取り込んだヒヤリハットの分類が続かない｜4M分類の運用ルールの決め方

「先月は『方法』の不備が多かった気がするが、実際に集計すると『人』の件数のほうが多い」。品質管理課長からこう相談されたことがある。

原因は簡単だった。同じような手順逸脱の事象を、ある月は「人」に、別の月は「方法」に分類していた。担当者が変わるたびに基準も変わっていたのだ。

4Mとは、Man（人）・Machine（機械）・Material（材料）・Method（方法）の4視点である。これらで原因を整理する分析軸を指す。日本規格協会が発行するJIS Q 9024:2003（マネジメントシステムのパフォーマンス改善）がある。この規格でも、特性要因図の代表的な切り口として4Mが位置づけられている。

この記事は、4M分析そのものの解説記事ではない。分類を運用として続けるためのルール作りだけを扱う。4Mの基本や、なぜなぜ分析との組み合わせ方を知りたい方は、既存の解説記事を先に読んでほしい。

分類がブレて集計が使い物にならない方へ — 安全ポスト＋は、QR報告も紙からの取り込みも、AIが自動で4Mに一次分類する。人は確定するだけでよく、分類基準を毎回考え直す負担がなくなる。

4M分類が続かなくなる理由

4M分類が続かなくなる直接の理由は、分類がブレて、集計しても傾向が見えなくなることにある。

導入初期はうまくいく。担当者が1人で、全件に目を通しているうちは基準も揃う。問題は、報告件数が増え、複数人で分担するようになってからだ。

同じ「手順書はあったが守られなかった」という事象でも、Aさんは「人」に、Bさんは「方法」に分類する。どちらも間違いではない。判断が分かれるのは、分類基準が個人の頭の中にしかないからだ。

ブレたデータを月次で集計すると、こうなる。

• 先月と今月で「人」の件数が入れ替わっても、現場の実態が変わったのか、担当者の判断が変わっただけなのか区別できない
• 経営層に傾向を報告しても、「本当にこの数字は信用できるのか」と聞かれて答えられない
• 分類作業そのものが目的化し、誰も集計結果を見なくなる

4M分類は、原因の傾向を掴んで対策の優先順位をつけるための手段だ。手段が目的化した瞬間、分類作業だけが残って形骸化する。この構造は、品質管理の現場でも安全管理の現場でも共通して起きる。

分類がブレる典型的な3パターン

分類のブレは、ランダムに起きているわけではない。多くの現場で、同じ3パターンに集約される。

パターン1: 手順逸脱の帰属先問題

「手順書には書いてあったが、作業者が守らなかった」という事象がある。これはMan（作業者が守らなかった）にもMethod（手順が守られる設計になっていなかった）にも分類できてしまう。最も頻度が高いブレのパターンだ。

パターン2: 設備起因か材料起因かの境界問題

「治具がすり減っていて材料がずれた」というケースがある。Machine（治具の摩耗）が原因なのか、Material（材料側の特性）が原因なのか判断が割れる。設備と材料の境界にある事象は、担当者の専門分野によって見方が変わりやすい。

パターン3: 管理起因の事象をどこに寄せるか問題

「教育不足で誤った手順を覚えていた」というケースがある。表面的にはMan（作業者の知識不足）に見えるが、根本はMethod（教育の仕組みの不備）に近い。4Mには「管理」という独立した軸がないため、管理起因の事象はどこかに無理やり寄せることになる。

この3パターンに共通するのは、どちらも論理的には正しいという点だ。分類に「正解」がないからこそ、事前にルールを決めておく必要がある。

この表の「推奨ルール」は一例にすぎない。重要なのは、この表と同じ形式で自分の現場向けのルールを1枚にまとめておくことだ。

迷ったときのルールを先に決める

分類精度を上げようとして、多くの現場は「もっと厳密に事象を分析すればブレは減る」と考える。これは半分正しく、半分間違っている。

事象をどれだけ厳密に分析しても、Man寄りにもMethod寄りにも解釈できる事象は必ず残る。重要なのは、分類の精度を上げることではなく、迷ったときの寄せ先を先に決めて、全員が同じルールで運用することだ。

