中大西洋 JMP® 用户组 (MAJUG) 秋季会议
地点： SAS 办公室，威尔逊大道 1530 号。 800 套房，阿灵顿-罗斯林，弗吉尼亚州
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 的摘要和传记。
议程*：
上午 8 点 45 分
|
注册/登录
|
上午 9:00-9:10
|
欢迎和介绍（梅尔亚历山大/乔什克里克）
|
上午 9:10-10:00
|
将统计工程应用于大数据问题(罗纳德·D·斯尼,斯尼联合有限责任公司)
|
上午 10:00-10:15
|
休息
|
上午 10:15-10:50
|
从为质量源于设计而创建的实验模型中提取有价值的实用信息（Rob Lievense，高级系统工程师，JMP）
|
上午 10:50-11:00
|
休息
|
上午 11:00 -下午 12:00
|
JMP® 演示文稿（待公布）
|
下午 12:00-12:15
|
回顾 SESUG、探索峰会、即将举行的活动、问答、讨论、反馈和奖品
|
下午 12:30
|
午餐、社交和休会
|
* 此时间表如有更改，恕不另行通知
MAJUG 会议将在威尔逊大道 1530 号的 SAS 办公室举行。 (Suite 800)，阿灵顿-罗斯林，弗吉尼亚州
我们鼓励您亲自参加，以充分利用会议并向其他 JMP 用户学习。 如果您无法亲自参加，您可以登记使用 WebEx 参加。
请在 9 月 5 日星期四下午 12:00 之前通过 klick.joshua@bls.gov 回复 Joshua Klick，说明您是计划亲自参加还是使用 WebEx .如何访问 WebEx 会话的说明将发送给 WebEx 注册人。
BIOS
罗纳德·D·斯尼, 博士，是 Snee Associates, LLC 的创始人兼总裁，该公司是为各种组织环境设计和实施改进和降低成本解决方案的权威。 他在制药、生物技术、临床诊断和电信等多个行业的流程和组织改进方面拥有良好的业绩记录。 他因制定配方开发系统战略和领导杜邦公司首个全公司持续改进课程的设计而受到赞誉。 他与人合着了四本书，发表了 300 多篇关于产品和过程改进、质量、管理和统计的文章，并因其工作获得了无数荣誉和奖项。
他在华盛顿和杰斐逊学院获得数学学士学位，在罗格斯大学获得应用和数理统计硕士学位和博士学位。 他是美国统计协会、美国质量协会 (ASQ) 和美国科学促进会的会员。 他的工作获得了 20 项主要奖项和荣誉，包括 ASA 的戴明讲座奖、ASQ 的 Shewhart 和格兰特奖章、国际质量学院院士和 ASQ 的荣誉会员。
罗伯·利文斯是 JMP 的高级系统工程师。 他与联邦政府客户合作，向他们展示如何利用 JMP 从数据中提取有用信息。 他还是位于密歇根州艾伦代尔的大谷州立大学 (GVSU) 的活跃统计教授。 在加入 JMP 之前，Lievense 曾在 Perrigo 担任全球统计研究员，领导一个支持消费者的团队健康具有统计分析、数据可视化、高级建模、日期驱动的质量源于设计的护理研发部门产品开发和结构化的实验设计规划。 Lievense 拥有 20 多个年拥有应用统计行业经验和 10 年使用 JMP 的经验。 他曾在包括 JMP 发现峰会在内的主要会议上发表演讲，并在该峰会上担任指导委员会成员，以及美国药物科学家协会的年度会议。 Lievense 拥有 GVSU 的应用统计学学士学位和生物统计学硕士学位。 他目前是 GVSU 生物统计学课程开发委员会的成员，并获得了六西格码黑带认证。
摘要
将统计工程应用于大数据问题
一些趋势正在形成，有望将流程改进和问题解决提升到一个新的水平；即大数据、统计工程和改进的统计软件。 当这些趋势与精益六西格码相结合时，分析研究的影响可以显着增加。 各类组织的高管和领导者都要求进行更多的分析研究以及从事此类工作的人员。 增加组织影响力通常会导致解决大型、复杂的非结构化问题。 事实上，任何大数据问题都是庞大、复杂且非结构化的。 当解决的问题是关键任务问题时，我们会增加精益六西格码改进计划的影响；通常是大型、复杂和非结构化的问题。 统计工程特别适合成功解决重大问题。 本演讲侧重于方法论，包括案例研究，这些案例研究展示了如何整合这些方法和机会，以增加基于数据的问题解决和流程改进工作的影响和成功。
从为质量源于设计而创建的实验模型中提取有价值的实用信息
JMP DOE 模型可用于动态地为利益相关者提供对新产品质量绩效的可靠估计。 结构化、多变量实验的设计和执行使科学家和工程师能够有效地为制药和医疗设备制造定义稳健的设计空间。 通过 JMP 中的 DOE 平台创建的模型用于确定关键过程参数 (CPP) 的设置，以确保制造满足关键质量属性 (CQA) 要求的产品的稳健过程。 包含此类 QbD 要素的监管提交表明风险已得到缓解；但是，通过模型的模拟可以提取大量实际信息。 本演示利用具有历史信息和主题专业知识的实验模型来预测产品可能的操作性能。 DOE 模型预测分析器与模拟器一起使用，以动态预测未来结果的总体，其中输入中包含真实世界的变化模式。 这种动态建模是一个很好的工具，用于设置制造卡限制，确定制造控制空间，并用缺陷百分比的估计来定义制造控制空间。 分析允许包含测量不确定性作为响应的附加噪声因子。
问候，
我附上了我用于演讲的数据集。 很高兴见到用户组的成员并展示 JMP 中可用的一些强大功能。
最好的祝愿，
罗布·利文斯。 JMP 高级系统工程师。 联邦团队
rob.lievense@jmp.com
