1
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

AUTOSAR CountdownAdvent Calendar 2022

Day 17

「QC(9)検定にも役立つ!QCべからず集」四分類と逆が真な事例案 統計(85)

Last updated at Posted at 2021-05-02

プログラマにも読んでほしい「QC検定にも役立つ!QCべからず集」
https://qiita.com/kaizen_nagoya/items/d8ada7b7fceafe2e5f0e

で紹介した

QC検定にも役立つ! QCべからず集

プログラマ以外の方にも読んでもらうために、
統計、品質、管理、仕事の仕方の4つの視点に分類し、
逆も真かもしれない事項を検討した。

管理に関することは、ほぼすべて逆も真である可能性は高い。
上限に近いときには、「下に行こう」といい、
下限に近いときには、「上に行こう」というからかもしれない。

指示は、簡単で実行しやすいことがいいから。

本は、入手が困難そうで、復刊.comに登録しました。
https://www.fukkan.com/fk/VoteDetail?no=71164
清き一票をお願いします。

公共図書館で、国会図書館以外で所蔵しているのは、
山口県立、岡山県立、大阪市、滋賀県守山市、金沢市、
名古屋市、安城市、豊橋市、横浜市、品川区。
おお、愛知県だけ3箇所にある。

四分類

みだし 説明
番号 章節の番号
題材 標題文
1.統計 統計的な技法
2.品質 品質で判断する場合
3.管理 管理の仕方
4.仕事 仕事の仕方
逆も真 前提条件により真逆の考え方も成り立つ場合があるかも

