| Appuntamento |
Munchen I
|
Munchen II |
Berlino |
Atena - registrata |
sposare
10: 30-Noon
|
UE 2018 411
Formula Editor Deep Dive
Mike Muhlada e Audrey Schull
Questa demo introduttiva utilizzerà esempi per spiegare la meccanica dell'Editor delle formule, per indagare e correggere errori comuni e per consolidare le migliori pratiche e utili "trucchi" per la creazione di formule. Una procedura dettagliata illustrerà vari aspetti del generatore di formule, incluso l'uso del trascinamento della selezione, le scorciatoie da tastiera e i pulsanti funzione per creare formule. Mentre lavoriamo sugli esempi, discuteremo di funzioni utili, scopriremo e correggeremo errori comuni, lavoreremo con gli abbonamenti e altro. Gli argomenti delle migliori pratiche da trattare includono: formati personalizzati, utilizzo di formule per la "pulizia" dei dati, trasformazioni di colonne e utilizzo di colonne intermedie per creare formule più complesse. Particolare enfasi verrà posta sulle nuove funzionalità di JMP 14, tra cui le funzioni definite dall'utente, l'anteprima dei risultati, il rilevamento di errori / avvisi di formula "live" e l'elenco di funzioni personalizzabili.
Accesso e manipolazione dei dati
Livello 1
|
UE 2018 414
Cosa intendevano con questo? Gli elementi essenziali di Text Explorer in JMP
Don McCormack / Bill Worley
Le persone fanno commenti, lo stato di output delle macchine. Esistono enormi quantità di parole e frasi che potrebbero essere utilizzate per comprendere meglio commenti o riassunti. La domanda che molte aziende si pongono è cosa fare con queste montagne di dati non strutturati non sfruttati. Text Explorer in JMP ti offre uno strumento di data mining per aiutarti ad analizzare e comprendere meglio i tuoi clienti, o perché quel nuovo equipaggiamento che avrebbe dovuto salvare la tua attività non si sta comportando come previsto. I presentatori mostreranno le nuove funzionalità della piattaforma in JMP 14 insieme alle funzionalità delle eccezionali funzionalità presenti nell'Explorer di testo originale in JMP 13. Funzionalità che consentono di determinare rapidamente e facilmente termini e frasi utilizzati di frequente che guidano i commenti dei consumatori o l'affidabilità della macchina. Verranno utilizzati diversi casi di studio per dimostrare quanto sia facile pulire i dati. Opzioni come Local Recode o l'aggiunta di parole e frasi di stop che hanno poco o nessun significato per la tua analisi. Le nuvole di parole stanno spuntando ovunque e imparerai come generare una nuvola di parole interattiva in pochi clic.
I relatori dimostreranno strumenti avanzati di esplorazione del testo in JMP Pro e come utilizzare SVD Latent Sematic e analisi degli argomenti in Text Explorer per scoprire nuove intuizioni dai dati non strutturati. Infine, i relatori dimostreranno che, sfruttando i dati non strutturati trasformati insieme ai dati strutturati, è possibile creare modelli più predittivi e informativi.
Esplorazione dei dati
Livello 2
|
UE 2018 413
Pensiero statistico per la risoluzione di problemi industriali
Mia Stephens
Ian Cox
Scopri come sfruttare i dati e la natura visiva e interattiva di JMP per risolvere i problemi più difficili. In questa sessione di approfondimento introduciamo il principio del pensiero statistico e presentiamo un approccio pratico e basato sui dati alla risoluzione dei problemi industriale nel mondo reale. Promuoviamo la comprensione delle tecniche di base e dei moderni metodi statistici attraverso esempi e simulazioni e presentiamo un case study end-to-end per unificare i concetti e ampliare l'applicabilità.
Esplorazione dei dati
Livello 2
|
UE 2018 412
Condivisione di grafici e report JMP
Bryan Fricke e Michael Hecht
JMP è lo strumento preferito per esplorare visivamente e fare scoperte sui tuoi dati. Tuttavia, poiché non tutti sono utenti JMP, potrebbe essere necessario esportare i grafici e i report in un formato personalizzato per il pubblico. In questa sessione, dimostreremo come ottenere grafici e report da JMP e in moduli adatti alla condivisione. In particolare, tratteremo l'esportazione di grafici e report in moduli pronti per presentazioni, riviste o articoli stampati e pagine Web interattive.
Visualizzazione dati
Livello 1
|
sposare
1: 00-2: 30
|
UE 2018 418
Metodi di simulazione in JMP e JMP Pro, con particolare enfasi sul Bootstrap a peso casuale frazionario
Bill Meeker e
Chris Gotwalt
I metodi statistici basati sulla simulazione ci consentono di fare cose incredibili con i dati. In questo tutorial analizzeremo una serie di esempi che illustrano come JMP ha semplificato l'utilizzo di questi potenti metodi. Inizieremo con applicazioni di affidabilità e mostreremo come ottenere inferenze più raffinate in situazioni in cui vi sono pochissime osservazioni usando le tecniche bayesiane nella piattaforma di distribuzione della vita di JMP e nella piattaforma Fit Life By X. Presenteremo quindi il Bootstrap One-Click in JMP Pro e ne dimostreremo l'utilizzo su una varietà di esempi, con particolare enfasi sul bootstrap incredibilmente utile, ma molto sottovalutato a peso frazionario casuale. Il bootstrap classico, basato sul ricampionamento, è stato, per diversi decenni, un metodo ampiamente utilizzato per calcolare intervalli di confidenza affidabili per applicazioni in cui non è disponibile un metodo esatto e quando le dimensioni del campione non sono abbastanza grandi da poter contare su un facile da usare calcolare metodi approssimativi di grandi campioni, ad esempio intervalli di confidenza di Wald (approssimazione normale). Esistono, tuttavia, molte applicazioni in cui non è possibile utilizzare il metodo di bootstrap di ricampionamento. Questi includono situazioni in cui i dati sono fortemente censurati, regressione logistica quando la risposta di "successo" è un evento raro o in cui vi è una miscelazione limitata di successi e insuccessi tra le variabili esplicative e esperimenti progettati in cui il numero di parametri è vicino al numero di osservazioni. La cosa che queste tre situazioni hanno in comune è che potrebbe esserci una parte sostanziale dei campioni in cui non è possibile stimare tutti i parametri nel modello. Il metodo bootstrap a peso casuale parziale può essere utilizzato per evitare questi problemi e fornire intervalli di confidenza attendibili, ed è a portata di clic nella maggior parte delle piattaforme in JMP Pro. Successivamente mostreremo come eseguire calcoli di potenza utilizzando la funzione di simulazione in JMP Pro. Ciò rende semplice eseguire calcoli di potenza per molte analisi in JMP, in particolare esperimenti progettati in cui il risultato è binario. Come dimostrazione finale delle capacità di simulazione di JMP Pro, mostreremo come ottenere intervalli di confidenza sulle previsioni della rete neurale usando l'opzione Salva stime in sacchi nel Profiler.
