タイムテーブル

設計は長い間入力因子のない設計（静特性の設計）が行われ，最近になって入力因子のある１次式の設計（動特性）も行われ設計の守備範囲が広がってきた．そして，これからは2次以上の非線形関数を扱う設計（高度な動特性の設計）が重要となる．しかしながら，非線形関数の設計は１次式（線形関数）の設計の延長で扱うことはできない．何故ならば１次式にはない極値（極大値，極小値）を扱わなければならないからである．これを解決した設計法が超設計である．本研究は２次式の場合をとりあげ，JMPを用いて超設計を易しく学ぶことのできる教育を紹介する．実験はカスタム計画のもとで行い，最適化は満足度プロファイルを用いることで初級者でも簡単に実施することができる．なお，教材としては分かり易い飛球シミュレーターを用いている．

質問紙調査で手を打つべき主要原因項目が明らかになった場合、具体的な施策を用意するためには因子（何を）と水準（どの状態で）を把握する必要がある。このための方法として質問紙実験がある。質問紙実験はコンジョイント分析とも呼ばれ、これまでいろいろな分野で行われてきた。しかし、その多くは交互作用を考慮せずに主効果のみの分析となっている。それは用いるプロファイルカードの枚数に制限がある（多く扱えない）という事情のためである。しかし、交互作用を無視すると分析結果は信用のおけない結果となるリスクを抱えてしまう。したがって、少ないプロファイルカードの枚数のもとでも必要な交互作用を扱うことは重要である。本研究はこの点を工夫した方法でアプローチする質問紙実験について議論する。

糖質は食品加工おいて幅広く利用されており，食品の風味や食感のみならず，水分活性の調節，着色性，浸透性，澱粉の老化抑制などの機能から食品の嗜好性や保存性を左右している。低糖質化は，食品中の糖質配合量の低減やショ糖代替素材による置換で対応しているが，風味や食品テクスチャーに望ましくない影響を及ぼすといった問題が残されている。そこで，血糖値の短時間での上昇の抑制，摂取エネルギーの低減に向けた低糖質化食品の製造を可能にする素材および製法の開発が求められている。演者らは，菓子で多用されている素材として小麦粉と甘味料に注目し，菓子の低糖質化を可能にする素材開発を進めている。本講演ではスポンジケーキに適用できる小麦粉代替素材の配合を最適化する際に回転可能中心複合計画法を適用した事例を紹介する。さて，大学で実施されている情報処理教育ではAI・数理データサイエンス教育が求められている。ところが，記述統計学や推測統計学に関連する授業科目の担当教員がいないことを理由に非常勤講師の採用や授業科目の削除を行っているのが実状である。そこで，AI・数理データサイエンス教育に向けた統計学の在り方を提言したい。

我々は大学院生の情報関係のスキルアップも目的とし、Buffalo社のNASであるLinkstation410のケースのみを入手し、LinuxのDebian 10.6をインストールした。その後、NAS上にMariaDB(MYSQL互換品)をインストールし、PC上のJMP Pro15.1.0のクエリビルダーからNAS上のMariaDBを接続して解析を行っている。

救急車で患者を搬送する場合、現場に到着してから患者に接触するまでの時間や、現場滞在時間は事案の発生した環境で大きく異なる。そこで本報告では、JMPからMYSQLを検索して得られた搬送時間を元に、高層建築や公共施設などでの患者搬送状況について検討する。さらに、その結果を元に救急事案発生時の対処について提案する。

日本触媒では研究開発の高速化を目指して、2020年から実験研究員を対象にデータサイエンス人材の育成に取り組んでいます。統計初心者でも扱いやすいJMPを標準ツールとして採用し、手法教育だけでなく実践支援も含めた総合施策により、現在では様々な活用事例が挙がってきています。

ただ成功事例がある一方で「演習通りにいかない」「どこが間違っているかもわからない」という声がありました。サンプルデータのようなお仕着せのデータでの演習だけでなく、課題の設計から始まる一連の取組みを体験することが重要であると考えました。

飛球シミュレーターは計画、実行、解析、改善のPDCAを実践的に学べる優れたJMPのアドインです。設計者によってレベルデザインが自由に設定できることが特長で、今回は材料開発の研究者が直面しやすい状況を想定して実験計画法の体験コンテンツを開発しました。

本発表では、人材育成の取組みと、飛球シミュレーターで開発した教育コンテンツの取組みをご紹介します。また、教育コンテンツ作成にあたりSAS社主催の「JMPトレーナーズ勉強会」の紹介も行います。

