シックスシグマの基本がわかる！DMAIC・LSS/DFSSまでやさしく解説

Tweet

Pocket

現代のビジネス環境において、市場のグローバル化と顧客ニーズの多様化・高度化は、とどまることを知りません。企業が激しい競争を勝ち抜き、持続的な成長を遂げるためには、単に品質の良い製品やサービスを提供するだけでは不十分であり、圧倒的なスピードとコスト競争力を同時に実現することが求められています。

このような背景の中、業務プロセスに潜む「ばらつき」を科学的に特定・抑制し、経営成果へと直結させるマネジメント手法として世界中で導入されてきたのが「シックスシグマ」（Six Sigma、SS）です。

本記事では、シックスシグマの統計的な基礎から具体的な展開プロセス、派生手法（LSS、DFSS）の特徴、他の品質管理手法との連携、そして最終的に企業のQCD（品質・コスト・納期）にもたらす劇的なインパクトまでを体系的に解説し、現代の組織における効果的な活用方法を提案します。

１．シックスシグマの統計的基礎

シックスシグマを理解するためには、まず「シグマ（σ）」が何を表し、品質水準とどのように関係するのかを押さえておくことが重要です。ここでは、シックスシグマの基本的な意味と、3σ・6σの違い、1.5σシフトの考え方について説明します。

（1）シックスシグマとは？

「シックスシグマ」という名称は、統計学においてデータのばらつき（標準偏差）を表すギリシャ文字のσ（シグマ）に由来しています。

統計的な定義において、ある製品の特性値が正規分布（左右対称の釣鐘型の分布、図1）に従い、工程が中心化されていると仮定した場合、平均値から仕様の上限・下限までの距離が、それぞれ標準偏差の6倍（6σ）に相当する状態を「シックスシグマ（6σ）の水準」と呼びます。

【図1　正規分布】

シックスシグマの統計的な意味を理解するために、製品の規格幅（許容値幅）に対して、プロセスのばらつきσが、「3σ水準」または「6σ水準」である場合を比較して説明します。

• 3σ水準： 平均値から仕様の上限・下限までの距離が、それぞれ3σに相当する状態
• 6σ水準： 平均値から仕様の上限・下限までの距離が、それぞれ6σに相当する状態

［※関連記事：【品質管理と統計手法】正規分布の基本知識とQCでの活用］

（2）シックスシグマ特有の考え方「1.5シグマのシフト」

確率の数字を見る前に、シックスシグマを理解する上で重要な仮定があります。
シックスシグマでは、短期的なシグマ水準から長期的な不良率を換算する際、プロセスの平均値が1.5σシフトすると仮定する考え方が用いられます。

工場を長期的に稼働させていると、刃先の摩耗、気温の変化、作業員の交代などによって、平均値自体が左右にジワジワとズレていきます。シックスシグマでは、この1.5σのシフトを仮定して、長期的な不良率を換算します。

（3）数字で見る規格外品の発生確率

では、この「1.5シグマのズレ（長期的な視点）」を考慮した場合、3σ水準と6σ水準では、どれくらい規格外となる確率が変わるのか、数字で比較してみましょう。

【表1　規格外品の発生確率】

もし、一切のズレがない理想的な状態（短期的な視点）であれば、1製品につき欠陥機会が1回の場合、3σでの不良品率は約0.27%（100万個中2,700個）、一方、６σでの不良品率は約0.0000002%（10億個中2個）という驚異的な数値になります。
しかし、シックスシグマでは一般に、1.5σのシフトを仮定した長期換算値である3.4 DPMOが、6σ水準の目安として用いられます。

（4）3σと 6σの決定的な違い

• 3σの世界：
  1.5シグマのシフトを仮定すると、合格ラインの片側が実質「1.5σ」まで逼迫します。その結果、100万回の欠陥機会あたり約6万7,000件の欠陥が発生し、大量生産の現場では大きな品質損失につながる可能性があります。
• 6σの世界：
  1.5シグマのシフトを仮定しても、まだ片側に「4.5σ」分の余裕が残ります。そのため、1製品あたりの欠陥機会を1回と仮定すれば、100万個あたり約3.4個に抑えられます。これが「実質欠陥ゼロ」と呼ばれるシックスシグマの目指す領域です。

シックスシグマとは、単なる「不良ゼロ」を掲げる精神論ではなく、「エラーや欠陥を100万回の欠陥機会あたり3.4件程度に抑えることを目標とする」という、厳格かつ定量的な品質・プロセスの管理手法なのです。