Modellazione predittiva
Livello 4
|
UE 2018 416
Progetti JMP: un nuovo modo di organizzare il tuo lavoro in JMP 14 - Dan Valente e Aaron Andersen
Molti utenti di JMP hanno vissuto una sessione JMP interattiva che li ha lasciati con molte finestre e rapporti di analisi aperti tutti in una volta. Mentre l'utilizzo di JMP in questa "modalità finestra mobile" può funzionare per molti, ci sono situazioni in cui si preferisce avere un'interfaccia a schede. Gli utenti potrebbero anche voler associare determinati file a un progetto di analisi e non avere l'elenco completo offerto dalla finestra principale. Per questi motivi, abbiamo creato il progetto JMP in JMP 14. I progetti forniscono una singola interfaccia per documenti a JMP, uno spazio di lavoro a schede, riconfigurabile, un posto per aggiungere file ai segnalibri e un elenco di finestre che consente all'utente di navigare facilmente tra varie finestre aperte, tabelle di dati, script e altro e di avviare file di supporto come .pdfs e .ppt documenti. I progetti possono anche essere utilizzati per aprire e chiudere rapidamente molti file associati a una o più attività di analisi individuali e possono essere utilizzati per mantenere separati i progetti paralleli dove in passato potrebbe essere necessario eseguire più sessioni JMP. Infine, i progetti in JMP 14 possono anche offrire un modo semplice per condividere e collaborare al lavoro con le loro funzionalità di archiviazione.
Accesso e manipolazione dei dati
Livello 1
|
UE 2018 417
Nuove funzionalità DOE in JMP14
Ryan Lekivetz
Bradley Jones
JMP 14 ha diverse nuove funzionalità DOE.
Forse il più importante è un nuovo strumento di progettazione per la creazione di disegni a blocchi incompleti bilanciati (BIBD). Si tratta di progetti con un fattore di trattamento e un fattore di blocco. Le loro proprietà speciali sono che ogni livello di trattamento appare lo stesso numero di volte complessivo e il livello di trattamento appare insieme ad ogni altro livello di trattamento in alcuni blocchi lo stesso numero di volte. Questo crea un tipo speciale e desiderabile di equilibrio. Forniremo maggiori dettagli su questo tipo di design e dimostreremo come utilizzare l'interfaccia utente del nuovo strumento.
Il progettista personalizzato ha aggiunto una coppia di criteri di ottimalità per la generazione di progetti A-ottimali e progetti A-ottimale ponderati. Un design A-ottimale minimizza la varianza media delle stime dei parametri. Il criterio A è simile al noto criterio D in quanto si concentra sulla stima precisa dei parametri del modello. Ci sono due vantaggi che sostengono per l'uso di routine di progetti A-ottimali. Innanzitutto, è più facile capire come il criterio A produce buoni progetti rispetto al criterio D. Ciò renderebbe più semplice l'adozione dell'uso di routine di progetti ottimali per i professionisti che non conoscono il DOE. In secondo luogo, i progetti A-ottimale ponderati consentono di mettere in risalto diverse quantità di diversi gruppi di parametri. Ad esempio, si potrebbe voler enfatizzare gli effetti quadratici puri su interazioni a due fattori e entrambi sulla stima dell'effetto principale. Mostreremo come creare progetti A-ottimale sia ponderato che ponderato usando lo strumento di progettazione personalizzata.
Lo strumento Confronta disegni può ora ospitare fino a 5 disegni nell'interfaccia utente e fino a 10 disegni tramite script. In precedenza, il limite era di tre disegni. Dimostreremo questa capacità aggiuntiva con un esempio di UI e un esempio di scripting che include i nuovi design A-ottimale e ponderato A-ottimale.
Naturalmente, ci sono molti altri miglioramenti degli strumenti DOE per JMP 14. Il design del test di vita accelerato è molto migliorato. La piattaforma Fit Screening definitivo ora consente di considerare termini modello che non mostrano ereditarietà. Gli strumenti Choice Design e MaxDiff Design hanno entrambi la capacità di simulare le risposte. Ciò consentirà di determinare se un determinato progetto futuro sarà in grado di rilevare in modo affidabile effetti di una grandezza specificata. Saremo disponibili durante tutta la conferenza per dimostrare queste nuove capacità. Sfortunatamente, il tempo non consente di includerli nel tutorial.
Disegni A-Optimal
BIBDs
DOE
Livello 2
|
UE 2018 415
Utilizzo di JSL per sviluppare applicazioni efficienti e robuste
Joseph Morgan
Questo tutorial si concentrerà su costrutti JSL che possono rivelarsi preziosi quando si sviluppano applicazioni efficienti, robuste e pronte per la produzione. Questi includono funzioni di gestione delle espressioni, supporto xpath, spazi dei nomi e altri. Le idee saranno illustrate con esempi che l'istruttore ha raccolto negli ultimi 10 anni mentre ha lavorato con un'ampia sezione di utenti JSL.
