【日々のマナビ】なぜ品質データは隠蔽されるのか – 統計的品質管理と不正トライアングルで読み解く現場の組織設計
こんにちは。ろっさんです。
0. はじめに｜「綺麗すぎる数字」を見たとき、診断士は何を疑うべきか
合格直後、ある製造業の現場で品質管理の月次データを見せてもらったとします。管理図はきれいに中心線の周りに揃っている。不良率は0.05%で安定している。工程能力指数Cpkも1.33を超えている。経営者は「うちは品質には自信がある」と胸を張ります。
ここで多くの新米診断士は「立派な現場ですね」と返してしまいます。私自身、最初の頃はそう返していました。
でも、本当に怖い品質問題は「綺麗すぎる数字」のなかに隠れていることがあります。
不良が一切記録されない月が3ヶ月続く工程。同じ作業者が担当した日だけ不良率が極端に低くなる工程。検査記録の最終桁が特定の数字に偏っている工程——これらはすべて、「データそのものが現実を映していない」可能性を示すサインです。
中小企業診断士の試験では、統計的品質管理（管理図・工程能力・実験計画）を学びます。多品種少量や小標本の制約下でどう運用するか、不良検知をどう設計するか、データの改ざんや隠蔽をどう防ぐか——これら3つは試験的には別々の論点として習います。
しかし実務では、この3つはひとつの設計問題の3つの側面でしかありません。
統計の精度を上げても、データそのものが歪んでいれば意味がない。データの真正性を守ろうと監視を強化しても、現場が「報告すると怒られる」状態なら、隠蔽の動機をかえって強化してしまう。組織の心理的安全性だけを唱えても、ルールと可視化のハード設計がなければ、現場は何を報告すべきかが分からない。
この記事では、中小企業診断士の試験で別々に学ぶ品質管理の3論点——「統計的品質管理の現場運用」「致命工程の異常検知」「データ改ざん・隠蔽の防止」——を、ひとつの組織設計問題として統合し直します。そして、その統合の鍵となる2つの新しい論点を持ち込みます。
ひとつは、品質コストの古典的なPAFモデル（予防・評価・内部失敗・外部失敗）に第5カテゴリ「隠蔽コスト」を加えるという拡張です。隠蔽は古典的なPAF分類のどこにも収まらないのに、現実の中小企業ではPAF合計を超える金額で発生し得ます。なぜ見えなかったのかを構造的に整理し、監査インフラ投資のROIとして数字で扱う方法を示します。
もうひとつは、不正のトライアングルとMcKinsey 7Sの掛け算です。隠蔽を「個人の倫理問題」ではなく「組織の構造問題」として読み替え、ハードS（Strategy/Structure/Systems）→ソフトS（Skills/Style/Shared Values）の順序で設計することの重要性を、ある自動車メーカーのアンドンコードの逆説を通して示します。「心理的安全性を先に作ろう」という発想がなぜ失敗するのか、その理由が見えてきます。
事例として登場するのは、これまでの記事でも何度か触れた金属加工業A社（従業員22名・年商2億円・主力顧客への売上集中47%・熟練工2名が勤続20年超）です。同じ会社を別の論点から見ることで、「ひとつの組織のなかで品質・統計・倫理・データガバナンスがどう絡み合っているか」が立体的に見えるようにします。
扱うトピックは以下の通りです。
- 試験で習う「正規分布前提」の統計的品質管理が、現場の制約下で崩れる仕組み
- 多品種少量・小標本・欠測の三重苦に対する代替アプローチ（層別・代理特性・ベイズ・ノンパラ）
- 不良が滅多に出ないが出ると致命的な工程の異常検知設計（誤警報コスト含む）
- 品質データ隠蔽の典型パターンと、データベース権限・監査ログ・統計的監査の統合設計
- PAFモデルの限界と「隠蔽コスト」第5カテゴリの導入
- 隠蔽コストの3層構造（直接・間接・構造）と監査インフラ投資のROI
- 不正のトライアングル（機会・動機・正当化）の各辺をどう削るか
- McKinsey 7Sのハード先行設計と、心理的安全性をめぐる逆説
- 過剰監視と心理的安全性のバランス設計
- 隠蔽が起きる組織の3つの構造的特徴
合格後の知的再武装として、「綺麗な数字」を疑う眼を養うための長編記事として書きました。
1. 制約だらけの現場で統計的品質管理をどう設計するか
1.1 試験で学んだ「正規分布前提」が現場で崩れる
中小企業診断士の試験で習う統計的品質管理の三本柱は、管理図（Xbar-R、p、c など）・工程能力指数（Cp、Cpk）・実験計画法（DOE）です。試験対策としては、それぞれの計算式と適用条件を覚え、与えられた小ケースで使い分けられればよい。
しかし実務で同じ手順を使おうとすると、最初の30分でぶつかる壁があります。
前提条件が満たせません。
教科書的な管理図は、計測値が「正規分布に従う」「独立に観測される」「品種が単一である」「測定数nが十分に大きい」という前提に立っています。Cpkは「上限・下限の規格が明確で、データの分布が安定している」ことを前提にしています。実験計画法は「複数の水準で再現実験ができる」ことが前提です。
A社のような中小金属加工業を訪問してみると、この前提のほとんどが崩れています。
- 多品種少量生産：1ロットの数が10〜30個。同じ品種が次に流れるのは2週間後
- データ欠測：自動計測ではなく作業者の手記録。書き忘れ・読み取り誤りが日常的に発生
- 小標本：致命工程ほどロットが小さい（航空宇宙系の特注部品など）
- 規格の曖昧さ：顧客図面に「±0.02」と書いてあるが、実際には顧客側の検査基準が緩く、運用上の許容値はもっと広い
この状況で教科書の管理図を機械的に当てはめると、何が起きるか。
管理限界線（UCL/LCL）が頻繁に「異常」を検出します。でも作業者の経験では「これは品種違いで規格の枠が違うだけ」「これは測定ミスが混ざっただけ」というのが大半です。アラートが鳴っても無視されるようになり、半年後には「管理図は飾り」になります。
教科書通りの統計的品質管理が機能しないことを「現場のレベルが低い」と片付ける診断士は、現場から信用されません。前提条件が満たせない現場で、どう代替設計するかが実務の問いです。
1.2 三重苦への代替アプローチ
多品種少量・欠測・小標本という三重苦に対しては、いくつかの代替アプローチが揃っています。試験ではあまり強調されませんが、現場ではこちらの方が日常的に使えます。
(a) 層別管理：品種ごとの管理図を諦め、特性ごとに揃える
異なる品種を全部1枚の管理図に乗せると分布が混ざります。逆に品種ごとに管理図を作るとデータ点数が少なすぎます。中間解として「同じ加工特性を持つ品種グループ」で層別する方法があります。たとえば「同じ材料・同じ切削条件・同じ寸法レンジ」のグループでひとつの管理図を作る。
A社では、約60品種を「精密旋盤グループ」「フライス加工グループ」「複合加工グループ」の3層に分け、それぞれに管理図を運用しました。1グループあたりのデータ点数が確保でき、品種固有のばらつきを混入させずに済みます。
(b) 代理特性：計測しにくい本質特性の代わりに、計測しやすい関連特性を使う
たとえば「組み立て時の摩擦トルク」が品質特性として最も重要だが、計測が破壊検査になるため全数測定ができないとします。この場合、「外径寸法の精度」や「表面粗さ」が摩擦トルクと相関する代理特性なら、そちらを管理図で追うことで間接的に本質特性を守れます。
