Niveau: Mittelstufe
【Moderator】
Akira Hososhima, CEO, Torin Consulting
[Präsentationsübersicht]
Angesichts der Forderungen nach einer Reform des Arbeitsstils wird es heutzutage immer wichtiger, die Effizienz von Experimenten und Analysen zu verbessern. Eine gute Möglichkeit, die Leistungsfähigkeit der experimentellen Effizienz von JMP zu demonstrieren, besteht darin, zu zeigen, wie experimentelle Daten durch ein definitives Screening-Design (DSD) oder ein kundenspezifisches Design ersetzt werden können, um die Anzahl der Experimente deutlich zu reduzieren. Die Antwortdaten zu diesem Zeitpunkt werden aus den vorhandenen experimentellen Daten übernommen. Wenn ich experimentelle Daten finde, die in mehrere Tabellen unterteilt sind, fasse ich sie in einer Tabelle zusammen, führe eine multivariate Analyse durch, visualisiere sie mit einem Profil und bemerke die Fallstricke der OFAT-Methode (One Factor at a Time). Wir zeigen, dass es für die Idee, wiederholte experimentelle Daten durch Mittelung zu analysieren, multiobjektive Optimierungs- und robuste Optimierungsmethoden gibt, die auf Akkumulationsverarbeitung, Mittelwert und Varianz basieren.
Wenn die Versuchsplanung in der Entwicklung zum Einsatz kommt, ist das Vorhandensein von Wechselwirkungen oft unvorhersehbar und Wechselwirkungen sind keine Seltenheit. Bei DSD gibt es keine Verwechslungen zwischen Haupteffekten und Wechselwirkungen (2FI) und keine Verwechslungen zwischen 2FIs, und die Anzahl der Experimente kann bis zu doppelt so gering sein wie die Anzahl der Faktoren. Das ist ein großer Vorteil. Was ich aus der tatsächlichen Verwendung von DSD gelernt habe, Fehler, die auftreten, wenn die Anzahl der Haupteffekte + Anzahl der Interaktionsterme sich der Anzahl der Faktoren nähert, Lösungen durch erweiterte Planung und praktisch wichtige Dokumente im Zusammenhang mit DSD, die von der JMP-Community und ASQ Report erhalten wurden denken usw.
[Präsentatorprofil]
Bei Yamatake Honeywell (derzeit Azbil) bekleidete er Positionen wie General Manager der FA-Entwicklungsabteilung, Executive Director des F&E-Hauptquartiers, Direktor und General Manager des Quality Assurance Promotion Headquarters, Berater von Azbil Kinmon und gründete Tobayashi Consulting. Zu den Spezialgebieten gehören Ertragsverbesserung und Qualitätsverbesserung durch Produktionsdatenanalyse, allgemeine statistische Problemlösung wie Marktversagensvorhersage, robustes Design, Optimierungsdesign und experimentelle Planung, Designüberprüfung, Ursachenanalyse (RCA) und Prävention menschlicher Fehler -Beratung vor Ort wie Prävention und Prozessverbesserung. Zu seinen Veröffentlichungen gehören The Essence of Net Business, herausgegeben von JUSE 2001 (Mitautor) [Ausgezeichnet mit dem Telecom Social Science Award], Successful Strategies for Practical Venture Companies, Chuokeizai-sha 2011 (Mitautor), Book on Easy-to- Problemlösung verstehen. Nikkan Kogyo Shimbun 2014 (Einzelautor). Der Hauptbeitrag lautet „Vorschlag für einen Workshop, der die Übertragung und Rezeption des Bewusstseins für Beinaheunfälle und Unannehmlichkeiten an der Produktionslinie fördert“ Quality Control Society 2016 [Erhielt den Quality Technology Award 2016]. Hauptvorlesung „Vorschlag eines Mechanismus zur Visualisierung organisatorischer Faktoren, die zu Arbeitsfehlern führen und Verbesserungen fördern“ (Discovery-Japan 2018)
„Qualitätsprobleme mit JMP lösen – Fehleranalyse und Zuverlässigkeitsvorhersage in der Fertigungsindustrie“ (Discovery-Japan 2019)
