Riunione autunnale del gruppo utenti JMP® del Medio Atlantico (MAJUG).
Ubicazione: ufficio SAS, 1530 Wilson Blvd. Suite 800, Arlington-Rosslyn, Virginia
Giovedì 12 settembre 2019 dalle 8:45 alle 12:30
Abstract e biografie di Rob Lievense e Ronald Snee sono elencati di seguito.
ORDINE DEL GIORNO*:
|
8:45
|
Registrazione/Accedi
|
|
9:00-9:10
|
Benvenuto e introduzione (Mel Alexander/Josh Klick)
|
|
9:10-10:00
|
Applicazione dell'ingegneria statistica ai problemi dei Big Data ( Ronald D Snee , Snee Associates LLC )
|
|
10:00-10:15
|
Rottura
|
|
10:15-10:50
|
Estrazione di preziose informazioni pratiche da modelli sperimentali creati per la qualità fin dalla progettazione (Rob Lievense, Senior Systems Engineer, JMP)
|
|
10:50-11:00
|
Rottura
|
|
11:00 -12:00
|
Presentazione JMP® (da annunciare)
|
|
12:00-12:15
|
Consulta SESUG, Discovery Summit, prossimi eventi, domande e risposte, discussioni, feedback e premi
|
|
12:30
|
Pranzo, networking e aggiornamento
|
* Questo programma è soggetto a modifiche senza preavviso
La riunione MAJUG si terrà presso l'ufficio SAS, 1530 Wilson Blvd. (Suite 800), Arlington-Rosslyn, Virginia
Ti invitiamo a partecipare di persona per trarre il massimo vantaggio dalla riunione e imparare da altri utenti JMP. Se non puoi partecipare di persona, puoi farloRegistratiper partecipare utilizzando WebEx.
Si prega di rispondere a Joshua Klick all'indirizzo klick.joshua@bls.gov entro le 12:00 di giovedì 5 settembre, indicando se si intende partecipare di persona o utilizzando WebEx . Le istruzioni su come accedere alla sessione WebEx verranno inviate ai registranti WebEx.
Bio
Ronald D. Snee , PhD, è fondatore e presidente di Snee Associates, LLC, un'autorità nella progettazione e implementazione di soluzioni di miglioramento e riduzione dei costi per una varietà di ambienti organizzativi. Ha una comprovata esperienza nel miglioramento dei processi e dell'organizzazione in una varietà di settori, tra cui farmaceutico, biotecnologico, diagnostica clinica e telecomunicazioni. Ha il merito di aver sviluppato la strategia del sistema di sviluppo della formulazione e di aver guidato la progettazione del primo programma di miglioramento continuo a livello aziendale per DuPont. È coautore di quattro libri, ha pubblicato più di 300 articoli sul miglioramento dei prodotti e dei processi, sulla qualità, sulla gestione e sulle statistiche e ha ricevuto numerosi riconoscimenti e premi per il suo lavoro.
Ha conseguito una laurea in matematica presso il Washington and Jefferson College e un master e un dottorato di ricerca in statistica applicata e matematica presso la Rutgers University. È membro dell'American Statistical Association, dell'American Society of Quality (ASQ) e dell'American Association for the Advancement of Science. Il suo lavoro è stato riconosciuto con 20 importanti premi e riconoscimenti, tra cui il Deming Lecture Award dell'ASA, le medaglie Shewhart e Grant dell'ASQ, un accademico dell'Accademia internazionale per la qualità e membro onorario dell'ASQ.
