Reunión de otoño del Grupo de usuarios de JMP® del Atlántico Medio (MAJUG)
Ubicación: Oficina de SAS, 1530 Wilson Blvd. Suite 800, Arlington-Rosslyn, Virginia
Jueves 12 de septiembre de 2019 de 8:45 am - 12:30 pm
A continuación se enumeran resúmenes y biografías de Rob Lievense y Ronald Snee.
AGENDA*:
|
8:45 am
|
Registro/Inicio de sesión
|
|
9:00-9:10 am
|
Bienvenida e introducción (Mel Alexander/Josh Klick)
|
|
9:10-10:00 am
|
Aplicación de la ingeniería estadística a problemas de Big Data ( Ronald D Snee , Snee Associates LLC )
|
|
10:00-10:15 am
|
Romper
|
|
10:15-10:50 am
|
Extracción de información práctica valiosa de modelos experimentales creados para la calidad por diseño (Rob Lievense, ingeniero sénior de sistemas, JMP)
|
|
10:50-11:00 am
|
Romper
|
|
11:00 a. m. - 12:00 p. m.
|
Presentación JMP® (Por anunciar)
|
|
12:00-12:15 p.m.
|
Revise SESUG, Discovery Summit, próximos eventos, preguntas y respuestas, debates, comentarios y premios
|
|
12:30 pm
|
Almuerzo, networking y clausura
|
* Esta programación está sujeta a cambios sin previo aviso
La reunión de MAJUG se llevará a cabo en la oficina de SAS, 1530 Wilson Blvd. (Suite 800), Arlington-Rosslyn, VA
Le recomendamos que asista en persona para aprovechar al máximo la reunión y aprender de otros usuarios de JMP. Si no puedes asistir personalmente, puedesRegistropara asistir usando WebEx.
Responda a Joshua Klick en klick.joshua@bls.gov antes de las 12:00 p. m. del jueves 5 de septiembre indicando si planea asistir en persona o mediante WebEx . Se enviarán instrucciones sobre cómo acceder a la sesión de WebEx a los inscritos en WebEx.
biografías
Ronald D. Snee , PhD, es fundador y presidente de Snee Associates, LLC, una autoridad en el diseño e implementación de soluciones de mejora y reducción de costos para una variedad de entornos organizacionales. Tiene una trayectoria comprobada en mejora organizativa y de procesos en una variedad de industrias, incluidas la farmacéutica, la biotecnología, el diagnóstico clínico y las telecomunicaciones. Se le atribuye el desarrollo de la estrategia del sistema de desarrollo de formulaciones y la dirección del diseño del primer plan de estudios de mejora continua para DuPont en toda la empresa. Es coautor de cuatro libros, publicó más de 300 artículos sobre mejora de productos y procesos, calidad, gestión y estadísticas, y recibió numerosos honores y premios por su trabajo.
Recibió una licenciatura en matemáticas de Washington and Jefferson College y una maestría y un doctorado de la Universidad de Rutgers en estadística matemática y aplicada. Es miembro de la Asociación Estadounidense de Estadística, la Sociedad Estadounidense de Calidad (ASQ) y la Asociación Estadounidense para el Avance de la Ciencia. Su trabajo ha sido reconocido con 20 importantes premios y honores, incluido el Deming Lecture Award de la ASA, las medallas Shewhart y Grant de la ASQ, un académico de la Academia Internacional para la Calidad y miembro honorario de la ASQ.
