Blogs

Latest Posts

• Active Learning in JMP - Chris Gotwalt ENBIS Workshop

  Watch the recording of this workshop with Chris Gotwalt and Phil Kay.

  Phil_Kay

  Phil Kay's Blog |

  Feb 4, 2025 5:24 AM

  170 views | 0 replies
  

• Design evaluation of optimal designs

  Optimal designs use one of several optimality criteria based on the goal of the experiment. Using the design evaluation tools we can compare, and contrast designs based on the goal of the experiment. In each of the case studies below, the tools relevant for each experimental goal are explored.   Summary of practical goals and design evaluation tools I-optimal D-optimal Practical goal: Accurate ...

  O_Lippincott

  JMPer Cable |

  Feb 3, 2025 2:01 PM

  247 views | 2 replies
  

• Writing JSL code dynamically

  Why doesn't my code work when I try to use a variable as an argument to ...?

  Jasean

  JMPer Cable |

  Jan 27, 2025 10:39 AM

  160 views | 1 replies
  

• What are “optimal designs” and “optimality criteria”?

  JMP’s Custom Design platform allows experimenters to create custom-built designs for their specific experiment needs by constructing optimal designs. The custom designer generates optimal designs by seeking to maximize one of several optimality criteria using the coordinate-exchange algorithm. The coordinate-exchange algorithm constructs a starting design by selecting random values within the desi...

  O_Lippincott

  JMPer Cable |

  Jan 23, 2025 11:30 AM

  350 views | 0 replies
  

• New features in JMP Clinical 18.1.2 and JMP Clinical 18.2

  JMP Clinical 18.1.2 (released on January. 21) and JMP Clinical 18.2 (which will be released in March) comes with several important features, including data quality reports, a configuration checking tool, autosaving and restoring the review builder templates.

  Valerie_Nedbal

  JMP Blog |

  Jan 22, 2025 9:53 AM

  354 views | 0 replies
  

• 製造業品質提升指南：圖解FMEA失效模式分析與工具應用

  本篇文章深入探討如何運用JMP工具進行FMEA（失效模式與影響分析），有效管理製造業品質問題。了解多重回應、儲存格著色及Dashboard等功能如何助力品質分析與改進，讓失效分析更高效、更直觀。

  JMP_Taiwan

  JMP Blog |

  Jan 22, 2025 5:43 AM

  266 views | 0 replies
  

• 共変量を変化させたときの薬物動態モデルの考察

  下図は、12人の患者に特定の薬剤を投与した際の薬物濃度の時間経過を示す折れ線グラフです。薬物は投与後に体内で吸収され、濃度が急激に上昇した後、分布や代謝によって濃度が緩やかに低下します。このグラフは、薬物動態の基本的なパターンを示しています。 患者ごとの折れ線を観察すると、濃度の変化に個人差が見られます。この差異は通常、薬物の種類、投与経路、患者個々の特性（例：体重や代謝能力）などによるものです。   例えば、体重が大きい患者では分布容積が増加し、最大濃度（Cmax）が低くなる可能性があります。また、投与量や薬剤の種類によっても濃度推移が変化することがあります。   これら、薬物動態に影響を及ぼす可能性がある要素は「共変量」と呼ばれ、共変量の違いによって薬物濃度はどのように影響を及ぼすかを解析することがあります。   本ブログでは、JMP(JMP Pro) の「曲線のあてはめ」プラットフ...

  Masukawa_Nao

  Naohiro Masukawa |

  Jan 21, 2025 4:00 PM

  151 views | 0 replies
  

• 「工程のスクリーニング」の「シフトグラフ」で近年の気温上昇を検出する試み

  「工程のスクリーニング」は、多数の工程を一度に評価できるプラットフォームです。各工程における工程能力や管理図の指標を算出し、重要な工程を効率的にスクリーニングできます。   このプラットフォームでは、次のような「シフトグラフ」を描けるのはご存じでしょうか？　このグラフにより、どの工程でいつシフト（後述）が発生したのかを視覚的に考察できます。また、気になる工程についてはドリルダウンで詳細に分析できます。 本ブログでは、日本各地の気温データを一種の「工程」とみなし、気温の急激な上昇（シフト）がいつ発生したか、また観測地点ごとの上昇幅の違いについて考察します。   分析対象 対象地域：日本の管区気象台および地方気象台（データが存在する58地点）対象期間：1995年～2024年（30年間）に対し、各年6月から8月（夏）のデータ指標：日ごとの平均気温、最高気温、最低気温について、3か月間の平均を算...

  Masukawa_Nao

  Naohiro Masukawa |

  Jan 15, 2025 4:00 PM

  209 views | 0 replies
  

• 3 ways to load your specification limits into Process Capability

  Process Capability

  tonya_mauldin

  JMPer Cable |

  Jan 14, 2025 9:21 PM

  24035 views | 1 replies
  

• 從根本解決品質難題？解構製造業背後的品質控制秘密！

  深入解構製造業品質控制的挑戰與解決方案：從資料分析到製程優化，揭示如何利用數據分析工具解決製造業常遇到的品質管理與品質改善問題，提升產品穩定性與競爭力。

  JMP_Taiwan

  JMP Blog |

  Jan 14, 2025 5:00 PM

  330 views | 0 replies
  

• Disposable Income Change Remake

  Kaiser Fung recently critiqued this chart of changes in disposable income.He put forth the idea of using categorized slope graphs instead:How do we do something like that in JMP? We can do paneling and lines with variable color in Graph Builder; we just need to get the data into the right form. As usual, a key step in making a slope graph in Graph Builder is using Table > Stack to get the two data...