２．シックスシグマのプロセス

シックスシグマを実際の業務改善に適用する際、最も基本となるフレームワークが、図2に示す「DMAIC」（ディマイク）と呼ばれる5つのステップです。経験や直感に頼るのではなく、データに基づいた論理的なアプローチを徹底するために、以下のプロセスを順に踏んでいきます。

【図2　シックスシグマの5つのステップ】

• Define（定義）：
  プロジェクトの出発点であり、解決すべき課題や、顧客の要求に直結する重要な品質特性（CTQ: Critical to Quality）を明確にします。プロジェクト趣意書を作成し、改善活動の範囲（スコープ）と達成すべき目標値（ゴール）を組織内で合意形成します。
• Measure（測定）：
  現状のプロセスを正確に把握するため、関連するデータを収集・測定します。ここでは、収集したデータの信頼性を評価する測定システム解析（ゲージR&R）や、現在のプロセスの実力を測る工程能力指数（Cp, Cpk）の算出を行い、問題のベースラインを数値化します。
• Analyze（分析）：
  測定ステップで得られたデータを統計的・論理的に分析し、問題（ばらつきや欠陥）を引き起こしている本質的な原因（根本要因：Critical X）を特定します。魚骨図（特性要因図）やパレート図による要因の洗い出しから、仮説検定（t検定、分散分析）、相関・回帰分析などの統計的ツールを用いて、要因と結果の関係を統計的に検証し、根本原因を絞り込みます。
• Improve（改善）：
  特定された根本原因（X）を排除、あるいは最適な状態に制御するための対策案を立案し、実施します。複数の要因が複雑に絡み合っている場合は、実験計画法（DOE: Design of Experiments）を用いて、効率的に要因の影響を評価し、最適なプロセスの条件（組み合わせ）を導き出します。また、顧客対応などで「8D」が求められる場合は、DMAICで得られた分析結果や是正処置を8Dの枠組みと連携させて整理・報告することもあります。
• Control（管理）：
  改善されたプロセスが一時的な効果で終わらず、将来にわたって維持されるように管理体制を構築します。標準作業手順書（SOP: Standard Operating Procedure）の改訂や、現場の作業者が異常を即座に検知できる統計的工程管理（SPC：Statistical Process Control）に基づく管理図の導入、ポカヨケ（作業ミス防止策）の設置などを行い、プロセスを定着させます。

３．シックスシグマの品質管理への活用

シックスシグマは、単に不良率を下げるだけの手法ではなく、品質に影響を与える要因をデータに基づいて特定し、プロセスそのものを改善していく考え方です。
ここでは、品質管理への具体的な活用方法として、数理モデルによる捉え方と工程のロバスト性について説明します。

（1）数理モデル

品質管理（Quality Control: QC）の現場において、シックスシグマは、従来のKKD（経験・勘・度胸）だけに頼ったトラブルシューティングからの脱却を促します。製造工程における製品の寸法や重量のばらつき、化学反応の収率（歩留まり）改善といったハードウェア的な課題はもちろんのこと、コールセンターの応対時間、事務処理のエラー率、物流の配送遅延といった非製造部門（サービス・間接部門）のプロセス改善にも広く活用されています。

品質管理への具体的な活用における最大の特徴は、業務や現象を、結果Yがプロセスを構成する要因Xの影響を受けるという「Y = f(X)」の関係で捉える思考法にあります。

• Y： 顧客に届く結果（不良率、製品性能、納期など）
• X： プロセスを構成する原因（温度、圧力、作業者の手順、治具の精度など）

従来のQC活動でもデータは使われていましたが、シックスシグマでは「結果系（Y）の不良を直したければ、統計的分析によって突き止めた原因系（X）の条件を最適化し、それを厳格にコントロールしなければならない」という因果の思想を徹底します。これにより、問題の「もぐらたたき」的な対症療法ではなく、プロセスの構造そのものを変革する本質的な品質管理が可能となります。

また、全社共通の言語としてσ（シグマ）やDPMO（Defects Per Million Opportunities）という統一指標を用いるため、異なる部署や製品間での品質水準の比較が容易になり、経営陣がどのプロジェクトにリソースを優先配分すべきかを客観的に判断できるようになります。

（2）工程のロバスト性

工程のロバスト性（堅牢性）とは、外部のノイズ要因（制御不能な環境変化、原材料の微細なロット差、作業者の習熟度の違いなど）による影響を受けにくく、常に安定した出力（品質）を維持できるプロセスの性質を指します。

