Riunione autunnale del gruppo di utenti JMP® del Medio Atlantico (MAJUG).
Ubicazione: Ufficio SAS, 1530 Wilson Blvd. Suite 800, Arlington-Rosslyn, Virginia
Giovedì 12 settembre 2019 dalle 8:45 alle 12:30
Di seguito sono elencati gli abstract e le biografie di Rob Lievense e Ronald Snee.
ORDINE DEL GIORNO*:
8:45
|
Registrazione/Accedi
|
9:00-9:10
|
Benvenuto e Introduzione (Mel Alexander/Josh Klick)
|
9:10-10:00
|
Applicare l'ingegneria statistica ai problemi dei big data ( Ronald D. Snee , Snee Associates LLC )
|
10:00-10:15
|
Rompere
|
10:15-10:50
|
Estrazione di preziose informazioni pratiche da modelli sperimentali creati per la qualità in base alla progettazione (Rob Lievense, Senior Systems Engineer, JMP)
|
10:50-11:00
|
Rompere
|
11:00 -12:00
|
Presentazione JMP® (da annunciare)
|
12:00-12:15
|
Rivedi SESUG, Discovery Summit, Prossimi eventi, Domande e risposte, Discussione, Feedback e Premi
|
12:30
|
Pranzo, networking e aggiornamento
|
* Questo programma è soggetto a modifiche senza preavviso
L'incontro MAJUG si terrà presso l'ufficio SAS, 1530 Wilson Blvd. (Suite 800), Arlington-Rosslyn, Virginia
Ti invitiamo a partecipare di persona per trarre il massimo vantaggio dalla riunione e imparare dagli altri utenti JMP. Se non puoi partecipare di persona, puoi Registrati per partecipare utilizzando WebEx.
Si prega di rispondere a Joshua Klick all'indirizzo klick.joshua@bls.gov entro le 12:00 di giovedì 5 settembre indicando se si prevede di partecipare di persona o utilizzare WebEx .Le istruzioni su come accedere alla sessione WebEx verranno inviate ai registranti WebEx.
Bios
Ronald D. Snee , PhD, è fondatore e presidente di Snee Associates, LLC, un'autorità nella progettazione e implementazione di soluzioni di miglioramento e riduzione dei costi per una varietà di ambienti organizzativi. Ha una comprovata esperienza nel miglioramento dei processi e dell'organizzazione in una varietà di settori, tra cui farmaceutico, biotecnologico, diagnostico clinico e telecomunicazioni. È accreditato di aver sviluppato la strategia del sistema di sviluppo della formulazione e di aver guidato la progettazione del primo curriculum di miglioramento continuo a livello aziendale per DuPont. È coautore di quattro libri, pubblicato più di 300 articoli sul miglioramento di prodotti e processi, qualità, gestione e statistiche e ha ricevuto numerosi riconoscimenti e premi per il suo lavoro.
Ha conseguito una laurea in matematica presso il Washington and Jefferson College e un master e un dottorato di ricerca presso la Rutgers University in statistica applicata e matematica. È membro dell'American Statistical Association, dell'American Society of Quality (ASQ) e dell'American Association for the Advancement of Science. Il suo lavoro è stato premiato con 20 importanti premi e riconoscimenti, tra cui il Deming Lecture Award di ASA, le medaglie Shewhart e Grant di ASQ, un accademico presso l'Accademia internazionale per la qualità e membro onorario di ASQ.
