品質設計（QbD）は、製品に品質を組み込むための体系的なアプローチです。JMPのデザインスペースプロファイラーは、重要品質特性（CQA）に関連する仕様で定義された品質を保証しながら、生産の柔軟性を維持する最適な動作領域を決定するという、QbDの基本的な課題を解決するのに役立ちます。
このデモでは、予測プロファイラーに含まれるツールであるデザインスペースプロファイラーとシミュレーターを使用して、通常の使用に適したデザインスペースとデザインスペース内のロバスト領域を見つける方法を学びます。ICH Q14分析手順開発ガイドラインに記載されている毒素中和バイオアッセイの例を使用します。JMPの予測プロファイラーは、長年にわたりモデルの視覚化と最適化のための強力なツールとして機能してきました。予測プロファイラーにデザインスペースプロファイラーとシミュレーターが追加されたことで、高品質な製品とプロセスのイノベーションに欠かせないツールとなりました。
こんにちは、ローラ・ランカスターです。本日は、JMPデザインスペースプロファイラーとシミュレーターを用いた最適な動作領域の発見についてお話しさせていただきます。JMPディスカバリーサミットにご参加の皆様は、イノベーションで卓越したいという強い意欲をお持ちだと確信しています。多くの皆様が新製品や新プロセスの革新に尽力されており、私たちJMP開発者も、イノベーションを加速し、向上させるソフトウェアの開発に尽力しています。
迅速なイノベーションへのプレッシャーから、これらの新製品の製造プロセスは、多くの場合、迅速に設計する必要があります。高品質な製品をできるだけ早く生産するという目標を達成するためには、設計、モデル化、そしてデータ分析を支援するソフトウェアを活用する必要があります。確立された製品を生産し、安定した製造体制が整っていれば、このスライドにある工程能力レポートのような高品質な結果が得られるはずです。
これは、バッチが99%の確率で仕様を満たしている医薬品製造工程のデータです。しかし、新製品の開発を始める際には、最初からこれほど素晴らしい結果を期待することは通常できません。特に、単なる幸運だけでは十分ではありません。むしろ、このスライドのような結果が見られる可能性の方が高いのです。
高品質な製品をどのように生産するか、あるいはそれを一貫して行う方法を知らないかもしれません。特に、設計、分析、モデリング、そして予測が適切に行われていない場合、その傾向は顕著になります。このレポートのように、33%の確率で仕様外となる状況を改善したいと強く願っています。
ありがたいことに、JMPは予測プロファイルに「設計空間プロファイル」という機能を追加しました。この機能は、左側のような乱雑で機能不全な初期プロセスを、右側のような安定的で機能的なプロセスへと、構造化され繰り返し可能な方法で迅速に移行するのに役立ちます。このプロセスがどのように機能するかを見ていきましょう。
新製品を設計したら、まず、望ましい品質を確保するために達成すべき品質特性を定義します。次に、製品の品質を確保するために、これらの品質特性のうち、どの特性が適切な限界または範囲内に収まっている必要があるかを特定します。製薬業界では、これらはしばしば重要品質特性（CQA）と呼ばれます。
この例では、2つの重要な品質特性があります。1つは収率（75%以上）で、もう1つは医薬品の不純物（1.25%未満）です。この例を見ると、当初の目標達成度がかなり低いことがわかります。収率は33%、不純物は16.5%が規格外です。最初から、あまり良い結果が出ているとは言えません。
高品質な製品を製造するためには、製造プロセスのどの部分が製品の品質に影響を与えるかを考える必要があります。どのプロセスパラメータが重要な品質特性に大きな影響を与えるかを特定するために、実験的研究を行う必要があります。これらの重要なプロセスパラメータは、その変動が重要な品質特性に影響を与えるため、重要プロセスパラメータ（CPP）と呼ばれます。
これらの研究を賢く進めれば、重要なプロセス パラメータを特定したデータから、重要なプロセス パラメータと重要な品質特性の間の数学的関係を示す統計予測モデルも得られます。
次のステップは、重要なプロセスパラメータを特定するための実験研究を設計・実施することです。実験が完了したら、pH、温度、ベンダーが製品の収量と不純物の量に大きな影響を与えることを特定するモデルを構築します。この場合、pH、温度、ベンダーが重要なプロセスパラメータとなります。
さて、重要なプロセスパラメータを特定するための実験の設計方法について賢明だったため、その結果を使用して、重要なプロセスパラメータの観点から重要な品質特性である出力の統計的予測モデルを見つけます。
