根本原因分析(RCA)とは?
仕組みとプロセス、活用事例を紹介

根本原因分析とは、問題の「本当の原因」を探し出すための手法です。単なる表面的な原因ではなく、根本的な問題点を特定することで、再発防止や効果的な改善策につながります。

無料資料ダウンロード
Spotfireにおける機械学習を
活⽤した製造分野の高度な根本原因分析
本資料では、
製造分野における高度な根本原因分析に利用される、
勾配ブースティングモデルについて解説します。

根本原因分析とは?

全ての問題には原因があります。そして、根本原因分析(Root Cause Analysis = RCA)とは、原因を発見するために企業が使うすべてのツール、テクニックそしてアプローチを包含した言葉です。根本原因分析の中には、真の根本原因を見つけるものもあれば、一般的な問題を解決を目的とするものもあります。根本原因分析を支援するためのアプローチもいくつか存在します。

なぜ根本原因分析が必要なのか?

問題が繰り返されることは、製造業者の悩みの種です。これらの問題は、機械の故障、製品の再作製、資源の浪費、時間の浪費など、多くの無駄を生み出します。そして企業でよく起こるのが、それらの問題に対して技術者が機械を修理するなど、問題を対処した際、問題の主原因が対処されたと思い込んでしまうことです。多くの場合、技術者は発生した症状を解決しただけであり、主要因は解決されておらず、問題が再発します。根本要因分析は、正しく使用することで、システムに問題を引き起こす具体的な問題を特定することができます。不適合要素をピンポイントで特定し、再発防止のためのデータを提供します。

企業は、根本原因分析を行うことで、「何が」「なぜ」発生したのか、そしてどのようにして再発を防ぐのかを明らかにすることができます。また、根本原因分析は再発防止のために技術者が実施すべき改善点の概要も提供します。根本原因分析を適切に行うことで、企業は問題の繰り返しを排除することができるのです。

根本原因分析法は、主に製造工程で使用されていますが、それだけを対象としているわけではありません。根本原因分析を適用できる業界は多数あります。根本原因分析のさまざまな方法論を用いて、構造化された方法により以下のような問題や取り組みに対処します。

  • 品質管理問題
  • 医療事故解析
  • 事故解析
  • エンジニアリングにおける故障解析
  • 経営変革と改善活動
  • コンピューターやソフトウェアの解析
  • 誤発注や誤出荷

根本原因分析は、企業が日常的に直面するさまざまな問題に適用されます。プロセスがマッピングされ、分析されることで、根本的な原因が出現し、修正することができます。結果、クライアントは満足し、企業は運営コストを削減することができます。

根本原因解析の仕組み

根本原因分析は、企業の問題解決演習のステップであり、企業が活用できるツールが多くあります。演習は個人が代表して取り組むこともできますが、通常は組織横断的なチームで実施することで最大の効果が得られます。チームで実施することで、実際の根本原因を発見できる可能性が高まります。

多くの問題解決プロセス(8D、シックスシグマ/DMAIC、あるいはカイゼンなど)には、根本原因分析が利用されており、それぞれのプロセスにおいて重要なステップとなっています。

ステップ1:チームを編成する

根本原因分析チームは、是正措置を実施するため、調査対象のプロセスを明確に理解し、深い知識を持っている必要があります。チームメンバーは、品質評価からプロセスプロトコルまで、問題のあらゆる側面を示す必要があります。チームメンバーはそれぞれ独自の知識と経験を有しています。各メンバーは、独自の知識と経験を持っています。

ステップ2:問題を特定する

根本原因分析を行う前に、チームは問題を特定・定義する必要があります。

  • その問題を最初に発見したのは誰か?
  • 何が起こったのか?それをできるだけ詳しく説明できるか?
  • プロセスのどのポイントでこの問題に気づいたのか?
  • いつ問題が見つかったのか?
  • これまでに何回発生したか?
  • 発生パターンはあるか?
  • どのように問題が発見されたか?

これらの情報を持った上で、必要に応じて具体的な内容を確認し、問題をより包括的に理解できるようにします。この時点で問題の短期的な封じ込めや是正措置が必要になる場合もあります。チームは収集したすべての情報をレビューし、ファクトとデータに基づき、可能性のある問題を定義する必要があります。問題を特定したら、根本原因分析のプロセスを開始します。

これらの情報をもとに、チームは問題をより包括的に理解するために、具体的な内容を確認することができます。この時点では、短期的な封じ込めや是正措置が必要な場合もあります。チームは、収集したすべての情報を検討し、事実とデータに基づいて考えられる問題を定義する必要があります。問題を特定したら、根本原因分析のプロセスを開始します。

