| Date / heure |
Munchen I
|
Munchen II |
Berlin |
Athen - enregistré |
mer
10h30-midi
|
UE 2018 411
Éditeur de formules Deep Dive
Mike Muhlada et Audrey Schull
Cette démonstration d'introduction utilisera des exemples pour expliquer les mécanismes de l'éditeur de formules, pour rechercher et corriger les erreurs courantes, ainsi que pour consolider les meilleures pratiques et les «astuces» utiles à la création de formules. Une procédure détaillée couvrira divers aspects du générateur de formule, y compris l'utilisation du glisser-déposer, des raccourcis clavier et des boutons de fonction pour créer des formules. Pendant que nous travaillons sur les exemples, nous discuterons de fonctions utiles, découvrirons et corrigerons les erreurs courantes, travaillerons avec des indices, etc. Les sujets de pratique recommandés à couvrir comprennent: les formats personnalisés, l'utilisation de formules pour le «nettoyage» des données, les transformations de colonnes et l'utilisation de colonnes intermédiaires pour créer des formules plus complexes. Un accent particulier sera mis sur les nouvelles fonctionnalités de JMP 14, notamment les fonctions définies par l'utilisateur, la prévisualisation des résultats, la détection des erreurs / avertissements de formule «en direct» et la liste des fonctions personnalisables.
Accès aux données et manipulation
Niveau 1
|
UE 2018 414
Qu'entendaient-ils par là? L'essentiel de l'explorateur de texte dans JMP
Don McCormack / Bill Worley
Les gens font des commentaires, le statut de sortie des machines. Il existe une quantité énorme de mots et de phrases qui pourraient être utilisés pour mieux comprendre les commentaires ou les résumés. La question que de nombreuses entreprises se posent est de savoir quoi faire avec ces montagnes de données non structurées non exploitées. L’explorateur de texte de JMP vous offre un outil d’exploration de données qui vous permet d’analyser et de mieux comprendre vos clients, ou pourquoi ce nouvel équipement censé sauver votre entreprise ne se comporte pas comme prévu. Les présentateurs présenteront les nouvelles fonctionnalités de la plate-forme dans JMP 14, ainsi que celles des fonctionnalités exceptionnelles de l'explorateur de texte d'origine dans JMP 13. Des fonctionnalités qui vous aident rapidement et facilement à déterminer les termes et expressions fréquemment utilisés qui motivent les commentaires des consommateurs ou la fiabilité de la machine. Plusieurs études de cas seront utilisées pour montrer à quel point il est incroyablement facile de nettoyer vos données. Des options telles que la recodification locale ou l’ajout de mots vides et de phrases ayant peu ou pas de signification pour votre analyse. Les nuages de mots apparaissent un peu partout et vous apprendrez à générer un nuage de mots interactif en quelques clics.
Les présentateurs présenteront des outils d’exploration de texte avancés dans JMP Pro et expliqueront comment utiliser SVD Latatic Sematic et l’analyse de sujet dans Text Explorer pour découvrir de nouvelles informations à partir de vos données non structurées. Enfin, les présentateurs démontreront qu'en tirant parti de vos données non structurées transformées et de vos données structurées, vous pouvez créer des modèles plus prédictifs et informatifs.
Exploration de données
Niveau 2
|
UE 2018 413
Pensée statistique pour la résolution de problèmes industriels
Mia Stephens
Ian Cox
Apprenez à exploiter les données et la nature visuelle et interactive de JMP pour résoudre vos problèmes les plus difficiles. Au cours de cette session, nous introduisons le principe de la pensée statistique et présentons une approche pratique, axée sur les données, pour la résolution de problèmes industriels dans le monde réel. Nous encourageons la compréhension des techniques de base et des méthodes statistiques modernes au moyen d'exemples et de simulations, et présentons une étude de cas de bout en bout visant à unifier les concepts et à élargir l'applicabilité.
Exploration de données
Niveau 2
|
UE 2018 412
Partage de graphiques et de rapports JMP
Bryan Fricke et Michael Hecht
JMP est l'outil de choix pour l'exploration visuelle et la découverte de vos données. Toutefois, comme tout le monde n’est pas un utilisateur JMP, vous devrez peut-être exporter vos graphiques et vos rapports sous une forme adaptée à votre public. Dans cette session, nous montrerons comment obtenir des graphiques et des rapports à partir de JMP et sous des formes pouvant être partagées. En particulier, nous couvrirons l’exportation de graphiques et de rapports sous des formes prêtes à être utilisées pour des présentations, des journaux ou des articles imprimés et des pages Web interactives.