私たちが構築する予測モデルは、最小二乗応答曲面モデルです。このスライドは、予測モデルの予測プロファイラーを示しています。これを使用すると、重要なプロセスパラメータとCQA間の数学的関係を視覚化できます。
予測モデルが完成すれば、原理的には水晶玉のように、様々なプロセスパラメータ設定における様々な結果を調べることができます。そして、pH、温度、ベンダーの組み合わせを特定することで、仕様を満たす可能性の高い製品を生み出すことができます。
このスライドのグラフは、初期の妥当な範囲内でランダムかつ均一に変化させたプロセスパラメータ設定の散布図を示しています。これらのシミュレーション設定を予測モデルの入力として使用し、最終的な製品が両方の重要な品質特性において規格内かどうかを判断できます。結果が規格内（緑）または規格外（赤）に応じて点を色分けすると、このようなグラフになります。
このグラフは、プロセスパラメータの設定と高品質な製品の製造との関係を分かりやすく示しています。このデータを確認し、ビジネス上の理由から、会社は安価なベンダーを選ぶことにしました。妥当な価格設定であり、コスト削減にもつながるからです。
左側のグラフは、安価なベンダーのみを考慮した場合の散布図を示しています。パラメータ設定によって高品質な製品が製造される領域（緑色）が明確に示されています。右側のグラフでは、pHと温度を青い枠内に維持すれば、ほとんどの場合、品質要件を満たす製品を製造できることがわかります。つまり、青い枠が最適な動作領域です。
さて、最適な動作領域を見つけるために使用したシミュレーションポイントは、ランダムかつ均一に変化させました。しかし、pHと温度のプロセスは実際には正規分布に従うことが分かっています。実際、pHと温度のプロセスは当初、左側のヒストグラムのような分布で実行され、右側の散布図に示すように、36.4%の確率で規格外の製品が生成されました。
しかし、pHと温度のプロセスにおける目標値と変動を、先ほど見つけた青い枠で囲まれた最適動作領域の中心内で実行できれば、この散布図に示すように、99.9%の確率で高品質な製品を得ることができます。左側のヒストグラムに仕様限界を設定して最適動作領域の範囲を示し、設計空間内で中心化と変動化を図ったことを強調している点に注目してください。そして、この結果がこれです。
最適な動作領域を見つけるというこの考え方は、実は古くから存在し、1992年にジョセフ・ジュランが著書『Juran on Quality by Design』で初めて発表したものです。彼は、設計段階から始まり、製品のライフサイクル全体に品質を組み込むための体系的なアプローチについて記しています。
歴史的に、製薬業界がFDAやEMAなどの規制当局の規制を遵守しなければならない多くの国では、製造プロセスの設定変更には承認が必要でした。これは、製造業者と規制当局の双方にとってコストと時間のかかる作業でした。Juranのアイデアは、医薬品製造プロセスを変更しても再認証を必要としない安全な操作領域を決定するために活用できることが認識されました。
数年後、業界ではQuality by Design（QBD）の原則が採用されました。ここではこれを略してQBDと呼びます。2005年、国際医薬品規制調和会議（ICH）は、この考え方に関するガイドラインの公表を開始しました。ICH Q8R2文書は、デザインスペースについて論じた主要な文書です。この文書では、デザインスペースを、品質保証を提供することが実証されている材料特性とプロセスパラメータの多次元的な組み合わせと相互作用として正式に定義しています。
このアプローチは、実験計画法をこの問題に適用するJuranのQBDの考え方に基づいています。JMPは実験計画法と分析のための世界をリードするツールであり、インタラクティブなモデルの可視化、探索、最適化のためのJMPの最高のツールはプロファイラーです。このプロファイラーには現在、設計空間プロファイラーと呼ばれる機能が組み込まれており、プロセスの設計空間の発見と最適化に役立ちます。
この講演では製薬業界の用語や例をいくつか使用しますが、あらゆる革新的な業界に同じ問題が存在します。プロセスや製品の種類に関わらず、解決策は同じです。
それでは、JMPの設計空間プロファイラーを使って最適な動作領域、つまり設計空間を見つける方法をご紹介します。この例については、導入部で既に見てきました。簡単にまとめると、この医薬品製造の例では、収率と不純物という2つの重要な品質特性がありました。また、pH、温度、ベンダーという3つの重要なプロセスパラメータがあり、その中で最も安価なベンダーのみを検討することにしました。私たちの目標は、99%の確率で高品質な製品を生産することです。