コイルの開発にはCAEまたは磁気回路シミュレーションを使用した電気特性の設計が行われている。

この設計をJMPの実験計画(SpaceFilling計画)とモデル作成(Gauss過程モデル)、JMP予測プロファイルのシミュレータ機能を使い、工程能力指数(Cpk)の最適化を行うことで、設計時間の短縮とロバスト設計による高品質製品設計を目指した。

しかし、実験計画の因子範囲が広いと製品仕様範囲に実験点が少ない場合があり、推定精度に課題があることが分かった。

そこで、効率的に推定精度を向上するため、第一段階では広範囲で最適値を求め、第二段階では第一段階の最適値付近に範囲を絞り込んで最終的な最適化を行う、二段階設計を検討した。

この手法により、より高精度で最適設計値を得ることができた。

This Project is to improve the Cpk by reducing the particle generated in PECVD with time. The particle problem leads to yield loss and high cost of production. The whole production time is devide into 3 stages. (1) Fit particle data with JMP Poisson & ZIP Distribution. (2) Combine particle data with JMP Goal Plot, Performance Plot & SPC Control Chart. (3) Compare the performance with Dunnett’s Method. (4) Combine Poisson Distribution with Goal Plot to modify the action plan for the next stages.

このプロジェクトは、PECVDで発生する粒子を時間経過とともに減少させ、Cpkを向上させるものである。粒子の問題は、歩留まりの低下と製造コストの上昇につながる。生産時間全体を3つのステージに分ける。(1) JMPポアソン分布とZIP分布で粒子データをフィットさせる。(2) JMPゴールプロット、パフォーマンスプロット、SPC管理図を用いて、粒子データを結合します。(3) Dunnett's Methodで性能を比較します。(4) ポアソン分布とゴールプロットを組み合わせて、次のステージのアクションプランを修正します。

In situations of IP sensitivity, the ability to provide guidance to supplier for continued process improvement is challenged. This presentation introduces a methodology to address this. It uses retrospective analysis to separate the special cause from common cause, leading to establishment of achievable process target with improved controls and performance capability. JMP tools like ANOVA, each pair t-test, 3 way control chart, and goal plot are fundamental instruments to this methodology.

知的財産に敏感な状況下では、サプライヤーに継続的なプロセス改善のためのガイダンスを提供する能力が問われます。本発表では、この問題に対処するための方法論を紹介します。この手法では、事後的な分析を用いて、特殊原因と一般原因を分離し、改善されたコントロールとパフォーマンス能力を持つ達成可能なプロセス目標を確立します。JMPのANOVA、各対のt検定、3元管理図、ゴールプロットなどは、この方法論の基本なツールです。

To utilize several JMP 16 platforms to study exam patterns among teammates. Hierarchical Clustering Analysis used to group the students with similar answering patterns across questions. Cell Plot analysis across questions, narrow down scope. Contingency Table Chi- Square Test and Further Contingency Table Chi-Square Test to test the probability of teammates activities. Through pairing comparison, detect teammates have less than 0.001% chance to defend themselves not violating the exam policy.

複数のJMP 16プラットフォームを活用し、チームメイト間の出題パターンを研究する。階層的クラスタリング分析により、問題間で類似した回答パターンを持つ学生をグループ化する。問題間のセルプロット分析で、範囲を絞り込む。分割表カイ二乗検定、さらに分割表カイ二乗検定により、チームメイトの活動確率を検定。ペアリング比較により、チームメイトが試験方針に違反しないよう自己防衛する確率が0.001%未満であることを検出する。

「差がない」という仮説を棄却できなかった場合、仮説を積極的に支持して、「差がない」と主張することはできません。「差がない」ことを主張するには、実質的に同等とみなせる範囲内に差が収まることを示す必要があります。本発表では、このような同等性試験及び非劣性試験の分析と標本数計算について、JMP 17の新機能と合わせて紹介します。

