This article is part of the blog series “Quality-Driven Profit.”
Throughout the series, we reframe quality issues not as isolated operational challenges, but as management systems that generate profit, organizing the structural relationships between quality, cost, and profitability.
本文為部落格系列「品質創利」中的一篇。
本系列以重新詮釋品質問題為出發點，不再僅將其視為現場層面的課題，而是將其視為能創造利潤的經營機制。
並以此為主軸，系統性地整理品質、成本與利潤之間的關係。
この記事は、ブログシリーズ「品質創利」の一編です。本シリーズでは、品質問題を単なる現場の課題としてではなく、利益を生み出す経営の仕組みとして捉え直すことをテーマに、品質とコスト、そして利益の関係を構造的に整理しています。
Chapter 5
Visualization Is the Language That Connects Management and the Front Line
We reinterpret visualization as a management tool that bridges the gap between strategy and operations.
第5章
可視化，是連結經營與現場的語言
重新將「可視化」定位為連結現場與經營的管理工具。
第5章
見える化は、経営と現場をつなぐ言語である
現場と経営をつなぐための「見える化」を、経営ツールとして捉え直します。
Series Overview Article / 系列總覽文章 / シリーズ案内記事
- 5-3 : Are You Stopping at Making Quality Problems Visible? -- Building a System That Turns Data into Decisions and Action
- 5-3 : 品質問題只是做到「可視化」就結束了嗎？ーー建立把數據轉化為判斷與行動的機制
- 5-3 : 品質問題を“見える化”するだけで終わっていませんか？ーーデータを判断と行動につなげる仕組み
5-3 : Are You Stopping at Making Quality Problems Visible? -- Building a System That Turns Data into Decisions and Action
You collect defect rates and complaint figures, summarize them in charts and tables, and report quality data at regular meetings. Yet the same problems continue to recur, and improvement does not move forward.
Does this sound familiar?
Collecting data and presenting it in a visible form is important. But simply displaying numbers does not solve quality problems.
To state the conclusion upfront, making problems visible is not merely about presenting data. It is about building a system that reads changes from the data, supports sound judgment, and leads to action.
In the first article of Chapter 5, we discussed how visibility serves as a shared language connecting management and the front line. In the second article, we clarified that data is not the fact itself, but information used to understand the facts.
This time, we will consider how that information can be translated into decisions and action.
From the perspective of Quality-Driven Profit, the purpose of making data visible is not to prepare polished reports. It is to identify the structure of loss behind quality problems and take action before those losses grow.
In this article, quality problems are not limited to manufacturing defects. Customer complaints, inconsistent service quality, rework, and customer churn in service industries are all quality problems.
Any situation in which the value promised to customers is not being delivered as expected can be regarded as a quality issue.
Three Key Points
1. Prioritize the Problems Revealed by the Data
Once quality problems are made visible, many issues may appear:
-
Defects
-
Repairs and rework
-
Customer complaints
-
Delivery delays
-
Operational errors
-
Equipment downtime
-
Slow customer response
No organization can address every problem at once.
This is especially true for small and medium-sized enterprises with limited resources. Management must decide which issues to address first.
Two important perspectives are urgency and importance.
Urgency refers to whether leaving the issue unresolved could immediately cause serious harm to customers or the business.
Importance refers to whether the issue should be prioritized from a management perspective, based on factors such as frequency, financial loss, customer impact, and future business risk.
The problem with the highest number of cases is not always the most important one.
Even if an issue occurs rarely, it may require immediate attention if it relates to safety, legal compliance, or trust with a key customer.
Conversely, rework or waiting time that appears minor on a case-by-case basis may create a substantial annual loss when repeated every day.
By adding management perspectives such as urgency, importance, frequency, and financial impact to visible quality data, the order of improvement priorities becomes clearer.
2. Look at Change and Trends, Not Isolated Numbers
Suppose this month’s defect rate is 2%.
That number alone does not tell us whether the process is operating well or poorly.
What was the rate last month?
Is it increasing over the long term?
Is it concentrated on a particular day of the week, machine, operator, product, or service?
The meaning of the same 2% figure can vary greatly depending on the conditions behind it.
What matters is not the individual number, but the changes and trends revealed over time and across different conditions.
One useful approach is to classify defects by process, product, cause, equipment, time period, or other relevant conditions. In quality management, this is known as stratification.
Problems that remain hidden in the overall defect rate may become visible when the data is broken down into meaningful categories.
However, data does not automatically reveal the cause.
What data shows is information such as change, concentration, or bias.
People must use that information to form hypotheses:
-
Could a particular machine be causing the problem?
-
Did the operating conditions change?
-
Is the issue concentrated in one product or service?
-
Did the timing of the problem coincide with a process change?
