Herbsttreffen der Mid-Atlantic JMP® Users Group (MAJUG).
Standort: SAS-Büro, 1530 Wilson Blvd. Suite 800, Arlington-Rosslyn, VA
Donnerstag, 12. September 2019 von 8:45 - 12:30 Uhr
Abstracts und Biografien von Rob Lievense und Ronald Snee sind unten aufgeführt.
AGENDA*:
8:45 Uhr
|
Registrierung/Anmeldung
|
9:00-9:10 Uhr
|
Begrüßung und Einführung (Mel Alexander/Josh Klick)
|
9:10-10:00 Uhr
|
Anwendung von Statistical Engineering auf Big-Data-Probleme ( Ronald D. Snee , Snee Associates LLC )
|
10:00-10:15 Uhr
|
Unterbrechung
|
10:15-10:50 Uhr
|
Extrahieren wertvoller praktischer Informationen aus experimentellen Modellen, die für Quality by Design entwickelt wurden (Rob Lievense, Senior Systems Engineer, JMP)
|
10:50-11:00 Uhr
|
Unterbrechung
|
11:00 - 12:00 Uhr
|
JMP®-Präsentation (Wird noch bekannt gegeben)
|
12:00-12:15 Uhr
|
Sehen Sie sich SESUG, Discovery Summit, kommende Veranstaltungen, Fragen und Antworten, Diskussionen, Feedback und Preise an
|
12:30 Uhr
|
Mittagessen, Networking und Pause
|
* Dieser Zeitplan kann ohne Vorankündigung geändert werden
Das MAJUG-Treffen findet im SAS-Büro, 1530 Wilson Blvd. (Suite 800), Arlington-Rosslyn, VA
Wir empfehlen Ihnen, persönlich teilzunehmen, um alle Vorteile des Meetings zu nutzen und von anderen JMP-Benutzern zu lernen. Wenn Sie nicht persönlich teilnehmen können, können Sie dies tun Registrieren über WebEx teilnehmen.
Bitte antworten Sie Joshua Klick unter klick.joshua@bls.gov bis Donnerstag, den 5. September, um 12:00 Uhr und geben Sie an, ob Sie persönlich teilnehmen oder WebEx nutzen möchten .Anweisungen zum Zugriff auf die WebEx-Sitzung werden an die WebEx-Registranten gesendet.
Bios
Ronald D. Snee , PhD, ist Gründer und Präsident von Snee Associates, LLC, einer Autorität für die Entwicklung und Implementierung von Verbesserungs- und Kostensenkungslösungen für eine Vielzahl von Unternehmensumgebungen. Er verfügt über eine nachgewiesene Erfolgsbilanz bei Prozess- und Organisationsverbesserungen in einer Vielzahl von Branchen, darunter Pharma, Biotechnologie, klinische Diagnostik und Telekommunikation. Ihm wird die Entwicklung der Systemstrategie für die Formulierungsentwicklung und die Leitung des Designs des ersten unternehmensweiten Curriculums für kontinuierliche Verbesserung für DuPont zugeschrieben. Er ist Mitautor von vier Büchern, hat mehr als 300 Artikel über Produkt- und Prozessverbesserung, Qualität, Management und Statistik veröffentlicht und erhielt zahlreiche Ehrungen und Auszeichnungen für seine Arbeit.
Er erhielt einen Bachelor-Abschluss in Mathematik vom Washington and Jefferson College und einen Master-Abschluss und PhD von der Rutgers University in angewandter und mathematischer Statistik. Er ist Fellow der American Statistical Association, der American Society of Quality (ASQ) und der American Association for the Advancement of Science. Seine Arbeit wurde mit 20 bedeutenden Preisen und Ehrungen gewürdigt, darunter dem Deming Lecture Award der ASA, den Shewhart- und Grant-Medaillen der ASQ, einem Akademiker der International Academy for Quality und Ehrenmitglied der ASQ.
Rob Lievense ist Senior Systems Engineer bei JMP. Er arbeitet mit Kunden der Bundesregierung zusammen und zeigt ihnen, wie sie mit JMP nützliche Informationen aus Daten extrahieren können. Er ist auch ein aktiver Professor für Statistik an der Grand Valley State University (GVSU) in Allendale, Michigan. Bevor er zu JMP kam, war Lievense Research Fellow of Global Statistics bei Perrigo, wo er eine Gruppe leitete, die den Verbraucher unterstützte die Gesundheit Pflegeforschungs- und Entwicklungsabteilung mit statistischer Analyse, Datenvisualisierung, fortschrittlicher Modellierung, datengesteuertem Quality by Design für Produkt Entwicklung und strukturierte experimentelle Designplanung. Lievense hat mehr als 20 Jahre Erfahrung in der Branche der angewandten Statistik und 10 Jahre Erfahrung mit JMP. Er hat auf wichtigen Konferenzen Vorträge gehalten, darunter auf dem JMP Discovery Summit, wo er Mitglied des Lenkungsausschusses war, und auf der Jahreskonferenz der American Association of Pharmaceutical Scientists. Lievense hat einen BS in Angewandter Statistik und einen MS in Biostatistik von der GVSU. Derzeit ist er Mitglied des Biostatistics Curriculum Development Committee für die GVSU und hat seine Six Sigma Black Belt-Zertifizierung.
