SUNO MAXIMIZER〜TTM 基礎理論編（ver0.9）— TOKEN と許容差の向き

三部作：基礎理論編 ／ 応用理論編 ／ ユーザーマニュアル編

SUNO MAXIMIZER〜TTM 基礎理論編

SUNO MAXIMIZER (Ver. 0.9)

SUNOのSTYLEプロンプトを、実験的なTTMプロセスで最適化する。このシステムは汎用である。ほぼすべてのプロダクトを、同じ枠で最適化できる。音楽は、いま手元にある質的案件である。

思想は短い。最適化されていないものは作れない。量的案件の核は誤差因子と機能評価である。質的案件では、誤差因子を置けないことが多い。SUNO MAXIMIZER は誤差因子を使わない。直交表とSN比は、実験が高い時代の道具だ。AIの情報単位は TOKEN である。数値でもカテゴリの点数化でもない。近い意味は近くに座る。許容差設計は、質を維持して価格を安くすること。向きがあるかどうかは、課題にそのニーズがあるかだけである。コンテキストは三つある。データマイニング、自分の実験、コミュニティで共有された実験。評点を他人に渡すときは、評者のプロファイルを対にする。計測系の無い数字は、使い物にならない。

この機械がすること	人がすること
歌詞と条件から実験票を出す。Style を SUNO に貼れる形にする	曲を出し、総合の男評点と女評点を書く
0点からの差 F を出し、単独（男性）・単独（女性）・共通方案を返す	6項は任意。モニターの負担が重いなら空でよい
欠測を穴埋めせず、どの仮説が検証不能かを言語で出す	棄却は「はい」と理由。平均に入れない
プロファイル付きの実験パックを書き出し、他人のパックを庫へ入れる	出身・年代・好みを先に書く。欠けたパックは共有しない

インストールはユーザーマニュアル編 §1 に集約した。実装エージェント (Codex / Claude Code 等) への指示文はそちらを見よ。

参照順: 基礎理論編 → 応用理論編 (質的) → ユーザーマニュアル編 → 事例研究編。応用理論編 (量的・番外) は本筋から外れる姉妹編で、参照は任意。

この文書（基礎理論編）は、その機械の思想の一部である。基礎が変われば応用も事例も機械も変わる。逆は許さない。

用語 — 「誤差」とだけ書かない

誤差の三文字だけでは、統計の残差か、タグチの誤差因子か、分からない。この文書では、機能を乱す条件を誤差因子と書く。誰のために設計するかを適用対象と書く。男性と女性は、SUNO MAXIMIZER では二つの適用対象である。誤差因子ではない。

用語	定義
誤差因子	使う場所で機能を乱す条件。設計者が水準を自由に選べない。温度、レーン摩擦、風向。SUNO機械では空。
適用対象	誰のために方案を出すか。男性と女性は、二つの適用対象である。
単独方案	一つの適用対象で測度最大。男評点の最高、女評点の最高。平均しない。
共通方案	両方の適用対象で残る方案。需要があるときだけ出す。誤差因子最適とは呼ばない。
ロバスト	誤差因子がある案件で、乱れに強いこと。レーン摩擦、風向。適用対象の共通方案とは別語。
文脈（AUX）	車内で誰が選曲するか。適用対象と重なりやすいが、同じものではない。
計測系	評者のプロファイル。適用対象の人が、同時に点数をつけることが多い。
実験のばらつき	同じ方案を繰り返したときの差。誤差因子ではない。
TOKEN	AIに入る意味の単位。Style文や口コミ。数値でもダミー変数でもない。
許容差設計	質を維持して価格を安くすること。TOKENが質を運ぶ。金額化は必須ではない。
向き	課題がその手法に向くか。許容差なら、安くするニーズがあるか。

男性にも女性にも受ける曲が欲しい、は本物の需要である。それは共通方案である。二つの評点を誤差因子の外側配列と見て平均すると、誰の曲でもない点が残る。単独を先に出し、共通は代金付きで後から出す。

SUNO MAXIMIZER は誤差因子を使わない。車内騒音や夜冬を技術名で置ける、という事前の読みは、機械の列にしない。質的最適化の理論一般では、方案の差と人の差が分離できるときに限り、誤差因子の欄を埋めてよい。分離できないなら空である。ラーメンは空である。

構想ごと選ぶ品質工学

TRIZ–TAGUCHI–METRICS。枠は品質工学のまま。

教師は、タグチを一度は触った管理者。生徒は、タグチを聞いたことのない入社0–2年。AIは使っているが、QA以外の最適化は初めてである。

日付 2026-08-19。ver0p9。数値の教材例は仮想実験である。コミュニティとプロファイルと欠測は、計測系の本体である。

先に結論

量的案件の本質は誤差因子である。直交表とSN比は、実験が高い時代の道具だ。 質的案件では、方案の差と人の差が分離できないことが多い。誤差因子の欄は空でよい。空は欠測ではない。 SUNO MAXIMIZER は誤差因子を使わない。誤差の三文字だけでは書かない。 実験計画法はタグチより古い。両者は直交表と分散分析の子だ。AIは両方を越える。 因子の数は決める。水準は切らない。実験結果は表としてLLMに入る。 コンテキストは三つある。データマイニング、自分の実験、コミュニティで共有された実験。 評点は計測値である。評者のプロファイルが無い数字は、共有しても使い物にならない。 欠測は穴埋めしない。どの仮説が検証不能になったかを、行で書く。 最適化は、実施行の優勝ではない。因子効果を推定し、未実施の組合せを予測する。直交表はその推定のために発明された。 田口伸と矢野耕也が言う通り、残るのは機能評価である。計算道具は替わる。 因子と数値が揃えば、ExcelでもAIでも、方案を全部評価すれば足りる。 TOKENは、量でも質でもない第三の情報である。Style文と口コミは点数化しない。 許容差設計は、質を維持して価格を安くすること。向きがあるかはニーズだけである。 数量化第一類は、AIでは使わない。TOKENがすでに意味空間に載っている。 TTMは新しい図ではない。品質工学の同じ枠で、単語が置き換わる。 0点は現状案。動特性の測度は三角形の面積S。選ぶ尺度は金額F、または評点V。 TTMは射出成型の転写法の延長である。評価関数が金型になる。

四つの問い

問い	答え
タグチの核は何か	ばらつき・損失・誤差因子。標語の直交表とSN比は道具
直交表とSN比は残るか	実験が高いときだけ。数値が揃えば使わない
0点は何か	最適化しないなら、いま選ばれる方案
TTMは新しい図か	品質工学の同じ枠。言葉が置き換わるだけ

基礎 → 応用 → 事例。この順番を逆にすると、枠が案件に飲み込まれる。

この文書の使い方

受け取る人は、部下に最適化を任せたい管理者である。自分ではもう実験しない。AIの時代に、SN比と直交表と損失関数を儀式のまま残すのは無理だ、と思っている。その感覚は正しい。ただし、核まで捨てると、部下は「点数の高い案」だけを拾う。

教える人は同じ管理者である。タグチを簡単に伝え、AIで最適化できることを見せなければならない。この文書はその授業の台本である。

教わる人は新入社員から2年目まで。タグチは初耳でよい。砂時計から入る。風力とラーメンは、量的課題と質的課題の見本である。今回の音楽案件の固有名詞は、応用理論編と事例研究編で埋める。

文書	役割	ここに書かないこと
基礎理論編	タグチの核とTTMの枠。コンテキストの三分法	カナダ、歌詞、方案S5の最終点
応用理論編	質的最適化の埋め方。プロファイルの列	10案の最終採点
ユーザーマニュアル編	SUNO MAXIMIZERの画面とパック	核の再発明
事例研究編	受け取った課題を解く。実測で右側を直す	枠そのものの再発明

0. 序論 — 最適化は必要条件になった

1960年代は損失を減らすことが「良いもの」だった。いまは、最適化されていないものは作れない。

タグチメソッドは高度経済成長の日本で育った。品質のばらつきが社会の損失になる。ばらつきを設計段階で潰せば、検査で拾うより安い。最適化は十分条件だった。最適化されていれば、市場はそれを良いものと読んだ。

いまは違う。温暖化、資源、人口。制約が同時に効く。最適化は存続の前提であり、十分条件ではない。最適化しても売れるとは限らない。人を動かすとも限らない。それでも、最適化されていないプロダクトは、そもそも作れない。

AIがこの前提を実行可能にした。因子を分解し、言語で評点をつけ、計算機で探す。物理量のない案件でも、直交表にこだわらなければ最適化できる。TTMはその変化に応える方法である。

軸	タグチ（1960）	TTM（いま）
背景	量産・輸出拡大	環境制約とAI
目的	社会の損失を最小化する	プロダクトを最適化する
最適化	十分条件	必要条件
手段	SN比 / 直交表 / パラメータ設計	TRIZ + 枠 + 測度 + 探索
測度	L = k(y−m)²	機能F、または評点V

0.1 AIの現状 — 想像もしなかったことができる

文章もコードも評価も探索も、エージェントが実行する。足りないのは計算ではない。表である。

2026年の現場では、対話するだけでは終わらない。エージェントがリポジトリを開き、論文を読み、表を作り、方案を採点する。Claude Codeに代表される実装系も、研究と教案を一気に書く系も、同じ景色を見ている。想像もしなかった仕事が、手元で動く。

だから最適化の前提が変わった。因子を分解し、言語で評点をつけ、計算機で探すことは、特別な研究室の仕事ではなくなった。物理量のない案件でも、直交表にこだわらなければ最適化できる。できないと言っていた側が、まだ道具を儀式のまま残している。

できること	まだできないこと	TTMが渡すもの
方案を言語で生成する	証拠のない魅力を金額にする	0点と棄却と向き
口コミを評点へ写す	客の体調を誤差から分離する	置けない誤差は空と書く
表の全行を比較する	埋まっていない枠で正解を出す	枠を先に埋める手順

課題解決AIに必要なのは、魔法のプロンプトではない。実験である。実験結果は、散文の感想ではなく、表としてコンテキストに入る。データベースでも、手書きの表でもよい。型は同じだ。

0.2 実験計画法が先にある

Fisherが古い。タグチは誤差を核にした。AIは水準を切らず、交互作用も読む。

タグチメソッドを話す前に、実験計画法を置く。R. A. Fisherの発明は、田口玄一より早い。目的は同じ側にある。顧客の要求品質を、設計段階で、経済的に決める。日常の工場データでは因果が取れない。計画したデータだけが、「水準を動かしたら何が起きるか」に答える。