Those hypotheses must then be verified on the front line.
Looking at data and allowing data to make the judgment are not the same thing.
3. Build a System That Detects Abnormalities and Triggers Action
One tool for using data in this way is the control chart, one of the Seven Basic Quality Tools.
A control chart arranges quality data over time and uses statistical methods to determine whether process variation remains within its normal range or whether a special change has occurred.
Quality data naturally contains variation, even when work is performed under the same conditions.
At the same time, variation may also arise from special causes, such as equipment abnormalities, material changes, or changes in work methods.
A control chart uses a center line and control limits. The position and pattern of data points help indicate whether the process is showing an unusual change.
The important point is that a control chart is not an inspection sheet used to separate conforming and nonconforming items.
Its role is to detect changes in the process at an early stage, investigate the cause, and take the necessary action before the quality problem expands.
This concept can also be applied to service industries.
For example, monitoring customer waiting time, processing time, data-entry errors, or inquiry volumes over time can help identify unusual changes.
However, detecting an abnormality has no value if no one takes action.
What kind of change will be judged abnormal?
When an abnormality is found, who will check the front line, investigate the cause, and decide on countermeasures?
When will the results be reviewed?
Only when these responsibilities and actions are defined does visibility become a genuine improvement system.
Simply collecting data and preparing tables or charts will not change quality or profit.
The true purpose of making quality problems visible is to create a complete flow:
-
Prioritize the problems
-
Read changes and trends
-
Form hypotheses
-
Verify the facts on the front line
-
Take action
From the perspective of Quality-Driven Profit, visibility is a system for identifying early signs of loss and acting before profit is lost.
What becomes visible must be connected to judgment and action.
Only then does visibility become a language that moves both management and the front line.
5-3 : 品質問題只是做到「可視化」就結束了嗎？ーー建立把數據轉化為判斷與行動的機制
企業已經統計不良率與客訴件數，也整理成圖表，並在定期會議中報告品質數據。
然而，同樣的問題仍然一再發生，改善也遲遲沒有進展。
你是否也正為這樣的情況感到困擾？
收集數據，並以看得見的形式呈現出來，當然很重要。
但是，僅僅把數字顯示出來，並不代表品質問題已經獲得解決。
先說結論：
所謂可視化，不只是呈現數據，而是建立一套能夠從數據中察覺變化、做出判斷，並進一步採取行動的機制。
在第5章的第一篇文章中，我提到，可視化是連結經營與現場的共同語言。第二篇則整理了另一個觀念：數據並不是事實本身，而是幫助我們理解事實的資訊。
這一次，我們將進一步思考，該如何把這些資訊轉化為判斷與行動。
