追いきれない不良要因への対応。良品条件で良くないですか？

本コラムは、「不良要因分析を一通りやり尽くしたが、決定打が見つからない」そんな製造現場・品質部門の方を想定しています。 

製造業における不良要因分析は、発生を予防する製品設計において、不良の発生メカニズムの理解が重要です。 
また、最近では多くのお客様がすでに製造条件の分析を十分に行い、製造中のしきい値監視をしながらの製造を行っています。 
そのため、確実に不良発生してしまう状況に陥ることは少なく、まったくの同条件で製造していても低頻度で発生してしまう不良に頭を悩ませているお客様が多くいらっしゃいます。 
その原因としては、現在の取得しているセンサーには含まれていないパラメータによる未分析パラメータかもしれません。 

また、同じ不良種類であっても、状態やロットごとで不良発生時の特徴量が異なってくることも非常に多くあります。 
BIGDAT@Analysisでは、マウス操作だけでそれらのそれぞれの特徴量を簡単に表示することが出来ます。

しかし、お客様にその説明をするとそれぞれ出てくる属性名と不良名の関係について「あぁ、知見と一致します。」と言われるのですが、複数パターンの発生に対して、対処法の検討には難しさがあるようです。 
そもそも、不良要因分析は、数値で特徴量を出すだけでは意味がなく、「現場の人たちを納得させる説明」「改善アクションに繋がられる理解」に変換できなければ意味がありません。 
そんな時には現実的な良品条件を探して、その良品条件内に制御を収めるという具体的な改善アクションにしてしまったほうがよろしいかと思います。 

その近辺は避けるようにしたいです。青く示しました。

また、外れ値の領域も当然対象外となります。

合わせると、下記の着色されていない部分が良品状態と言えます。

その中から良品状態領域をなるべく広く取ろうとするならば、中心の青領域になるかと思います。

この真ん中の丸い領域を指定し、[良品条件レポート]を選択すると

良品条件レポートとして、選択された領域の各属性の範囲のレポートが出力されます。

表として出力されますが、実際にはデータの分布具合をグラフから確認してください。 

青い線が各属性における選択領域のデータの分布状態で、黄色線がその他のデータの分布状態となります。 
良品条件範囲として数値がでていますが、グラフと比較すれば、特に制御する必要もない属性も明らかになります。 

また、季節やロットによってそもそも制御できる範囲が変わるのであれば、その条件ごとの良品条件を抽出しておいたり、もっと細かい制御がかけられるシステムなのであれば、下記のようにピンポイントの良品条件を設定してもいいかと思います。

Excelや一般的な統計ツールでは、このような多次元・分布ベースの領域指定と説明を現場向け資料としてまとめるのは容易ではありません。 
不良要因を“完全に説明する分析”から、“現場が使える条件を示す分析”へ。その第一歩として、BIGDAT@Analysisで良品条件という切り口を試してみてはいかがでしょうか。 
不良要因分析をするにあたっては、同時に良品条件だけでいいかもという視点も持ってみてください。