Niveau : Intermédiaire
【Présentateur】
Akira Hososhima, PDG, Torin Consulting
[Aperçu de la présentation]
De nos jours, avec les appels à la réforme du style de travail, l'importance d'améliorer l'efficacité des expériences et des analyses augmente. Un bon moyen de démontrer la puissance de l'efficacité expérimentale de JMP consiste à montrer comment les données expérimentales peuvent être remplacées par une conception de dépistage définitive (DSD) ou une conception personnalisée afin de réduire considérablement le nombre d'expériences. Les données de réponse à ce moment-là sont extraites des données expérimentales existantes. Lorsque je trouve des données expérimentales divisées en plusieurs tableaux, je les rassemble dans un seul tableau, effectue une analyse multivariée, la visualise avec un profil, et remarque les pièges de la méthode OFAT (One Factor at a Time). Nous montrons qu'il existe des méthodes d'optimisation multi-objectifs et d'optimisation robuste basées sur des traitements d'accumulation, moyenne et variance, pour l'idée d'analyser des données expérimentales répétées par moyennage.
Lorsque la conception d'expériences est utilisée dans le développement, l'existence d'interactions est souvent imprévisible et les interactions ne sont pas rares. DSD n'a pas de confusion entre les effets principaux et les interactions (2FI) et aucune confusion entre les 2FI, et le nombre d'expériences peut être aussi petit que le double du nombre de facteurs. C'est un gros avantage. Ce que j'ai appris de l'utilisation réelle de DSD, les échecs qui se produisent lorsque le nombre d'effets principaux + le nombre de termes d'interaction approchent le nombre de facteurs, les solutions par planification étendue et les documents pratiquement importants liés à DSD obtenus de la communauté JMP et de l'ASQ Rapportez ce que vous pense, etc...
[Profil du présentateur]
Chez Yamatake Honeywell (actuellement Azbil), il a occupé des postes tels que directeur général du département de développement FA, directeur exécutif du siège R&D, directeur et directeur général du siège de la promotion de l'assurance qualité, conseiller d'Azbil Kinmon et a créé Tobayashi Consulting. Les domaines de spécialisation comprennent l'amélioration du rendement et de la qualité grâce à l'analyse des données de production, la résolution de problèmes statistiques généraux tels que la prédiction des défaillances du marché, la conception robuste, la conception d'optimisation et la planification expérimentale, l'examen de la conception, l'analyse des causes profondes (RCA) et la prévention des erreurs humaines. -l'accompagnement du site tel que la prévention et l'amélioration des processus. Ses publications incluent The Essence of Net Business, publié par JUSE 2001 (co-auteur) [Received the Telecom Social Science Award], Successful Strategies for Practical Venture Companies, Chuokeizai-sha 2011 (co-auteur), Book on Easy-to- Comprendre la résolution de problèmes Nikkan Kogyo Shimbun 2014 (auteur unique). L'article principal est "Proposition d'un atelier qui favorise la transmission et la réception de la prise de conscience des quasi-accidents et de l'inconfort sur la chaîne de production" Quality Control Society 2016 [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)
"Résoudre les problèmes de qualité avec JMP - Analyse des défauts et prédiction de la fiabilité dans l'industrie manufacturière" (Discovery-Japan 2019)
