皆様、ご参加いただきありがとうございます。今回のプレゼンテーションのタイトルは「プロセス能力決定フローチャート」です。私はパトリック・ジュリアーノです。今回のプレゼンテーションの共著者はチャールズ・チェン博士です。
さて、今回はシステムレベルのプレゼンテーションになります。JMPがかなり組み込まれていますが、分析の大部分、実際にはすべての分析は文書化され、ディスカバリープロジェクトのページに掲載されますので、ご確認ください。このプロジェクトの全体的な目的は、ハイテク製造環境におけるプロセス能力をエンドツーエンドで評価するための意思決定フローチャートを作成することです。
全体として、非常に体系的でデータ駆動型のアプローチを採用しており、統計を効果的に近似・推定する手段、そして根本原因分析を意味のある効果的な方法で実施し、実際に改善につなげることに重点を置いています。ここでの私たちの取り組みは、非常に古典的なエンジニアリング手法であるシックスシグマアプローチであるDMAICプロジェクト手法を採用することです。これは非常に体系的でデータ駆動型であり、適切なJMPプラットフォームの選択をガイドし、適切な正規近似統計を使用してプロセス能力を正確に推定できるようにするための効果的なフローチャートを通して実証したいと考えています。
最後に、プロセスを体系化したら、JMFのワークフロービルダーを活用してワークフローを標準化し、すべての手順を効果的に記録することで、誰でも最初から分析を再現できるようにします。このプレゼンテーション全体を通して明確にしておきたいのは、PCFCはプロセス能力フローチャートであり、JMPワークフローやワークフロービルダーと呼ばれるJMP関連のフローやワークフローとは明確に区別する必要があるということです。
このスライドでは、このプロジェクトの着想について説明しています。実際、下の方で赤字で示されているJCT-13で示されているこのプロジェクトは、私の共著者が考案したJMP Universityという包括的な枠組みの下、より広範なプロジェクトの一部です。このプレゼンテーションの目的は、方法論を主導し、推進し、洗練させていく推進役となる人物の存在を前提とすることです。
このJMPユニバーシティ構想に繋がる各プロジェクトは、それぞれこの特定のプロジェクトと関連付けられ、相互に作用し合います。このプレゼンテーションを通してご覧いただくのは、製造環境におけるプロセス能力の測定と重なり合う、あるいは補完し合う、根本原因分析やデータ駆動型意思決定の他の要素です。
JMPユニバーシティのコンセプトは、大きく3つの段階に分かれています。1つ目は、コアチームリーダーと協力して、スコープ、マップ、スコアカードを定義することです。2つ目は、コアチームプロジェクト（これはコアチームプロジェクトの1つです）のプロセス能力フローチャートを実演することです。3つ目は、ディスカバリーサミット形式、または社内の他の形式でプロジェクトを発表することです。4つ目は、このプロジェクトを取り上げ、特定の製造拠点で現場の他の人に、それぞれの製造現場やプロジェクトシナリオに合わせて実装する方法を教えることで、規模を拡大することです。
DMAICの伝統に則り、問題記述と問題目標を非常に厳密に定義します。ここでは詳細な説明は省略します。後ほどご参照ください。しかし、大まかに言えば、目的はフローチャートを作成し、エンジニアやアナリストがフローチャートに従う能力を評価するスコアカード方式を導入することです。これが主要な目的であり、第一に、方法論を開発することです。
次に、2つ目はスコアカードテンプレートです。これは、このフローチャートを一貫して実行し、JMP Workflow Builderでエンドツーエンドのワークフローを開発するための方法論です。
問題の定義、そしてその拡大と解決に向けて取り組む上で、ここで特に強調したいテーマの一つは、効果的なリーダーシップです。これは、部門横断的な意思決定と、関係者とのチーム構築を伴います。合意形成のための重要なツールの一つが、フローチャートやプロセス図を用いた意思決定です。こうすることで、誰もが意思決定を支持し、同意することができます。
私たちは、ここで概説した追加要素を含むフローチャートに焦点を当てます。最終的に、これにより意思決定フレームワークを現場でより多くの人々に展開し、意思決定フレームワークを効果的に拡張して一貫性を保つことが可能になります。
定義フェーズには何が含まれるのでしょうか？非常に重要なフェーズであるため、DMAICの伝統において非常に重要な問題定義が中心となります。私たちは、これをJMPボディ図と呼ばれるものを通して考えることを好みます。
基本的には3つの要素に分けられます。これを目、脳、手と考えることができます。JMPの目、脳、手とは、それぞれ長期的なビジョン、データに基づいた批判的思考、実践的な演習を指します。長期的なビジョンを実現するには、まず問題を明確に定義し、目標を批判的に評価し、JMPツールを習得してコンセプトを検証する必要があります。これが最初のテーマ、つまり頭、目、手です。