從「品質創利」的角度來看，讓數據變得看得見，目的並不是把報告資料整理得更漂亮，而是掌握品質問題背後的損失結構，並在損失擴大之前採取行動。
此外，本文所說的品質問題，並不僅限於製造業的不良品。
服務業中的客訴、服務品質不穩定、重工重做、顧客流失等，也都屬於品質問題。
只要提供給顧客的價值沒有如預期被交付，都可以視為品質問題。
重點有三個。
1．為可視化後的數據排定優先順序
當品質問題被可視化後，往往會同時出現許多待處理事項。
不良、返工、客訴、交期延誤、作業錯誤、設備停機、顧客應對延遲——企業不可能同時處理所有問題。
尤其對經營資源有限的中小企業而言，更必須決定應該先從哪一項問題著手。
此時，重要的是從「緊急性」與「重要性」兩個角度判斷。
所謂緊急性，是指若放任不管，是否會立即對顧客或企業營運造成重大影響。
所謂重要性，則是綜合考量發生頻率、損失金額、對顧客的影響，以及未來的事業風險，判斷該問題是否屬於經營上應優先處理的事項。
發生件數多的問題，不一定就是最重要的問題。
即使發生次數不多，只要涉及安全、法規，或與重要顧客之間的信任，就必須優先處理。
相反地，有些問題單次影響看起來不大，但若每天反覆發生，例如返工或等待時間，累積一整年後，也可能形成相當可觀的損失。
因此，只有在可視化的數據上，再加入緊急性、重要性、發生頻率與損失金額等經營視角，改善的優先順序才會真正浮現。
2．不要只看單一數字，而要觀察變化與趨勢
本月的不良率是 2%。
只看這個數字，仍然無法判斷製程究竟處於良好狀態，還是已經出現異常。
上個月是多少？
長期趨勢是在上升還是下降？
是否集中在特定星期、設備、人員、產品或服務？
即使同樣是 2%，背後代表的意義也可能完全不同。
真正重要的，不是單一數字本身，而是從時間變化與不同條件之間的差異，讀出趨勢與特徵。
一種常見的方法，是依製程、產品、原因、設備、時段等條件，將不良資料分組分析。
在品質管理中，這種方法稱為「分層」。
原本只看整體不良率時看不見的問題，往往會在依條件分開觀察後，逐漸顯現出來。
不過，數據並不會自動告訴我們真正的原因。
數據所呈現的，只是變化、偏差或集中現象等資訊。
根據這些資訊提出假設，例如：
「是否是特定設備出現問題？」
「作業條件是否有所改變？」
接著再到現場確認事實，這仍然是人的責任。
看數據，與把判斷交給數據，是兩件不同的事。
3．建立能夠察覺異常並採取行動的機制
在運用數據的工具中，QC 七大手法之一的「管制圖」是一個重要例子。
管制圖是將品質數據依時間順序排列，用來以統計方式判斷製程變異是否仍在正常範圍內，或是否發生了某種特殊變化。
即使在相同條件下工作，品質數據本來就會存在一定程度的正常變異。
另一方面，也可能因設備異常、材料變更、作業方法改變等特殊原因，產生不同於平常的變異。
管制圖會設定中心值與管制界限，並透過數據點的位置及排列方式，確認製程中是否出現異常變化。
這裡需要特別注意的是，管制圖並不是用來挑出不合格品的檢驗表。
它真正的作用，是提早掌握製程變化，在品質問題擴大之前調查原因，並採取必要措施。
這種思考方式同樣可以運用於服務業。
例如，將顧客等待時間、處理時間、資料輸入錯誤、諮詢件數等依時間順序整理，也能及早察覺不同於平常的變化。
不過，即使發現異常，如果沒有人採取行動，也沒有任何意義。
哪些變化應該被判定為異常？
發現異常後，由誰確認現場、調查原因並決定對策？
又要在什麼時候確認結果？
只有把這些事項都事先決定清楚，可視化才會真正成為推動改善的機制。
只是收集數據、製作表格與圖表，並不會改變品質，也不會提升利潤。
真正重要的是建立一套完整流程：
決定問題的優先順序。
讀取變化與趨勢。
提出假設。
到現場確認事實。
採取具體行動。
這一連串流程，才是可視化的真正目的。
從「品質創利」的角度來看，可視化就是一套能夠及早察覺損失徵兆，並在利潤真正流失之前採取行動的機制。
將看見的資訊，進一步連結到判斷與行動。
只有做到這一步，可視化才會真正成為推動經營與現場共同前進的語言。
5-3 : 品質問題を“見える化”するだけで終わっていませんか？ーーデータを判断と行動につなげる仕組み
不良率やクレーム件数を集計し、グラフや表にまとめている。定例会議でも品質データを報告している。それなのに、同じ問題が繰り返され、改善が進まない。
そのような悩みを抱えていないでしょうか。
データを集め、見える形にすることは大切です。しかし、数字を表示しただけでは、品質問題を解決したことにはなりません。
結論から言うと、見える化は、データを表示することではなく、データから変化を読み取り、判断し、行動につなげる仕組みをつくることです。
第5章の1回目では、見える化とは経営と現場をつなぐ共通言語であるとお伝えしました。2回目では、データは事実そのものではなく、事実を理解するための情報であると整理しました。
今回は、その情報をどのように判断と行動につなげるかを考えます。
品質創利の視点で言えば、データを見えるようにする目的は、報告資料を整えることではありません。品質問題の背後にある損失構造を捉え、損失が大きくなる前に手を打つことです。
なお本稿でいう品質問題は、製造業の不良だけを指しません。サービス業におけるクレーム、対応品質のばらつき、手戻り、顧客離れも同じです。顧客に提供する価値が期待どおりに届いていない状態は、すべて品質問題として考えることができます。
ポイントは三つあります。
1．見える化したデータに優先順位をつける
品質問題を見える化すると、多くの問題が並びます。
不良、手直し、クレーム、納期遅れ、作業ミス、設備停止、顧客対応の遅れ——すべてに一度に対応することはできません。特に経営資源が限られる中小企業では、どの問題から手をつけるかを決める必要があります。
そこで重要になるのが、緊急性と重要性の視点です。
緊急性とは、放置すると顧客や事業に直ちに重大な影響を与えるかどうかです。重要性とは、発生頻度、損失額、顧客への影響、将来の事業リスクなどを踏まえ、経営として優先すべき問題かどうかです。
件数が多い問題だけが、重要な問題とは限りません。発生件数が少なくても、安全や法令、重要顧客との信頼に関わる問題であれば、優先して対応する必要があります。