Visualisation de données
Niveau 1
|
mer
13h00-2h30
|
UE 2018 418
Méthodes de simulation dans JMP et JMP Pro, avec une emphase particulière sur le bootstrap à poids aléatoire et fractionnaire
Bill Meeker et
Chris Gotwalt
Les méthodes statistiques basées sur la simulation nous permettent de faire des choses incroyables avec les données. Dans ce didacticiel, nous allons passer en revue une variété d’exemples qui illustrent comment JMP a facilité l’exploitation de ces méthodes puissantes. Nous commencerons par les applications de fiabilité et montrerons comment obtenir des inférences plus fines dans les situations où il existe très peu d'observations utilisant des techniques bayésiennes dans la plate-forme Life Distribution de JMP et dans la plate-forme Fit Life By X. Nous présenterons ensuite le bootstrap One-Click dans JMP Pro et en démontrerons l’utilisation dans divers exemples, en mettant l’accent sur le bootstrap extrêmement utile, mais beaucoup trop mal apprécié. Le bootstrap classique, basé sur le ré-échantillonnage, est depuis plusieurs décennies une méthode largement utilisée pour calculer des intervalles de confiance fiables pour les applications pour lesquelles aucune méthode exacte n'est disponible et pour lesquelles la taille des échantillons n'est pas suffisante pour pouvoir compter sur des méthodes faciles à utiliser. calculer des méthodes approximatives sur grand échantillon, telles que des intervalles de confiance de Wald (approximation normale). Cependant, il existe de nombreuses applications pour lesquelles la méthode d'amorçage par rééchantillonnage ne peut pas être utilisée. Cela inclut des situations où les données sont fortement censurées, une régression logistique lorsque la réponse «succès» est un événement rare ou un mélange limité de succès et d'échecs entre les variables explicatives, ainsi que des expériences conçues dans lesquelles le nombre de paramètres est proche. au nombre d'observations. Le point commun entre ces trois situations est qu’il peut exister une proportion importante de rééchantillons où il n’est pas possible d’estimer tous les paramètres du modèle. La méthode d'amorçage à poids aléatoire fractionnel peut être utilisée pour éviter ces problèmes et fournir des intervalles de confiance dignes de confiance. Elle n'est qu'à un clic de la plupart des plates-formes de JMP Pro. Ensuite, nous montrerons comment effectuer des calculs de puissance à l'aide de la fonction Simuler dans JMP Pro. Il est donc simple de faire des calculs de puissance pour de nombreuses analyses de JMP, notamment des expériences conçues où le résultat est binaire. Pour une démonstration finale des capacités de simulation de JMP Pro, nous montrerons comment obtenir des intervalles de confiance sur les prévisions de réseau neuronal à l'aide de l'option Enregistrer les estimations ensachées dans le Générateur de profils.
Modélisation prédictive
Niveau 4
|
UE 2018 416
Projets JMP: une nouvelle façon d'organiser votre travail dans JMP 14 - Dan Valente et Aaron Andersen
De nombreux utilisateurs de JMP ont fait l'expérience d'une session JMP interactive qui leur a laissé de nombreuses fenêtres et rapports d'analyse ouverts en même temps. Bien que l'utilisation de JMP dans ce "mode de fenêtre flottante" puisse fonctionner pour de nombreuses personnes, il est parfois préférable d'utiliser une interface à onglets. Les utilisateurs peuvent également souhaiter associer certains fichiers à un projet d'analyse et ne pas disposer de la liste complète fournie par la fenêtre d'accueil. Pour ces raisons, nous avons créé le projet JMP dans JMP 14. Les projets fournissent une interface de document unique à JMP, un espace de travail configurable et à onglets, un emplacement pour les fichiers de signets et une liste de fenêtres permettant à l'utilisateur de naviguer facilement entre différentes fenêtres ouvertes, tables de données, scripts, etc., et de lancer des fichiers de support tels que Documents .pdfs et .ppt. Les projets peuvent également être utilisés pour ouvrir et fermer rapidement de nombreux fichiers associés à une ou plusieurs activités d'analyse individuelles, ainsi que pour séparer des projets parallèles là où vous aviez peut-être déjà eu besoin d'exécuter plusieurs sessions JMP. Enfin, les projets dans JMP 14 peuvent également vous fournir un moyen simple de partager et de collaborer sur le travail avec leur fonctionnalité d'archivage.
Accès aux données et manipulation
Niveau 1
|
UE 2018 417
Nouvelles fonctionnalités du DOE dans JMP14
Ryan Lekivetz
Bradley Jones
JMP 14 a plusieurs nouvelles fonctionnalités DOE.
Le plus important est peut-être un nouvel outil de conception permettant de créer des conceptions de blocs incomplets équilibrés (BIBD). Ce sont des conceptions ayant un facteur de traitement et un facteur de blocage. Leurs propriétés spéciales sont que chaque niveau de traitement apparaît le même nombre de fois dans l'ensemble et que le niveau de traitement apparaît avec tous les autres niveaux de traitement de certains blocs le même nombre de fois. Cela crée un type d'équilibre spécial et souhaitable. Nous fournirons plus de détails sur ce type de conception et expliquerons comment utiliser l'interface utilisateur du nouvel outil.
Custom Designer a ajouté une paire de critères d’optimalité pour générer des conceptions optimales et des conceptions pondérées optimales. Une conception A-optimale minimise la variance moyenne des estimations de paramètres. Le critère A est similaire au critère D bien connu en ce qu'il se concentre sur l'estimation précise des paramètres du modèle. Il existe deux avantages plaidant en faveur de l’utilisation courante des conceptions A-optimales. Premièrement, il est plus facile de comprendre comment le critère A produit de bonnes conceptions par rapport au critère D. Cela faciliterait l'adoption de l'utilisation courante de modèles optimaux pour les praticiens débutants dans le DOE. Deuxièmement, les conceptions pondérées A-optimales permettent de mettre l'accent sur différentes quantités de groupes de paramètres. Par exemple, on peut vouloir mettre l’accent sur les effets purs du second degré sur les interactions à deux facteurs et sur l’estimation de l’effet principal. Nous montrerons comment créer des conceptions optimales A et optimales pondérées à l'aide de l'outil Conception personnalisée.
L'outil Comparer les conceptions peut désormais accueillir jusqu'à 5 conceptions dans l'interface utilisateur et jusqu'à 10 conceptions via des scripts. Auparavant, la limite était de trois modèles. Nous allons démontrer cette capacité supplémentaire avec un exemple d'interface utilisateur et un exemple de script incluant les nouvelles conceptions optimales A et optimales A.
Bien entendu, il existe de nombreuses autres améliorations des outils DOE pour JMP 14. La conception du test de durée de vie accélérée est bien améliorée. La plate-forme Fit Definitive Screening permet désormais de prendre en compte des termes modèles qui ne présentent pas d'hérédité. Les outils Choice Design et MaxDiff Design ont tous deux la capacité de simuler des réponses. Cela permettra de déterminer si une conception prospective donnée sera capable de détecter de manière fiable des effets d'une magnitude spécifiée. Nous serons disponibles tout au long de la conférence pour démontrer ces nouvelles capacités. Malheureusement, le temps ne permet pas de les inclure dans le tutoriel.
