Réunion d'automne du Mid-Atlantic JMP® Users Group (MAJUG)
Emplacement : Bureau SAS, 1530 Wilson Blvd. Suite 800, Arlington-Rosslyn, Virginie
Jeudi 12 septembre 2019 de 8h45 à 12h30
Les résumés et les biographies de Rob Lievense et Ronald Snee sont énumérés ci-dessous.
ORDRE DU JOUR*:
8h45
|
Inscription Se connecter
|
9h00-9h10
|
Bienvenue et Présentation (Mel Alexander/Josh Klick)
|
9h10-10h00
|
Application de l'ingénierie statistique aux problèmes de Big Data ( Ronald D. Snee , Snee Associates LLC )
|
10h00-10h15
|
Casser
|
10h15-10h50
|
Extraction d'informations pratiques précieuses à partir de modèles expérimentaux créés pour la qualité dès la conception (Rob Lievense, ingénieur système principal, JMP)
|
10h50-11h00
|
Casser
|
11h00 - 12h00
|
Présentation JMP® (à venir)
|
12h00-12h15
|
Passez en revue le SESUG, le sommet de la découverte, les événements à venir, les questions-réponses, les discussions, les commentaires et les prix
|
12h30
|
Déjeuner, réseautage et ajournement
|
*Cet horaire est sujet à changement sans préavis
La réunion MAJUG aura lieu au bureau SAS, 1530 Wilson Blvd. (Suite 800), Arlington-Rosslyn, Virginie
Nous vous encourageons à y assister en personne pour profiter pleinement de la réunion et apprendre des autres utilisateurs JMP. Si vous ne pouvez pas vous présenter en personne, vous pouvez S'inscrire participer à l'aide de WebEx.
Veuillez répondre à Joshua Klick à klick.joshua@bls.gov avant midi le jeudi 5 septembre en indiquant si vous prévoyez d'assister en personne ou en utilisant WebEx .Des instructions pour accéder à la session WebEx seront envoyées aux inscrits WebEx.
Biographies
Ronald D.Snee , PhD, est fondateur et président de Snee Associates, LLC, une autorité en matière de conception et de mise en œuvre de solutions d'amélioration et de réduction des coûts pour une variété d'environnements organisationnels. Il a fait ses preuves dans l'amélioration des processus et de l'organisation dans une variété d'industries, y compris la pharmaceutique, la biotechnologie, les diagnostics cliniques et les télécommunications. Il est reconnu pour avoir développé la stratégie du système de développement de formulation et dirigé la conception du premier programme d'amélioration continue à l'échelle de l'entreprise pour DuPont. Il est coauteur de quatre livres, a publié plus de 300 articles sur l'amélioration des produits et des processus, la qualité, la gestion et les statistiques, et a reçu de nombreuses distinctions et récompenses pour son travail.
Il a obtenu un baccalauréat en mathématiques du Washington and Jefferson College et une maîtrise et un doctorat de l'Université Rutgers en statistiques appliquées et mathématiques. Il est membre de l'American Statistical Association, de l'American Society of Quality (ASQ) et de l'American Association for the Advancement of Science. Son travail a été récompensé par 20 prix et distinctions majeurs, dont le Deming Lecture Award de l'ASA, les médailles Shewhart et Grant de l'ASQ, un académicien de l'Académie internationale pour la qualité et un membre honoraire de l'ASQ.
Rob Lievense est ingénieur système senior chez JMP. Il travaille avec des clients du gouvernement fédéral en leur montrant comment utiliser JMP pour extraire des informations utiles à partir de données. Il est également professeur actif de statistiques à la Grand Valley State University (GVSU), située à Allendale, dans le Michigan. Avant de rejoindre JMP, Lievense a été chargé de recherche en statistiques mondiales chez Perrigo, où il a dirigé un groupe qui soutenait le consommateur santé département de recherche et développement de soins avec analyse statistique, visualisation de données, modélisation avancée, Quality by Design basé sur la date pour produit développement et planification de conception expérimentale structurée. Lievense compte plus de 20 années d'expérience dans l'industrie des statistiques appliquées et 10 ans d'expérience avec JMP. Il a fait des présentations lors de conférences majeures, notamment le JMP Discovery Summit, où il a siégé au comité directeur, et la conférence annuelle de l'American Association of Pharmaceutical Scientists. Lievense est titulaire d'un BS en statistiques appliquées et d'un MS en biostatistique de GVSU. Il est actuellement membre du comité de développement du programme de biostatistique pour GVSU et a sa certification Six Sigma Black Belt.