分類してみた。重要度はこれから。

番号 題材 統計 品質 管理 仕事 逆も真
1.1.1 品質第一はコストアップにつながると思うべからず 1 1
1.1.2 顧客は勝手なことを言うと思うべからず。 1 1
1.1.3 しっかり検査できれば品質保証ができると思うべからず 1 1
1.1.4 目的・目標をはっきりさせずに仕事をするべからず 1 1
1.1.5 データをとらずに理屈だけで問題解決するべからず 1 1
1.1.6 品質がよくなったからバラツキはないと思うべからず 1
1.1.7 後工程は同じ会社の仲間、お客さまではないと思うべからず 1 1
1.1.8 標準化したことを遵守することで安心するべからず 1
1.1.9 問題の発生を防ぐのは難しいと原因究明をあきらめるべからず 1 1
1.1.10 データ一覧のみで議論するべからず 1 1
2.1.1 会社方針だからといって上司の指示事項だけを実施するべからず。 1 1
2.1.2 方針管理の計画を日々行うことと日常管理を混同するべからず 1 1
2.2.1 日常業務をしっかりとやることだけに満足するべからず 1 1
2.2.2 QCサークルの基本を無視した活動をするべからず 1 1
2.2.3 同じ考え方の人だけで活動するべからず 1
2.2.4 言われてからやっと活動を始めるべからず 1 1
2.2.5 活動テーマは身近で共通する問題のみを取り上げるべからず 1 1
2.2.6 リーダの言うことのみに従うメンバになるべからず 1 1
2.2.7 一つのテーマ解決期間を6ヶ月と決めつけるべからず   1 1
2.2.8 行き当たりばったりの会合は開くべからず   1 1
2.2.9 解決が見えている問題をQCストーリーで取り組むべからず 1
2.2.10 目標の有形効果のみを追うべからず 1 1
2.2.11 自由・奔放にやることが「自主的」と勘違いするべからず 1 1
2.2.12 発表会で発表することを避けるべからず 1 1
2.2.13 職場内の活動なので顧客満足には関係がないと思うべからず 1 1
2.2.14 個人で勉強すればサークル活動での勉強は必要ないと思うべからず 1 1
2.2.15 お金をかけないと設備改善ができないと思うべからず 1 1
2.2.16 発表大会で賞をとることのみを追うべからず   1 1
2.2.17 特定のメンバーの問題はテーマにならないと思うべからず   1 1
2.2.18 コミュニケーションを無視した活動にするべからず 1 1
2.2.19 テーマ選定シートは一つのテーマ選定にとどまるべからず 1 1
2.2.20 PDCAを回さずしてレベルアップできると思うべからず 1 1
3.1.1 ねらいの品質とできばえの品質を混同するべからず 1
3.1.2 品質はすべて特性にはできないと思うべからず 1 1
4.1.1 目的を明確にせずにデータを集めるべからず 1 1
4.1.2 データの素性をおろそかにするべからず 1
4.1.3 数字データはすべて同一に取り扱うべからず 1
4.1.4 適合品率は計量値として扱うべからず 1
4.1.5 同じ製造条件で製造した製品にはバラツキがないと思うべからず 1
4.1.6 データは数値だけとするべからず 1
4.2.1 母集団とはサンプルを採取したロットのことであると思うべからず 1
4.2.2 ロットの数量が少ないので有限母集団であると決めつけるべからず 1
4.2.3 データを計測するのはロットの検査だけを目的とするべからず 1
4.3.1 まったくランダムにサンプルを採取しなければならないと思うべからず 1
4.3.2 層別サンプリングは偏りが生じるので避けようと思うべからず 1 1
4.3.3 系統サンプリングは偏りが生じるので避けようと思うべからず 1 1
4.3.4 集落サンプリングは偏りが生じるので避けようと思うべからず
4.3.5 ランダムサンプリングのために必ず乱数表を用いると思うべからず 1 1
4.3.6 毎日、定時にサンプリングするべからず 1 1
4.3.7 サンプルが多ければ良いと思うべからず 1
4.4.1 データの散らばっている様子(分布)を平均値だけで見るべからず 1
4.4.2 データの分布の中心位置は常に平均値とするべからず 1
4.4.3 分散Vは平方和Sをデータ数nで和って算出するべからず 1
4.4.4 標準偏差を表すsとσ(シグマ)を同一と扱うべからず 1
4.5.1 工程能力指数の値は必要以上におおきくするべからず 1
4.5.2 工程能力指数が1.00なので改善不要とするべからず 1
4.5.3 工程能力指数をすべてT/6σで算出するべからず 1
4.6.1 パソコンにデータ入力をしても生データは廃棄するべからず 1
4.6.2 統計量、統計解析の計算に時間を費やすべからず 1
5.1.1 つくるのを面倒と思うべからず 1 1
5.1.2 改善のねらいを無視して1番目の項目を取り上げるべからず
5.1.3 テーマ選定時のみの道具にするべからず
5.2.1 改善テーマをそのまま特性にするべからず
5.2.2 新人が一人で特性要因図を作るべからず 1 1
5.2.3 重要要員が決まってもすぐに対策検討に入るべからず 1 1
5.3.1 データが取れないとあきらめるべからず 1
5.3.2 計測器などで得られるもののみをデータと思うべからず 1
5.3.3 チェックシートはデータをとる道具のみとするべからず 1 1
5.4.1 生データばかり眺めるな 1 1
5.4.2 規格内に分布しているからと安心するべからず 1 1
5.4.3 工程能力指数(Cp)に余裕があるからと安心するべからず 1