Rob Lievense è un ingegnere di sistema senior presso JMP. Lavora con clienti del governo federale mostrando loro come utilizzare JMP per estrarre informazioni utili dai dati. È anche professore attivo di statistica presso la Grand Valley State University (GVSU), con sede ad Allendale, Michigan. Prima di unirsi a JMP, Lievense ha ricoperto il ruolo di Research Fellow of Global Statistics presso Perrigo, dove ha guidato un gruppo che ha supportato il dipartimento di ricerca e sviluppo dell'assistenza sanitaria per i consumatori con analisi statistiche, visualizzazione dei dati, modellazione avanzata, Quality by Design basato sulla data per lo sviluppo del prodotto e pianificazione strutturata del progetto sperimentale. Lievense ha più di 20 anni di esperienza nel settore delle statistiche applicate e 10 anni di esperienza nell'utilizzo di JMP. Ha presentato presentazioni in importanti conferenze, tra cui il JMP Discovery Summit, dove ha fatto parte del comitato direttivo, e la conferenza annuale dell'American Association of Pharmaceutical Scientists. Lievense ha conseguito una laurea in statistica applicata e un master in biostatistica presso la GVSU. Attualmente è membro del comitato per lo sviluppo del curriculum di biostatistica per GVSU e ha la certificazione Six Sigma Black Belt.
Abstract
Applying Statistical Engineering to Big Data Problems
Sono in corso diverse tendenze che promettono di portare il miglioramento dei processi e la risoluzione dei problemi a un livello superiore; vale a dire, Big Data, ingegneria statistica e software statistico migliorato. Quando queste tendenze vengono combinate con Lean Six Sigma, l’impatto degli studi analitici può essere notevolmente aumentato. Dirigenti e leader di organizzazioni di tutti i tipi chiedono di più agli studi analitici e a coloro che sono impegnati nella conduzione di tale lavoro. L’aumento dell’impatto organizzativo si traduce in genere nell’affrontare problemi grandi, complessi e non strutturati. In effetti, qualsiasi problema relativo ai Big Data è ampio, complesso e non strutturato. Aumentiamo l’impatto delle iniziative di miglioramento Lean Six Sigma quando i problemi affrontati sono mission critical; problemi che sono tipicamente grandi, complessi e non strutturati. L'ingegneria statistica è particolarmente adatta a risolvere con successo problemi importanti. Questa presentazione si concentra sulle metodologie, inclusi casi di studio, che mostrano come questi approcci e opportunità siano integrati per aumentare l'impatto e il successo del lavoro di risoluzione dei problemi e di miglioramento dei processi basato sui dati.
Estrarre preziose informazioni pratiche da modelli sperimentali creati per la qualità attraverso il design
I modelli JMP DOE possono essere utilizzati dinamicamente per fornire alle parti interessate stime affidabili delle prestazioni di qualità dei nuovi prodotti. La progettazione e l'esecuzione di esperimenti strutturati e multivariati consentono a scienziati e ingegneri di definire in modo efficiente uno spazio di progettazione solido per la produzione di dispositivi medici e farmaceutici. I modelli creati tramite la piattaforma DOE in JMP vengono utilizzati per determinare le impostazioni dei parametri critici di processo (CPP) che garantiscono un processo solido per realizzare prodotti che soddisfano i requisiti per gli attributi critici di qualità (CQA). Le proposte normative che includono tali elementi QbD dimostrano che i rischi sono stati mitigati; tuttavia, molte informazioni pratiche possono essere estratte con le simulazioni del modello. Questa presentazione utilizza il modello sperimentale con informazioni storiche e competenze in materia per proiettare le probabili prestazioni operative di un prodotto. Il profiler di previsione del modello DOE viene utilizzato con il simulatore per prevedere dinamicamente una popolazione di risultati futuri con modelli di variazione del mondo reale inclusi negli input. Questa modellazione dinamica è un ottimo strumento per impostare i limiti della scheda di produzione determinando uno spazio di controllo della produzione definito con stime della percentuale di difetti. Le analisi consentono di includere l'incertezza di misura come fattore di rumore aggiuntivo per la risposta.
Saluti,
In allegato c'è un resoconto del discorso che presenterò.
Saluti,
Rob Lievense, ingegnere di sistema senior, squadra federale
rob.lievense@jmp.com
Saluti,
Ho allegato il set di dati che sto utilizzando per il discorso. Sarà fantastico incontrare i membri del gruppo utenti e mostrare alcune delle fantastiche funzionalità disponibili in JMP.
Auguri,
Rob Lievense. Ingegnere di sistema senior di JMP. Squadra Federale
rob.lievense@jmp.com
