Niveau: intermédiaire
【Présentateur】
Akira Hososhima, représentant, Tobayashi Consulting
[Résumé de l'annonce]
De nos jours, lorsque la réforme du style de travail est nécessaire, il est de plus en plus important d'améliorer l'efficacité des expériences et des analyses. Pour montrer la puissance du JMP pour améliorer l'efficacité des expériences, il est bon de montrer que le nombre d'expériences peut être considérablement réduit en remplaçant les données expérimentales par un plan de criblage définitif (DSD) ou un plan personnalisé. Les données de réponse à ce moment-là sont extraites des données expérimentales existantes. Lorsque vous trouvez des données expérimentales divisées en plusieurs tables, effectuez une analyse multivariée dans une table, visualisez-la avec un profil et notez les pièges de la méthode OFAT (One Factor at a Time). avoir. Pour l'idée d'analyser en moyenne des données expérimentales répétées, nous montrons qu'il existe des méthodes d'optimisation polyvalente et d'optimisation robuste par traitement d'empilement et moyennage / dispersion.
Lors de l'utilisation de méthodes de planification expérimentale sur le site de développement, l'existence d'interactions est souvent imprévisible et les interactions ne sont pas rares. DSD n'a aucun enchevêtrement d'effet principal et d'interaction (2FI) ou enchevêtrement entre les 2FI, et le nombre d'expériences est aussi petit qu'environ deux fois le nombre de facteurs. C'est un gros avantage. Ce que j'ai trouvé en utilisant DSD, l'échec qui se produit lorsque le nombre d'effets principaux + le nombre de termes d'interaction se rapproche du nombre de facteurs, la solution par plan d'expansion et le pratiquement important dans les articles liés au DSD obtenus de la communauté JMP et de l'ASQ Je vais rendre compte de ce que je pense.
[Profil du présentateur]
Création de Tobayashi Consulting après avoir été directeur du développement FA, directeur du siège de la recherche et du développement, directeur du siège de la promotion de l'assurance qualité et conseiller Asville Kinmon chez Yamatake Honeywell (actuellement Azbil). Les domaines spécialisés sont l'amélioration du rendement et l'amélioration de la qualité par l'analyse des données de production, la résolution de problèmes statistiques généraux tels que la prédiction des défauts de marché, la conception robuste, la conception optimisée, la planification expérimentale, la revue de la conception, la méthode d'analyse des causes profondes (RCA), l'erreur humaine Conseils sur site tels que la prévention et l'amélioration des processus. Ses livres sont "The Essence of Internet Business" Nikkagiren Publishing 2001 (co-auteur) [Gagnant du prix Telecom Social Science], "Success Strategy of Practical Venture Companies" Chuo Keizaisha 2011 (co-auteur), "Understanding" Problem Solving "Book" Nikkan Kogyo Shimbun 2014 (œuvre unique). Le document principal est "Proposition d'un atelier pour promouvoir la diffusion et l'acceptation de la prise de conscience de l'hilarité et de l'inconfort de la chaîne de production" Quality Management Society 2016 [A reçu le Prix de la technologie de la qualité 2016]. Conférence principale "Proposition d'un mécanisme pour visualiser les facteurs organisationnels qui induisent des erreurs de travail et favorisent l'amélioration" (Discovery-Japan 2018)
"Résolution des problèmes de qualité avec JMP - Analyse défectueuse et prédiction de fiabilité dans l'industrie manufacturière-" (Discovery-Japan 2019)