従来実験の誤りは、いまもそのまま使える。目的が無い。誤差を無視する。試した水準の外へ外挿する。温度を60→65→70と時間順に上げて装置の摩耗と交絡させる。因子の組合せ（交互作用）を見ない。二元配置に繰り返しを置けば、交互作用は検出できる。これがFisher側の強みである。

直交表は、両方の子である。2水準7因子の要因実験は128回。直交表は主効果を少ない回数で見る圧縮である。3水準ならL9、L27。既定の解析は分散分析だった。発明当時、計算手段が貧弱だったからだ。手回し計算機の時代に、加法性のある指標へ圧縮する必要があった。

軸	実験計画法	タグチメソッド	AI / TTM
生まれ	Fisher。より古い	1950年代日本。誤差が核	数値が揃ったあと
既定の解析	分散分析	SN比＋分散分析	全評価。dBにしない
交互作用	見える。繰り返しが要る	直交表では使いにくい	表の行として読む
水準	実験者が2か3に切る	同じ。混合水準が得意	切らない。言語のまま
直交表	圧縮の道具	圧縮の道具	実験が高いときだけ

一長一短がある。実験計画法は交互作用を明らかできる。タグチの直交表は、交互作用を列に割り当てても、現場では使わない運用が多い。誤差因子を外側に置く思想はタグチが強い。どちらも、直交表を既定にする点では、AIの時代になじまない。AIは両者を越える。因子の数は決める。水準は無限でよい。交互作用も分析の対象になる。

0.3 TOKEN — 量でも質でもない第三の情報

数は要約。カテゴリの点数化は古い。TOKENは意味のまま入る。

AIの最適化は、TOKENで処理されている。TOKENは、数値でもダミー変数でもない。Style文、口コミ、歌詞は、すでに意味空間の一点である。近い意味は近くに座る。king − man + woman が queen に近い、と同じである。

点が持つのは座標ではない。関係である。

統計学でいう量的データと質的データは、ここを説明しきれない。質的データを数量化第一類で点数化してから回帰する、という手順は、AIでは意味が無い。TOKENがすでに意味を数値空間に載せている。点数化してから探すな。

TOKENには、数値を超える巨大な情報が入っている。評点5は要約である。『息の近い中音域の女声』は、空間の一点である。最適化は、近い TOKEN を残して方案を組むことだ。許容差設計も、同じ TOKEN でできる。質を維持する、とは、近い位置に残す、ということである。

定義は、質を維持して価格を安くすること。向きはニーズだけである。

許容差設計を、こう定義する。質を維持して価格を安くする。従来のタグチは、部品公差とコストの釣り合いを、金額で書いた。AIでは、金額化は必須ではない。TOKENが質を運ぶ。問題は、課題が許容差設計に向いているか否かだけである。ラーメンに現地価格の列があり、味を落とすな、という命令があるなら、向かう。SUNOのStyleは方案ごとに生成コストが変わらない。この案件は向かない。

1. タグチメソッドの本質

よく言われる標語は「直交表・SN比・損失関数」だ。標語は半分だけ正しい。核は誤差因子である。使う場所で機能が乱れる。その乱れを設計で潰す。道具は時代で入れ替わってよい。核は入れ替えない。

1.1 ばらつき

同じ設計でも、香港と北欧で成績が違う。同じ砂時計でも、夏の日中と冬の朝で落ちる速さが違う。品質の原点は、平均を目標に寄せることではない。使う条件が変わっても、機能が素直に残ることだ。

1.2 損失

目標からのズレを二乗して金額に換える。平均が目標でも、幅が残れば損失は残る。

損失函数は L = k(y − m)² である。目標からのズレを金額に換える。静特性は、目標が一点のときに使う。5分砂時計なら m = 5.00 分。動特性は、信号因子 M に出力 y が従うときに使う。理想は原点を通る一次式、y = βM。

損失函数ができるのは、ズレを罰することだ。得も、喜ばれることも、合法の害も、初期費の増減も、同じ式には乗らない。後で機能 F に拡張する理由がここにある。

1.3 誤差因子

同じ砂の量でも、高温多湿と振動で傾きが変わる。これが誤差因子の図の読み方である。

誤差因子は、機能を乱す条件である。市場、使用環境、季節、劣化。一つの線ではなく、同じ信号に対して複数の一次比例直線が立つ。線が重なればロバスト。扇に開けばばらつく。

誤差因子は「困った外乱」ではない。市場に出す以上、必ず起きる条件である。技術者が実験室の平均値だけを見ると、市場で壊れる。タグチが実験室の外を設計に引き込んだことが、本質である。

1.4 パラメータ設計と二段階

従来の最適化は、システムが決まったあとのつまみを動かす。制御因子はパラメータである。二段階で進む。まずばらつきを小さくし、次に平均を目標へ寄せる。平均合わせを先にやると、ばらつきの大きな案が「平均は近い」と生き残る。

タグチができるのは、決まったシステムを、誤差の下で素直に動かすことだ。できないのは、システムそのものを選ぶことだ。構想は所与である。構想を因子にする仕事は、後でTRIZとTTMが引き受ける。

2. 静特性 — 5分砂時計

生徒が初めて触る事例は砂時計でよい。目標が一点のとき、静特性（望目特性）と呼ぶ。上田時計製作所の教材を、授業用に圧縮する。

必要機能は5.00分。制御は技術者、誤差は市場。測度は望目のSN比。

2.1 課題

正確に5分を刻む砂時計を、安く、丈夫に作る。正確とは、暑い夏の日中でも、寒い冬の朝でも、洗濯機の上のような振動でも、5分である。丈夫とは、棚の上だけでなく、振動する場所でも狂わない。安いとは、利用者が買える値段である。

制御因子は、技術者が設計段階で決められるものだ。穴の径、穴の角度、砂の量、容器の材質、砂の質、砂の加工法、乾燥剤の量、台座の種類。誤差因子は、製品が市場に出たときに受ける条件だ。温度、湿度、振動。

制御因子	水準1	水準2	水準3
穴の径	1 mm	2 mm	—
上径の角度	30°	40°	50°
下径の角度	20°	30°	40°
容器の材質	A	B	C
砂の質	X	Y	Z
砂の加工法	a法	b法	c法
乾燥剤の量	2 mg	4 mg	6 mg
台座の種類	H社	J社	K社

入門書は、この8因子をL18に割り付ける。従来品の水準を第2水準に置くことが多い。水準の幅はできるだけ広く取る。狭くすると、最適が見えない。動特性に進むと、砂の量は制御から外れ、信号因子になる。

2.2 なぜ平均合わせでは足りないか

現状は平均が5分に近くても幅が広い。先に幅を潰す。

実験室の平均値を5.00に合わせることは易しい。砂の量を増やせば時間は伸びる。問題は、同じ砂時計を市場の悪い条件に置いたとき、4分になったり6分になったりすることだ。損失はズレの二乗だから、プラスマイナス1分は、プラスマイナス0.2分よりはるかに高い。

2.3 望目特性のSN比

望目特性のSN比は、次の形である。

SN比 = 10 log (ȳ² / s²)

ȳ は平均、s² は誤差の分散。平均が大きく、ばらつきが小さいほどSN比は大きい。通信工学の「信号対雑音」を、品質に借りた式である。授業では、式の暗記より先に「幅が狭い案が高い」と覚えれば足りる。

2.4 二段階最適化

左が現状。右が、ばらつきを潰してから砂量で平均を5分へ寄せたあと。

第1段でSN比を最大にする。穴径や角度や砂の質を動かし、誤差の下でも時間が揃う組合せを取る。第2段で、平均を5.00へ寄せる。寄せるつまみは、機能の傾きを変えない調整因子である。砂時計なら砂の量だ。平均合わせを先にやると、ばらつく案が残る。

3. 動特性 — 任意の時間を刻む砂時計

5分専用の砂時計を、10分用にも15分用にも使いたい。同じ制御因子で、砂の量だけを変えて時間を変えたい。これが動特性である。静特性を繰り返すより、信号因子を置いた方が効率が良い。

横軸は砂の量M、縦軸は時間y。最適案は誤差2本が重なり、原点を通る。

3.1 信号と0点比例

砂の量 M を信号因子にする。5g、10g、15g。出力 y は時間。理想は原点を通る一次式、y = βM。砂が0なら時間は0。β は傾きであり、感度である。β が大きいほど、同じ砂から長い時間が取れる。

動特性のSN比は 10 log (β² / σ²) である。傾きが大きく、直線の周りのばらつきが小さいほど高い。授業では、式より図を先に読む。誤差条件ごとに直線が一本立つ。重なれば健全、扇ならばらつく。

3.2 効率と健全性

効率は β(最適) / β(現状) である。後で出す応答面積 S の比と同じ意味になる。健全性は、誤差の下で直線が崩れないことだ。タグチは健全性を η（SN比）で見た。TTMは dB にせず、誤差条件ごとの測度で見る。

制御因子の例は静特性と同じでよい。穴径、上下の角度、容器、砂の質、加工法、乾燥剤、台座。違うのは、砂の量が信号になることだ。砂の量を制御因子に入れると、信号とつまみが混ざる。

3.3 静特性との違い

軸	静特性（望目）	動特性
目標	一点（5.00分）	信号に従う直線
信号	置かない	砂の量 M
測度	10 log (ȳ²/s²)	10 log (β²/σ²)
第2段	平均を目標へ	傾きを使いたい値へ
利点	分かりやすい	複数スペックを同じ因子で持つ

動特性の方が、製品の機能に近い。砂時計の機能は「砂を時間に変える」ことであって、「5分であること」だけではない。5分は、その機能の一つの使い方である。

4. 直交表と Excel ソルバ

制御因子が8つ、各3水準なら、全部試すと 3⁸ = 6561 回である。一回に一日かかる実験では、人生が終わる。直交表は、各水準が同じ回数だけ出るように割り付け、少ない回数で主効果を見る道具だ。

4因子2水準のL8。外側に誤差N1/N2。全16回ではなく8回。数値は授業用の仮想実験。

4.1 割り付け

内側に制御因子、外側に誤差因子を置く。内側直交表の1行が一つの設計。その設計を、常温乾燥（N1）と高温多湿＋振動（N2）で測る。行ごとに平均とばらつきが出せる。ばらつきからSN比を出す。