従来の品質改善アプローチの多くは、製品の平均値を目標値に合わせることに注力しがちでした。しかし、平均値が目標通りであっても、ばらつき（分布の広がり）が大きいままでは、外部のノイズによって容易に規格外不良が発生してしまいます。

シックスシグマは、「平均値をコントロールする」と同時に、「プロセスのばらつきそのものを極限まで縮小する」ことに主眼を置いています。ばらつきが極めて小さい状態にあるプロセスは、多少のノイズ（環境変化など）が加わっても、規格限界を超える確率を低く抑えることができます。すなわち、シックスシグマの適用は、工程のばらつきを抑えることで、外部要因の変化に対しても安定した品質を維持しやすい工程づくりに寄与します。

［※関連記事：設計者として押さえておきたい「ロバスト性」とバラツキの考え方］

４．シックスシグマ活用上の注意点および効果的な活用のポイント

シックスシグマは極めて強力な手法ですが、導入・運用方法を誤ると形骸化し、期待した効果を得られないケースがあります。

（1）活用上の注意点

1. 「手段の目的化」とデータ至上主義の罠：
   統計解析ツールやDMAICのステップを進めること自体が目的化してしまい、分厚い報告書を作るだけで実際の改善が遅れる、いわゆる分析麻痺（Analysis Paralysis）に陥ることがあります。また、現場のデータが不正確であれば、いくら高度な統計解析を行っても誤った結論を導くことになります。
2. 膨大な教育・運用のコスト：
   推進役となる専門人材の育成には、一般的に数十時間に及ぶ研修と相応の費用が必要となります。これらの人材が通常業務に追われ、改善活動に時間を割けない環境では、投資が無駄になってしまうリスクがあります。
3. 現場との心理的摩擦：
   すべてを数値化・標準化するというアプローチは、現場の技能者や従業員に対して「監視されている」「自分たちの経験が否定された」という心理的負担を与え、組織的な抵抗やモチベーションの低下を招くリスクがあります。

（2）効果的な活用のポイント

• トップダウンによる経営戦略とのアラインメント：
  シックスシグマのテーマ（プロジェクト）の選定は、現場の些細な不満解消ではなく、トップダウンで経営利益の拡大や重点顧客の維持といった経営目標に直結するものを選ぶ必要があります。
• 適切なデータ収集インフラの整備：
  現場の作業者に過度なデータ入力の負担を強いるのではなく、製造実行システム（MES: Manufacturing Execution System）やIoTツール、ITシステムを活用し、日々の業務の中で自然かつ正確にデータが蓄積される仕組みを整えることが重要です。
• チェンジマネジメント（組織の意識改革）の並行実施：
  統計的な正論を現場に押し付けるのではなく、プロジェクトの初期段階から現場のキーマンを巻き込み、この改善が現場の作業をどれだけ楽にするかを丁寧にコミュニケーションします。成果が出た際には、その貢献を全社で称える文化の醸成が不可欠です。

５．派生手法LSS、DFSSとの違いと使い分け

シックスシグマは、ビジネスの目的や時代の要請に応じていくつかの派生・発展手法を生み出してきました。
代表的なSS（従来のシックスシグマ）、LSS（リーンシックスシグマ、Lean Six Sigma）、DFSS（デザインフォーシックスシグマ、Design For Six Sigma）の違いと使い分けについて整理します。

【表2　シックスシグマ（SS）と派生手法LSS、DFSSの手法の違いと使い分け】

図3に3つの手法の代表的な適用段階について示します。

【図3　DFSS、SSとLSSの適用段階】

従来のSSが「既存プロセスのばらつきや欠陥を減らし、性能を改善する」アプローチであるのに対し、LSSは「全体の流れを速くし、同時に品質を高める」ハイブリッド型、DFSSは「設計段階から欠陥が生じにくい高品質でロバストな設計を目指す」という予防重視のアプローチです。
これらを自社の課題の性質に応じて選択することが成功への近道となります。

［※関連記事：SS(シックスシグマ)、LSSそしてDFSS《改善プロセスに関する用語解説》］

６．他の手法との組み合わせ活用

シックスシグマは単体でも有効な手法ですが、リスクマネジメントの代表的手法であるFMEA（Failure Mode and Effects Analysis：故障モード影響解析）と組み合わせることで、品質改善やリスク低減の実効性を高めることができます。