Rob Lievense è un Senior Systems Engineer presso JMP. Lavora con i clienti del governo federale mostrando loro come utilizzare JMP per estrarre informazioni utili dai dati. È anche professore attivo di statistica presso la Grand Valley State University (GVSU), con sede ad Allendale, nel Michigan. Prima di entrare a far parte di JMP, Lievense è stato Research Fellow di Global Statistics presso Perrigo, dove ha guidato un gruppo che ha supportato il consumatore Salute cura reparto di ricerca e sviluppo con analisi statistiche, visualizzazione dati, modellazione avanzata, data-driven Quality by Design for Prodotto sviluppo e progettazione strutturata del progetto sperimentale. Lievense ne ha più di 20 anni di esperienza nel settore della statistica applicata e 10 anni di esperienza nell'utilizzo di JMP. Ha presentato importanti conferenze tra cui il JMP Discovery Summit, dove ha fatto parte del comitato direttivo, e la conferenza annuale dell'American Association of Pharmaceutical Scientists. Lievense ha conseguito una laurea in statistica applicata e una laurea in biostatistica presso GVSU. Attualmente è membro del Comitato per lo sviluppo del curriculum di biostatistica per GVSU e ha la sua certificazione Six Sigma Black Belt.
Riassunti
Applicare l'ingegneria statistica ai problemi dei big data
Sono in corso diverse tendenze che promettono di portare il miglioramento dei processi e la risoluzione dei problemi a un livello superiore; vale a dire, Big Data, ingegneria statistica e software statistico migliorato. Quando queste tendenze sono combinate con Lean Six Sigma, l'impatto degli studi analitici può essere notevolmente aumentato. Dirigenti e leader di organizzazioni di ogni tipo chiedono di più agli studi analitici ea coloro che sono impegnati nella conduzione di tale lavoro. L'aumento dell'impatto organizzativo si traduce in genere nell'affrontare problemi non strutturati ampi e complessi. In effetti, qualsiasi problema relativo ai Big Data è grande, complesso e non strutturato. Aumentiamo l'impatto delle iniziative di miglioramento del Lean Six Sigma quando i problemi affrontati sono mission critical; problemi che sono tipicamente grandi, complessi e non strutturati. L'ingegneria statistica è particolarmente adatta per risolvere con successo problemi importanti. Questa presentazione si concentra su metodologie che includono casi di studio che mostrano come questi approcci e opportunità siano integrati per aumentare l'impatto e il successo della risoluzione dei problemi basata sui dati e del lavoro di miglioramento dei processi.
Estrazione di preziose informazioni pratiche da modelli sperimentali creati per la qualità in base alla progettazione
I modelli JMP DOE possono essere utilizzati in modo dinamico per fornire agli stakeholder stime affidabili delle prestazioni di qualità per i nuovi prodotti. La progettazione e l'esecuzione di esperimenti strutturati e multivariati consentono a scienziati e ingegneri di definire in modo efficiente uno spazio di progettazione solido per la produzione di dispositivi farmaceutici e medici. I modelli creati tramite la piattaforma DOE in JMP vengono utilizzati per determinare le impostazioni dei parametri di processo critici (CPP) che garantiscono un processo solido per realizzare prodotti che soddisfano i requisiti per gli attributi di qualità critici (CQA). Le comunicazioni normative che includono tali elementi QbD dimostrano che i rischi sono stati mitigati; tuttavia, molte informazioni pratiche possono essere estratte con simulazioni del modello. Questa presentazione utilizza il modello sperimentale con informazioni storiche e competenze in materia per proiettare le probabili prestazioni operative di un prodotto. Il profilatore di previsione del modello DOE viene utilizzato con il simulatore per prevedere dinamicamente una popolazione di risultati futuri con modelli di variazione del mondo reale inclusi negli input. Questa modellazione dinamica è un ottimo strumento per impostare i limiti delle schede di produzione determinando uno spazio di controllo di produzione definito con stime dei difetti percentuali. Le analisi consentono di includere l'incertezza di misura come fattore di rumore aggiuntivo per la risposta.
Saluti,
In allegato un resoconto del discorso che presenterò.
Saluti,
Rob Lievense, ingegnere di sistema senior, squadra federale
rob.lievense@jmp.com
Saluti,
Ho allegato il set di dati che sto usando per il discorso. Sarà fantastico incontrare i membri del gruppo di utenti e mostrare alcune delle fantastiche funzionalità disponibili in JMP.
Auguri,
Rob Lievense. JMP Sr. Ingegnere di sistema. Squadra Federale
rob.lievense@jmp.com
