Herbsttreffen der Mid-Atlantic JMP® Users Group (MAJUG).
Standort: SAS-Büro, 1530 Wilson Blvd. Suite 800, Arlington-Rosslyn, VA
Donnerstag, 12. September 2019 von 8:45 - 12:30 Uhr
Zusammenfassungen und Biografien für Rob Lievense und Ronald Snee sind unten aufgeführt.
AGENDA*:
|
8:45 Uhr
|
Registrierung/Anmeldung
|
|
9:00-9:10 Uhr
|
Begrüßung und Einführung (Mel Alexander/Josh Klick)
|
|
9:10-10:00 Uhr
|
Anwendung der Statistiktechnik auf Big-Data-Probleme ( Ronald D. Snee , Snee Associates LLC )
|
|
10:00-10:15 Uhr
|
Brechen
|
|
10:15-10:50 Uhr
|
Extrahieren wertvoller praktischer Informationen aus experimentellen Modellen, die für Quality by Design erstellt wurden (Rob Lievense, Senior Systems Engineer, JMP)
|
|
10:50-11:00 Uhr
|
Brechen
|
|
11:00 - 12:00 Uhr
|
JMP®-Präsentation (wird noch bekannt gegeben)
|
|
12:00-12:15 Uhr
|
Überprüfen Sie SESUG, Discovery Summit, bevorstehende Veranstaltungen, Fragen und Antworten, Diskussion, Feedback und Preise
|
|
12:30 Uhr
|
Mittagessen, Networking und Pause
|
* Dieser Zeitplan kann ohne vorherige Ankündigung geändert werden
Das MAJUG-Treffen findet im SAS-Büro, 1530 Wilson Blvd. statt. (Suite 800), Arlington-Rosslyn, VA
Wir empfehlen Ihnen, persönlich teilzunehmen, um das Treffen optimal zu nutzen und von anderen JMP-Benutzern zu lernen. Wenn Sie nicht persönlich teilnehmen können, können Sie dies tunRegistrierenum über WebEx teilzunehmen.
Bitte antworten Sie Joshua Klick unter klick.joshua@bls.gov bis Donnerstag, 5. September, 12:00 Uhr und geben Sie an, ob Sie persönlich teilnehmen oder WebEx nutzen möchten . Anweisungen zum Zugriff auf die WebEx-Sitzung werden an WebEx-Registranten gesendet.
Bios
Ronald D. Snee , PhD, ist Gründer und Präsident von Snee Associates, LLC, einem Experten für die Entwicklung und Implementierung von Verbesserungs- und Kostensenkungslösungen für eine Vielzahl von Organisationsumgebungen. Er verfügt über eine nachgewiesene Erfolgsbilanz bei Prozess- und Organisationsverbesserungen in einer Vielzahl von Branchen, darunter Pharmazie, Biotechnologie, klinische Diagnostik und Telekommunikation. Ihm wird zugeschrieben, dass er die Strategie für das Formulierungsentwicklungssystem entwickelt und die Gestaltung des ersten unternehmensweiten Lehrplans zur kontinuierlichen Verbesserung für DuPont geleitet hat. Er ist Mitautor von vier Büchern, hat mehr als 300 Artikel zu den Themen Produkt- und Prozessverbesserung, Qualität, Management und Statistik veröffentlicht und erhielt für seine Arbeit zahlreiche Ehrungen und Auszeichnungen.
Er erhielt einen Bachelor-Abschluss in Mathematik vom Washington and Jefferson College sowie einen Master-Abschluss und einen Doktortitel in angewandter und mathematischer Statistik von der Rutgers University. Er ist Fellow der American Statistical Association, der American Society of Quality (ASQ) und der American Association for the Advancement of Science. Seine Arbeit wurde mit 20 bedeutenden Preisen und Ehrungen gewürdigt, darunter dem Deming Lecture Award der ASA, den Shewhart- und Grant-Medaillen der ASQ, einem Akademiker der International Academy for Quality und einem Ehrenmitglied der ASQ.