［※関連記事：FMEAとは?［作成手順や様式例、FTA等との違いなど］］

（1）デザインFMEA（D-FMEA）× DFSS の組み合わせ

新製品の設計フェーズにおいて、まずD-FMEAを実施し、システムや部品に潜む潜在的な不具合（故障モード）とその影響を洗い出し、重大度、発生度、検出度などを評価します。
この段階で、リスクの優先度が高いと判定された項目、あるいは設計上の重大な懸念点（CTQ: Critical to Quality）に対して、DFSSのツール、応答曲面法（RSM: Response Surface Methodology）による最適化、モンテカルロ・シミュレーション（数理モデルによる仮想実験）などを集中投入します。

これによって不確実な設計要素を科学的に検証・最適化できるため、試作回数の削減や、量産移行後の設計変更（手戻り）リスクの低減につながります。

（2）プロセスFMEA（P-FMEA）× 従来のSS（DMAIC）の組み合わせ

既存の製造ラインや業務プロセスにおいて、P-FMEAを用いて、プロセスのどのステップに、どのような作業ミスや設備トラブルのリスクがあるかを評価します。
リスクの高いプロセス項目が見つかった場合、それをDMAICの「Define（定義）」ステップの対象（テーマ）として設定し、Measure以降のステップで詳細なデータを取って統計的に根本原因を潰し込みます。逆に、DMAICの「Control（管理）」ステップで決定した新たな管理方法やポカヨケの仕組みを、P-FMEAの改訂版へ対応策として反映します。

これによって不確実な設計要素を科学的に検証・最適化できるため、試作回数の削減や、量産移行後の設計変更（手戻り）リスクの低減につながります。

７．QCDに対するインパクト

シックスシグマが世界のトップ企業に広く受け入れられた理由は、部分的な品質改善にとどまらず、企業の競争力を左右するQCD（Quality: 品質、Cost: コスト、Delivery: 納期）の各面に対して、改善効果をもたらし得る点にあります。

【図4　QCD】

（1）Quality（品質）へのインパクト

統計的アプローチによってプロセスのばらつきを抑えることで、初期不良や出荷後不良の低減が期待できます。製品やサービスの質を安定した水準に保つことは、市場クレームの低減やブランド価値の向上、顧客満足度（CS: Customer Satisfaction）の向上にもつながります。

（2）Cost（コスト）へのインパクト

品質管理の世界には、「COPQ」（Cost of Poor Quality：低品質によるロスコスト）という概念があります。これには、廃棄、手直し（リワーク）にかかる労務費・材料費だけでなく、クレーム対応費、返金対応、検査員の増員など、品質が悪いために発生している隠れた損失（氷山の水面下の部分）がすべて含まれます。

シックスシグマによって不良の発生を根本原因から抑制することで、このCOPQの削減につながります。品質を上げるために検査コストを増やす（従来のやり方）のではなく、プロセス自体を改善して検査への依存を減らすアプローチであるため、品質向上とコスト削減が同時に達成され、企業の収益性の改善につながります。

（3）Delivery（納期）へのインパクト

プロセスのばらつきが小さくなるということは、業務の予測可能性が高まることを意味します。
突発的な不良によるラインの停止、原因究明のための作業ストップ、予定外の手直し作業といったプロセスの乱れが減少することで、生産スケジュールの予測可能性が高まります。
その結果、製造やサービスのリードタイム短縮や納期遵守率の向上につながります。顧客に対して約束通りの納期で、よりスピーディーに価値を届けることが可能になります。

８．まとめ

シックスシグマは、単なる高度な統計解析の道具箱（ツールキット）ではありません。それは、企業のあらゆるプロセスを科学的・客観的にマネジメントし、組織全体の競争力を高めるための経営変革の思想でありインフラです。

DMAICという厳格なステップを踏み、経験や主観だけに頼らず、データに基づいて検証する文化を定着させることで、組織は複雑な課題に対しても、体系的に根本原因と解決策を追究できるようになります。さらに、現代のスピード感に対応するリーンシックスシグマ（LSS）や、上流での品質を作り込むDFSSへと進化を遂げ、FMEAなどの既存の手法と有機的に結合することで、その実効性は時代を超えて高まり続けています。

変化が激しく、不確実性の高いこれからのビジネス環境において、事実（データ）に基づき、工程のロバスト性を高め、QCDの同時改善を実現するシックスシグマのフレームワークは、持続可能なエクセレンス（卓越性）を目指すあらゆる企業にとって、今後も欠かすことのできない強力な羅針盤であり続けるでしょう。

（日本アイアール株式会社 特許調査部　H・N)

Tweet

Pocket