Designs optimaux
BIBD
BICHE
Niveau 2
|
UE 2018 415
Utilisation de JSL pour développer des applications efficaces et robustes
Joseph Morgan
Ce tutoriel se concentrera sur les constructions JSL qui peuvent s'avérer inestimables pour le développement d'applications efficaces, robustes et prêtes à la production. Ceux-ci incluent des fonctions de gestion d'expression, le support xpath, des espaces de noms et autres. Les idées seront illustrées par des exemples que l'instructeur a rassemblés au cours des 10 dernières années car il a travaillé avec un large éventail d'utilisateurs de JSL.
Développement d'applications JSL
Niveau 3
|
mer
14h45-16h15
|
UE 2018 419
Construction de tableaux de bord et d'applications avec JMP
Dan Schikore
L'enregistrement d'une analyse afin qu'elle puisse être répétée sur des tables de données identiques ou différentes est une étape importante de la création d'un flux de travail d'analyse efficace et reproductible. Le langage de script JMP (JSL) peut être utilisé avec les outils de glisser-déposer disponibles dans JMP Dashboard Builder et Application Builder pour créer et déployer rapidement des tableaux de bord et des applications. Cette conférence couvrira tout, des tableaux de bord simples créés avec «Combine Windows» aux applications complètes avec plusieurs fenêtres et scripts JSL. En savoir plus sur la conception de rapports avec des filtres de données, le paramétrage des applications pour la sélection en exécution des colonnes à analyser, ainsi que les options de partage des résultats, y compris le HTML interactif. La nouvelle interface de modèle personnalisé sera présentée, ce qui facilite et accélère la création de plusieurs tableaux de bord ou applications ayant une apparence et une convivialité communes.
Visualisation de données
Niveau 2
|
UE 2018 422
Amélioration intégrée des processus à l'aide des outils qualité de deuxième génération dans JMP ®
Laura Lancaster
Niveau 2
Les outils de qualité de deuxième génération de JMP - Constructeur de cartes de contrôle, Capacités de processus, Analyse de systèmes de mesure et Tri de processus - ont été conçus avec une philosophie intégrative afin de rendre l’analyse de la qualité plus simple et plus efficace. Par exemple, la nouvelle plate-forme Process Capability a été conçue pour refléter le type de carte de contrôle utilisée dans le programme de contrôle des processus statistiques, et un rapport de capacité a été ajouté dans le générateur de cartes de contrôle. De même, le profileur de détection de décalage de la plate-forme d'analyse des systèmes de mesure permet aux ingénieurs qualité de prendre des décisions éclairées sur la manière de concevoir leur méthodologie de carte de contrôle, en tenant compte de leur système de mesure afin d'être alertés le plus rapidement possible des modifications de processus. Comprendre comment votre système de mesure, votre programme de contrôle statistique des processus et vos évaluations de la capacité des processus s’allient est essentiel pour améliorer et maintenir la qualité. La philosophie de conception unique du logiciel rend cela simple et direct. De plus, la possibilité de contrôler rapidement un grand nombre de processus pour en déterminer la stabilité avec la nouvelle plate-forme de filtrage des processus permettra de gagner du temps, de réduire la charge de travail et d'améliorer la qualité. Ce tutoriel utilisera une étude de cas pour montrer comment utiliser chacune de ces plateformes avec une approche intégrée d'amélioration des processus.
Qualité et fiabilité
Niveau 2
|
UE 2018 421
Création de modèles à guichet unique avec la plateforme de régression généralisée
Argile barker
La sélection des variables, qui consiste à choisir un ensemble de facteurs ou de prédicteurs pour modéliser une réponse, est un élément essentiel du processus de création du modèle. Heureusement, il n'est pas nécessaire que ce soit un processus douloureux. La plate-forme de régression généralisée (Genreg) de JMP Pro propose diverses techniques automatisées de sélection de variables qui rendent ce processus simple et rapide. Après avoir utilisé la plate-forme, nous nous retrouvons avec un modèle parcimonieux qui permettra de bien prédire les nouvelles données. Nous envisagerons d’utiliser Genreg pour créer des modèles dans divers contextes: en commençant par une expérience conçue orthogonale et en passant à de grands ensembles de données d’observation. Nous présenterons également certaines des nouvelles fonctionnalités de Genreg dans la version 14, telles que la modélisation des réponses catégorielles à plusieurs niveaux et le sélecteur de Dantzig.
Modélisation prédictive
Niveau 2
|
UE 2018 420
Passer à la partie amusante: comment préparer vos données pour l'analyse
Brian Corcoran, Mandy Chambers et Kelci Miclaus
Les plateformes de visualisation et d'analyse statistique JMP vous permettent de découvrir des signaux, des tendances et des informations significatifs pour vos données. Lorsqu'un projet nécessite de travailler avec plusieurs fichiers de données complexes, arriver à ce moment "aha" nécessite une interrogation, une jonction, une importation, une exploration et un nettoyage des données. Il n'est pas rare que jusqu'à 80% de votre temps soit consacré uniquement à la préparation de données dans le cadre de tâches d'analyse de données complexes ou volumineuses. Cette session décrit l'utilisation de plusieurs nouvelles fonctionnalités de JMP 13 et JMP 14 pour vous permettre de passer rapidement et facilement à l'état d'analyse. Nous discuterons de la manière dont les données peuvent être interrogées et importées à partir d'une base de données, ouvertes et reliées à l'aide de JMP Query Builder, ainsi que de multiples options d'importation de fichiers nouvelles dans JMP 14. JMP 13 a introduit les jointures virtuelles dans les tables de données JMP, ce qui vous permet de spécifier des clés communes pour lier plusieurs tables. Les nouvelles fonctionnalités de JMP 14 dirigent une table pour écouter ou répartir les changements d'état des lignes entre les tables liées. Nous montrerons comment ces nouvelles fonctionnalités permettent aux tables virtuellement jointes de «communiquer» en partageant les états des lignes pour une exploration aisée des données et une analyse / création immédiate de tableaux de bord sans manipulation de table. Enfin, nous aborderons le sale boulot du nettoyage de vos données, en soulignant les nouvelles fonctionnalités de Recode pour montrer comment nous pouvons remplacer les chaînes par des expressions rationnelles, supprimer les signes de ponctuation non souhaités, enregistrer les scripts de Recode, les réutiliser et les y ajouter, et même utiliser des étiquettes de valeur si la la colonne les a déjà assignés. Ces rubriques rationaliseront l'expérience de chaque utilisateur JMP en matière d'importation, d'exploration de table et de nettoyage des données. laisser plus de temps pour le plaisir: analyse des données.