Sviluppo di applicazioni JSL
Livello 3
|
sposare
2: 45-4: 15
|
UE 2018 419
Creazione di dashboard e applicazioni con JMP
Dan Schikore
Salvare un'analisi in modo che possa essere ripetuta sulla stessa o su diverse tabelle di dati è un passo importante nella creazione di un flusso di lavoro di analisi che sia efficiente e ripetibile. JMP Scripting Language (JSL) può essere utilizzato insieme agli strumenti di trascinamento della selezione disponibili in JMP Dashboard Builder e Application Builder per creare e distribuire rapidamente dashboard e applicazioni. Questo discorso tratterà di tutto, dai semplici dashboard creati con "Combina Windows" alle applicazioni complete con più finestre e script JSL. Ulteriori informazioni sulla progettazione di report con filtri di dati, parametrizzazione di applicazioni per la selezione runtime di colonne da analizzare e opzioni per la condivisione dei risultati, incluso HTML interattivo. Verrà dimostrata la nuova interfaccia del modello personalizzato, che semplifica e velocizza la creazione di più dashboard o applicazioni con un aspetto comune.
Visualizzazione dati
Livello 2
|
UE 2018 422
Miglioramento del processo integrato utilizzando gli strumenti di qualità di seconda generazione in JMP ®
Laura Lancaster
Livello 2
Gli strumenti di qualità di seconda generazione in JMP - Control Chart Builder, Capacità di processo, Analisi dei sistemi di misura e Screening dei processi - sono stati progettati con una filosofia integrativa per rendere l'analisi della qualità più semplice ed efficace. Ad esempio, la nuova piattaforma di capacità di processo è stata progettata per riflettere il tipo di diagramma di controllo utilizzato nel programma di controllo statistico del processo e un report di capacità è stato aggiunto all'interno di Control Chart Builder. Analogamente, il Profiler di rilevamento dei turni nella piattaforma di analisi dei sistemi di misurazione consente agli ingegneri della qualità di prendere decisioni informate su come progettare la loro metodologia della carta di controllo, tenendo conto del loro sistema di misurazione in modo da essere avvisati di elaborare le modifiche il più rapidamente possibile. Comprendere come il sistema di misurazione, il programma statistico di controllo del processo e le valutazioni della capacità del processo si incastrano è la chiave per migliorare e mantenere la qualità. L'esclusiva filosofia di progettazione del software rende questo semplice e diretto. Inoltre, la possibilità di vagliare rapidamente numerosi processi per la stabilità con la nuova piattaforma di Screening dei processi farà risparmiare tempo, ridurrà il carico di lavoro e migliorerà la qualità. Questo tutorial utilizzerà un case study per mostrare come utilizzare ciascuna di queste piattaforme con un approccio integrato di miglioramento del processo.
Qualità e affidabilità
Livello 2
|
UE 2018 421
Creazione di un modello unico con la piattaforma di regressione generalizzata
Clay Barker
La selezione delle variabili, il processo di scelta di una serie di fattori o predittori per modellare una risposta, è una parte essenziale del processo di costruzione del modello. Fortunatamente, non deve essere un processo doloroso. La piattaforma di regressione generalizzata (Genreg) di JMP Pro offre una varietà di tecniche automatiche di selezione delle variabili che rendono questo processo rapido e semplice. Dopo aver utilizzato la piattaforma, ci rimane un modello parsimonioso che prevede bene i nuovi dati. Vedremo come utilizzare Genreg per costruire modelli in una varietà di impostazioni: a partire da un esperimento ortogonale progettato e passando a grandi set di dati osservativi. Vedremo anche in anteprima alcune delle nuove funzionalità di Genreg nella versione 14, come la modellazione di risposte categoriche multilivello e il selettore Dantzig.
Modellazione predittiva
Livello 2
|
UE 2018 420
Arrivare alla parte divertente: come preparare i dati per l'analisi
Brian Corcoran, Mandy Chambers e Kelci Miclaus
Le piattaforme di visualizzazione e analisi statistica JMP ti consentono di scoprire segnali, tendenze e approfondimenti significativi per i tuoi dati. Quando un progetto richiede di lavorare con più file di dati complessi, arrivare a quel momento "aha" richiede l'interrogazione, l'unione, l'importazione, l'esplorazione e la pulizia dei dati necessari. Non è raro che fino all'80% del tempo sia dedicato esclusivamente alla preparazione dei dati in attività di analisi di dati complessi o di grandi dimensioni. Questa sessione evidenzia l'uso di diverse nuove funzionalità in JMP 13 e JMP 14 per ottenere rapidamente e facilmente lo stato di analisi pronto. Discuteremo di come i dati possono essere interrogati e importati da un database, aperti e uniti con JMP Query Builder e più opzioni di importazione di file nuove in JMP 14. JMP 13 ha introdotto i join virtuali nelle tabelle di dati JMP, che consente di specificare chiavi comuni per collegare più tabelle. Le nuove funzionalità di JMP 14 indirizzano una tabella per ascoltare o inviare le modifiche allo stato delle righe tra le tabelle collegate. Dimostreremo come queste nuove funzionalità consentono alle tabelle unite virtualmente di "dialogare" tra loro condividendo gli stati delle righe per una facile esplorazione dei dati e la creazione immediata di analisi / dashboard senza manipolazione delle tabelle. Infine affronteremo il lavoro sporco della pulizia dei dati, evidenziando le nuove funzionalità di Recode per dimostrare come ora possiamo sostituire le stringhe utilizzando espressioni regolari, rimuovere la punteggiatura indesiderata, salvare gli script di Ricodifica, riutilizzarli e accodarli e persino utilizzare etichette di valore se il colonna li ha già assegnati. Questi argomenti semplificheranno l'esperienza di ogni utente JMP con importazione, esplorazioni di tabelle e pulizia dei dati; lasciando più tempo per divertirsi: analisi dei dati.
