Level: Mittelstufe
【Moderator】
Akira Hososhima, Vertreter, Tobayashi Consulting
[Ankündigung Zusammenfassung]
Wenn heutzutage eine Reform des Arbeitsstils erforderlich ist, steigt die Bedeutung der Verbesserung der Effizienz von Experimenten und Analysen. Um die Leistungsfähigkeit von JMP zur Verbesserung der Effizienz von Experimenten zu demonstrieren, ist es gut zu zeigen, dass die Anzahl der Experimente erheblich reduziert werden kann, indem die experimentellen Daten durch einen endgültigen Screening-Plan (DSD) oder einen benutzerdefinierten Plan ersetzt werden. Die Antwortdaten zu diesem Zeitpunkt werden aus den vorhandenen experimentellen Daten aufgenommen. Wenn Sie experimentelle Daten finden, die in mehrere Tabellen unterteilt sind, führen Sie eine multivariate Analyse in einer Tabelle durch, visualisieren Sie sie mit einem Profil und beachten Sie die Fallstricke der OFAT-Methode (One Factor at a Time). erhalten. Für die Idee, wiederholte experimentelle Daten im Durchschnitt zu analysieren, wird gezeigt, dass es Methoden zur Mehrzweckoptimierung und robusten Optimierung durch Stapelverarbeitung und Mittelwertbildung / Dispersion gibt.
Bei Verwendung experimenteller Planungsmethoden am Entwicklungsstandort ist das Vorhandensein von Wechselwirkungen häufig unvorhersehbar, und Wechselwirkungen sind keine Seltenheit. DSD hat keine Verflechtung von Haupteffekt und Wechselwirkung (2FI) oder Verschränkung zwischen 2FIs, und die Anzahl der Experimente ist so gering wie etwa die doppelte Anzahl von Faktoren. Das ist ein großer Vorteil. Was ich bei der Verwendung von DSD gefunden habe, ist der Fehler, der auftritt, wenn sich die Anzahl der Haupteffekte + die Anzahl der Interaktionsterme der Anzahl der Faktoren, der Lösung durch den Expansionsplan und den praktisch wichtigen DSD-bezogenen Veröffentlichungen der JMP-Community und von ASQ nähert Ich werde darüber berichten, was ich denke.
[Moderatorprofil]
Gründung von Tobayashi Consulting nach seiner Tätigkeit als FA-Entwicklungsmanager, Direktor für Forschung und Entwicklung, Direktor für Qualitätssicherung und Asville Kinmon-Berater bei Yamatake Honeywell (derzeit Azbil). Spezialgebiete sind Ertragsverbesserung und Qualitätsverbesserung durch Produktionsdatenanalyse, allgemeine statistische Problemlösung wie Marktdefektvorhersage, robustes Design, optimiertes Design, experimentelle Planung, Designüberprüfung, Methode zur Ursachenanalyse (RCA) und menschliches Versagen Vor-Ort-Anleitung wie Prävention und Prozessverbesserung. Seine Bücher sind "The Essence of Internet Business", Nikkagiren Publishing 2001 (Co-Autor) [Gewinner des Telecom Social Science Award], "Erfolgsstrategie praktischer Venture-Unternehmen", Chuo Keizaisha 2011 (Co-Autor), "Understanding" Problem Solving "Book" Nikkan Kogyo Shimbun 2014 (Einzelarbeit). Das Hauptpapier lautet "Vorschlag eines Workshops zur Förderung der Übertragung und Akzeptanz des Bewusstseins für die Krankheit und das Unbehagen der Produktionslinie". Quality Control Society 2016 [Erhielt den Quality Technology Award 2016]. Hauptvortrag "Vorschlag eines Mechanismus zur Visualisierung organisatorischer Faktoren, die zu Arbeitsfehlern führen und Verbesserungen fördern" (Discovery-Japan 2018)
"Lösung von Qualitätsproblemen mit JMP-Defektanalyse und Zuverlässigkeitsvorhersage in der Fertigungsindustrie" (Discovery-Japan 2019)