Zusammenfassungen
Anwendung von Statistical Engineering auf Big-Data-Probleme
Mehrere Trends sind im Gange, die versprechen, Prozessverbesserungen und Problemlösungen auf die nächste Stufe zu heben; nämlich Big Data, Statistical Engineering und verbesserte statistische Software. Wenn diese Trends mit Lean Six Sigma kombiniert werden, kann die Wirkung analytischer Studien erheblich gesteigert werden. Führungskräfte und Leiter von Organisationen aller Art verlangen mehr von analytischen Studien und von denen, die an der Durchführung solcher Arbeiten beteiligt sind. Die Erhöhung der organisatorischen Auswirkungen führt in der Regel dazu, dass große, komplexe und unstrukturierte Probleme angegangen werden. Tatsächlich ist jedes Big-Data-Problem groß, komplex und unstrukturiert. Wir erhöhen die Wirkung von Lean Six Sigma-Verbesserungsinitiativen, wenn die angesprochenen Probleme unternehmenskritische Themen sind; Probleme, die typischerweise groß, komplex und unstrukturiert sind. Statistical Engineering ist in einzigartiger Weise geeignet, um große Probleme erfolgreich zu lösen. Diese Präsentation konzentriert sich auf Methoden, einschließlich Fallstudien, die zeigen, wie diese Ansätze und Möglichkeiten integriert werden, um die Wirkung und den Erfolg datenbasierter Problemlösung und Prozessverbesserungsarbeit zu steigern.
Extrahieren wertvoller praktischer Informationen aus experimentellen Modellen, die für Quality by Design entwickelt wurden
JMP DOE-Modelle können dynamisch verwendet werden, um Stakeholdern zuverlässige Schätzungen der Qualitätsleistung für neue Produkte zu liefern. Das Design und die Ausführung strukturierter, multivariater Experimente ermöglichen es Wissenschaftlern und Ingenieuren, effizient einen robusten Designraum für die Herstellung pharmazeutischer und medizinischer Geräte zu definieren. Modelle, die über die DOE-Plattform in JMP erstellt wurden, werden verwendet, um Einstellungen der kritischen Prozessparameter (CPPs) zu bestimmen, die einen robusten Prozess zur Herstellung von Produkten gewährleisten, die die Anforderungen für kritische Qualitätsattribute (CQAs) erfüllen. Zulassungsanträge, die solche QbD-Elemente enthalten, zeigen, dass Risiken gemindert wurden; Mit Simulationen des Modells können jedoch viele praktische Informationen extrahiert werden. Diese Präsentation verwendet das experimentelle Modell mit historischen Informationen und Fachwissen, um die wahrscheinliche Betriebsleistung eines Produkts zu prognostizieren. Der DOE-Modellvorhersage-Profiler wird mit dem Simulator verwendet, um dynamisch eine Population zukünftiger Ergebnisse vorherzusagen, wobei Muster von Variationen in der realen Welt in den Eingaben enthalten sind. Diese dynamische Modellierung ist ein hervorragendes Werkzeug zum Festlegen von Fertigungskartengrenzen, die einen Fertigungskontrollraum bestimmen, der mit Schätzungen der prozentualen Fehler definiert ist. Die Analysen ermöglichen die Einbeziehung der Messunsicherheit als zusätzlichen Rauschfaktor für die Antwort.
Grüße,
Anbei ist eine Niederschrift des Vortrags, den ich halten werde.
Grüße,
Rob Lievense, Sr. Systemingenieur, Bundesteam
rob.lievense@jmp.com
Grüße,
Ich habe den Datensatz beigefügt, den ich für den Vortrag verwende. Es wird großartig sein, die Mitglieder der Benutzergruppe zu treffen und einige der großartigen Funktionen zu zeigen, die in JMP verfügbar sind.
Schöne Grüße,
Rob Lievense. JMP Sr. Systemingenieur. Bundesmannschaft
rob.lievense@jmp.com
