品質の「ばらつき」はどこから？分散の加法性で解き明かす製造プロセスの謎

「なぜ、同じように作っているのに製品の品質にばらつきが出るのだろう？」
製薬、化粧品、医療機器の分野で品質管理や研究開発に携わる方なら、一度はこんな壁にぶつかったことがあるのではないでしょうか。

その「ばらつき」の正体を突き止め、改善への糸口を見つけるための強力な武器が、統計学の**「分散の加法性」**という法則です。

今回は、この法則が3つの分野でどのように活用されているのか、具体的な事例を通して探っていきましょう。

そもそも「分散の加法性」とは？

少しだけ統計学の話にお付き合いください。

分散とは、データの「ばらつき」の大きさを表す指標です。そして分散の加法性とは、**「互いに独立した複数の要因が合わさって生じる全体のばらつきは、各要因のばらつきの和に等しい」**という法則です。

数式で書くとこうなります。
Var(X + Y) = Var(X) + Var(Y)
（※XとYが互いに独立な確率変数である場合）

難しく聞こえますが、要は**「全体の誤差² = A工程の誤差² + B工程の誤差² + C工程の誤差² + …」**のように、ばらつきの原因を分解して足し算できる、ということです。

この法則を使えば、最終製品の品質のばらつきが、どの工程の、どの要因から来ているのかを定量的に評価し、特定することが可能になります。

それでは、実際の現場でどのように活用されているのか見ていきましょう。

【製薬分野】事例：錠剤の含量均一性を支配する要因を探る

医薬品の品質において、一錠一錠に含まれる有効成分の量が均一であることは絶対条件です。この含量均一性のばらつきを管理するために、分散の加法性が役立ちます。

ある錠剤の有効成分量（含量）のばらつき Var(Total) は、主に以下の要因の積み重ねで生じます。

Var(原料)：原薬ロット間の純度や粒度の違いによるばらつき。
Var(混合)：原薬と添加剤（賦形剤など）を混ぜ合わせる混合工程での不均一さによるばらつき。
Var(打錠)：粉体を圧縮して錠剤にする打錠工程での重量のばらつき。
Var(分析)：完成した錠剤の含量を測定する際の分析手法（例: HPLC）自体の測定誤差によるばらつき。

全体のばらつき ≈ Var(原料) + Var(混合) + Var(打錠) + Var(分析)

活用のポイント

品質管理チームが製品の含量のばらつきが規格上限に近づいていることに気づいたとします。その際、各工程の分散を個別に評価します。

もし計算の結果、Var(混合)が全体のばらつきの70%を占めていることが判明すれば、改善すべきは混合工程であると明確に特定できます。「混合時間を延長する」「混合機の回転数を変更する」といった具体的な対策を、勘や経験ではなくデータに基づいて立案できるのです。これは、医薬品開発における**QbD（Quality by Design）**の考え方にも通じるアプローチです。

【化粧品分野】事例：クリームの「使い心地」を安定させる

化粧品、特にクリームや乳液にとって、粘度や硬さといった**テクスチャー（使用感）**は製品の命です。「いつもと同じ、なめらかな使い心地」を提供し続けることは、ブランドへの信頼に直結します。

ここでは、クリームの粘度のばらつき Var(Total) を考えてみましょう。

Var(原料)：主原料である油性成分や増粘剤のロットごとの物性のばらつき。
Var(秤量)：各原料をレシピ通りに計量する際のわずかな誤差のばらつき。
Var(乳化)：油相と水相を混ぜ合わせる乳化工程の条件（温度、時間、ホモジナイザーの回転数）のブレによるばらつき。
Var(冷却)：乳化後の冷却速度の違いによる内部構造形成のばらつき。
Var(測定)：完成品の粘度を測定する際の測定誤差のばらつき。

全体のばらつき ≈ Var(原料) + Var(秤量) + Var(乳化) + Var(冷却) + Var(測定)

活用のポイント

新製品のスケールアップ生産（研究室から工場生産への移行）で、「なぜか研究室で作った時のような滑らかなテクスチャーが再現できない」という問題が発生したとします。

分散の加法性を用いて各工程のばらつきを評価した結果、Var(冷却)が特に大きいことが判明しました。研究室のビーカーレベルでは均一に冷やせていたものが、工場の大きな釜では冷却にムラが生じ、それが不安定な内部構造とテクスチャーのばらつきを生んでいた、という原因が推測できます。これにより、「釜の冷却ジャケットの制御方法を見直す」という的確な改善策を導き出せます。

【医療機器分野】事例：血糖値センサーの精度を向上させる

患者さんが毎日使う自己血糖測定器（SMBG）のセンサーは、その測定値の正確さが治療方針を左右するため、極めて高い精度が求められます。センサーが示す測定値の誤差のばらつき Var(Total) は、どのような要因から生まれるのでしょうか。

Var(センサー)：センサー1枚ごとの製造上の個体差。電極の面積や塗布された酵素量のわずかな違いによるばらつき。
Var(使用者)：患者さん自身の使い方によるばらつき。血液を滴下する量や角度、センサーの持ち方など。
Var(環境)：測定するときの温度や湿度の違いによる、酵素反応速度の変化に伴うばらつき。
Var(血液)：患者さんごとの血液性状（ヘマトクリット値など）の違いによるばらつき。

全体の誤差のばらつき ≈ Var(センサー) + Var(使用者) + Var(環境) + Var(血液)

活用のポイント

次世代センサーの開発において、「さらなる高精度化」を目指すとします。その際、まず既存モデルの誤差要因を分散の加法性で分解します。

その結果、Var(環境)、特に温度によるばらつきが精度に最も寄与していることが分かれば、開発チームは「温度補正機能を内蔵した新しいセンサーチップを設計する」という明確な目標を設定できます。もし**Var(使用者)**が大きければ、「血液の吸引を自動化する」や「エラーメッセージを分かりやすくする」といった、ヒューマンエラーを減らす方向での設計改善が有効だと判断できるのです。