Accesso e manipolazione dei dati
Livello 1
|
sposare
4: 30-6: 00
|
UE 2018 426
Analisi dell'affidabilità e ingegneria mediante JMP
Peng Liu, principale sviluppatore statistico di ricerca di JMP, SAS
Leo Wright, direttore del prodotto principale di JMP, SAS
Michael Crotty, JMP Senior Statistical Writer, SAS
La suite di strumenti all'avanguardia in JMP per lo studio dell'affidabilità è progettata per consentire alle organizzazioni di fornire prodotti di qualità superiore, un requisito per il successo nell'arena odierna di prodotti e servizi complessi. Per molti anni abbiamo incorporato concetti all'avanguardia che integrano una solida analisi statistica con la visualizzazione dinamica dei dati per aiutare gli utenti a valutare immediatamente le prestazioni, individuare le tendenze e diagnosticare opportunità di miglioramento, anche in enormi set di dati. JMP ha riconosciuto che l'affidabilità, nota anche come "qualità nel tempo", è cruciale su tutta la linea, dai prodotti di consumo e industriali all'assistenza sanitaria ai sistemi di difesa. Gli strumenti di affidabilità JMP sono progettati per aiutare ingegneri, ricercatori e manager a comprendere i dati di affidabilità e l'affidabilità del sistema in modo più semplice e rapido, indipendentemente dal fatto che il sistema studiato sia relativamente semplice o completamente complesso. Gli strumenti di affidabilità JMP, supportati dalla potente infrastruttura JMP, sono anche estensibili e personalizzabili. In questo tutorial, tratteremo le seguenti piattaforme JMP: distribuzione della vita, previsioni di affidabilità, degradazione e simulazione di sistemi riparabili. Le piattaforme sono tra i componenti essenziali dell'analisi dell'affidabilità e dell'ingegneria, affrontando i problemi sia per i sistemi riparabili che per quelli non riparabili. Il tutorial inizierà con un'introduzione ai dati censurati e delineerà diversi obiettivi di analisi dell'affidabilità e ingegneria. Gli istruttori affronteranno i singoli obiettivi utilizzando esempi inclusi con il software JMP.
Qualità e affidabilità
Livello 3
|
UE 2018 424
10+ cose che non sai di JMP
Brady Brady
Come già sapete, JMP è uno strumento straordinariamente ricco per l'analisi e l'esplorazione dei dati. Ciò significa anche che sai che c'è più di un modo per fare quasi tutto in JMP.
I 10 (o più!) Suggerimenti e trucchi condivisi qui ti renderanno più efficiente e ti introdurranno a tecniche, scorciatoie da tastiera, formule e altro ancora.
Entra e sali di livello dal principiante all'esperto o dall'esperto al guru.
Esplorazione dei dati
Livello 1
|
UE 2018 425
I sapori multivariati di JMP: dal continuo al categoriale al discreto al funzionale
Laura Castro-Schilo e Chris Gotwalt
L'analisi multivariata dei dati è diventata un'abilità essenziale poiché la quantità di dati è aumentata alle stelle e le aziende sono più guidate dai dati nel loro processo decisionale. In questa sessione di breakout estesa mostriamo l'approccio visivo e interattivo unico di JMP all'analisi di dati multivariati utilizzando una varietà di approcci che si basano su dati continui, categorici, discreti e funzionali. Inizieremo con una discussione di base sull'essenza dell'analisi multivariata: l'idea che le informazioni contenute in un gran numero di variabili possano spesso essere rappresentate in modo efficiente con un numero minore di variabili. Diamo quindi una panoramica degli strumenti generali di JMP per l'analisi dei dati multivariati. La sessione sarà suddivisa in due parti. L'introduzione utilizzerà i dati dell'analisi sensoriale e della ricerca dei consumatori per motivare e dimostrare i classici metodi multivariati senza supervisione come l'analisi dei componenti principali, l'analisi delle corrispondenze multiple e una nuova tecnica in JMP 14, Analisi dei fattori multipli. La seconda parte riguarderà i metodi supervisionati per i dati multivariati utilizzando i minimi quadrati parziali e i componenti funzionali principali. Per illustrare questi metodi supervisionati, costruiremo modelli per prevedere la resa di un processo di produzione in batch con i dati provenienti da più flussi di segnale. In tutto, forniremo linee guida chiare su quando ogni tecnica analitica è appropriata e metteremo in evidenza le opzioni software più importanti e utili.
Esplorazione dei dati
Livello 2
|
UE 2018 423
Viste nuove e avanzate in JMP 14 Graph Builder
Xan Gregg e Scott Wise
Questa sessione di breakout combina le popolari sessioni "Novità in Graph Builder" e "Immagini dalle visualizzazioni avanzate di Graph Builder".
Per prima cosa, faremo una visita guidata a diverse nuove e raffinate funzionalità di Graph Builder in JMP 14. Una nuova area di rilascio degli intervalli semplifica le barre di errore personalizzate. Sono stati aggiunti diversi tipi di jitter, incluso un nuovo valore predefinito. Uno stile di grafico a barre completamente nuovo chiamato "barre impaccate" estende i grafici di Pareto. Altri tipi di elementi supportano coordinate parallele per viste multivariate compatte. I contorni possono essere levigati. Le statistiche elementari sono accessibili.
Quindi esploreremo come creare viste grafiche avanzate popolari e accattivanti utilizzando JMP Graph Builder. Abbiamo creato immagini nuovissime per il diario di Gallery 3 che presenta visualizzazioni aggiuntive disponibili nelle ultime versioni di JMP. Presenteremo diversi formati di grafici di settore popolari che potresti non conoscere potrebbero essere facilmente creati all'interno di JMP. Verranno inclusi punti di vista come l'incorporamento di elenchi puntati, barre degli errori a due vie, grafici dei vulcani e altro ancora che possono aiutare a dare vita alla tua analisi e fornire una piattaforma avvincente per aiutarti a gestire i tuoi risultati!
