Published: Nov 17, 2026

現場改善

QCストーリーとは?8ステップと製造業の記入例

    QCストーリーとは?8ステップと製造業の記入例

    改善活動を報告書にまとめたものの、なぜその対策を選び、何が変わったのかが伝わらない。QCストーリーは、問題の把握から原因の検証、対策、効果確認までを一つの流れで進めるための枠組みです。

    この記事では、すでに起きている不良を改善する「問題解決型」を中心に、自動車部品のユニット組立の記入例で説明します。

    QCストーリーとは?改善の根拠をつなぐ進め方

    QCはQuality Control、品質管理を意味します。QCストーリーは、品質などの問題を、データと事実に基づいて解決していく進め方です。報告書の見出しを埋めるための形式ではなく、現状と目標の差を把握し、対策の妥当性を確かめるために使います。

    日本科学技術連盟のQCストーリー・QC手法の解説では、テーマ、現状把握、目標設定、計画、原因解析、対策、効果確認、歯止め、振り返りなどの流れが示されています。段階の区切り方や呼び名は組織によって異なります。

    本記事では、対策の立案と実施、標準化と振り返りをそれぞれまとめ、8段階で整理します。社内の発表様式がある場合は、その区分に対応させて使ってください。

    QCストーリーの型を目的に合わせて選ぶ

    型

    取り組む内容

    テーマの例

    問題解決型

    目標や基準に届いていない現状を改善する

    ユニット組立の締結手直しを減らす

    課題達成型

    これまでにない目標や新しい業務を実現する方策を検討する

    新品番を限られたスペースで立ち上げる

    施策実行型

    原因が判明している問題を早く改善する

    決定した照合設備を工程に定着させる

    未然防止型

    今後発生しそうな問題を、事前に防ぐ

    締結工具の更新に伴うトルク設定ミスを防ぐ

    型の選択が活動の目的ではありません。すでに原因が分かっているのか、何を実現したいのかを確認し、調査・検証が必要な部分に時間を使います。以下では、不良の原因を調べる問題解決型を扱います。

    問題解決型QCストーリーの8ステップ

    1.取り組むテーマを選ぶ

    品質への影響、発生頻度、手直し負担などを確認し、優先する問題を決めます。「工場の品質向上」では範囲が広すぎるため、対象工程・品番・不良内容を限定します。

    例えば「ユニットAのハウジング締結で発生する手直しを減らす」とすれば、調べる工程と記録が明確になります。

    2.現状をデータで把握する

    対象期間の生産数と不良数、手直し時間を確認します。品番、設備、発生場所、中断の有無などで分けると、全体の平均だけでは見えない偏りを捉えられます。

    データの集め方を揃えることも必要です。検査方法や不良の定義が途中で変わった場合は、同じ条件の数値として比較しないでください。ただ数値を見るだけではなく、三現主義を意識しましょう。

    三現主義については、三現主義とは?現場・現物・現実で原因を確かめる方法をご参照ください。

    3.指標・目標・期限を決める

    「不良を減らす」だけでなく、何をどこまで変えるかを関係者で合意します。生産量の影響を受ける件数は、台数当たりの割合などと合わせて確認します。

    架空の例として、現状が1,000台中20台の手直しなら手直し率は2.0%です。1,000台当たり10台以下を仮目標にする場合、対象期間や生産条件も決めます。この数値は製造業の標準値やOlloの実績ではありません。

    4.活動計画と役割を決める

    調査、原因の検証、対策の試行、効果確認の順に日程を組みます。製造だけで判断できない設備や品質条件は、生産技術・品質・安全の担当者と確認する時間も確保します。

    計画は一度作って固定するものではありません。原因の検証に時間がかかった場合は、未確認のまま対策を実施するのではなく、活動日程を見直します。

    5.原因の仮説を検証する

    不良の多い条件を手掛かりに、現物・作業動画・工具ログなどを確認します。特性要因図やなぜなぜ分析は、候補を整理するために使えますが、図や文章が完成しただけで原因が証明されるわけではありません。

    特性要因図やなぜなぜ分析の違いについては、なぜなぜ分析と特性要因図の違い|原因分析の使い分けと進め方をご参照ください。

    ユニット組立なら、中断後の再開方法、部品の識別、締結の完了確認などを調べます。どの条件で差が出るかを確かめ、別の要因でも同じ現象が説明できないかを検討します。

    6.原因に合う対策を立案・実施する

    確認した原因に対し、具体的な作業・設備・運用を変更します。再開位置が分からない問題なら、表示や再開方法を整えるといった対策です。「教育の徹底」だけでは、どこを変えたかが分かりません。

