48215_zh-CN

liliconcom

分组计划

已更新11Jan2018： 所有突破现在都在下表中列出。

 

在主题演讲结束后，SAS工作人员将在周三举行延长分组会议。

这些会议将是一个半小时，将在时间上运行四次，总共16个会话。

 

周四的突破并不是最终决定。我们需要确认45分钟的时间段。

 

约会时间	慕尼黑我	慕尼黑二世	柏林	雅典 - 记录
星期三 10：30-中午	欧盟2018年411 公式编辑深潜   Mike Muhlada和Audrey Schull   这个介绍性演示将使用示例来解释公式编辑器的机制，调查和修复常见错误，并巩固最佳实践和公式创建的有用“技巧”。详细的演练将介绍公式构建器的各个方面，包括使用拖放，键盘快捷键和功能按钮来创建公式。在我们处理示例时，我们将讨论有用的功能，发现和纠正常见错误，使用下标等。要涵盖的最佳实践主题包括：自定义格式，使用数据'清理'的公式，列转换以及使用中间列来构建更复杂的公式。将特别强调JMP 14的新功能，包括用户定义的功能，结果预览，“实时”公式错误/警告检测以及可自定义的功能列表。   数据访问和操作   1级	欧盟2018年414   他们的意思是什么？JMP中的Text Explorer精华   Don McCormack / Bill Worley   人们发表评论，机器输出状态。有大量的单词和短语可用于更好地理解评论或摘要。许多公司提出的问题是如何处理这些尚未开发的非结构化数据。JMP中的Text Explorer为您提供了一个数据挖掘工具，可帮助您分析和更好地了解您的客户，或者为什么那些本来可以保存您业务的新设备没有按预期运行。演示者将展示JMP 14中的新平台功能以及JMP 13中原始文本浏览器中的突出功能。功能可以快速，轻松地帮助您确定经常使用的术语和短语，从而推动消费者评论或机器可靠性。将使用几个案例研究来说明清理数据的难易程度。本地重新编码等选项或添加对分析几乎没有意义的停用词和短语。Word云正在全面出现，您只需点击几下即可学习如何生成交互式文字云。   演示者将演示JMP Pro中的高级文本探索工具，以及如何在文本资源管理器中使用Latent Sematic SVD和主题分析来发现非结构化数据的新见解。最后，演示者将通过利用您转换的非结构化数据以及结构化数据来证明您可以构建更具预测性和信息量的模型。   数据探索   2级	欧盟2018 413   工业问题解决的统计思考   Mia Stephens 伊恩考克斯   了解如何利用数据以及JMP的视觉和交互特性来解决您最具挑战性的问题。在本次分组会议中，我们介绍了统计思维的原理，并提出了一种实用的，数据驱动的方法来解决现实世界的工业问题。我们通过实例和模拟促进对核心技术和现代统计方法的理解，并提出端到端的案例研究，以统一概念和拓宽适用性。   数据探索   2级	欧盟2018 412 共享JMP图和报告   Bryan Fricke和Michael Hecht   JMP是视觉探索和发现数据的首选工具。但是，由于并非每个人都是JMP用户，因此您可能需要以适合您的受众群体的形式导出图表和报告。在本次会议中，我们将演示如何从JMP中获取图表和报告以及适合共享的表单。特别是，我们将以表格形式出版图表和报告，以备演示文稿，印刷期刊或文章以及交互式网页。    数据可视化   1级
星期三 1：00-2：30	欧盟2018 418 JMP和JMP Pro中的仿真方法，特别强调分数随机权重引导    比尔米克和 Chris Gotwalt   基于仿真的统计方法允许我们用数据做一些令人难以置信的事情。  在本教程中，我们将通过各种示例说明JMP如何轻松利用这些强大的方法。  我们将从可靠性应用开始，并展示如何在JMP的生命分布平台和Fit Life By X平台中使用贝叶斯技术进行极少观察的情况下获得更精细的推论。  然后，我们将介绍JMP Pro中的One-Click Bootstrap并演示其在各种示例中的使用，特别强调非常有用但非常低估的分数随机权重引导程序。  几十年来，基于重采样的经典引导程序已经成为一种广泛使用的方法，用于计算可靠的置信区间，用于没有精确方法的应用程序，以及样本大小不足以依赖于易于使用的样本计算大样本近似方法，例如Wald（正态近似）置信区间。  然而，有许多应用程序不能使用重采样引导程序方法。这些包括数据被严格审查的情况，当“成功”响应是罕见事件时的逻辑回归，或者解释变量中成功和失败混合有限的情况，以及参数数量接近的设计实验观察次数。