5.5.1 作図の際に盾と横の比率を無視するべからず 1
5.5.2 データの履歴を無視して作成するべからず 1
5.5.3 飛び離れたプロットを無視するべからず 1
5.6.1 グラフは手を抜くべからず 1 1
5.6.2 何をしりたいのか、訴えたいのかを忘れるべからず 1 1
5.6.3 変化の部分を拡大表示することを常とするべからず 1
5.7.1 異常発生で不良が発生したと思うべからず 1
5.7.2 異常は管理限界線を超えたときのみとするべからず 1 1
5.7.3 一度作成した管理図はそのまま継続して用いるべからず 1 1
5.7.4 管理限界線をわずかに超えてもそのまま放置しておくべからず 1 1
6.1.1 一件の言語データは簡単な単語で表現するべからず 1
6.1.2 原因究明にグループ化は効果ありとするべからず 1 1
6.2.1 結果と原因を無視して矢印を引くべからず 1 1
6.2.2 矢印は各要因に1本あればよしとするべからず 1 1
6.3.1 手段の表現や並べ方にこだわる必要はないとするべからず 1 1
6.3.2 最終次手段が決定したらすぐに実行とするべからず 1 1
6.4.1 要素間の関連は言語データを用いるべからず 1 1
6.4.2 評価は一人で行うべからず 1 1
6.5.1 マトリックスデータ解析法は言語データの手法ではないとこだわるべからず 1 1
6.6.1 アローダイヤグラム法で役割分担の明確化ができると思うべからず 1 1
6.7.1 想定外の事態発生はあきらめるしかないと思うべからず 1
7.1.1. プロセスと業務は異なると考えるべからず 1 1
7.1.2. 関節業務にはプロセスがないと思うべからず 1 1
7.2.1 不良がなければすべて良しとするべからず 1
7.2.2 作業者がしっかりしていれば工程管理は十分とするべからず 1
7.2.3 一品生産には工程管理は不要とするべからず 1
8.1.1 QCストーリーを発表のためだけに使うべからず 1
8.1.2 改善は手順を踏まずに行うべからず   1 1
8.1.3 QCストーリーで活動を進めるのはつじつま合わせと思うべからず 1 1
8.1.4 簡単な問題にまでQCストーリーを適用するべからず 1 1
8.1.5 QCストーリーはまとめる用紙にこだわるべからず 1 1
8.1.6 対策の効果を見込んだ目標設定をするべからず 1 1
8.1.7 計画がないまま改善活動をはじめるべからず 1 1
8.1.8 サークル発表大会はQCストーリーにこだわるべからず 1 1
8.1.9 真の原因が確定するまで対策を待つべからず 1 1
8.1.10 要因の洗い出し・絞り込みは特性要因図にこだわるべからず 1
8.2.1 職場の問題を見逃すべからず 1 1
8.2.2 不良のみを問題とするべからず 1
8.2.3 問題解決の対象は、製造部門のみの業務にするべからず 1
8.2.4 目的と背景につながらないテーマを選定するべからず 1 1
8.2.5 重要度、上部方針との関連が不明なテーマを取り上げるべからず 1 1
8.2.6 原因系(仕事のやり方)の悪さを問題としてテーマにするべからず 1 1
8.2.7 いつまでも簡単な問題に取り組むべからず 1
8.2.8 データの素性を明らかにせずに解析すべからず 1 1
8.3.1 生データだけで現状把握するべからず 1 1
8.3.2 問題とすべき特性をあいまいにするべからず 1 1
8.3.3 テーマの目的に沿わない目標を設定するべからず 1 1
8.3.4 達成度合いが判定できない目標を設定するべからず 1 1
8.4.1 活動内容と納期だけを決めた活動計画はつくるべからず 1 1
8.4.2 詳細のない活動計画は作成するべからず 1 1
8.4.3 計画の変更に躊躇するべからず 1 1
8.4.4 計画作成時にわかることは見逃すべからず 1
8.5.1 「なぜなぜ分析」をせずに原因究明するべからず 1 1
8.5.2 一次原因だけで原因究明を終えるべからず 1 1
8.5.3 カンや経験を活用せずにデータ解析をするべからず 1
8.5.4 原因究明に要因重み付け法を安易に採用するべからず 1 1
8.5.5 要因解析は特性要因図づくりに終始するべからず 1
8.5.6 原因究明は一つの原因発見で終わるべからず 1 1
8.6.1 対策の検討は少人数で行うべからず 1 1
8.6.2 対策には排反事象(副作用)を忘れるべからず 1
8.6.3 対策を一つ決めて安心するべからず 1
8.6.4 原因を特定せずに対策をとるべからず 1 1
8.7.1 対策の結果が良ければすべて良しとするべからず 1 1
8.7.2 目標を達成してもマイナス効果を無視するべからず 1 1
8.7.3 設定した目標と異なる特性で効果を捉えるべからず 1 1
8.7.4 設定した目標値は変更するべからず 1 1
8.7.5 活動の効果未達のままで活動を終わるべからず 1 1
8.8.1 再発防止は標準の作成で終わりとするべからず 1
8.8.2 活動の効果が上がっても活動は終了するべからず 1 1
8.8.3 決めた標準に固執するべからず 1 1
8.9.1 活動全般を反省せずに活動を終わるべからず 1 1
8.9.2 高い目標の未達は仕方がないとするべからず 1 1
8.9.3 活動の反省は当事者だけでやるべからず 1 1
9.1.1 検査で不良をみつければよしとするべからず 1 1
9.1.2 計測は測定値の精度が良ければそれでいいとするべからず 1 1
9.1.3 どの検査でも合格していれば不良の流出はないと満足するべからず 1 1
合計 35 37 35 37 94