L18 は、2水準1列と3水準7列を18回で見る表である。入門書の砂時計は、穴径と角度をL18に割り付ける。授業ではL8で足りる。表の哲学は同じだ。各水準が均等に現れ、他の因子とバランスする。

4.2 変動分解と Excel

変動分解 → Excel回帰 → 数値が揃えば全評価。核は誤差の下で選ぶこと。

本来の解析は分散分析と同じスタイルの変動分解である。SN比を因子の効果に分解し、どの因子が効くかを見る。科学技術の発展で、同じ作業は Excel の回帰とソルバでできるようになった。ダミー変数で水準を置き、SN比を目的関数にして係数を読む。手計算の儀式が消えても、見ているものは水準平均である。

この教材データでは穴径が支配的。2.0mmは速すぎてSN比が落ちる。

直交表がなくなるAI手法への発展も、同じ必然である。方案が十〜数十で、因子と目的がすでに数値なら、直交表は圧縮の必要がない。全部評価すれば足りる。実験が高い、全評価ができない、測度がまだ言語のまま。そのときにだけ直交表を出す。

4.3 Excel での手順

授業では、次の順で見せる。直交表の各行に N1 と N2 の実時間を書く。行ごとに平均 ȳ と不偏分散 s² を出す。SN比 = 10 log(ȳ²/s²) を隣の列に置く。因子ごとに水準1の平均SN比と水準2の平均SN比を取る。差が大きい因子が効いている。最適水準を足し合わせて予測SN比を出す。

同じ表を、Excel の LINEST に渡してもよい。水準を 0/1 のダミーにして、SN比を目的変数にする。係数の符号が、水準平均の高低と一致する。ソルバは、制約付きで係数を動かすときに使う。手計算の変動分解と同じものを、科学技術の発展で置き換えているだけである。

因子	水準1の平均SN	水準2の平均SN	読む
A 穴径	21.9 dB	13.9 dB	1.0mm が勝つ
B 角度	18.7 dB	17.2 dB	弱い
C 砂	18.1 dB	17.8 dB	ほぼ無い
D 乾燥剤	16.2 dB	19.7 dB	多い方が安定

この教材データでは、穴を2.0mmにすると速すぎて5分から外れ、SN比が落ちる。乾燥剤は湿度誤差を抑える。角度と砂の主効果は小さい。最適の第一候補は A1（1.0mm）と D2（乾燥剤多）である。

4.4 確認実験

水準平均の足し算で予測した最適は、必ず確認する。直交表は加法性を仮定する。交互作用が大きいと、予測SN比と確認SN比が食い違う。食い違ったら、交互作用を見るか、システムを変える。後者がTRIZの領分である。

確認は、最適条件ともう一つ、第二候補を、同じ誤差 N1/N2 で測る。予測と確認の差が 1–2 dB なら、加法性は持っている。5 dB 以上ずれたら、交互作用を疑う。AI全評価の案件では、この確認は「別の年・別の店舗で同じ論理を再実行する」に移る。

4.5 望大・望小・望目

静特性は三つある。望目は目標が一点（5.00分）。望大は大きいほどよい（強度、発電）。望小は小さいほどよい（摩耗、騒音）。砂時計の授業は望目で足りる。風力の発電は望大、騒音は望小だが、TTMは騒音を M に足さない。限度を超えたら棄却し、金額化できる害だけ Δ逆で引く。

特性	例	SN比の形	TTMでの扱い
望目	5分砂時計	10 log(ȳ²/s²)	第2段で平均を寄せる
望大	発電、強度	10 log(ȳ²/s²) 系	ユーザー利益として M へ
望小	摩耗、騒音	−10 log(s²) 系	Δ逆か棄却。M に足すな

4.6 実験計画法とタグチとAI — 道具の交代

直交表の哲学は残す。各水準が均等に現れ、他の因子とバランスする。残さないのは、水準を2か3に切ってからでないと探索できない、という前提である。

実験計画法は、交互作用を見るために繰り返しを買う。タグチは、誤差の外側配列を買う。AIは、方案の行を買う。買うものが違う。核は同じだ。使う条件が変わっても、機能が残る案を選ぶ。

買うもの	何が見える	高いとき
繰り返し（Fisher）	交互作用と実験誤差	一回が実験室の日単位
外側配列（タグチ）	誤差の下の健全性	実機の試作が高い
方案の行（AI）	主効果も交互作用も	評価が言語で、すでに安い

5. 交互作用 — 最適が入れ替わる

因子Aの効果が、因子Bの水準で変わるとき、交互作用がある。直交表の主効果だけを信じると、確認実験で崩れる。生徒に一番見せたい図は、平行な線と交差する線である。

左は加法的。右は交差。穴を広げたときの良し悪しが、砂の質で逆転する。

TTMでは、交互作用は β の変化として読む。応答面積 S は β と使用域だけで決まる。だから、組合せ表で β や F を見れば足りる。直交表の列割り当てで交互作用を消す作業は、全評価が前提なら要らない。

乗法・抑止・閾値。風力の事例では、静音と鳥、静音と基数、台風寄せと立地がこれに当たる。

型	現象	読み方
乗法的	両方あって初めて大きい	単独の主効果を足すな
抑止的	Aは効くがBで消える	同時採用の代金を書け
閾値的	閾値を越えたときだけ効く	水準の切り方を先に決める

交互作用が大きいとき、パラメータ設計の土俵に載せてはいけない。それは構想が違う。TRIZで構造を変え、別の方案として並べる。

6. 開発の流れと転写性

システム選択 → パラメータ設計 → 向きがあれば許容差設計 → 機能性評価 → 製品。

立林和夫が整理した一次設計・二次設計・三次設計がこれである。システム選択、パラメータ設計、許容差設計。そのあと機能性評価がある。AIの大きな絵では、最初の2段は同じ方案探索として統合できる。違うのは3段目と4段目の扱いだ。

6.1 射出成型の転写性

金型寸法が製品寸法に写る。β≈1。製造なのでユーザー環境の誤差は置かない。

タグチメソッドの歴史で特筆すべきは、射出成型の転写性である。金型の寸法 M が、同じ位置の製品寸法 X に写る。グラフが豊富なので、最適化のための誤差因子は要らない。製造プロセスであり、ユーザーの使用環境を想定しなくてよい。効率は β≈1 なので測らない。見るのは健全性 η だけである。

6.2 TTMは転写法の一種

金型が、予測モデルや言語の評価関数に置き換わる。

ディープラーニングは、違う物理量や質的変量を出力に変える金型である。予測値を M に置き、実際値を X に置く。LLMが口コミからラーメンを採点するのも、歌詞と様式から受容評点を出すのも、同じ転写である。TTMは転写法の一種だ。金型が金属から、評価関数に移った。

転写だけでは現場系は足りない。風力のようにユーザー環境がある案件では、伝統型から誤差を二つ借りる。製造の転写図を、現場にそのまま持っていくな。

7. 動特性の歴史 — 4類型

伝統 → 転写 → 総合SN比（単一） → 総合SN比（多次元）。TTMは3番を骨格にする。

型	横軸 M	縦軸 X	誤差	効率
1 伝統	スペック（砂の量）	メトリックス（時間）	使用環境。必要	βopt/β0
2 転写	金型寸法	製品寸法	不要（製造）	β≈1。見ない
3 総合・単一	予測値 f(調整)	実際値	現場は2つ	Mopt/M0
4 総合・多次元	予測の組（利益のみ）	実際の組	同上	ΣMopt/ΣM0

その1は親である。0点比例の絵と、使用環境の誤差という感覚は残す。その2は製造の話だ。その3がTTMの既定である。予測は中間生成物で、効率は傾きではなく予測値の比に移る。その4は、ユーザー利益が複数あるときにだけ開く。騒音や故障を第2の M にしてはいけない。

効率は Mopt／M0。健全性は誤差の下の測度。dB にはしない。

8. 量的課題と質的課題

類型コードは要らない。測度が金額か評点か、TRIZの行列を踏むか踏まないか。

課題は二つに分かれる。量的課題は物理量がある。測度は金額にできる。TRIZが構想と物理量を出す。風力、射出成型、砂時計がこの側だ。質的課題は、最終評価が言語評点である。測度は0–5のまま使う。換金しない。TRIZの矛盾行列は踏まない。データベース解析の一種である。ラーメンと、後の音楽案件がこの側だ。

質的だから手法が雑になる、ではない。因子が言語で揃い、方案が数えられ、評価基準が書いてあれば、探索は機械的にできる。TOKEN が質を運ぶ。違うのは、許容差に向かうかがニーズで決まることと、妥当性の確認が現場の実測ではなく、過去条件での論理再実行になることだ。

9. 量的課題の見本 — 風力

横軸は風の強さ、縦軸は発電。三角形の面積が増えることがメリット。

風力は量的課題の見本である。入力は風のエネルギー。出力は発電量。起こって欲しくない副産物は騒音。エネルギー保存則を先に読む。風のエネルギー = 発電 + 熱と機械の損失 + 騒音エネルギー。騒音を小さくしたいなら、まず発電（ユーザー利益）を最大化する。

現状の固定VAWTと、HAWT+PV。面積の差が動特性のメリット。

調整因子は平均風速、空気密度、運転時間。組合せ最適化しない。制御因子は方式、基数、PV、静音、鳥対策、立地。構想と水準を分けない。誤差は技術で二つ。風向・乱流と、台風・突風。香港や欧州という国名を誤差に置くな。国名は単価と法規と気候の混合物である。

測度は金額 F である。応答面積の増分を売電に換え、初期費と合法の害を引き、証拠のある魅力だけ足す。法規を超える騒音は金額にしない。その誤差では方案が無い、と書く。売電という価格があるので、許容差設計に向かう。

TRIZはここで本領を出す。発電を増やしたいが騒音と鳥と初期費が悪化する。技術的矛盾である。全方位で受けたいが効率も欲しい。物理的矛盾である。原理を案件の言葉に訳すと、VAWT、静音翼、鳥マーク、台風寄せカムといった制御因子になる。行列の番号は答えではない。

9.1 機能Fの内訳を読む

抽象例を一度、手で追う。使用域を風速2から11とする。現状案の β が40なら S = ½×40×(121−4) = 2340。方案の β が95なら S = 5565。面積は約2.4倍。この増分を、現状案の年間応答に比例させて一元へ換える。初期費の増減と逆の増減を足す。これが一つの方案の F だ。

