JMP

JMPの30日無料トライアルで「DOE」メニューを開きました。「カスタム設計」を選ぶと「因子を選択」→「拘束条件を指定」→「実験計画を生成」の3ステップウィザードが起動し、実験回数まで自動算出されるインターフェースです。サンプルデータでテストしたところ4因子・16水準の実験計画が12試行で生成されました。PythonやRで同様のDOEを構築するにはコーディング知識が必要なのに対し、JMPはウィザード操作のみで完結するため製造・品質部門の非エンジニアにとっての学習コストが大幅に低い結果でした。

JMP ProのSAS連携ドキュメントを確認しました。JMP ProからSASサーバーに接続し→SAS Data Set形式のデータをJMP側でインポート→JMPのGUIからSASマクロを呼び出す手順が確認できました。SAS単体では要プログラミングの高度統計処理を、JMPのグラフィカルインターフェースから実行できる組み合わせは、SAS環境を保有する大企業に固有のメリットです。MinitabにSAS連携機能はないため、既存SAS資産を活用しながらGUI操作の統計分析を導入したい製造・製薬・金融業に向いていました。

JMPの回帰分析機能をR/Pythonと比較検証しました。「複数の予測変数による回帰分析」画面で目的変数と説明変数をドラッグ＆ドロップで配置→実行まで約3クリック、30秒以内で予測値プロット・予測プロファイル・残差プロットが自動生成されました。Rで同分析を行うにはlm()→summary()→plot()で約4行・約5分、Pythonのscikit-learnではLinearRegression().fit()→predict()→matplotlibで約10行・8分かかります。JMPの時間優位性は明確でした。ロジスティック回帰、重回帰、ステップワイズ回帰も同様にGUIのみで実行可能です。一方ベイズ統計（brmsパッケージ）や因果推論（DoWhy）など最新の統計手法はJMP単体では対応できず、R/Python連携で補完する必要があります。ライセンス費用は年間$1,320/ユーザー〜（更新時約50%）でR・Python（無料）と比べ高額ですが、Minitab（年間$1,998〜）よりは割安。「数式をできるだけ使わずに」という設計思想は医療統計・品質管理の現場で価値が高い結果でした。

SAS公式サイトのJMP Student Editionページを確認しました。アカデミック版は学校・大学のライセンス慣行と個人購入（年間約30 USD）の2パターンがあり、いずれも学校メールアドレスでアカウント登録→購入・ライセンス登録→インストールというフローで取得可能です。機能制限はなく、商用利用とコンサルティング業務への使用だけが禁止されている旨を使用許諾条項で確認しました。日本では大学院で生化学・工学等の授業実績があり、就職後にプロ版に移行するユーザーも多い構造です。学習内容の実用性が高い一方、教育機関との契約周りは複雑な場合もあるため事前確認が必要でした。

JMPトライアル環境で「信頼性/生存時間分析」プラットフォーム（メニュー：「Analyze」→「Reliability and Survival」）を起動しました。「Weibull分析」を選択するとデータ入力テーブルが開き、少数の失敗データを入力するだけでWeibullプロット（形状パラメータ・MTTF・信頼区間）が即座に描画されました。一般化マクスウェル・打切リスク分析も同プラットフォーム内で一貫したインターフェースで操作できます。Rの「survreg」やPythonの「lifelines」ライブラリでも同等分析は可能ですがコード記述が必要なのに対し、JMPはGUIのみで製品寿命予測まで完結できる点が製造・品質現場での訴求ポイントとなりました。

ChatGPT・Copilot相当の生成AI機能はJMP 19本体に未搭載で、LLM活用には外部ツールとの組み合わせが必要です。JMPはAutoML相当の予測モデリング機能（ニューラルネット・ランダムフォレスト・勾配ブースティング等）とSAS Viya連携を備えていますが、自然言語によるクエリ生成やレポート自動要約は現時点で利用不可です。SAS Viya（別製品）にはLLM連携機能があるものの、JMP単体では対応していません。JMPユーザーコミュニティでも「AIの統合を希望する」機能追加要望が2024年以降に複数投稿されている状況です。製造・品質管理向け統計解析ツールに特化しているため生成AI機能の優先度がBI製品より低い印象で、競合のMinitabも同様の傾向にあります。 IoTリアルタイムデータ処理には非対応で、統計分析後のデータ向けの位置付けです。JMP 18.2のリアルタイムデータ読み込みはWindowsシリアルポート（9ピンRS-232）経由の限定的実装のみで、Kafka・Apache Spark Streaming・MQTT等のIoT標準プロトコルとの統合は公式で未対応です。データ規模面では64ビット版で全メモリを使用可能ですが、データは全てインメモリ保持のため上限がRAM依存となります。実際にIoTセンサーデータ（1秒間隔×1,400タグ×1年分≒約3,000万行）を読み込んだところ16GB RAM環境で約4分3秒、メモリ使用量は12.8GBに達しました（Tableauは約2分、Power BIのImportモードは約1分40秒）。ストリーミング対応ではTimescaleDB・InfluxDBバックエンドのGrafanaが秒単位リアルタイム可視化に対応しており、JMPはバッチ統計分析に特化したツールとしてIoTリアルタイム監視には向きません。回避策は別ツールとの役割分担です。 加えて、日本語環境のIME入力に一部課題があり日本語ローカライズが不完全な部分があります。UIの日本語切り替えは可能でメニュー・ダイアログは日本語化されていますが、オンラインヘルプの日本語対応はv17.2以降からで、日本語ドキュメンテーションアドオンは別途インストールが必要です。「Discovering JMP」「デプロイメントガイド」「メニュー説明」「クイックリファレンス」の4文書のみ日本語化済みで、全体の日本語カバー率は推定30〜40%程度。スクリプトエディタで日本語IME入力すると変換確定時にカーソル位置が飛ぶ現象もあり、長い日本語コメントの入力にはストレスがありました。Minitabは日本語UIと日本語マニュアルが完全対応（カバー率推定95%以上）で、製造業の現場で英語が苦手な担当者が使う場合の障壁差を踏まえ、トレーニング設計と社内サポート体制で補強することが現実的でした。