Accès aux données et manipulation
Niveau 1
|
mer
16h30-6h00
|
UE 2018 426
Analyse de fiabilité et ingénierie utilisant JMP
Peng Liu, développeur statisticien principal de la recherche chez JMP, SAS
Leo Wright, chef de produit JMP, SAS
Michael Crotty, rédacteur statistique principal chez JMP, SAS
La suite d'outils de pointe de JMP pour l'étude de la fiabilité est conçue pour permettre aux organisations de fournir des produits de qualité supérieure - une exigence de succès dans le domaine actuel des produits et services complexes. Depuis de nombreuses années, nous intégrons des concepts de pointe qui intègrent une analyse statistique robuste et une visualisation dynamique des données, afin d'aider les utilisateurs à évaluer immédiatement les performances, à identifier les tendances et à diagnostiquer les possibilités d'amélioration, même dans des ensembles de données volumineux. JMP a reconnu que la fiabilité, également appelée «qualité dans le temps», était essentielle, qu'il s'agisse de produits grand public et industriels, de soins de santé ou de systèmes de défense. Les outils de fiabilité JMP sont conçus pour aider les ingénieurs, les chercheurs et les responsables à comprendre plus facilement et plus rapidement les données de fiabilité et la fiabilité du système, que le système étudié soit relativement simple ou complètement complexe. Les outils de fiabilité JMP, s'appuyant sur la puissante infrastructure JMP, sont également extensibles et personnalisables. Dans ce didacticiel, nous aborderons les plates-formes JMP suivantes: répartition de la durée de vie, prévision de fiabilité, dégradation et simulation de systèmes réparables. Les plates-formes font partie des composants essentiels de l'analyse de la fiabilité et de l'ingénierie, abordant les problèmes des systèmes réparables et non réparables. Le tutoriel commencera par une introduction aux données censurées et décrira différents objectifs d'analyse et d'ingénierie de fiabilité. Les instructeurs aborderont les objectifs individuels à l'aide des exemples fournis avec le logiciel JMP.
Qualité et fiabilité
Niveau 3
|
UE 2018 424
10+ choses que vous ne savez pas sur JMP
Brady Brady
Comme vous le savez déjà, JMP est un outil incroyablement riche pour l'analyse et l'exploration de données. Cela signifie également que vous savez qu'il existe plus d'une façon de faire presque n'importe quoi dans JMP.
Les 10 trucs et astuces (ou plus!) Partagés ici vous rendront plus efficace et vous présenteront des techniques, des raccourcis clavier, des formules, etc.
Entrez et passez de novice à expert, ou expert à gourou.
Exploration de données
Niveau 1
|
UE 2018 425
Les saveurs multivariées de JMP: du continu au catégorique, du discret au fonctionnel
Laura Castro-Schilo et Chris Gotwalt
L'analyse de données multivariées est devenue une compétence essentielle, car la quantité de données a explosé et les entreprises sont de plus en plus guidées par la prise de décision. Au cours de cette session, nous présentons l’approche visuelle et interactive unique de JMP en matière d’analyse de données multivariée à l’aide de diverses approches reposant sur des données continues, catégorielles, discrètes et fonctionnelles. Nous allons commencer par une discussion fondamentale sur l'essence de l'analyse multivariée: l'idée selon laquelle les informations contenues dans un grand nombre de variables peuvent souvent être efficacement représentées avec un plus petit nombre de variables. Nous donnons ensuite une vue d'ensemble des outils généraux de JMP pour l'analyse de données multivariées. La session sera donnée en deux parties. L’introduction utilisera des données d’analyses sensorielles et d’études de consommation pour motiver et démontrer des méthodes classiques multivariées non supervisées telles que l’analyse en composantes principales, l’analyse de correspondances multiples et une nouvelle technique de JMP 14, l’analyse à facteurs multiples. La deuxième partie couvrira les méthodes supervisées pour les données multivariées utilisant les moindres carrés partiels et les composantes principales fonctionnelles. Pour illustrer ces méthodes supervisées, nous allons construire des modèles pour prédire le rendement d'un processus de fabrication par lots avec des données provenant de plusieurs flux de signaux. Tout au long, nous indiquerons clairement quand chaque technique analytique est appropriée et soulignerons les options logicielles les plus importantes et les plus utiles.
Exploration de données
Niveau 2
|
UE 2018 423
Nouvelles vues et vues avancées dans JMP 14 Graph Builder
Xan Gregg et Scott Wise
Cette session en petits groupes associe les sessions populaires "Quoi de neuf dans le Générateur de graphes" et "Images de la galerie" Vues du générateur de graphismes avancé ".
Dans un premier temps, nous ferons une visite guidée de plusieurs fonctionnalités nouvelles et perfectionnées de Graph Builder dans JMP 14. Une nouvelle zone de dépôt d'intervalle facilite les barres d'erreur personnalisées. Plusieurs types de gigue ont été ajoutés, notamment un nouveau paramètre par défaut. Un tout nouveau style de graphique à barres appelé «barres remplies» étend les graphiques de Pareto. Plusieurs types d'éléments prennent en charge les coordonnées parallèles pour les vues multivariées compactes. Les contours peuvent être lissés. Les statistiques élémentaires sont accessibles.
