| Terminzeit |
München ich
|
München II |
Berlin |
Athen - aufgenommen |
Heiraten
10:30 Uhr
|
EU 2018 411
Formeleditor Deep Dive
Mike Muhlada und Audrey Schull
In dieser einführenden Demo werden anhand von Beispielen die Funktionsweise des Formeleditors erläutert, häufige Fehler untersucht und behoben sowie bewährte Methoden und nützliche Tricks für die Formelerstellung erläutert. In einer detaillierten exemplarischen Vorgehensweise werden verschiedene Aspekte des Formelerstellers behandelt, darunter die Verwendung von Drag & Drop, Tastenkombinationen und Funktionsschaltflächen zum Erstellen von Formeln. Während wir die Beispiele bearbeiten, werden wir nützliche Funktionen diskutieren, häufige Fehler aufdecken und korrigieren, mit Indizes arbeiten und vieles mehr. Zu den zu behandelnden Best-Practice-Themen gehören: Benutzerdefinierte Formate, Verwendung von Formeln für die Datenbereinigung, Spaltentransformationen und Verwendung von Zwischenspalten zur Erstellung komplexerer Formeln. Besonderes Augenmerk wird auf die neuen Funktionen von JMP 14 gelegt, einschließlich benutzerdefinierter Funktionen, Ergebnisvorschau, Fehler- / Warnungserkennung mit Live-Formeln und anpassbarer Funktionsliste.
Datenzugriff und -manipulation
Level 1
|
EU 2018 414
Was meinten sie damit? Die Grundlagen des Text Explorers in JMP
Don McCormack / Bill Worley
Leute machen Kommentare, Maschinen geben Status aus. Es gibt eine Vielzahl von Wörtern und Ausdrücken, mit denen sich Kommentare oder Zusammenfassungen besser verstehen lassen. Die Frage, die sich viele Unternehmen stellen, ist, was sie mit diesen Bergen unerschlossener unstrukturierter Daten anfangen sollen. Text Explorer in JMP bietet Ihnen ein Data Mining-Tool, mit dem Sie Ihre Kunden analysieren und besser verstehen können, oder warum sich das neue Gerät, das Ihr Unternehmen retten sollte, nicht wie erwartet verhält. Die Referenten werden die neuen Plattformfunktionen in JMP 14 sowie die herausragenden Funktionen des ursprünglichen Text Explorers in JMP 13 vorstellen. Funktionen, mit denen Sie schnell und einfach häufig verwendete Begriffe und Ausdrücke ermitteln können, die Kundenkommentare oder die Zuverlässigkeit von Maschinen beeinflussen. Anhand mehrerer Fallstudien wird gezeigt, wie erstaunlich einfach es ist, Ihre Daten zu bereinigen. Optionen wie Local Recode oder Hinzufügen von Stoppwörtern und Phrasen, die für Ihre Analyse keine oder nur eine geringe Bedeutung haben. Überall tauchen Wortwolken auf und Sie werden lernen, wie Sie mit wenigen Klicks eine interaktive Wortwolke erstellen.
Die Vortragenden demonstrieren erweiterte Texterkundungswerkzeuge in JMP Pro und die Verwendung von Latent Sematic SVD und Topic Analysis im Text Explorer, um neue Erkenntnisse aus Ihren unstrukturierten Daten zu gewinnen. Abschließend demonstrieren die Referenten, dass Sie durch Nutzung Ihrer transformierten unstrukturierten Daten zusammen mit Ihren strukturierten Daten prädiktivere und informativere Modelle erstellen können.
Datenexploration
Level 2
|
EU 2018 413
Statistisches Denken zur industriellen Problemlösung
Mia Stephens
Ian Cox
Erfahren Sie, wie Sie Daten und die visuelle und interaktive Natur von JMP nutzen, um Ihre schwierigsten Probleme zu lösen. In dieser Breakout-Session stellen wir das Prinzip des statistischen Denkens vor und präsentieren einen praktischen, datengetriebenen Ansatz zur Lösung von Problemen in der Industrie. Wir fördern das Verständnis von Kerntechniken und modernen statistischen Methoden durch Beispiele und Simulationen und präsentieren eine umfassende Fallstudie, um Konzepte zu vereinheitlichen und die Anwendbarkeit zu erweitern.
Datenexploration
Level 2
|
EU 2018 412
Freigeben von JMP-Diagrammen und Berichten
Bryan Fricke und Michael Hecht
JMP ist das Werkzeug der Wahl, um Ihre Daten visuell zu erkunden und zu entdecken. Da jedoch nicht jeder ein JMP-Benutzer ist, müssen Sie möglicherweise Ihre Diagramme und Berichte in einer auf Ihre Zielgruppe zugeschnittenen Form exportieren. In dieser Sitzung zeigen wir, wie Sie Diagramme und Berichte aus JMP in für den Austausch geeignete Formulare umwandeln können. Wir werden uns insbesondere mit dem Export von Grafiken und Berichten in Formaten befassen, die für Präsentationen, gedruckte Journale oder Artikel und interaktive Webseiten bereitstehen.