反対に、一件あたりの影響は小さく見えても、毎日繰り返される手直しや待ち時間は、年間で見ると大きな損失になっていることがあります。
見える化したデータに、緊急性、重要性、発生頻度、損失額という経営の視点を加えることで、改善の優先順位が見えてきます。
2．個別の数字ではなく、変化と傾向を見る
今月の不良率が2％だった。
その数字だけを見ても、工程が良い状態なのか悪い状態なのかは判断できません。
先月は何％だったのか。長期的には増えているのか。特定の曜日、設備、担当者、製品、サービスに偏っていないか。同じ2％でも、数字の背景によって意味は変わります。
大切なのは、個別の数字ではなく、時間の流れや条件ごとの違いから、変化と傾向を読むことです。
そのためには、不具合を工程別、製品別、原因別、設備別、時間帯別などに分類して確認する方法があります。これを品質管理では「層別」と呼びます。
全体の不良率だけでは見えなかった問題も、条件ごとに分けることで特徴が浮かび上がります。
ただし、データが原因を自動的に教えてくれるわけではありません。
データが示すのは、あくまで変化や偏りという情報です。その情報から、「特定の設備に問題があるのではないか」「作業条件が変わったのではないか」と仮説を立て、現場で事実を確かめるのは人の役割です。
データを見ることと、データに判断を任せることは違います。
3．異常に気づき、行動する仕組みをつくる
データを活用した仕組みの一つに、QC七つ道具の管理図があります。
管理図とは、品質データを時系列に並べ、工程のばらつきが通常の範囲にあるのか、それとも何らかの特別な変化が起きているのかを統計的に判断するための道具です。
品質データには、同じ条件で仕事をしていても生じる通常のばらつきがあります。一方で、設備の異常、材料の変更、作業方法の変化など、特別な原因によって生じるばらつきもあります。
管理図では、中心となる値と管理限界を設定し、点の位置や並び方から、工程に通常とは異なる変化がないかを確認します。
ここで重要なのは、管理図が不適合品を選別するための検査表ではないということです。
管理図の役割は、工程の変化を早い段階で捉え、品質問題が拡大する前に原因を調べ、必要な対応を取れるようにすることです。
この考え方は、サービス業にも応用できます。
たとえば、顧客の待ち時間、処理時間、入力ミス、問い合わせ件数などを時系列で確認すれば、通常とは異なる変化に気づくことができます。
ただし、異常を見つけても、誰も行動しなければ意味はありません。
どのような変化を異常と判断するのか、異常が見つかったときに誰が現場を確認し、原因を調べ、対策を決めるのか、結果をいつ確認するのか——ここまで決めて初めて、見える化は改善の仕組みになります。
データを集め、表やグラフを作るだけでは、品質も利益も変わりません。問題の優先順位を決め、変化と傾向を読み、仮説を立て、現場で確かめ、行動する——その一連の流れをつくることが、見える化の本来の目的です。品質創利の視点で言えば、見える化とは、損失の兆候に早く気づき、利益が失われる前に行動するための仕組みです。
見えたものを判断と行動につなげる。そこまでできて初めて、見える化は経営と現場を動かす言語になるのです。
2024年12月発表
2026年7月改訂
An Ito / 伊藤庵（いとう あん）
office Hana
Certified SME Management Consultant / Quality × Management Consultant
中小企業診斷士／品質 × 經營顧問
中小企業診断士／品質×経営コンサルタント
An Ito is engaged in quality management and quality improvement in the parts and manufacturing fields at an electronics manufacturer. His work focuses on practical quality-related activities, including responding to quality issues, preventing recurrence, and improving on-site processes.
As a certified SME management consultant and consultant, he combines the on-site quality perspective developed through his experience in the electronics industry with a management perspective grounded in SME consulting. From a “Quality × Management” standpoint, he supports small and medium-sized enterprises by starting with what is actually happening on the shop floor and emphasizing improvements and system-building that go beyond simple recurrence prevention.
我目前於電機製造業從事零組件與製造領域的品質管理與品質改善工作，負責品質問題的應對、再發防止以及現場流程改善等實務。
作為診斷士與顧問，我結合在電機產業中培養的現場品質視角，與中小企業診斷士的經營視角，從「品質 × 經營」的觀點支援中小企業。以現場發生的問題為出發點，不僅著重於防止再發，更重視制度化的改善與長期機制的建立。
電機メーカーにて、部品・製造分野の品質管理・品質改善業務に携わっている。品質問題への対応や再発防止、現場プロセスの改善など、品質領域を中心とした実務を担当している。
診断士・コンサルタントとしては、電機メーカーで培った品質の現場視点に、中小企業診断士としての経営視点を掛け合わせ、「品質×経営」の観点から中小企業支援を行っている。現場で起きている事象を起点に、再発防止にとどまらない改善や仕組みづくりを重視している。