では、JMPを開いて、設計空間プロファイラーを使ってこの製品の設計空間、つまり最適な動作領域を見つける方法を見てみましょう。JMPを開いてください。JMPのカスタム設計プラットフォームで作成されたデータテーブルが表示されています。実験を計画し、実験を実行し、重要な品質特性の列に実験結果を入力し、予測モデルを作成しました。そして、その予測モデルのスクリプトをデータテーブルに保存しました。
また、重要品質特性の列に、既に仕様限界を列プロパティとして保存していることもお伝えしておきます。ここで確認できます。これは重要な機能です。デザインスペースプロファイラーを実行するには、重要品質特性の仕様限界を知る必要があるからです。列プロパティとして追加しない場合は、後で追加するように促されます。
では、予測モデルのスクリプトを実行してみましょう。モデルが実行されます。両方のレスポンス、つまり重要な品質特性について、最小スコアモデルが表示されており、予測プロファイラーで開くことができます。皆さんは予測プロファイラーをよくご存知だと思いますが、これはモデルの面を探索し、相互作用や因子間の相互作用を調べ、最適化を行うための非常に優れたツールです。
プロファイラーに仕様限界も描画するように設定していることに注意してください。収率の下限仕様限界と不純物の上限仕様限界が表示されています。ベンダーは安価なものだけを考慮しているので、ここでは安価なベンダーに固定しておきます。次に、安価なベンダーの応答曲面のみを見てみましょう。
では、デザインスペースプロファイラーをオンにしてみましょう。「予測プロファイラー」メニューに移動し、少し下に「デザインスペースプロファイラー」があります。これを選択すると、バックグラウンドで数千のランダムな均一シミュレーションが実行され、予測プロファイラーの下にこのデザインスペースプロファイラーが生成されます。
まず最初に指摘したいのは、右下にある点です。列プロパティとして設定した仕様限界が確かに取り込まれているのがお分かりいただけると思います。また、モデルから取り込まれた誤差もいくつか追加されています。これは最小二乗モデルの二乗平均平方根誤差で、予測モデルに誤差を加えるために使用されます。予測モデルは完璧ではないため、常にこの方法をお勧めします。これらの誤差が適切でないと思われる場合は調整できますが、予測モデルに誤差を加えることを常にお勧めします。
デザインスペースプロファイラーを見ると、普段見慣れているプロファイラーとかなり似ていることに気付くかもしれません。ただし、いくつか重要な違いがあります。まず、Y軸を見ると、数値ではなく「InSpec Partion（仕様内割合）」と表示されています。これは、数値が右側にあるためです。この「InSpec Partion（仕様内割合）」という数値は非常に重要なものです。これは、2つの重要な品質特性、つまり2つのレスポンスについて、仕様を満たしているシミュレーションポイントの数を示しています。現在、38.79%です。レスポンスごとの仕様内値を個別に確認したい場合は、レスポンスフィールドの右側をご覧ください。
もう一つの違いに気づくかもしれませんが、各セルには1本の曲線ではなく2本の曲線があります。これは、各因子または各パラメータの下限値と上限値を求めているためです。これらの曲線を理解するために、便利な凡例がここにあります。青い曲線は下限値が変化したときのInSpec部分、赤い曲線は上限値が変化したときのInSpec部分です。
目指すのは、このプロファイラーと連携してInSpec Portion（検査対象範囲）を増やし、どの設計空間で良好なInSpecが得られるかを把握することです。下限値と上限値を調整し、InSpecが増加する方向に動かします。例えば、pHの下限値を上げると、InSpec Portion（検査対象範囲）が増加します。上限値を下げると、検査対象範囲が減少するため、上限値は下げたくありません。
操作方法としては、マーカーを移動したり、セルの下に値を入力したり、ここにあるフィールドに値を入力したり、あるいは「内側に移動」と「外側に移動」の2つのボタンを使ったりできます。これは私がデザインスペースプロファイラーを操作する際に最も気に入っている方法です。この「内側に移動」ボタンをクリックすると、InSpec Portion（インスペックポーション）の増加が最も大きくなる動きが検索されます。つまり、最も急激な上昇が求められるのです。