項	現状案	方案	差
S（応答面積）	2340	5565	+3225
金額(ΔS)	—	—	売電に換算して足す
初期費	基準	増えることが多い	引く
逆（合法の害）	基準	減ることもある	引く（差が負なら得）
魅力	入れない	証拠があるときだけ	証拠なしで赤字を消すな

同じ方案が、ある適用対象では正、別の対象では棄却、ということは起きる。ロバストは、棄却されない対象だけで平均しない。全対象で残る方案だけを見る。残る方案が一つで F が負なら、同じ方案にする代金を書く。

地区風力の研究では、単独適用で黒字の案が、複数市場を同時に通そうとすると赤字になることがあった。それを「ロバストが勝った」と読んではいけない。同じもの税である。通すか、対象を分けるかを決める。

10. 質的課題の見本 — ラーメン

麺・スープ・具に分解し、言語評点で選ぶ。誤差は置かない。

ラーメンは質的課題の見本である。出汁の濃度や茹で時間は物理量だが、最終の「うまい」は客の舌が決める。評価は口コミと現場知を、0–5の評点に写す。換金しない。

0点は、いま店主が頼むであろう名店の寄せ集めである。新しい組み合わせでも、何もしないでもない。誤差因子は置けない。同じ一杯でも、客の体調と空腹で受け取りが変わる。方案の差と客の差が分離できない。置けないものは、無理に置かない。

探索は仮想評価である。麺×スープ×具の方案を、LLMに全件採点させる。食べログや類似店の文章がすでに数値化の材料になっている。因子と目的と数値が揃っている。直交表もSN比も要らない。

価格列が無ければ、許容差設計には向かない。残るのは感度地図だ。茹で時間を10秒動かしても評点が動かない、程度の話である。現地価格の列を足せば向かう。味の TOKEN を固定し、安い行を探す。これが許容差設計である。

妥当性は、口コミの再集計である。出した案を、1ヶ月後・3ヶ月後に同じ論理で読み直す。現場でXを測る代わりに、過去条件で論理を再実行する。作業の型は風力と同じだ。

TRIZの行列は踏まない。質的最適化はデータベース解析の一種である。矛盾の感覚は残してよい。濃厚と健康を時間帯で分ける、は物理的矛盾の分離だ。だが手順の本体は、行列引きではない。

10.1 四つの条件が揃えば、直交表は要らない

ラーメン最適化が示した条件は四つである。豊富な言語情報（口コミがすでに文章である）。厳正な評価と数値化（QEU評点）。モノのモジュール化（麺・スープ・トッピング）。LLMがドメイン知識を持っている。この四つが揃えば、直交表も分散分析もSN比も不要で、最高評点の方案を直接生成できる。

許容差側の命令も同じ型である。「味を落とさずコストダウン」。換金はできないが TOKEN が質を運ぶ。価格列があれば、これは許容差設計である。

機能性評価は、出した案を後から同じ論理で読み直すことだ。食べログの★と件数を、1ヶ月後・3ヶ月後に再集計する。予測が持てば同じ結論が出る。出なければ、店主の判断が主観的すぎた、と書く。風力が現場の X を測るのと、作業の型は同じである。

10.2 コンテキスト表 — 実験はすでに終わっている

各行が一つの完了した実験である。水準は言語。評点が応答である。

ラーメン最適化の本体は、直交表ではない。Webの口コミを、麺・スープ・トッピング・評点の表に直すことだ。データマイニングと実験が、同じ表で融合する。各店は、誰かがすでに走らせた実験行である。

麺	スープ	トッピング	評点
中太縮れ・多加水	豚骨＋塩	醤油煮豚バラ	4.3
中細ストレート	濃厚豚骨	チャーシュー・ネギ	4.2
細ストレート	豚骨醤油・白濁	定番三種	3.8
青竹手打ち	鶏ガラ醤油	チャーシュー・メンマ	3.6
細／太 選択	甘エビ白湯	海老天かす	4.2
中太ストレート	豚骨＋焦がしニンニク油	味玉・きくらげ	4.0
太麺・プリプリ	信州味噌	野菜・チャーシュー	3.9
極太縮れ	会津山塩	味付けチャーシュー	3.8

この表をLLMに渡す。役割は「静岡の店主」。命令は「リストにない一杯を、麺・スープ・トッピングで書け。奇をてらうな」。水準をA1/A2に切らない。切った瞬間に、最適が表の外へ逃げる。

10.3 因子は有限、水準は無限

決めるのは列の数。切らないのはセルの中身。

制御因子は三つで足りる。麺、スープ、トッピング。これが因子の数である。水準数は決めない。中太縮れ・多加水も、青竹手打ちも、甘エビ白湯も、一つの水準である。直交表は、先に2か3へ切る。AIは言語のまま読む。

コンテキストはデータベースでもよい。食べログの店舗マスタを、同じ四列へ写せば、行が増えるだけである。行が増えることが、実験回数が増えることだ。

現場やWeb → コンテキスト表 → LLM。散文の感想を渡すな。

11. TRIZの基礎

方案を増やすのがTRIZ。同じ尺度で切るのがTTM。

TRIZは、発明的な問題を解く体系である。中心の主張は単純だ。よい発明は妥協ではなく、矛盾を解消する。量的課題の構想は、ここで出る。

11.1 技術的矛盾

ある特性を良くすると、別の特性が悪化する。改善したい特性と悪化する特性を、39の工学特性へ写す。矛盾行列を引き、40の発明原理から候補を読む。原理はヒントである。そのまま答えではない。案件の言葉に翻訳して、初めて方案になる。

11.2 物理的矛盾

同じパラメータが、大きくもあり小さくもあれ、という要求になることがある。行列は使わない。空間・時間・条件・全体と部分で分離する。技術的矛盾より一段きつい。分離できたときの方案は、構造が変わる。

11.3 できること、できないこと

TRIZができるのは、構造の違う方案を出すことだ。物理量の候補も出る。感度、騒音、起動の下限、耐久の上限、初期費。これらはあとで測度か棄却条件になる。中間出力（矛盾・原理・物理量）は残す。行き先の無い量は測度にしない。

TRIZができないのは、方案を同じ尺度で選ぶことだ。誤差の下で選ぶことだ。法規で棄却することだ。いま選ばれる案より得かどうかを言うことだ。行列の次に「いちばんよい原理」は書いていない。

11.4 質的課題では行列を踏まない

質的最適化は、TRIZのステップを本体にしない。すでに言語化された評価が世の中にある。それをモジュールに分解し、評点で選ぶ。TRIZの感覚（矛盾の分離）は因子の抽出に使ってよい。手順書の本体は、矛盾行列ではない。

11.5 因子採取の5段

量的課題でTRIZを動かすときは、次の5段で因子を取る。飛ばすと、構想が水準に化ける。

段	やること
1 要求収集	無くてはならない働きと、嫌われる害を言葉で書く
2 TRIZ翻訳	技術的矛盾と物理的矛盾に写す。原理を案件語へ訳す
3 物理量抽出	感度、騒音、下限、上限、初期費。行き先のない量は捨てる
4 因子化	構想もつまみも一つの因子表へ。層に割らない
5 誤差の確定	技術名で二つ。市場名は単価・法規・気候へ分解

風力の例。発電を増やしたい、騒音と鳥と初期費が悪化する、が要求。矛盾行列から「局所品質」「事前保護」「他次元へ移す」などを読む。訳すと静音翼、鳥マーク、台風寄せカムになる。物理量の行き先は、β・S（発電）、棄却（騒音限度）、一元（初期費）である。国名は誤差にしない。

12. なぜこのスキームが必要か

現場の問いは、しばしば「どのつまみを何度回すか」ではない。「どのシステムを立てるか」である。従来の二つは、その問いに対して、それぞれ半分しか届かない。

12.1 TRIZだけでは選べない

TRIZは方案を増やす。増えた方案を、誤差の下で、現状より得かどうかで切る道具を持たない。原理の番号が新しいことは、採用の理由にならない。

12.2 タグチだけでは構想が出ない

パラメータ設計は、システムが決まったあとの話だ。構想の差を水準の差に化けさせるな。構想は因子である。水準ではない。

12.3 分けて直列にすると、探索の意味がない

TRIZのあとタグチ、と工程を分ける考え方がある。分けると、前半はアイデア出し、後半は直交表になる。どちらも、方案を数値で評価できるいまの探索には要らない。役割は分かれる。工程は分けない。同じ図の上で同時に動かす。

12.4 数値が揃えば、直交表とSN比は終わる

因子と水準が明確で、目的が数値なら、方案を生成し、棄却を通し、測度を計算し、最大のものを取る。実験が高いときにだけ直交表を出す。TTMの既定は、そちらではない。

12.5 損失だけでは機能に足りない

L = k(y−m)² はズレを罰する。得も、喜ばれることも、合法の害も、同じ式に乗らない。機能は主に金額だ。狩野の一元・魅力・逆に分ける。換算できないものは棄却条件にする。

13. TTMという名前と用語

• T: TRIZ。システムを作り、因子と物理量の候補を出す。中間出力を残す。

• T: TAGUCHI。誤差因子を置き、信号に素直な動きを求める。直交表とSN比は既定では使わない。

• M: METRICS / METHOD / MONETIZATION。機能は主に金額。狩野の三層。質的案件では評点V。

新しい図を覚えなくてよい。品質工学のアプローチ図の単語が置き換わるだけである。

用語	定義
方案	最適化の対象になる一個のシステム案。構想と水準を分けない
現状案 / 0点	与えた因子のうち、最適化しないいま選ばれる方案
必要機能	無くてはならない働き。在る課題では何もしないを方案にしない
機能 F	現状案を0とした金額。一元 − 逆 ＋ 魅力
評点 V	質的案件の測度。0–5など。換金しない
予測値 M	調整因子と制御因子から作るユーザー利益。旧・信号因子
実際値 X	誤差の下での実現値
感度 β	傾き。同じ信号から取り出す出力の大きさ
応答面積 S	使用域で0点比例直線が軸と作る面積
誤差因子	機能を乱す条件。重要なものを二つ
棄却条件	法規・安全・必須性能。金額化せず、その条件から外す
単独適用	誤差を一つに固定し、棄却されない方案のうち測度最大
ロバスト適用	複数誤差で棄却されず、平均測度が最大
コンテキスト表	因子×言語水準×評点。実験結果をLLMへ渡す型
水準は無限	因子の数は決める。A1/A2に切らない