ステップ3:根本原因解析のための正しいツールを使用する

根本原因分析にはいくつかのツールが使用されますが、どれも設計が異なります。

Is/Is Not(そうである/そうでない)

このメソッドは問題範囲の定義から解決策の計画といった根本原因分析のどのポイントでも活用することができます。これはどちらのポイントにおいても、チームが何をすべきで何をすべきで無いかについてフォーカスおよび決定するのに役立ちます。もし問題の境界線が明確に定義されていない場合、チームは道に迷い、ほとんど影響の無い問題に取り組んでしまう可能性があります。このIs/Is Notメソッドはさまざまな質問への回答に役立ちます。以下はその一例です。

  • この問題は誰に影響を与えるのか?
  • 渦中のチームはこの問題を解決するために必要な権限を持っているか?
  • この問題に関して既に知られていることは何か?
  • 顧客は何らかの影響を受けるか?
  • チームはこの問題に対して何かできるのか?

チームは問題の明確な定義と範囲を導き出すために、これらの問いかけを行う必要があります。

特性要因図(イシカワダイアグラム)

魚骨図とも呼ばれ、最も可能性の高い問題原因を導き出す便利なツールです。この名称は最終イメージが魚の骨格のような形をしていることに由来します。この図では6Mを調べます。6Mとは、man(人)material(材料)method(メソッド) machine(機械) measurement(測定) and mother nature(環境条件)です。
この図は、図の右側に記された特性に対し、左から線を引きます。これが背骨となります。そこに要因となる6Mを上下に設置し、腹骨のように背骨に線を引きます。そこからさらに細かい要因や構成要素、関連詳細を小骨として枝分かれしていきます。この時点でチームはブレインストーミングを行い、できるだけ多くの可能性を考え出します。全てのアイデアは図の正しい位置に配置されている必要があります。すべての可能性を書き出すことで、重要度と失敗可能性に基づいて、潜在的な原因を評価することができます。このようにして階層を構築することができ、階層の中から特定の原因をさらに深く掘り下げ、調査することができます。

なぜなぜ分析(5Whys)

問題が解決され、根本原因にたどり着くまで「なぜ」を繰り返す手法です。問題解決に頻繁に使用されます。単独で使用することもあれば、因果関係図など他の分析手法と共に使用することもできます。なぜなぜ分析は、質問への回答者が実際に問題に取り組んでいる人でいる場合において最も効果的です。なぜに繰り返し、根本原因へのドリルダウンに有効です。おおまかに言うと、5つ目の「なぜ」を聞くまでに、根本的な原因を特定することができます。(それよりも早い場合は、症状を対処するだけになってしまう可能性があります)なぜなぜ分析では、「なぜそれが起こったのか」「なぜもっと早く検知できなかったのか」「それの発生において、なぜシステムが失敗したのか」という3つの異なるアプローチで問題に取り組むことができます。それぞれの領域を探索することで、原因を把握できる可能性が高まります。

故障モード影響解析

故障モード影響解析(Failure Modes and Effects Analysis = FMEA)は、システムやプロセスに存在する可能性のある複数の故障要因を特定するのに役立ちます。大企業では、プロセスや製品に重大な問題(Issue)が検出された場合、チーム全体がその問題(Problem)に固有のすべての故障モードと影響についてのレビューに取り組む必要があります。チームは故障モード影響解析で問題(Problem)または故障の影響が特定されたかどうか、そしてチームがどれだけ正確にリスクを評価したかを判断しなくてはなりません。このステップまでに問題(Problem)が特定されない場合、チームは以下のことを行う必要があります。

  • 現在発生している問題(Issue)が設計またはプロセスの問題(Problem)であることを決定する。
  • 問題(Issue)の重大性を概説することで影響を判断する。
  • 考えられるすべての原因とその発生回数を列挙する

プロセスをレビューする場合は、プロセスフローまたはその図に故障モード影響解析を適用て、根本原因を見つけなくてはいけません。そしてチームは、根本原因が検出されていない場所に最も近いプロセスのエスケープポイントを特定できます。この時点で、チームは問題(Problem)の検出を妨げているあらゆる管理手順を文書化する必要があります。さらに、問題(Issue)の再発を防止するために可能な措置をリストアップし、タイムリーに解決策を実行する必要があります。

ステップ3:行動計画の策定

あらゆるツールを使って根本的な原因を発見したら、次に適切な対策と是正措置を考えなければなりません。さらに、チームはこれらの是正措置を実施するための計画を策定します。この計画は通常、短期的な解決策と長期的な解決策の2つに分類されます。

短期的な解決策は、1週間以内に実施することができます。1週間を超えるものは、長期的な対策に分類されます。長期的な対策は恒久的な対策とも呼ばれます。複雑なことが多く、正確な実施のために追加のリソースが必要になる場合があります。
これらの対策は、1ヶ月以内に実施されなければなりません。そうでなければ、継続的改善チームに渡され、定期的な評価を受けることになります。