Nous verrons ensuite comment créer des vues graphiques avancées populaires et captivantes à l'aide de JMP Graph Builder. Nous avons créé de toutes nouvelles images pour le journal Gallery 3, avec des vues supplémentaires disponibles dans les dernières versions de JMP. Nous présenterons plusieurs formats graphiques populaires que vous ne saviez peut-être pas qui pourraient être facilement créés dans JMP. Des vues telles que l’incorporation de graphiques Bullet, de barres d’erreur bidirectionnelles, de graphiques de volcan et autres seront incluses pour vous permettre de donner vie à vos analyses et de vous fournir une plate-forme convaincante pour vous aider à gérer vos résultats!
Visualisation de données
Niveau 1
|
jeu
10h45-11h15
(30 minutes)
|
UE 2018 105
Christoph Gross
SCHOTT AG
Itération sur des ensembles de fichiers
«Itérer sur des ensembles de fichiers» est une tâche courante dans le processus de préparation et d'analyse de données basé sur un script. Les scénarios typiques incluent la conversion automatisée de fichiers autres que JMP (par exemple, les fichiers de mesure qui entrent au jour le jour) et l'extraction et la collecte de résultats intermédiaires à partir d'ensembles de fichiers trop volumineux pour une jointure simple. Plutôt que de parler de ce qui est fait avec les fichiers individuels, je me concentrerai sur le cadre itératif et présenterai un ensemble de fonctions utiles.
|
UE 2018 113
Elie Maricau
BASF Anvers
Application de l'analyse de données pour améliorer le rendement d'un processus de production chimique: apprentissages et meilleures pratiques
Cette présentation présente un exemple d'utilisation dans une usine de fabrication de produits chimiques dont l'objectif est d'améliorer le rendement du produit. Dans le cadre du projet, cinq années de données historiques (y compris des données de laboratoire, des données de capteurs et des données textuelles du journal de bord) ont été analysées. Les résultats de l'analyse déclenchent des expériences spécifiques dans l'usine, à la fois pour valider les résultats basés sur les données et pour explorer plus avant des relations inconnues. Au cours de la présentation, je soulignerai certains facteurs critiques de succès dans l’approche du projet (à savoir: LSS DMAIC) et moi-même montrerons comment JMP a été utilisé pour trouver des relations cachées dans les données. Je démontrerai en quoi JMP peut être très efficace pour agréger rapidement des jeux de données, nettoyer les données, séparer le bruit des variations de processus réelles et visualiser et quantifier les relations. Les techniques qui seront discutées et démontrées incluent les opérations sur les tables, le filtrage des données, la modélisation et le DOE.
|
UE 2018 116
Martin Owen
Insight par conception
Projet, perspicacité, action !!!
En tant que conférencier et formateur, je suis très intéressé par les fonctionnalités offertes par la nouvelle fonctionnalité de projet de JMP14EA. Je vois cette plate-forme élargir nos capacités à améliorer la mémoire organisationnelle, en rassemblant du matériel (ensembles de données, scripts, modèles et rapports de visualisation) provenant de différentes sources. Nous pouvons mapper sur des structures de fichiers existantes et créer une nouvelle structure organisationnelle via une interface de document unique. Dans cette présentation, je donnerai des exemples du potentiel du projet JMP14 en tant qu’outil d’enseignement. L'objectif est d'accélérer l'apprentissage et d'aider les équipes ou les organisations à adopter de nouveaux flux de travail, à conserver les informations tirées d'études précédentes, à prendre de meilleures décisions et à prendre des mesures. L'espace de travail flexible du projet donne vie à des histoires fascinantes. Il est maintenant très facile de:
- créer un flux de travail d'opérations séquentielles, depuis la conception d'expériences jusqu'à l'analyse et la documentation d'informations et d'actions clés
- montrer comment l'information est construite sur une série de lots de travaux de conception expérimentale
- comparer et choisir parmi différentes approches de modélisation et de visualisation
- créer et archiver des rapports standard qui sont mis à jour lorsque de nouvelles données sont entrées
L'avantage supplémentaire est qu'il est désormais plus facile de gérer et de gérer les données pendant que je travaille - la fermeture d'une session en cours prête à être régénérée le lendemain ne pourrait être plus simple.
|
UE 2018 104
Piet Hoogkamer
Produits de santé Abbott
Test multivarié de la similarité des courbes de dissolution
Le test de dissolution des produits pharmaceutiques est important car il s’agit d’une mesure de substitution de la dissolution in vivo. La dissolution in vivo affecte la biodisponibilité, ce qui peut affecter la pharmacocinétique (taux sanguins) et, par conséquent, la sécurité et l'efficacité. Si un changement est proposé en ce qui concerne le procédé de fabrication, le site de fabrication ou la méthode d’essai, il faut démontrer l’équivalence pour obtenir une dérogation biologique. La similarité des courbes peut être testée à l'aide de la métrique f2 mathématique, où une valeur comprise entre 50 et 100 suggère une similarité. La métrique f2 sera expliquée en détail. Toutefois, si la variabilité est trop élevée (entre les unités testées, au sein d’un point de temps), une statistique multivariée basée sur la distance doit être utilisée à la place. Certaines options seront présentées pour les approches dépendantes du modèle et indépendantes du modèle. L'utilisation de JMP, avec des fonctionnalités standard et avec un script dédié, sera illustrée pour la distance Mahalanobis.
|
jeu
11h30 - 12h00
(30 minutes)
|
UE 2018 115
Paolo Nencioni
A.Menarini ML & SSrL
Utilisation de la plate-forme Fit Model pour prédire, dans un bref délai, la durée de conservation de certaines formulations, au cours des phases de développement d'un produit pharmaceutique.
