Nivel: intermedio
【Presentador】
Akira Hososhima, representante de Tobayashi Consulting
[Resumen del anuncio]
Hoy en día, cuando se requiere una reforma del estilo de trabajo, aumenta la importancia de mejorar la eficiencia de los experimentos y análisis. Para mostrar el poder de JMP para mejorar la eficiencia de los experimentos, es bueno mostrar que el número de experimentos se puede reducir significativamente reemplazando los datos experimentales con un plan de detección definitivo (DSD) o un plan personalizado. Los datos de respuesta en ese momento se obtienen de los datos experimentales existentes. Cuando encuentre datos experimentales divididos en varias tablas, realice análisis multivariados en una tabla, visualícelos con un perfil y observe los errores del método OFAT (One Factor at a Time). obtener. Para la idea de analizar datos experimentales repetidos en promedio, se muestra que existen métodos de optimización multipropósito y optimización robusta mediante procesamiento de apilamiento y promediado / dispersión.
Cuando se utilizan métodos de planificación experimental en el sitio de desarrollo, la existencia de interacciones es a menudo impredecible y las interacciones no son infrecuentes. DSD no tiene enredos de efecto principal e interacción (2FI) o entrelazamiento entre 2FI, y el número de experimentos es tan pequeño como aproximadamente el doble del número de factores. Ésta es una gran ventaja. Lo que encontré al usar DSD, la falla que ocurre cuando la cantidad de efectos principales + la cantidad de términos de interacción se acerca a la cantidad de factores, la solución por plan de expansión y lo prácticamente importante en los documentos relacionados con DSD obtenidos de la comunidad JMP y ASQ. Informaré sobre lo que pienso.
[Perfil del presentador]
Estableció Tobayashi Consulting después de desempeñarse como Gerente de Desarrollo de FA, Director de la Sede de Investigación y Desarrollo, Director de la Sede de Promoción de Garantía de Calidad y Consejero de Asville Kinmon en Yamatake Honeywell (actualmente Azbil). Las áreas especializadas son la mejora del rendimiento y la mejora de la calidad mediante el análisis de datos de producción, resolución de problemas estadísticos generales como predicción de defectos de mercado, diseño robusto, diseño optimizado, planificación experimental, revisión de diseño, método de análisis de causa raíz (RCA), error humano Orientación in situ, como prevención y mejora de procesos. Sus libros son "The Essence of Internet Business" Nikkagiren Publishing 2001 (coautor) [Ganador del premio Telecom Social Science Award], "Success Strategy of Practical Venture Companies" Chuo Keizaisha 2011 (coautor), "Understanding" Problem Solving "Book" Nikkan Kogyo Shimbun 2014 (obra única). La ponencia principal es "Propuesta de taller para promover la difusión y aceptación de la conciencia de la hilaridad y el malestar de la línea de producción" Quality Management Society 2016 [Recibió el Premio Tecnología de Calidad 2016]. Conferencia principal "Propuesta de un mecanismo para visualizar factores organizacionales que inducen errores laborales y promueven la mejora" (Discovery-Japan 2018)
"Resolver problemas de calidad con JMP-Análisis defectuoso y predicción de confiabilidad en la industria manufacturera-" (Discovery-Japan 2019)