代理特性の選定には、過去データで本質特性との相関係数を確認することが必須です。相関が0.7以上あれば実用に耐えます。0.5以下なら代理にならないと判断します。
(c) ベイズ的更新：少ない実データに事前知識を足す
小標本で平均や分散を推定すると、推定値の信頼区間が広すぎて使い物になりません。ベイズ的アプローチでは、「同種の品種の過去データ」を事前分布として使い、新しい少数データで事後分布を更新します。
A社の致命工程では、月10個しか流れない品種について、同じ加工方法の別品種データ（年間300個）を事前分布として使い、品種固有のばらつきを事後的に推定する設計を導入しました。これは試験では出ない技法ですが、中小製造業の小ロット現場では事実上の標準解になります。
ベイズ統計の使いどころは、戦略更新の文脈でも紹介しました。シナリオ分析と事後更新のロジックは 事業環境変化への戦略更新 の記事も参照してください。
(d) ノンパラメトリック手法：分布形を仮定しない
正規分布前提が崩れているなら、最初から分布形を仮定しない検定（マンホイットニーのU検定、クラスカル・ウォリス検定など）を使う選択肢があります。データの順位だけを使うため、外れ値や歪んだ分布に対して頑健です。
中小企業の現場では「データの分布形は確認しない」ことが多いので、ノンパラ手法をデフォルトにする方が安全です。
1.3 A社の管理図運用設計
A社で実際に設計した管理図運用は以下のような形でした。
| 項目 | 設計内容 |
|---|---|
| 対象工程 | 精密旋盤グループ（10品種を1グループ化） |
| 管理特性 | 外径寸法（代理特性として摩擦トルクの代用） |
| 計測方法 | 各ロット先頭3個＋ロット中央1個＋末尾3個の計7点 |
| 管理図 | Xbar-R管理図（n=7） |
| 管理限界 | 過去6ヶ月データから推定（ベイズ的事前分布で補正） |
| アラート条件 | 連続3点が同側にある／管理限界を超える／傾向が見られる |
| レビュー頻度 | 週次（工場長・熟練工リーダー・診断士） |
| 異常時対応 | 24時間以内に原因究明会議（後述の§5.3エスカレーション表） |
ポイントは2つあります。
ひとつは、管理図を「ひとつだけ作って終わり」にしないこと。多品種少量の現場では、複数の層別管理図を運用する方が現実的です。
もうひとつは、統計手法そのものより「レビューの場」を先に設計すること。管理図を作っても、それを誰がいつ見て、誰が判断するかが決まっていないと、図は機械的に印刷されるだけで誰の意思決定にも影響しません。
統計的品質管理は「統計の技術」ではなく「現場の意思決定の技術」です。試験的な計算手順より、現場の運用設計こそが診断士の腕の見せどころになります。
2. 致命的不良工程の異常検知設計
2.1 「不良率0.1%以下・致命度100」の工程をどう守るか
統計的品質管理の話の中で、もう一つ別の論点があります。「不良がほとんど出ないが、一件でも出ると致命的」な工程の管理です。
A社にも、この種の工程がありました。航空宇宙系顧客向けの精密部品で、年間生産数120個。過去5年間で不良は2件しか出ていません。でも一件でも顧客に流出すれば、ロット全数返品＋顧客監査＋次回受注停止というコンボが待っています。年商2億円の会社にとっては経営に直結する規模の損失です。
ここで管理図を運用しようとすると、最初の難問にぶつかります。
データが少なすぎて統計的な異常検知ができません。
過去5年で不良2件。年間120個。月次データでは1ヶ月あたり10個。これでは平均も分散も推定できません。Cpkを計算しても信頼区間が広すぎて意味がない。p管理図も使えない（不良率がほぼゼロなのでLCL=0が常識化する）。
教科書的な統計的品質管理がほぼ機能しない領域に、致命工程は存在します。
2.2 工程データ・設備ログ・現場判断の3層構造
この壁を越えるための設計は「単一の管理図」ではなく「3層の異常検知システム」になります。A社で組んだ構造を示します。
第1層：工程データ（直接特性の管理図）
直接の品質特性（外径寸法など）の管理図は当然回しますが、これは「過去データから外れたものをすくう網」として運用します。検知の責任の主軸ではありません。
第2層：設備ログ（プロセスパラメータの異常検知）
直接特性が「結果」なのに対し、設備ログ（主軸温度・切削抵抗・振動）は「原因」のシグナルです。結果データが少なくても、設備ログは秒単位で蓄積できます。
A社では、過去の不良発生時の設備ログを遡って解析し、「主軸温度が通常より3℃以上高い状態が30分以上続く」「切削抵抗のピーク値が標準より20%以上高い」という2つの先行シグナルを特定しました。これをアラートとして組み込みます。
設備ログは、結果データの何百倍の量があります。少数の致命工程でも、設備ログベースの異常検知なら統計的に意味のある運用ができます。
第3層：現場判断（熟練工の感覚記録）
設備ログだけでは拾えないシグナルがあります。「いつもより音が違う」「切粉の色がいつもと違う」「機械の振動が手に伝わってくる感覚が違う」——これらは熟練工が日常的に拾っているが、明文化されていない情報です。
A社では、熟練工が「気になる」と感じた瞬間に押せる「赤ボタン」を導入しました。押された記録（時刻・工程・コメント）は自動的にデータベースに残り、後で結果データ（不良発生の有無）と突き合わせます。
最初の3ヶ月、赤ボタンは延べ28回押されました。そのうち実際に不良につながったのは2回。残り26回は「何もなかった」ですが、それでも経営者は赤ボタンを継続させました。理由は単純で、「26回の空振りより、2回の見逃しの方が損失が大きい」からです。これは§2.3で扱う誤警報コストの話に直結します。
2.3 誤警報コスト（オオカミ少年問題）の経済設計
異常検知のアラートを設計するときに必ず議論になるのが「誤警報コスト」です。
検知感度を上げると、本物の不良を見逃しにくくなる反面、空振り（false positive）が増えます。空振りが多いとアラートが信用されなくなり、「またか」と無視されるようになります。これがいわゆる「オオカミ少年問題」です。
経済設計の枠組みでこれを定式化します。
期待損失 = P(見逃し) × C(見逃し損失) + P(空振り) × C(空振り対応コスト)
A社の航空宇宙系工程で試算した数字はおおむね次のようなものでした（概数）。
| 項目 | 数値 |
|---|---|
| C(見逃し損失) | 1件あたり1,500万円（返品＋監査対応＋顧客喪失リスク） |
| C(空振り対応コスト) | 1件あたり3万円（30分の確認＋3時間のライン停止） |
| 見逃しと空振りの比率 | 1:500 まで許容される |
つまり、空振り500回出しても、見逃し1回防げれば経済的にペイします。これは現場の感覚と一致しません。現場では「空振りが多いとアラートが信用されなくなる」という心理的なコストが効きます。
経済的にはペイしても、心理的に運用が崩壊するなら意味がない。ここで設計の問いは「アラートを誰に・どう・どの粒度で出すか」になります。
A社の解は3つでした。
- アラートを階層化する：軽度（オペレーター確認）／中度（工場長判断）／重度（生産停止＋経営者報告）の3階層に分け、軽度の空振りは現場の業務として組み込む
- 空振り対応のコストを下げる：軽度アラート時の確認手順を「30秒で終わる3項目チェック」に標準化し、頻発しても疲弊しない設計にする