这三种情况的共同之处在于，可能存在相当大比例的重采样，其中不可能估计模型中的所有参数。  分数随机权重引导方法可用于避免这些问题并提供可信赖的置信区间，并且只需点击JMP Pro中的大多数平台即可。  接下来，我们将演示如何使用JMP Pro中的模拟功能进行功率计算。  这使得在整个JMP中进行许多分析的功率计算变得简单，特别是在结果为二进制的设计实验中。  作为JMP Pro仿真功能的最终演示，我们将展示如何使用Profiler中的Save Bagged Estimates选项获得神经网络预测的置信区间。    预测建模   4级	欧盟2018 416 JMP项目：在JMP中组织工作的新方法14 - Dan Valente和Aaron Andersen   许多JMP用户经历了一个交互式JMP会话，这些会话为他们提供了许多窗口并分析了一次打开的所有报告。虽然在这种“浮动窗口模式”中使用JMP可能对许多人有用，但是有些情况下首选具有选项卡式界面。用户还可能希望将某些文件与分析项目相关联，而不是拥有主窗口提供的完整列表。出于这些原因，我们在JMP 14中创建了JMP项目。Projects为JMP提供单一文档界面，一个带标签，可重新配置的工作空间，书签文件的位置和一个窗口列表，让用户可以轻松浏览各种打开的窗口，数据表，脚本等，以及启动支持文件，如.pdfs和.ppt文件。项目还可用于快速打开和关闭与一个或多个单独分析活动相关联的许多文件，并可用于将并行项目分开，以便您可能需要运行多个JMP会话。最后，JMP 14中的项目还可以为您提供一种与归档功能共享和协作工作的简便方法。    数据访问和操作   1级	欧盟2018 417 JMP14中的新DOE功能   Ryan Lekivetz 布拉德利琼斯   JMP 14具有几个新的DOE功能。   也许最重要的是用于创建平衡不完整块设计（BIBD）的新设计工具。这些设计具有一个处理因子和一个阻塞因子。它们的特殊性质是每个治疗水平总体上呈现相同的次数，并且治疗水平与一些区块中的每个其他治疗水平一起出现相同的次数。这创造了一种特殊和理想的平衡。我们将提供有关此类设计的更多详细信息，并演示如何使用新工具的UI。   Custom Designer添加了一对最优标准，用于生成A优化设计和加权A优化设计。A优化设计最小化参数估计的平均方差。A标准类似于众所周知的D标准，因为它集中于模型参数的精确估计。争论A-optimal设计的常规使用有两个好处。首先，与D标准相比，更容易理解A标准如何产生良好的设计。这样可以更容易地为DOE新手的从业者常规使用最佳设计。其次，加权A优化设计允许对不同的参数组进行不同程度的强调。例如，人们可能希望强调双因子相互作用的纯二次效应，而这两种因素都超过主效应估计。我们将展示如何使用自定义设计工具创建A最优和加权A优化设计。   比较设计工具现在可以在UI中容纳多达5种设计，通过脚本可以容纳多达10种设计。以前，限制是三个设计。我们将通过UI示例和脚本示例演示此附加功能，包括新的A-optimal和加权A-optimal设计。   当然，JMP 14的DOE工具还有许多其他改进。加速寿命测试设计得到了很大改进。Fit Definitive Screening平台现在允许考虑不具有遗传性的模型术语。Choice Design和MaxDiff Design工具都能够模拟响应。这将使得可以确定给定的预期设计是否能够可靠地检测特定幅度的效果。我们将在整个会议期间提供这些新功能。不幸的是，时间不允许在教程中包含这些内容。 A-最优设计 BIBDs   DOE   2级	欧盟2018 415 使用JSL开发高效，强大的应用程序 约瑟夫摩根   本教程将重点介绍在开发高效，健壮，生产就绪的应用程序时可以证明非常宝贵的JSL结构。这些包括表达式处理函数，xpath支持，命名空间等。这些想法将通过教师在过去10年中收集的示例进行说明，因为他与广泛的JSL用户合作。   JSL应用程序开发   3级
