🙋
実験計画法って、何のためにやるんですか？ただ実験をたくさんすればいいのではないの？
🎓
大まかに言うと、最小の実験回数で最大の情報を得るための設計手法だよ。例えば、材料の配合（因子A）と焼成温度（因子B）の2つを変えて製品強度（Y）を調べたい時、闇雲に実験すると組み合わせが膨大になる。このツールの「計画タイプ」で「2² 完全実施」を選ぶと、2因子2水準の全4通りの実験だけで、各因子の効果と、それらの組み合わせによる「交互作用」までバッチリ評価できるんだ。
🙋
「交互作用」って聞きました。どういう時に重要になるんですか？
🎓
実務で非常に多いのが「ある条件では良くても、別の条件ではダメ」という現象だ。例えば、冷却速度を上げると強度は上がる（主効果）。でも、ある特定の材料を使っている時だけ、冷却速度を上げると逆に脆くなる、なんてことがある。これが交互作用だ。ツールの「交互作用プロット」を見て、2本の線が平行でなければ、そこに面白い（やっかいな）現象が隠れている証拠だね。
🙋
なるほど！で、このツールの「田口L9直交配列」って、左の「完全実施」と何が違うんですか？
🎓
いいところに気づいたね。完全実施はすべての組み合わせを試すから確実だけど、因子が増えると実験数が爆発する。一方、田口のL9は「4因子をそれぞれ3水準で」扱えるのに、実験はわずか9回（9ラン）で済む。これは一部の高次の交互作用をあきらめる代わりに、効率を最大化した計画だ。ツールで「計画タイプ」をL9に切り替えて、4つの因子に適当な応答値Yを入力してみ。たった9個のデータから、各因子の主効果がバランスよく推定できる仕組みを体感できるよ。
直交配列表を使うと、少ない実験回数で多くの因子の主効果と交互作用を効率的に評価できます。例えばL9直交表では9回の実験で最大4因子（3水準）を分析可能です。また、各因子の効果が互いに独立して推定できるため、解析がシンプルで信頼性が高くなります。
SN比は「信号（望ましい効果）に対するノイズ（ばらつき）の大きさ」を示す指標で、値が大きいほどロバストな条件です。動特性では「大きいほど良い」、静特性では「望目特性」など目的に応じて計算式が異なります。本ツールでは自動算出されるため、SN比が最大の水準組合せを選んでください。
本ツールのANOVA表で、交互作用項のF値とp値を確認してください。p値が0.05未満なら有意な交互作用ありと判断します。また、交互作用プロット（線が交差しているか）も参考になります。有意な場合は、単純主効果の分析（各水準ごとの因子効果）を追加で行うと良いでしょう。
各因子に3水準（例：低・中・高）を設定します。数値因子の場合は等間隔（例：10, 20, 30℃）が基本ですが、非線形効果を検出したい場合は不等間隔でも構いません。ただし、水準間隔が極端に狭いと効果が見えにくくなるため、実操業範囲をカバーする適切な幅を選んでください。
射出成形条件最適化：樹脂温度、金型温度、射出速度、保持圧力など多数のパラメータが製品の収縮やひけに影響します。DOEを用いて少数の実験から最適なパラメータセットを特定し、不良率低減と材料コスト削減を同時に達成します。
溶接パラメータ設計：電流、電圧、速度などの溶接条件が、溶接部の強度やビード形状を決定します。直交配列表（L9など）を使って効率的に実験計画を立て、最もロバスト（ばらつきに強い）なパラメータを探索します。
材料配合比最適化：複数の素材や添加剤を混合する材料開発では、各成分の比率が性能に複雑に影響します。2因子以上のDOEで交互作用を評価し、「強度は高いが脆い」といったトレードオフを解消する最適配合を見つけ出します。
ロバスト設計（田口メソッド）：製品性能をばらつき（ノイズ）に対して強くする設計手法です。このツールの「SN比の種類」選択はまさにそれで、出力Yの平均値だけでなく、ばらつきそのものを「望ましい特性」として最大化（または最小化）する条件を探します。
DOEを始めて使うエンジニアがやりがちな落とし穴がいくつかあるよ。まず一つ目は、「水準の設定範囲が狭すぎる」こと。例えば、焼結温度の因子で「500℃と510℃」なんて設定しても、測定誤差に埋もれて効果が検出できない。思い切って「450℃と550℃」とかにして、確実に差が出る範囲で計画を立てるのがコツだ。二つ目は、交互作用を無視した計画。2因子の完全実施なら自動で評価できるけど、L9のような直交配列を使う時は要注意。L9は主効果を見るのに優れている代わりに、交互作用の情報が一部の因子に「交絡」して混ざってしまう。だから、事前に「この2つの因子は相互作用しそうだ」という工学的な知見があれば、実験計画を選ぶ段階で考慮しよう。
三つ目は、ANOVAのF値やp値だけを盲信すること。数値上「有意」でも、その効果の大きさが実務的に意味があるかは別問題。例えば、押出速度を10m/min上げて強度が0.1%向上する効果が「統計的有意」でも、コストや生産性を考えれば無視できる場合もある。必ず「効果プロット」で視覚的に変化の大きさを確認し、統計的有意性と工学的有意性を区別して判断してほしい。