- 空振り記録を価値ある資産にする：空振りも全記録を残し、月次でパターン分析を行う。「どの時間帯に空振りが多いか」「どの作業者の担当時に多いか」を可視化して、検知ロジックを継続的に更新する
3点目が地味ですが本質的です。空振りを「無駄な作業」ではなく「検知ロジック改善のためのフィードバックデータ」と再定義することで、現場のモチベーションが変わります。
2.4 アラート設計とエスカレーション表
最後に、A社で実際に運用しているアラート＆エスカレーション表の骨子を示します。
| 階層 | 検知条件 | 対応者 | 対応時間 | 行動 |
|---|---|---|---|---|
| L1（軽度） | 設備ログの単一指標が警戒域 | オペレーター | 即時 | 3項目チェック→継続可なら継続、不明なら工場長に上申 |
| L2（中度） | 設備ログの複数指標が警戒域／管理図上のシフト発生 | 工場長 | 30分以内 | 工程一時停止→熟練工と相談→原因仮説を立てて再開判断 |
| L3（重度） | 直接特性が規格逸脱／赤ボタン押下／L2が60分以内に解決しない | 経営者＋工場長 | 即時 | 工程停止→顧客通知の要否判断→24時間以内に原因究明会議 |
このエスカレーション表は、「誰がいつ何を判断するか」を事前に決めておくための装置です。試験の答案では「組織的に対応する」と書けば点が取れますが、実務では「誰が」が決まっていないと一斉に動けないか、全員が動いて重複混乱します。
エスカレーション設計は§5.4で論じる「機会の削減」の具体例でもあります。「重大判断を一人で抱える」状況を作らないことが、後述の不正のトライアングルの「機会」を削ることに直結します。
3. 品質データはなぜ隠蔽されるのか
3.1 「綺麗すぎる数字」という違和感
§1と§2で見てきたのは「データを正しく集めれば、現場制約のなかでも品質管理は機能する」という話でした。
ここで問いが反転します。
そもそも集まってくるデータは、現実を映しているのか。
A社で品質管理体制の設計を進めていたとき、ある工程の月次データに違和感を覚えました。不良率がほぼ毎月0.08〜0.12%の範囲に収まっています。一見、安定している優秀な工程に見えます。
でも、おかしい。
製造業の不良率は、季節要因・人員変動・材料ロット差などで、もっと暴れるのが普通です。0.08〜0.12%という極端に狭い範囲で7ヶ月も推移するのは、自然分布としては考えにくい数字でした。
確認のため、検査記録の最終桁の出現頻度を集計してみました。本来なら0〜9が均等に出るはずです。結果は——「0」と「5」の出現頻度が他の数字の2倍以上ありました。
検査結果が「丸められている」のです。
これは典型的な数値隠蔽パターンのひとつで、ベンフォードの法則や桁分布の偏りで検出できます。実際に検査現場で何が起きていたかは、§9.2で詳述します。
「綺麗すぎる数字」は、現場が頑張った結果ではなく、現場が無意識に丸めた結果かもしれない。この可能性を疑う眼を持たない診断士は、データ起点の意思決定で必ずどこかで足元をすくわれます。
3.2 改ざん・隠蔽の典型パターン3つ
品質データの隠蔽・改ざんには、いくつかの典型パターンがあります。試験では「不正は倫理の問題」として扱われがちですが、実務では「構造の問題」として読み解けます。
パターン①：数値の丸め（無意識）
検査者が「0.082」を「0.08」と記録し、「0.117」を「0.10」と記録する。これは意図的な改ざんではなく、「面倒くさいので丸める」「規格内なのでざっくり記録する」という積み重ねです。本人に隠蔽の意識はありません。
しかしこれが繰り返されると、データの分布が現実から乖離し、本物の異常が検出しにくくなります。後で監査が入ったときに「故意でなくとも不適切な記録」と判定されるリスクがあります。
パターン②：「閾値ジャスト」の集中（半意識）
検査値が規格上限ぎりぎりだったとき、「規格内なので合格にしよう」と判断して規格値そのもの（または規格より0.001少ない値）を記録する。これも構造として頻発します。
データを見ると、規格上限の手前にデータが異常に集中する分布になります。これも統計的監査で検出可能です。
パターン③：不良の非記録（故意）
「これは作業者の凡ミスだから記録しなくていい」「再加工で直したから不良じゃない」という判断で、本来記録すべき不良を記録しない。これは明確な隠蔽です。
故意の非記録は、データだけからは検出が難しいケースもあります。記録するべき不良が「そもそも記録されていない」ので、データ上は存在しないからです。検出には、生産量・廃材・再加工材の物量から逆算する間接的な方法が必要になります。
これら3パターンに共通するのは、「現場の人が悪い人だからやっている」のではないという点です。パターン①は習慣、パターン②は無理のない判断、パターン③は「報告すると怒られる」「上司の評価に響く」という構造への適応行動です。
倫理教育で解決できる問題ではありません。組織の構造を変えなければ、再発します。
3.3 データベース設計の物理的防御
隠蔽の構造的解決には、技術的な側面と組織的な側面の両方が必要です。技術的な側面、すなわちデータベース設計の物理的防御から見ていきます。
(a) 権限の最小化
検査者は「自分が担当した検査結果のレコード作成」のみができる。修正は本人にも一切できない。修正したい場合は、追加レコードを作成し、元のレコードはそのまま残す。これがイミュータブル（不変）な記録の原則です。
A社では、検査記録テーブルに「更新権限」を物理的に持たせない設計に変更しました。挿入のみ可能、削除・更新不可。修正したい場合は、訂正用の新レコードを作成し、元レコードに紐付けます。これだけで「無意識の丸め」と「閾値ジャスト集中」の半分は減りました。
(b) 監査ログ（アクセスログ）
誰がいつ・どのレコードを参照したか、どのクエリを実行したかをすべて記録する。検査者自身が自分の過去データを大量に参照していたら、そこに改ざん動機がある可能性が示唆されます。
監査ログは「事後に検証できる」というだけでなく、「監視されている」というアナウンス効果も生みます。これは後述の不正のトライアングル（§5）の「機会」を削る効果につながります。
(c) 検査者と判定者の分離
検査値を入力する人と、その値を見て合否を判定する人を、組織的に分離します。同じ人が「測って・判断する」と隠蔽のインセンティブが生まれやすい。別の人が判断するなら、データを偽る動機が薄まります。
A社では、人数が限られているため、完全分離は不可能でした。代わりに「同じロットの再検査を別の検査者がランダムに実施する」という抜き取り方式を導入しました。完全分離ではなく、確率的分離です。
(d) 自動計測の最大化
そもそも人が記録するから誤りが入ります。可能な範囲で自動計測（センサー直接読み取り）に置き換えれば、改ざん余地が消えます。
A社では精密旋盤の主要寸法を、加工後に自動的にセンサー測定してデータベースに直接書き込む仕組みを導入しました。投資額は約180万円。年間の改ざんリスク低減効果（後述の§4.5で試算）からペイすることが分かり、稟議が通りました。
3.4 統計的監査による論理的防御
物理的防御だけでは、人が記録するすべての項目を守りきれません。論理的防御として、データの分布パターンから異常を検出する統計的監査が補完的に必要です。