実際には、分布で示す方がよい。
例えば、4つの合計で10になるようにする方法を検討している。

逆も真の事例案(順次追記中)

後工程だと思っている作業を前工程にもっていけないか検討してみてください。
標準を変えた方がいいかどうかの検討をするかどうかを判断してください。
原因究明はしなくても、対策はかんがえてください。
データ一覧のみで判断できることもあるはずです。
上司の指示事項以外をすると服務規律違反で解雇されたら誰が保証してくれますか
方針管理の計画を日々行うことを日常管理としている現場がありませんか。それでどういう不具合がありますか
日常業務をしっかりとやる人と、それ以外に目配りする人と分担がしっかりしていればいいかも。
リーダの指示事項以外をすると服務規律違反で解雇されたら誰が保証してくれますか
一つのテーマ解決期間を6ヶ月と決めつけても、早く完了することを習慣づけていればいいかも
月に一度はいきあたりばったりの会合を開くのも一つの手法としてもいいかも。
品質目標に達するまでは有形効果に絞る方法はあるかも。
仕事が忙しい時には発表は辞退した方がいいこともあるかも。
賞をとることが動機付けになる場合にはいいかも。
コミュニケーションを取ることより結果を出すことを優先した方がいい場合もあるかも。
テーマ選定を一つにした方がいいこともあるかも。
PDCAをまわさずにレベルアップする方法を考えるといいかも。

<この項は書きかけです。順次追記します。>

優先順位

プログラマにも読んでほしい「QC検定にも役立つ!QCべからず集」
https://qiita.com/kaizen_nagoya/items/d8ada7b7fceafe2e5f0e

の優先順位の並べ替えの最初と次の記録をこちらに転送しました。

見出し 見出し優先順位 Qiita記事
1.1.1 品質第一はコストアップにつながると思うべからず 10
1.1.2 顧客は勝手なことを言うと思うべからず。 1
1.1.4 目的・目標をはっきりさせずに仕事をするべからず 2
1.1.5 データをとらずに理屈だけで問題解決するべからず 3
2.1.1 会社方針だからといって上司の指示事項だけを実施するべからず。 13
2.2.3 同じ考え方の人だけで活動するべからず 11
2.2.9 解決が見えている問題をQCストーリーで取り組むべからず 16
3.1.1 ねらいの品質とできばえの品質を混同するべからず 23
4.1.2 データの素性をおろそかにするべからず 4
4.3.1 まったくランダムにサンプルを採取しなければならないと思うべからず 5
4.3.7 サンプルが多ければ良いと思うべからず 6
4.6.1 パソコンにデータ入力をしても生データは廃棄するべからず 17
4.6.2 統計量、統計解析の計算に時間を費やすべからず 12
5.3.1 データが取れないとあきらめるべからず 14
5.3.2 計測器などで得られるもののみをデータと思うべからず 15
5.4.1 生データばかり眺めるな 24
6.1.1 一件の言語データは簡単な単語で表現するべからず 18
7.1.1. プロセスと業務は異なると考えるべからず 21
8.2.7 いつまでも簡単な問題に取り組むべからず 20
8.5.1 「なぜなぜ分析」をせずに原因究明するべからず 22
8.5.3 カンや経験を活用せずにデータ解析をするべからず 7
8.5.5 要因解析は特性要因図づくりに終始するべからず 19
8.6.2 対策には排反事象(副作用)を忘れるべからず 8
8.8.3 決めた標準に固執するべからず 9

