Rejoignez-nous pour une séance de l'après-midi avec des présentations sur les applications pratiques de JMP. Elle aura lieu après le déjeuner, après la présentation matinale des nouveautés de JMP 15 et de JMP Pro 15 par le personnel de JMP qui fera une démonstration et répondra aux questions sur les nouvelles fonctionnalités.
Emplacement:
Centre de formation SAS Arlington
1530, boulevard Wilson
Suite 1000
Arlington, Virginie 22209
13h30 - 16h00
L'ordre du jour de la réunion MAJUG de l'après-midi et le formulaire d'inscription sont en cours de finalisation. Les présentations comprendront :
Extraire des informations pratiques précieuses à partir de modèles expérimentaux créés pour la qualité dès la conception
Présenté par Rob Lievense, ingénieur système principal, JMP
Extraction d'informations pratiques précieuses à partir de modèles expérimentaux créés pour la qualité dès la conception Les modèles JMP DOE peuvent être utilisés de manière dynamique pour fournir aux parties prenantes des estimations fiables des performances qualité des nouveaux produits. La conception et l'exécution d'expériences structurées et multivariées permettent aux scientifiques et aux ingénieurs de définir efficacement un espace de conception robuste pour la fabrication de produits pharmaceutiques et de dispositifs médicaux. Les modèles créés via la plateforme DOE dans JMP sont utilisés pour déterminer les paramètres de processus critiques (CPP) qui garantissent un processus robuste pour fabriquer des produits répondant aux exigences des attributs de qualité critiques (CQA). Les soumissions réglementaires qui incluent de tels éléments QbD démontrent que les risques ont été atténués ; cependant, de nombreuses informations pratiques peuvent être extraites grâce aux simulations du modèle. Cette présentation utilise le modèle expérimental avec des informations historiques et une expertise en la matière pour projeter les performances opérationnelles probables d'un produit. Le profileur de prédiction du modèle DOE est utilisé avec le simulateur pour prédire dynamiquement une population de résultats futurs avec des modèles de variation du monde réel inclus dans les entrées. Cette modélisation dynamique est un excellent outil pour fixer les limites des cartes de fabrication en déterminant un espace de contrôle de fabrication défini avec des estimations du pourcentage de défauts. Les analyses permettent d'inclure l'incertitude de mesure comme facteur de bruit supplémentaire pour la réponse.