(a) ベンフォードの法則
自然発生する数値データの先頭桁は、1が約30%、2が約17%、…、9が約4.6%という対数的な分布になることが知られています（ベンフォードの法則）。
会計監査では数値が改ざんされていないかの検出に使われます。品質データでも応用可能です。検査記録の先頭桁分布がベンフォードから大きく外れていたら、改ざんの疑いがあります。
(b) 最終桁の一様性
§3.1で触れた手法です。検査記録の最終桁（小数点以下最後の桁）は、本来0〜9が均等に出るはずです。特定の桁に偏りがあれば、丸めや改ざんの可能性が高い。
(c) 規格境界への集中
データの分布が規格上限・下限の直前に異常に集中していたら、「規格内に押し込む操作」が疑われます。ヒストグラムを見れば一目瞭然です。
(d) 検査者別・時間帯別の偏り
同じ工程・同じ品種でも、特定の検査者が担当した日や、特定の時間帯（夜勤など）に不良率が極端に低い場合、その検査者・時間帯に偏りがある可能性があります。
A社では、月次の品質会議でこれらの統計的監査指標を必ずレビューする仕組みにしました。指標自体は数行のスクリプトで自動算出できます。
物理的防御（§3.3）と論理的防御（§3.4）を統合することで、「物理的に改ざんしにくく、改ざんしたら統計的に検出される」という二重の防御が成立します。
4. PAFモデルの限界と「隠蔽コスト」第5カテゴリ
4.1 古典的なPAFモデル
ここまで読んで、ひとつの根本的な問いが残ります。
これだけの設計投資をする価値が、本当にあるのか。
品質管理の経済性を議論するときの古典的な枠組みが、PAFモデル（Prevention-Appraisal-Failure model）です。クロスビーやジュランが整備したもので、品質コストを4つのカテゴリに分けます。
| カテゴリ | 内容 | A社での例 |
|---|---|---|
| 予防原価（Prevention） | 品質を作り込むための投資 | 統計的品質管理体制の構築・教育研修・標準化 |
| 評価原価（Appraisal） | 品質を確認するための投資 | 検査・試験・監査・自動計測装置 |
| 内部失敗原価（Internal Failure） | 出荷前に発覚した不良の損失 | 廃棄・再加工・歩留低下による損失 |
| 外部失敗原価（External Failure） | 出荷後に発覚した不良の損失 | 顧客クレーム対応・返品・損害賠償・取引停止 |
PAFモデルの基本的な主張は、「予防＋評価への投資を増やすと、内部＋外部失敗が減る」「合計コストを最小化する最適点が存在する」というものです。中小企業診断士の試験でも、品質コストの構造として習います。
このモデルは長く使われてきました。私自身、最初の頃はこの4分類で品質投資の意思決定を考えていました。
しかしA社の現場で§3の品質データ隠蔽問題に直面したとき、PAFのどこにも収まらない損失があることに気づきました。
「隠蔽されている損失」です。
4.2 隠蔽コストが見えない理由
隠蔽コストが従来のPAF分類に収まらない理由は、いくつかあります。
ひとつめは、隠蔽は内部失敗とも外部失敗ともつかないことです。データが改ざんされて不良が記録されなければ、内部失敗として計上されません。一方、その不良がそのまま出荷されて顧客環境で問題を起こせば外部失敗ですが、それまでは「失敗として見えていない」状態が続きます。
ふたつめは、隠蔽は「発覚時点」と「発生時点」が大きく乖離することです。3年前の改ざんが今発覚すると、過去3年分の出荷の信用問題に発展します。会計年度をまたぐ累積損失として、突発的に巨大化します。
みっつめは、隠蔽は損失額を確定するのが困難であることです。具体的な金銭損失だけでなく、信頼の毀損・取引関係の悪化・組織文化への影響など、定量化しにくい要素が大きい比重を占めます。
これらの理由で、PAFモデルの4分類は隠蔽を捉えきれません。だから私は、第5カテゴリとして「隠蔽原価（Concealment Cost）」を加えることを提案します。
4.3 隠蔽コストの3層構造
隠蔽コストは、3つの層で構成されると整理できます。
層①：直接コスト（発覚時に確定する金銭損失）
- 監査対応費用（社内調査・第三者監査・コンサル費用）
- 法的対応費用（弁護士・違約金・損害賠償）
- 短期的な売上喪失（取引停止・受注減）
A社規模なら、本格的な隠蔽が発覚すれば直接コストだけで5,000万〜1.5億円程度です。年商2億円の会社にとっては経営継続が問われるレベルになります。
層②：間接コスト（中期的に効いてくる損失）
- 信頼損失による新規受注の停滞（数ヶ月〜数年）
- 既存顧客との関係悪化（値引き要求の増加・優先順位の低下）
- 採用への悪影響（求人応募の減少・離職の増加）
- 取引銀行の与信引き締め
これらは1〜3年スパンで効きます。A社規模なら年間2,000万〜5,000万円の機会損失として効くケースがあります。
層③：構造コスト（ガバナンス再設計の投資）
- 隠蔽が起きにくい組織への再設計コスト
- 新しい権限・承認・監査体制の構築
- 文化変革のためのトレーニング・人事制度変更
- 顧客への信頼回復のための情報開示・第三者認証取得
構造コストは「発生して初めて支払う」性質のものです。隠蔽が発覚しなければ発生しません。逆に、発覚すると一気に数千万円規模になります。
直接＋間接＋構造の合計は、A社規模で1〜2億円のレンジになります。年商2億円の会社にとっては「事業の倒産リスク」と等価です。
4.4 監査インフラ投資のROI設計
ここまで来て、ようやく§3で論じた監査インフラ投資（権限設計・監査ログ・自動計測・統計的監査）のROIが評価できます。
投資側：
| 項目 | 投資額 |
|---|---|
| 自動計測装置 | 180万円 |
| データベース権限再設計 | 50万円（外部委託） |
| 監査ログ運用ツール | 20万円（年額） |
| 統計的監査スクリプト整備 | 30万円（外部委託） |
| 検査者ローテーション運用変更 | 50万円（業務再設計） |
| 小計 | 330万円（年額換算で約220万円） |
リターン側（リスク低減効果）：
リスク低減 = P(隠蔽発生確率の低減幅) × E(隠蔽コスト期待値)
A社の業界における同規模企業での隠蔽発覚事例から、年あたりの隠蔽発生確率を約3〜5%と推定しました。監査インフラ投資後、これを0.5〜1%以下に下げられる見込み。隠蔽コスト期待値は§4.3より約1〜2億円。
リスク低減 ≈ (0.04 − 0.008) × 1.5億円 ≈ 480万円/年
投資220万円に対しリターン480万円。RARAC（Risk-Adjusted Return on Capital）の発想で言えば、リスク調整後の年率200%を超える投資です。「品質投資はコスト」ではなく「リスク低減資本」として位置づけ直せます。
経営者には、「監査インフラに220万円かけることで、年間480万円分の倒産リスクを買い戻している」と説明できます。「品質管理のための投資です」と説明するより、「事業継続のための保険です」と説明する方が、経営者の理解と投資判断のスピードが変わります。
4.5 A社での経営者への説明
実際にA社の経営者に上の試算を持っていったとき、最初の反応は「そんな大袈裟な話か」でした。隠蔽コストが見えていなかったのです。