星期三 2：45-4：15	欧盟2018 419 使用JMP构建仪表板和应用程序 丹·施科尔 保存分析以便可以在相同或不同的数据表上重复分析是创建高效且可重复的分析工作流程的重要步骤。  JMP脚本语言（JSL）可与JMP仪表板生成器和应用程序生成器中提供的拖放工具一起使用，以快速构建和部署仪表板和应用程序。  本演讲将涵盖从使用“组合Windows”创建的简单仪表板到具有多个窗口和JSL脚本的完整应用程序的所有内容。  详细了解如何使用数据过滤器设计报表，参数化应用程序以便运行时选择要分析的列，以及共享结果的选项，包括交互式HTML。  将演示新的自定义模板界面，这样可以更轻松，更快速地创建具有共同外观的多个仪表板或应用程序。   数据可视化   2级	欧盟2018年422 使用JMP中的第二代质量工具进行集成流程改进 ®   劳拉兰开斯特   2级 JMP中的第二代质量工具 - 控制图生成器，过程能力，测量系统分析和过程筛选 - 采用一体化理念设计，使质量分析更容易，更有效。例如，新的Process Capability平台旨在反映统计过程控制程序中使用的控制图的类型，并在控制图生成器内添加了功能报告。同样，测量系统分析平台中的移位检测分析器允许质量工程师在如何设计控制图方法时做出明智的决策，同时考虑到他们的测量系统，以便尽快提醒他们处理变更。了解您的测量系统，统计过程控制程序和过程能力评估如何结合在一起是提高和保持质量的关键。该软件独特的设计理念使这一过程简单明了。此外，使用新的Process Screening平台快速筛选大量流程以确保稳定性的能力将节省时间，减少工作量并提高质量。本教程将使用案例研究来展示如何使用集成的流程改进方法来使用这些平台。   质量和可靠性   2级	欧盟2018 421 使用广义回归平台建立一站式模型   克莱巴克   变量选择，选择一组因子或预测变量来建模响应的过程，是模型构建过程的重要组成部分。幸运的是，它不一定是一个痛苦的过程。JMP Pro中的广义回归平台（Genreg）提供了各种自动变量选择技术，使这一过程变得快速而简单。在使用该平台之后，我们留下了一个简洁的模型，可以很好地预测新数据。我们将研究如何使用Genreg在各种设置中构建模型：从正交设计实验开始，然后转移到大型观测数据集。我们还将预览版本14中的一些新的Genreg功能，如建模多级分类响应和Dantzig Selector。    预测建模   2级	欧盟2018 420 进入有趣的部分：如何准备数据进行分析   Brian Corcoran，Mandy Chambers和Kelci Miclaus   JMP可视化和统计分析平台允许您发现有意义的信号，趋势和数据洞察。  当一个项目需要处理多个复杂的数据文件时，进入那个“aha”时刻需要进行必要的数据查询，加入，导入，探索和清理。  高达80％的时间花在复杂或大型数据分析任务中的数据准备上并不罕见。  本次会议重点介绍了JMP 13和JMP 14中几个新功能的使用，使您可以快速，轻松地进入分析就绪状态。  我们将讨论如何从数据库中查询和导入数据，使用JMP查询生成器打开和加入数据，以及JMP 14中新增的多个文件导入选项。JMP 13引入了JMP数据表的虚拟连接，允许您指定链接多个表的公共密钥。  JMP 14中的新功能指示表在链接表之间监听或分派行状态更改。我们将演示这些新功能如何允许虚拟连接表通过共享行状态相互“交谈”，以便于数据探索和即时分析/仪表板创建，无需表操作。  最后，我们将解决清理数据的肮脏工作，突出显示Recode的新功能，以演示我们现在如何使用正则表达式替换字符串，删除不需要的标点，保存Recode脚本，重用并附加到它们，甚至使用值标签列已经分配了它们。这些主题将简化每个JMP用户的导入，表格探索和数据清理的体验;留出更多时间玩乐：数据分析。   数据访问和操作   1级
星期三 4：30-6：00	欧盟2018 426 JMP可靠性分析与工程   刘鹏，JMP首席研究统计开发人员，SAS Leo Wright，JMP首席产品经理，SAS 迈克尔克罗蒂，JMP高级统计作家，SAS   JMP中用于研究可靠性的最先进的工具套件旨在使组织能够提供卓越的产品 - 这是当今复杂产品和服务领域成功的要求。多年来，我们采用了先进的概念，将强大的统计分析与动态数据可视化相结合，帮助用户即时在大型数据集中即时评估性能，发现趋势并诊断改进机会。JMP已经认识到，从消费品和工业产品到医疗保健到防御系统，可靠性（也称为“质量随时间推移”）至关重要。JMP可靠性工具旨在帮助工程师，研究人员和管理人员更轻松，更快地了解可靠性数据和系统可靠性，无论所研究的系统是相对简单还是完全复杂。由强大的JMP基础架构支持的JMP可靠性工具也是可扩展和可定制的。在本教程中，我们将介绍以下JMP平台：寿命分布，可靠性预测，降级和可修复系统仿真。