現場コンパス

4M分析とは?製造業の品質管理で使える原因分析フレームワーク

12品質管理
#4M分析#品質管理#原因分析#製造業#ヒヤリハット

製造現場で不具合が発生したとき、「なぜ起きたのか」を整理しきれずに対策が表面的なものに終わる——そうした経験を持つ品質担当者は多い。4M分析は、原因を4つの視点で体系的に洗い出すためのフレームワークだ。シンプルな構造でありながら、不具合分析から変更管理、ヒヤリハットの原因追跡まで幅広く応用できる点が、製造業で長く使われ続けている理由である。

4M分析とは何か

4M分析とは、製造プロセスに関わる要因を「Man(人)」「Machine(機械)」「Material(材料)」「Method(方法)」の4カテゴリで整理し、問題の根本原因を特定する手法だ。

それぞれの頭文字のアルファベットがすべて「M」であることから「4M」と呼ばれる。もともとは品質管理の分野で生まれたフレームワークだが、現在は安全管理・労働災害分析・設備保全など、製造業の多様な場面で活用されている。

4つの要素の概要は次のとおりだ。

カテゴリ 英語表記 主な管理対象
Man 作業者のスキル・経験・体調・教育訓練状況
機械 Machine 設備の状態・精度・メンテナンス履歴
材料 Material 原材料・部品の品質・ロット・保管状態
方法 Method 作業手順・標準書・検査方法・工程設計

この4カテゴリを軸に「どの要素が品質に影響したか」を系統的に調べることで、思い込みによる的外れな対策を防ぐことができる。

4M分析の手順

分析は大きく5つのステップで進める。

Step 1:問題を明確に定義する

「製品に傷が入った」「寸法が規格外になった」など、発生した事象を具体的な言葉で記述する。曖昧な問題定義は分析の精度を落とすため、5W1H(いつ・どこで・誰が・何を・なぜ・どのように)を意識して整理する。

Step 2:4Mそれぞれの観点で要因を洗い出す

Man・Machine・Material・Methodの各カテゴリについて、問題に関係する可能性のある要因をすべて列挙する。この段階では絞り込まず、「関係しそうなことはすべて出す」姿勢が重要だ。

Step 3:特性要因図(フィッシュボーン図)に整理する

洗い出した要因を特性要因図に配置する。魚の骨のような形状になることから「フィッシュボーン図」とも呼ばれるこの図では、4Mの各カテゴリが大骨となり、そこから中骨・小骨として具体的な要因が枝分かれしていく。視覚的に構造を把握できるため、チームでのレビューや報告書作成にも適している。

Step 4:根本原因を特定する

洗い出した要因の中で、問題に最も強く関連するものを絞り込む。ここでは「なぜなぜ分析(5Why)」を組み合わせるのが効果的だ。4M分析で「どのカテゴリに問題があるか」を大まかに把握し、5Whyでその原因を深掘りするという使い方が製造現場では広く採用されている。

Step 5:対策を立案し、効果を検証する

特定した根本原因に対して具体的な改善策を定め、実施後に問題が再発していないかをデータで確認する。対策は「特定の個人への注意」ではなく、仕組みや手順の変更を伴うものにすることが再発防止の鉄則である。

4Mを使った変更管理(4M変更)

4M分析が特に重要になる場面のひとつが「変更管理」だ。製造現場では、作業者の交代・設備の更新・原材料の仕入れ先変更・作業手順の改訂など、4Mに関わる変更が日常的に発生する。

こうした変更は、意図せず品質に影響を与えるリスクがある。そのため、変更前後の状態を記録し、品質への影響を評価するプロセスを「4M変更管理」と呼ぶ。

ISO 9001ではプロセス変更に伴うリスク評価と記録管理が要求事項として定められており、4M変更管理はその実践手法として位置づけられている(出典:ISO 9001:2015規格)。

4M変更が発生した際は、次の3点を記録しておくことが基本だ。

  • 変更の内容(何が、どのように変わったか)
  • 変更理由と承認者
  • 変更後の品質確認結果

変更が発生した直後の工程は品質不良が起きやすいタイミングであるため、変更点の周知と初期ロットの重点検査を徹底することが現場での定石となっている。


WhyTrace Plusで4M分析を記録・共有する

4M分析の結果をExcelや紙の帳票で管理している現場では、分析ログの散逸や情報共有の遅れが課題になりがちだ。WhyTrace Plusは、5Why分析と組み合わせた原因追跡をデジタルで一元管理できるツールで、4M分析の記録・チーム共有・レポート出力をスムーズに行える。ISO 9001対応のレポート形式にも対応しており、品質記録の整備負担を大幅に軽減できる。


ヒヤリハット分析への応用

4M分析はヒヤリハット(重大事故には至らなかったが危険を感じた出来事)の原因追跡にも有効だ。

ヒヤリハットの多くは「人のミス」として片付けられがちだが、4Mの視点で掘り下げると、機械の操作性の問題(Machine)、標準作業手順の曖昧さ(Method)、あるいは作業負荷の集中(Man)といった構造的な原因が見えてくることが多い。