Visualizzazione dati
Livello 1
|
gio
10: 45-11: 15
(30 minuti)
|
UE 2018 105
Christoph Gross
SCHOTT AG
Scorrere i set di file
'Iterazione su set di file' è un compito comune nel processo di preparazione e analisi dei dati basati su script. Gli scenari tipici includono la conversione automatica di file non JMP (ad es. File di misurazione, che arrivano quotidianamente) e l'estrazione e la raccolta di risultati intermedi da set di file, che sono troppo grandi per un semplice join. Piuttosto che parlare di ciò che viene fatto con i singoli file, mi concentrerò sul framework iterante e presenterò una serie di utili funzioni.
|
UE 2018 113
Elie Maricau
BASF Antwerpen
Applicazione di Data Analytics per migliorare la resa di un processo di produzione chimica: apprendimenti e migliori pratiche
Questa presentazione discute un caso d'uso di esempio in un impianto di produzione chimica in cui l'obiettivo è migliorare la resa del prodotto. Nell'ambito del progetto, sono stati analizzati 5 anni di dati storici (inclusi dati di laboratorio, dati dei sensori e dati di testo del registro). I risultati dell'analisi innescano esperimenti dedicati nell'impianto, sia per convalidare i risultati basati sui dati sia per esplorare ulteriormente relazioni sconosciute. Durante la presentazione, metterò in evidenza alcuni fattori critici di successo nell'approccio al progetto (es LSS DMAIC) e dimostreremo come JMP è stato utilizzato per trovare relazioni nascoste nei dati. Dimostrerò come JMP può essere molto efficace per aggregare rapidamente set di dati, pulire i dati, separare il rumore dalle effettive variazioni del processo e visualizzare e quantificare le relazioni. Le tecniche che verranno discusse e dimostrate includono operazioni sulle tabelle, filtraggio dei dati, modellazione e DOE.
|
UE 2018 116
Martin Owen
Insight di Design
Progetto, approfondimento, azione !!!
Come docente e formatore, sono molto interessato alle capacità offerte dalla nuova funzionalità del progetto in JMP14EA. Vedo questa piattaforma estendere le nostre capacità per migliorare la memoria organizzativa, riunendo materiale (set di dati, script, modelli e report di visualizzazione) da fonti diverse. Siamo in grado di mappare su strutture di file esistenti e creare una nuova struttura organizzativa tramite un'unica interfaccia del documento. In questa presentazione fornirò esempi del potenziale del progetto JMP14 come strumento di insegnamento. L'obiettivo è quello di accelerare l'apprendimento e aiutare i team o le organizzazioni ad adottare nuovi flussi di lavoro, mantenere intuizioni da studi precedenti, prendere decisioni migliori e agire. L'area di lavoro flessibile di Project dà vita a storie avvincenti. Ora è molto facile:
- creare un flusso di lavoro di operazioni sequenziali, dalla progettazione di esperimenti all'analisi e alla documentazione di informazioni e azioni chiave
- mostra come le informazioni si basano su una serie di pacchetti di lavoro di progettazione sperimentale
- confrontare e selezionare tra diversi approcci di modellazione e visualizzazione
- creare e archiviare report standard che si aggiornano quando vengono immessi nuovi dati
Un ulteriore vantaggio è che ora è più facile gestire e curare i dati mentre lavoro: chiudere una sessione corrente pronta per rigenerarsi il giorno successivo non potrebbe essere più semplice.
|
UE 2018 104
Piet Hoogkamer
Prodotti sanitari Abbott
Test multivariati della somiglianza delle curve di dissoluzione
Il test di dissoluzione dei prodotti farmaceutici è importante in quanto misura surrogata della dissoluzione in vivo. La dissoluzione in vivo influisce sulla biodisponibilità, che può influire sulla cinetica farmacologica (livelli ematici) e, di conseguenza, può influire sulla sicurezza e l'efficacia. Nel caso in cui venga proposta una modifica rispetto al processo di produzione, al sito di produzione o al metodo di prova, è necessario dimostrare "equivalenza" per ottenere una bio-rinuncia. La somiglianza delle curve può essere testata usando la metrica matematica f2, dove un valore tra 50 e 100 suggerisce somiglianza. La metrica f2 verrà spiegata in dettaglio. Tuttavia, nel caso in cui la variabilità sia troppo elevata (tra unità testate, all'interno di un punto temporale), è invece necessario utilizzare una statistica basata sulla distanza multivariata. Verranno visualizzate alcune opzioni per approcci dipendenti dal modello e indipendenti dal modello. L'uso di JMP, sia con funzionalità standard che con uno script dedicato, verrà illustrato per la distanza di Mahalanobis.
|
gio
11:30 - 12:00
(30 minuti)
|
UE 2018 115
Paolo Nencioni
A.Menarini ML & SSrL
Utilizzo della piattaforma Fit Model per prevedere, in breve tempo, la durata di conservazione di alcune formulazioni, durante le fasi di sviluppo di un prodotto farmaceutico.