このアプローチは、JMPの鼻、耳、口、脚という2つ目のテーマと密接に関連しており、利害関係者による明確かつ客観的なレビューのために、JMPでデータを効果的に提示することの重要性を強調しています。
もちろん、データを提示する際には柔軟性が鍵となります。これは、このJMPボディ図における3つ目のテーマです。JMPの意思決定アーム、つまり意思決定と交渉力には柔軟性が必要であり、柔軟でありながらも堅固である能力が求められます。足は、データに基づき、JMP分析によって裏付けられた意思決定をしっかりと支える能力を表します。
そのためには、品質環境における健全なリスクベースの意思決定を支援するために、同じ分析や同じデータに対して、追加の分析や新しい提示方法を適応させ、活用する準備が必要です。これらすべては、自己改善、そして周囲のプロセスや人材の改善への強い願望に根ざしています。これこそがJMPの真髄であり、DNAであり、情熱であり、信念なのです。
ここで何について話しているのでしょうか？ここでは、定義フェーズについてもう少し詳しく説明します。前のスライドでは触れていませんでしたが、人材の声、プロセスの声、ビジネスの声、顧客の声があります。この高レベルのコンポーネント形式で、すべての主要なステークホルダーについて考えることは有益です。高価値問題、高価値機会分析（HVP/HVO）と呼ばれるものを使用できます。
企業はまず、このような方法で自社の成熟度を評価することから始めることが多く、継続的改善のための一般的なガイドラインを特定し、それを品質成熟度プロセスに組み込むことで、品質マネジメントシステムフレームワークにおける効果的な品質管理を実現できます。これは、包括的なアプローチのためのもう一つの方法論であり、測定システム分析、統計的プロセス管理、プロセス能力評価といった分析ツールを組み込むべきものです。そして、このプレゼンテーションと分析方法論は、まさにこれらのツールに焦点を当てています。
このスライドは、品質成熟度フレームワークを計画する場合にどのようなものになるかを示すものです。プロセス品質の成熟度を確立できます。右側には、設計、新製品導入、製造の各コンポーネントを特定できます。また、ゲートウェイ、またはステージゲートレビューと呼ばれるものを特定できます。これは、クロスファンクショナルチームとして、設計、新製品導入、製造など、各フェーズの各レベルで特定のコンポーネントが存在するかどうかを判断するものです。
私たちの目標と成果物はそれぞれ、設計やプロセスの成熟度に応じて明確に設定できます。共同プレゼンターがよく言うように、「大きく考え、小さく始め、行動する」ことが重要なテーマです。この小さな一歩を踏み出すには、必要なものを具体的に書き出し、それに基づいて行動することが重要です。
このプロジェクトに関連する定義フェーズに関する別のスライドを以下に示します。ここでは、VOC、VOB、VOT、VOPという4つの声を、品質にとって重要な属性にどのように変換するかという実際的なアイデアについて説明します。使用できるツールとしては、右下隅にある強み・弱み・機会評価があります。または、SIPOCメソッドを使用することもできます。その例は左下隅にあります。サプライヤー、インプット、プロセス、アウトプット、顧客です。
左下の例では、実際にはDOEモデルの構築に関するコンテキストが提供されています。SIPOCのプロセス面には、モデル自体の改良が含まれます。SWOT分析の例。これは別の例ですが、考えてみましょう... このプロジェクトに関連するコンテキストでは別の例ですが、基本的にアナリスト間のフローチャート分析の一貫性を評価するために使用するスコアカードからの出力という意味で考えることができます。これをSWOTフレームワークで使用できます。
これを私たちのプロジェクトに当てはめて考えると、定義フェーズについて言えば、今日はステージ1に重点を置いており、厳密なPPK分析のための方法論を実際に実証することに重点を置いています。
ここで測定フェーズに移ります。この測定フェーズの重要な要素は、スコアカードの開発です。これにより、プロセス能力フローチャートを体系化し、個人間の一貫性を確保することができます。スコアカードを使用して、自分自身のパフォーマンス、各人のパフォーマンス、同僚のパフォーマンスを採点することで、バイアスを軽減します。必ずしも客観的な基準があるとは限らないことを念頭に置いておく必要があります。これも考えてみてください。何かを実行する能力に関して、1と評価した場合、その評価は何を意味するのでしょうか？3、5、10の場合はどうでしょうか？