这些平台是可靠性分析和工程的基本组成部分，解决了可修复和不可修复系统的问题。本教程将首先介绍已审查的数据，并概述可靠性分析和工程的不同目标。教师将使用JMP软件附带的示例来解决个人目标。   质量和可靠性   3级	欧盟2018 424 你不了解JMP的10多件事   布雷迪布拉迪   如您所知，JMP是一种非常丰富的数据分析和探索工具。这也意味着你知道在JMP中有几种方法可以做几乎任何事情。    这里分享的10个（或更多！）提示和技巧将使您更有效率，并向您介绍技术，键盘快捷键，公式等。   进入并升级从新手到专家，或专家到大师。   数据探索   1级	欧盟2018 425 JMP的多变量风味：从连续到分类到离散到功能   Laura Castro-Schilo和Chris Gotwalt   多变量数据分析已经成为一项基本技能，因为数据量急剧增加，而且公司在决策过程中变得更加以数据为导向。在这个扩展的分组会议中，我们展示了JMP独特的视觉和交互式方法，使用依赖于连续，分类，离散和功能数据的各种方法进行多变量数据分析。我们将首先讨论多变量分析的本质：大量变量中包含的信息通常可以用较少数量的变量有效地表示。然后，我们概述了JMP用于分析多变量数据的一般工具。 会议将分为两部分。 该介绍将使用来自感官分析和消费者研究的数据来激发和演示经典的无监督多变量方法，例如主成分分析，多重对应分析和JMP 14，多因素分析中的新技术。 第二部分将介绍使用偏最小二乘和功能主成分的多变量数据的监督方法。 为了说明这些监督方法，我们将构建模型，以使用来自多个信号流的数据预测批量生产过程的产量。在整个过程中，我们将为每种分析技术的适用时间提供明确的指导，并强调最重要和最有用的软件选项。    数据探索 2级	欧盟2018 423 JMP 14 Graph Builder中的新视图和高级视图   Xan Gregg和Scott Wise   此分组会话结合了流行的“图形生成器中的新功能”和“图库高级图形生成器视图中的图片”会话。    首先，我们将在JMP 14中详细介绍几个新的和精炼的Graph Builder功能。新的间隔删除区域使自定义错误栏更容易。添加了几种抖动，包括一个新的默认值。一种全新的条形图样式称为“压缩条形图”，它扩展了帕累托图表。更多元素类型支持紧凑多变量视图的平行坐标。轮廓可以平滑。可以获得初步统计数据。    然后，我们将探讨如何使用JMP Graph Builder构建流行且引人入胜的高级图表视图。  我们为Gallery 3期刊创建了全新的图片，其中包含最新版JMP中的其他视图。我们将介绍几种流行的行业图表格式，您可能不知道这些格式可以在JMP中轻松构建。将包括诸如包含子弹图，双向误差棒，火山图等的视图，这些视图可以帮助您分析生命，并提供一个引人注目的平台来帮助您管理结果！    数据可视化   1级
星期四 10：45-11：15 （30分钟）	欧盟2018 105 克里斯托夫格罗斯  肖特股份公司    迭代文件集   “迭代文件集”是基于脚本的数据准备和分析过程中的常见任务。典型的场景包括非JMP文件的自动转换（例如，日常基础上的测量文件）以及从文件集中提取和收集中间结果，这对于简单的连接来说是很大的。我将重点介绍迭代框架，而不是讨论单个文件的内容，并提供一组有用的函数。	欧盟2018年113 Elie Maricau  巴斯夫安特卫普    应用数据分析来提高化学品生产过程的产量：学习和最佳实践    本演示文稿讨论了化学生产工厂中的示例用例，其目标是提高产品产量。作为项目的一部分，分析了5年的历史数据（包括实验室数据，传感器数据和日志文本数据）。分析结果触发了工厂的专门实验，既验证了数据驱动的结果，又进一步探索了未知的关系。     在演讲中，我将重点介绍项目方法中的一些关键成功因素（即 LSS DMAIC）我将演示如何使用JMP查找隐藏在数据中的关系。我将演示JMP如何非常有效地快速聚合数据集，清理数据，将噪声与实际过程变化分开，以及可视化和量化关系。将讨论和演示的技术包括表操作，数据过滤，建模和DOE。	欧盟2018 116 马丁欧文  设计洞察力    项目，洞察力，行动!!!   作为讲师和培训师，我对JMP14EA中新项目功能所提供的功能非常感兴趣。我看到这个平台扩展了我们增强组织记忆的能力，将材料（数据集，脚本，模型和可视化报告）从不同来源汇集在一起。我们可以映射到现有的文件结构，并通过单个文档界面创建新的组织结构。     