In generale, le linee guida dell'International Council of Harmonization (ICH) richiedono che un prodotto farmaceutico debba essere valutato in condizioni di conservazione predefinite che ne testano la stabilità termica. Le condizioni di conservazione e la durata degli studi scelti dovrebbero essere sufficienti a coprire la conservazione, la spedizione e l'uso. I test a lungo termine dovrebbero coprire un periodo minimo di dodici mesi al momento della presentazione, mentre le condizioni intermedie e accelerate dovrebbero coprire un minimo di sei mesi. Durante le fasi di sviluppo, più di una formulazione può dare risultati per soddisfare i requisiti del progetto. Come possiamo scegliere il migliore? Sicuramente, vorremmo scegliere la formulazione che assicuri la durata di conservazione più lunga possibile. L'esecuzione di uno studio formale di stabilità ICH fornisce risposte utili non prima di sei mesi. L'esecuzione di studi di stabilità accelerata utilizzando temperature più elevate rispetto alle condizioni ICH, ha permesso di valutare il comportamento di alcune formulazioni, in un tempo relativamente breve (non più di trenta giorni). Con la piattaforma JMP Fit Model, è stato possibile stimare il tasso di degrado in funzione del fattore di stress, arrivando a una decisione basata sui dati sulla formula più stabile. I tassi di degradazione stimati sono stati utilizzati per prevedere i valori degli attributi di qualità nei punti temporali e nelle condizioni di conservazione richieste dalla linea guida ICH. I risultati previsti sono stati confrontati con il valore effettivo di un lotto seguito utilizzando le condizioni ICH, al fine di verificare la bontà dei modelli. Lo stesso approccio è stato utilizzato per valutare insieme l'effetto della temperatura e del livello di ossigeno. I modelli realizzati con JMP sono stati utilizzati per identificare il reale effetto del contenuto di ossigeno, sugli attributi di qualità critica del prodotto finito.
|
UE 2018 121
Jacqueline Asscher
Kinneret College sul Mare di Galilea
Sessione di formazione del settore basata su un caso di studio: utilizzo di JMP per apprendere come progettare esperimenti di split plot
Quando gli esperimenti hanno una struttura a trama divisa, questo dovrebbe essere preso in considerazione sia nella progettazione che nell'analisi. Un esempio comune è un esperimento condotto per migliorare un processo che viene eseguito in batch, in cui alcuni fattori vengono modificati tra batch e altri fattori vengono modificati all'interno di batch, risultando in esecuzioni non completamente indipendenti. La struttura del diagramma diviso può essere inerente al processo oggetto di indagine o nell'impostazione sperimentale o può essere adottata per scelta per risparmiare tempo o denaro o per migliorare il design. Nel caso di studio, alcuni fattori sono correlati alla preparazione del materiale e altri fattori sono correlati alla trasformazione del materiale nel prodotto finale. Nella sessione di formazione per professionisti, gli strumenti JMP per la progettazione, la valutazione e il confronto di esperimenti vengono utilizzati per esplorare strategie alternative per la scelta di un progetto. I progetti candidati considerati includono i progetti predefiniti e specificati dall'utente creati da JMP e i progetti creati da zero dall'utente. Ad esempio, di solito è più economico includere una replica minima dell'intero diagramma ed esploriamo le conseguenze dell'adozione di questa strategia. L'obiettivo pedagogico è insegnare contemporaneamente l'argomento e l'uso degli strumenti JMP.
|
UE 2018 102
Anne SAINT-AMANS
Limagrain
Un componente aggiuntivo per analizzare i dati di prova sul campo: l'ANOVA personalizzato
Limagrain, quarta più grande azienda di sementi al mondo, crea ogni anno nuove varietà per le colture orticole e di campo. Queste nuove varietà sono testate e confrontate con riferimenti commerciali basati su diverse variabili (resa, lunghezza dei frutti ...). L'analisi della varianza e dei modelli misti vengono eseguiti per tenere conto degli effetti ambientali indesiderati (confine, ventilazione, fertilità del suolo ...) ed estrarre il potenziale genetico delle varietà. JMP possiede molte caratteristiche per realizzare gli studi statistici richiesti. Un componente aggiuntivo chiamato "ANOVA personalizzato" è stato sviluppato da Limagrain per riunirli. L'obiettivo è offrire un rapporto completo e interattivo specificamente adattato alle esigenze dei ricercatori del gruppo. Un'interfaccia minimalista e intuitiva consente di selezionare alcune opzioni prima di avviare le analisi. Il rapporto finale contiene diverse schede, ognuna associata a un determinato passaggio: statistiche descrittive, statistiche del modello, validazione delle ipotesi, studio degli effetti, calcolo del potenziale genetico, mappe dei campi e confronti multipli. Inoltre, il componente aggiuntivo sfrutta l '"oggetto espressione" di JSL per fornire la possibilità di salvare lo script del report nella tabella dei dati (come qualsiasi altro report JMP). In questo modo l'utente può tenere traccia dei suoi risultati e rigenerare facilmente l'intero report.
|
UE 2018 124
Gary Finka, Sonya Godbert, Doug Marsh, direttore, responsabile statistico, scienziato senior
Glaxo Smith Kline
Esplorazione dei dati funzionali
Esistono molti modi per esplorare il modo in cui le X si relazionano alle Y quando si dispone di un rettangolo di dati, con colonne di variabili per ogni riga (campioni, esecuzioni, batch). Ma molti altri dati che potresti voler utilizzare non si adattano facilmente a questo modulo. Un esempio comune è dove, per ogni campione, esecuzione o batch, si ha una misura che è stata registrata nel tempo. Cosa succede se si desidera mettere in relazione la forma di questi "dati funzionali" con altre variabili? La sfida è quella di estrarre un piccolo numero di "caratteristiche" che catturano le informazioni utili dai dati funzionali completi da ciascun "ID funzione" (campioni, serie o lotti). Le funzionalità possono quindi essere utilizzate come X o Y in un rettangolo dati standard. Altre sfide includono il fatto che i dati potrebbero non essere allineati agli ID funzione: la frequenza di raccolta potrebbe essere diversa, potrebbe esserci un offset o potrebbero mancare dei dati in alcuni punti per alcuni degli ID funzione. Con esempi tratti da un'impostazione biofarmaceutica, mostreremo come ottenere preziose informazioni da questo tipo di dati usando Functional Data Explorer in JMP 14.
|
gio
2:00 - 2:45
(45 minuti)
|
UE 2018 202
ALFREDO LOPEZ NAVARRO
Telefónica Germany GmbH & Co. OHG
TITANIC Revisited - All Hands on Deck!