ここで重要なのは、評価者同士の一貫性を確保することだけでなく、評価者間の再現性を確保することです。もう少し具体的に考えてみると、例えば、自分が他の人よりも基準を遵守しているという認識から、自分を高く評価する傾向があるかもしれません。あるいは、プロセス能力などの特定の分野の専門家は、他の評価者よりも専門知識が豊富で、他の人の行動を詳細に分析・精査できるため、他の人を厳しく評価するかもしれません。私たちは基準を策定する必要があります。それが、スコアカード評価の重要な要素です。
これから詳しく見ていく意思決定フローチャートの一部は、正規性における違反モードの評価に関するものです。ここでは、データを見て、データは一般的に正規分布に従うと予想しますが、想定された分布に従わない可能性のあるメカニズムは何でしょうか？データの中に、何らかの特別な原因が発生していることを示す可能性のあるシグナルは何でしょうか？
私たちが特定した6つの主要なモードは、データにおける潜在的な外れ値の問題、歪度の問題、二峰性の問題、尖度の問題、測定分解能の問題、およびサンプルサイズの問題です。
フローチャートに沿って作業を進めるために使用したケーススタディの文脈では、実際にはケース1とケース3の2つを実施しました。ケース1では、シミュレーションデータの構成を行い、外れ値がそれぞれ異なる程度（中央値から通常、周辺、極端な距離にある5%）にあるようにしました。次に、二峰性のケースも検討しました。ここでもシミュレーションデータを使用しており、企業固有のデータや専有データではありません。実際にデータの80%が単一のモードに収まり、残りの20%が別のモードに収まる分布を調べました。
ここに、正規性違反モード表と呼んでいるものがあります。これは、特定のデータセットを見て、前のスライドで説明したように、統計的に問題を特定するものだと考えてください。潜在的な違反モードは、外れ値の歪度、異なる性質の歪度、歪んでいる、右に歪んでいるか両方向に歪んでいるか、二峰性、裾が重いか軽いか、尖度、測定分解能、サンプルサイズです。
JMPの哲学において最初に行うことは、適切な視覚化ツールを検討し、違反のある分布の中央値をどのように測定するか、ばらつきをどのように測定するか、歪度と尖度の統計量の観点から形状を診断する際に何を期待するか、JMPでどのような適合を適用するか、そして正規近似を使用する場合に平均と標準偏差の観点からどのように正規性を近似するかを検討することです。
これらの各ケースにおいて、有効な正規近似統計量がどのようなものであるべきか、そしてその理由について、私たちは慎重に検討を重ねました。また、これらの統計量が様々な違反モードの状況下でどのように振る舞うかを理解し、確認するために、シミュレーションも実施しました。
重要なのは違反モードの可視化です。最初の2つの列は、違反が発生しているかどうか、そしてそれがどのような状態であるかを改めて確認するものです。最後の3つの列では、問題点を特定するだけでなく、この分析を行うことで、特定の正常性違反モードに対するPBKの最適な推定値を見つけるのにも役立ちます。その後、根本原因分析とプロセス改善に取り組み、違反モードを解消または排除していきます。これは、このプロジェクトを支える重要なスライドだと私は考えています。
コミュニティでご覧いただくのは、私が先に言及した 2 つのケーススタディの文脈でこの分析を順を追って説明したノートブックのような Word 文書です。これはかなり多いですね。特にこれを見たことがない人にとっては、何を見ているのでしょうか。これをアニメーションで説明しようとしています。最初のグループを A と呼びます。
これが第一段階です。実際、ご覧のとおり、用語グループと一貫性を保ってください。これは、PPK に関する成功基準を設定し、正規性検定を行い、分布を診断するために必要な統計量を決定し、適合度検定を実行して最適な分布を見つけ、ブートストラップを実行します（これは特定の状況で実行できます。これについては後ほど少し触れます）。先ほどお見せした正規性プロセス違反モード表を見て、それを評価基準として使用し、最終的にそれを使用してプロセス改善を推進し、見られる正規性違反モードを削減または排除します。これが最初のグループ A です。
それが終わったら、グループBまたはCに進みます。グループBは、PPK分析に基づいて目標値から外れている状況です。つまり、プロセスの中間値、あるいはプロセスの中間値または中心値に関して、目標値から外れているということです。仕様は両側に分かれており、下限仕様値と上限仕様値から等距離にあるのが中間値です。平均してその中間値から20%以上外れている場合は、この「目標値からのずれ」の問題を検討する必要があります。
このワークフローに沿って、その問題を交渉します。同様に、グループCについて話すときは、ばらつきの問題について話しています。これは、おそらく目標は達成しているものの、ばらつきが大きすぎることを意味します。ばらつきが大きすぎる場合、どのように診断しますか？どのように交渉し、評価し、最終的にプロセス改善を推進しますか？グループA、B、C、これがフローチャートです。