私は、同規模・同業界の事例を3つ示しました。
事例①：従業員30名の機械加工業。3年前の検査記録改ざんが発覚し、主要顧客との取引停止。半年で従業員10名解雇、最終的に親会社への吸収合併。
事例②：従業員18名の樹脂成形業。一部不良の非記録が発覚し、顧客監査の対象に。3ヶ月の生産停止＋関連3社からの受注見直しで、年商の約30%が消失。
事例③：従業員25名の精密部品業。データ丸めが内部告発で発覚し、品質マネジメント認証を喪失。再認証取得まで2年、その間の機会損失が累計約8,000万円。
3事例の数字を見せたあと、経営者は黙りました。1分ほどの沈黙のあと、「分かった。やろう」と言いました。
この経営者の意思決定を変えたのは、私のロジックではなく、「隣の業界で実際に起きている数字」でした。診断士として、抽象的なリスク議論を「同規模企業のリアルな数字」に翻訳できることが、投資判断を動かす鍵になります。
PAFモデルに第5カテゴリ「隠蔽コスト」を加えるという話は、概念整理に留まりません。経営者の投資判断のフレームを書き換える実務ツールとして機能します。
5. 不正のトライアングルで現場を読み解く
5.1 機会・動機・正当化の3辺
§3で見たように、品質データの隠蔽・改ざんは「現場の人が悪いから起きる」のではなく、「構造として起きる」ものです。この構造を整理する古典的なフレームワークが、ドナルド・クレッシーが提唱した「不正のトライアングル」です。
不正のトライアングルは、不正が起きるための3つの条件を示します。
機会（Opportunity）：不正を実行できる構造・隙
- 監査がない／緩い
- 権限が一人に集中している
- 記録が事後修正できる
- 抜き取り検査の頻度が低い
動機・プレッシャー（Pressure）：不正を実行したくなる理由
- 業績目標が現実離れしている
- 失敗の報告が処罰につながる
- 個人の経済的困窮
- 上司への忠誠心の要求
正当化（Rationalization）：自分の行動を「悪くない」と説明できる物語
- 「規格内だから問題ない」
- 「会社のためにやっている」
- 「みんなやっている」
- 「あとで埋め合わせるからいい」
この3辺がすべて揃ったとき、不正が発生します。逆に言えば、どれか1辺でも崩せば不正の発生確率は下がります。
A社の品質データ隠蔽を不正のトライアングルで読み解くと、3辺がすべて揃っていたことが分かります。
| 辺 | A社での状況 |
|---|---|
| 機会 | 検査記録は紙台帳。本人が後で書き直せる。週次のレビューも形式的 |
| 動機 | 月次の不良率目標を経営者が設定。達成しないと朝礼で叱責される |
| 正当化 | 「規格内なので問題ない」「数値を丸めても顧客は気づかない」「みんなやっている」 |
A社で隠蔽が起きていたことは、特別な人がいたからではなく、3辺が揃っていたからです。同じ条件なら、別の現場でも同じことが起きます。
5.2 各辺をどう削るかのMECE設計
3辺をどう削るか、MECEに整理できます。
機会を削る施策
- データベースのイミュータブル化（事後修正不可）
- 監査ログの常時取得
- 検査者と判定者の分離（または確率的分離）
- 自動計測の導入
- 抜き取り再検査の実施
これらは§3.3-3.4で論じた技術的・運用的な施策です。
動機を削る施策
- 「不良ゼロ」を目標にしない（不可能を目標にすると隠蔽動機が生まれる）
- 報告された不良に対する叱責の禁止
- むしろ「不良を発見・報告したこと」を評価する仕組み
- 経営層が「現場で起きていることをそのまま知りたい」と表明し続ける
ある日本の大手自動車メーカーが採用した「アンドンコード」がこの原型です。ライン作業者が異常を発見したら、ためらわず停止できる紐を引く。停止すると当然生産が止まりますが、それを評価する文化が制度化されています。これは現場の業務改善を組織マネジメントの仕組みとして組み込んだ古典的な成功例です。
正当化を削る施策
- 「規格内だが望ましくない」分布を可視化する
- 「丸めの累積効果」を数字で見せる
- 「他社でも同じことが起きて廃業した」事例を共有する
- 顧客の検査基準と社内基準を整合させ、「実害がない」という言い訳を成り立たなくする
これら3辺の削り方を見ると、ひとつの共通点が見えます。
ほとんどが「個人の倫理教育」ではなく「組織・制度・データの設計」です。
「悪いことをしない人を育てる」というアプローチは、3辺のなかでは「正当化を削る」の一部しか担えません。しかも、「他人がやっているのに自分だけ正しくしてもバカを見るだけ」という構造圧力に倫理教育は勝てません。
不正のトライアングルの3辺を削るためには、ハードな構造設計が先で、ソフトな文化形成は後になります。この順序は次節で扱う7Sの設計順序とも一致します。
5.3 「個人の倫理」では削れない理由
倫理研修・誓約書・行動規範の唱和——多くの企業がこれらをやっています。しかし、内部統制の研究では「倫理研修だけで不正発生率を有意に下げた事例は少ない」ことが繰り返し報告されています。
理由は単純で、不正のトライアングルの「機会」と「動機」が変わらないからです。
A社の検査者が「不良率の数字を丸めた」とき、彼は別に「悪人」ではありません。月次目標に追われ、朝礼で叱責されることを避けたい。1個丸めれば達成できる。データベースは紙台帳で誰も気づかない。「規格内だから問題ない」と自分に言い聞かせられる。
この3辺の状況で「丸めない」を選ぶには、本人が普通の人より強い倫理観を持っている必要があります。それは制度設計として持続しません。
中小企業診断士として現場改善に入るとき、最も避けたい提案は「現場の倫理を高めましょう」です。これは聞こえはいいですが、実行可能性がなく、効果検証もできず、最終的に「現場の責任」に転嫁する結論になります。
代わりに提案すべきは、「機会と動機を構造的に削りましょう」です。これは可視化でき、効果が検証でき、効果が再現できます。
5.4 アンドンコード方式：制度設計の先行例
不正のトライアングルの3辺を「制度先行で削る」設計の古典的な成功例が、日本の大手自動車メーカーで完成されたアンドンコード方式です。
組立ラインの作業者が異常を発見したとき、ためらわず引ける紐がある。引くと一定時間以内にラインが止まる。
この制度の核心は、「異常を報告すること」が「ラインを止めること」と等価になる点にあります。報告は「言う」ではなく「行動する」ことで完結します。だから「報告しなかった」というグレーな選択肢が存在しません。
さらに、ラインを止めることに対する評価がポジティブに設計されています。月次の「アンドン引き回数」がチームの評価指標として可視化される。引きすぎなのか少なすぎなのかは、絶対値ではなく分布で議論される。
ここに「心理的安全性が高いから報告できる」という順序関係は見えません。むしろ逆で、「制度的に報告が容易だから、結果として心理的安全性が高くなった」のがこの自動車メーカーの組織マネジメント構造です。
この順序の逆転は、次の§6で扱う7Sの設計順序の核心になります。
6. McKinsey 7Sでハードからソフトへ設計する
6.1 7Sのハードとソフト
McKinsey 7Sは、組織を7つの要素で記述するフレームワークです。診断士の試験でも組織論で登場します。
ハードS（明示的・形式的）
- Strategy（戦略）：何を目指すか