ルールを決める際の考え方は次の通りだ。

• 「守れたのに守らなかった」なら人に寄せる。「守れない状態だった」なら方法に寄せる。 手順書が現場で実行可能な内容だったかどうかを判断基準にする
• 境界事例は月に数件出る前提で、後から見直せる形にしておく。 一度決めたルールを絶対視せず、四半期に一度くらいの頻度で見直す機会を設ける
• ルールは文書化して共有する。 口頭で伝えただけでは、新しく分類を担当する人に伝わらない。前章の表のような1枚のルール表を作り、分類担当者全員が参照できる場所に置く

精度よりも一貫性を優先する、という考え方に違和感を持つ人もいるだろう。だが、多少ズレていても一貫したルールで分類されたデータは、時系列で比較できる。一方、精度は高くても担当者ごとに基準が違うデータは、比較のしようがない。

複数該当をどう扱うか

もう一つ、現場で決まっていないことが多いのが、1つの事象が複数のMに該当する場合の扱いだ。

先ほどの「治具の摩耗で材料がずれた」という事象は、突き詰めればMachineとMaterialの両方に関係する。ここで運用が割れる。

• 主因1つに絞る運用：集計のしやすさを優先する。月次のグラフや傾向分析がシンプルになる一方、「本当は複合要因だった」という情報が失われる
• 複数付与を許容する運用：実態への忠実さを優先する。1件の事象が2つのMにカウントされるため、単純に件数を合計すると母数が合わなくなる

どちらが正しいという話ではない。ただし、どちらか一方に決めて、途中で変えないことが重要だ。ある月は主因1つ、次の月は複数付与、という運用では、月次比較の意味がなくなる。

筆者の見立てでは、報告件数が月間数十件程度の現場は「主因1つに絞る」運用のほうが続けやすい。複数付与は分析としては精緻だが、分類する側の判断負荷が上がる。結局は「面倒だから全部に丸をつける」という運用に崩れやすい。件数が少ないうちほど、シンプルなルールのほうが長続きする。

AIの一次分類と人の確定

分類のブレをルールで抑えても、複数人が手作業で分類する限り、解釈の揺れそのものはゼロにならない。ここで有効なのが、AIに一次分類を任せ、人が確定するという分担だ。

安全ポスト＋では、QRコードから届いた報告も、紙から取り込んだ報告も対象になる。管理画面の「紙から取り込み」機能を使えば、AIが自動で4M（人・機械・材料・方法）に一次分類する。取り込んだ内容はその場で確認・修正してから登録できるため、AIの分類を人が確定する運用になる。

この分担の利点は、ブレの発生源が「人の主観」から「ルール」に移る点にある。

• AIは常に同じ基準で一次分類する。人によって判断が割れることがない
• 人は「この分類でよいか」を確認するだけでよく、ゼロから分類を考える負担が減る
• AIの一次分類に違和感がある事例は、そのまま「ルールを見直すべき境界事例」の候補になる

分類作業に人手をかけたくない方へ

分類ルールを整えても、毎回手作業で4Mに振り分ける作業自体が負担になっている現場は多い。安全ポスト＋なら、AIの一次分類を人が確認するだけで済み、分類にかける時間そのものを減らせる。

👉 デモを試す（4Mなぜなぜ深掘り・登録不要）

ここで注意したいのは、AIに分類を丸投げすることと、AIに一次分類を任せて人が確定することは別だという点だ。前章までで決めたルール（迷ったときの寄せ先、複数該当の扱い）は、AIに任せても消えない。むしろ、人が確定する際の判断基準として、ルールを明文化しておく価値がさらに増す。

