Nivel: Intermedio
Una encuesta para mejorar la situación actual requiere preguntas tanto orientadas a los efectos como a las causas. Luego, al comprender la relación causal entre ambos mediante el análisis de regresión, es posible seleccionar objetivos para la acción. En ese caso, los elementos omitidos no se pueden cubrir después de la encuesta, pero si hay elementos innecesarios, puede ignorarlos después del hecho. Por esta razón, si prepara un conjunto completo de preguntas teniendo cuidado de no imponer demasiada carga a los encuestados, el resultado será una gran cantidad de preguntas y aparecerá una alta correlación entre las preguntas. Para abordar este problema, Takahashi y Kawasaki propusieron un "análisis de regresión de componentes principales multigrupo". La esencia de esto es encontrar el componente principal para cada grupo bajo un grupo racional que está configurado de manera que la correlación dentro del grupo sea alta y la correlación entre los grupos sea baja, y luego usar esto como una variable explicativa para realizar el componente principal. regresión El método consiste en seleccionar elementos con grandes valores absolutos de cargas factoriales para los componentes principales seleccionados como elementos principales que requieren contramedidas.
A veces estos elementos principales se agrupan, pero esto se puede abordar mediante el análisis factorial. Para el análisis causal, cuando se utilizan componentes principales, es un análisis causal frontal, cuando se utilizan factores, es un análisis causal posterior y cuando los dos se combinan, es un análisis causal bilateral. En esta presentación, presentaremos la teoría y el método concreto utilizando JMP.
El autor ha estado investigando y practicando QM (gestión de calidad), SQM (gestión de calidad estadística) y teoría del diseño (investigación conjunta con numerosas empresas, orientación de gestión, etc.) durante medio siglo. Desde la década de 1990, ha propuesto Hyper Design, un nuevo paradigma de diseño, y ha investigado su teoría matemática, la teoría HOPE (Hyper Optimization for Prospective Engineering), y ha creado el software de soporte HOPE-Add-in para JMP de SAS. desarrollo conjunto con A partir de lo anterior, hemos realizado un nuevo método de diseño utilizando la trinidad del concepto de superdiseño, la teoría HOPE de matemáticas estadísticas y la herramienta de soporte HOPE-Add-in para JMP.
Debido a que el diseño es difícil de entender, a menudo personas especiales lo malinterpretan como una actividad especial. Para superar este problema y permitir que muchas personas dominen el diseño, el autor está realizando investigaciones teóricas y desarrollando nuevos métodos educativos. Es una educación experiencial que utiliza materiales didácticos reales (helicópteros de papel, planeadores de papel, lanzamiento de monedas, etc.) y materiales didácticos virtuales (simuladores de bolas voladoras, etc.). Este programa educativo (desde los conceptos básicos de estadística hasta el súper diseño) utiliza JMP para visualizar el análisis y el diseño en muchas situaciones, lo que lo convierte en una educación interesante y fácil de entender. Esta educación se ha implementado durante más de 30 años en universidades de Japón y del extranjero (Universidad de Keio, Universidad de Yale, Universidad de Ciencias de Tokio, Universidad de Tsukuba, etc.) y en muchas empresas, y su eficacia ha sido confirmada.
*Para aquellos que quieran una comprensión más detallada, hemos preparado un artículo. Si está interesado, comuníquese directamente con el presentador , Takenori Takahashi .