これをクリックすると、温度上限が45度から43.5度に下がり、InSpec Portion（仕様範囲）が増加していることがわかります。また、Volume Portion（体積範囲）には、シミュレーションデータ全体を使用して100%から開始したことを示していますが、初期設計空間の一部を削減したため、現在は95%まで減少しています。
もう一度「Move Inward」をクリックすると、温度の上限が少し下がります。InSpecは上昇します。もう一度クリックします。目標はInSpecの99%に到達することです。その間、設計空間プロファイラーメニューには、設計空間を調整する際によく使うオプションがいくつかあります。
私がよく使う最初のオプションは、「ランダムテーブルの作成と接続」です。これはランダムデータの新しいテーブルを作成します。早速オンにしてみましょう。10,000個のデフォルト値のままにして、予測モデルにランダムノイズを追加します。「OK」をクリックすると、ランダムデータの新しいデータテーブルが作成されます。重要な品質特性の両方について、規格外の場合は赤、規格内の場合は緑でマークされ、設計空間内に収まっている場合は選択状態になります。
私がよくやるのは、このテーブルにスクリプトとして保存されているこれらのプロットを見ることです。散布図マトリックスYを実行すると、応答空間の散布図が得られます。散布図マトリックスXを実行すると、因子空間の散布図が得られます。ここで、このベンダーはジッターなので、ジッターをオフにします。実際に私たちが注目しているのは、左上の温度とpHの関係を示す散布図だけです。これはベンダーによって安価な値に固定されているため、あまり多くの情報が得られません。ですから、私が注目しているのはこれです。
これらのグラフを見るのが好きです。設定してみましょう。設計空間を調整しながら、「内側へ移動」をクリックし続けると、因子空間内の設計空間（網掛け部分）が縮小し、規格外の点の数も減少していることがわかります。見てみましょう。さらに明確にしたい場合は、「接続非表示モード」機能をオンにすると、現在の設計空間外にある点が完全に非表示になります。
「内側へ移動」をクリックし続けると、99%まで到達しても、使えると思われる設計空間が確保できるかどうか確認できます。クリックを続けましょう。赤い点が消えていく様子を見てみましょう。いいですね。これで99.59%に到達しました。すべてのプロットを見ると、この設計空間はおそらく達成できそうな気がします。
次に、この設計空間の中心を予測プロファイラーに送り返します。これは「中間点をプロファイラーに送信」オプションで実行できます。こうすることで、応答曲面上の中心の位置を確認できます。場合によっては、望ましさの指標をオンにして、設計空間の中心を見つけたときにどのように見えるかを確認することもできます。
もう一つ、非常に重要な点があります。冒頭でも触れましたが、pHと温度のパラメータは実際には正規分布に従っていると考えています。一方、デザインスペースプロファイラは一様分布に従ってシミュレーションを行いました。便利なのは、デザインスペースプロファイラメニューに「制限値をシミュレータに送信」というオプションがあることです。このオプションを選択すると、これらの制限値をシミュレータとプロファイラに送り返すためのオプションが表示されます。シミュレータとプロファイラを起動し、これらの制限値をシミュレータに送り返すことができます。
「正規分布、限界値は3シグマ」を選択します。シミュレータを起動し、プロセスパラメータを正規分布に設定して、平均値を設計空間の中心に設定し、限界値が3シグマになるように標準偏差を設定します。「OK」をクリックすると、pHと温度が正規分布に設定されたシミュレータが起動します。平均値は設計空間の中心にあり、基本的には設計空間の範囲を6で割って3シグマで動作するようにします。
さて、「シミュレーション」をクリックして欠陥率を見てみましょう。設計空間内では正規分布しているので、非常に良好に見えます。予測モデルにはまだランダム誤差が加えられていることに注意してください。これは非常に良好です。また、シミュレータの「テーブルにシミュレーション」オプションも使用することをお勧めします。このオプションは、プロセスパラメータがこれらの分布に従って正規分布した新しいデータテーブルを作成します。これをクリックします。