14. 品質工学のアプローチ図

外枠が評価、内枠がシステム、上が制御、下が最適、左が入力、右が出力、右下が診断、黒い丸が誤差。

この読み方は変えない。変えるのは単語である。

入力・測度・制御・誤差・診断・0点。場所は同じ。

左は調整と予測M。右は実際Xと金額F。黒丸は技術誤差2つ。

15. 0点と機能F

何もしないを原点にすると、必要機能がある課題で、すべての方案が罰から始まる。

F の0は、与えた因子水準のうち、最適化しないいま選ばれる方案である。世間一般の最良でも、理論上の理想でもない。与えた表の中で、最適化しないなら選ばれる行である。選び方は記録に残す。

金額(ΔS) − Δ初期費 − Δ逆 ＋ Δ魅力。損失専用ではない。

単位を先に固定する。既定は USD、10年、実質3%（年金係数 8.53）。案件で変えてよい。変えたら記録する。途中で単位を変えない。質的案件では、この式の F を評点差 V − V0 に読み替える。換金しない。

狩野の三層を守る。一元は本業の便益。魅力は証拠があるときだけ足す。逆は金額化できる害を引き、限度を超えたら棄却する。証拠のない魅力で一元の赤字を消さない。棄却は足し算に入れない。−∞ として平均しない。

符号が食い違うことは珍しくない。応答面積は増えても初期費が勝つ。応答面積は減っても害が減って F は正。内訳を残す。合計だけ見ない。

16. 動特性と応答面積S

使用域2から11。現状β=40ならS=2340。方案β=95ならS=5565。増分を一元へ換える。

応答面積 S は、使用域で0点比例直線が軸と作る面積である。式は S = ½ β (Mhi² − Mlo²)。使用域が0から Mmax までなら S = ½ β Mmax²。誤差で線が分かれるときは、条件ごとの S を残す。一本に潰してから面積を取らない。

メリットは、現状案の S との差を一元へ換えた額である。SN比にはしない。面積を dB にしない。質的案件では、この三角形を無理に音楽や味に当てはめない。評点 V と誤差係数で足りる。

17. 因子の三分法 — 信号は消す

調整・制御・誤差。信号の欄は作らない。

調整因子が予測Mを作る。Mはロジックの欄から消える。

信号因子は扱いづらい概念だった。機能を動かしたい入力、という説明は正しいが、最適化の欄に置くと予測値と操作つまみが混ざる。総合SN比では、信号は中間生成物でしかない。調整因子が予測 M を作る。M はロジックから消える。

調整因子は組合せ最適化をしない。風速を「水準1/水準2」にして方案を選ぶ対象にはしない。制御因子が関数 f を変え、同じ調整の値から別の予測 M が出る。誤差因子はユーザー側で起きうる条件である。全部は考慮しない。重要なものを二つ程度にする。

国名は単価・法規・気候に分解する。誤差に残るのは気候の実体だけ。

市場や国を誤差に置くのは抽象化が過ぎる。香港や欧州という入力は、単価と法規と気候を一つの黒い丸に混ぜる。混ぜた瞬間に、ロバストが「一番厳しい条例を通る案」に化け、F が負の案が勝つ。

18. 単独方案と共通方案 — 適用対象は誤差因子ではない

単独方案は一つの適用対象で最大。共通方案は両方で残る。誤差因子最適ではない。

古いTTMは、香港と日本を誤差因子に置き、ロバスト適用と呼んだ。形は正しい。名前が間違っていた。適用対象は、誰のために方案を出すかである。設計者が切る。誤差因子は、使う場所で機能を乱す条件である。設計者が選べない。二つは同じ黒い丸に入らない。

地区風力なら、香港と日本は適用対象である。風向と台風が誤差因子である。SUNOなら、男性と女性は適用対象である。誤差因子の欄は空である。評点列が二つあるので、外側配列に見える。中身が違う。市場セグメントとして扱うな、は残す。誤差因子に置け、は捨てる。

単独方案は、一つの適用対象で測度最大。共通方案は、両方の適用対象で棄却されず、低い方を最大化する。棄却されない対象だけで平均しない。二つの点を平均して真の点にするな。共通は需要である。誤差因子最適とは呼ばない。ロバストという言葉は、誤差因子がある案件（レーン摩擦、風向）に残す。

食い違うときは、同じ方案にする代金を書く。通すか、対象を分けるかを決める。平均の作り方はSN比ではない。これを同じもの税と呼ぶ。

19. エネルギー保存則

Mに載せるのは発電だけ。騒音を足すと保存則が壊れる。

総合SN比に投入するメトリックスは、ユーザーにとってプラスになる量に限る。プロセスではエネルギー変換が働くことを期待している。損失を M に足すと、保存則が壊れる。多次元でも同じである。処理件数と節約額は載せてよい。故障件数や騒音 dB は載せない。

20. 許容差の向きと棄却条件

質を維持して価格を安くする。向きは、そのニーズがあるかだけである。

質問は一つだけである。この課題は、質を維持して価格を安くしたいか。Yes なら許容差設計に向かう。TOKEN が質を運ぶ。金額化は必須ではない。No なら向かない。向かないあとに残せるのは感度地図だけだ。BPMを6動かしても落ちない、サックスをミュートトランペットに替えても落ちない。それを公差と呼ぶな。代金が動いていない。

風力は向かう。売電という価格がある。ラーメンは、現地価格の列を足したときに向かう。味の TOKEN を固定し、安い行を探す。SUNO の Style は向かない。方案ごとに生成コストが変わらない。

逆品質のうち、限度を超えたものは金額にしない。その誤差条件では方案が無い、と書く。−∞ として平均しない。平均が意味を持たなくなる。棄却理由は残す。騒音なのか、安全なのか、必須性能なのか。理由が無い棄却は、探索の穴になる。

21. 手順

枠 → TRIZ → 三分法 → 測度 → 向き → 探索 → 単独方案/共通方案 → 記録。同じ図の上で同時。

システム構築はTRIZ、因子と目的メトリックスはTRIZとタグチ、運用時の素直な動きはタグチ、探索は計算。工程は直列にしない。質的案件では、手順1のTRIZを軽くし、評点の定義を厚くする。枠は同じである。

21.1 機能性評価は残る

開発の流れの4段目は消えない。予測が持つかを見る作業である。量的案件は現場の X と比較する。質的案件は過去年や別店舗で同じ論理を再実行する。作業の型は同じだ。許容差に向かないからといって、評価まで閉じるな。

機能性評価で枠を作り直してはいけない。測度の右側だけを書き直す。β、S、V、棄却限度を、測った値に差し替える。0点の定義も三分法も動かさない。

21.2 内側と外側

入門書は、制御因子を内側直交表、誤差因子を外側直交表に置く、と教える。TTMでもこの感覚は残す。内側は方案の表である。外側は誤差の条件である。AI全評価でも、方案の行と誤差の列は分ける。混ぜた瞬間に、棄却が平均に溶ける。

砂時計なら、内側が穴径と角度と砂、外側が常温と高温多湿。風力なら、内側が方式と基数とPV、外側が風向と台風。ラーメンなら、外側が空である。空なら空と書く。無理に客の体調を外側に置くな。

21.3 実験結果は表で注入する

課題解決AIの入力は、枠の空欄と、コンテキスト表である。表の列は因子。表のセルは言語の水準。右端が評点または金額。LLMは、この表を読んで方案を出し、同じ列で採点し直す。

水準を2と3に切ってから渡すな。交互作用が見える案件では、行を足せ。麺×スープ、スープ×具、具×麺。Fisherが繰り返しで買っていた情報を、表の行として買う。

22. やらないこと、記録すること

核は8つ。信号欄を残す、市場を誤差に置く、損失をMに足す、も加えて禁止する。

核の8つに、三分法以降の禁止を足す。信号因子の欄を残すな。市場・国を誤差に置くな。誤差を全部入れるな。騒音や故障を M に足すな。チャート1位や口コミ1位で必要機能を上書きするな。ニーズの無い課題を許容差設計と呼ぶな。

0点、単位、TRIZ中間、測度内訳、棄却、単独とロバスト、食い違いの代金。

再現できない最適化は、最適化ではない。後から測度の右側だけを書き直せるように残す。枠を作り直さない。

23. 案件への埋め方と既定

正しさの半分は空欄の埋め方にある。埋まっていない枠で探索しない。

この文書は空の枠である。案件は、空欄を埋めてから動かす。埋め方が正しければ、あとの作業は機械的だ。矛盾を出し、方案を並べ、測度を計算し、単独とロバストを出す。案件の固有名詞は空欄の中だけに置く。

既定値。通貨 USD、期間 10年、実質割引 3%（年金係数 8.53）。0点は現状案。動特性は応答面積 S。診断は探索。直交表とSN比は使わない。棄却条件はゲート。魅力は証拠があるときだけ。適用対象の数と中身は案件が決める。

探索のあとに実測が来たら、同じ図の右側だけを書き直す。測度の置き方は変えない。β と S と棄却の限度を、測った値に差し替える。枠を作り直さない。

24. 授業の進め方

教師は、この文書を最初から最後まで読ませない。砂時計の静特性で90分、動特性と直交表で90分、風力とラーメンで90分、TTMの枠で90分。4回で枠が立つ。

回	見せるもの	生徒が手元でやること	終わった印
1	5分砂時計、損失、誤差	N1/N2の2点からSN比を手計算	幅を先に潰す、と言える
2	動特性、L8、Excel	水準平均を出し最適を予測	直交表は圧縮だと説明できる
3	風力とラーメン	量的/質的、許容差の向きを判定	TRIZを踏む案件を見分けられる
4	0点、F、三分法、禁止8	空欄表を一件埋める	埋まっていない枠で探さない

デモは、ラーメンか音楽の全評価でよい。直交表を組ませず、方案を10本並べて採点させる。管理者が「SN比は要らない」と思っている感覚を、生徒の前で肯定する。そのうえで、誤差因子だけは残す、と釘を刺す。

生徒がやりがちな失敗は三つである。何もしないを0点にする。棄却を平均に入れる。チャート1位や口コミ1位で必要機能を上書きする。授業の最後に、この三つを禁止として復唱させる。

