Mardi, 8h30
|
2019-US-TUT-290
Scripts essentiels pour l'efficacité et la reproductibilité : faire moins pour faire plus
Drew Foglia
Evan McCorkle
De la reproduction de tâches simples à l'automatisation des processus quotidiens en passant par le partage de scripts avec des collègues et le déploiement d'applications complètes dans votre organisation, des défis existent à tous les niveaux qui peuvent limiter l'efficacité et la fiabilité de vos scripts JSL. Dans ce didacticiel, nous voyagerons le long de l'arc, des petits scripts aux grandes applications, présentant les meilleures pratiques pour atténuer bon nombre des pièges courants, mais subtils, qui entravent souvent les novices et les vétérans JSL. Nous discuterons des stratégies permettant de combiner plusieurs étapes dans un script cohérent et, inversement, de diviser des scripts trop volumineux en fichiers plus gérables. Nous présenterons également des conseils pour gérer les erreurs, gérer les fenêtres, isoler les variables des changements inattendus, protéger l'intégrité de vos scripts sans compromettre l'utilité et plus encore.
|
2019-US-TUT-291
Préparation avancée des données : 10 outils essentiels dans JMP® pour passer de "désordonné" à "prêt pour l'analyse"
Julien Paris
Rarement, voire jamais, les données nous parviennent dans un format « prêt pour l'analyse ». Heureusement, JMP dispose d'un ensemble d'outils riche et étendu qui vous permettent de préparer efficacement vos données pour l'analyse. Dans ce didacticiel, nous explorons 10 des outils essentiels de JMP qui nous aident à faire passer nos données du "désordonné" au "prêt pour l'analyse", y compris les méthodes de gestion de la restructuration et de la jointure des tables, les variables calculées et dérivées, les valeurs aberrantes et les points influents, le recodage des variables , valeurs manquantes et plus encore. Après avoir exploré en profondeur chacun des 10 outils essentiels et discuté des meilleures pratiques (et même de certaines utilisations «hors AMM» de certains outils), nous travaillerons sur trois études de cas où nous appliquerons ces outils de différentes manières pour importer efficacement , recoder, restructurer et réorganiser des ensembles de données complexes et difficiles. Une expérience préalable de l'utilisation de JMP est fortement recommandée, mais pas strictement nécessaire.
|
2019-US-TUT-270
Quel modèle quand ?
Ruth Hummel
Marie sans amour
Vous avez une question commerciale ou de recherche, vous avez collecté ou trouvé des données appropriées et vous êtes prêt à analyser. Mais quelles méthodes analytiques devriez-vous essayer ? Et comment allez-vous choisir un modèle final ? Dans cet exposé, nous examinerons plusieurs scénarios de données et présenterons des options de modélisation et un cadre de comparaison. Nous examinerons comment différentes questions ou objectifs affectent les choix de modélisation que nous faisons. (Prédire? Expliquer? Trouver des associations ?) Les modèles couverts comprendront la régression traditionnelle, la régression pénalisée, les moindres carrés partiels et quelques autres. Les techniques de comparaison comprendront l'analyse des résidus, la comparaison des statistiques d'ajustement et la validation croisée ou la validation sur de nouvelles données.
|
Mardi, 10h30
|
2019-US-TUT-264
Avant la modélisation : ingénierie des fonctionnalités dans JMP(R)
Jordan Hillier
Mike Muhlada
Les projets de modélisation prédictive réussis nécessitent une ingénierie minutieuse des fonctionnalités. À la fois science et art, l'ingénierie des fonctionnalités consiste à rassembler, résumer, remodeler et transformer des données sous une forme utilisable par des algorithmes de modélisation. Ce didacticiel décrit certaines des activités courantes de l'ingénierie des fonctionnalités et présente les outils JMP qui peuvent être utilisés pour les exécuter. Il y aura une discussion approfondie et des exemples montrant l'utilisation de colonnes de formules pour le regroupement et la transformation, la plate-forme Recode pour réduire les catégories et Query Builder pour la synthèse.
|
2019-US-TUT-292
Générateur de graphiques : de la découverte à la présentation
Bill Worley
Graph Builder est un touche-à-tout lorsqu'il s'agit de visualiser vos données. Il est utile tout au long du processus d'analyse, de l'exploration de vos données pour comprendre ce que vous avez, à la découverte de relations, à l'élaboration du graphique parfait pour présenter vos résultats. Cette session vous montrera comment utiliser efficacement Graph Builder avec un aperçu des éléments graphiques disponibles et des options pour chacun. Il vous montrera également quelques astuces pour vous aider à devenir un constructeur de graphes maître.
