応答曲面法（RSM）とは？最適条件を効率的に探索する実験計画手法を解説

応答曲面法とは

応答曲面法（RSM: Response Surface Methodology）は、複数の入力変数（要因）がアウトカム（応答変数）に与える影響を多項式回帰モデルで近似し、最適な条件を効率的に探索する統計的手法です。

通常の要因計画法が「どの要因が効くか」を調べるのに対し、RSMは「どの条件で最大（または最小）の成果が得られるか」まで踏み込みます。入力変数の二次項（曲線的な効果）を含むモデルを推定するため、線形的な関係だけでなく最適点（ピーク）の存在を捉えられます。

RSMは1951年にジョージ・ボックスとK.B.ウィルソンが化学プロセスの最適化のために提案しました。ボックスはその後も実験計画法の発展に大きく貢献し、RSMは製造業、化学工学、食品科学に加えて、近年ではマーケティングやUX最適化でも活用されています。

構成要素

一次モデルと二次モデル

モデル	特徴	用途
一次モデル	主効果のみを含む線形モデル	スクリーニング段階で有効要因を特定
二次モデル	主効果 + 交互作用 + 二次項を含むモデル	最適条件の探索と曲面の推定

中心複合計画（CCD）

RSMの二次モデルを推定するための代表的な実験計画が中心複合計画（CCD: Central Composite Design）です。要因計画の実験点にスター点と中心点を追加した構成で、二次項の推定に必要な情報を効率的に収集します。

Box-Behnken計画

CCDの代替として、Box-Behnken計画があります。要因の各組み合わせの中点を実験点とする設計で、極端な条件の組み合わせを避けたい場合に適しています。

最急上昇法

一次モデルの段階で、応答を改善する方向に実験条件を逐次移動させる手法です。現在の条件からモデルの勾配方向に沿って一歩ずつ進み、応答が改善しなくなった地点で二次モデルの実験に移行します。

実践的な使い方

ステップ1: スクリーニング実験

多数の候補要因から、アウトカムに影響する重要な要因を絞り込みます。一部実施要因計画やPlackett-Burman計画を使い、少ない実験回数で主効果を評価します。

ステップ2: 最急上昇法による探索

スクリーニングで特定した要因について一次モデルを推定し、最急上昇法で最適領域に接近します。応答の改善が頭打ちになる点を見極めます。

ステップ3: 二次モデルの推定

最適領域の近傍でCCDやBox-Behnken計画を実施し、二次モデル（応答曲面）を推定します。モデルの適合度をR-squared、lack-of-fit検定で評価します。

ステップ4: 最適条件の特定と検証

推定した応答曲面から最適条件を算出し、確認実験（Confirmation Run）で予測精度を検証します。等高線図やプロファイルプロットで結果を視覚化し、意思決定者に提示します。

活用場面

• 製造工程の歩留まりやコストを最適化する条件探索
• Webサービスのコンバージョン率を最大化するUI要素（フォントサイズ、余白、配色比率）の最適配合
• 薬剤の配合比率や投与量の最適条件を探索する製剤開発
• マーケティング予算の配分比率（オンライン広告、DM、イベント）の最適化

注意点

局所最適に陥るリスク

RSMは探索範囲内の応答曲面を近似するため、探索範囲外にある大域的な最適解を見逃す可能性があります。初期のスクリーニング段階で広い範囲を探索し、有望な領域を複数特定しておくことが重要です。

モデルの外挿の危険性

推定した応答曲面を実験範囲外に外挿することは統計的に正当化されません。モデルはあくまで実験領域内の近似であり、領域外では予測精度が著しく低下します。最適条件が実験範囲の境界近くにある場合は、範囲を拡張した追加実験を検討してください。

実験回数とコストのトレードオフ

CCDは効率的な計画ですが、要因数が増えるとスター点の数も増加します。3要因で20回、4要因で30回程度の実験が必要です。予算制約が厳しい場合はBox-Behnken計画や、D最適計画などのコンピュータ生成計画を検討します。

まとめ

応答曲面法は、複数の入力変数の最適条件を体系的に探索する実験計画手法です。スクリーニングから精密な最適化まで段階的にアプローチすることで、少ない実験回数で実用的な最適解を得られます。モデルの適用範囲と限界を理解した上で、確認実験による検証を必ず行いましょう。