MENU

DOEのやり方|研究開発・技術テーマ評価で使う手順をステップで解説

DOE(Design of Experiments、実験計画法)は、複数の条件を計画的に組み合わせて実験し、どの因子が結果へ影響するか、因子同士の組み合わせで影響が変わるかを効率よく確かめる方法です。

研究開発や技術開発では、温度、時間、材料配合、圧力など複数の条件が結果へ影響します。1因子ずつ変える方法では、実験回数が増えやすく、因子同士の交互作用も見落としやすくなります。

一方で、DOEは「少ない実験回数で最適条件を出す魔法」ではありません。目的変数が曖昧なまま因子を並べたり、現実には設定できない水準を採用したり、実験順序を固定したり、解析結果だけで最適条件を確定したりすると、再現性のない結論になりやすくなります。

この記事では、研究開発・技術テーマ評価でDOEを使う手順を、目的設定から確認実験まで、各工程の入力・行動・出力・判断基準付きで解説します。DOEの意味や基本構造から確認したい場合は、DOEとは?を参照してください。

目次

DOEの全体像

実務では、次の9ステップで進めると整理しやすくなります。

  1. 実験目的と応答特性を決める
  2. 因子候補を洗い出す
  3. 因子と水準を決める
  4. 実験計画を選ぶ
  5. ランダム化・反復・ブロック化を決める
  6. 実験を実施してデータを記録する
  7. 主効果と交互作用を解析する
  8. 最適条件候補と判断根拠を整理する
  9. 確認実験で再現性を確かめる

ここでは、樹脂部材の接着強度を高める技術条件を評価するケースを通して進めます。

ステップ1|実験目的と応答特性を決める

最初に、「何を良くしたいのか」と「何を測って判断するのか」を決めます。

入力

  • 技術課題
  • 顧客要求・製品要求
  • 既存試験データ
  • 評価可能な測定項目
  • 許容する実験期間・コスト

例

今回の目的を、

樹脂部材の接着強度を高める条件を見つけ、どの因子と交互作用が強度へ影響するかを把握する。

とします。

応答特性は、

引張せん断強度(MPa)

とします。

行動

「良い接着条件を探す」ではなく、測定値で判断できる形へ落とします。

出力

  • 実験目的
  • 応答特性
  • 成功条件

判断基準

実験後に「この条件が良い」と何を根拠に判断するか説明できる状態にします。

ステップ2|因子候補を洗い出す

次に、応答特性へ影響しそうな条件を洗い出します。

入力

  • 過去実験
  • 技術者の知見
  • 材料仕様
  • 装置仕様
  • 故障・不具合履歴
  • 物理・化学的な仮説

例

接着強度へ影響しそうな候補として、

  • 硬化温度
  • 硬化時間
  • 接着剤塗布量
  • 加圧力
  • 表面前処理
  • 周囲湿度

が挙がったとします。

行動

候補をすべて実験因子へ入れるのではなく、今回の目的、実験設備、変更可能性、技術仮説を見て絞ります。

出力

因子候補一覧と、採用・保留の理由。

判断基準

今回の実験で実際に操作でき、応答特性との関係を検証する意味がある因子かを確認します。

ステップ3|因子と水準を決める

今回は例として3因子を採用します。

  • A:硬化温度
  • B:硬化時間
  • C:加圧力

それぞれ2水準にします。

  • A:120℃ / 160℃
  • B:20分 / 40分
  • C:0.2MPa / 0.6MPa

入力

  • 装置の設定可能範囲
  • 材料の安全範囲
  • 過去データ
  • 現行条件
  • 期待する効果差

行動

水準は、差が小さすぎて効果が見えない設定にも、現実には採用できない極端な設定にもならないようにします。

出力

因子・水準表。

判断基準

  • 装置で安定して再現できるか
  • 材料・安全上許容できるか
  • 実務上採用可能な範囲か
  • 効果差を観察できる幅があるか

ステップ4|実験計画を選ぶ

3因子2水準で、全組み合わせを確認するなら、2^3の完全実施要因計画では8条件になります。

この例では、主効果と2因子交互作用を確認したいため、まず8条件を実施する計画にします。

実験条件

  1. A低・B低・C低
  2. A高・B低・C低
  3. A低・B高・C低
  4. A高・B高・C低
  5. A低・B低・C高
  6. A高・B低・C高
  7. A低・B高・C高
  8. A高・B高・C高

必要に応じて中心点や反復を追加します。

入力

  • 因子数
  • 水準数
  • 確認したい交互作用
  • 実験可能回数
  • 推定したい効果

出力

実験条件一覧。

判断基準

「実験回数が少ないから」だけで計画を選ばず、何を推定したいかに対して必要な情報が得られるかを確認します。

直交表や一部実施要因計画を使う場合もありますが、交絡する効果を理解せずに採用すると解釈を誤るため、今回のような小規模例では全組み合わせを使う方が説明しやすい場合があります。

