Depuis que j'ai obtenu mon diplôme d'ingénieur à la fin des années 80, le monde de la qualité a radicalement changé. La stratégie Six Sigma a été mise au point en 1986 et la gestion de la qualité totale (TQM) en était à ses balbutiements d’ici à la fin de la décennie. Dans l'intervalle, les ingénieurs ont été submergés par un flot de données collectées sur des équipements de plus en plus complexes et sensibles, tout en étant constamment mis au défi par les attentes croissantes des clients. Il est de plus en plus important pour les ingénieurs de disposer du logiciel adéquat pour calibrer les équipements, collecter et analyser les données de manière rapide, efficace et cohérente. Et c'est pour ces raisons que JMP , avec son environnement facile à utiliser, de type pointer-cliquer, est de plus en plus le logiciel de choix pour analyser des données de qualité.
Nous organisons un séminaire sur 3 juillet à Marlow au Royaume-Uni qui montre comment JMP peut être utilisé pour analyser des données dans diverses situations de fabrication afin de:
Résoudre les problèmes de qualitéAméliorer le rendement de fabricationAméliorer les capacités de votre système de mesureContrôle des processus de fabrication complexesSi cela vous concerne, pourquoi ne pas registre et nous rejoindre pour la journée?
Nous suivrons ce séminaire avec un autre sur un sujet connexe: la conception des expériences. Deux leaders mondiaux de la pensée, Bradley Jones et Peter Goos, dirigeront cet événement qui aura lieu le 19 septembre
Mike Clayton a écrit:
Maintenant que la plupart des processus de fabrication sont devenus hautement automatisés, JMP est devenu un outil de visualisation hors ligne très populaire pour les données basées sur des capteurs de machine, les données SPC basées sur des jauges, les tests électriques ou autres données sur le produit, ainsi que les interactions avec les nombreux outils non, cela constitue le flux complet et conduit au comportement du produit final (rendement et capacité des paramètres clés). C’est bien de voir un séminaire axé sur la fabrication, alors que la plupart des Big Data jouent avec les médias sociaux et les données gouvernementales ou de santé,