Vorremmo fornire una descrizione avvincente e interessante di alcuni fatti, non molto noti, sul disastro di RMS TITANIC, affondato nel 1912 dopo essersi scontrato con un iceberg. Conosciamo tutti la storia, o almeno così pensiamo. Grazie alla Metodologia di scoperta di Telefónica — potenziata da JMP-, intraprenderemo una spedizione immergendoci in una visione di punti dati per salvare le intuizioni dall'oblio. Scaricheremo i dati utilizzando la funzione "Internet Open". Partecipa, concatena e aggiorna le tabelle fino a creare un database avanzato in grado di fornire molte informazioni. Quindi, tramite ANOVA, analisi categoriche e visive, racconteremo un'affascinante storia basata sui dati. Aspettatevi una sorpresa dell'ultimo minuto  Ovviamente sarà tutto a portata di mano: tutto è documentato e spiegato in modo da essere caricato nella Community degli utenti di JMP. Vorremmo aprire una conversazione affinché altri si basino su questo. JMP a bordo con noi!
|
UE 2018 201
Philip Ramsey
Università del New Hampshire e North Haven Group
Strategie di convalida del modello per esperimenti progettati utilizzando tecniche di bootstrap con applicazioni ai prodotti farmaceutici
Esistono due obiettivi diversi per la modellazione statistica: Spiegazione e Previsione. I modelli esplicativi spesso predicono male (Shmueli, 2010). Spesso le analisi degli esperimenti progettati (DOE) sono esplicative, ma gli obiettivi sperimentali sono la previsione. DOE una best practice per lo sviluppo di prodotti e processi in cui si prevedono prestazioni future. La modellazione predittiva richiede il partizionamento dei dati in set di training e validazione in cui il set di validazione viene utilizzato per valutare i modelli predittivi. La maggior parte dei DOE ha osservazioni insufficienti per formare un insieme di validazione che preclude la valutazione diretta delle prestazioni di previsione. Dimostriamo una tecnica di "Auto-convalida bilanciata" utilizzando i dati originali per creare due copie di tali dati; uno un set di addestramento e l'altro un set di validazione; le serie differiscono nelle ponderazioni delle file. I pesi sono Dirichlet distribuiti e "bilanciati"; le osservazioni che contribuiscono maggiormente ai dati di formazione contribuiscono meno al set di validazione (e viceversa). L'approccio richiede solo la copia dei dati e la creazione di una colonna formula per pesi. La tecnica è generale che consente di applicare tecniche di modellazione predittiva a insiemi di dati più piccoli comuni a studi di laboratorio e di produzione. Per la dimostrazione vengono utilizzati due casi studio di sviluppo di processi biofarmaceutici. Entrambi i casi hanno set di validazione di grandi dimensioni combinati con progetti di screening definitivi. JMP viene utilizzato per dimostrare le analisi.
|
UE 2018 212
Robert Reul
Soluzioni isometriche
Utilizzo di JMP per eliminare la discriminazione in Workpalce
Eliminare la discriminazione sul posto di lavoro Probabilmente l'unico obiettivo condiviso dai richiedenti e dai datori di lavoro è la capacità di cercare e garantire un impiego su una serie completa di caratteristiche non discriminatorie: conoscenza, abilità ed esperienza. La sfortunata realtà è che questi sono troppo spesso superati da altri fattori più facilmente distinguibili che hanno ben poco a che fare con le prestazioni lavorative e, peggio ancora, incarnano pratiche non etiche e illegali quando si assumono candidati per un lavoro. L'analisi dei dati può essere utilizzata per escludere distorsioni discriminatorie durante la decisione di assunzione? Sfruttando la vasta letteratura accademica sulla personalità e le prestazioni, emergono numerosi framework che fungono da vettori di risultati per i modelli predittivi, vale a dire le personalità del Big 5 e l'affidabilità, la simpatia e la fiducia. Ma cosa fare con i predittori? Attraverso la sperimentazione con l'elaborazione dei dati delle immagini facciali da fonti come Google e Microsoft ha mostrato una promessa predittiva. Utilizzando una serie di metodi analitici che selezionano il potenziale predittivo e riducono la complessità dimensionale, emerge l'abilità predittiva con un insieme completamente non discriminatorio di variabili latenti che informano le raccomandazioni "chi intervistare" / "chi assumere" basate esclusivamente sulla personalità culturale in forma. Questa presentazione rivelerà le sfide e i successi di questo sforzo dimostrando che non è solo fattibile, ma potrebbe diventare la nuova normalità.
|
UE 2018 210
Paul Nelson e Andrew Macpherson
GSK
Aumento definitivo di progetti di screening definitivi
I progetti di screening definitivi (DSD) rispondono in modo univoco alle esigenze chiave di molti sperimentatori. In che altro modo possiamo spiegare l'adozione rapida ed entusiasta dei DSD dalla loro scoperta nel 2011? I DSD a 13 o 17 serie per 5-7 fattori sono progetti ideali per molti sperimentatori durante lo screening per i pochi fattori guida. Insieme a 'Fit Screening definitivo' in JMP, hai potenzialmente un flusso di lavoro sperimentale semplice, efficiente ed efficace per trovare gli effetti principali, le interazioni e i comportamenti curvilinei importanti di questi fattori. Se sono attivi solo 3 dei fattori, è possibile adattare l'intero modello RSM del secondo ordine e ottenere screening e ottimizzazione in un solo passaggio. E se fossero attivi più di 3 fattori? Quando si verifica l'ambiguità c'è un semplice passo successivo? O la complessità di questa situazione diventa un ostacolo all'adozione dei DSD? In questa presentazione, sentirai innanzitutto esempi di vita reale che dimostrano il valore dei DSD. Vedrai quindi che esistono modi semplici per aumentare questi DSD, assicurando che la struttura e le proprietà possano essere preservate, così che i vantaggi dei DSD siano mantenuti. Di conseguenza, più persone in più situazioni possono trarre vantaggio dal flusso di lavoro di DoE e DSD sequenziali.