グループAについてですが、これはグループAを拡大したものです。グループAについてはこれまでかなり詳しくお話ししてきましたし、プロジェクトページに掲載されている事例研究についても触れてきました。
グループAの分析後、まずPPK評価を行い、PPKを推定するための適切な正規近似法を選択します。そして、最終的にここでの目的である問題が発生した場合、目標値の欠落やばらつきといった問題を解決できるかどうかを評価します。
これはグループBの詳細です。簡単に説明すると、JMPの配信プラットフォームで、ターゲットに対して1標本平均検定を行います。その検定に合格しなかった場合、つまりp値が0.05の基準値（または選択したアルファ基準値）を下回った場合は、閾値に対する同等性検定を行います。
我々が設定したこの実用的な基準値に対する同等性テストを満たせなかった場合、設定した基準値に対する同等性テスト基準を満たすまで、追加のプロセス改善を行う必要があるだろう。
これは、前のグループCの分析と非常によく似た形で、ここでグループCの分析に当てはまります。ここで、ばらつきの問題があり、プロセスのばらつきが統計的に1.33未満だった場合、仕様範囲を8で割った値に対して1標本等分散検定を行います。それが満たされなかった場合は、標準偏差の等価性検定を行います。それが満たされなかったと仮定すると、プロセスのばらつき改善モードに入り、この意思決定フローチャートに戻って再評価する前に、現場での実際のプロセス改善を検討します。
プロセス改善フェーズが重要な要素であり、ドメイン知識に基づいた根本原因分析と正常性違反モードに対する慎重な評価が不可欠であることがお分かりいただけるでしょう。これは、この堅牢なプロセス手法に沿ったものです。
先ほど触れたスコアカードの例を以下に示します。これは、フローチャートに従ってアナリストが一貫性を持って作業を進める上で非常に重要です。フローチャートの各ステップにはラベルが付いています。A、B、Cのグループ分けは、先ほどと同様に、最初の列にフローチャートのステップとその名前、ステップを実行する目的、理由、そしてステップを実行するための推奨ツール、方法の詳細が示されています。
これは、フローチャートを再構成するもう一つの方法であり、おそらくより詳細な方法であると同時に、フローチャートの実行状況が公平に評価されていることを保証する方法でもあります。このアイデアは、AからCまでのインデックスを取り上げ、フローチャートにそれらの特定の項目をラベル付けすることで、フローチャートの実行方法の一貫性を高めるというものです。
再現性、反復性についてお話ししました。そのために私たちが使用する主要なツールの1つ、そして業界全体で一般的に使用されているツールは、ゲージR&R分析です。さて、今回はピアレビューを実施し、スコアリング方法論を使用するため、連続的な評価システムは使用しません。離散的または属性的なものが必要です。
実際、5段階尺度であろうと10段階尺度であろうと、この場合は5段階尺度を想定しているため、JMPではデータタイプを順序尺度として扱う必要があります。そのため、JMPの適合度、性格特性、適合度YとXの分割表分析を使用して、順序尺度ゲージR&R分析を実行することになるでしょう。
これは、その例です。ちなみに、順序尺度ゲージのR&Rには他にもツールがあります。ケンドールの一致係数はその一つです。ケンドールの一致係数の有意性を検定することもその一つです。フレイスのカッパ係数も順序尺度ゲージのR&Rに使用できますが、通常は属性ゲージのR&Rに使用されます。これは、JMPの変動属性ゲージチャート作成プラットフォームが活用している機能です。
ここでは、根本原因分析についてさらに詳しく説明し、分析フェーズにおいて体系的にどのような作業を行うのかを解説します。グループAを活用して、正常性違反モードに基づいて潜在的なXを検証すること、分布を確認することで分離したプロセス障害モードを理解すること、そして分布のコンテキストでJMPの動的可視化ツールを使用することについて、詳しく議論しました。
この点については既に少し触れましたが、ここではさらに詳しく根本原因分析を行い、正常性違反モードを説明する最も重要なXを特定します。ここでも、A、B、Cの3つのグループを取り上げ、違反モードとその指標を再定義していることがわかります。もちろん、一般的に、根本原因分析とSME（Subject Matter Expert：特定分野の専門家）の知識は、JMPの問題解決パラダイムにおいてこれらの違反指標を評価し、軽減するために不可欠です。