並べ替え1回目

見出し優先順位 見出し Qiita記事
1 1.1.2 顧客は勝手なことを言うと思うべからず。
2 1.1.4 目的・目標をはっきりさせずに仕事をするべからず
3 1.1.5 データをとらずに理屈だけで問題解決するべからず
4 4.1.2 データの素性をおろそかにするべからず
5 4.3.1 まったくランダムにサンプルを採取しなければならないと思うべからず
6 4.3.7 サンプルが多ければ良いと思うべからず
7 8.5.3 カンや経験を活用せずにデータ解析をするべからず
8 8.6.2 対策には排反事象(副作用)を忘れるべからず
9 8.8.3 決めた標準に固執するべからず
10 1.1.1 品質第一はコストアップにつながると思うべからず
11 2.2.3 同じ考え方の人だけで活動するべからず
12 4.6.2 統計量、統計解析の計算に時間を費やすべからず
13 2.1.1 会社方針だからといって上司の指示事項だけを実施するべからず。
14 5.3.1 データが取れないとあきらめるべからず
15 5.3.2 計測器などで得られるもののみをデータと思うべからず
16 2.2.9 解決が見えている問題をQCストーリーで取り組むべからず
17 4.6.1 パソコンにデータ入力をしても生データは廃棄するべからず
18 6.1.1 一件の言語データは簡単な単語で表現するべからず
19 8.5.5 要因解析は特性要因図づくりに終始するべからず
20 8.2.7 いつまでも簡単な問題に取り組むべからず
21 7.1.1. プロセスと業務は異なると考えるべからず
22 8.5.1 「なぜなぜ分析」をせずに原因究明するべからず
23 3.1.1 ねらいの品質とできばえの品質を混同するべからず
24 5.4.1 生データばかり眺めるな

 参考資料 

逆も真:社会人が最初に確かめるとよいこと。
https://qiita.com/kaizen_nagoya/items/39afe4a728a31b903ddc

60代「よわよわエンジニアの転職は打ちのめされてからが本番だった」
https://qiita.com/kaizen_nagoya/items/30eaddd8501e191aa719

一覧

物理記事 上位100
https://qiita.com/kaizen_nagoya/items/66e90fe31fbe3facc6ff

量子(0) 計算機, 量子力学
https://qiita.com/kaizen_nagoya/items/1cd954cb0eed92879fd4

数学関連記事100
https://qiita.com/kaizen_nagoya/items/d8dadb49a6397e854c6d

統計(0)一覧
https://qiita.com/kaizen_nagoya/items/80d3b221807e53e88aba

品質一覧
https://qiita.com/kaizen_nagoya/items/2b99b8e9db6d94b2e971

言語・文学記事 100
https://qiita.com/kaizen_nagoya/items/42d58d5ef7fb53c407d6

医工連携関連記事一覧
https://qiita.com/kaizen_nagoya/items/6ab51c12ba51bc260a82

自動車 記事 100
https://qiita.com/kaizen_nagoya/items/f7f0b9ab36569ad409c5

通信記事100
https://qiita.com/kaizen_nagoya/items/1d67de5e1cd207b05ef7

日本語(0)一欄
https://qiita.com/kaizen_nagoya/items/7498dcfa3a9ba7fd1e68

英語(0) 一覧
https://qiita.com/kaizen_nagoya/items/680e3f5cbf9430486c7d

転職(0)一覧
https://qiita.com/kaizen_nagoya/items/f77520d378d33451d6fe

仮説(0)一覧(目標100現在40)
https://qiita.com/kaizen_nagoya/items/f000506fe1837b3590df

Qiita(0)Qiita関連記事一覧(自分)
https://qiita.com/kaizen_nagoya/items/58db5fbf036b28e9dfa6