|
2019-US-TUT-293
La plateforme de modélisation la plus flexible que vous n'utilisez pas
Aboyeur d'argile
Régression généralisée - cela semble effrayant, mais ce n'est pas le cas. Cette plate-forme de JMP Pro peut gérer les exercices de modélisation linéaire les plus courants. Besoin de trouver le meilleur ensemble de prédicteurs dans un océan de possibilités (c.-à-d. sélection de variables) ? Cette plateforme peut le faire. Besoin de modéliser une réponse catégorielle à plus de deux niveaux ? La régression généralisée peut le faire. Vous rencontrez des problèmes avec des réponses non normales telles que les données de comptage ou le pourcentage de rendement ? Là où d'autres méthodes de modélisation échouent avec ces réponses, la régression généralisée les gère avec aplomb. Si vous n'utilisez pas cette plateforme, vous passez à côté. Nous examinerons l'utilisation de Genreg pour construire des modèles dans divers contextes : en commençant par une expérience conçue orthogonale et en passant à de grands ensembles de données d'observation.
|
mardi, 13:00
|
2019-US-TUT-246
Création de tableaux de bord dans JMP(R)
Dan Schikoré
Les plates-formes JMP sont souvent utilisées en combinaison les unes avec les autres pour guider un flux de travail ou pour fournir une analyse et une visualisation complémentaires des données. JMP Dashboard Builder peut vous aider à organiser plusieurs rapports dans une seule fenêtre et à reproduire l'ensemble de rapports à l'aide du même tableau de données ou d'un nouveau tableau. La disposition du tableau de bord peut être effectuée automatiquement ou via des opérations interactives de glisser-déposer, et un rapport peut éventuellement être utilisé pour filtrer les autres dans le tableau de bord. Les tableaux de bord peuvent être enregistrés dans un tableau de données JMP pour reproduire les rapports avec le même tableau, ou ils peuvent être enregistrés dans un complément pour partager le tableau de bord avec des collègues et reproduire le même rapport sur différents tableaux de données. Lorsque les tableaux de bord dépendent des résultats des requêtes de base de données, vous avez le choix de réexécuter la requête à chaque fois ou d'utiliser une copie enregistrée de la requête. Les résultats du tableau de bord peuvent également être enregistrés sur JMP Public ou sur un serveur JMP Live privé pour partager des rapports interactifs avec d'autres via le Web.
|
2019-US-TUT-287
Les fondamentaux de l'expérimentation moderne avec JMP®
Bradley Jones
L'expérimentation conçue est le meilleur moyen d'apprendre les procédés industriels. Mais, dans la longue histoire de la conception d'expériences, la plupart des expérimentateurs ont appris des méthodes axées sur la conformité de l'expérience aux conceptions classiques. La nécessité de comprendre ces contraintes a limité le nombre d'expérimentateurs efficaces. L'approche de JMP en matière de DOE décharge le praticien du fardeau de la compréhension des contraintes de conception des manuels, laissant à la place le contrôle à l'expérimentateur. Découvrez comment utiliser le concepteur personnalisé pour concevoir une expérience pour n'importe quel processus. Le concepteur personnalisé crée une expérience sur mesure pour votre situation. Avez-vous des contraintes sur les facteurs d'entrée? Aucun problème. Facteurs de mélange avec les entrées de processus ? Aucun problème. Qu'en est-il d'un budget d'exécution qui limite le nombre d'expériences que vous pouvez effectuer ? Le Custom Designer vous donnera un design qui vous permettra d'apprendre le plus possible dans les limites de votre budget. Il y a quelques années, Stu Hunter a déclaré que "[la technologie derrière les plates-formes DOE dans JMP] allait changer ma façon d'enseigner DOE." Venez voir comment.
|
2019-US-TUT-193
Surveillance de processus à grande échelle à l'aide de JMP(R)
Laura Lancastre
Jianfeng Ding
À l'ère du Big Data et de la fabrication complexe, il existe souvent une énorme quantité de données de processus qui doivent être surveillées et analysées pour maintenir ou améliorer la qualité. JMP dispose de plusieurs outils pour aider l'analyste à augmenter rapidement et efficacement l'échelle de sa surveillance des processus. La plate-forme Process Screening permet aux utilisateurs d'analyser facilement les processus pour la stabilité et la capacité et leur permet de se concentrer sur les processus nécessitant une amélioration. La plate-forme calcule initialement un rapport de synthèse basé sur la carte de contrôle, la capacité et les calculs de stabilité et crée plusieurs graphiques évaluation visuelle rapide de la santé du processus. Sur la base de ces premiers résultats, il est facile de sélectionner les processus nécessitant une attention particulière et de les explorer plus en profondeur grâce à l'accès à Control Chart Builder et Process Capability. La plate-forme Model Driven Multivariate Control Chart (MDMCC), nouvelle dans JMP 15, permet aux utilisateurs pour surveiller de grandes quantités de processus hautement corrélés. Cette plate-forme peut être utilisée conjointement avec les plates-formes PCA et PLS pour surveiller la variation multivariée des processus dans le temps, donner des avertissements avancés des changements de processus et suggérer les causes probables des changements de processus. Nous utiliserons des études de cas pour montrer comment utiliser JMP pour surveiller et analyser de nombreux processus en vue d'une amélioration rapide et efficace.