線形回帰分析・最尤推定・多変量正規分布などの基本的な統計知識をすでに習得している人向けに、JMP Pro 17での「構造方程式モデル」プラットフォームの新機能を紹介する。JMP Proの「構造方程式モデル」プラットフォームでは、多変量正規分布を仮定した完全情報最尤推定に基づき、潜在変数を含む線形モデルを推定できる。潜在変数を含むパス解析や確認的因子分析など、幅広い線形モデルに対する推測を行える。分析者が想定しているモデルをパス図で描くことによって指定できるので、その想定しているモデルにおける変数間の関係が直感的にわかりやすい。JMP Pro 17では、多母集団分析もサポートされた。最初に構造方程式モデルであてはめることができる幾つかのモデルを簡単に紹介した後、JMP Pro 17の新機能を、多母集団分析を中心に紹介する。

ワークフロービルダーは分析前のデータの準備から分析までの一連の手順をワークフローとして記録でき、その記録したワークフローは分析の自動化、分析手順の共有、分析手順のドキュメント化などで活用できるユーティリティ機能です。

本セッションでは、ワークフロービルダーの操作方法や利用方法についてご紹介します。

JMPは表計算ソフトとは異なり柔軟なデータ加工ができないようなイメージを持たれている方が中にはいるかもしれない。実はJMPはデータの取り込みや加工を、柔軟そして簡単に実行するための機能が多く実装されている。しかしながらそれらの中にはあまり知られていない機能があり、"データの用意や加工は別のソフトで"というユーザーがなかにはいる。JMP 17ではデータの取り込みや加工の機能にさらに磨きがかかっており、本発表ではJMP 17で拡張されたデータ加工に関する機能の中から有用と思われるものをピックアップして紹介する。

現行のJMP Genomicsの新規販売終了に伴い、JMP17およびJMP Pro 17にはゲノム解析に関連した新機能および改善された機能が搭載されています。その中でも注目される分析機能についてデモを通して紹介していきます。表現型の水準に対する遺伝子発現強度の違いを可視化するボルケーノプロットの作成、横長データおよび欠測値補完に対応した主成分分析、大規模データに対して分析を高速化した階層型クラスター分析、遺伝子マーカーのような高次元の多変量データを低次元（二次元または三次元）で表示する多変量埋め込み、遺伝子マーカーのデータに注釈テーブルを加えて分析前のデータを評価するマーカーの統計量を紹介します。

「予測プロファイル」は、作成した予測モデルから、X変数を変化させたときのY変数の変化や、Y変数の目標を達成するためのX変数の設定を調べられる機能です。 JMP17では機能が拡張され、Y変数の仕様限界を満たすX変数の仕様限界を探し出すのに有用な「デザインスペースプロファイル」オプションが追加されました。 また、「モデルのあてはめ」で「予測プロファイル」を使用した際には、これまではJMP Proのみの機能だった、外挿が起こらないX変数の設定を探し出すのに有用な「外挿の抑制」オプションが使用可能になりました。 本セッションでは、JMPのデモンストレーションを交えながら、これらの活用方法をご紹介いたします。

今秋リリースする最新バージョン「JMP 17」では多種多様な機能が追加されているが、本発表では、これらの新機能がどのようなケースでどのように役に立つのかを説明する。

また、"JMPを効率的に使って分析を行う"ことを考慮したとき、JMP 17では分析プロセスを記録する機能、ある統計手法の実施方法を検索する機能、分析オプションを環境設定に保存する機能などの新機能が役立つと思われる。そこで、実際のデータ分析の例を用い、分析を効率化できる場面をデモンストレーションにて紹介する。

発表内容（予定）

・JMP製品のロードマップ
・JMPの情報を入手、学習するさまざまなリソースの紹介
・JMP 17（JMP Pro 17）の新機能の概要
・データ分析を効率化する新機能とデモンストレーション

超設計は超因子に基づく２重構造の関数であるところの超構造関数を用いる解析的な設計である．この方法は設計の可能性を高め，従来はできなかった高度な設計を可能にしている．ただし，初期に開発された超設計は全区間を一つの関数で高精度に近似できることを必要としている．しかし，近年は水準数の多い実験が増え，水準数が10前後からそれ以上になると全区間を一つの関数で高精度に近似することが困難になる．このような場合には全区間を小区間に分割して各区間を高精度に近似するという複合近似を用いることが合理的である．しかし，そのことにより設計で扱うパラメータ（係数）が格段に多くなるためにその対応が必要である．本研究はそのための方法を紹介する．また，柔軟で高度な設計は分散分析のアプローチでは困難で，数理計画法により可能になる．このとき重要になるのは「設計のPDCAサイクル」を廻すアプローチである．本研究では設計を関係者の合意形成ととらえ，それを数理計画法に基づく「設計のPDCAサイクル」の廻すアプローチで実現する方法を提案する．そして，高度な応用として超因子を自由自在に指定することの可能な柔軟設計についても議論する．