Rob Lievense es ingeniero sénior de sistemas en JMP. Trabaja con clientes del gobierno federal y les muestra cómo utilizar JMP para extraer información útil de los datos. También es profesor activo de estadística en Grand Valley State University (GVSU), ubicada en Allendale, Michigan. Antes de unirse a JMP, Lievense se desempeñó como investigador de estadísticas globales en Perrigo, donde dirigió un grupo que apoyaba al departamento de investigación y desarrollo de atención médica del consumidor con análisis estadístico, visualización de datos, modelado avanzado, calidad por diseño basada en fechas para el desarrollo de productos y Planificación estructurada del diseño experimental. Lievense tiene más de 20 años de experiencia en la industria de la estadística aplicada y 10 años de experiencia utilizando JMP. Ha realizado presentaciones en importantes conferencias, incluida la JMP Discovery Summit, donde formó parte del Comité Directivo, y la conferencia anual de la Asociación Estadounidense de Científicos Farmacéuticos. Lievense tiene una licenciatura en Estadística Aplicada y una maestría en Bioestadística de GVSU. Actualmente se desempeña como miembro del Comité de Desarrollo Curricular de Bioestadística de GVSU y tiene su certificación Six Sigma Black Belt.
Resúmenes
Applying Statistical Engineering to Big Data Problems
Hay varias tendencias en marcha que prometen llevar la mejora de procesos y la resolución de problemas al siguiente nivel; a saber, Big Data, Ingeniería Estadística y software estadístico mejorado. Cuando estas tendencias se combinan con Lean Six Sigma, el impacto de los estudios analíticos puede aumentar significativamente. Los ejecutivos y líderes de organizaciones de todo tipo están pidiendo más a los estudios analíticos y a quienes participan en la realización de dichos trabajos. El aumento del impacto organizacional generalmente resulta en abordar problemas no estructurados grandes y complejos. De hecho, cualquier problema de Big Data es grande, complejo y no estructurado. Aumentamos el impacto de las iniciativas de mejora Lean Six Sigma cuando los problemas abordados son cuestiones críticas para la misión; problemas que suelen ser grandes, complejos y no estructurados. La ingeniería estadística es especialmente adecuada para resolver con éxito problemas importantes. Esta presentación se centra en metodologías que incluyen estudios de casos que muestran cómo estos enfoques y oportunidades se integran para aumentar el impacto y el éxito de la resolución de problemas basada en datos y el trabajo de mejora de procesos.
Extracción de información práctica valiosa de modelos experimentales creados para la calidad por diseño
Los modelos JMP DOE se pueden utilizar dinámicamente para proporcionar a las partes interesadas estimaciones confiables del desempeño de la calidad de nuevos productos. El diseño y la ejecución de experimentos estructurados y multivariados permiten a los científicos e ingenieros definir de manera eficiente un espacio de diseño sólido para la fabricación de dispositivos médicos y farmacéuticos. Los modelos creados a través de la plataforma DOE en JMP se utilizan para determinar la configuración de los parámetros críticos del proceso (CPP) que garantizan un proceso sólido para fabricar productos que cumplan con los requisitos de los atributos críticos de calidad (CQA). Las presentaciones regulatorias que incluyen dichos elementos QbD demuestran que los riesgos han sido mitigados; sin embargo, se puede extraer una gran cantidad de información práctica con simulaciones del modelo. Esta presentación utiliza el modelo experimental con información histórica y experiencia en la materia para proyectar el rendimiento operativo probable de un producto. El perfilador de predicción del modelo DOE se utiliza con el simulador para predecir dinámicamente una población de resultados futuros con patrones de variación del mundo real incluidos en las entradas. Este modelado dinámico es una excelente herramienta para establecer límites de tarjetas de fabricación determinando un espacio de control de fabricación definido con estimaciones del porcentaje de defectos. Los análisis permiten incluir la incertidumbre de la medida como factor de ruido añadido a la respuesta.
Saludos,
Adjunto un resumen de la charla que presentaré.
Saludos,
Rob Lievense, ingeniero sénior de sistemas, equipo federal
rob.lievense@jmp.com
Saludos,
Adjunto el conjunto de datos que estoy usando para la charla. Será fantástico conocer a los miembros del grupo de usuarios y mostrarles algunas de las excelentes funciones disponibles en JMP.
Los mejores deseos,
Rob Lievense. JMP Ingeniero Sr. de Sistemas. equipo federal
rob.lievense@jmp.com
