超越田口方法的最佳化 — 從拉麵學習虛擬評估的最前線（整合版）

將拉麵報告（SIWC25：最佳化／SIWC26：公差設計）與論文「虛擬評估的現狀與課題」的分析整合為一本報告。

參照: QEU FOUNDER「以LLM進行最佳化（拉麵的最佳化）SIWC25」「（拉麵的公差設計）SIWC26」, 2025 ／ 田村等「虛擬評估的現狀與課題(1)」品質工程 Vol.27 No.2, 2019

本報告將「最佳化」與「公差設計」明確分離為二部構成。兩者皆捨棄對田口方法的過度依賴，提示LLM生成式最佳化的優位性。

導入：為何拉麵成為「虛擬評估」的範本

SIWC25斷言「已經，最佳化不需要正交表、不需要變異數分析」。其根據在於拉麵這個對象滿足下列4個條件：

• 豐富的資訊與文章表現（網路的食べログ・口碑已語言化）
• 嚴謹的評估與數值化（將口碑評分設為目的變數「QEU評分」）
• 物品的模組化（拉麵＝麵・湯・配料 分解）
• LLM已具備許多資訊（預訓練內含領域知識）

只要這4個條件齊備，給予LLM過去名店資料＋系統Prompt（「在靜岡開新拉麵」「不要標新立異」），就能直接生成「QEU評分最高的終極拉麵」。SIWC26更命令LLM「不降低味道而降低成本」的公差設計（約束式最佳化）。

本報告將此「拉麵式手法」連接至論文「虛擬評估的現狀與課題」的課題（評估者依賴・分類I/II未著手・成本抑制），從最佳化與公差設計兩面重新評估。

第I部：最佳化（SIWC25風格）— 將目的數值化交給LLM生成

田口方法為「手段」而非「目的」。只要因子被確定、目的明確、目的可數值化，就不必執著於田口。SN比為建立加法性指標的反覆實驗成本高，正交表限於「少數因子・離散水準・加法性近似」。啟發式LLM生成能直接探索，更具彈性。

案例A（最佳化）：折疊傘的LLM生成式最佳化

目的：QEU易開性評分（網路口碑的數值化）最大化

終極折疊傘的設計

• [1] 鎖定形狀：帶凹痕鎖定（繼承傘γ・近緣產品的知見）。指觸更淺，戴手套也不卡住的形状。
• [2] 彈簧常數：中等（弱〜強之間）。迴避傘β「開太大骨頭脫落」與傘δ「高阻力卡住」。對目標扭矩220mN以±20%確實打開。
• [3] 滑動阻力：低阻力（傘γ・近緣產品的知見）。寒冷環境也不固化的塗層。
• 預估售價：4,800日圓（較傘γ+800日圓，但退貨率降低改善利益）
• 預估「QEU易開性評分」：4.5（超越既存最高傘γ=4.1）
• 理由：帶凹痕×低阻力確保「誰都能・隨時都能」打開的穩健性。中等彈簧迴避競爭對手開太大的客訴，同時解消傘β的重量。

⇒ 相對於田口式（評分4.1・試作4次(約80萬日圓)・正交表L4×SN比），LLM式（評分4.5・僅API呼叫(約0.3萬日圓)・不需要正交表/SN比）。實驗成本1/250達同等以上評分。

案例B（最佳化）：地區的休憩場所（分類I：社會系統・論文未著手領域）

目的：QEU舒適度評分最大化（分類I/II田口正交表難以適用）

終極「休憩場所」的設計

• [1] 設施性格：交流咖啡廳＋「地區郵局（宅配收件・各種諮詢窗口）」併設。融合廣場A的廣度與咖啡B的輕鬆。
• [2] 營運主體：民間委託（B的知見）＋志工協調（C的網絡）的混合。以寺院為衛星據點活用。
• [3] 日常吸引藉口：以「郵件收件・健康諮詢」為藉口確保高齡者每日光臨動線。迴避依賴活動（A的失敗）。
• 預算：初期2,000萬日圓、年維持費800萬日圓（階段整備避免破產）
• 預估「QEU舒適度評分」：4.4（超越既存最高B=4.0）
• 理由：從口碑的定性記述抽取正交表無法處理的「營運主體的信賴」「藉口的心理」。在田口SN比(加法性)無法建立的領域，LLM仍保持約束最佳抽取。

⇒ 難以適用（試作僅1次・加法性不成立・評估者依賴極大）。相對地LLM式（評分4.4・僅API呼叫(約0.3萬日圓)・保持定性約束最佳抽取）。正是田口不擅長的領域才是LLM的用武之地。

第I部總結：區分使用

1. 能用之處用田口：物理量可評估、因子少數・離散且加法性近似成立（分類III/IV的硬體產品）。
2. 不能用之處用LLM生成：非線性・交互作用激烈，或社會・人群系統（分類I/II）正交表難以適用。
3. 兩者的連接：「以LLM探索 → 以田口收尾穩健性」的兩段式在實務上最強。