紙の報告書をAIでデータ化する手順は別記事にまとめた。紙のヒヤリハット報告書をAI-OCRでデータ化する手順と3つの注意点を参照してほしい。

月次で何を見るかを先に決める

分類のルールを整えても、そもそも「何のために4M分類しているのか」が曖昧なままだと、運用は続かない。分類は目的ではなく、月次で何かを判断するための手段だからだ。

分類軸を精緻にする前に、次を先に決めておくべきだ。

• 月次のダッシュボードで、まず何を見るか。 未対応の高リスク件数か、滞留件数か、改善実施率か。見る指標によって、必要な分類の粒度は変わる
• 4Mの内訳をどう使うか。 「今月はMethod起因が増えた」と分かったとして、それを誰が、どう次のアクションにつなげるのか
• 分類そのものより、対応の遅れを先に潰す。 4Mの内訳を精緻に出しても、高リスク案件が対応されずに滞留していては意味がない

安全ポスト＋の管理画面では、未対応の高リスク件数・滞留件数・改善実施率などを月次で確認できる。これらの指標を先に固定し、4Mの内訳はその補助情報として位置づけるほうが、運用として続きやすい。

安全衛生委員会などの場で報告資料を作る際も同じ考え方が使える。4Mの内訳だけを並べるより、「高リスクで未対応のものが何件残っているか」を軸に据えたほうが議論が進む。資料作りの具体的な進め方は、安全衛生委員会の資料づくりで扱っている。

分類し直しは発生する。過去分の再分類はしない

ルールを途中で見直せば、過去に分類したデータとの整合性が崩れる。ここでよくある誤解が、「過去分もすべて新しいルールで再分類すべきだ」という考え方だ。

現実的には、過去分の再分類はやらない、という判断でよい。理由は次の通りだ。

• 再分類の作業コストが、得られる分析価値を上回ることが多い
• ルール変更の前後で断層があること自体を記録しておけば、時系列比較の際に「この時期からルールが変わった」と注記できる
• 完璧なデータより、今後一貫して運用できるデータのほうが価値が高い

ルールを変えた月をメモしておき、月次報告のグラフには注記を1行添える。これだけで十分だ。過去に遡って全件を洗い直す必要はない。

そもそも報告件数が少なすぎて分類の議論以前の段階にある現場もある。ヒヤリハットの報告自体が月0件に近い場合は、ヒヤリハットが月0件の現場を動かすで報告を増やす施策を先に検討してほしい。

よくある質問

Q. 4M分類にはっきりした正解はあるのか

ない。境界事例は必ず残る。重要なのは唯一の正解を探すことではなく、迷ったときにどちらへ寄せるかを事前にルール化し、全員が同じ基準で運用することだ。

Q. 分類ルールは誰が決めるべきか

分類作業を実際に行う担当者と、集計結果を見る管理職の両方で合意して決めるのが望ましい。現場の判断基準と、経営層が見たい指標がずれていると、ルールが形骸化しやすい。

Q. AIに分類を任せると精度は落ちないか

AIの一次分類をそのまま確定せず、人が確認・修正する運用であれば、判断の最終責任は人に残る。むしろ、担当者ごとの主観のブレが減り、一貫性という点では向上しやすい。

Q. 複数該当を許容する運用に途中で切り替えてよいか

切り替えること自体は問題ない。ただし、切り替えた月を記録し、それ以前のデータと単純比較しないよう注記すべきだ。運用ルールの変更履歴を残す習慣が重要になる。

まとめ

4M分類が続かなくなる最大の原因は、担当者の主観によって分類がブレることにある。ブレたデータは集計しても傾向が見えず、やがて分類作業だけが目的化して残る。

対策は次の3点に集約される。

• 迷ったときにどちらへ寄せるかを、事前にルールとして1枚の表にまとめておく
• 複数該当を主因1つに絞るか複数付与するかを決め、途中で運用を変えない
• AIに一次分類を任せ、人が確定する分担にすることで、ブレの原因を人からルールに移す

そして何より、分類は目的ではない。月次で何を見るかを先に決めてから、分類の軸を整えるべきだ。過去分の再分類にこだわらず、今後一貫して運用できるルールを作ることに時間を使ってほしい。

現場改善に役立つ関連アプリ

GenbaCompassでは、安全ポスト＋以外にも現場のDXを支援するアプリを提供している。併せてチェックしてみてほしい。

詳しくは GenbaCompass をチェック。