En règle générale, les directives du Conseil international d'harmonisation (ICH) exigent que le produit pharmaceutique soit évalué dans des conditions de stockage prédéfinies qui testent sa stabilité thermique. Les conditions de stockage et la durée des études choisies devraient être suffisantes pour couvrir le stockage, l'expédition et l'utilisation. Les essais à long terme devraient couvrir une durée minimale de douze mois au moment de la soumission, tandis que l'état intermédiaire et accéléré devrait couvrir une durée minimale de six mois. Au cours des phases de développement, plusieurs formulations peuvent donner des résultats répondant aux exigences du projet. Comment pouvons-nous choisir le meilleur? Nous aimerions sûrement choisir la formulation qui assure la plus longue durée de conservation possible. La réalisation d’une étude formelle sur la stabilité du PCI donne des réponses utiles pas avant six mois. La réalisation d’études de stabilité accélérées utilisant des températures plus élevées que celles de l’ICH a permis d’évaluer le comportement de certaines formulations, dans un délai relativement court (pas plus de trente jours). Avec la plate-forme JMP Fit Model, il a été possible d'estimer le taux de dégradation en fonction du facteur de stress, ce qui a permis de prendre une décision fondée sur des données concernant la formule la plus stable. Les taux de dégradation estimés ont été utilisés pour prédire les valeurs d'attributs de qualité aux moments et les conditions de stockage requis dans la ligne directrice de l'ICH. Les résultats prévus ont été comparés à la valeur réelle d'un lot suivie à l'aide des conditions ICH, afin de vérifier la validité des modèles. La même approche a été utilisée pour évaluer ensemble l’effet de la température et du niveau d’oxygène. Les modèles construits avec JMP ont été utilisés pour identifier les effets réels de la teneur en oxygène sur les attributs de qualité critiques du produit fini.
|
UE 2018 121
Jacqueline Asscher
Collège Kinneret sur la mer de Galilée
Session de formation industrielle basée sur une étude de cas: Utiliser JMP pour apprendre à concevoir des expériences sur parcelles divisées
Lorsque les expériences ont une structure en parcelles divisées, il convient de prendre en compte cette conception et l'analyse. Un exemple courant est une expérience menée pour améliorer un processus fonctionnant par lots, dans lequel certains facteurs sont modifiés d’un lot à l’autre et d’autres facteurs au sein de lots, ce qui aboutit à des cycles qui ne sont pas totalement indépendants. La structure en parcelles divisées peut être inhérente au processus à l'étude ou à la mise en place expérimentale, ou peut être adoptée par choix soit pour gagner du temps ou de l'argent, soit pour améliorer la conception. Dans l’étude de cas, certains facteurs sont liés à la préparation du matériau et d’autres sont liés au traitement du matériau dans le produit final. Lors de la session de formation pour les praticiens, les outils JMP pour la conception, l’évaluation et la comparaison d’expériences sont utilisés pour explorer des stratégies alternatives pour choisir un design. Les conceptions candidates considérées incluent les conceptions par défaut et spécifiées par l'utilisateur construites par JMP et les conceptions construites à partir de zéro par l'utilisateur. Par exemple, il est généralement moins coûteux d'inclure une réplication minimale de la parcelle entière et nous explorons les conséquences de l'adoption de cette stratégie. L'objectif pédagogique est d'enseigner simultanément le sujet et l'utilisation des outils JMP.
|
UE 2018 102
Anne Saint-Amans
Limagrain
Un complément pour analyser les données d'essais sur le terrain: l'ANOVA personnalisée
Quatrième groupe semencier mondial, Limagrain crée chaque année de nouvelles variétés pour les légumes et les grandes cultures. Ces nouvelles variétés sont testées et comparées aux références commerciales basées sur plusieurs variables (rendement, longueur des fruits…). L'analyse de la variance et les modèles mixtes sont exécutés pour prendre en compte les effets environnementaux indésirables (frontière, ventilation, fertilité du sol…) et extraire le potentiel génétique des variétés. JMP possède de nombreuses fonctionnalités pour réaliser les études statistiques requises. Un complément appelé «ANOVA personnalisée» a été développé par Limagrain pour les rassembler. L'objectif est de proposer un rapport complet et interactif spécifiquement adapté aux besoins des chercheurs du groupe. Une interface minimaliste et intuitive permet de sélectionner quelques options avant de lancer les analyses. Le rapport final contient différents onglets, chacun d'eux associé à une étape particulière: statistiques descriptives, statistiques du modèle, validation des hypothèses, étude des effets, calcul du potentiel génétique, cartes de terrain et comparaisons multiples. En outre, le complément exploite «l'objet expression» de JSL pour permettre de sauvegarder le script du rapport dans la table de données (comme tout autre rapport JMP). Ainsi, l’utilisateur peut garder une trace de ses résultats et régénérer facilement l’ensemble du rapport.
|
UE 2018 124
Gary Finka, Sonya Godbert, Doug Marsh, directeur, responsable des statistiques, scientifique principal
Glaxo Smith Kline
Exploration des données fonctionnelles
Vous pouvez explorer les relations entre les X et les Y de nombreuses façons lorsque vous avez un rectangle de données, avec des colonnes de variables pour chaque ligne (échantillons, analyses, lots). Mais de nombreuses autres données que vous pourriez souhaiter utiliser ne rentrent pas facilement dans ce formulaire. Un exemple courant est celui où, pour chaque échantillon, série ou lot, une mesure a été enregistrée au fil du temps. Que faire si vous souhaitez associer la forme de ces «données fonctionnelles» à d’autres variables? Le défi consiste à extraire un petit nombre de «fonctionnalités» qui capturent les informations utiles à partir des données fonctionnelles complètes de chaque «ID de fonction» (les échantillons, les analyses ou les lots). Les entités peuvent ensuite être utilisées en tant que X ou Y dans un rectangle de données standard. Parmi les autres problèmes, il y a le fait que les données peuvent ne pas être alignées sur les identifiants de fonction: la fréquence de collecte peut être différente, il peut y avoir un décalage ou des données peuvent manquer à certains points pour certains des identifiants de fonction. À l'aide d'exemples tirés d'un contexte biopharmaceutique, nous montrerons comment extraire des informations précieuses de ce type de données à l'aide de l'explorateur de données fonctionnelles dans JMP 14.
|
jeu
14h00 - 14h45
(45 minutes)
|
UE 2018 202
ALFREDO LOPEZ NAVARRO
Telefónica Germany GmbH & Co. OHG
TITANIC Revisited - Tous sur le pont!