Rob Lievense ist Senior Systems Engineer bei JMP. Er arbeitet mit Kunden der Bundesregierung zusammen und zeigt ihnen, wie sie JMP nutzen können, um nützliche Informationen aus Daten zu extrahieren. Er ist außerdem aktiver Professor für Statistik an der Grand Valley State University (GVSU) in Allendale, Michigan. Bevor er zu JMP kam, war Lievense als Research Fellow of Global Statistics bei Perrigo tätig, wo er eine Gruppe leitete, die die Forschungs- und Entwicklungsabteilung für Verbrauchergesundheit mit statistischer Analyse, Datenvisualisierung, fortschrittlicher Modellierung, datumsgesteuerter Qualität durch Design für die Produktentwicklung und unterstützte strukturierte experimentelle Designplanung. Lievense verfügt über mehr als 20 Jahre Erfahrung in der angewandten Statistikbranche und 10 Jahre Erfahrung mit JMP. Er hat auf wichtigen Konferenzen Vorträge gehalten, darunter auf dem JMP Discovery Summit, wo er Mitglied des Lenkungsausschusses war, und auf der Jahreskonferenz der American Association of Pharmaceutical Scientists. Lievense hat einen BS in Angewandter Statistik und einen MS in Biostatistik von der GVSU. Derzeit ist er Mitglied des Biostatistik-Lehrplanentwicklungsausschusses der GVSU und verfügt über die Six Sigma Black Belt-Zertifizierung.
Zusammenfassungen
Applying Statistical Engineering to Big Data Problems
Es sind mehrere Trends im Gange, die versprechen, Prozessverbesserungen und Problemlösungen auf die nächste Ebene zu heben. nämlich Big Data, Statistiktechnik und verbesserte Statistiksoftware. Wenn diese Trends mit Lean Six Sigma kombiniert werden, kann die Wirkung analytischer Studien erheblich gesteigert werden. Führungskräfte und Leiter von Organisationen aller Art fordern mehr von analytischen Studien und denjenigen, die an der Durchführung solcher Arbeiten beteiligt sind. Eine zunehmende organisatorische Wirkung führt typischerweise zur Lösung großer, komplexer, unstrukturierter Probleme. Tatsächlich ist jedes Big-Data-Problem groß, komplex und unstrukturiert. Wir erhöhen die Wirkung von Lean Six Sigma-Verbesserungsinitiativen, wenn es sich bei den angesprochenen Problemen um unternehmenskritische Themen handelt; Probleme, die typischerweise groß, komplex und unstrukturiert sind. Das Statistische Ingenieurwesen ist in einzigartiger Weise dazu geeignet, große Probleme erfolgreich zu lösen. Diese Präsentation konzentriert sich auf Methoden einschließlich Fallstudien, die zeigen, wie diese Ansätze und Möglichkeiten integriert werden, um die Wirkung und den Erfolg datenbasierter Problemlösungs- und Prozessverbesserungsarbeiten zu steigern.
Extrahieren wertvoller praktischer Informationen aus experimentellen Modellen, die für „Quality by Design“ erstellt wurden
JMP-DOE-Modelle können dynamisch verwendet werden, um Stakeholdern zuverlässige Schätzungen der Qualitätsleistung neuer Produkte zu liefern. Der Entwurf und die Durchführung strukturierter, multivariater Experimente ermöglichen es Wissenschaftlern und Ingenieuren, effizient einen robusten Designraum für die Herstellung pharmazeutischer und medizinischer Geräte zu definieren. Über die DOE-Plattform in JMP erstellte Modelle werden verwendet, um Einstellungen der kritischen Prozessparameter (CPPs) zu bestimmen, die einen robusten Prozess zur Herstellung von Produkten gewährleisten, die die Anforderungen für kritische Qualitätsattribute (CQAs) erfüllen. Zulassungsanträge, die solche QbD-Elemente enthalten, zeigen, dass Risiken gemindert wurden; Mit Simulationen des Modells können jedoch viele praktische Informationen gewonnen werden. Diese Präsentation nutzt das experimentelle Modell mit historischen Informationen und Fachwissen, um die wahrscheinliche Betriebsleistung eines Produkts zu prognostizieren. Der DOE-Modellvorhersageprofiler wird mit dem Simulator verwendet, um eine Population zukünftiger Ergebnisse dynamisch vorherzusagen, wobei in den Eingaben Muster realer Variationen enthalten sind. Diese dynamische Modellierung ist ein hervorragendes Werkzeug zum Festlegen von Grenzwerten für Fertigungskarten und zur Festlegung eines Fertigungskontrollraums, der mit Schätzungen der prozentualen Mängel definiert ist. Die Analysen ermöglichen die Einbeziehung der Messunsicherheit als zusätzlichen Rauschfaktor für die Antwort.
Grüße,
Im Anhang finden Sie eine Zusammenfassung des Vortrags, den ich halten werde.
Grüße,
Rob Lievense, leitender Systemingenieur, Bundesteam
rob.lievense@jmp.com
Grüße,
Ich habe den Datensatz angehängt, den ich für den Vortrag verwende. Es wird großartig sein, die Mitglieder der Benutzergruppe kennenzulernen und einige der großartigen Funktionen von JMP zu zeigen.
Beste Wünsche,
Rob Lievense. JMP Senior Systems Engineer. Bundesmannschaft
rob.lievense@jmp.com