Datenvisualisierung
Level 1
|
Heiraten
1: 00-2: 30
|
EU 2018 418
Simulationsmethoden in JMP und JMP Pro, mit besonderem Schwerpunkt auf dem Bootstrap mit fraktioniertem Zufallsgewicht
Bill Meeker und
Chris Gotwalt
Simulationsbasierte statistische Methoden ermöglichen es uns, einige unglaubliche Dinge mit Daten zu tun. In diesem Tutorial werden wir eine Reihe von Beispielen durchgehen, die veranschaulichen, wie JMP es einfach gemacht hat, diese leistungsstarken Methoden zu nutzen. Wir werden mit Zuverlässigkeitsanwendungen beginnen und zeigen, wie in Situationen, in denen nur sehr wenige Beobachtungen mit Bayes'schen Techniken auf der JMP-Plattform für die Lebensverteilung und auf der Fit Life By X-Plattform möglich sind, genauere Schlussfolgerungen gezogen werden können. Anschließend werden wir den One-Click-Bootstrap in JMP Pro einführen und seine Verwendung anhand einer Vielzahl von Beispielen demonstrieren, wobei der äußerst nützliche, jedoch stark unterschätzte Bootstrap mit fraktioniertem Zufallsgewicht im Vordergrund steht. Der klassische Bootstrap, der auf Resampling basiert, ist seit mehreren Jahrzehnten eine weit verbreitete Methode zur Berechnung vertrauenswürdiger Konfidenzintervalle für Anwendungen, bei denen keine genaue Methode verfügbar ist und bei denen die Stichprobengröße nicht groß genug ist, um sich auf einfach zu erfassende Daten zu verlassen. Berechnen Sie Näherungsmethoden mit großer Stichprobe, z. B. Wald-Konfidenzintervalle (normale Näherung). Es gibt jedoch viele Anwendungen, in denen die Resampling-Bootstrap-Methode nicht verwendet werden kann. Dazu gehören Situationen, in denen die Daten stark zensiert sind, logistische Regression, wenn die Antwort „Erfolg“ ein seltenes Ereignis ist oder wenn Erfolge und Misserfolge nur begrenzt über die erklärende (n) Variable (n) verteilt sind, und geplante Experimente, bei denen die Anzahl der Parameter nahe beieinander liegt auf die Anzahl der Beobachtungen. Gemeinsam ist diesen drei Situationen, dass es möglicherweise einen erheblichen Anteil der Resamples gibt, bei denen nicht alle Parameter des Modells geschätzt werden können. Die Bootstrap-Methode mit fraktionaler Zufallsgewichtung kann verwendet werden, um diese Probleme zu vermeiden und vertrauenswürdige Konfidenzintervalle bereitzustellen. Auf den meisten Plattformen in JMP Pro ist dies nur einen Klick entfernt. Als Nächstes werden wir zeigen, wie Sie mithilfe der Funktion "Simulieren" in JMP Pro Leistungsberechnungen durchführen. Dies macht es einfach, Leistungsberechnungen für viele Analysen in JMP durchzuführen, insbesondere für Experimente, bei denen das Ergebnis binär ist. Als letzte Demonstration der Simulationsfunktionen von JMP Pro zeigen wir, wie Konfidenzintervalle für neuronale Netzwerkvorhersagen mithilfe der Option "Gepackte Schätzungen speichern" im Profiler ermittelt werden.
Vorausschauende Modellierung
Level 4
|
EU 2018 416
JMP-Projekte: Eine neue Art, Ihre Arbeit in JMP zu organisieren 14 - Dan Valente und Aaron Andersen
Viele JMP-Benutzer haben eine interaktive JMP-Sitzung erlebt, in der viele Fenster und Analyseberichte gleichzeitig geöffnet waren. Während die Verwendung von JMP in diesem "Floating-Window-Modus" für viele Benutzer möglich ist, gibt es Situationen, in denen eine Benutzeroberfläche mit Registerkarten bevorzugt wird. Benutzer möchten möglicherweise auch bestimmte Dateien mit einem Analyseprojekt verknüpfen und haben nicht die vollständige Liste, die das Startfenster bietet. Aus diesen Gründen haben wir das JMP-Projekt in JMP 14 erstellt. Projekte bieten eine einzige Dokumentschnittstelle für JMP, einen rekonfigurierbaren Arbeitsbereich mit Registerkarten, einen Platz zum Speichern von Lesezeichen und eine Fensterliste, mit der der Benutzer problemlos in verschiedenen geöffneten Fenstern, Datentabellen, Skripten und vielem mehr navigieren und unterstützende Dateien wie starten kann PDF- und PPT-Dokumente. Projekte können auch zum schnellen Öffnen und Schließen vieler Dateien verwendet werden, die mit einer oder mehreren einzelnen Analyseaktivitäten verknüpft sind, und können verwendet werden, um parallele Projekte voneinander zu trennen, wenn in der Vergangenheit möglicherweise mehrere JMP-Sitzungen ausgeführt werden mussten. Schließlich können Sie mit Projekten in JMP 14 auf einfache Weise die Archivierungsfunktionen nutzen, um gemeinsam an der Arbeit zu arbeiten.