Nous aimerions fournir une description convaincante et intéressante de certains faits, pas très connus, concernant le désastre du RMS TITANIC, coulé en 1912 après une collision avec un iceberg. Nous connaissons tous l'histoire, du moins c'est ce que nous pensons. Grâce à la méthodologie de découverte de Telefónica - optimisée par JMP -, nous nous lancerons dans une expédition qui plonge au cœur des points de données afin de sauver des idées de l'oubli. Nous allons supprimer les données en utilisant la fonction "Internet Open". Joignez, concaténez et mettez à jour des tables jusqu'à la création d'une base de données améliorée capable de fournir de nombreuses informations. Ensuite, au moyen d'analyses ANOVA, catégorielles et visuelles, nous raconterons une histoire fascinante basée sur des données. Attendez-vous à une surprise de dernière minute  Bien sûr, tout sera à portée de main: tout est documenté et expliqué, de manière à pouvoir être chargé sur la communauté d'utilisateurs JMP. Nous aimerions ouvrir une conversation pour que d'autres puissent en tirer parti. JMP à bord avec nous!
|
UE 2018 201
Philip Ramsey
Université du New Hampshire et North Haven Group
Stratégies de validation de modèles pour des expériences conçues utilisant des techniques de bootstrap avec des applications en biopharmaceutique
La modélisation statistique a deux objectifs différents: explication et prédiction. Les modèles explicatifs prédisent souvent mal (Shmueli, 2010). Les analyses d'expériences conçues (DOE) sont souvent explicatives, alors que les objectifs expérimentaux sont des prévisions. DOE est une meilleure pratique pour le développement de produits et de processus, dans laquelle on prévoit les performances futures. La modélisation prédictive nécessite de partitionner les données en ensembles de formation et de validation, lesquels sont utilisés pour évaluer les modèles prédictifs. La plupart des EOD n'ont pas suffisamment d'observations pour former un ensemble de validation excluant l'évaluation directe des performances de prévision. Nous démontrons une technique de «validation automatique équilibrée» en utilisant les données d'origine pour créer deux copies de ces données; un jeu d'apprentissage et l'autre jeu de validation; les ensembles diffèrent par la pondération des rangées. Les pondérations sont distribuées par Dirichlet et «équilibrées»; les observations contribuant davantage aux données d'apprentissage contribuent moins à l'ensemble de validation (et inversement). L'approche nécessite seulement de copier les données et de créer une colonne de formule pour les pondérations. La technique est générale, permettant d'appliquer des techniques de modélisation prédictive à des ensembles de données plus petits communs aux études de laboratoire et de fabrication. Deux études de cas sur le développement de procédés bio-pharmaceutiques sont utilisées à des fins de démonstration. Les deux cas ont des ensembles de validation volumineux combinés à des conceptions de dépistage définitif. JMP est utilisé pour démontrer des analyses.
|
UE 2018 212
robert reul
Solutions isométriques
Utiliser JMP pour éliminer la discrimination dans le lieu de travail
Élimination de la discrimination sur le lieu de travail L'un des objectifs communs des demandeurs et des employeurs est la capacité à rechercher et à obtenir un emploi répondant à un ensemble complet de caractéristiques non discriminatoires: connaissances, compétences et expérience. La triste réalité est que ceux-ci sont trop souvent bousculés par d'autres facteurs plus facilement discernables qui ont très peu à voir avec le rendement au travail et, pire encore, incarnent des pratiques contraires à l'éthique et illégales lors de l'embauche de candidats. Peut-on utiliser l'analyse de données pour exclure les préjugés discriminatoires lors de la décision d'embauche? En tirant parti de nombreux ouvrages universitaires sur la personnalité et les performances, plusieurs cadres émergent servent de vecteurs de résultats pour les modèles prédictifs, à savoir les personnalités des Big 5 et la confiance, la sympathie et la confiance. Mais que faire des prédicteurs? Grâce à des expériences sur le traitement des images faciales, des données provenant de sources telles que Google et Microsoft ont montré des résultats prévisionnels. En utilisant une série de méthodes analytiques qui criblent le potentiel prédictif et réduisent la complexité dimensionnelle, les prouesses prédictives émergent avec un ensemble de variables latentes totalement non discriminatoires qui informent les recommandations «qui interroger» / «qui engager» basées uniquement sur la personnalité culturelle en forme. Cette présentation révélera les défis et les succès de cet effort, prouvant que c'est non seulement faisable, mais que cela pourrait devenir la nouvelle norme.
|
UE 2018 210
Paul Nelson et Andrew Macpherson
GSK
Augmentation définitive des modèles de dépistage définitifs
Les modèles de dépistage définitif (DSD) répondent de manière unique aux principaux besoins de nombreux expérimentateurs. Comment pouvons-nous expliquer autrement l'adoption rapide et enthousiaste des DSD depuis la publication de leur découverte en 2011? Les DSD à 13 ou 17 analyses pour 5 à 7 facteurs sont des conceptions de choix pour de nombreux expérimentateurs lors de la sélection des quelques facteurs déterminants. En plus du 'Fit Definitive Screening' dans JMP, vous disposez potentiellement d'un flux de travail expérimental simple, efficace et performant pour rechercher les principaux effets, interactions et comportements curvilinéaires importants de ces facteurs. Si seulement 3 facteurs sont actifs, vous pouvez adapter le modèle RSM de second ordre complet et réaliser le filtrage et l'optimisation en une étape. Mais que se passe-t-il si plus de 3 facteurs sont actifs? En cas d'ambiguïté, existe-t-il une étape simple? Ou bien la complexité de cette situation devient-elle un obstacle à l’adoption des DSD? Dans cette présentation, vous entendrez d’abord des exemples concrets qui démontrent la valeur des DSD. Vous verrez ensuite qu'il existe des moyens simples d'augmenter ces DSD, en veillant à ce que la structure et les propriétés puissent être préservées, afin que les avantages des DSD soient conservés. Par conséquent, davantage de personnes dans davantage de situations peuvent bénéficier du flux de travail des DoE et DSD séquentiels.