鉄道(0)鉄道のシステム考察はてっちゃんがてつだってくれる
https://qiita.com/kaizen_nagoya/items/26bda595f341a27901a0

安全(0)安全工学シンポジウムに向けて: 21
https://qiita.com/kaizen_nagoya/items/c5d78f3def8195cb2409

一覧の一覧( The directory of directories of mine.) Qiita(100)
https://qiita.com/kaizen_nagoya/items/7eb0e006543886138f39

Ethernet 記事一覧 Ethernet(0)
https://qiita.com/kaizen_nagoya/items/88d35e99f74aefc98794

Wireshark 一覧 wireshark(0)、Ethernet(48)
https://qiita.com/kaizen_nagoya/items/fbed841f61875c4731d0

線網(Wi-Fi)空中線(antenna)(0) 記事一覧(118/300目標)
https://qiita.com/kaizen_nagoya/items/5e5464ac2b24bd4cd001

OSEK OS設計の基礎 OSEK(100)
https://qiita.com/kaizen_nagoya/items/7528a22a14242d2d58a3

Error一覧 error(0)
https://qiita.com/kaizen_nagoya/items/48b6cbc8d68eae2c42b8

++ Support(0) 
https://qiita.com/kaizen_nagoya/items/8720d26f762369a80514

Coding(0) Rules, C, Secure, MISRA and so on
https://qiita.com/kaizen_nagoya/items/400725644a8a0e90fbb0

プログラマによる、プログラマのための、統計(0)と確率のプログラミングとその後
https://qiita.com/kaizen_nagoya/items/6e9897eb641268766909

なぜdockerで機械学習するか 書籍・ソース一覧作成中 (目標100)
https://qiita.com/kaizen_nagoya/items/ddd12477544bf5ba85e2

言語処理100本ノックをdockerで。python覚えるのに最適。:10+12
https://qiita.com/kaizen_nagoya/items/7e7eb7c543e0c18438c4

プログラムちょい替え(0)一覧:4件
https://qiita.com/kaizen_nagoya/items/296d87ef4bfd516bc394

Python(0)記事をまとめたい。
https://qiita.com/kaizen_nagoya/items/088c57d70ab6904ebb53

官公庁・学校・公的団体(NPOを含む)システムの課題、官(0)
https://qiita.com/kaizen_nagoya/items/04ee6eaf7ec13d3af4c3

「はじめての」シリーズ  ベクタージャパン 
https://qiita.com/kaizen_nagoya/items/2e41634f6e21a3cf74eb

AUTOSAR(0)Qiita記事一覧, OSEK(75)
https://qiita.com/kaizen_nagoya/items/89c07961b59a8754c869

プログラマが知っていると良い「公序良俗」
https://qiita.com/kaizen_nagoya/items/9fe7c0dfac2fbd77a945

LaTeX(0) 一覧 
https://qiita.com/kaizen_nagoya/items/e3f7dafacab58c499792

自動制御、制御工学一覧(0)
https://qiita.com/kaizen_nagoya/items/7767a4e19a6ae1479e6b

Rust(0) 一覧 
https://qiita.com/kaizen_nagoya/items/5e8bb080ba6ca0281927

小川清最終講義、最終講義(再)計画, Ethernet(100) 英語(100) 安全(100)
https://qiita.com/kaizen_nagoya/items/e2df642e3951e35e6a53

<この記事は個人の過去の経験に基づく個人の感想です。現在所属する組織、業務とは関係がありません。>
This article is an individual impression based on the individual's experience. It has nothing to do with the organization or business to which I currently belong.

文書履歴(document history)

ver. 0.01 初稿  20230504
ver. 0.02 ありがとう追記 20230504

最後までおよみいただきありがとうございました。

いいね 💚、フォローをお願いします。

Thank you very much for reading to the last sentence.

Please press the like icon 💚 and follow me for your happy life.

1
1
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
1
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?