このテーブルには、分布に関するスクリプトが自動的に作成されます。これを実行すると、重要な品質特性の分布を確認でき、列プロパティに仕様限界を設定しているので、工程能力レポートも表示されます。3シグマ限界内でプロセスを設計空間の中心で稼働させることができれば、非常に優れた工程能力が得られることがすぐにわかります。重要な品質特性の両方において、工程能力と不適合性は非常に良好になります。
設計空間プロファイラーについて最後にもう一つ触れておきたいのは、満足のいく設計空間を見つけたら、「X 仕様限界を保存」というオプションを使って、現在の設計空間を重要なプロセスパラメータの列プロパティとしてデータテーブルに保存できるということです。このオプションをクリックして元の設計テーブルに戻ると、pHと温度について、その設計空間が仕様限界として保存されていることがわかります。データテーブルを保存すれば、新しい設計空間の範囲を覚えておくことができます。
パワーポイントに戻りましょう。続きです。これはかなりシンプルで分かりやすい例でしたが、JMPをもっと複雑な例にどのように活用できるかをお見せしたいと思います。次の例に進む前に、QBDの原則が最近適用されている医薬品開発の別の分野、つまり分析手順の開発についてお話ししたいと思います。
分析手順開発とは、分析試験法のライフサイクル全体にわたる適合性を開発・維持するための、科学とリスクに基づくアプローチを指します。ICH Q14文書では、QBDフレームワークを分析手順開発に適用し、これを「強化アプローチ」と呼んでいます。この文書の内容の多くは本プレゼンテーションの範囲を超えていますが、デザインスペースプロファイラーを使用して、この文書の重要な概念である「メソッド操作可能設計領域（MODR）」を見つける方法を紹介します。
MODRは、分析手順の性能基準を満たし、測定結果の品質が保証される分析手順パラメータ範囲の組み合わせとして定義されます。また、承認されたMODR内での変更には規制当局への通知は不要です。MODRはデザインスペース、つまり最適操作領域と考えることができ、デザインスペースプロファイラーを使用して見つけることができます。
分析手順パラメータは重要プロセスパラメータ、分析手順性能基準は重要品質特性と考えることができます。今後の講演では、主にこれらをこのように表現します。繰り返しますが、これらの考え方と用語は製薬業界に由来するものですが、実際にはもっと広範囲に適用できます。
ICH Q14ガイドラインの2番目の例を見てみましょう。JMPとデザインスペースプロファイラを用いて、分析手順のMODRをどのように算出できるかを見てみましょう。この例の分析手順の目的は、薬物中の抗TNF-αモノクローナル抗体の相対的な力価を測定することです。力価アッセイでは、強制分解による力価の変化やシフトを検出できる必要があります。
話を進める前に、ガイドライン文書からこの例を作成してくれた同僚のバイロン・ウィンガードに感謝したいと思います。これは、ガイドライン文書に記載されている石川ダイアグラムを再現したものです。リスク評価の際に考慮された分析手順の特徴を示しています。この例で検討するプロセス部分は紫色で示しています。アッセイの実行と細胞調製です。
この例では、4パラメータロジスティック曲線モデルを用いて製剤の効力を計算します。左側には、自己調製とアッセイ実行に焦点を当てた分析手順パラメータがあります。これらはCPP（重要工程パラメータ）であり、過去の研究で分かっています。右側には、用量反応曲線の要件となる分析手順性能基準があります。これらは重要品質特性（CQA）であり、ロジスティック曲線の基準となります。
次に、CQA を応答、CPP を因子として、JMP のカスタム設計プラットフォームを使用して実験を設計しました。CO₂ 濃度とインキュベーション温度は、実際には実験では変更が困難な因子であったため、カスタム設計と JMP を使用して分割実験を作成する必要がありました。
次に、分割プロット実験を実行し、4 つのパラメータのロジスティック用量反応曲線を適合するために必要な 8 つの連続希釈レベルでの結果を収集しました。これらは、ロジスティック曲線を適合させるために使用する中間結果です。
次に、JMPの「曲線のあてはめ」プラットフォームを用いて、4つのパラメータのロジスティック用量反応曲線をあてはめます。そして、パラメータを収集し、診断結果をあてはめます。これらは実験応答、つまり重要な品質特性です。実験が終了したら、JMPの「モデルのあてはめ」REMLプラットフォームを用いて、5つの重要な品質特性応答それぞれについて混合モデルをあてはめます。
予測モデルが完成したので、デザインスペースプロファイラーを使って、この分析手順の最適な動作領域、つまりMODRを決定します。もう一度JMPに戻りましょう。よし、整理しましょう。
