Blogs

Latest Posts

• 結局、JMPの「Python連携」で何ができるのか　～第4回：JMPにない分析手法を、JMPの操作感で使う～　（全4回のまとめ動画あり）

  JMPには搭載されていない分析手法も、Python連携を利用すれば実現できます。本記事では、密度ベースのクラスタリング手法「HDBSCAN」を例に、Pythonで分析処理を行い、その結果をJMPで探索・解釈する方法を紹介します。さらにJSLでダイアログを作成し、使用する変数やパラメータをGUIから指定できる汎用的なツールへ発展させます。JMPとPythonを組み合わせることで、JMPの操作感を保ちながら分析機能を拡張する方法を解説します。最後に、本ブログのまとめ動画を共有します。

  Masukawa_Nao

  Naohiro Masukawa |

  Sep 1, 2026 12:25 AM

  18 views | 0 replies
  

• 結局、JMPの「Python連携」で何ができるのか　～第3回：JSLダイアログで実践的なPython連携を実現～

  本記事では、ダイアログ（利用者が対象国や指標、期間などの条件を画面上で選択・入力するための操作画面）の役割を簡単に紹介した後、JMPのJSLでダイアログを作成し、Pythonと連携することで、条件変更に柔軟に対応できる汎用的なデータ取得ツールを作る方法を紹介しています。ダイアログを用意することで、スクリプトを書き換えることなく利用条件を変更でき、繰り返し利用や他のユーザーとの共有が容易になるというメリットがあります。  

  Masukawa_Nao

  Naohiro Masukawa |

  Sep 1, 2026 12:18 AM

  73 views | 0 replies
  

• 結局、JMPの「Python連携」で何ができるのか　～第2回：JSLからPythonを呼ぶ、PythonからJSLを呼ぶ～

  JMPのPython統合機能では、PythonからJSLを実行することも、JSLからPythonを実行することもできます。本記事では、World Bankから取得したデータをJMPで可視化する例をもとに、Pythonを起点とする方法とJSLを起点とする方法を紹介します。それぞれのコードの書き方や特徴を解説し、Pythonによる分析が中心の場合、JMPの操作やレポートの自動化が中心の場合など、目的に応じた使い分けの考え方を説明します。        

  Masukawa_Nao

  Naohiro Masukawa |

  Aug 18, 2026 5:24 PM

  88 views | 0 replies
  

• 結局、JMPの「Python連携」で何ができるのか　～第1回：PythonとJMPを組み合わせるメリット～

  JMPのPython統合機能を使うと、Pythonの豊富なパッケージとJMPの対話的なデータ探索・可視化機能を組み合わせることができます。本記事では、Python環境やスクリプトエディタ、パッケージの利用方法を紹介します。 「JMPの機能をPython環境を使って強化・拡張できる」メリットをコード例とともに説明していきます。  

  Masukawa_Nao

  Naohiro Masukawa |

  Aug 11, 2026 4:57 PM

  200 views | 0 replies
  

• Bayes（ベイズ）最適化は「実験回数が少ない」だけでない　～実験計画法との比較で分かる強みとは～

  Bayes（ベイズ）最適化は、「少ない実験回数で最適解を見つけられる」だけでなく、応答曲面法のように特定の関数形を仮定せず、複雑な非線形関係や多峰性にも対応できる点が大きな特長です。本記事では、酵素反応のシミュレーションを用いて実験計画法と比較した結果、Bayes最適化は14回の実験で90%以上の収率を達成した一方、応答曲面法では18回の実験でも高収率条件を見つけられませんでした。応答と因子の関係が未知で複雑な実験では、Bayes最適化が有力な選択肢となります。

  Masukawa_Nao

  Naohiro Masukawa |

  Jul 5, 2026 5:36 PM

  504 views | 0 replies
  

• Using a datatable as a JSL data structure

   Video made with JSL. Designed for 1920x1080 display. The JSL uses a data table to keep a row of data per moving point in the video.  The ForEachRow loops use the column name variables rowpos and colpos to place a point at a row,column in the bitmap matrices and rowstep and colstep to advance the rowpos and colpos for each frame. dt = New Table( "points", "private", // private is *much* faster A...

  Craige_Hales

  Uncharted |

  Jul 2, 2026 1:29 PM

  75 views | 0 replies
  

• Make PowerPoint Slides or Word Docs that Auto-Update Figures made in JMP

  So, you've spent and hours writing up a report on an an experiment and copying in carefully formatted figures from JMP. Now a week later you have updated data and are absolutely thrilled at the prospect of deleting and replacing all the figures from last week with the new updated figures from this week.  Wouldn't it be awesome if there were some way to just run the analysis in JMP from your saved ...

  Byron_JMP

  Byron Wingerd's Blog |

  Jun 23, 2026 1:49 PM

  463 views | 1 replies
  

• よく使う機能を一発起動！JMPショートカット活用術

  JMPで同じ分析を何度も繰り返す中で、深いメニューをたどる操作に手間を感じたことはありませんか。本記事では、累積和管理図を例に、よく使う機能を素早く起動するためのショートカットキーの割り当てと、ツールバーへの登録方法を解説します。登録しておくと、今までの操作がぐっとラクになり、分析に集中できることでしょう。

  Masukawa_Nao

  Naohiro Masukawa |

  Apr 26, 2026 9:35 PM

  470 views | 1 replies
  

• Weight Maintenance – JMP 19 Process Screening to the Rescue!