- Structure（組織構造）：誰がどこに属し、誰に報告するか
- Systems（システム・制度）：日常運用のルール・手続き
ソフトS（暗黙的・非形式的）
- Style（スタイル）：経営者・管理職の振る舞い
- Staff（人材）：誰がどのポジションにいるか
- Skills（スキル）：組織が持つ能力
- Shared Values（共有価値観）：組織文化の核
7つの要素は相互依存しているため、変革には「全体の整合」が必要——これが7Sの基本的な主張です。
しかし、診断士として「どこから手をつけるか」の実務的な問いには、7Sは直接答えてくれません。これに対して私は、ハードS（Strategy/Structure/Systems）→ソフトS（Style/Skills/Shared Values）の順序で設計することを提案します。
6.2 「心理的安全性を先に作る」が失敗する理由
「心理的安全性が大事だ」「失敗を報告できる文化が大事だ」——近年、多くの本や記事で繰り返されています。これは正しい。問題は、その「文化」を直接作ろうとすると失敗することです。
A社の前任診断士は、品質改善プロジェクトを始めるときに「失敗を報告しやすい雰囲気を作りましょう」と経営者にアドバイスしました。経営者はその通り、朝礼で「失敗を恐れず報告してほしい」と何度も言いました。
何が起きたか。
最初の1ヶ月、報告は増えませんでした。
熟練工に理由を聞くと、こう答えました。「社長は『報告してほしい』と言うけど、実際に報告したら『なぜそうなった』『誰の責任だ』と詰める。あの調子では報告できない」。
つまり、ハードS（Systems：報告のルール／Structure：報告経路）が変わっていないのに、経営者がSharedValues（共有価値観）だけを変えようとした。ソフトSは、ハードSの土台があって初めて変わります。土台がないのに表面だけ変えようとすると、現場は「言葉と現実のギャップ」を感じ取り、かえって不信感を強めます。
これは品質データ隠蔽の問題に直接つながります。「失敗を報告できる文化を作ろう」というアプローチだけでは隠蔽は減りません。「報告できる仕組み」と「報告した人が損をしない構造」をハードに作ることが先です。
6.3 ルール化・可視化というハード設計の先行性
A社で実際に設計した「ハードS先行」の手順を示します。
ステップ1（Systems）：報告の手順を物理的に整備する
- 異常検知時の報告フォーム（A4一枚・15項目以内）を作成
- 報告は紙ではなくWebフォーム経由（紙では実行ハードルが高い）
- 報告内容は工場長と経営者が同時に受け取る（経営者に止められない構造）
- 報告から24時間以内に必ず原因究明会議を開く（放置されない構造）
ステップ2（Structure）：報告経路に責任者を明示
- 軽度異常は工場長、中度は工場長＋経営者、重度は経営者直轄
- 各レベルでの判断権限と報告期限を文書化
- §2.4のエスカレーション表をそのまま運用
ステップ3（Strategy）：「報告された不良数」をKPIにする
- 「不良率」だけを追うと、不良を報告しないインセンティブが生まれる
- 「不良発見・報告件数」も同時にKPIにする
- 報告件数が増えることを「改善が進んでいる」と解釈する経営者の発信
ここまでがハードS。
ステップ4（Style）：経営者の振る舞いの変更
- 報告に対する第一声を「教えてくれてありがとう」にする
- 原因究明会議では「誰が」ではなく「何が」を問う
- 報告した人を朝礼で名指しで評価する
ステップ5（Shared Values）：報告できる文化の自然形成
- ステップ1〜4を3〜6ヶ月続けると、自然に「報告しても損しない」という体感が組織に広がる
- 文化変革を狙うのではなく、結果として文化が変わる
A社では、この順序で3ヶ月運用したところ、月次の異常報告件数が0.7件から4.2件に増えました。経営者は「悪化したのか」と最初心配しましたが、§5.4のアンドンコード方式の解釈を共有することで、「これは見えていなかったものが見えるようになった」と受け止めるようになりました。
文化（Shared Values）は、直接設計しようとすると逃げていきます。仕組み（Systems）と構造（Structure）と戦略（Strategy）が整合した結果として、後から自然に形成されるものです。
6.4 カイゼン文化の本質：手法ではなくハード先行設計
製造業の現場改善でよく語られる「カイゼン文化」も、実は同じ構造で説明できます。
日本の大手自動車メーカーが整備した生産方式の核にある「些細な不良でも報告する文化」は、現場の従業員の人格教育の結果ではありません。具体的には次の3つのハード設計が先行しています。
- アンドンコード（Systems）：報告が物理的に容易な仕組み
- 班長制度（Structure）：報告を受け止める専属の役職
- 多能工化＋現場改善KPI（Strategy）：報告と改善が個人評価に直結する戦略
この3つが揃ったうえで、現場の従業員が「報告すべき」と感じる体感が形成されます。手法（QC七つ道具・なぜなぜ分析）はその上に乗ったツールにすぎません。
中小企業がこの自動車メーカーの「手法」だけを真似ても機能しないのは、組織マネジメントとしてのハード設計が伴わないからです。手法を入れる前に、Systems・Structure・Strategyの整合を取らないと、QCサークルは形だけになり、なぜなぜ分析は犯人探しになります。
診断士として中小企業の品質改善を提案するときは、「手法を導入しましょう」より先に「報告経路を物理的に整備しましょう」を提案する。順序を間違えると、6ヶ月後に「やっぱり現場のレベルが」という嘆きで終わります。
7. 過剰監視と心理的安全性のバランス設計
7.1 監視と心理的安全性のトレードオフ
ここまで「監査インフラを強化しろ」「報告経路を整備しろ」と述べてきました。しかしこれを徹底すると、別の問題が生まれます。
過剰監視による心理的安全性の低下です。
すべての検査記録が監査される。すべてのアクセスログが残る。すべてのアラートが追跡される。これは隠蔽を防ぐ効果がある一方、現場の人間にとっては「常時監視されている」という体感を生みます。
監視されているという感覚は、いくつかの副作用を持ちます。
- 自発的な工夫・小さな改善の試みが減る（「監視されているから決まったやり方しかしない」）
- 創造性が下がる
- 離職率が上がる
- 「最低限決まったことしかやらない」マインドセットが広がる
A社で監査インフラを導入した最初の1ヶ月、若手工員の一人が「いちいち全部記録するのが疲れる」と工場長にこぼしました。これは個人の不満ではなく、設計の副作用です。
監視を強くするほど隠蔽は減るが、同時に組織の活力も削られる。このトレードオフを認識した上で、バランスを設計する必要があります。
7.2 「個人ではなく仕組み」を見るアラート設計
過剰監視の副作用を最小化する設計原則は、「アラートの主語を個人ではなく仕組みにする」ことです。
悪い例：「Aさんの担当時に不良率が高い」というアラート 良い例：「Aさんが担当する工程の設備が劣化している可能性がある」というアラート
データの主語は同じです。でも、アラートの主語が変わると、その後の対応が変わります。前者は個人の評価につながり、報告隠しを誘発します。後者は仕組みの改善につながり、報告促進になります。