質問紙調査の事例の多くは考察の段階で終わっており，一部には考察に基づいた提案を行うケースも存在するが，その場合の提案はあくまでも仮説発想（発想を示すこと）で止まっており，仮説検証（検証実験）までを行うケースは殆どない．一方，質問紙実験であるコンジョイント分析の事例は多く発表されているが，その殆どはコンジョイント分析に特化した単体のアプローチである．そして，それらのコンジョイント分析には実験計画の工学的な応用の観点から次の３つの問題点が存在している．①量的因子も質的に扱っていること，②積項（交互作用）や2次項を無視していること．③解析・設計は分散分析に基づいてシンプルな条件決定を行っていることである．これら３点は相互に絡み合っており，これらを総合的に解決する方法として次の３つが有効である．[1]最適計画（カスタム計画）を採用すること．[2][1]のデータで重回帰分析の変数選択を採用すること．[3][2]の推定重回帰式に基づいて数理計画法を実施すること．本研究は質問紙調査と質問紙実験をコラボさせるとともに質問紙実験の問題点を克服するための工夫を行った方法を提案する．

JMPを品質の問題解決に活用する事例は、信頼性予測の方法、工程内不良の原因究明方法、テキストマイニングによる品質傾向分析、などをこれまでに紹介させていただきました。今回はそれに関連づけながら、品質データから隠れた問題点を発見する方法を紹介します。品質不適合報告書には、発生年月、顧客名、製品名称、型番、生産ライン、部品ロット番号、作業者、不具合内容、不具合原因、損失金額、対策などが含まれており、これを蓄積して年間の品質データを作成します。まず一変量分布をローカルデータフィルタ（LDF）で層別分析して、どのラインやロットにどんな問題が多い、といった傾向を発見します。部品ロット番号などはそのままでは意味のある分析はできないので、製造年月や製造ラインなどの情報を抽出します。さらにパティション分析を使って交互作用を発見し主効果を把握します（２変量の相関が有意でも寄与率の小さなものは無視します）。強い交互作用がある変量を見つけて除外しないと間違った結果を導きます。不良数と良品数を積み重ね後に２変量の分析から割合の平均分析（ANOM）を使って不良率が平均と有意に異なる変量を発見します。

実データで，2つの質的変数，量的な変数を応答として解析しようとすると必然的に「繰り返し不揃いの2元配置」に帰着するが，この問題を扱っている日本語の教科書を見い出すことができない．そのためか，Web上では，「繰り返しが等しくないと解析できない」などが蔓延している．その原因は，平方和の分解に頼り切りで，ダミー変数を用いたデザイン行列Xを用いた解析法が，統計の入門書では，忌み嫌われているためである．「モデルのあてはめ」を使っているJMPユーザーは，繰り返しが等しくても，不揃いでも，全く気にせず解析しているはずである．「効果の詳細」での質的変数の水準平均を求めようとすると，「最小2乗平均」と「平均」が出力され，それらに食い違いが出ることを知っているに違いない．ただし，その違いをきちっと説明することができるのだろうか．そこで，2×3の繰り返し不揃いの2元配置データについて，Excelの行列関数を用いた解析方法を示し，JMPによる解析結果と対比することにより，「モデルのあてはめ」の計算原理の理解を深め，更なる応用ができるように，平方和の分解に代わる計算方法を示す．

製造業では、工程の管理など、さまざまな場面で測定が行われます。例えば、測定が精確に行われていないと、測定値のばらつきが、測定システムに起因するものなのか、工程に起因しているものなのか、理解するのが難しくなってしまいます。では、どのような方法で測定システムの測定精度を調べればよいでしょうか。このようなときに役立つのが、測定システム分析（MSA: Measurement System Analysis）です。測定システム分析には、偏り、安定性、直線性の評価などがありますが、本発表では、測定システムのばらつきを分析するGauge R&R分析やEMP分析について、主にご紹介します。JMPを使うと、測定システム分析実験の計画から、分析結果の出力まで行えます。また、JMP 17で追加された測定システム分析関連のいくつかの新機能、変更点などについてもご紹介する予定です。

This presentation shows how to build popular and captivating graph views using JMP Graph Builder. Based on the popular Pictures from the Gallery journals, the Gallery 7 highlights new views available in the latest versions of JMP. Views such as Dumbbell Charts, Word Clouds, Cumulative Sum Charts, Advanced Box Plots and more will be included that can help breathe new life into your graphs and reports!