25. この先に進むには

枠を覚えた。次は、受け取った課題が質的であることを確認し、ラーメンとの同じ点と違う点を見る。それが応用理論編である。実際の歌詞と Excel を読むのが事例研究編である。

順番は「基礎理論編 → 応用理論編 → 事例研究編」である。基礎で枠を覚え、応用で埋め方を学び、事例で実案件に取り組む。枠を案件で上書きしてはいけない。

26. 計算ノート — L8の1行を手で追う

生徒が最初に止まる場所は、SN比の計算である。表の1行目だけを、手で追う。

No.1 は、穴径1.0mm、角度20°、砂X、乾燥剤少。N1（常温）= 5.40分、N2（高温多湿＋振動）= 6.20分。目標は5.00分である。

平均 ȳ = (5.40 + 6.20) / 2 = 5.80

不偏分散 s² = [(5.40−5.80)² + (6.20−5.80)²] / (2−1) = (0.16 + 0.16) = 0.32

SN比 = 10 log(5.80² / 0.32) = 10 log(33.64 / 0.32) = 10 log(105.125) ≈ 20.2 dB

平均は5.00より0.80分遅い。ばらつきも0.8分ある。平均だけ見ると「まあ近い」、SN比を見ると「幅が残っている」。これが望目特性の読み方である。

No.2 は同じ穴径で、砂をZ、乾燥剤を多にした行である。N1=4.90、N2=5.30。ȳ=5.10、s²=0.08。SN比 ≈ 25.1 dB。平均は目標に近く、幅も狭い。乾燥剤が湿度誤差を抑えた、と読む。

No.5 は穴を2.0mmにした行である。N1=3.20、N2=4.00。速い。ȳ=3.60、目標から1.4分外れる。SN比 ≈ 16.1 dB。穴を広げると砂は速く落ち、5分から離れる。主効果の表で A2 が負けている理由が、ここに見える。

第2段の調整は、砂の量である。最適条件（A1、D2）で幅が潰れたあと、砂を数グラム増やして平均を5.00へ寄せる。幅を潰す前に砂を動かすと、ばらつく案が「平均は近い」と生き残る。

26.1 動特性の同じ時計

同じ制御因子で、砂を5g、10g、15gと変える。理想は y = 1.00 × M、つまり5分、10分、15分。現状を流用すると、N2で線が寝て、15gのとき20分を超える。最適条件では N1 が 5.05 / 10.15 / 15.25、N2 が 5.25 / 10.55 / 15.85 まで寄る。効率は傾きの比、健全性は2本の線が重なることである。

砂 M	理想 y	現状 N2	最適 N2
5 g	5.00	6.3	5.25
10 g	10.00	13.2	10.55
15 g	15.00	20.4	15.85

静特性を3回やるより、動特性を1回やる方が、制御因子を統一できる。これが「任意の時間を刻む砂時計」を授業の2時間目に置く理由である。

27. 生徒用の空欄 — 一件だけ埋める

4回目の授業で、生徒に一件だけ埋めさせる。音楽案件でも風力でもよい。埋まっていない枠で探索を始めさせない。

空欄	生徒が書くこと
必要機能（一文）	無くてはならない働き。何もしないが方案になるなら、必要機能が無い
0点	与えた表のうち、いま選ばれる行。理由を一文
調整因子	予測Mを作る入力。組合せ最適化しない
制御因子	方案の組合せ。構想と水準を分けない
誤差2つ	技術名。国名や市場名は禁止
測度	金額Fか評点Vか。単位を先に書く
許容差の向き	質を維持して安くするニーズがあるか。Yes/No と理由
棄却	限度を超えたら方案無し、と書く害
妥当性の方法	現場のXか、過去条件の再実行か

教師は、空欄が埋まってからデモを見せる。逆は禁止である。先にAIへ「いい案を出して」と言うと、生徒は枠を覚えずに点数を追う。

28. よくある質問

Q1. SN比を残した方が、上司に説明しやすいのでは

説明用の語彙として残してよい。計算の既定にはしない。数値が揃った案件で dB に圧縮すると、内訳が見えなくなる。F の四項、または V の6項を残す方が、上司は判断できる。

Q2. 直交表はもう教えてはいけないのか

教えろ。実験が高いときに要る。授業の2時間目でL8を手計算させるのは、圧縮の思想を体に入れるためだ。既定の診断道具ではなくなった、というのが正確である。

Q3. ラーメンに誤差を置いてはいけない理由が、まだ分からない

置けないものは置けない、が先である。同じ一杯でも客の体調で評点が動く。方案の差と客の差が分離できない。分離できないものを外側に置くと、棄却もロバストも平均に溶ける。音楽は車内騒音が技術名で取れる。そこが違う。

Q4. 0点を業界の最良にした方が、野心的では

野心的ではない。方案の外に原点が出る。与えた表の中で、最適化しないなら選ばれる行が0点である。最良を置きたいなら、その行を表に入れたうえで、それがいま選ばれる理由を書け。理由が書けない最良は、0点ではない。

Q5. TRIZの40原理を全部覚えさせるべきか

覚えさせるな。訳す練習をさせろ。原理はヒントであり、番号は答えではない。量的課題で矛盾が書けたら、原理を3つだけ案件語へ訳し、制御因子の行にする。質的課題では行列を踏まない。

Q6. AIが採点した評点を、実測の代わりにしてよいか

仮想評価として使ってよい。機能性評価の代わりにはならない。実測が来たら右側だけ差し替える。枠を作り直すな。一致しなければ重みと誤差係数を動かす。0点の定義は動かすな。

Q7. 交互作用が大きいとき、どうする

パラメータ設計の土俵に載せるな。構想が違う。TRIZで構造を変え、別の方案として並べる。確認実験で予測と5 dB 以上ずれたら、この道を取れ。

Q8. 最適化すれば売れるのか

売れないこともある。最適化は必要条件である。十分条件ではない。授業の最初に戻る。

Q9. 実験計画法を教える必要はあるか

ある。タグチの前史だからだ。交互作用が見えること、直交表が圧縮であること、分散分析が計算貧弱時代の既定だったこと。この三つを飛ばすと、生徒は「タグチが直交表を発明した」と覚える。順番が違う。

Q10. コンテキスト表は、どのくらいの行が要るか

方案が識別できる最小でよい。ラーメンは10店から始めた。行を足すのは、交互作用と価格と特産が見えなくなったときだ。最初からデータベース全件を投げない。列が因子になっていない表は、コンテキストではない。

29. 記入例 — 風力とラーメン

空欄の正解は一つではない。正しい埋め方の見本を二つ置く。生徒は、自分の案件をこの表の隣に書いて比べる。

29.1 風力（量的）

空欄	記入例
必要機能	地区に1kW級の発電を置く
0点	固定VAWT屋上。いま選ばれるから
調整	平均風速、空気密度、運転時間
制御	方式・基数・PV・静音・鳥・立地
誤差2つ	N1 風向・乱流 / N2 台風・突風
測度	USD、10年、実質3%。F = 金額(ΔS)−Δ初期−Δ逆＋Δ魅力
許容差の向き	向かう。売電という価格がある
棄却	騒音条例、耐風破壊、鳥規制
妥当性	現場の発電Xを予測Mと比べる

29.2 ラーメン（質的）

空欄	記入例
必要機能	その店のラーメンとして出せる一杯
0点	名店の寄せ集め。店主がいま頼む組合せ
調整	地域、客層。組合せ最適化しない
制御	麺・スープ・具。構想と水準を分けない
誤差2つ	空。客の体調は方案と分離できない
測度	QEU評点 0–5。換金しない。F = V − V0
許容差の向き	価格列を足せば向かう。味の TOKEN を固定する
棄却	奇をてらうな、店の世界観を壊すな
妥当性	口コミを1ヶ月後・3ヶ月後に再集計

音楽案件の記入は、応用理論編と事例研究編で埋める。基礎理論編の空欄にカナダも歌詞も書かない。

30. 転写の数値 — 金型から製品へ

射出成型を一度、数字で見る。金型寸法 M が 10、20、30、40 mm。製品寸法 X が 9.7、19.6、29.8、39.4 mm。理想は β=1、つまり X=M。実測の傾きはほぼ1、健全性は点のばらつきである。

金型 M	製品 X	差 X−M	読む
10 mm	9.7	−0.3	収縮
20 mm	19.6	−0.4	収縮
30 mm	29.8	−0.2	収縮
40 mm	39.4	−0.6	収縮

ユーザー環境の誤差は置かない。製造プロセスだからである。見るのは、βが1からどれだけずれないか、点が一本の線に乗るかである。効率は測らない。

TTMが転写法の一種だ、というのはこの図の延長である。金型が評価関数に置き換わる。予測 M が金型寸法、実際 X が製品寸法。ラーメンの評点も、音楽の受容評点も、金型を通った転写先である。グラフが豊富なら誤差は要らない。現場で使われるシステムなら、伝統型から誤差を二つ借りる。

Kumar と Bairwa（2025）は、プラスチック射出成型のプロセスパラメータをタグチで最適化している。転写性の研究は、2020年代でも生きている。TTMはそれを捨てない。金型の材質が、金属からモデルに移っただけである。

31. 禁止の実例 — やってはいけない埋め方

禁止8項目を、空の標語のまま残すと、生徒は試験で復唱して現場で破る。実例で潰す。

禁止	やってしまうこと	正しい扱い
直交表で診断	方案が12本なのにL18を組む	12本を全評価する
工程を直列	TRIZ会議の翌週に直交表	同じ図の上で同時
層に割る	構想チームとパラメータチーム	一つの因子表
何もしない=0	風力で「建てない」をF=0	固定VAWTを0点
−∞を平均	騒音棄却を0点として平均	その条件では方案無し
魅力で消す	景観の美しさで赤字を消す	証拠のある魅力だけ
面積をdB	SをSN比にして順位	面積のまま金額化
市場で切る	香港向けと欧州向けを別最適化	文脈は換算。誤差は技術

派生の禁止も、同じ表の延長である。信号欄を残すと、予測とつまみが混ざる。国名を誤差に置くと、一番厳しい条例の赤字案が勝つ。損失を M に足すと、発電を減らして騒音を減らせ、という偽の最適が出る。チャート1位で歌詞を上書きすると、必要機能が消える。ニーズの無い課題を許容差設計と呼ぶと、代金の無い感度が公差に化ける。