A社では、月次の異常報告会議の冒頭で必ず宣言する文言を決めました。
本会議は、誰が悪かったかを議論する場ではない。何が悪かったか、どこを直せば再発しないかを議論する場である。
この宣言を毎月繰り返すことで、参加者の発言の文脈が変わってきます。「Aさんが」ではなく「あの工程が」「あの時間帯が」「あの段取りが」という議論になります。
これは無責任化ではありません。「個人を責めない」のは「全員に責任がない」という意味ではなく、「個人の責任よりも、仕組みの責任の方が重い」という意味です。仕組みを作ったのは経営層と管理職なので、最終責任は彼らに戻ります。
7.3 No-blame post-mortem の構造
異常発生時の振り返り（post-mortem）の進め方も、心理的安全性に直結します。航空業界や医療業界で確立された「No-blame post-mortem」の構造を、品質管理にも応用できます。
A社で運用しているNo-blame post-mortemの骨子です。
| 段階 | 内容 | 禁止事項 |
|---|---|---|
| 事実確認 | 何がいつどこで起きたか | 「誰が」を主語にしない |
| 5Whys | なぜそれが起きたか（5回） | 個人の名前を出さない |
| 根本原因 | 仕組み・設計・教育・データの4要素のどこに根がある | 「気をつけよう」で終わらせない |
| 対策 | 仕組みのどこを変えれば再発しないか | 「再発防止に努める」という空文を禁止 |
| 担当 | 仕組み変更の責任者と期限 | 担当不明の対策を立てない |
この構造で進めることで、「個人の問題」を「仕組みの問題」に翻訳できます。仕組みは設計者の責任なので、最終的な責任は経営層と管理職に戻る。これが正しい責任配分です。
過剰監視と心理的安全性のバランスは、技術的には「何を監視するか」より「監視結果をどう扱うか」で決まります。監視データを個人評価に使えば過剰になり、仕組み改善に使えば適正になります。
8. A社での統合設計：3つの論点を一本にまとめる
8.1 統計設計→システム設計→組織設計の一気通貫
§1から§7まで、3つの問い（統計的品質管理の運用・致命工程の異常検知・データ隠蔽の防止）を別々に扱ってきました。最後にこれらをA社の事例で一本に統合します。
A社の統合設計の骨子は、次の3層構造です。
第1層：統計設計（§1-2）
- 多品種少量の現場で機能する管理図運用
- 致命工程の3層異常検知（工程データ・設備ログ・現場判断）
- アラートの階層化とエスカレーション
第2層：データガバナンス設計（§3）
- データベースのイミュータブル化
- 権限の最小化と監査ログ
- 統計的監査によるデータ品質チェック
第3層：組織設計（§4-7）
- PAFモデルに「隠蔽コスト」を加えた投資判断
- 不正のトライアングルの3辺を削る制度設計
- 7Sのハード先行設計
- 過剰監視を避けるバランス設計
この3層は、上の層が下の層に依存しています。組織設計（第3層）がなければ、データガバナンス設計（第2層）は形骸化します。データガバナンスがなければ、統計設計（第1層）はそもそも信頼できるデータの上に立てません。
逆方向に見ると、第1層の統計設計だけを完璧にしても、第2層のデータが歪んでいれば意味がない。第2層を完璧にしても、第3層の組織が報告を抑圧していれば、検知すべき異常がデータに到達しません。
統計→データ→組織の3層が一気通貫で設計されて初めて、品質管理は機能します。
8.2 6ヶ月の実装ロードマップ
A社で実際に進めた6ヶ月のロードマップを示します。
| 月 | フェーズ | 主な施策 | KPI |
|---|---|---|---|
| 1ヶ月目 | 現状把握・経営者合意 | 統計的監査（先頭桁・最終桁・規格境界）／隠蔽コスト試算／経営者へのROI説明 | 隠蔽コスト試算の合意 |
| 2ヶ月目 | ハード設計の着手 | 検査記録テーブルの再設計／報告フォーム整備／エスカレーション表の文書化 | 報告フォーム稼働開始 |
| 3ヶ月目 | 統計設計の運用開始 | 層別管理図の運用開始／設備ログのアラート設定／代理特性の選定 | 管理図週次レビュー定着 |
| 4ヶ月目 | 致命工程の異常検知 | 赤ボタンの導入／3層検知の運用開始／空振り対応の標準化 | 月次空振り＋ヒット件数の記録 |
| 5ヶ月目 | データガバナンスの強化 | 自動計測の導入／監査ログの活用／統計的監査スクリプトの定着 | 監査指標の月次レビュー定着 |
| 6ヶ月目 | 組織設計の仕上げ | No-blame post-mortemの定着／報告KPIへの組み入れ／文化変化の測定 | 月次異常報告件数の安定 |
ポイントは、1〜2ヶ月目で経営者の合意とハード設計から入ることです。文化変革（Shared Values）は最後に勝手についてきます。
8.3 6ヶ月後の数字
A社の6ヶ月後の数字を整理します。
| 指標 | 開始前 | 1ヶ月目 | 3ヶ月目 | 6ヶ月目 |
|---|---|---|---|---|
| 月次異常報告件数 | 0.7件 | 1.2件 | 3.8件 | 4.2件 |
| 検査記録の桁分布偏り（標準偏差） | 0.14 | 0.13 | 0.08 | 0.05 |
| 致命工程のアラート空振り率 | データなし | 92% | 85% | 78% |
| 致命工程の不良流出件数 | 年2件ペース | 0件 | 0件 | 0件 |
| 内部失敗原価（廃棄＋再加工） | 月18万円 | 月19万円 | 月15万円 | 月12万円 |
| 外部失敗原価（クレーム対応） | 年380万円 | 月35万円 | 月12万円 | 月8万円 |
注目すべきは、3ヶ月目から内部失敗原価が下がり始め、6ヶ月目には外部失敗原価が大きく改善している点です。一方、報告件数は増えています。これは「悪化した」のではなく、「見えていなかったものが見えるようになった」結果です。経営者には§5.4のアンドンコード方式の解釈を共有することで納得してもらいました。
隠蔽コストへの対応については、定量化が難しいですが、桁分布の偏りが標準偏差0.14から0.05に下がったことが、データ真正性の改善を示すKPIです。これだけでも、§4.3で試算した約480万円/年のリスク低減効果が、ほぼ計画通りに実現できていると判断しました。
数字以上に大きな変化は、6ヶ月目に熟練工リーダーが言った一言にありました。「やっと、ちゃんと数字で議論できる現場になりましたね」。これは品質管理体制が「形」から「実」に変わった瞬間の証拠です。
9. 応用としての組織論——隠蔽が起きる組織の3つの構造的特徴
A社の話を引きで眺めると、品質データ隠蔽が起きやすい組織には、いくつかの構造的特徴が見えてきます。これは品質管理だけでなく、会計不正・労務問題・情報セキュリティインシデントなど、あらゆる「組織的隠蔽」に共通する構造です。
9.1 情報の非対称性が固定化されている
隠蔽が起きる組織の第一の特徴は、情報が一方向にしか流れないことです。
A社の場合、検査データは検査者が記録し、工場長が集計し、経営者に月次で報告される一方向の流れでした。経営者から検査者への情報還流はほぼゼロ。検査者は自分の記録がどう使われ、どう判断につながっているかが分からないまま、月次で「不良率を下げろ」という指示だけを受け取っていました。