在本演讲中，我将举例说明JMP14项目作为教学工具的潜力。目的是加速学习，帮助团队或组织采用新的工作流程，保留先前研究的见解，做出更好的决策并采取行动。     灵活的项目工作区为生活带来引人入胜的故事。现在很容易：     创建顺序操作的工作流程，从设计实验到分析和记录关键信息和操作     展示信息如何构建在一系列实验设计工作包上       比较并选择不同的建模和可视化方法       创建和归档在输入新数据时更新的标准报告     还有一个额外的好处是，现在我可以更轻松地管理和管理数据 - 关闭当前准备好在第二天重新生成的会话也不会更简单。	欧盟2018 104 Piet Hoogkamer 雅培医疗保健产品   溶出曲线相似性的多变量测试    药物产品的溶出度测试很重要，因为它是体内溶出的替代指标。体内溶出影响生物利用度，这可能影响药物动力学（血液水平），因此可能影响安全性和功效。    如果针对制造过程，制造现场或测试方法提出变更，则需要证明“等效”以获得生物豁免。    可以使用数学f2度量来测试曲线的相似性，其中50到100之间的值表示相似性。将详细解释f2度量。    然而，如果可变性太高（在测试单元之间，在时间点内），则需要使用基于多变量距离的统计。将针对依赖于模型和模型的方法显示一些选项。使用具有标准功能和专用脚本的JMP将针对Mahalanobis距离进行说明。
星期四 11:30 - 12:00 （30分钟）	欧盟2018 115 Paolo Nencioni A.Menarini ML ＆SSrL   使用Fit Model平台在药品开发阶段，在短时间内预测某些配方的保质期。   一般而言，国际协调委员会（ICH）指南要求药物产品应在预定的储存条件下进行评估，以测试其热稳定性。储存条件和所选研究的长度应足以涵盖储存，运输和使用。长期测试应在提交时至少包括12个月的持续时间，而中间和加速条件应至少涵盖6个月。    在开发阶段，可以产生多种配方，以满足项目要求。我们怎样才能选择最好的一个？当然，我们希望选择能够确保更长保质期的配方。进行正式的ICH稳定性研究不会在六个月之前给出有用的反应。    使用比ICH条件更高的温度进行加速稳定性研究，允许在相对短的时间内（不超过30天）评估某些制剂的行为。使用JMP Fit Model平台，可以根据应力因子估算退化率，从而得出关于更稳定公式的数据驱动决策。估计的降解速率已被用于预测ICH指南所要求的时间点和存储条件下的质量属性值。为了验证模型的优良性，将预测结果与使用ICH条件的一批实际值进行了比较。    已经使用相同的方法一起评估温度和氧水平的影响。使用JMP构建的模型已用于识别氧含量的实际影响，以及成品的关键质量属性。	欧盟2018 121 杰奎琳·阿瑟  加利利海的Kinneret学院    基于案例研究的行业培训课程：使用JMP学习如何设计裂缝实验   当实验具有分裂图结构时，应在设计和分析中考虑这一点。 一个常见的例子是为了改进批量运行的过程而进行的实验，其中批次之间的某些因素发生了变化，而批次之间的其他因素也发生了变化，导致运行不完全独立。分裂图结构可以是所研究的过程中或实验设置中固有的，或者可以通过选择来采用以节省时间或金钱，或者改进设计。     在案例研究中，一些因素与材料制备有关，而其他因素与材料加工成最终产品有关。    在从业人员的培训课程中，用于设计，评估和比较实验的JMP工具用于探索选择设计的替代策略。考虑的候选设计包括由JMP构建的默认和用户指定的设计以及由用户从头开始构建的设计。例如，包含最小的整个图复制通常更便宜，我们探讨采用此策略的后果。    教学目标是同时教授主题和JMP工具的使用。	欧盟2018 102 Anne SAINT-AMANS 利马格兰   用于分析现场试验数据的插件：自定义ANOVA    全球第四大种子公司Limagrain每年都会为蔬菜和大田作物创造新品种。基于几个变量（产量，果实长度......）对这些新品种进行测试并与商业参考进行比较。    进行方差分析和混合模型以考虑不希望的环境影响（边界，通风，土壤肥力......）并提取品种的遗传潜力。    JMP拥有许多功能来实现所需的统计学研究。Limagrain开发了一个名为“Custom ANOVA”的加载项来收集它们。目标是提供一份完整的互动报告，专门针对该小组的研究人员需求。简约直观的界面可以在启动分析之前选择一些选项。