中大西洋 JMP® 用戶組 (MAJUG) 秋季會議
地點： SAS 辦公室，威爾遜大道 1530 號。 800 套房，阿靈頓-羅斯林，弗吉尼亞州
2019 年 9 月 12 日星期四上午 8:45 - 下午 12:30
下面列出了 Rob Lievense 和 Ronald Snee 的摘要和傳記。
議程*：
上午 8 點 45 分
|
註冊/登錄
|
上午 9:00-9:10
|
歡迎和介紹（梅爾亞歷山大/喬什克里克）
|
上午 9:10-10:00
|
將統計工程應用於大數據問題(羅納德·D·斯尼,斯尼聯合有限責任公司)
|
上午 10:00-10:15
|
休息
|
上午 10:15-10:50
|
從為質量源於設計而創建的實驗模型中提取有價值的實用信息（Rob Lievense，高級系統工程師，JMP）
|
上午 10:50-11:00
|
休息
|
上午 11:00 -下午 12:00
|
JMP® 演示文稿（待公佈）
|
下午 12:00-12:15
|
回顧 SESUG、探索峰會、即將舉行的活動、問答、討論、反饋和獎品
|
下午 12:30
|
午餐、社交和休會
|
* 此時間表如有更改，恕不另行通知
MAJUG 會議將在威爾遜大道 1530 號的 SAS 辦公室舉行。 (Suite 800)，阿靈頓-羅斯林，弗吉尼亞州
我們鼓勵您親自參加，以充分利用會議並向其他 JMP 用戶學習。 如果您無法親自參加，您可以登記使用 WebEx 參加。
請在 9 月 5 日星期四下午 12:00 之前通過 klick.joshua@bls.gov 回复 Joshua Klick，說明您是計劃親自參加還是使用 WebEx .如何訪問 WebEx 會話的說明將發送給 WebEx 註冊人。
BIOS
羅納德·D·斯尼, 博士，是 Snee Associates, LLC 的創始人兼總裁，該公司是為各種組織環境設計和實施改進和降低成本解決方案的權威。 他在製藥、生物技術、臨床診斷和電信等多個行業的流程和組織改進方面擁有良好的業績記錄。 他因制定配方開發系統戰略和領導杜邦公司首個全公司持續改進課程的設計而受到讚譽。 他與人合著了四本書，發表了 300 多篇關於產品和過程改進、質量、管理和統計的文章，並因其工作獲得了無數榮譽和獎項。
他在華盛頓和杰斐遜學院獲得數學學士學位，在羅格斯大學獲得應用和數理統計碩士學位和博士學位。 他是美國統計協會、美國質量協會 (ASQ) 和美國科學促進會的會員。 他的工作獲得了 20 項主要獎項和榮譽，包括 ASA 的戴明講座獎、ASQ 的 Shewhart 和格蘭特獎章、國際質量學院院士和 ASQ 的榮譽會員。
羅伯·利文斯是 JMP 的高級系統工程師。 他與聯邦政府客戶合作，向他們展示如何利用 JMP 從數據中提取有用信息。 他還是位於密歇根州艾倫代爾的大谷州立大學 (GVSU) 的活躍統計教授。 在加入 JMP 之前，Lievense 曾在 Perrigo 擔任全球統計研究員，領導一個支持消費者的團隊健康具有統計分析、數據可視化、高級建模、日期驅動的質量源於設計的護理研發部門產品開發和結構化的實驗設計規劃。 Lievense 擁有 20 多個年擁有應用統計行業經驗和 10 年使用 JMP 的經驗。 他曾在包括 JMP 發現峰會在內的主要會議上發表演講，並在該峰會上擔任指導委員會成員，以及美國藥物科學家協會的年度會議。 Lievense 擁有 GVSU 的應用統計學學士學位和生物統計學碩士學位。 他目前是 GVSU 生物統計學課程開發委員會的成員，並獲得了六西格碼黑帶認證。
摘要
將統計工程應用於大數據問題
一些趨勢正在形成，有望將流程改進和問題解決提升到一個新的水平；即大數據、統計工程和改進的統計軟件。 當這些趨勢與精益六西格碼相結合時，分析研究的影響可以顯著增加。 各類組織的高管和領導者都要求進行更多的分析研究以及從事此類工作的人員。 增加組織影響力通常會導致解決大型、複雜的非結構化問題。 事實上，任何大數據問題都是龐大、複雜且非結構化的。 當解決的問題是關鍵任務問題時，我們會增加精益六西格碼改進計劃的影響；通常是大型、複雜和非結構化的問題。 統計工程特別適合成功解決重大問題。 本演講側重於方法論，包括案例研究，這些案例研究展示瞭如何整合這些方法和機會，以增加基於數據的問題解決和流程改進工作的影響和成功。
從為質量源於設計而創建的實驗模型中提取有價值的實用信息
JMP DOE 模型可用於動態地為利益相關者提供對新產品質量績效的可靠估計。 結構化、多變量實驗的設計和執行使科學家和工程師能夠有效地為製藥和醫療設備製造定義穩健的設計空間。 通過 JMP 中的 DOE 平台創建的模型用於確定關鍵過程參數 (CPP) 的設置，以確保製造滿足關鍵質量屬性 (CQA) 要求的產品的穩健過程。 包含此類 QbD 要素的監管提交表明風險已得到緩解；但是，通過模型的模擬可以提取大量實際信息。 本演示利用具有歷史信息和主題專業知識的實驗模型來預測產品可能的操作性能。 DOE 模型預測分析器與模擬器一起使用，以動態預測未來結果的總體，其中輸入中包含真實世界的變化模式。 這種動態建模是一個很好的工具，用於設置製造卡限制，確定製造控制空間，並用缺陷百分比的估計來定義製造控制空間。 分析允許包含測量不確定性作為響應的附加噪聲因子。
問候，
我附上了我用於演講的數據集。 很高興見到用戶組的成員並展示 JMP 中可用的一些強大功能。
最好的祝愿，
羅布·利文斯。 JMP 高級系統工程師。 聯邦團隊
rob.lievense@jmp.com
