邱培其（Chiu Pei-Chi）　|　2026 年 4 月 2 日

本記事は『AIAG-VDA SPC 2026 新版シリーズ』の第三回であり、4 種類の先進的な管理図と Pearson 非正規分布の処理方法を取り上げます。従来の Shewhart 管理図の検出能力が不足している場合や、データが正規性の仮定を満たさない場合に、これらの手法はより精密な解決策を提供します。

シリーズ記事
第一回：AIAG-VDA SPC 2026 新版の重要ポイント解説（Cpk/Ppk 定義の変更、判定ルール）
第二回：SPC 管理図 完全ガイド（12 種類の管理図 + 5 大統計ツール）
第三回：先進的な管理図と Pearson 非正規分析（本記事）

---

一、先進的な管理図（Advanced Charts）

01 累積和管理図（CUSUM Chart）

工程平均の小さなシフト（0.5σ～2σ）を検出することに特化した先進的な管理図です（AIAG & VDA, 2026, §10.3.5.4, p.111）。

原理：各観測値と目標値との偏差を累積し、小さなシフトを段階的に増幅させることで、より迅速な検出を可能にします。

• 表形式 CUSUM：C⁺ᵢ = max(0, C⁺ᵢ₋₁ + xᵢ − T − K)；C⁻ᵢ = max(0, C⁻ᵢ₋₁ − xᵢ + T − K)
• K（参照値）= δ×σ/2、ここで δ は検出対象とするシフト量
• H（決定区間）= h×σ（h は通常 4～5 をとる）
• 1σ シフトを検出する際の ARL₁ ≈ 9.9（§10.3.5.4, p.111 の公式 ARL 表）、Shewhart 図は約 43.9 — 感度は約 4.4 倍

適用シーン：半導体工程のドリフト監視、医薬品含有量の偏移、工具摩耗トレンドの検出。

制約：大きなシフト（> 3σ）に対しては Shewhart 図ほど直感的ではありません。検出対象とするシフト量 δ をあらかじめ設定する必要があります。

02 指数加重移動平均管理図（EWMA Chart）

加重平均によって短期的な変動を平滑化し、小さなシフトを検出します（AIAG & VDA, 2026, §10.3.5.5, p.116；ISO 7870-6 も参照）。

• 漸化式：Zᵢ = λxᵢ + (1−λ)Zᵢ₋₁
• 管理限界：UCL/LCL = T ± L×σ√(λ/(2−λ)×[1−(1−λ)²ⁱ])
• 加重係数 λ（0 < λ ≤ 1）は過去データの影響度を制御します：λ が小さい（0.05～0.1）と小さなシフトを検出し、λ が大きい（0.2～0.4）と X̅ 図の挙動に近づきます
• 管理限界は時間とともに収束します：初期は広く（情報が少ない）、定常状態に達すると一定値に近づきます

EWMA と CUSUM の比較：

観点	CUSUM	EWMA
設計要件	目標シフト量 δ の事前設定が必要	事前設定が不要で、設計がより柔軟
1σ シフトの ARL₁	≈ 9.9	≈ 10.3（λ=0.1）
非正規データ	正規性の仮定に比較的敏感	非正規データに対しても良好な性能（CLT の効果）
適したシーン	予想されるシフト量が既知の場合に最適	化学工程の漸変、測定システムの偏移追跡

03 プリコントロール図（Pre-Control Chart）

非統計的な管理図であり、規格限界を基礎として公差を単純にゾーン分けします（AIAG & VDA, 2026, §10.3.2.7, p.90: “Control Charts for Preliminary Control”。公差に関連する図表の一種で、単純な区分形式に属します）。

• 緑ゾーン：規格中心 ± 1/4 規格幅
• 黄ゾーン：緑ゾーンから規格限界まで
• 赤ゾーン：規格外

判定ルール：

• 連続 5 点が緑ゾーンに入る → 工程合格
• 黄ゾーンが連続 2 点（同じ側）→ 機械調整
• 赤ゾーンが 1 点でも出る → 停止

利点：過去データが不要で、設定が簡単、5 分以内で判定が完了します。理論的根拠：Cpk ≥ 1.33 を仮定すると、緑ゾーンに入る確率が > 86% となります。