ステップ5|ランダム化・反復・ブロック化を決める

実験条件を作ったら、実施方法を決めます。

ランダム化

条件1から8まで順番通りに行うのではなく、可能な範囲で実験順序をランダムにします。

装置の暖機、材料ロット、時間経過などの影響が、特定条件に偏るのを防ぎやすくなります。

反復

同じ条件を複数回実施し、ばらつきを把握します。

1回の測定だけでは、条件効果なのか偶然のばらつきなのか判断しにくくなります。

ブロック化

実験日、材料ロット、装置など避けられない違いがある場合は、ブロックとして管理します。

出力

  • 実験順序
  • 反復回数
  • ブロック条件

判断基準

実験以外の時間変化・ロット差・装置差が、因子効果へ混ざりにくい設計になっているかを確認します。

ステップ6|実験を実施してデータを記録する

実験では、応答値だけでなく、実際の条件と異常を記録します。

記録するもの

  • 指示した因子水準
  • 実測した温度・時間・圧力
  • 引張せん断強度
  • 材料ロット
  • 試験日時
  • 装置
  • 作業者
  • 異常・逸脱

重要なポイント

設定値が160℃でも、実測値が大きくずれていれば、単純に「160℃条件」として解釈できないことがあります。

出力

解析可能な実験データセット。

判断基準

後から「なぜこの試験値だけ違うのか」を追える記録になっているかを確認します。

ステップ7|主効果と交互作用を解析する

実験後は、各因子が応答特性へ与える影響を見ます。

主効果

たとえば、硬化温度を120℃から160℃へ上げたとき、平均的に接着強度が上がるなら、温度に正の主効果がある可能性があります。

交互作用

重要なのは、ある因子の効果が別の因子の水準によって変わる場合です。

たとえば、

  • 硬化時間20分では温度を上げても強度差が小さい
  • 硬化時間40分では温度を上げると強度が大きく上がる

なら、温度と時間に交互作用がある可能性があります。

入力

  • 実験データ
  • 因子・水準
  • 反復データ
  • ブロック情報

行動

主効果、交互作用、残差、ばらつきを確認します。必要に応じて分散分析や回帰モデルを使います。

出力

  • 影響の大きい因子
  • 重要な交互作用
  • 推定モデル
  • 残差やばらつきの確認結果

判断基準

統計的に差が出たかだけでなく、その差が技術的・実務的に意味のある大きさかを確認します。

ステップ8|最適条件候補と判断根拠を整理する

解析結果から、接着強度が高くなりそうな条件候補を整理します。

仮に、

  • 硬化温度は高水準で強度向上
  • 硬化時間も高水準で向上
  • 温度×時間の交互作用が見られる
  • 加圧力の主効果は比較的小さい

という結果だったとします。

この場合、

温度160℃・時間40分の組み合わせを有力候補とし、加圧力は設備負荷や品質安定性も含めて選ぶ

という判断が考えられます。

ただし、ここで確定しない

DOEの解析結果は、候補条件を示すものです。

  • 安全性
  • コスト
  • 材料劣化
  • サイクルタイム
  • 設備負荷
  • 他の品質特性

を無視して「強度最大だから最適」と決めないようにします。

出力

最適条件候補と、その根拠・制約。

判断基準

応答特性だけでなく、実際に採用できる条件かを確認します。

ステップ9|確認実験で再現性を確かめる

最後に、候補条件で確認実験を行います。

例

候補:

  • 温度160℃
  • 時間40分
  • 加圧力0.2MPaまたは0.6MPaの採用候補

確認すること:

