T22検査データの統計処理でやりがちな誤り5類型
目的／考え方
検査データの統計処理でやりがちな誤りは、n数不足・外れ値の恣意的除外・平均だけで判断・工程能力の前提無視・丸めの誤りの5類型。T12（SPC）やT14（MSA）で仕組みを整えても、データの読み方を誤れば判断そのものが崩れる。型として知っておくことで、統計処理の結果を鵜呑みにせず正しく使える。
- n数（サンプル数）が少なすぎる状態で「傾向がある／ない」を断定していないかを確認する重点
- 外れ値を、明確な理由（測定ミス・記録ミス等）なく「都合が悪いから」除外していないかを確認する重点
- 平均値だけで合否・傾向を判断せず、ばらつき（範囲・標準偏差）も併せて見る重点
- 工程能力指数（Cp／Cpk）は分布が正規分布に近いことが前提であり、前提が崩れている場合はそのまま適用しない重点
- 測定値の丸め方（四捨五入の位置・タイミング）が結果に影響していないかを確認する
5類型と気づき方の目安
| 類型 | 起きやすい場面 | 気づき方の目安 |
|---|---|---|
| n数不足 | 立ち上げ初期・少量ロットでの判断 | 「何個測ったか」を必ず確認する。数個で結論を出さない |
| 外れ値の恣意的除外 | 規格外れのデータが出たとき | 除外理由を記録に残せるか自問する。記録できないなら除外しない |
| 平均だけで判断 | 検査結果のサマリー報告 | 平均と一緒に最大・最小・ばらつきの指標が示されているか確認する |
| 工程能力の前提無視 | Cp／Cpkをそのまま使う場面 | データのヒストグラムを一度見る。分布が歪んでいないか確認する（T12と連動） |
| 丸めの誤り | 規格値ぎりぎりのデータ判定 | 丸める前の生データで合否を判定しているか確認する |
これらは特別な統計知識がなくても、「n数は？」「外れ値を外した理由は？」と問い直すだけで多くは防げる。判断に迷う場合はT5（工程能力調査）・T12（SPC）の担当者に確認する。
関連する場面
同じ読者向けの他トピック
T1新製品・量産立ち上げ（APQP／PPAP 的）T24M変更管理（人・機械・材料・方法）T3工程・検査基準の制定／改訂T4設備の導入・改善T5工程能力・初期流動・データ活用T6化学物質・環境法規の設計織り込みT7不具合の再発防止と設計・標準へのフィードバックT8治具・型・設備の維持管理T9設備保全とデータ活用（予知保全の入口）T10検査の自動化・AI外観検査導入の進め方T11工程FMEA（PFMEA）の作成と活用T12統計的工程管理（SPC）・管理図の導入と工程能力の見える化T13トレーサビリティ設計（ロット管理・識別の作り込み）T14測定システム解析（MSA／Gage R&R）の実施と判断T15品質業務のノーコード自動化の進め方T16生成AIを品質業務で安全に使うT17試作品の品質評価依頼の出し方T18工程データの品証への共有ルールT19顧客規格から社内管理値への落とし込み方T20工程条件変更の社内実験計画の立て方T21検査基準書の作り方T23図面・仕様書に書ききれない「暗黙の要求」の拾い方T24過去トラブルの再発防止策が現場で守られているかの確認T25試験・測定を外注するときの相手の見方T26生成AIが出した不良原因の答えの扱い方T27試験・検査の結果が規格ぎりぎりのときの扱いT28根拠の記録が残っていない社内基準に出会ったときの扱いT29測定方法を変えるときの同等性の示し方T30顧客へ検査の生データ（測定の生値）を求められたときの扱いT31自作治具・簡易測定器を検査に使うときの確認T32抜取検査の水準を顧客と決め直すときの進め方T33測定値の丸め方・有効数字で社内と顧客の解釈が割れたときの揃え方T34社内の検査データを外部に出す前の匿名化・加工の線引き