適用シーン：金型の試打ち初物確認、ライン切り替え後の迅速な検証、少量多品種生産環境。

制約：トレンドや周期性を検出できません。工程能力の定量的指標を提供しません。

04 公差関連管理図（Tolerance-Related Control Chart）

工程の統計量ではなく規格限界を基礎として管理限界を設定します（AIAG & VDA, 2026, §10.3.4, p.104）。

イエローブック §10.1 では 2 つの概念が並列されています：Process-Related は工程の安定性検出に重点を置き、Tolerance-Related は製品が規格内にあることの確認に重点を置きます。

Cpk が非常に高い場合に、管理限界を緩めて誤報率を低減するシーンに適しています。Shewhart 管理図との違いは限界の設定基礎にあります——Shewhart は工程の ±3σ を限界とするのに対し、公差関連図は USL/LSL を参照します。

---

二、時間依存変動モデル（Time-Dependent Models）

工程データが時間とともに生じる 3 種類の典型的な異常原因パターン：

パターン	特徴	典型的な根本原因	トリガールール
トレンド（Drift）	データが同一方向へ継続的に移動する	工具摩耗、薬剤の劣化	WE Rule 3（連続増加/減少）
周期性（Cycle）	反復的な変動	環境温度の昼夜変化、シフト効果	規則的な上下交替
ステップシフト（Shift）	水準が突然変化する	材料交換、機械調整、作業者交代	WE Rule 2（連続同一側）

自己相関の問題：データが時間依存性を示す場合、従来の管理図の ±3σ の仮定が破られます。解決策：EWMA/CUSUM 管理図、残差管理図、または既知の時間トレンドを除去してから管理する方法。

---

三、Pearson 非正規管理図

なぜ非正規管理図が必要なのか？

データが正規分布に従わない場合、従来の ±3σ 管理限界は高い誤報または見逃しを引き起こします。新版マニュアルは §10.3.5.2（p.106）で明確に規定しています：サブグループの大きさ n < 9 かつデータが明らかに非正規の場合、Pearson 管理図を第一選択とすべきです。

Pearson 分布システム

イエローブックの当該節では歪度（γ₁）と尖度（β₃）の推定値を用い、標準化された Pearson 分布の分類および計算式を定義するために ISO 22514-4 標準を参照するよう読者を導いています（AIAG & VDA, 2026, §10.3.5.2, p.106）。Pearson 分布システム（Pearson family）は歪度と尖度に基づいてデータを異なる歪んだ分布（skewed distributions）に分類します。以下は Pearson システムにおける一般的な分類の対応です：

タイプ	対応する分布	典型的な用途
Type I	Beta 分布	有界データ
Type III	Gamma / χ² 分布	鋳造肉厚（右歪み）
Type IV～VI	各種の非対称分布	複雑な歪みデータ
Type VII	Student-t 族分布	対称な厚い裾を持つデータ

注：Type I～VII の詳細な分類定義は Pearson 分布システムの統計学文献（Pearson, 1895）および ISO 22514-4 標準に由来します。イエローブック自体は「Pearson family」と総称しており、各タイプの名称を逐一列挙してはいません。

管理限界の計算

従来の ±3σ に代えて正確な分位数を使用します：

• LCL = F⁻¹(0.00135) — 分布の 0.135% 分位数
• UCL = F⁻¹(0.99865) — 分布の 99.865% 分位数
• 正規分布における ±3σ のカバー率（99.73%）と等価ですが、限界は非対称です

なぜ Box-Cox 変換を使わないのか？

Box-Cox などの数学的変換は歪みデータを近似的な正規へと変換できますが、現場での実用性に致命的な問題があります：

“only be used as SPC control charts on site to a limited extent”
— AIAG & VDA (2026), §10.3.2.6、変換管理図の現場実用性の制約について

理由：変換後の管理図は元の物理単位に戻すために「逆変換（inverse transformation）」が必要であり、現場の作業者にとって解読が困難です。一方、Pearson 管理図は元のデータ単位を直接用いて非対称な限界を構築するため、現場での直感性が大幅に向上します。

---

四、非正規分布分析パイプライン（Analysis Pipeline）

自動化された分析パイプラインの 6 ステップによるエンドツーエンドのフロー：

Step	動作	説明
1	データ入力	標本統計量を計算（n, x̄, s, γ₁, γ₂）
2	正規性検定	Shapiro-Wilk（n < 5000）または Anderson-Darling、p < 0.05 で非正規
3	Pearson 分類	β₁, β₂ を計算 → 分布タイプ（I～VII または Normal）を判定
4	分布の当てはめ	分類結果に基づいてパラメータを当てはめ（shape, location, scale）、最尤推定
5	分位数の計算	F⁻¹(0.00135) = LCL、F⁻¹(0.99865) = UCL
6	OOC 判定	データ点を非正規管理限界と比較し、判定ルールと併用

