Niveau : Intermédiaire
Une enquête visant à améliorer la situation actuelle nécessite des questions à la fois axées sur les effets et sur les causes. Ensuite, en comprenant la relation causale entre les deux grâce à une analyse de régression, il est possible de sélectionner des cibles d’action. Dans ce cas, les éléments manqués ne peuvent pas être couverts après l’enquête, mais s’il y a des éléments inutiles, vous pouvez les ignorer après coup. Pour cette raison, si vous préparez un ensemble complet d’éléments de question tout en prenant soin de ne pas imposer une trop grande charge aux répondants, le résultat sera un grand nombre d’éléments de question et une forte corrélation apparaîtra entre les éléments. Pour résoudre ce problème, Takahashi et Kawasaki ont proposé une « analyse de régression en composantes principales multigroupes ». L'essence de ceci est de trouver la composante principale pour chaque groupe sous un groupe rationnel configuré de telle sorte que la corrélation au sein du groupe soit élevée et la corrélation entre les groupes soit faible, puis de l'utiliser comme variable explicative pour effectuer la composante principale. régression. La méthode consiste à sélectionner les éléments avec de grandes valeurs absolues de saturations factorielles pour les composantes principales sélectionnées comme éléments majeurs nécessitant des contre-mesures.
Parfois, ces éléments principaux sont regroupés, mais cela peut être traité à l’aide d’une analyse factorielle. Pour l’analyse causale, lorsque les composantes principales sont utilisées, il s’agit d’une analyse causale frontale, lorsque des facteurs sont utilisés, il s’agit d’une analyse causale arrière, et lorsque les deux sont combinées, il s’agit d’une analyse causale bilatérale. Dans cette présentation, nous présenterons la théorie et la méthode concrète utilisant JMP.
L'auteur recherche et pratique le QM (gestion de la qualité), le SQM (gestion statistique de la qualité) et la théorie de la conception (recherche conjointe avec de nombreuses entreprises, conseils de gestion, etc.) depuis un demi-siècle. Depuis les années 1990, il propose l'Hyper Design, un nouveau paradigme de conception, et étudie sa théorie mathématique, la théorie HOPE (Hyper Optimization for Prospective Engineering), et crée le logiciel de support HOPE-Add-in pour JMP par SAS. développement conjoint avec À partir de ce qui précède, nous avons réalisé une nouvelle méthode de conception utilisant la trinité du concept de super conception, la théorie des mathématiques statistiques HOPE et l'outil de support HOPE-Add-in pour JMP.
Parce que le design est difficile à comprendre, il est souvent compris à tort comme une activité spéciale par des personnes spéciales. Afin de surmonter ce problème et de permettre au plus grand nombre de maîtriser le design, l'auteur mène des recherches théoriques et développe de nouvelles méthodes pédagogiques. Il s'agit d'un enseignement expérientiel qui utilise du matériel pédagogique réel (hélicoptères en papier, planeurs en papier, tir à pièces, etc.) et du matériel pédagogique virtuel (simulateurs de ballon volant, etc.). Ce programme éducatif (des bases des statistiques au super design) utilise JMP pour visualiser l'analyse et la conception dans de nombreuses situations, ce qui en fait un enseignement facile à comprendre et intéressant. Cet enseignement est mis en œuvre depuis plus de 30 ans dans des universités au Japon et à l'étranger (Université Keio, Université de Yale, Université des Sciences de Tokyo, Université de Tsukuba, etc.) et dans de nombreuses entreprises, et son efficacité est confirmée.
*Pour ceux qui souhaitent une compréhension plus détaillée, nous avons préparé un article. Si vous êtes intéressé, veuillez contacter directement le présentateur , Takenori Takahashi .