定期的な評価の中で、是正措置は指定されたチームメンバーによって定義され、達成されなければなりません。行動計画は包括的であるべきで、各是正措置には期限が設定されているべきです。場合によっては、是正措置は複数部門でのチームワーク(順次または並行で実行)が必要な場合があります。このような場合は、行動計画と併せて適切な進捗評価のためのトラッカーを作る必要があります。

ステップ4:検証計画

検証計画(Verification/Validation Plan)は、是正措置の文書化に用いられます。検証計画はデータの記録、または根本原因分析で利用した監査ツールで行うことができます。チームは対策の有効性を検証するための証拠を収集することができます。加えて、チームは1月後に会議を開き、解決策の有効性をレビューし、他に何も必要がないことを確かめる必要があります。

効果的な根本原因分析を行うためのヒント

質問し続ける:

より良い答えに近づくために、情報をより明確にする質問をすること。あらゆる潜在原因を問いかけるほど、症状ではなく根本的原因を発見するチャンスが増えます。根本原因を特定したら、「他の可能性はないか」「なぜこれが答えなのか」という質問をして、さらなる検証を行います。「なぜ」「どのように」「何を」といったシンプルな問いかけこそが、前進するための最良の方法なのです。

チームワークとフレッシュな視点:

根本原因分析には、チームワークと多様な考え方/マインドが必要です。フレッシュな視点を入れることで、物事を異なる視点から見ることができます。新たな視点は、チームメンバーは自身の思い込みを覆すこともできます。

将来の分析に備える:

将来の根本原因分析の準備をしましょう。メモをとり、採用したプロセスを分析しましょう。特定の要件(ビジネスまたは環境)に対応するテクニックや手法を探しましょう。成功事例に対して根本原因分析を行うのも良いアイデアです。これにより成功事例を繰り返すことができるでしょう。

根本原因分析は、問題がどこで発生したかを理解するための理想的なツールです。通常、問題に対して用いられますが、成功要因を分析する際にも同様に有効です。このような分析により、重要な要素に優先順位をつけて育成し、成功を再現できるようなテンプレートを作成することができます。

関連製品

  • Spotfire
    組織全体でのデータ分析・活用を実現するオールインワンのデータ分析ソフトウェア
    詳しく見る
  • Spotfire Data Science
    エンドツーエンドで機械学習のライフサイクルをカバーする、データサイエンスプラットフォーム
    詳しく見る
Spotfire® 組織全体でのデータ分析・活用をオールインワンで実現するビジュアルアナリティクスツール 無料トライアル実施中
Spotfireの機能・使い方を動画で学べる Spotfire活用セミナー アーカイブ動画配信中 セミナー動画視聴はこちら
あ行
イーティーエル
(ETL)
異常検知
(Anomaly Detection)
か行
回帰分析
(Regression Analysis)
機械学習
(Machine Learning)
根本原因分析
(Root Cause Analysis)
さ行
散布図
(Scatter Chart)
製造アナリティクス
(Manufacturing Analytics)
た行
ダッシュボード
(Dashboard)
データ移行
(Data Migration)
データ仮想化
(Data Virtualization)
データカタログ
(Data Catalog)
データガバナンス
(Data Governance)
データクレンジング
(Data Cleansing)
データサイエンス
(Data Science)
データサイエンティスト
(Data Scientist)
データサイロ
(Data Silo)
データセキュリティ
(Data Security)
データ統合
(Data Integration)
データ品質
(Data Quality)
データファブリック
(Data Fabric)
データフェデレーション
(Data Federation)
データ分析
(Data Analytics)
データマネジメント
(Data Management)
データマネジメントプラットフォーム
(Data Management Platform)
データメッシュ
(Data Mesh)
データモデリング
(Data Modeling)
データリンキング
(Data Linking)
データレイク
(Data Lake)
テキストマイニング
(Text Mining)
デジタルツイン
(Digital Twin)
デブオプス
(DevOps)
は行
バッチ処理
(Batch Processing)
ビジネス用語集
(Business Glossary)
ビジュアルアナリティクス
(Visual Analytics)
分散分析
(Anova)
ま行
マスターデータ
(Master Data)
マスターデータ管理
(Master Data Management)
マルチドメインMDM
(Multi Domain MDM)
メタデータ管理
(Metadata Management)
ら行
リアルタイム分析
(Real-time Analytics)
リファレンスデータ
(Reference Data)
レーダーチャート
(Radar Chart)
レストフルエーピーアイ
(RESTful API)
ロジカルデータウェアハウス
(Logical Data Warehouse)
論理データモデル
(Logical Data Model)