Résumés
Application de l'ingénierie statistique aux problèmes de Big Data
Plusieurs tendances sont en cours qui promettent de faire passer l'amélioration des processus et la résolution de problèmes à un niveau supérieur ; à savoir, Big Data, ingénierie statistique et logiciels statistiques améliorés. Lorsque ces tendances sont combinées avec Lean Six Sigma, l'impact des études analytiques peut être considérablement augmenté. Les cadres et dirigeants d'organisations de tous types en demandent davantage aux études analytiques et à ceux qui sont engagés dans la conduite de tels travaux. L'augmentation de l'impact organisationnel se traduit généralement par la résolution de problèmes complexes non structurés. En effet tout problème de Big Data est vaste, complexe et non structuré. Nous augmentons l'impact des initiatives d'amélioration Lean Six Sigma lorsque les problèmes abordés sont des problèmes critiques pour la mission ; des problèmes généralement importants, complexes et non structurés. L'ingénierie statistique est particulièrement adaptée pour résoudre avec succès des problèmes majeurs. Cette présentation se concentre sur les méthodologies, y compris des études de cas qui montrent comment ces approches et opportunités sont intégrées pour augmenter l'impact et le succès des travaux de résolution de problèmes et d'amélioration des processus basés sur les données.
Extraction d'informations pratiques précieuses à partir de modèles expérimentaux créés pour la qualité dès la conception
Les modèles JMP DOE peuvent être utilisés de manière dynamique pour fournir aux parties prenantes des estimations fiables des performances de qualité des nouveaux produits. La conception et l'exécution d'expériences multivariées structurées permettent aux scientifiques et aux ingénieurs de définir efficacement un espace de conception robuste pour la fabrication de dispositifs pharmaceutiques et médicaux. Les modèles créés via la plate-forme DOE dans JMP sont utilisés pour déterminer les paramètres des paramètres de processus critiques (CPP) qui garantissent un processus robuste pour fabriquer des produits qui répondent aux exigences des attributs de qualité critiques (CQA). Les soumissions réglementaires qui incluent de tels éléments QbD démontrent que les risques ont été atténués ; cependant, de nombreuses informations pratiques peuvent être extraites des simulations du modèle. Cette présentation utilise le modèle expérimental avec des informations historiques et une expertise en la matière pour projeter les performances opérationnelles probables d'un produit. Le profileur de prédiction du modèle DOE est utilisé avec le simulateur pour prédire dynamiquement une population de résultats futurs avec des modèles de variation du monde réel inclus dans les entrées. Cette modélisation dynamique est un excellent outil pour fixer les limites de la carte de fabrication en déterminant un espace de contrôle de fabrication défini avec des estimations des pourcentages de défauts. Les analyses permettent d'inclure l'incertitude de mesure en tant que facteur de bruit supplémentaire pour la réponse.
Salutations,
Vous trouverez ci-joint un résumé de la conférence que je présenterai.
Salutations,
Rob Lievense, ingénieur principal des systèmes, équipe fédérale
rob.lievense@jmp.com
Salutations,
J'ai joint l'ensemble de données que j'utilise pour la conférence. Ce sera formidable de rencontrer les membres du groupe d'utilisateurs et de leur montrer certaines des fonctionnalités exceptionnelles disponibles dans JMP.
Meilleurs vœux,
Rob Lievense. Ingénieur principal des systèmes JMP. Équipe fédérale
rob.lievense@jmp.com