---

五、スマート選図決定エンジン

AIAG-VDA は管理図の適用を分析管理図の段階（Analysis Chart）と SPC 管理図の段階（SPC Chart）に分けています。選図の決定は分析段階で行われます：

シナリオ	条件	推奨案
A — Normal	正規性検定に合格	Shewhart 管理図（X̅-R/S または I-MR）、±3σ 限界で有効
B — Skewed	n = 1 かつデータが非正規	Pearson 非対称管理限界、対称限界による誤報を回避
C — Autocorrelated	データに自己相関がある	EWMA / CUSUM の記憶型管理図

重要な考え方：SPC 管理図の期間中に分布の形態が変化した場合、それ自体が異常原因の信号であり、管理図を交換するのではなく根本原因を調査すべきです。X̅ 管理図（n ≥ 4）は中心極限定理によって保護されており、サブグループ平均値は正規に近づくため、多くの場合非正規管理手法は不要です。

---

よくある質問 Q&A

Q1：CUSUM と EWMA は同時に使用できますか？

可能ですが、通常はどちらか一方で十分です。両者の小さなシフトを検出する能力は近く（1σ シフトの ARL₁ はそれぞれ 9.9 と 10.3）。CUSUM は予想されるシフト量が既知のシーンに適し、EWMA は設計がより柔軟で δ の事前設定が不要です。実務上は、ソフトウェアのサポート状況やエンジニアの習熟度に応じて選択することが多いです。

Q2：プリコントロール図（Pre-Control）は Shewhart 管理図に取って代われますか？

できません。プリコントロール図は規格限界を基礎とする迅速なスクリーニングツールであり、トレンドや周期性などのパターンを検出できず、工程能力の定量的指標も提供しません。適しているのは、ライン切り替え初期の迅速な検証（5 分以内に判定）や、少量多品種生産において正式な管理図を作成するのに十分な過去データがない場合の暫定的な手段です。

Q3：データに自己相関があるかどうかをどう判断しますか？

自己相関関数（ACF）プロットまたは Durbin-Watson 検定を用います。隣接する観測値の間に有意な相関がある場合（ACF lag-1 が有意にゼロでない）、従来の Shewhart 管理図の ±3σ の仮定が破られます。この場合は EWMA/CUSUM を使用するか、残差に対して管理図を作成すべきです。

Q4：Pearson 管理図は信頼できる分類のためにどのくらいのデータが必要ですか？

歪度と尖度を信頼できる形で推定するには、少なくとも 125 個の個別値（≥ 25 組）が必要です。標本が少なすぎると Pearson 分類が不安定になり、特に Type IV（閉じた形式がない）の判定が不安定になります。分析管理図の段階では、十分なデータを収集してから一括で分類を完了すべきです。

Q5：公差関連管理図（Tolerance-Related）はいつ使うべきですか？

工程の Cpk が 1.33 を大きく上回る場合（例えば Cpk > 2.0）、±3σ 管理限界を使用すると過度に頻繁な誤報を引き起こします（工程変動が規格幅よりはるかに小さいため）。この場合は、規格限界を基礎として管理限界を緩め、不必要な停止調査を低減することを検討できます。ただし注意すべき点として、これは検出感度の一部を犠牲にします。

---

参考文献

1. AIAG & VDA (2026). Statistical Process Control SPC Manual, 1st Edition, §10.3.5 (Advanced Charts), §10.3.2.7 (Pre-Control), §10.3.4 (Tolerance-Related).
2. AIAG (2005). Statistical Process Control SPC Manual, 2nd Edition.
3. ISO 7870-6:2016. Control charts — Part 6: EWMA control charts.
4. Pearson, K. (1895). Contributions to the mathematical theory of evolution. II. Skew variation in homogeneous material. Philosophical Transactions of the Royal Society A, 186, 343-414.
5. Montgomery, D.C. (2019). Introduction to Statistical Quality Control, 8th Edition. Wiley.

本記事は中方科技 MiDFUNの品質管理技術チームが執筆し、AIAG-VDA SPC Manual 1st Edition (2026) の原文解析に基づいています。
MiDFUN SPC システムには Pearson 非正規管理図、CUSUM、EWMA などの先進的な管理図機能がすでに組み込まれています。
SPC システム導入のご相談は、お気軽にお問い合わせください。