最终报告包含不同的选项卡，每个选项卡都与特定步骤相关联：描述性统计，模型统计，假设验证，效果研究，遗传潜力计算，野外地图和多重比较。     此外，该加载项利用JSL的“表达式对象”来提供在数据表中保存报表脚本的能力（与任何其他JMP报表一样）。 因此，用户可以保持其结果的痕迹并轻松地重新生成整个报告。	欧盟2018年124 Gary Finka，Sonya Godbert，Doug Marsh，统计负责人，高级科学家  Glaxo Smith Kline   探索功能数据   当您有一个矩形数据时，有很多方法可以探索X与Ys的关系，每行有一些变量列（样本，运行，批次）。但是您可能想要使用的许多其他数据并不容易适合这种形式。一个常见的例子是，对于每个样本，运行或批处理，您有一些随时间记录的度量。如果您想将此“功能数据”的形状与其他变量相关联，该怎么办？挑战在于提取少量“特征”，从每个“功能ID”（样本，运行或批次）的完整功能数据中捕获有用信息。然后，这些特征可以用作标准数据矩形中的X或Y. 其他挑战包括数据可能不跨功能ID对齐的事实：收集的频率可能不同，可能存在偏移，或者某些功能ID的某些点可能缺少数据。         通过生物制药设置中的示例，我们将展示如何使用JMP 14中的Functional Data Explorer从这类数据中提取有价值的见解。
星期四 2:00 - 2:45 （45分钟）	欧盟2018 202 ALFREDO LOPEZ NAVARRO  TelefónicaGermanyGmbH＆Co。OHG  TITANIC重温 - 甲板上的所有动手！ 我们想提供一个引人注目且有趣的描述，一些关于RMS TITANIC灾难的事实并不是众所周知的事实，它在1912年与冰山相撞后沉没。我们都知道历史，或者我们认为。感谢Telefónica的发现方法 - 由JMP提供 - 我们将深入探索数据点，以便从遗忘中拯救洞察力。         我们将使用“Internet Open”功能废弃数据。加入，连接和更新表，直到创建一个能够提供大量见解的增强型数据库。然后，通过ANOVA，分类和视觉分析，我们将讲述一个引人入胜的数据驱动故事。期待最后一分钟的惊喜:-)当然，它将全部掌握在甲板上：所有内容都有记录和解释，以便上传到JMP用户社区。我们想为其他人打开一个对话，以便在此基础上进行构建。                    JMP和我们在一起！	欧盟2018 201 菲利普拉姆齐 新罕布什尔大学和北黑文集团 使用自举技术和生物制药应用的设计实验的模型验证策略 统计建模有两个不同的目标：解释和预测。 解释模型通常预测不佳（Shmueli，2010）。通常对设计实验（DOE）的分析是解释性的，但实验目标是预测。 DOE是产品和流程开发的最佳实践，可以预测未来的性能。预测建模需要将数据划分为训练和验证集，其中验证集用于评估预测模型。大多数DOE没有足够的观察结果来形成验证集，从而无法直接评估预测性能。 我们演示了一种“平衡自动验证”技术，使用原始数据创建该数据的两个副本;一个是训练集，另一个是验证集;这些集合的行权重不同。权重是Dirichlet分布和“平衡”;对训练数据贡献更多的观察对验证集的贡献较小（反之亦然）。 该方法仅需要复制数据并为权重创建公式列。 该技术是通用的，允许人们将预测建模技术应用于实验室和制造研究中常见的较小数据集。 两个生物制药工艺开发案例研究用于演示。两种情况都有大型验证集与最终筛选设计相结合。 JMP用于演示分析。	欧盟2018年212 罗伯特·鲁尔 等距解决方案 使用JMP消除工作中的歧视 消除工作场所的歧视可能申请人和雇主共同的目标之一是能够在一整套非歧视性特征上寻求和保障就业：知识，技能和经验。 不幸的现实是，这些往往被其他更容易辨别的因素所压倒，这些因素与工作表现几乎没有关系，更糟糕的是，在雇用申请人工作时体现了不道德和非法的做法。         数据分析可以用来排除招聘决策中的歧视偏见吗？通过利用关于人格和表现的广泛学术文献，出现了几个框架，作为预测模型的结果载体，即Big-5人格和可信度，可爱性和信心。         但是如何处理预测因素呢？通过对谷歌和微软等来源的面部图像处理数据进行实验，显示了预测的前景。         通过使用一系列筛选预测潜力和降低维度复杂性的分析方法，预测能力出现了一套完全非歧视性的潜在变量，这些潜在变量通知纯粹基于文化个性的“面试对象”/“聘用者”建议适合。 本演讲将揭示这项努力的挑战和成功，证明它不仅可行 - 它可能成为新常态。	