このプレゼンテーションでは、JMP Graph Builderを使用して、人気のある魅惑的なグラフビューを構築する方法を紹介します。Gallery 7では、JMPの最新バージョンで利用可能な新しいビューを紹介します。ダンベルチャート、ワードクラウド、累積和集合グラフ、箱ひげ図など、グラフやレポートに新しい息吹を吹き込むビューをご紹介します。

The structural equation models (SEM) platform continues to evolve into a more complete and powerful platform. Two key features in JMP Pro 17 are (1) a link between Factor Analysis and SEM to facilitate survey development, and (2) multiple-group analysis. We demonstrate these features with data inspired by Yamamura and Takehira (2017), where Japanese students were surveyed on their learning motivation. Attendees will learn to build surveys and use them to gain insights about subpopulations

「構造方程式モデル」（SEM; structural equation models）プラットフォームは、より完全で、より強力なプラットフォームへと進化し続けている。JMP Pro 17での主な新機能は、(1)探索的因子分析と構造方程式モデルとの関連付け（この機能は、調査票の質問を設計するのに役立つ）、および、(2)多母集団分析である。これら2つの機能を、Yamamura and Takehira (2017)の調査を題材にして紹介していく。Yamamura and Takehira (2017)は、日本の大学において大学生の学習動機づけを調べた研究である。本講演では、調査を設計し、その調査から部分集団についての情報を得る方法を提示する。

生体情報モニタは、最新のセンサー技術で、連続的に情報を提供する。治療上、安静が必要な集中治療室や術後など治療へ反応を経時的に見る場合、多くの生体情報が観察でき、AC電源で稼働する固定型のベッドサイドモニタが選択される。一方、一般病棟では、退院に向け自立した活動をされている方も多く、リスクは低減しているが、最低限の生体情報の観察が必要になる場合がある。リスクと利便性を踏まえ、電池を使用する携帯型のテレメータ送信機が広く用いられている。

生体情報モニタは、本来、「生体アラーム」と呼ばれる上下限閾値や不整脈を検知し、早期発見・早期対応を目的とするが、「テクニカルアラーム」と呼ばれる機械やセンサー・使い方によるアラームも少なくない。目的外アラームのため、“false-alarm（偽アラーム）”と呼ばれる。誤った警報が続くと、次第に、脅威に対し鈍感になってしまう。（オオカミ少年症候群）

今回、我々は、テレメータ送信機の”電池交換アラームの即時対応”に着目し、取り組みを行った。分析には、JMP16を用いた。特性要因図・乱数シミュレーション・管理図・信頼性成長 などを活用した。

一連の業務改善活動について報告する。

グループ病院内におけるにおけるフォーミュラリー（FM）の浸透・活用割合を高めることを戦略目標として、具体的な行動計画を策定するために病院勤務者に対して問題解決型業務調査を実施した。FMとは「疾患の診断、予防、治療や健康増進に対して、医師を始めとする薬剤師・ほかの医療従事者による臨床的な判断を表すために必要な、継続的にアップデートされる薬のリストと関連情報」とされる。調査によるアウトカムは、1）重要度・緊急度マトリクス作成による行動指針の検討と、2）回答者のキャリアパスクラスターに基づいた層別解析から、FMへの個々の認識を明確化することである。これら解析結果を回答者に公表することが勤務者内での合意形成に至り、結果、組織の原動力強化から戦略達成につながるものと考えられる。

本研究は、ドナベディアンの医療の質評価の３側面のうち、構造（ストラクチャー）に着目した医療機能評価から、結果（アウトカム）指標の一つである医療事故の発生割合に関する要因分析を行うことが目的である。そこで、概要をまとめる概念図と特性要因図を作成することで分析項目を洗い出し、病院機能評価機構の審査結果と厚生労働省の医療の質の評価・公表推進事業の臨床指標（QI：クオリティ・インディケーター）からデータセットを作成した。本研究では、一貫した評価基準と調査方法で臨床指標を収集し公開している済生会系列病院を分析対象病院とした。重回帰分析の結果、「臨床の倫理的課題への病院の方針決定」「安全確保体制」「療養環境整備」「医療機器管理機能」に関する審査項目の評価が高いほど、医療事故（3B以上のアクシデント）の発生割合が低いことが明らかとあった。