  • 予測した強度が再現するか
  • ばらつきが許容範囲か
  • 材料ロットが変わっても傾向が維持されるか
  • 他の品質特性に悪影響がないか

出力

採用条件、または追加実験が必要という判断。

判断基準

解析モデルの予測と実測が一致し、実務上の制約も満たしているかを確認します。

通し例|接着強度条件をDOEで絞り込む

ここまでの流れを1つにつなげます。

背景

開発チームは、樹脂部材の接着強度が安定せず、硬化条件を見直す必要がありました。

これまでは、

まず温度だけ変える→次に時間を変える→最後に圧力を変える

という1因子ずつの試し方をしていました。

しかし、温度を変えたときの効果が、硬化時間によって変わる可能性がありました。

DOEを使う理由

チームは、温度・時間・加圧力を同時に計画的に変え、主効果だけでなく交互作用も見たいと考えました。

因子と水準

  • A 硬化温度:120℃ / 160℃
  • B 硬化時間:20分 / 40分
  • C 加圧力:0.2MPa / 0.6MPa

応答特性は引張せん断強度としました。

実験計画

3因子2水準の8条件を設定し、実験順序をランダム化しました。反復も設け、材料ロットを記録しました。

結果の読み方

解析すると、硬化温度と硬化時間の主効果が見られ、さらに温度×時間の組み合わせで強度の上がり方が変わる傾向が確認されました。

一方、加圧力は今回の範囲では影響が比較的小さい結果でした。

人の判断

ここで「160℃・40分・0.6MPaが最適」と即断しませんでした。

高い加圧力は設備負荷を増やすため、加圧力については低水準でも強度が十分か確認し、採用可能性を検討しました。

確認実験

有力条件で再度実験し、強度の再現性とばらつきを確認しました。

さらに、材料ロットを変えた確認も行い、同じ傾向が維持されるかを見ました。

このように、DOEでは「実験回数を減らすこと」よりも、「複数因子を計画的に動かし、主効果・交互作用・ばらつきを踏まえて、再現可能な判断へつなげること」が重要です。

DOEを研究開発で使うときのポイント

因子を増やしすぎない

候補をすべて入れると、計画も解析も複雑になります。技術仮説と実験目的から、今回確認すべき因子を絞ります。

水準は実務で採用可能な範囲にする

極端な水準で効果が出ても、量産や実運用で使えなければ意味がありません。

交互作用を無視しない

1因子ずつの試験では見えにくい組み合わせ効果を確認することが、DOEを使う大きな理由の1つです。

統計的有意差だけで決めない

小さな差が統計的に有意でも、技術的・経済的には意味がない場合があります。効果量、ばらつき、コスト、設備制約を併せて判断します。

確認実験を省かない

解析結果はモデルに基づく推定です。最終条件は、実際の確認実験で再現性を確かめてから決めます。

よくある失敗と改善策は、DOEで失敗しやすいポイントで確認できます。

関連記事で使い方を広げる

そのまま使える型が必要なら、DOEテンプレートが役立ちます。

具体的な技術テーマへの適用をケースで追いたい場合は、DOEの具体例を参照してください。

生成AIを補助的に使って因子候補や実験条件、解析観点を整理したい場合は、生成AIでDOEを使う方法も参考になります。

関連手法との違い

故障リスクを事前に洗い出すFMEAとの違いは、FMEAとDOEの違いで整理できます。

研究開発プロセスの節目管理との違いは、Stage-GateとDOEの違いで確認できます。

FMEA・Stage-Gate・DOEから目的に合う方法を選びたい場合は、FMEA・Stage-Gate・DOEの使い分けも参照してください。

実務で使うためのチェックリスト

  • 実験目的と応答特性を明確にしたか
  • 応答特性を測定可能な形で定義したか
  • 因子候補を技術仮説から洗い出したか
  • 因子と水準が実務で設定可能か確認したか
  • 何を推定したいかに合う実験計画を選んだか
  • 必要な交互作用を見られる計画になっているか
  • 実験順序を固定せずランダム化を検討したか
  • 反復やブロック化の必要性を確認したか
  • 設定値だけでなく実測値と逸脱を記録したか
  • 主効果だけでなく交互作用を確認したか
  • 統計的差と技術的意味を分けて評価したか
  • 最適条件候補を実務制約と合わせて判断したか
  • 確認実験で再現性を確かめたか

まとめ

DOEを実務で使うときは、最初に実験目的と応答特性を決め、影響しそうな因子候補を洗い出し、操作可能な因子と水準を設定します。そのうえで、確認したい主効果・交互作用に合う実験計画を選び、ランダム化・反復・ブロック化を検討して実験します。

実験後は、主効果だけでなく交互作用とばらつきを確認し、統計的な差と技術的な意味を分けて評価します。そして、解析上の有力条件をそのまま最終条件にせず、設備負荷、コスト、他の品質特性などを踏まえて候補を絞り、確認実験で再現性を確かめます。

DOEの価値は、単に実験回数を減らすことではありません。複数の技術条件を計画的に動かし、因子同士の関係まで含めて、再現可能な設計・開発判断へつなげることにあります。

よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!
目次