授業の最後に、この表を配布する。砂時計の手計算より、禁止の実例の方が現場で効く。

32. デモの台本 — 90分で見せる

管理者が生徒の前でやるデモは、砂時計の手計算のあと、ラーメンの全評価でよい。直交表を組まない。方案を10本並べ、評点を出し、0点を超えた案だけを残す。

分	操作	生徒に言わせること	やってはいけないこと
0–10	必要機能と0点を書く	名店の寄せ集めが0点	何もしないを0点
10–25	麺・スープ・具に分解	モジュールが見える	因子を20個にする
25–35	誤差は空、と書く	置けないものは置かない	客の体調を誤差にする
35–55	10案を全件採点	直交表は要らない	L18を開き始める
55–70	最大のFを取る	0点超えが無ければ出さない	棄却を平均する
70–80	許容差設計には向かないと判定	感度地図だけ残す	許容差設計と呼ぶ
80–90	1ヶ月後の再集計を予告	それが機能性評価	枠を作り直す

音楽案件のデモは、この台本の単語を入れ替えるだけである。麺が様式、スープがBPM、具が声。0点がExcelの最新カナダ行。誤差因子の欄は空のままである。車内騒音を技術名で書ける、という事前の読みは、デモの列にしない。SUNO MAXIMIZER は誤差因子を使わない。台本の骨格は同じだ。

デモが終わったら、基礎理論編を閉じ、応用理論編を開く。生徒が「カナダの話はどこ」と聞いたら、事例研究編だと答える。枠を案件で上書きさせない。

33. 復唱カード

授業の出口で、生徒に声に出して読ませる。紙に印刷してよい。

復唱

核は誤差因子である。直交表とSN比は道具だ。 実験計画法はタグチより古い。AIは両者を越える。 因子の数は決める。水準は無限。表をLLMに渡せ。 コンテキストは三つ。データマイニング、自分の実験、コミュニティ。 評者のプロファイルは計測系である。無い評点は共有するな。 欠測は穴埋めしない。検証不能だと書け。 0点は現状案。何もしないを原点にするな。 因子は調整因子・制御因子・誤差因子。信号の欄は消す。質的で置けない誤差因子は空。 量的は金額F。質的は評点V。許容差は、質を維持して安くするニーズがあるかで決まる。 TTMは転写法の一種。評価関数が金型になる。残るのは機能評価である。 埋まっていない枠で探索するな。 実施行の最高点を製品にするな。未実施を予測し、確認実験で利得を見よ。

これが言えたら、応用理論編へ進んでよい。言えなければ、砂時計に戻る。

34. コンテキストの三分法 — 直交表の後継

データマイニング、自分の実験、コミュニティ。タグチの直交表が担っていた「計画された表」の仕事が、ここに移る。

旧い定義はこうだった。コンテキストとは、タグチメソッドの直交表のことであり、TTMでは、データマイニングと自分の実験結果である。新しい定義は、そこに第三項を足す。コミュニティで共有された実験結果である。定義は減らない。項が増える。

直交表は、計画された表だった。どの行をやるか、どの列が因子か、外側に何を置くかが、表そのものに書いてあった。AIの時代に直交表を組まないなら、その仕事は消えない。別の表が引き受ける。一つでは足りない。

源	中身	タグチでの対応	できること／できないこと
データマイニング	Web、口コミ、既存Excel	すでに終わった外側の実験	0点と語彙。AUXは弱い
自分の実験	SUNO評点。プロファイル付き	いま組む内側の表	この案件のF。行数が少ない
コミュニティ	他人の同じ型の表	他研究室のデータを借りる	行が増える。計測系が要る

ラーメンの食べログは、第一項である。店の一口が、すでに実験行だ。SUNOの聴取は、第二項である。コミュニティのパックは、第三項である。三つは協力する。第一項だけで止めると事前の定性で終わる。第二項だけで始めると、0点も語彙も無い。第三項を平均に足すと、誰の曲でもない点が残る。

第三項は、ただの「行の追加」ではない。タグチで他人のSN比を借りるとき、外側の誤差条件を宣言しなければ数字は使えない。TTMで他人の評点を借りるとき、評者のプロファイルを宣言しなければ同じである。宣言の無いパックは、庫に入っても使えない。

LLMに渡すときも、三つの表は混ぜて一本の平均にしない。列を足す。源の列、評者の列、方案の列、評点の列。ラーメン交互作用が相性の行を足したのと同じである。足すたびに見えるもの増える。平均するたびに見えるものが消える。

35. 評者プロファイルは計測系である

公道騒音は誤差。誰が選ぶかは文脈。誰が点数をつけるかは計測系。三つを混ぜるな。

質的課題の評点は、物理量ではない。人が音楽を数字に変換した計測値である。計測には計測系が要る。ゲージR&Rが、誰が測ったかを記録するのと同じである。評者の性別、年代、出身、音楽の好みは、誤差因子ではない。AUXでもない。計測系である。

層	問うこと	例	平均してよいか
誤差	使う条件が機能を乱すか	車内騒音、夜冬	ロバストを見るために残す
文脈 / AUX	誰が選ぶか	男がAUX、女がAUX	いけない。2本出す
計測系 / プロファイル	誰が点数をつけるか	カナダ30代ロック、米南部30代K-POP	いけない。対で残す

カナダ30代でロックが好きな男の 3.5 と、アメリカ南部30代でK-POPが好きな女の 3.5 は、同じ数字に見えて、同じ計測ではない。前者はカントリー隣接のフォークを「一周まわって新しい」と読む。後者はオルタナR&Bを「K-POPのバラードみたい」と読む。平均の 3.5 は、どちらでもない。

既定の二人を、案件の外に固定しない。ただし、空の評者で実験を始めるな。空で始めた評点は、あとからコミュニティへ出せない。出せるのは、性別・年代・出身・好みが埋まった行だけである。

プロファイルを誤差に置くと、一番厳しい評者の点だけが残り、誰も聴かない曲が勝つ。プロファイルをAUXに置くと、選曲の主導権と計測系が交絡する。男が選ぶことと、男が採点することは同じではない。ガールフレンドの反応を男が報告するなら、そのコメントは女側の計測系に属する。

36. 田口伸と矢野耕也 — 機能評価が残り、計算は替わる

直交表もSN比も手計算も、道具である。残るのは機能を評価することだ。

田口伸と矢野耕也の対話は、品質工学の入口で、計算と機能を分けている。矢野側の言い方は、品質工学の特徴は機能を評価することだ、である。田口側の答えは、計算ではない、その考えで教える、である。パラメータ設計が本体であっても、本体はL18の儀式ではない。

対話は、コンピュータとシミュレーションへ進む。計算機が貧弱な時代には、直交表で圧縮し、SN比で加法性を作り、手で分散分析した。計算機が発達すれば、直交表を組まなくても、機能の安定は出せる。三回のシミュレーションで足りる場合がある。道具が薄くなっても、品質工学の本質は残る。機能を評価し、ばらつきを設計で潰すことだ。

米国では、品質工学がツールと計算として受け取られやすい、という話が同じ対話にある。日本側の核は、機能性評価である。TTMとSUNO MAXIMIZERは、この核の側に立つ。dBを出さない。L18を組まない。評点表を全部読む。残しているのは、0点、棄却、向き、誤差と文脈の分離、機能F、TOKENである。

シミュレーションが機能評価の主戦場になる、という予測は、2026年のエージェントに読み替えられる。リポジトリを開き、表を作り、方案を採点する。足りないのは計算力ではない。機能をどの表で評価するかである。コミュニティのパックは、その表を研究室の外へ出す手続きである。プロファイルは、シミュレーションの境界条件に相当する。

対話の言葉	TTMでの置き換え	やってはいけない読み
機能を評価する	V と F。0点からの差	点数の高い案を拾うだけ
計算ではない	dBも直交表も既定にしない	SN比が出ないと品質工学ではない
シミュレーションが主になる	表の全評価、エージェント	計算が速いから枠は不要
本質は残る	誤差、0点、向き、棄却、TOKEN	道具と一緒に核を捨てる

37. 欠測は「その仮説が検証不能」と書く

穴を埋めない。信頼性は「下がった」では済まない。仮説単位で切れなくなったものを示す。

実験票に空欄があるとき、機械が平均値で埋めてはいけない。人が「まあ3点だろう」と埋めてもいけない。空欄は、その行が担っていた仮説を、検証不能にする。検証不能は、失敗ではない。記録である。

総合の評点があれば、製品は選べる。機能評価は、総合Vで足りる。田口伸と矢野が残した核は、そこにある。6項の分解は、なぜ点が動いたかを見る診断である。モニターの負担が重いなら、6項は空でよい。負担を増やして無理に埋めさせるな。コメントが、分解の代わりになる。

欠け	製品選定	不明になるもの	次の一手
ある方案の総合点	その方案は候補から外れる	その方案が担っていた事前仮説	同じ歌詞でもう一本出す
6項全部	総合Vがあれば選べる	公道／疲れ／歌詞／年次／AUXの分解	コメントを残す。無理に埋めない
対照方案そのもの	実施した行の中で選ぶ	年次の罠、76BPM沈下など	次の実験数を足す
0点	Vの順位は残る	機能Fそのもの	現状案を聴かせ直せ

同点も欠測の一種である。切る情報（6項、追加実験、プロファイルとコメント）が無ければ、一本化を急ぐな。平均して消すな。二つの女製品が同じ4.0なら、K-POP寄りの計測系と南部R&B寄りの計測系が、別の方案を指している可能性がある。

SUNO MAXIMIZERは、欠測を仮説単位で画面に出す。高い欠測があるときも、総合点の最適化は止めるな。止めるのは、検証不能な事前仮説を、あたかも実証されたように本文へ残すことだ。枠は触らない。右側と、「検証不能」の行だけを動かす。

38. 直交表の本義は、未実施の組合せを推定することである

実施行の最高点を製品にするのは、最適化ではない。直交表は、その誤りを避けるために発明された。

よくある標語は、直交表で実験回数を減らす、である。半分だけ正しい。減らしたあとに何をするかが、本義である。直交表の各行は、製品候補のトーナメント表ではない。各行は、因子の水準平均を推定するための標本である。推定された水準を組み直す。組み直した組合せは、直交表のどの行とも一致しなくてよい。一致しないことが普通である。その未実施の組合せのSN比を、加法モデルで予測する。確認実験で、予測と実測の利得を見る。再現しなければ、交互作用か、基本機能の取り方が誤っている。