情報の非対称性が固定化すると、下位レイヤーには2つの行動選択肢しか残りません。
ひとつめ、上位の要求を文字通り受け取り、達成のために手段を選ばなくなる（隠蔽の動機形成）。 ふたつめ、上位の要求を冷笑し、形だけ報告して実態は別の論理で動く（隠蔽の正当化形成）。
どちらも不正のトライアングル（§5）の「動機」「正当化」に直結します。
これを崩すには、情報を双方向に流す仕組みが必要です。A社では、月次の品質会議に検査者を順番に参加させ、「自分の記録が経営判断にどう使われたか」をフィードバックする仕組みを入れました。これは§6.3のシステム設計の一部です。
情報の非対称性は、価値創造システムの6要素の議論でも触れた論点と重なります。詳しくは 価値創造システム6要素の実務読み解き も参照してください。
9.2 KPIが一方向にしか設計されていない
第二の特徴は、KPIが「達成」だけを測り、「健全性」を測らないことです。
「不良率を下げる」というKPIだけでは、達成手段が「本当に改善する」と「数字を丸める」の両方を含み得ます。健全性のKPI（報告件数・桁分布の偏り・空振り対応の品質など）を併走させなければ、達成KPIは隠蔽を誘発します。
KPIの一方向性は、因果ループの設計でも論点になります。一つのKPIだけを追うと逆方向のフィードバックが見えなくなる構造です。これについては 因果ループ図の動学設計 で詳しく扱いました。
A社では、§8.2で示したように「月次異常報告件数」を健全性KPIとして併走させました。報告件数が増えることを評価する経営者の発信が、達成KPIの暴走を抑えました。
9.3 失敗報告の経路が組織図に存在しない
第三の特徴は、「失敗を報告する経路」が組織図上に明示されていないことです。
A社の旧組織図には、「品質会議」「月次報告」など、達成系の経路は明示されていました。しかし「異常検知の報告」「再発防止の議論」「No-blame post-mortem」のような失敗系の経路は組織図に存在しませんでした。
失敗系の経路がないと、現場は「どこに報告すればいいか分からない」と感じます。誰に何をどう報告すれば、適切に扱われるのか。それが不明確なら、報告自体が「不確実な行動」になります。不確実な行動は、不正のトライアングルの「機会」（隠す機会）と「動機」（リスクを避ける動機）の両方を強めます。
A社では、組織図に「品質異常エスカレーション経路」を新規追加し、L1〜L3の各レベルでの担当・報告期限・判断権限を明文化しました。これは§2.4のエスカレーション表をそのまま組織図に持ち上げた形です。
「失敗報告の経路を組織図に書く」というのは地味な施策ですが、効果は大きい。中小企業診断士として現場改善に入ったとき、まず組織図を見て「失敗系の経路があるか」を確認するだけで、隠蔽リスクの初期診断ができます。
9.4 3つの構造特徴をまとめて読み解く
3つの特徴は独立ではなく、相互に強化しあいます。
情報の非対称性があるから、KPIが一方向に固定化される。KPIが一方向だから、失敗報告の経路を作る発想が出てこない。失敗報告の経路がないから、現場の実態が経営層に届かず、情報の非対称性が再生産される。
このループを断ち切るには、3つを同時に変える必要があります。順番に変えようとすると、変わっていない部分が変えた部分を元に戻します。A社の§8.2のロードマップでは、ハード設計を1〜2ヶ月目に集中させたのは、この3つを同時に動かすためです。
中小企業で「品質改善」を提案するとき、診断士の本当の仕事は統計的品質管理の手法導入ではなく、この3つの構造特徴を見抜き、同時に変える設計をすることです。試験で習った「QC七つ道具」「PDCA」「5S」は、3つの構造が整ったあとで初めて機能する手法群です。
10. 合格直後の自分へ——「綺麗な数字」を疑う眼を持つ
冒頭の問いに戻ります。
なぜ品質データは隠蔽されるのか。
答えは、「現場の人が悪いから」ではない。「組織の構造が隠蔽を誘発しているから」です。情報の非対称性・KPIの一方向性・失敗報告経路の欠如——この3つの構造が揃ったとき、不正のトライアングルの3辺が立ち上がり、データの隠蔽が静かに進みます。
そして、診断士として現場に入る私たちが最初にやるべきは、統計的品質管理の手法を持ち込むことではなく、「綺麗すぎる数字」を疑うことです。
A社の月次データを最初に見たとき、私が違和感を覚えなかったら、隠蔽は今も続いていたかもしれません。違和感を覚えたのは、教科書で習った「不良率は自然分布する」という前提を覚えていたからではなく、「現実の製造業の不良率はもっと暴れる」という現場感覚を持っていたからです。
Level 1（合格直後）の診断士とLevel 100の診断士は、何が違うのか。
知識の有無ではありません。試験に合格した時点で、PAFモデルも管理図も7Sも、全員が知っています。
差が生まれるのは、3つの問いの立て方です。
ひとつめ、「この数字は現実を映しているか」を疑う問い。 ふたつめ、「この施策は3辺のうちどれを削るか」を確認する問い。 みっつめ、「文化を変える前に仕組みを変えたか」を点検する問い。
Level 1は「数字を分析する」。Level 100は「数字の真正性を疑う」。
Level 1は「個人の倫理に訴える」。Level 100は「機会・動機・正当化を構造的に削る」。
Level 1は「心理的安全性を作ろうと唱える」。Level 100は「ハードS（Strategy/Structure/Systems）を先に整える」。
Level 1は「QC手法を導入する」。Level 100は「報告経路を組織図に書き加える」。
これらの違いは、経験年数では埋まりません。意識的に「数字の真正性」と「組織の構造」を見続ける習慣によってのみ、埋まります。
中小企業の品質管理は、統計だけの問題でも、データだけの問題でも、組織だけの問題でもありません。統計→データ→組織の3層が一気通貫で設計されているか——この問いを持ち続けることが、合格後の知的再武装のひとつの軸になります。
合格後の最初の診断先で、もしあなたが「綺麗すぎる数字」を見たら、迷わず違和感を口に出してください。「不良率が安定していますね」と褒める前に、「最終桁の分布を見せてもらえますか」と聞いてください。多くの場合、その質問だけで、相手の表情が変わります。
そこから、本当の品質管理の話が始まります。
中小企業診断士として、品質管理の現場に向き合うすべての方が、「綺麗な数字」を疑う眼を持てるように。試験で習った隠蔽コスト・統計的品質管理・データガバナンス・不正のトライアングル・7Sの知識が、合格後の現場で本当の武器になることを願って、この記事を閉じます。
なお、競争優位の設計についてはニッチ戦略・関係資本との関係で論じた 競争優位5源泉と中小企業の非対称な勝ち筋 も合わせて読んでいただくと、品質管理が中小企業のどの競争源泉に紐づくかが立体的に見えてくると思います。
本記事は、中小企業診断士合格後の実務準備を目的とした「smeca-level100」シリーズの一部です。試験対策ではなく「合格後の知的再武装」として、アカデミックと実務のギャップを埋めることをコンセプトにしています。チェックポイント4-5「統計的品質管理を欠損・小標本・多品種少量の制約下で運用できる形に落とす」の3問（4-5-1／4-5-2／4-5-3）を統合した長編記事です。
コメント