実験計画法（DoE: Design of Experiments）は、新技術開発を「勘と
経験に頼った従来のプロセス」から「データ駆動型の効率的なアプローチ」
に変革することを主な目的としています。
1. 実験計画法の目的
実験計画法は、主に以下の目的のために実施されます。
（１）実験の効率化と情報の最大化
最小限の実験回数で最大限の情報を得るために活用され、無駄な実験を
大幅に削減できます。
これは、MI（マテリアルズ・インフォマティクス）の考え方に基づき、
ベイズ最適化や直交表（L9、L18）などの統計的手法を用いて、次に
試すべき最も情報価値の高い実験条件を自動で提案する仕組みを構築
することに繋がります。
（２）最適な条件の体系的な特定
材料の強度や特性に影響を与える複数の要因（パラメータ）間の相互
作用を発見し、最適な配合や条件を体系的に見つけ出すために不可欠
です。
実験結果を統計的に分析することで、どのパラメータが目標特性に最も
寄与しているか（寄与度）を定量的に評価できます。
（３）論理的で科学的な開発の推進
実験の結果を基にAIの予測モデルを更新し、「計画→実験→学習→提案」
のサイクルを繰り返すことで、開発の論理構成と確実性を高めます。
2. 実験計画法が最も効果的なケース
DoEは、特に複数の因子が複雑に絡み合い、相反する特性のバランスを
取る必要がある場合に最も効果的です。
（１）複雑な多成分系における配合の最適化
複合材料の実験を例にとると樹脂や添加剤の配合比率と製造プロセス
条件を同時に調整し、効率的に最適な処方を特定するのに役立ちます。
CNF複合材料開発では、エラストマーの種類や濃度、マスターバッチ
（MB）濃度といった主要な因子を体系的に評価するためにDoEが導入
されています。
（２）相反する物性のトレードオフ管理
高剛性（曲げ弾性率）と高靭性（衝撃強度）といった両立が難しい性能
目標（例：曲げ弾性率1600MPa以上、アイゾット衝撃強さ40KJ/m²以上）
を達成する最適なバランス点（スイートスポット）を精密に探索する際に
有効です。
靭性向上に伴う剛性の低下は不可避であり、DoEによってこの「剛性-
靭性トレードオフ」の関係をマッピングすることが、最終製品の要求
仕様を満たす上で不可欠となります。
（３）破壊メカニズムの転換に必要な臨界点の特定
材料の性能を劇的に改善するため、脆性破壊から延性破壊への転換を
誘発するエラストマーの臨界濃度（一般的に15～25 wt%の範囲）を
見つけ出す実験計画に焦点を当てる際に有効です。
臨界濃度を下回ると効果が薄く、上回りすぎると材料が柔らかくなり
すぎるため、この閾値を効率的に特定する必要があります。
（４）加工条件と材料特性の統合
2軸押し出し機のスクリュー回転数などの主要プロセスパラメータを
因子に含めることで、配合だけでなく、それを実現する製造プロセス
の最適な条件を材料特性（物性）と同時に評価し、品質の安定化を
図ることができます。
３．開発サイクル全体での迅速化
実験計画法は、単なる実験デザインの手法ではなく、開発プロセス全体
の論理構成とスピードアップに寄与します。
（１）学習と提案の高速サイクル
実験の結果を基にAIの予測モデルを更新し、「計画→実験→学習→提案」
のサイクルを繰り返すことで、開発プロセス全体の論理構成と確実性が
高まり、結果として迅速な開発が実現します, 。
特に、複数の因子が複雑に絡み合い、相反する特性（例：高剛性と高靭性）
のバランスを取る必要がある多成分系の開発において、DoEは時間を省略
し、迅速に結果を得るための最も強力なツールとなります。
（２）多成分系の最適化
ポリマーマトリックス、ナノフィラー、相容化剤、柔軟剤といった多相系
の配合比率や製造プロセス条件を同時に調整し、最適な処方を効率的に
特定できます。
（４）トレードオフの精密な探索
高剛性（曲げ弾性率）と高靭性（衝撃強度）といった両立が難しい性能
目標を達成するために、最適なバランス点（スイートスポット）を精密
に探索する際に有効であり、手探りの実験を大幅に省略できます。
DoEを導入することは、実験一つ一つにかける時間は変わらなくとも、
実験回数自体を最小限に抑え、目標に最短距離で到達するための戦略的
な方策であると言えます。
この記事へのコメント