中大西洋 JMP® 用户组 (MAJUG) 秋季会议
地点：SAS 办公室，1530 Wilson Blvd. Suite 800, 阿灵顿-罗斯林, VA
2019 年 9 月 12 日星期四上午 8:45 至中午 12:30
下面列出了 Rob Lievense 和 Ronald Snee 的摘要和传记。
议程*：
|
上午 8:45
|
注册/登录
|
|
上午 9:00-9:10
|
欢迎和介绍 （梅尔·亚历山大 / 乔什·克里克）
|
|
上午 9:10-10:00
|
将统计工程应用于大数据问题（ Ronald D Snee ， Snee Associates LLC ）
|
|
上午 10:00-10:15
|
休息
|
|
上午 10:15-10:50
|
从为质量源于设计而创建的实验模型中提取有价值的实用信息（Rob Lievense，JMP 高级系统工程师）
|
|
上午 10:50-11:00
|
休息
|
|
上午 11:00 - 下午 12:00
|
JMP® 演示（待公布）
|
|
下午 12:00-12:15
|
查看 SESUG、探索峰会、即将举行的活动、问答、讨论、反馈和奖品
|
|
中午 12:30
|
午餐、交流和休会
|
* 此时间表如有更改，恕不另行通知
MAJUG 会议将在 SAS 办公室举行，地址：1530 Wilson Blvd. （800 室），阿灵顿-罗斯林，弗吉尼亚州
我们鼓励您亲自参加，以充分利用会议并向其他 JMP 用户学习。如果您无法亲自出席，您可以登记使用 WebEx 参加。
请在 9 月 5 日星期四中午 12:00 之前通过 klick.joshua@bls.gov 回复 Joshua Klick，表明您是计划亲自参加还是使用 WebEx 参加。如何访问 WebEx 会话的说明将发送给 WebEx 注册者。
生物
Ronald D. Snee博士是 Snee Associates, LLC 的创始人兼总裁，该公司是为各种组织环境设计和实施改进和降低成本解决方案的权威。他在制药、生物技术、临床诊断和电信等多个行业的流程和组织改进方面拥有良好的记录。他因制定配方开发系统战略并领导杜邦公司第一个全公司持续改进课程的设计而受到赞誉。他与人合着了四本书，发表了 300 多篇关于产品和流程改进、质量、管理和统计的文章，并因其工作而获得了无数荣誉和奖项。
他在华盛顿和杰斐逊学院获得数学学士学位，在罗格斯大学获得应用和数理统计硕士学位和博士学位。他是美国统计协会、美国质量协会 (ASQ) 和美国科学促进会的会员。他的工作获得了 20 个主要奖项和荣誉，包括 ASA 戴明讲座奖、ASQ 休哈特奖章和格兰特奖章、国际质量学院院士以及 ASQ 荣誉会员。
Rob Lievense是 JMP 的高级系统工程师。他与联邦政府客户合作，向他们展示如何利用 JMP 从数据中提取有用的信息。他还是位于密歇根州艾伦代尔的大谷州立大学 (GVSU) 的活跃统计学教授。在加入 JMP 之前，Lievense 曾担任 Perrigo 全球统计研究员，领导一个团队为消费者医疗保健研发部门提供统计分析、数据可视化、高级建模、数据驱动的产品开发质量设计和结构化实验设计规划。 Lievense 在应用统计行业拥有 20 多年的经验，并拥有 10 年使用 JMP 的经验。他曾在重要会议上发表演讲，包括 JMP Discovery Summit（他担任指导委员会成员）和美国药学科学家协会年会。 Lievense 拥有 GVSU 应用统计学学士学位和生物统计学硕士学位。他目前担任 GVSU 生物统计学课程开发委员会的成员，并拥有 6 西格码黑带认证。
摘要
Applying Statistical Engineering to Big Data Problems
一些正在出现的趋势有望将流程改进和问题解决提升到一个新的水平；即大数据、统计工程和改进的统计软件。当这些趋势与精益六西格码相结合时，分析研究的影响可以显着增加。各类组织的高管和领导者对分析研究以及从事此类工作的人员提出了更多要求。提高组织影响力通常会导致解决大型、复杂的非结构化问题。事实上，任何大数据问题都是庞大、复杂且非结构化的。当解决的问题是关键任务时，我们会增加精益六西格码改进计划的影响；问题通常是大的、复杂的和非结构化的。统计工程特别适合成功解决重大问题。本演讲重点介绍方法论，包括案例研究，展示如何整合这些方法和机会，以提高基于数据的问题解决和流程改进工作的影响和成功。
从为质量源于设计而创建的实验模型中提取有价值的实用信息
JMP DOE 模型可以动态使用，为利益相关者提供新产品质量绩效的可靠估计。结构化、多变量实验的设计和执行使科学家和工程师能够有效地为制药和医疗设备制造定义强大的设计空间。通过 JMP 中的 DOE 平台创建的模型用于确定关键工艺参数 (CPP) 的设置，以确保采用稳健的工艺来制造满足关键质量属性 (CQA) 要求的产品。包含此类 QbD 要素的监管提交文件表明风险已得到缓解；然而，通过模型模拟可以提取大量实用信息。本演示文稿利用具有历史信息和主题专业知识的实验模型来预测产品可能的操作性能。 DOE 模型预测刻画器与模拟器一起使用，通过输入中包含的现实世界变化模式动态预测未来结果的总体。这种动态建模是设置制造卡限制的绝佳工具，以确定估计百分比缺陷的制造控制空间。分析允许将测量不确定性作为响应的增加噪声因子。
问候，
我附上了我用于演讲的数据集。很高兴见到用户组的成员并展示 JMP 中的一些出色功能。
最好的祝愿，
罗布·利文斯. JMP 高级系统工程师。联邦队
rob.lievense@jmp.com