  XanGregg

  The Plot Thickens |

  Jan 14, 2025 12:36 AM

  3024 views | 1 replies
  

• JMP® Marketplace feature: Torch add-in

  The Torch Deep Learning add-in for JMP® Pro is a no-code interface to the PyTorch library for predictive modeling with deep neural networks. The add-in lets you train and deploy predictive models that use image, text, or tabular features as inputs to predict binary, continuous, or nominal targets.    A helpful feature of the add-in is its storybook, which offers example starting points for finding...

  russ_wolfinger

  JMP Blog |

  Jan 13, 2025 5:45 PM

  295 views | 0 replies
  

• Digging up Bones: Fisbone Diagrams

  Fishbone diagrams can be phenomenally useful, but in general are a giant pain to draw.  In this blog I'm digging in to an often forgotten "Diagram Platform". 

  Byron_JMP

  Byron Wingerd's Blog |

  Jan 12, 2025 9:42 PM

  437 views | 1 replies
  

• Creating JSL functions implemented in Python

  You want to keep coding in JSL, but for a particular function, you know there's an easy way to write it in Python. So how do you create a JSL function that implements its functionality in Python?

  Paul_Nelson

  JMPer Cable |

  Dec 25, 2024 9:51 AM

  1837 views | 16 replies
  

• 格差分析の新視点：MLBホームラン数の偏りをジニ係数で読み解く

  このブログでは、経済や社会分野で所得や貯蓄の格差を分析する際に用いられる「ローレンツ曲線」と「ジニ係数」について説明します。併せてMLB（メジャーリーグベースボール）の各チームにおけるホームラン数の偏りを分析するために、JMPを用いてローレンツ曲線で視覚化し、ジニ係数で定量化した例を紹介します。   不平等さを測る指標：ジニ係数とローレンツ曲線 データの偏りや不平等を定量化する指標として、「ジニ係数」がよく知られています。そして、その不平等を視覚的に表現するために「ローレンツ曲線」が用いられます。   ジニ係数は「不平等の指標」とも呼ばれ、所得格差や教育格差など、さまざまな分野で格差の度合いを示す際に使われています。   下図は、家庭における所得格差を視覚化したローレンツ曲線（青色）です。横軸は家庭の累積割合、縦軸は累積所得割合を示します。所得格差がなく平等の場合、ローレンツ曲線は点線で示...

  Masukawa_Nao

  Naohiro Masukawa |

  Dec 23, 2024 4:00 PM

  304 views | 0 replies
  

• Generating control limits using Control Chart Builder

  I create a control chart, describe how the control limits are calculated and discuss how these limits can be used to make decisions.

  tonya_mauldin

  JMPer Cable |

  Dec 20, 2024 1:43 PM

  30362 views | 3 replies
  

• Level up your Python game with JMP®: Accessing various file types

  Access data captured in custom, unique, or proprietary files using Python – and hand it off directly to JMP to finish data prep, visualization, and analysis.

  ChristianStopp

  JMP Blog |

  Dec 20, 2024 11:44 AM

  493 views | 1 replies
  

• JMP® Marketplace feature: The Materials Informatics Toolkit

  The Materials Informatics Toolkit is a powerful, user-friendly JMP add-in designed to provide an interface for using the RDKit package to calculate descriptors from Simplified Molecular Input Line Entry System (SMILES). I developed the add-in after numerous conversations with JMP users who were working with molecular structures and using Python for their analyses. They needed to be able to perform...

  yuichi_katsumur

  JMP Blog |

  Dec 18, 2024 7:22 PM

  4349 views | 2 replies
  

• JMP is Pythonic! Enhanced Python Integration in JMP 18

  JMP 18 has a new way to integrate with Python. The JMP 18 installation comes with an independent Python environment designed to be used with JMP. In addition, JMP now has a native Python editor and Python packages specific to JMP. This JMP Python environment has enhanced connectivity and interaction with JMP, which means using Python with JMP has never been easier. In this series of blog posts, I ...

  SamGardner

  JMPer Cable |

  Dec 15, 2024 10:38 PM

  8007 views | 9 replies
  

• Moving beyond one-factor-at-a-time (OFAT) testing

  In previous blog posts, we talked about breaking down one aspect of the testing challenge, dealing with multiple inputs as a designed experiment where we can start by focusing on one input at a time. A later blog post revisited the fundamental principles of factorial effects in designed experiments. Now, we’ll combine these ideas and discuss what we might want in designing an experiment to be used...

  Ryan_Lekivetz

  JMP Blog |

  Dec 12, 2024 6:00 AM

  507 views | 0 replies