|
gio
3:00 - 3:45
(45 minuti)
|
UE 2018 211
Rob Lievense
Perrigo
Integrazione di elementi QbD per ridurre al minimo la variazione del modello di spruzzo di un processo di rivestimento di spruzzo di farmaci attivo mediante JMP Image Analysis e la piattaforma DOE
L'ottenimento di un'uniformità di dosaggio accettabile, per compresse farmaceutiche rivestite con un farmaco attivo, dipende dalla mitigazione della variabilità tra le unità di dosaggio. Un livello molto più elevato di precisione è richiesto dal processo di rivestimento delle compresse di tamburi per applicare rivestimenti attivi rispetto a rivestimenti non funzionali. Il sistema a spruzzo è un elemento chiave del processo che è molto difficile da ottimizzare a causa della necessità di attrezzature specializzate per ottenere misurazioni volumetriche. Un approccio alternativo prevede prove che spruzzano il motivo su un semplice substrato di carta nera e ottengono immagini digitali del motivo di spruzzo. L'analizzatore di immagini viene utilizzato per creare una tabella di valori di intensità, che quantificano il modello. I grafici del generatore di grafici del profilo di intensità illustrano chiaramente la variazione di spruzzo tra e tra più pistole a spruzzo che funzionano come un analogo efficiente alle misure volumetriche tipiche. I profili sono riassunti in output che vengono utilizzati con la piattaforma DOE personalizzata per ottimizzare il processo del sistema di nebulizzazione. JMP viene utilizzato per incorporare elementi Quality by Design (QbD) per definire lo spazio di progettazione. L'ottimizzazione di questo spazio migliora notevolmente il processo in modo da poter soddisfare in modo rigoroso gli standard rigorosi stabiliti per l'uniformità del dosaggio.
|
UE 2018 208
Olivier Brack
Statistique Industrielle Khi2 Consulting
Progettazione di esperimenti in simulazione numerica
Alla vigilia della pubblicazione di un nuovo standard AFNOR (FDX06 081) dedicato al DOE su simulazione e test industriali, proponiamo di presentare un esempio di applicazione JMP per risolvere un problema di ottimizzazione delle prestazioni di un carrello cingolato, basato su simulazioni numeriche. l'elaborazione dei dati da simulazioni non pianificate per affrontare il problema, sono state eseguite nuove simulazioni per ottenere informazioni più pertinenti. Queste nuove simulazioni sono state anche realizzate al fine di ottenere dati che consentano di confrontare i DOE, con un obiettivo pedagogico nell'ambito della formazione presso l'Ecole Polytechnique. Questo esempio mostra l'utilità, troppo spesso trascurata, dei DOE nella simulazione numerica. Dalla progettazione dei test, alla ricalibrazione del modello teorico su dati sperimentali reali, passando, ovviamente, dal trattamento statistico (tenendo conto in particolare della variabilità sperimentale, troppo spesso e così ingiustamente messo da parte nella simulazione) e grafico dei risultati dei piani, questa presentazione evidenzia le prestazioni di JMP nel raggiungimento dei requisiti dei DOE nella simulazione numerica.
|
UE 2018 205
Thomas Zelikman
NNE
Sintesi del controllo predittivo di un circuito di controllo industriale con Jmp
Viene presentata una configurazione industriale, in cui Jmp è stato utilizzato per importare e unire file da diverse fonti di dati temporali tra cui misure di vibrazione, dati di funzionamento della macchina e file video. Con JSL in Jmp, è stato possibile creare uno script che esegue tutte le conversioni necessarie e il precondizionamento dei dati come l'estrazione del suono dai file video, l'analisi spettrale del suono e delle vibrazioni e la sincronizzazione dei dati temporali con posizioni geometriche di misurazione sui campioni prodotti in il processo per consentire il collegamento di eventi di processo con misurazioni sull'output Sono stati usati metodi multivariati per creare una previsione dell'output adatta per esportare l'espressione del predittore nel controller. I metodi di progettazione degli esperimenti sono stati utilizzati per identificare come l'output dovrebbe essere influenzato per chiudere il circuito di controllo e ottenere la risposta desiderata.
|
UE 2018 204
Per vaso
NNE
In che modo JMP 14 può prevedere le prestazioni dei lotti futuri. Un punto di svolta nella convalida dei processi farmaceutici.
Molte aziende del settore farmaceutico continuano a ottenere una Process Performance Qualification (PPQ) semplicemente per il fatto che il Ppk stimato su tre lotti consecutivi è migliore dei criteri di accettazione. Tuttavia, la convalida riguarda la previsione del futuro, NON del passato. Quindi, anche se i tre lotti possono avere un Ppk sufficiente, questo non è sufficiente. Anche la previsione per i futuri valori di Ppk deve apparire promettente. La International Society of Pharmaceutical Engineering (ISPE) ha pubblicato un documento di discussione "Valutazione dell'impatto degli strumenti statistici sugli esiti PPQ" su come questa previsione può essere fatta dal calcolo dei componenti di varianza tra e all'interno della varianza batch convertita in indici di capacità di processo. Uno dei motivi per cui questo metodo non è ancora ampiamente utilizzato è stata la mancanza di pacchetti software statistici con questo metodo di calcolo come standard. Tuttavia, è ora in JMP 14 nella tabella a 3 vie che viene calcolata la capacità Between e Within Sigma. Esempi in cui questo metodo è stato utilizzato per la valutazione PPQ verranno mostrati in JMP 14 sia con valutazioni riuscite che senza esito positivo. Sarà confrontato con il metodo tradizionale menzionato in precedenza.
|