欧盟2018 210  保罗尼尔森和安德鲁麦克弗森 GSK 最终筛选设计的最终扩充 最终筛选设计（DSD）独特地满足了许多实验者的关键需求。自2011年发布DSD以来，我们还能如何解释DSD的快速和热情采用？在筛选少数驱动因素时，许多实验者可以使用13或17次运行的5-7因子DSD。随着JMP中的“适合确定性筛选”，您可能会有一个简单，有效和有效的实验工作流程来找到这些因素的重要主效应，相互作用和曲线行为。如果只有3个因子处于活动状态，您可以拟合完整的二阶RSM模型，并一步完成筛选和优化。          但是如果超过3个因素是活跃的呢？当出现歧义时，还有一个简单的下一步吗？或者这种情况的复杂性是否成为采用DSD的障碍？在本演示中，您将首先了解演示DSD价值的现实案例。然后，您将看到有一些简单的方法来增强这些DSD，确保可以保留结构和属性，从而保持DSD的优势。因此，更多情况下的更多人可以通过顺序DoE和DSD的工作流程受益。
星期四 3:00 - 3:45 （45分钟）	欧盟2018年211 Rob Lievense  百利高    结合QbD元素，使用JMP图像分析和DOE平台最大限度地减少活性药物喷涂工艺的喷雾模式变化   对于涂有活性药物的药物片剂，获得可接受的剂量均匀性取决于减轻剂量单位之间的可变性。与非功能性涂层相比，鼓式刮片涂布工艺要求更高的精度以施加活性涂层。喷涂系统是一个关键的工艺元件，由于需要专门的设备来获得体积测量，因此优化非常具有挑战性。另一种方法涉及将图案喷涂到简单的黑色纸基材上并获得喷涂图案的数字图像的试验。图像分析器用于创建强度值表，用于量化模式。强度分布图的图形构建器图清楚地说明了多个喷枪之间和之间喷雾的变化，作为典型体积测量的有效模拟。将配置文件汇总到与定制DOE平台一起使用的输出中，以优化喷涂系统过程。JMP用于结合质量设计（QbD）元素来定义设计空间。优化该空间极大地增强了该过程，因此可以稳健地满足为剂量均匀性设定的严格标准。	欧盟2018 208 奥利维尔布拉克  Statistique Industrielle Khi2 Consulting    数值模拟实验设计   在专门针对模拟和工业测试的DOE的新AFNOR标准（FDX06 081）的出版前夕，我们提出了一个JMP应用的例子，以解决履带式车辆底盘的优化问题性能，基于数值模拟处理来自计划外模拟的数据以解决问题，执行新的模拟以获得更相关的信息。    这些新的模拟也是为了获得能够比较DOE的数据，以及在Ecole Polytechnique培训框架内的教学目标。    这个例子显示了数值模拟中DOE常常被忽略的效用。    从测试的设计，到理论模型在实际实验数据上的重新校准，通过统计处理（特别是考虑到实验的可变性，经常在模拟中不公平地搁置）以及结果的图形化在此计划中，该演示文稿强调了JMP在数值模拟中实现DOE要求的性能。	欧盟2018 205  托马斯泽利克曼  NNE    使用Jmp进行工业控制回路的预测控制综合   提出了一种工业设置，其中Jmp用于从几个不同的时间数据源导入和连接文件，包括振动测量，机器操作数据和视频文件。使用Jmp中的JSL，可以创建一个脚本，执行所有必要的转换和数据预处理，例如从视频文件中提取声音，声音和振动的频谱分析以及时间数据的同步，以及在生成的样本上的几何测量位置启用将输出事件与输出上的测量值链接起来的过程。多变量方法用于创建适合于将预测变量表达式导出到控制器的输出的预测。实验方法的设计用于确定如何影响输出以关闭控制回路并获得所需的响应。	欧盟2018 204 每花瓶 NNE   JMP 14如何预测未来批次的表现。制药过程验证中的游戏规则改变者。   制药行业内的许多公司仍然仅仅根据连续三批的估计Ppk优于验收标准的事实通过了过程性能认证（PPQ）。然而，验证是关于预测未来 - 而不是过去。因此即使三批可能具有足够的Ppk，这还不够。对未来Ppk值的预测也需要看起来很有希望。国际制药工程学会（ISPE）发布了一份讨论文件“统计工具对PPQ结果的影响评估”，讨论如何根据转换为过程能力指数的批次方差之间和之内的方差分量计算进行预测。这种方法仍未广泛使用的原因之一是缺乏以该计算方法为标准的统计软件包。但是，它现在是JMP 14中的3-Way图表，其中计算了Sigma和Sigma之间的能力。将此方法用于PPQ评估的示例将在JMP 14中显示，其中成功和不成功的评估都是如此。它将与前面提到的传统方法进行比较。