これは、分割実験を作成したときにカスタムデザイナーが作成したデータテーブルです。前述の通り、実験を実行し、実験結果を重要品質特性列に入力しました。列プロパティとして、仕様限界を再度追加しました。混合モデルをスクリプトとして保存しましたので、実行してみましょう。
これでスクリプトが実行されます。予測モデルが作成されます。これは、ご覧の通り、重要な品質特性ごとに混合モデルです。プロファイラーが開いている状態で表示されます。予測モデルの応答曲面がよく確認できます。もう一度、デザインスペースプロファイラーをオンにしてみましょう。この例では、シミュレーションを高速化するためにゼロを1つ削除して回数を減らします。これにより、実行に時間がかかりすぎることはありません。ゼロを削除しないと、1分強かかります。それほど長くはありませんが、プレゼンテーションには不要です。
もう一度言いますが、プロファイラーのすぐ下に設計空間プロファイラーがあります。ここでも、列プロパティから仕様限界が取り込まれ、モデルから二乗平均平方根誤差が追加されていることに注意してください。これはそのままにしておきます。これで良さそうです。
もう一つ注目すべき点は、これらの初期因子範囲を考慮すると、当初データの100%を使用した場合、仕様は約70.61%です。パラメータ設定では、少なくとも最初は、インキュベーション時間と生存率色素を調整する必要がありそうです。「Move Inward（内側に移動）」をクリックして設計空間を調整してみましょう。確かに、インキュベーション時間と生存率色素が移動しています。クリックし続けましょう。
ランダム接続テーブルの作成をオンにして、応答曲面の散布図を確認することもできます。パラメータごとにカスタム散布図を作成するので、プロット全体を見る必要はありません。プロット全体を見ても何も情報が得られません。さあ、始めましょう。「内側に移動」をクリックし続けて、設計空間領域を妥当に保ちながら、99%に到達できるかどうか確認してみましょう。設計空間が縮小しているのがわかります。「内側に移動」をクリックし続けて、99%に到達できるかどうか確認してみましょう。
インキュベーションタイムが厳しくなってきています。このまま続けられるか見てみましょう。ちょうど99%に到達しました。設計空間はこのようになっています。「Connect Hide Mode」をオンにして、もう少し明確に確認してみましょう。応答曲面散布図はこのようになっています。ご覧の通り、インキュベーションタイムはかなりタイトに見えますが、おそらく達成できると思います。設計空間の中心、つまり中間点を予測プロファイラーに戻して、どうなるか確認してみましょう。かなり妥当なようです。望ましさをすぐにオンにして、どうなるか確認してみましょう。
もう一度、プロセスパラメータは実際には正規分布しており、均一ではないと考えています。ここでも、3シグマの限界値をシミュレータに送信します。シミュレータは自動的に設定され、3シグマの正規分布を持つ設計空間内で実行されます。「シミュレーション」をクリックすると、かなり良好な不良率が表示されます。また、その設計空間内で実行できれば、重要な品質特性、分布、および能力レポートを確認するために、表形式でシミュレーションを実行することもできます。
Upper Asymptote は本当に良さそうです。Lower Asymptote はそれほど良くはありませんが、ひどいというほどではありません。他の部分はまずまずです。Lower Asymptote は品質面で一番気になる部分かもしれません。このデザインスペースに満足したら、これらをテーブルに戻して保存することもできます。
早速ですが、PowerPointのスライドに戻ります。最後に少しだけまとめをしたいと思います。Prediction Profilerとそれに付随する設計空間プロファイラーおよびシミュレーターは、高品質な製品をより迅速に開発するために欠かせないツールです。設計空間や最適な動作領域を見つけることは、製薬業界だけでなく、より幅広い用途に適用できます。
製薬業界においても、最適動作領域の探索は、設計空間ドキュメントの本来の適用範囲外にも応用可能です。そうですね。すみません。最後の例でご覧いただいたように、分析プロセス手順にも適用でき、MODRの探索にも使用できるため、非常に幅広い適用範囲があります。以上が参考資料です。この例の解説にご協力いただいたByron Wingerd氏に改めて感謝申し上げます。ご参加いただきありがとうございました。
