
  • 確認容易性:高
  • 優先理由:現場観察ですぐ確認できるため

候補3:新任者の経験不足

  • 影響度:中
  • 確認容易性:中
  • 優先理由:作業者別不良率で比較できるため

検証方法

  • 外観キズ不良120件の接触痕を分類する
  • 仕切り板が規定枚数以上の箱と未満の箱でキズ率を比較する
  • 新任者と熟練者の不良率を比較する
  • 作業台の傷み箇所とキズ位置を照合する

検証結果

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は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。

重要要因の判断

最優先の重要要因として、

「仕切り板不足による製品同士の接触」

を選びました。

新任者の経験不足は、データ上の差が小さかったため優先度を下げました。

対策

  • 仕切り板の必要枚数を標準書へ明記
  • 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

再確認

次の1か月も同じ指標で確認しました。

外観キズ不良が1000個あたり12件から6件へ低下したとします。

この結果から、仕切り板不足への対策が有効だった可能性が高いと判断できます。

この例のポイントは、特性要因図に書いたすべての項目を原因扱いせず、検証で優先要因を絞ったことです。

より多くの活用イメージは、特性要因図の具体例で確認できます。

良い記入と悪い記入の比較

特性

悪い例:

「品質が悪い」

良い例:

「直近1か月、製品Aの外観キズ不良が1000個あたり12件で、目標5件以下を上回っている」

大骨

悪い例:

「人 / 品質 / 原因 / 現場」

良い例:

「人 / 方法 / 設備 / 材料 / 環境」

要因

悪い例:

「注意不足」

良い例:

「仮置き位置が明示されておらず、製品同士が接触しやすい」

事実と仮説

悪い例:

「新任者が原因」

良い例:

「新任者が3名増えたのは事実。新任者の不良率が高いかは未確認」

検証

悪い例:

「現場を見て判断する」

良い例:

「仕切り板規定枚数以上/未満の箱で、1000個あたりキズ件数を比較する」

対策

悪い例:

「注意する」

良い例:

「仕切り板の必要枚数を標準化し、作業エリア内に補充場所を設け、使用前チェックを追加する」

良い記入は、第三者が「何を確認し、なぜその要因を重視し、次に何をするか」を追える点が共通しています。

会議用の簡易テンプレート

60〜90分程度の原因分析会議なら、次の簡易版でも使えます。

  • 特性:
  • 現状値:
  • 目標値:
  • 大骨1:
  • 要因候補:
  • 大骨2:
  • 要因候補:
  • 大骨3:
  • 要因候補:
  • 優先候補1:
  • 優先候補2:
  • 確認済み事実:
  • 未確認仮説:
  • 最初に確認するデータ:
  • 検証担当:
  • 期限:
  • 次回判断:

会議の目的は、図を完成させることではありません。原因候補を広げ、どの仮説を最初に検証するか決めることです。

テンプレートを使うときの注意点

4M・5M・6Mを固定的に使わない

業務に合わない分類では、重要な原因候補が出にくくなります。

人に原因を寄せすぎない

「注意不足」「経験不足」で止めず、手順、設備、情報、環境の条件まで確認します。

図に書いた要因を原因確定扱いしない

特性要因図は原因候補を整理する道具です。現場データで検証します。

中骨・小骨を細かくしすぎない

最初から大量に枝を増やすのではなく、重要そうな要因から深掘りします。

検証して終わらない

重要要因を絞ったら、対策と再確認まで進めます。

よくある失敗と改善策は、特性要因図で失敗しやすいポイントで詳しく解説しています。

他のフレームワークと使い分ける場合

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。

論点の抜け・重複を減らしたい場合はMECE、原因や打ち手を階層的に分解したい場合はロジックツリーが向いています。

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

生成AIは、大骨の分類候補、各分類の要因候補、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。現場の実情、元データの正確性、重要要因の優先順位、最終判断は人が確認する必要があります。

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

特性要因図テンプレートは、魚骨図の形を作るためだけのフォーマットではありません。

特性、大骨、中骨・小骨、事実と仮説、重要要因候補、検証方法、検証結果、重要要因、対策、再確認まで一続きで記録することで、原因候補の発散から検証、改善まで進められます。

特に重要なのは、特性を具体的に書くこと、業務に合う大骨を使うこと、抽象的な要因で止めないこと、図に書いた要因を原因確定扱いしないことです。

テンプレートを使って原因候補を広げ、優先して確認する要因を絞り、現場データで検証し、対策後に同じ指標で再確認するところまで進めると、特性要因図を実務の原因分析に組み込めます。

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