|
jeu
15h00 - 15h45
(45 minutes)
|
UE 2018 211
Rob Lievense
Perrigo
Incorporation d’éléments QbD pour minimiser la variation du type de pulvérisation d’un processus de revêtement de pulvérisation de médicament actif à l’aide de l’analyse d’images JMP et de la plate-forme DOE
L'obtention d'une uniformité de dosage acceptable, pour les comprimés pharmaceutiques enrobés d'un médicament actif, dépend de la variabilité atténuée parmi les unités de dosage. Le processus de revêtement de tablettes à tambour exige une précision bien supérieure à celle des revêtements non fonctionnels. Le système de pulvérisation est un élément clé du processus qu'il est très difficile d'optimiser en raison de la nécessité d'un équipement spécialisé pour obtenir des mesures volumétriques. Une approche alternative implique des essais qui pulvérisent le motif sur un simple substrat en papier noir et obtiennent des images numériques du motif de pulvérisation. L’analyseur d’images permet de créer un tableau de valeurs d’intensité permettant de quantifier le motif. Les courbes du générateur d’intensité illustrant clairement les variations de pulvérisation entre et parmi plusieurs pistolets de pulvérisation fonctionnent comme un analogue efficace des mesures volumétriques classiques. Les profils sont résumés dans les sorties utilisées avec la plate-forme personnalisée DOE pour optimiser le processus du système de pulvérisation. JMP est utilisé pour incorporer des éléments QBD (Quality by Design) afin de définir l'espace de conception. L'optimisation de cet espace améliore considérablement le processus, permettant ainsi de respecter rigoureusement les normes d'uniformité du dosage.
|
UE 2018 208
Olivier Brack
Statistique Industrielle Khi2 Consulting
Conception d'expériences en simulation numérique
À la veille de la publication d’un nouveau standard AFNOR (FDX06 081) consacré au DOE sur la simulation et les tests industriels, nous proposons de présenter un exemple d’application JMP permettant de résoudre un problème d’optimisation des performances d’un train de roulement à chenilles, sur la base de simulations numériques. Pour traiter le problème des données issues de simulations non planifiées, de nouvelles simulations ont été réalisées pour obtenir des informations plus pertinentes. Ces nouvelles simulations ont également été réalisées dans le but d'obtenir des données permettant de comparer les DOE, avec un objectif pédagogique dans le cadre de formations à l'Ecole Polytechnique. Cet exemple montre l'utilité, trop souvent négligée, des DOE en simulation numérique. De la conception des tests au recalibrage du modèle théorique sur des données expérimentales réelles en passant, bien sûr, par le traitement statistique (tenant compte notamment de la variabilité expérimentale, trop souvent et si injustement mis de côté dans la simulation) et graphique des résultats Parmi les plans, cette présentation met en évidence les performances de JMP dans la réalisation des exigences des EOD en simulation numérique.
|
UE 2018 205
Thomas Zelikman
NNE
Synthèse prédictive de contrôle d'une boucle de contrôle industrielle avec Jmp
Une configuration industrielle est présentée, dans laquelle Jmp a été utilisé pour importer et joindre des fichiers provenant de plusieurs sources de données temporelles différentes, notamment des mesures de vibration, des données de fonctionnement de machine et des fichiers vidéo. Avec JSL dans Jmp, il était possible de créer un script qui effectue toutes les conversions et préconditionnements nécessaires, tels que l'extraction du son des fichiers vidéo, l'analyse spectrale du son et des vibrations et la synchronisation des données temporelles avec les positions de mesure géométriques des spécimens produits le processus permettant de lier les événements de processus aux mesures en sortie. Des méthodes multivariées ont été utilisées pour créer une prédiction de la sortie appropriée pour exporter une expression de prédicteur vers le contrôleur. Des méthodes de conception d’expériences ont été utilisées pour déterminer comment la sortie devrait être affectée pour fermer la boucle de régulation et obtenir la réponse souhaitée.
|
UE 2018 204
Par vase
NNE
Comment JMP 14 peut prédire les performances des futurs lots. Un changeur de jeu dans la validation des processus pharmaceutiques.
De nombreuses entreprises de l'industrie pharmaceutique continuent de passer une qualification de processus (Process Performance Qualification ou PPQ) simplement sur le fait que les Ppk estimés sur trois lots consécutifs sont supérieurs aux critères d'acceptation. Cependant, la validation consiste à prédire l'avenir - PAS le passé. Donc, même si les trois lots peuvent avoir un Ppk suffisant, cela ne suffit pas. La prévision des valeurs futures de Ppk doit également être prometteuse. La Société internationale de génie pharmaceutique (ISPE) a publié un document de travail intitulé «Évaluation de l’impact des outils statistiques sur les résultats du PPQ», sur la manière dont cette prévision peut être établie à partir du calcul des composantes de variance de la variance inter et intra-lot convertie en indices de capacité de traitement. L’une des raisons pour lesquelles cette méthode n’a pas encore été généralisée est l’absence de progiciels statistiques dotés de cette méthode de calcul. Cependant, c'est maintenant dans JMP 14 du graphique à 3 voies que la capacité entre et dans Sigma est en cours de calcul. Les exemples dans lesquels cette méthode a été utilisée pour l'évaluation de PPQ seront présentés dans JMP 14, avec des évaluations réussies ou non. Elle sera comparée à la méthode traditionnelle mentionnée précédemment.
|
