実験計画法の手法選択フローチャート｜「どの手法を使えばいい？」を一発解決

• 実験計画法の手法が多すぎて、どれを使えばいいかわからない
• 乱塊法と分割法の違いがごっちゃになる
• 擬水準法と多水準法、名前が似ていて混乱する
• 直交表はいつ使うのか、基本の配置実験と何が違うのか不明

• 実験計画法の全体像と各手法の位置づけ
• 「この状況ならこの手法」がわかるフローチャート
• 混同しやすい手法の決定的な違い
• 各手法の詳細記事へのリンク集

使う場面：「この1つの因子が効果あるか？」を調べたいとき

例：肥料の種類（A, B, C）だけを変えて、収穫量を比較する

特徴：最もシンプル。因子の効果と誤差だけを分離する

使う場面：「2つの因子の効果と、その組合せ効果（交互作用）」を調べたいとき

例：肥料の種類（A, B）と水やり頻度（多, 少）の両方を変えて比較

特徴：交互作用が検出できる（繰返しありの場合）

使う場面：「3つ以上の因子を同時に検討したい」とき

問題点：因子が増えると実験回数が爆発的に増加する

例：3因子×2水準×2水準×3水準 = 12通り × 繰返し = 大量の実験…

解決したい問題
「実験環境にバラつきがあり、それが結果に影響しそう」

具体例：
畑で肥料の効果を調べたいが、畑の日当たりが場所によって違う。日当たりの良い場所と悪い場所で結果が変わってしまう…

解決策：
「日当たり良好エリア」「日当たり不良エリア」をブロックとして分け、各ブロック内ですべての肥料を試す。これで日当たりの影響を統計的に除去できる。

解決したい問題
「ある因子の水準変更に時間やコストがかかり、頻繁に変えられない」

具体例：
焼成炉の温度変更に2時間かかる。温度（A）と添加剤（B）の効果を調べたいが、温度を頻繁に変えるのは非効率…

解決策：
温度を1次因子として「まとめて設定」し、その温度のまま添加剤（2次因子）だけをランダムに変えて実験。温度変更は最小限に。

解決したい問題
「ある因子の水準が、別の因子の中に入れ子（ネスト）になっている」

具体例：
3つの工場（A, B, C）があり、各工場に3人ずつ作業者がいる。工場Aの作業者1と工場Bの作業者1は別人。作業者は工場の中に「入れ子」になっている。

特徴：
分割法と似ているが、「交互作用」が意味を持たない（作業者は工場をまたがない）

解決したい問題
「因子が多すぎて、すべての組合せを試すと実験回数が膨大になる」

具体例：
7因子×2水準 = 128通り。繰返し3回で384回の実験…無理！

解決策：
L8直交表を使えば、8回の実験で7因子の主効果がすべて評価できる！

解決したい問題
「調べたい因子は3水準なのに、手元にあるのは2水準系の直交表（L8など）」

解決策：
1つの水準を2回使って、擬似的に2水準として扱う
例：3水準（A1, A2, A3）→ 2水準として（A1, A2）と（A1, A3）…ではなく
　　（A1, A2, A2）のようにA2を2回出現させる

イメージ：「丸い穴に四角い棒を無理やり入れる」ような技法

解決したい問題
「調べたい因子は4水準なのに、手元にあるのは2水準系の直交表（L8など）」

解決策：
直交表の2つの列を組み合わせて、4水準を作る
例：列1（1, 2）×列2（1, 2）→（1-1, 1-2, 2-1, 2-2）の4通り

イメージ：「2つの列を合体させて、より大きな水準を作る」技法

解決したい問題
「どの因子が効くかはわかった。次は最適な条件（数値）を見つけたい」

具体例：
温度と圧力が収率に影響することはわかった。では、温度何℃、圧力何MPaが最適か？

特徴：
2次関数でデータをモデル化し、「山の頂上（最大値）」や「谷の底（最小値）」を探す

Q1. 実験の目的は？

　├─ 因子の効果を調べたい → Q2へ
　└─ 最適条件を探したい → 応答曲面法

Q2. 調べたい因子は何個？

　├─ 1個 → 一元配置実験
　├─ 2個 → 二元配置実験
　└─ 3個以上 → Q3へ

Q3. すべての組合せを試せる？

　├─ YES → 多元配置実験（完全実施）
　└─ NO（多すぎる） → 直交表を使う → Q4へ

Q4. 特殊な制約はある？

　├─ 環境にバラつきがある → 乱塊法を組み合わせる
　├─ 変更困難な因子がある → 分割法を使う
　├─ 因子が入れ子になっている → 枝分かれ実験
　├─ 3水準因子を2水準系直交表に入れたい → 擬水準法
　└─ 4水準因子を2水準系直交表で作りたい → 多水準法