|
Mardi, 15h00
|
2019-US-TUT-294
Obtenir le JMP(R) pour l'analyse de votre essai clinique
Geoff Mann
Chris Kirchberg
La dernière version 7.0 de JMP Clinical a été publiée à l'automne 2018. JMP Clinical est une solution verticale tirant parti des capacités de JMP et d'une infrastructure JSL étendue pour créer une interface personnalisée pour l'examen des données d'essais cliniques pour la sécurité médicale, l'efficacité précoce, l'intégrité des données et l'analyse oncologique. JMP Clinical 7.0 représente des améliorations significatives qui tirent plus que jamais parti des fonctionnalités clés de JMP 14. Dans cette présentation, nous présenterons une vue d'ensemble des nouvelles fonctionnalités de JMP Clinical, en mettant l'accent sur un nouveau filtre de sujet d'examen complet construit autour de tables JMP virtuellement jointes utilisant la synchronisation de l'état des lignes (nouveau dans JMP 14) et des filtres de données. Nos revues cliniques JMP fournissent des analyses standardisées et reproductibles et maintenant nous introduisons également une infrastructure pour enregistrer d'autres personnalisations JMP dans nos rapports afin de vous permettre de lier vos propres analyses JMP à nos applications. Nous mettons également en évidence de nouvelles fonctionnalités dans JMP Graph Builder pour fournir des visualisations hautement personnalisées pour l'analyse des essais cliniques d'oncologie des tumeurs solides, y compris les diagrammes de nageurs, les diagrammes en cascade et les diagrammes d'araignées. Plus généralement, nous verrons comment cette solution verticale illustre la création d'applications robustes via JSL et l'architecture complémentaire JMP pour améliorer l'utilisation de JMP.
|
2019-US-TUT-295
Parlons tables
Kelci Miclaus
Mandy Chambres
JMP 13 a introduit des jointures virtuelles pour les tables JMP. Cette fonctionnalité vous permet d'utiliser des clés communes pour lier plusieurs tables, sans utiliser le temps/la mémoire nécessaire pour créer une copie jointe (dénormalisée) de vos données. La jonction virtuelle de tables permet à une table d'accéder aux colonnes des tables liées pour faciliter l'exploration des données. Une nouvelle fonctionnalité de JMP 14 fait progresser les fonctionnalités de jointure virtuelle pour permettre aux tables liées de communiquer entre elles en partageant les états des lignes. De nouvelles options vous permettent de configurer une table de référence de liens pour écouter et/ou répartir les changements d'état de ligne entre les tables virtuellement jointes. Cette fonctionnalité fournit une interface d'exploration de données incroyablement puissante qui évite les manipulations de table inutiles. Cette présentation mettra en évidence les nouvelles fonctionnalités de JMP avec des exemples utilisant les exemples de données communs suivis d'une application pratique de ces fonctionnalités telles qu'implémentées dans JMP Clinical. Nous allons créer un examen de plusieurs paramètres sur les patients d'un essai clinique qui sont virtuellement liés à un tableau démographique de sujets et montrer comment un filtre de données sur le tableau Link ID permet un filtrage global des sujets dans l'ensemble de la sécurité liée (événements indésirables, laboratoires, etc...) tableaux.
|
2019-US-TUT-289
Introduction à l'analyse des données fonctionnelles
Chris Gotwal
Ryan Parker
JMP Pro est désormais capable de modéliser et de visualiser des données fonctionnelles d'une nouvelle manière directe, simple et conduisant à des modèles extrêmement précis. Nous présenterons la plateforme Functional Data Explorer et passerons par un ensemble d'exemples qui illustrent deux familles de problèmes particulièrement utiles qu'elle facilite la résolution, l'analyse DOE de réponse fonctionnelle (FR-DOE) et l'apprentissage automatique de régresseurs fonctionnels (FR-ML). L'analyse FR-DOE permet de voir directement comment la forme d'une courbe de réponse change à la suite de changements dans la valeur des facteurs DOE. FR-ML est une approche d'extraction de caractéristiques pour les données de capteur des processus de fabrication qui facilite la prédiction précoce précise du rendement final du lot ou des produits défectueux. Nos exemples proviendront principalement de la fabrication de produits pharmaceutiques, chimiques et de semi-conducteurs, mais notre approche peut être appliquée à pratiquement n'importe quelle industrie.
|