このスライドは、プロジェクトの範囲と成功基準を再検討する例をさらに示すためのものです。これは別の文脈ですが、統計的許容区間を計算する文脈では、意思決定プロセスを文書化して体系化する仕組みは似ています。ここでも、この PPK 計算方法論と同様の仕組みで、既存のデータを使用してグループ B と C の方法論に従って交渉するか、あるいは、プロセスに戻って根本原因を特定して不良データポイントを排除し、プロセス内でそれらが存在しないようにすることで、プロセスを改善し、不良データポイントを除去してから、再度分析を実行します。
これは、仕様限界をどのように改訂できるか、また、現在の方法論と新しい方法論の下で統計がどのように見えるかを示す、非常に分析的で規範的な例です。この特定の例では、可変ゲージ R&R コンテキストにおけるゲージ R&R P 対 T 比に焦点を当てています。繰り返しますが、これはこのフローチャートのコンテキストではなく、連続測定のコンテキストです。以下は、DFMEA の発生と検出可能性の表です。これは、使用できるもう 1 つの重要な分析ツールです。これを例として紹介したかったのです。
次に、より高度な段階に入り、既知の根本原因による特殊な変動を取り除くという、同様のテーマに取り組みます。この場合、シミュレーションデータからデータポイントを選別することで、その状況をシミュレートできます。そして、そのシミュレーションデータに基づいて方法論を構築できます。実際、ケーススタディではまさにそのようにしました。
もちろん、各違反モードへの対処戦略を策定しており、それはグループAで触れた表に明文化されています。そして改善フェーズでは、継続的改善イニシアチブを展開することもできます。ここでも、成果物、タスク、担当者、専門家、完了日などを明確に定め、具体的な方法で実施します。
以下は、改善フェーズにおける設計およびプロセス検証のコンテキストで使用する可能性のあるツールのほんの一例です。JMPツールの一部もご紹介します。
次に、知識移転、つまり管理フェーズに入ります。フローチャートを基に、統計、特殊原因変動の分析、JMP分析、そしてそれに付随するワークフロー構築手法に焦点を当てたトレーニングを行います。すべてのトレーニング内容を文書化し、リーダーがフローチャートを常に遵守できるよう育成します。
なるほど。この段階におけるもう一つの重要な要素は、コントロールプランです。これは、分析手法をどれだけ適切に遵守しているかを測定し、そのコントロールプランに照らして優れたパフォーマンスを発揮している人を特定し、成功を定量化し、分析フレームワークを導入した人々の中でその成功を認識するためのもう一つの方法です。このスライドは、このワークフロービルダーパッケージを開発するというコンセプトをまさに強調しています。これは実際、非常に実用的です。
私たちが基本的に行っていることは、このフローチャートを作成することです。このフローチャートに従って作業を進め、分析のすべての部分をJMPのデータテーブルに保存するデータテーブルスクリプトとして保存します。次に、新しいワークフローを開きます。テーブルを開き、ワークフローの開始時に記録ボタンを押した後、テーブルから保存した各スクリプトを開き、その後ワークフローを停止します。これは、JMPでワークフローを一度に一貫してキャプチャするための簡単な方法です。
ここでは、PPK評価の範囲を超えて、ゲージR&Rプロセスの能力と安定性、そしてゲージR&Rとゲージ定量化について検討します。これはPPK演習を補完するものであり、同様の方法論と実装フレームワークを用いた別のプロジェクトのテーマとなります。
結論として、プロセス能力フローチャートを使用して合意形成の意思決定を行うための価値、重要性、および関連するコンテキストとメカニズムを強調したいと思います。例として、ゲージ R&R に関連するものがありますが、ここでは... あるいは、ゲージ R&R は例の補足となるかもしれません。しかし、前述のように、このプロジェクトの範囲内のケーススタディとして、ゲージ R&R のコンテキストを考慮せずに例を含めました。これは、コミュニティのプロジェクト パッケージにも含まれる予定です。
今後の作業としては、次回の工程能力フローチャートの該当箇所にゲージR&Rを追加したいと考えています。継続的改善の精神に基づき、測定能力が工程ばらつきに影響を与えることは確実であるため、フローチャートをさらに改良していく予定です。また、後々、このKシフト問題をロバスト設計の概念やロバスト設計ツールに関連付けることも検討します。
私と共著者は、プレゼンテーションの冒頭で説明したJMPユニバーシティの枠組みの中で、さまざまなコアチームを連携させる方法についてさらに検討する必要があります。これは、この問題解決手法をさらに改善・洗練させるための共同の機会を創出するためです。
お時間をいただき、誠にありがとうございました。ご質問等ございましたら、お気軽にお問い合わせください。重ねてお礼申し上げます。
