中大西洋 JMP® 使用者小組 (MAJUG) 秋季會議
地點：SAS 辦公室，1530 Wilson Blvd. Suite 800, 阿靈頓-羅斯林, VA
2019 年 9 月 12 日星期四上午 8:45 至 12:30
以下列出了 Rob Lievense 和 Ronald Snee 的摘要和傳記。
議程*：
|
上午 8:45
|
註冊/登入
|
|
上午 9:00-9:10
|
歡迎和介紹 （梅爾亞歷山大 / 喬許克里克）
|
|
上午 9:10-10:00
|
將統計工程應用於大數據問題（ Ronald D Snee ， Snee Associates LLC ）
|
|
上午 10:00-10:15
|
休息
|
|
上午 10:15-10:50
|
從為品質源自設計而創建的實驗模型中提取有價值的實用資訊（Rob Lievense，JMP 高級系統工程師）
|
|
上午 10:50-11:00
|
休息
|
|
上午 11:00 - 下午 12:00
|
JMP® 示範（待公佈）
|
|
下午 12:00-12:15
|
查看 SESUG、探索高峰會、即將舉行的活動、問答、討論、回饋和獎品
|
|
中午 12:30
|
午餐、交流和休會
|
* 此時間表如有更改，恕不另行通知
MAJUG 會議將在 SAS 辦公室舉行，地址：1530 Wilson Blvd. （800 室），阿靈頓-羅斯林，維吉尼亞州
我們鼓勵您親自參加，以充分利用會議並向其他 JMP 用戶學習。如果您無法親自出席，您可以登記使用 WebEx 參加。
請在 9 月 5 日星期四中午 12:00 之前透過 klick.joshua@bls.gov 回覆 Joshua Klick，表明您是計劃親自參加還是使用 WebEx 參加。如何存取 WebEx 會話的說明將會傳送給 WebEx 註冊者。
生物
Ronald D. Snee博士是 Snee Associates, LLC 的創始人兼總裁，該公司是為各種組織環境設計和實施改進和降低成本解決方案的權威。他在製藥、生物技術、臨床診斷和電信等多個行業的流程和組織改進方面擁有良好的記錄。他因制定配方開發系統策略並領導杜邦公司第一個全公司持續改進課程的設計而受到讚譽。他與人合著了四本書，發表了 300 多篇關於產品和流程改進、品質、管理和統計的文章，並因其工作而獲得了無數榮譽和獎項。
他獲得了華盛頓和傑斐遜學院的數學學士學位，以及羅格斯大學的應用和數理統計碩士學位和博士學位。他是美國統計協會、美國品質協會 (ASQ) 和美國科學促進會的會員。他的工作獲得了 20 個主要獎項和榮譽，包括 ASA 戴明講座獎、ASQ 休哈特獎章和格蘭特獎章、國際品質學院院士以及 ASQ 榮譽會員。
Rob Lievense是 JMP 的資深系統工程師。他與聯邦政府客戶合作，向他們展示如何利用 JMP 從數據中提取有用的信息。他也是位於密西根州艾倫代爾的大谷州立大學 (GVSU) 的活躍統計學教授。在加入 JMP 之前，Lievense 曾擔任 Perrigo 全球統計研究員，領導一個團隊為消費者醫療保健研發部門提供統計分析、數據視覺化、高級建模、數據驅動的產品開發品質設計以及結構化實驗設計規劃。 Lievense 在應用統計學產業擁有 20 多年的經驗，並擁有 10 年使用 JMP 的經驗。他曾在重要會議上發表演講，包括 JMP Discovery Summit（他在該峰會上擔任指導委員會成員）以及美國藥學科學家協會年會。 Lievense 擁有 GVSU 應用統計學學士學位和生物統計學碩士學位。他目前擔任 GVSU 生物統計學課程開發委員會的成員，並擁有 6 西格瑪黑帶認證。
摘要
Applying Statistical Engineering to Big Data Problems
一些正在出現的趨勢有望將流程改進和問題解決提升到一個新的水平；即大數據、統計工程和改進的統計軟體。當這些趨勢與精益六西格瑪結合時，分析研究的影響可以顯著增加。各類組織的高階主管和領導者對分析研究以及從事此類工作的人員提出了更多要求。提高組織影響力通常會導致解決大型、複雜的非結構化問題。事實上，任何大數據問題都是龐大、複雜且非結構化的。當解決的問題是關鍵任務時，我們會增加精實六西格瑪改善計畫的影響；問題通常是大的、複雜的和非結構化的。統計工程特別適合成功解決重大問題。本演講重點介紹方法論，包括案例研究，展示如何整合這些方法和機會，以提高基於數據的問題解決和流程改進工作的影響和成功。
從為品質源於設計而創建的實驗模型中提取有價值的實用資訊
JMP DOE 模型可以動態使用，為利害關係人提供新產品品質績效的可靠估計。結構化、多變量實驗的設計和執行使科學家和工程師能夠有效地為製藥和醫療設備製造定義強大的設計空間。透過 JMP 中的 DOE 平台建立的模型用於確定關鍵製程參數 (CPP) 的設置，以確保採用穩健的製程來製造滿足關鍵品質屬性 (CQA) 要求的產品。包含此類 QbD 要素的監管提交文件表明風險已緩解；然而，透過模型模擬可以提取大量實用資訊。本簡報利用具有歷史資訊和主題專業知識的實驗模型來預測產品可能的操作效能。 DOE 模型預測刻畫器與模擬器一起使用，透過輸入中包含的現實世界變化模式動態預測未來結果的總體。這種動態建模是一個出色的工具，用於設定製造卡限制，確定用缺陷百分比估計定義的製造控制空間。分析允許將測量不確定度作為響應的附加噪音因子包含在內。
問候，
我附上了我用於演講的數據集。很高興見到用戶群組的成員並展示 JMP 中的一些出色功能。
最好的祝愿，
羅布·利文斯. JMP 資深系統工程師。聯邦隊
rob.lievense@jmp.com
