月間　人気記事
工場の現場で活用されたカイゼンの成功事例を特集【図解】
561 views
現場でできるレイアウト改善の具体例と効果【図解】
408 views
正味時間と標準時間 、余裕時間、タクトタイム、サイクルタイムの違い
298 views
トヨタの物流改善手法から学ぶ物流改善事例集【図解】
291 views
M-Mチャートを用いた生産性向上の成功事例
228 views

PQ分析を用いた工場の改善方法【図解】

P-Q分析 トヨタ生産方式用語
P-Q分析
2015.07.15
スポンサーリンク

P-Q分析とは

ＰＱ分析のＰはproduct（生産物、製品、品目）、Ｑはquantity（量）の意。横軸に品目、縦軸に生産量や出荷量をとり、生産品目を量の多い順に並べて比較したグラフ。
量産品目、個別生産品目を明らかにして、生産管理・資材管理の手掛りを得るために分析する。

PはProducts の略でいわば”製品”のこと、QはQuantityの略で”生産量”を意味する。つまり物造りを”品種と量”の2つの観点から、数値上分析することをいう。「流れ生産」のライン化構想の準備資料になる。手順は以下のとおり。

①分析期間（3ヵ月～半年）を設定し、P-Qの各数値を洗い出す。
②数値を一覧表にまとめる。これは「P-Q分析リスト」という。この際、品目は生産量の多い順に記入し、累計・比率を算出する。

③「P-Q分析リスト」をグラフ化する。これは「P-Q分析表」と呼ばれ、縦軸に生産量、横軸に品目をとり、各生産量を”棒グラフ”、累計パーセントを”折れ線グラフ”で表す。

④②・③をもとに、ラインを組み立てていく。”量を造るライン”は1品目専用ライン化、”品種を造るライン”は複数品目共通ライン化およびG/Tライン化、ライン化なし、等。

 

PQ分析のプロセスと流れ

以下に、PQ分析の基本的なプロセスと流れをわかりやすく解説します。

 PQ分析の目的

  • 製品・商品の販売数量（Q）と単価（P）を掛け合わせることで、**売上（P×Q）**を算出

  • 売上高の大きい商品を特定し、重点管理対象を絞る

  • 在庫や販売戦略の最適化を図る

 PQ分析のプロセスと流れ

① 分析対象商品の選定

  • どのカテゴリや商品群を分析するか決める（例：月間販売商品、在庫品など）

② 各商品の「価格（P）」と「数量（Q）」のデータを収集

  • 価格（P）：販売単価や仕入単価

  • 数量（Q）：一定期間の販売数量、在庫数量など

③ 各商品の売上金額を算出（P×Q）

売上金額 ＝ 単価（P） × 販売数量（Q）

④ 売上金額の高い順に並べる

  • 売上金額が大きいほど、重要度が高いと判断される

⑤ 売上構成比と累積構成比を計算

  • 各商品の売上が全体の中で占める割合（％）を算出

  • 累積構成比によりABC分類を実施する準備

⑥ 商品をABCに分類（オプション）

  • Aランク：上位70～80％の売上を占める主要商品

  • Bランク：中間15～25％

  • Cランク：下位5～10％程度のその他商品

⑦ 分析結果をもとに戦略立案

  • Aランク商品：在庫の確保や重点的な販売強化

  • Bランク商品：販促強化や改善余地の検討

  • Cランク商品：在庫削減・廃番の検討

活用シーンの例

  • 在庫最適化（売れ筋商品の在庫を厚く）

  • 販促戦略（収益性の高い商品に集中）

  • 商品構成の見直し（ロングテール商品の棚卸）

エクセルを用いたPQ分析の実践

ExcelでPQ分析を行う具体的な事例をご紹介します。ここでは、あるお店で販売している商品10種類を例に、売上データからPQ分析 → ABC分類をする流れを解説します。

事例：あるショップの販売データ

商品名 単価（P） 数量（Q） 売上金額（P×Q）
商品A 1,000円 100個 100,000円
商品B 2,000円 30個 60,000円
商品C 500円 200個 100,000円
商品D 3,000円 10個 30,000円
商品E 800円 120個 96,000円
商品F 1,200円 50個 60,000円
商品G 2,500円 20個 50,000円
商品H 700円 80個 56,000円
商品I 1,500円 40個 60,000円
商品J 900円 60個 54,000円

Excelでの分析手順

① 売上金額を計算

列D（売上金額）に以下の式を入れます：

= B2 * C2

（適宜行を変更）

② 売上金額の降順で並び替え

  • 「売上金額」列で降順に並び替え

③ 売上構成比と累積構成比を計算

  • 合計売上金額を下に計算（例：セルD12）

=SUM(D2:D11)

  • 売上構成比（E列）に以下の式を入力：

= D2 / $D$12

  • 累積構成比（F列）に以下の式を入力（F2はE2、F3は「=F2+E3」）

F2: = E2
F3: = F2 + E3
（以下ドラッグでコピー）

④ ABC分類（G列）

累積構成比（％）に基づき、以下のルールで分類：

  • A：累積構成比 〜70%

  • B：累積構成比 70.1〜90%

  • C：それ以上

G列の式の例（G2）：

=IF(F2<=0.7,"A",IF(F2<=0.9,"B","C"))

