タグチメソッド
タグチメソッドは、田口玄一が提唱した「品質工学」に基づく設計・開発手法であり、ばらつきに強い（ロバスト）製品・プロセスを少ない試行回数で得ることを目的とする。実験計画法（DoE）の枠組みを活かしつつ、品質損失関数とSN比を用いて「平均性能の達成」と「分散の抑制」を同時に最適化する点に特徴がある。直交表で要因と水準を体系的に割り付け、誤差因子を意図的に与えて環境変動に対する感度を下げることで、市場での性能安定性とコスト低減を両立させる。
目的と基本思想
タグチメソッドの第一の目的は、設計段階で外乱に強い条件を見つけ、量産後の調整や保証コストを減らすことである。規格内合否ではなく市場での経済損失を最小化するという「機能に基づく品質」の考え方を採る。結果として、平均を狙うだけでなく分散を抑える設計が評価の中心となる。
品質損失関数
品質損失関数は L(y)=k(y−m)^2 を基本形とし、目標値 m から外れるほど社会的損失が二次的に増えるとみなす。規格内に収まれば損失ゼロとみなす従来思考を改め、微小な偏差もコスト換算して設計判断に反映する。これにより、工程能力の良否だけでなく、ユーザー体験と市場での総コスト最小化に直結した評価が可能となる。
損失係数kの見積
k は保証・手直し・廃棄・評価損などの費用データや、目標から一定偏差が生む経済影響を基に設定する。正確な金額が難しい場合でも、相対比較に足る近似を置くことで、設計代替案の経済合理性をランク付けできる。
SN比（Signal-to-Noise Ratio）
SN比は信号（望ましい性能）に対するノイズ（ばらつき）の強さを対数指標で表す。大きいほどロバストであると解釈し、要因の水準選択に用いる。平均だけで判断すると外乱に弱い条件を選ぶ恐れがあるため、SN比で分散影響を圧縮して評価するのが要諦である。
代表的なSN比の型
- 望大特性：大きいほど良い量（強度、効率など）を対象
- 望小特性：小さいほど良い量（誤差、摩耗、消費電力など）を対象
- 望目特性：目標値に一致するほど良い量（寸法、周波数など）を対象
直交表と割付
直交表（L8、L9、L16、L18、L32など）は少ない実験で多因子の主効果を見通すための配列である。因子数・水準数・交互作用の重畳関係を考慮し、列の自由度と解析目的が整合する表を選ぶ。割付では、交互作用を重視する対と主効果列の重なりを避け、解析可能性を確保する。
直交表選定の要点
- 目的特性の型（望大・望小・望目）と測定分解能を先に決める
- 因子数・水準数から必要自由度を算出し、最小の表を選ぶ
- 交互作用仮説が強い因子間は重なりを避ける割付計画を作る
誤差因子・信号因子・内外配列
誤差因子は温度、電源電圧、原材料ロットなど設計で制御しにくい外乱である。内外配列法では、内側配列で制御因子を、外側配列で誤差因子を同時に振ってSN比を評価する。操作量を持つ系では信号因子を設け、出力の感度（動特性）を最適化する。
手順（実験設計から確認実験）
- 品質特性と評価基準（SN比型、損失関数）を定義する
- 候補因子と水準を列挙し、スクリーニング仮説を立てる
- 直交表を選定し、因子・交互作用を割付する
- 内外配列を構成し、再現性を確保した測定計画を定める
- 実験を実施し、SN比と平均の解析から最適水準を決定する
- 最適条件で確認実験を行い、改善量とロバスト性を検証する
解析と意思決定
SN比の寄与を主効果図・分散分析で確認し、実装容易性・コスト・安全性・調達性などの制約と合わせて採否を決める。望目特性では、SN比で分散最小化を図りつつ、平均値の調整因子で目標への一致を確保する二段最適化が有効である。
他手法との関係
タグチメソッドはDoE、QC手法、シックスシグマ（DMAIC）と補完関係にある。前者は実験の統計設計、後者は欠陥低減の経営プロセスであり、SN比と品質損失の視点を組み込むことで、外乱下の再現性と市場損失の抑制を強化できる。
注意点と限界
強い交互作用が多い系では、直交表の重畳により効果推定が歪む恐れがある。測定系の分解能不足や外側配列の設計不備も誤結論の原因となる。重要交互作用を事前仮説に基づき列確保する、確認実験で再検証する、といった運用が不可欠である。
適用分野と効果
機械、電気、化学、ソフトウェアの各分野で、性能のばらつき抑制、規格合格率向上、工程余裕の確保、部品点数削減、検査・調整コスト低減などの効果が報告されている。特に環境変動の大きい製品では、開発段階でのロバスト化がライフサイクル全体の利益に直結する。
コメント（β版）