回复：突破计划

@ malcolm_moore1 ，您是否可以指定SE在每个分组会议中担任每个房间的主持人？

回复：SAS员工延长突破

好问题， @bernard_mckeown 。

 

我编辑了这篇文章，以澄清这些是在主题演讲后的星期三。

回复：SAS员工延长突破

杰夫，对我来说这些日期并不明显。 3月14日？或分布在14和15？

 

谢谢，伯纳德

回复：SAS员工延长突破

适合我！谢谢。

回复：SAS员工延长突破

@jmarquardt ， @Jeff_Perkinson ， @Elias_Pickrahn

完成！杰夫，希望这是你的意图吗？

回复：SAS员工延长突破

@Jeff_Perkinson ， @katie_stone ， @Elias_Pickrahn ，

有人可以重命名房间1，房间2等等我们将在网络和印刷品上使用的名称 - Athen，Berlin，Munchen I，Munchen II？

回复：SAS员工延长突破

@jmarquardt ，所有标题和摘要现在都在这里。

回复：SAS员工延长突破

@jmarquardt ，我为所有会话添加了标题和摘要，除了 @bradleyjones 和 @ryan_lekivetz 。我还在等那个。

回复：SAS员工延长突破

我为这些添加了纸质编号。

回复：SAS员工延长突破

主题已设定。

 

斜体标题由主持人提出。粗体的是对主持人将关注的内容的描述，但我们正在等待标题和摘要。

 

这些主题没有JMP 14重点，但有些主题将突出显示新功能。

回复：SAS员工延长突破

谢谢 @Jeff_Perkinson - 如果主题已设置，那么我将在即将发布的电子邮件中列出其中的一些（或全部），但不会在主题中附加发言者。这些主题是否以JMP 14为重点，它们是否更为通用？