加法モデルは短い。η_hat = η_bar + Σ(η_i − η_bar)。η_bar は全実験の平均。η_i は、選んだ水準の平均。足し上げた値が、まだ聴いていない方案の予測である。Minitabの Predict Taguchi Results が返すのは、この値である。サイバネットの解説が確認実験を必須にするのも、同じ理由である。推定値を製品にしてはいけない。確認する。

段階	タグチ（直交表）	応答曲面 / ベイズ最適化	TTM
標本	L18などの行	計画点、獲得関数の次点	マイニングの表＋自分の実験行
読むもの	SN比と感度の水準平均	予測平均と不確かさ	言語の因子効果とコメント
出すもの	未実施の最適水準の組	まだ測っていない点	まだ聴いていないStyle
確かめる	確認実験。利得の再現	次の実測でモデルを更新	同じ評者が予測文を聴く

Fisherの実験計画法も、応答曲面法も、ベイズ最適化も、この一点ではタグチと同じ側にいる。測った点の最高を答えにしない。測った点から、測っていない点を予測する。違うのは、何を圧縮し、何を加法とみなすかである。タグチは交互作用を直交表の外へ追い、主効果の加法性を買う。応答曲面は二次まで交互作用をモデルに残す。ベイズ最適化は、不確かさごと次の点を提案する。AI時代のTTMは、水準を2か3に切らない。言語のまま因子効果を読み、言語のまま未実施文を組む。切らないことが、直交表を越える側である。予測をやめることが、直交表を越える側ではない。

ラーメンの注入が、すでにこの型である。食べログの店一覧は、実施された実験行である。LLMに渡す命令は、リストにない一杯を同じ三列で書け、である。最高点の店を再掲させる命令ではない。店の優勝は記録である。新メニューは予測である。SUNOも同じである。S2が男で3.5でも、S2を製品にしてはいけない。S2は、フォーク方向とメリハリの欠落とカントリーの新鮮さを教えてくれた標本である。

水準平均は、方案の順位表ではない。組み直すための材料である。S7は欠測なので、フォークソウルの平均はまだ無い。

データマイニングは、事前の因子効果である。年代×国の様式Excelは、すでに終わった市場実験である。自分のSUNO評点は、この案件の因子効果である。コミュニティのパックは、計測系が近ければ、効果推定の行を足す。三つを総合する、とは、三つの表の優勝を投票することではない。三つの表から、同じ因子の列を読み、未実施のStyleを推定することである。

実施行の最高を製品にした瞬間に、最適化は終わる。残るのは選曲である。選曲は悪い仕事ではない。最適化ではない。田口が直交表を発明した理由は、選曲では届かない組合せを、少数回の実験から推定するためである。TTMがその道具を置いても、理由まで置いてはいけない。

39. 量的も質的も、同じフローである

ラーメン最適化システムの箱。測度が入れ替わる。箱は消えない。

中間、暫定終了、確定終了。確定終了は論文になることが期待できる。

応用理論編は二つある。質的最適化と量的最適化である。骨格は一つである。課題の認識、因子の分解、コンテキスト枠、実験、予測、確認、保存。ユーザーの実験は最大4因子。確度が高い因子は固定する。交互作用が出れば固定を見直す。ダッシュボードは三段である。中間は実験条件を渡す報告。暫定終了は予測までの全検討。確定終了は妥当性確認を含み、教育用論文の最小要素が揃う。

量的では、タグチの動特性とTRIZの物理量が、因子分解の段に入る。質的では、同じ段に分離の感覚が入る。フローを二つ作るな。測度だけ替えよ。

40. 誤差因子 — 定義と、置かないとき

誤差因子とは、使う場所で機能を乱す条件である。設計者が水準を自由に選べない。砂時計なら温度・湿度・振動。ボウリングならレーンの動摩擦。風力なら風向と突風。困った外乱、という言い方は半分だけ正しい。市場に出す以上、必ず起きる条件である。

誤差の三文字だけでは足りない。統計の残差（実験のばらつき）と、タグチの誤差因子は、別のものである。繰り返しの差を誤差因子と呼ぶな。評者の好みを誤差因子と呼ぶな。選曲の主導権（AUX）を誤差因子と呼ぶな。国名を誤差因子と呼ぶな。

言葉	中身	例	混ぜると
誤差因子	使う場所で機能を乱す条件	温度、レーン摩擦、風向	置ける案件でロバストが見える
実験のばらつき	同じ方案の繰り返しの差	同じ曲を二度聴く	残差が誤差因子に化ける
文脈	平均して消してはいけない切り方	男AUX / 女AUX	誰の曲でもない点が残る
計測系	誰が点数をつけるか	評者プロファイル	計測系の違う4.0が足される

質的最適化に、誤差因子は必須ではない。必須なのは、置けないときに空と書くことである。ラーメンは置けない。同じ一杯でも、客の体調と方案の差が分離できない。無理に置くと、一番機嫌の悪い客の点が方案を殺す。欄は空である。空は欠測ではない。置けないと書いた記録である。

音楽で車内騒音を技術名で書ける、という事前の読みは残してよい。ただし書く場所は、将来の外側実験の計画である。SUNO MAXIMIZER の列ではない。この機械は外側の聴取をしていない。6項も空である。測度は総合の評点 V である。誤差因子を列に出すと、使っていない外側配列があるように見える。それは嘘である。

量的案件では、誤差因子は核のままである。ボウリングのレーン摩擦を外したら、タグチではない。質的案件では、核は機能評価と0点と棄却である。誤差因子は、置けるときにだけ入る箱である。箱を消すな。空のまま残す。

41. 適用対象 — 男性と女性は、誤差因子ではない

誤差因子、適用対象、文脈、計測系。評点列が二つあっても、同じ箱ではない。

SUNO MAXIMIZER に男性と女性の評点がある。誤差因子にも見える。両方に受ける曲が欲しい需要もある。見える理由は三つある。第一に、評点列が二つある。外側配列に見える。第二に、両方に受ける曲が欲しい。ロバストに見える。第三に、古いTTMが適用対象を誤差因子だと書いた。同じ形である。名前が誤解を生む。

切る基準は一つである。設計者が切れるか。男性用と女性用を別々に出すか、一本にするかは、設計者が決める。レーンのオイルは決められない。だから前者は適用対象、後者は誤差因子である。

二つの適用対象があるとき、答えは二つある。単独方案は、一方で測度最大。共通方案は、両方で残る。共通は需要である。誤差因子最適とは呼ばない。ロバストという言葉は、誤差因子がある案件に残す。

呼び方	何をするか	やってはいけないこと
単独方案	男性用と女性用を別々に出す	二つの点を平均して一本にする
共通方案	両方で残る曲を、代金付きで出す	共通だけを正解だと宣言する
誤差因子に置く	温度やレーン摩擦に使う	男性・女性を外側配列にして平均する

この案件では、適用対象と文脈（AUX）と計測系が重なる。男性評者が、男性向けの曲を、自分がAUXを握る前提で採点する。三つが一人に乗る。乗っているからといって、一つの言葉にしてはいけない。混ぜた瞬間に、誤差因子が全部を吸う。吸わせない。

機械の画面は、単独（男性）・単独（女性）・共通方案の三本を出す。共通の選び方は、両方の低い方を最大化することである。男主導、女主導、1曲ロバスト、という名前は使わない。主導は文脈の言葉である。適用対象の言葉ではない。

参考文献

案件資料と生成AIの出力は参考文献に含めない。

[R1] Taguchi, G. (1986). Introduction to Quality Engineering. Asian Productivity Organization.

[R2] Taguchi, G., Chowdhury, S., Taguchi, S. (2000). Robust Engineering. McGraw-Hill.

[R3] Altshuller, G. S. (1984). Creativity as an Exact Science. Gordon and Breach.

[R4] 立林和夫 (2003). タグチメソッドとは－その発展と特徴. 品質, 33(1).

[R5] 小池昌義 (2003). タグチメソッドの体系－全体像と個別手法. 品質, 33(1).

[R6] 田口玄一 (2003). 戦略としてのタグチメソッド. 品質, 33(1).

[R7] 永田靖 (2015). タグチメソッドの体系的な理論化. 科研費研究成果報告書.

[R8] 宮川雅巳 (2023). タグチメソッドに魅せられて. 日本統計学会誌, 53(1).

[R9] 立林和夫・永田靖 (2021). タグチメソッドの推薦と考察. 横幹連合コンファレンス.

[R10] 田村希志臣・倉地雅彦・壇原文雄 (2019). バーチャル評価の現状と課題 (1). 品質工学, 27(2).

[R11] Kumar, R., Bairwa, K. N. (2025). Optimizing Process Parameters in Plastic Injection Molding using the Taguchi Method. Evergreen, 12(2), 1177–1188.

[R12] Kano, N., Seraku, N., Takahashi, F., Tsuji, S. (1984). Attractive Quality and Must-be Quality. 品質, 14(2), 39–48.

[R13] QEU FOUNDER (2025). LLMで最適化を行う（ラーメンの最適化 / 許容差設計）。

[R14] 日本規格協会（産学連携研究会 中部支部編）. 入門タグチメソッド（砂時計の静特性・動特性）.

[R15] Fisher, R. A. (1935). The Design of Experiments. Oliver and Boyd.

[R16] 実験計画法の教科書（直交配列表・二元配置・分割法）。計算が貧弱な時代の分散分析が既定だった、という事実の出典。

[R17] 2026年のAIエージェント講義（Claude Code／実装系）。wn48LMBshbs、ZKIEEbx4200、QIlzqc7DO7c、d5LdEr_sKkw。想像もしなかった仕事が手元で動く、という現状の証拠。

[R18] 田口伸・矢野耕也。品質工学の対話（第1章「品質工学って何？」）。機能評価が特徴であり、計算そのものではない。シミュレーションが発達すれば直交表を組まなくても機能の安定は出せる、という核の出典。

[R19] サイバネット「品質工学（タグチメソッド）」。要因効果図で水準を選び、確認実験で推定値の再現を見る。最適条件は直交表の推定値である。

[R20] Minitab, Predict Taguchi Results。加法モデルによる予測値と、確認ラン。交互作用が残ると予測と確認が食い違う。

[R21] 応答曲面法、ベイズ最適化。測った点の最高を答えにせず、未実施点を予測する点で、直交表と同じ側にある。