    改善案のネタについては、工場の改善提案ネタ10選|ユニット組立の具体例と提案書の書き方をご参照ください。

    一度に多くの条件を変えると、何が有効だったかを確かめにくくなります。品質・安全を確認したうえで、小さな範囲で試し、変更点を記録します。

    7.改善前後の効果を確かめる

    対策前と同じ不良定義・集計方法で、生産数、不良数、手直し時間を確認します。品種構成や応援者の人数が違う場合は、その条件も併記します。

    品質は改善しても、作業時間や負担が増えすぎていないかを確認します。目標に届かなければ、対策を増やす前に原因の仮説や実施状況へ戻ります。

    8.標準化し、残る課題を振り返る

    効果が確認できた対策は、作業手順書、QC工程表、治具の点検、教育など必要な文書と運用へ反映します。担当者が変わっても続くように、変更の理由と確認方法を残します。

    QC工程表の作成方法については、【無料テンプレート】QC工程表の作り方|製造業の記入例付きをあわせてご確認ください。

    活動が終わった後にも確認日を設けます。うまくいかなかった点や未解決の条件を整理し、次の改善テーマにつなげます。

    現状の作業分析と、改善後の手順書づくりを効率化したい場合は、動画を使うAIも活用できます。

    製造業特化型の作業分析AI「Ollo Factory」の機能・導入事例が分かる資料を請求する

    QCストーリーとQC七つ道具の関係

    QCストーリーは活動全体の流れであり、QC七つ道具はデータを集めたり、特徴を調べたりするための手法です。すべての道具を使う必要はありません。

    • 発生状況を集める:チェックシートで品番・設備・不良内容を記録する

    • 重点を絞る:パレート図や層別で、取り組む範囲を検討する

    • 原因と変化を調べる:目的に応じて特性要因図、散布図、管理図などを使う

    例えば、原因別のデータがまだないのにパレート図を作っても、原因の重要度は分かりません。どの問いに答えるために道具を使うのかを先に決めます。

    まとめ:QCストーリーは原因・対策・効果のつながりが重要

    • 対象と目標を具体化し、同じ条件で測れるデータを集める

    • 原因を検証してから対策を選び、品質と作業負担を確認する

    • 効果があった対策を標準化し、活動後も継続を確かめる

    動画の見返しや時間集計、変更後の手順書作成をAIで支援すると、改善担当者は原因の検証や対策の評価に集中しやすくなります。

    作業の分析と改善後の標準化を支援する製造業特化の作業分析AI「Ollo Factory」

    Ollo Factoryは、動画から作業を分類し、作業時間の集計や、お手本との比較を行えます。QCストーリーの現状把握や改善前後の確認に、同じ条件で撮影した映像を使えます。AIが示す改善案は、現場の品質・安全の条件を確認して採用します。

    改善提案AIで問題点の候補を調査する

    改善提案AIは、作業動画から問題点の候補を抽出し、改善案を自動で提示します。QCストーリーにおいて、取り組むテーマを選び、改善策の候補の作成の際の支援になります。

    Ollo Factoryの機能画面のスクリーンショットOllo公式ページのデモ画面。本文で説明した工程を解析した結果ではありません。

    稼働分析AIで現状を把握する

    稼働分析AIでは、作業動画を区間に分けて分類し、分類ごとの時間を集計・可視化します。作業・移動・手待ちなど、現場に合わせた分類基準を設定できます。現状を把握し、標準と実際の差を特定する際のサポートになります。

    Ollo Factoryの機能画面のスクリーンショットOllo公式ページのデモ画面。本文で説明した工程を解析した結果ではありません。

    動画マニュアルAIで改善後の標準化を支援する

    動画マニュアルAIは、アップロードした作業動画から手順を分割し、作業名と説明文を自動生成します。改善後の作業をマニュアルにまとめ、標準化や教育につなげられます。

    Ollo Factoryの機能画面のスクリーンショットOllo公式ページのデモ画面。本文で説明した工程を解析した結果ではありません。

    動画を使った現状把握から原因調査、改善後の標準化まで進めたい方は、Ollo Factoryの資料をご覧ください。

    Ollo Factoryの資料を請求する

    About the author

    K.Y. | Business Development Lead & Marketing, Ollo Inc.

    K.Y. leads business development and marketing at Ollo Inc., an AI startup originating from the Matsuo Laboratory at the University of Tokyo and the developer of Ollo Factory, a work analysis AI for manufacturing.
    After studying engineering and design at university, K.Y. joined a major automaker and worked on new electric-vehicle development, from design through factory production, including hands-on assembly-line training. K.Y. later worked in sales and marketing at a manufacturing startup.
    Today, K.Y. helps manufacturing teams use AI to improve the way they work through Ollo Factory.

    Back to articles

    See how Ollo Factory can support your factory

    Book a demo

    • See the product in action
    • Discuss your production needs
    • Explore available plans

    Book a demo

    Request a brochure

    • Customer stories
    • Key features
    • How to get started

    Ollo Factory English product brochure