デシジョンツリー

意思決定の選択肢とその結果を樹形図で表現する分析手法。各分岐点に確率や期待値を設定することで、最適な意思決定の選択を支援する。

データの特徴量や条件に基づいて分岐を木構造で表現し、分類・回帰・意思決定を行う手法。結果の解釈が容易で可視化しやすい。機械学習ではランダムフォレストの基礎となり、意思決定分析では期待値やリスクの評価に用いられる。

特徴量に基づく条件分岐を木構造で表現し、分類や回帰を行う機械学習手法。情報利得やジニ不純度を基準にノードを分割する。解釈性が高く、ランダムフォレストや勾配ブースティングの基礎となる。

観察（Observe）、情勢判断（Orient）、意思決定（Decide）、行動（Act）の4段階で迅速な意思決定を行うフレームワーク。PDCAよりも変化の激しい状況での素早い対応に適している。

値の大きい順に並べた棒グラフと累積構成比の折れ線グラフを組み合わせた図。問題の原因や改善項目の優先度を視覚的に把握でき、重点管理すべき項目を特定するのに使われる。

対象をA（重要）、B（普通）、C（重要度低い）の3ランクに分類して管理する手法。パレート図を用いて売上高や在庫量などを分析し、重点管理すべき項目を明確にする。

問題（特性）とその要因の関係を魚の骨のような形で整理する図。フィッシュボーンチャートとも呼ばれる。原因を大骨・中骨・小骨と細分化し、問題の根本原因を分析する。QC7つ道具の一つ。

工程が安定した状態にあるかどうかを判断するためのグラフ。中心線と上下の管理限界線を設け、データの推移を時系列で示す。管理限界を超えた場合は工程に異常があると判断する。

目的を達成するための手段を系統的に展開し、樹形図の形で整理する図。目的と手段の関係を階層的に示し、具体的な実施策を漏れなく洗い出すために使われる。新QC7つ道具の一つ。