  Losing weight is always a monumental task.  However, maintaining your weight after the diet is over may be even harder.  New JMP capabilities in JMP 19 Process Screening can help us establish expectations and provide actionable alerts to keep our weight in check!

  scwise

  Scott Wise's Blog |

  Apr 9, 2026 12:17 PM

  1099 views | 0 replies
  

• 限られた試行で空間を網羅する 　～Space Filling計画の実践～

  あなたは環境調査員です。東京都全域（離島を除く）の大気汚染状況を調べたいと考えていますが、時間やコストの都合上、東京都内の任意の50地点でしか調査を行うことができません。 この場合、調査する50地点をどのように決めたら良いでしょうか。東京都全域を対象とするため、可能な限り調査地点を偏らないようにすることが重要です。その一つの方法として、JMPを用いて得られた結果が、以下の地図に示す50地点のプロットです。

  Masukawa_Nao

  Naohiro Masukawa |

  Apr 5, 2026 5:38 PM

  689 views | 2 replies
  

• スペクトルデータを用いた食品識別のための分類モデル構築例

  本記事では、スペクトルデータに対し機械学習手法を用い、試料を識別するための分類モデルを構築する例を示します。 下図は、イチゴピューレの中赤外分光（FT-IR）データを可視化したものです。
  左側の赤はイチゴピューレ、右側の青色は非イチゴピューレ（イチゴが含まれていない果実由来のピューレ）のスペクトルを示しています。  

  Masukawa_Nao

  Naohiro Masukawa |

  Apr 5, 2026 5:37 PM

  749 views | 0 replies
  

• 「時系列分析」により2026年の出生数を予測　～増加が見込まれる唯一の都道府県とは？～

  日本の出生数の減少が止まりません。下図は、先日公表された日本の出生数（速報値）をもとに、都道府県ごとの過去10年（2015年～2025年）の出生数の減少率を地図上に表したものです。最大で48.1%（秋田県）、最小でも20.7%（東京都）と、大きく減少しています。

  Masukawa_Nao

  Naohiro Masukawa |

  Mar 8, 2026 9:37 PM

  3636 views | 0 replies
  

• 日本発祥の「絵文字」をデータ分析で活かす　～新機能の「タグ」を用いて～

  次のデータテーブルをご覧ください。野菜や果物の絵がたくさんあり、楽しそうですね！ 変数名は日本語で書かれていますが、日本語が分からなくても、それぞれの絵を見れば、その変数が何を示しているのか想像できるはずです。このデータは、野菜や果物について、日ごとの消費額を入力したものです。 データの出典：家計調査（総務省）   絵文字は日本発祥 このデータテーブルの彩りは、変数に絵文字のタグを付けることで実現しています。 絵文字（emoji）は、その単語から分かるように日本発祥のものです。絵文字はUnicodeに含まれているため、現在では世界標準として利用されています。 昨年9月にリリースした最新バージョン「JMP 19」では、列にタグを割り当てる機能が追加され、タグとして絵文字が選べるようになりました。 絵文字を用いることによって、見た目を華やかにするだけでなく、実務的にも役立つ場面が多くありま...

  Masukawa_Nao

  Naohiro Masukawa |

  Feb 17, 2026 5:35 PM

  568 views | 0 replies
  

• 溶出曲線の類似性評価とは 　～f2 と信頼区間を用いた溶出挙動の類似性評価 ～

  医薬品開発において「溶出試験」とは、薬が体の中でどのような挙動を示すかを、試験管内で調べる試験のことを指します。 例えばジェネリック医薬品では、有効成分は同じでも、添加物や製造方法などの処方が変更されることがあります。その際、一定時間ごとに溶出率（有効成分が溶け出した割合）を測定し、変更前の製剤と変更後の製剤を比較して、溶出の傾向が類似していることを示す必要があります。 下図は、横軸を時間（分）、縦軸を溶出率とした、溶出曲線と呼ばれるものです。pH4.5、pH6.0、または水（Water）を試験液として用いた場合について、試験製剤（Test）と標準製剤（Reference）の時間ごとの溶出率をプロットし、折れ線で結んでいます。 *実際にY軸にプロットされている点は、複数のサンプル製剤の溶出率の平均値となります。 3種類の試験液における2つの曲線を比較すると、時間とともに溶出率が上昇し、1...