分析結果の見える化（オプション）

  • 棒グラフや円グラフで「売上構成比」「ABCランク別売上比率」などを可視化

  • 条件付き書式でA/B/C分類ごとに色分けしてもOK

以下のリンクから、PQ分析のExcelテンプレートをダウンロードできます：

📥 PQ分析テンプレート.xlsx

このファイルには以下が含まれています：

  • 商品名、単価、数量

  • 売上金額（P×Q）

  • 売上構成比・累積構成比

  • ABC分類

必要に応じて行や列を追加・調整して使ってくださいね。

 

パレート図とPQ分析の違い

PQ分析とパレート図は似た場面で使われますが、目的や手法、使い方が異なるので、わかりやすく比較してみます。

パレート図とは？

項目 内容
目的 「少数の要因が全体に大きく影響している」法則を視覚的に示す（80:20の法則）
指標 件数、金額、発生頻度など（売上でも可）
手法 データを大きい順に並べて、**棒グラフ（累積折れ線付き）**で可視化
使い方 トラブル原因の特定、売上貢献商品の可視化、改善ポイントの発見
アウトプット例 パレート図（棒グラフ＋累積折れ線）

違いのまとめ（比較表）

比較項目 PQ分析 パレート図
主な目的 重要商品の特定・分類 主要因の視覚化（80:20の法則）
使うデータ 単価×数量 金額、件数、頻度など
手法 表計算＋ABC分類 グラフ（棒＋折れ線）
結果の使い道 商品の在庫・販売戦略 改善ポイントの特定や報告資料

 補足：両方を組み合わせることもできる！

  • PQ分析でABC分類 → その結果をパレート図で視覚化
    → 「Aランク商品が全体売上の〇％を占めている」というのを直感的に伝えるときに便利！

 

実践！PQ分析の事例

ここでは、実務で使われるPQ分析の事例をいくつか分野別にご紹介します

 ① 小売店の売れ筋商品分析

背景：
あるスーパーマーケットでは取扱商品数が多く、在庫管理や発注業務の効率化が課題。

分析方法：

  • 各商品の販売単価（P）と販売数量（Q）を集計

  • 売上金額（P×Q）で降順に並べ、ABC分類

結果：

  • Aランク（全体売上の70％）に該当する商品は全体の20％だけ

  • Aランク商品を中心に在庫を厚く確保し、Cランク商品は棚落ちや発注削減を検討

効果：

  • 欠品の減少と在庫回転率の向上

  • 店長会議でも「重点商品」が明確になり戦略が立てやすくなった

② 製造業における部品管理

背景：
部品数が多く、在庫過多・品切れ・資金の圧迫が発生していた

分析方法：

  • 各部品の調達単価（P）と年間使用数量（Q）から金額を算出

  • PQ分析で部品をABCに分類

結果：

  • Aランク（上位20％の部品）がコストの80％を占めていることが判明

  • Aランク部品にだけ安全在庫やリスク分析を重点的に実施

効果：

  • 在庫額の削減（Cランク部品は必要最低限の管理に留めた）

  • 調達業務の効率化

 ③ ECサイトの販売戦略

背景：
年間500点以上の商品を扱うアパレル系ECサイト。売上の大部分が一部商品に偏っていた。

分析方法：

  • 商品ごとの販売価格（P）と販売数（Q）から売上を算出

  • PQ分析でランキングを作成

結果：

  • 売上の70％は全体の15％の商品によるものと判明

  • Aランク商品にSNS広告や特集ページを集中投下

効果：

  • 広告費のROI向上

  • 季節商品の販売ロスが減少

補足：PQ分析はこんな視点でも応用可能！

応用先 分析対象 見たい視点
顧客分析 顧客ごとの購入額（P×Q） 上得意客の特定（ロイヤルカスタマー）
コンテンツ分析 記事のPV×単価価値 アフィリエイトで収益性の高い記事特定
広告効果 広告単価×クリック数 高収益キーワードの抽出

 

工場レイアウトとPQ分析の関連

PQ分析は工場レイアウト（配置設計）にも密接に関係しています。以下でわかりやすく解説します👇

工場レイアウトとPQ分析の関係

工場レイアウトの目的とは？

  • 作業のムダ（動線・運搬・滞留）を減らす

  • 作業効率を上げて、生産性・品質・安全性を向上させる

工場レイアウトとPQ分析

工場レイアウトとPQ分析

 

 PQ分析で何がわかる？

PQ分析では、**「どの製品がどれだけの生産量・金額を生み出しているか」**が明確になります。これにより：

製品ランク 意味 レイアウト戦略
Aランク（売上上位） 主力製品、頻繁に生産される ラインの中心部・アクセスの良い場所に配置
Bランク 中程度の頻度 必要に応じて近場に
Cランク（売上下位） 生産頻度が少ない、マイナー製品 端・倉庫寄りに配置、共用ラインで対応

