级别：中级
在当今工作方式改革成为热门话题的时代，简化实验和分析流程的重要性日益凸显。为了展示 JMP 在简化实验流程方面的强大功能，可以着重说明如何通过使用确定性筛选设计 (DSD) 或自定义设计来大幅减少实验次数。在这种情况下，响应数据应从现有实验数据中提取。如果发现实验数据分散在多个表格中，则应将其合并为一个表格，进行多元分析，并使用图表可视化结果，使读者了解单因素实验 (OFAT) 方法的缺陷。对于使用均值分析重复实验数据的方法，应展示诸如累积处理、基于均值和方差的多目标优化以及稳健优化等方法。
在实验设计中，交互作用的存在往往难以预测，而交互作用本身也十分常见。动态结构设计（DSD）避免了主效应与交互作用（2FI）之间或两个 2FI 之间的混淆，并且所需的实验次数仅为因子数的两倍左右。这是一个显著的优势。本报告将涵盖我们从实际应用 DSD 中获得的经验，当主效应和交互作用项的数量接近因子数时出现的问题，以及使用扩展设计的解决方案，并总结从 JMP 社区和 ASQ 获得的与 DSD 相关的论文中一些具有实际意义的观点。
在担任大和霍尼韦尔（现为Azbil）FA开发总经理、研发总监兼负责人、质量保证推进总监兼负责人以及Azbil Kimmon顾问之后，他创立了Torin咨询公司。他的专长包括通过生产数据分析提高产量和质量，解决一般统计问题（例如市场缺陷预测、稳健设计、优化设计和实验设计），以及提供现场指导（例如设计评审、根本原因分析（RCA）、预防人为错误和流程改进）。他的著作包括《互联网商业的精髓》（JUSE出版社，2001年，合著）[电信社会科学奖获奖作品]、《创业公司实用成功策略》（中央经济社，2011年，合著）以及《简明易懂的问题解决之道》（日刊工业新闻，2014年，独立撰写）。他的主要论文是《关于促进生产线上险情和焦虑意识传播与接受的研讨会提案》（日本质量控制学会，2016年质量技术奖得主）。主要报告是《关于可视化导致工作错误的组织因素并促进改进的机制提案》（Discovery-Japan 2018）。
“利用 JMP 解决质量问题：制造中的失效分析和可靠性预测”（Discovery-Japan 2019）