  Masukawa_Nao

  Naohiro Masukawa |

  Jan 21, 2026 4:03 PM

  820 views | 0 replies
  

• JMPのボルケーノプロットで重要要因を直感的に深掘りする（操作動画あり）

  下のグラフは火山が噴火しているように見えることから、ボルケーノプロット（Volcano Plot）と呼ばれています。 もともと遺伝子解析の分野で用いられているプロットで、多数の遺伝子発現量をグループ間（例：性別や遺伝子型など）で比較する際に、差の大きさと有意性を同時に可視化するために使用されます。 ただし、遺伝子解析に限らず、多数の変数の中から重要なものを効率的にスクリーニングする用途でも利用できます。例えば、工程データにおいて、改善前と改善後の多くのパラメータを比較し、影響の大きい工程を抽出するといった場面でも有効です。 ボルケーノプロットは、差の大きさと有意性という統計量を2次元上に表現したグラフですが、JMPではグラフ上から直接データを深掘りできるため、スクリーニング作業を効率化できます。 また JMP 19 では、ボルケーノプロットに関する新機能も追加されています。本記事では、そ...

  Masukawa_Nao

  Naohiro Masukawa |

  Dec 25, 2025 4:33 PM

  2245 views | 0 replies
  

• Ray Marching and WebP

  This post shows a way-too-slow way to do ray marching and a perfectly fine Python way to make an animated WebP (like an animated Gif, but so much nicer!)  Part 1:  file formats This JSL uses the Python PIL library to make some test files to compare size, speed, and quality of PNG, JPEG, and WebP files. GIF is in part 2. If you want to run it, use 0 or 1  on the second line to make each picture. Th...

  Craige_Hales

  Uncharted |

  Dec 24, 2025 9:00 PM

  861 views | 0 replies
  

• JMPを使ってデータの欠測値を効率よく調べる3つの手順

  以下のデータは、各国の年ごとの GDP を示したものです。1960 年から 2024 年までの各年が、それぞれ 1 つの列（変数）として構成されています。そのため、1 行が 1 つの国の GDP の推移を表しています。 データを眺めていると、ところどころに欠測値が存在することが分かります。 データの出典：世界銀行（https://www.worldbank.org/）取得日：2025/12/16    このデータにおいて欠測値になっている理由としては、統計の取得体制の問題や、まだ調査・集計が行われていないことなどが考えられます。この後、国ごとのGDPのトレンド把握や国同士の比較を行うのであれば、まずはデータの欠測値の状況を把握しておくことが重要です。 データ中の欠測値を調べる方法として、JMPでは「欠測値を調べる」という、欠測値のパターンを確認したり、補完を行ったりできるプラットフォーム...

  Masukawa_Nao

  Naohiro Masukawa |

  Dec 23, 2025 5:06 PM

  695 views | 0 replies
  

• 仕様限界内に収めるための因子設定 　～「シミュレーション実験」によるアプローチ～

  JMPの「予測プロファイル」では、「満足度の最大化」を用いることで、各応答の目的（大きい方が良い・小さい方が良い・目標値に合わせる）をできるだけ同時に満たすような因子（説明変数）の組み合わせ、いわゆる最適条件を求められます。 ただし求められた因子の最適値は、あくまで1つの点であり、実際の工程では、温度や湿度などを最適値ぴったりに制御するのは難しく、さらに環境要因などにより、因子は最適値のまわりでばらつきをもって変動すると考えるのが自然です。 因子がばらつくのであれば、それに応じて応答もばらつくことになるので、応答の値も分布を構成します。もし応答に仕様範囲（LSL：下側、USL：上側）が設定されている場合、その分布の一部が仕様限界を超え、不適合が発生する可能性があります。 下図は、因子がばらつくことを想定したときの応答（Error1）の分布の例です。ヒストグラムを見ると、仕様範囲外に位置す...

  Masukawa_Nao

  Naohiro Masukawa |

  Dec 18, 2025 4:03 PM

  1247 views | 2 replies
  

• 複数の工程パラメータを 1 つのグラフで比較する方法　～　JMP 19新機能「複数のY軸」の利用～

  下のグラフのY軸に着目してください。Y軸が6つもあります！ 最新版の「JMP 19」では、「グラフビルダー」において、複数のY軸を1つのグラフに表示する「複数のY軸」のオプションが追加されました。 このグラフのように、複数のY変数を1つのグラフで表現することで、次のようなメリットが得られます。 スケールの異なる変数でも、同じ時間軸でトレンド比較できる変化したタイミングを把握・比較しやすい変数間の関連性（相関）を把握しやすい   ただし、これらのメリットを得られる他のグラフ作成方法も考えられます。 本記事では、工程トレンドを調べるデータに対し、JMPの「グラフビルダー」を使って、複数の工程を効果的に視覚化する方法を考えてみます。   工程データ例と共通のY軸でのグラフ化 以下は、3つの機械（Machine1～Machine3）を使って製品を製造したときの工程データです。各機械について、1秒...

  Masukawa_Nao

  Naohiro Masukawa |

  Dec 14, 2025 9:37 PM

  1359 views | 1 replies
  

• ENBIS & JMP Short Course: Bayesian Desirability Functions – A Modern Approach to Efficient Product and Process Design

    Recording and materials from this online short course, 03 December 2025. Presented by Chris Gotwalt and @Phil_Kay .

  Phil_Kay

  Phil Kay's Blog |

  Dec 8, 2025 7:05 AM

  3150 views | 1 replies