等級：中級
在當今工作方式改革成為熱門話題的時代，簡化實驗和分析流程的重要性日益凸顯。為了展示 JMP 在簡化實驗流程方面的強大功能，可以著重說明如何透過使用確定性篩選設計 (DSD) 或自訂設計來大幅減少實驗次數。在這種情況下，響應數據應從現有實驗數據中提取。如果發現實驗數據分散在多個表格中，則應合併為一個表格，進行多元分析，並使用圖表視覺化結果，使讀者了解單因素實驗 (OFAT) 方法的缺陷。對於使用平均值分析重複實驗資料的方法，應展示諸如累積處理、基於平均值和變異數的多目標最佳化以及穩健最佳化等方法。
在實驗設計中，交互作用的存在往往難以預測，而交互作用本身也十分常見。動態結構設計（DSD）避免了主效果與交互作用（2FI）之間或兩個 2FI 之間的混淆，且所需的實驗次數僅為因子數的兩倍左右。這是一個顯著的優勢。本報告將涵蓋我們從實際應用 DSD 中獲得的經驗，當主效應和交互作用項的數量接近因子數時出現的問題，以及使用擴展設計的解決方案，並總結從 JMP 社區和 ASQ 獲得的與 DSD 相關的論文中一些具有實際意義的觀點。
在擔任大和霍尼韋爾（現為Azbil）FA開發總經理、研發總監兼負責人、品質保證推進總監兼負責人以及Azbil Kimmon顧問後，他創立了Torin顧問公司。他的專長包括透過生產數據分析來提高產量和品質、解決一般統計問題（例如市場缺陷預測、穩健設計、優化設計和實驗設計），以及提供現場指導（例如設計評審、根本原因分析（RCA）、預防人為錯誤和流程改進）。他的著作包括《網路商業的精髓》（JUSE出版社，2001年，合著）[電信社會科學獎獲獎作品]、《創業公司實用成功策略》（中央經濟社，2011年，合著）以及《簡明易懂的問題解決之道》（日刊工業新聞，2014年，獨立撰寫）。他的主要論文是《關於促進生產線上險情和焦慮意識傳播與接受的研討會提案》（日本品質控制學會，2016年品質技術獎得主）。主要報告是《關於可視化導致工作錯誤的組織因素並促進改進的機制提案》（Discovery-Japan 2018）。
「利用 JMP 解決品質問題：製造中的失效分析與可靠性預測」（Discovery-Japan 2019）