第II部：公差設計（SIWC26風格）— 維持評分同時降低成本

SIWC26對「至高拉麵（評分最大化）」處理「便宜拉麵（成本降低）」。但課以「不降低味道」的約束。即將目的函數置於「成本最小化」，將「評分（品質）下限」固定為約束——這正是田口的公差設計。SIWC26的步驟：

1. 對各材料，給予LLM國產/進口/替代的「產地・標準價格」實際資料
2. 以系統Prompt命令「不降低味道（評分）而降低成本」
3. LLM選擇「同等Spec的替代品」，直接生成在守住評分下限的同時最小化單價合計的構成

不使用正交表也不使用SN比。將目的（成本）與約束（評分下限）以語言給予，LLM一發生成約束式最佳化。

案例C（公差設計）：折疊傘的成本降低（維持評分4.5）

目的：維持評分4.5（約束）同時最小化零件單價合計

傘的公差設計（成本降低）案

• 鎖定金具：國產精密模具 → 中國製鋅壓鑄（同形狀）。易開性由凹痕形狀決定，故只要確保模具精度即維持評分。 −180日圓
• 彈簧：台灣製同等Spec不鏽鋼。守護中等彈簧的Spec下限迴避「開太大」。 −85日圓
• 滑動塗層：韓國製同功能氟系。寒冷環境也不固化，維持低阻力。 −130日圓
• 骨頭：國產鋁複合（碳纖替代）。維持輕量，強度在許可範圍。 −170日圓
• 零件單價合計：1170日圓 → 605日圓（約48%削減）
• 預估QEU易開性評分：4.5（維持。失敗關鍵「彈簧Spec下限」嚴守）
• 理由：與SIWC26相同，「不降低味道(評分)而降低成本」命令LLM。不需要正交表・SN比直接生成約束式最佳化。

⇒ 相對於田口式（零件單價 −約30%（嚴守彈簧Spec而保守）・參數設計→公差設計2段），LLM式（零件單價 −48%（一括替代提案）・不需要正交表/SN比）。

案例D（公差設計）：虛擬評估流程「本身」的公差設計

目的：維持設計判定的正確性（評分4.5的特定）同時最小化評估成本

更重要的是，將公差設計應用於「產品」以外的「虛擬評估流程本身」。論文所求「低成本的虛擬評估」可如下定式化：

• 品質（應維持者）：設計判定的正確性（哪個條件最佳的特定）
• 成本（應最小化者）：試作・CAE・測量所需的次數與費用
• 公差：感度小的因子「粗看（少水準）」也不改變判定的範圍

虛擬評估流程的公差設計

• 因子A(鎖定)：感度大故維持「細看」。僅確定凹痕有無(2水準・試作2次)。
• 因子B(彈簧)：感度中故許可「粗看」。弱/中/強固定為1水準(中)，以許可幅±15%規格化。
• 因子C(阻力)：同上。僅將低阻力固定為規格下限。
• 誤差因子(溫度)：僅留寒冷條件1案例，其餘以虛擬(既存模型)替代。
• 試作次數：27次 → 2次（約93%削減）／ 測量費：80萬 → 約6萬日圓
• 判定正確性：特定評分4.5（維持）。以「彈簧・阻力以幅許可」省略過剩實測。
• 理由：正是論文的「低成本虛擬評估」。將田口的公差設計應用於評估流程本身。LLM從感度特定「粗看也不變品質之處」。

⇒ 論文的「低成本虛擬評估」並非抽象標語，而是可手法化為「基於評估感度的公差設計」。

第II部總結：低成本虛擬評估的設計原則

1. 分離品質與成本：明示何為「應維持的品質」、何為「應最小化的成本」。這是公差設計的起點。
2. 以感度決定公差：感度小的因子・水準刻意粗略估計，削減成本。
3. 區分使用手段：物理且加法性成立則用田口公差設計（SN比保證），語言資訊為主且非線性則用LLM生成（SIWC26風格）。

總結：最佳化與公差設計是不同問題

如本報告所示，最佳化（第I部）與公差設計（第II部）應明確分離。

• 最佳化是探索「滿足目標的最佳之物」的問題。拉麵式LLM生成以口碑→數值化→生成，無正交表解出。
• 公差設計是探索「在維持既定目標的同時，降低成本之餘地」的問題。SIWC26式LLM生成以評分下限為約束直接生成成本最小化。

兩者都不必依賴田口方法的「客觀性核心」。只要因子・目的・數值化齊備、資訊語言化，便自然擴展至LLM生成式最佳化。這正是實現論文「虛擬評估」所欲「社會損失降低」的現實之道。

※ 本報告的案例研究（A〜D），皆為LLM（本代理）以與SIWC25/26相同框架實際生成的真實輸出（無需API・離線）。