ヒヤリハットを4Mで整理する際の着眼点は以下のとおりだ。

カテゴリ ヒヤリハット分析での確認ポイント
Man 疲労・焦り・経験不足はなかったか。作業者への教育は十分か
Machine 設備の異常・誤作動・操作ミスを誘発する設計上の問題はないか
Material 材料の規格外品や不適切な保管が関与していないか
Method 手順書が現実の作業と乖離していないか。危険な工程が明示されているか

この分析結果を社内で共有することで、同種のヒヤリハットが複数の工程で潜在していないかをチェックできる。ヒヤリハット300件に対して1件の重大事故が存在するという「ハインリッヒの法則」の観点からも、ヒヤリハット段階での4M分析は先行的な安全対策として有効性が高い。

4M分析の限界と補完手法

4M分析は強力なフレームワークだが、いくつかの限界もある。

第一に、4Mの4カテゴリだけでは整理しきれない要因が存在する場合がある。そのため、「Environment(環境)」を加えた5M+1Eや、さらに「Measurement(測定)」「Management(管理)」を加えた6Mといった拡張版も実務では活用されている。

第二に、4M分析はあくまで原因の「整理」に優れたフレームワークだ。整理した要因から真の根本原因を掘り下げるには、先述の5Why分析や、統計的手法(QC7つ道具など)との組み合わせが必要になる。

第三に、分析の質はチームの知識と経験に依存する点だ。同じ問題でも、経験豊富なメンバーが参加するかどうかで洗い出せる要因の数と深さが変わる。技術継承が進んでいない現場では、4M分析の実効性を高めるための人材育成も並行して検討する必要がある。

4M分析を定着させるためのポイント

分析手法を導入しても、現場に定着しなければ意味がない。実務で継続的に活用するための3つのポイントを挙げる。

1. 分析を「個人への責任追及」にしない

4Mの「Man(人)」のカテゴリを分析すると、特定の作業者の行動が原因として浮かび上がることがある。しかしそこで「〇〇さんが悪かった」と結論づけてしまうと、担当者が萎縮し、次回からの正直なヒヤリハット報告が減る。重要なのは「なぜその作業者がミスをしやすい状況だったのか」という仕組みへの視点だ。

2. 分析結果をデータとして蓄積する

単発の分析で終わらせず、結果を記録・蓄積して傾向を把握することが再発防止の鍵となる。複数の不具合事例を横断的に見ると、「特定の設備でMachineカテゴリの問題が集中している」「新人作業者の配属直後にManカテゴリの問題が増える」といったパターンが見えてくる。

3. 対策の実施と効果確認をセットにする

分析で根本原因を特定しても、対策の実施状況や効果を追跡しなければ改善のサイクルが回らない。対策ごとに担当者・期限・確認方法を明確にし、効果検証の結果も記録に残すことを習慣化したい。

まとめ

4M分析は、Man・Machine・Material・Methodという4つのカテゴリで製造現場の問題要因を体系的に整理するフレームワークだ。品質不良の原因分析だけでなく、変更管理やヒヤリハットの原因追跡にも応用でき、製造業の品質管理活動の基盤となる手法である。

分析の定着には、個人責任への帰着を避ける文化醸成と、データとしての蓄積・活用が不可欠だ。5Why分析や特性要因図と組み合わせることで、表面的な対策に留まらない根本原因の特定が実現する。


姉妹サービスの関連記事

GenbaCompassの姉妹サービスでも、現場改善に役立つ記事を公開している。

現場改善に役立つ関連アプリ

GenbaCompassでは、品質・安全・設備管理を支援する複数のアプリを提供している。

アプリ名 概要 こんな課題に
WhyTrace Plus 5Why分析・4M分析をデジタルで一元管理 根本原因の特定・品質記録の整備
安全ポスト+ ヒヤリハット報告・安全情報の共有基盤 現場の安全情報収集・共有の効率化
AnzenAI AIによる安全書類作成支援 KY活動記録・リスクアセスメントの効率化
PlantEar 設備異音をAIで検知・異常を早期発見 機械カテゴリの予兆保全・故障防止
技術伝承AI ベテランの知見をデジタルで記録・継承 人カテゴリのスキル標準化・教育支援
DXスコープ診断 現場のDX成熟度を可視化・改善提案 品質管理プロセス全体のデジタル化診断

参考情報

WhyTrace - 5Why分析で根本原因を特定

なぜなぜ分析をAIがガイド。品質問題の再発防止に。

無料で試してみる
國分 良太

著者

國分 良太

制御設計エンジニア → AI・IoT・DX推進|東京の製造業メーカー開発部門

製造業の現場で設備設計・改善プロジェクト・品質向上施策に従事。なぜなぜ分析(RCA)やリスクアセスメントの実務経験をもとに、現場DXを支援するアプリケーションの開発と情報発信に取り組んでいます。

※ 本サイトは所属企業とは関係のない個人活動です。記載の見解は筆者個人のものです。