具体的な流れ（工場におけるPQ分析活用）

  1. 製品ごとの売上 or 生産量データを集計

  2. PQ分析でA/B/C分類

  3. A製品に必要な機械・作業スペースを工場中心部に集約

  4. B/C製品は、共通設備・移動式ラインで対応

  5. 運搬距離・人の移動を最小化して効率UP

事例：電子部品製造工場

  • 製品A～Zを製造しているが、PQ分析により売上の80％が製品A～Eで構成されていると判明

  • 製品A～Eに関わる設備や工程を「短い動線で完結するゾーン」に集中

  • その他の製品は共用設備で遠い場所に集約し、スペースと運搬の最適化に成功

効果 内容
✅ 動線の短縮 人やモノの移動距離が減り、時間短縮＆疲労軽減
✅ レイアウト変更の合理化 データに基づいた説得力のある配置変更が可能
✅ 生産性向上 主力製品に集中投資する設計が可能に
✅ 在庫スペースの最適化 Cランク品は最小限のスペースに

  • PQ分析は「品目別」だけでなく、「部品別」「ライン別」にも応用できます。

  • レイアウト設計ソフト（例：AutoCAD、FlexSim）と連携するとさらに効果的です。

 

改善活動におけるPQ分析

「改善活動におけるPQ分析」とは、生産現場などの改善活動において、**P（Production：生産量）とQ（Quality：品質）**の2つの指標を使って、問題点の特定や改善の方向性を分析する手法です。特にトヨタ生産方式などでよく用いられています。

PQ分析とは？

PQ＝生産量（P）× 品質不良率（Q）
この2軸で、製品や工程ごとの問題点を可視化し、どの製品・工程が改善インパクトが大きいかを把握するのが目的です。

◆ PQ分析の目的

  • 改善優先度の明確化
    不良が多いが生産量が少ない製品よりも、生産量が多く不良率も高い製品の方が、改善インパクトが大きい。

  • ムダの見える化
    どこにムダ（不良・過剰作業など）があるのかを明確にできる。

  • 現場の納得感を得るための根拠づくり
    感覚ではなく、データに基づいた改善ができる。

◆ PQ分析の進め方（ステップ）

  1. データの収集
    各製品や工程ごとの「生産数（P）」と「不良数（Q）」または「不良率（Q）」を集める。

  2. グラフ化
    横軸：生産量（P）
    縦軸：不良率（Q）または不良数（P×Q）
    散布図などにプロットして可視化。

  3. 改善ポイントの抽出
    右上に位置する（＝生産量も多く、不良も多い）項目が「改善優先度が高い」。

◆ PQ分析の例（イメージ）

製品名 生産数（P） 不良率（Q） 不良数（P×Q）
A 1000個 2.0% 20個
B 5000個 0.5% 25個
C 2000個 3.0% 60個

→ 製品Cが最も改善インパクトが大きい（不良率も高く、生産数もそこそこある）

◆ PQ分析の活用場面

  • 工程別の不良分析

  • 製品別の品質管理

  • 月次・週次の改善活動レビュー

  • 品質コスト削減計画の立案

P-Q分析のためのツールと技術

① データ収集のツール・技術

  • Excel / Googleスプレッドシート
    → 作業日報・不良記録からのデータ集計に最も一般的。簡易的な現場では十分対応可能。
    → VBAやGoogle Apps Scriptを使えば自動化も可能。

  • IoTセンサーデバイス
    → 生産ラインにセンサーを取り付けてリアルタイムに「生産数」や「不良数」を取得。
    → PLC（Programmable Logic Controller）との連携も多い。

  • MES（Manufacturing Execution System）
    → 工場の実行システム。製造記録や品質記録を自動で収集。
    → SAP MES、i-Reporter、FA系システムなど。

② データ加工・分析のツール

  • Excel / スプレッドシート
    → PとQの掛け算、不良率の算出、並べ替えなど簡単な処理に最適。

  • BIツール（データ可視化）

    • Power BI：マイクロソフト製、Excelとの相性◎

    • Tableau：視覚的に直感的で、ダッシュボード作成が得意

    • Google Looker Studio：Google環境との統合性が高く無料で使える
      → 生産数・不良数の時系列分析やPQ散布図を自動化

  • Python + Pandas + Matplotlib / Plotly
    → 高度な分析やカスタマイズ性を求める場合に強力。
    → PQ分析の自動レポート作成なども可能。

③ グラフ・可視化の技術

  • 散布図（Scatter Plot）
    横軸：生産数（P）、縦軸：不良率または不良数（Q）を使ってマッピング
    → 改善インパクトが大きい項目（右上の点）を視覚的に把握できる

  • ヒートマップ / バブルチャート
    → 不良件数が多いエリアを色やサイズで示す。直感的に問題の大きさがわかる。

コメント

タイトルとURLをコピーしました