Datenzugriff und -manipulation
Level 1
|
EU 2018 417
Neue DOE-Funktionen in JMP14
Ryan Lekivetz
Bradley Jones
JMP 14 verfügt über mehrere neue DOE-Funktionen.
Das vielleicht wichtigste ist ein neues Entwurfswerkzeug zum Erstellen von BIBDs (Balanced Incomplete Block Designs). Dies sind Designs mit einem Behandlungsfaktor und einem Blockierungsfaktor. Ihre besonderen Eigenschaften sind, dass jede Behandlungsstufe insgesamt gleich oft auftritt und die Behandlungsstufe zusammen mit jeder anderen Behandlungsstufe in einigen Blöcken gleich oft auftritt. Dies schafft eine besondere und wünschenswerte Balance. Wir werden weitere Details zu dieser Art von Design bereitstellen und zeigen, wie die Benutzeroberfläche des neuen Tools verwendet wird.
Der benutzerdefinierte Designer hat ein Paar von Optimalitätskriterien zum Generieren von A-optimalen Designs und gewichteten A-optimalen Designs hinzugefügt. Ein A-optimales Design minimiert die durchschnittliche Varianz der Parameterschätzungen. Das A-Kriterium ist dem bekannten D-Kriterium insofern ähnlich, als es sich auf die genaue Schätzung von Modellparametern konzentriert. Für die routinemäßige Verwendung von A-optimalen Konstruktionen sprechen zwei Vorteile. Erstens ist es einfacher zu verstehen, wie das A-Kriterium im Vergleich zum D-Kriterium gute Entwürfe hervorbringt. Dies würde die routinemäßige Verwendung optimaler Designs für Praktiker erleichtern, die mit DOE noch nicht vertraut sind. Zweitens ermöglichen gewichtete A-optimale Designs, unterschiedliche Parametergruppen unterschiedlich zu betonen. Beispielsweise könnte man rein quadratische Effekte über Zweifaktor-Wechselwirkungen und beide über die Schätzung des Haupteffekts hervorheben wollen. Wir werden zeigen, wie Sie mit dem Werkzeug "Benutzerdefiniertes Design" sowohl A-optimale als auch gewichtete A-optimale Designs erstellen.
Das Tool zum Vergleichen von Designs kann jetzt bis zu 5 Designs in der Benutzeroberfläche und bis zu 10 Designs durch Skripterstellung aufnehmen. Zuvor war die Grenze drei Designs. Wir werden diese zusätzliche Fähigkeit anhand eines UI-Beispiels und eines Skript-Beispiels demonstrieren, einschließlich der neuen A-optimalen und gewichteten A-optimalen Designs.
Natürlich gibt es viele andere Verbesserungen der DOE-Tools für JMP 14. Das Design des beschleunigten Lebensdauertests wurde erheblich verbessert. Die Fit Definitive Screening-Plattform ermöglicht nun die Berücksichtigung von Modellbegriffen, die keine Vererbung aufweisen. Die Tools Choice Design und MaxDiff Design können beide Reaktionen simulieren. Auf diese Weise kann festgestellt werden, ob ein bestimmtes potenzielles Design in der Lage ist, Auswirkungen einer bestimmten Größenordnung zuverlässig zu erkennen. Wir werden während der gesamten Konferenz zur Verfügung stehen, um diese neuen Funktionen zu demonstrieren. Leider erlaubt es die Zeit nicht, diese in das Tutorial aufzunehmen.
A-Optimale Designs
BIBDs
DAMHIRSCHKUH
Level 2
|
EU 2018 415
Verwenden von JSL zum Entwickeln effizienter, robuster Anwendungen
Joseph Morgan
Dieses Tutorial konzentriert sich auf JSL-Konstrukte, die sich bei der Entwicklung effizienter, robuster und produktionsbereiter Anwendungen als von unschätzbarem Wert erweisen können. Dazu gehören Funktionen zur Ausdrucksbehandlung, Unterstützung von xpath, Namespaces und andere. Die Ideen werden anhand von Beispielen veranschaulicht, die der Kursleiter in den letzten 10 Jahren gesammelt hat, als er mit einem breiten Querschnitt von JSL-Benutzern gearbeitet hat.
JSL-Anwendungsentwicklung
Stufe 3
|
Heiraten
2: 45-4: 15
|
EU 2018 419
Erstellen von Dashboards und Anwendungen mit JMP
Dan Schikore
Das Speichern einer Analyse, damit sie in derselben oder in verschiedenen Datentabellen wiederholt werden kann, ist ein wichtiger Schritt bei der Erstellung eines Analyse-Workflows, der effizient und wiederholbar ist. Die JMP Scripting Language (JSL) kann zusammen mit den im JMP Dashboard Builder und im Application Builder verfügbaren Drag-and-Drop-Tools zum schnellen Erstellen und Bereitstellen von Dashboards und Anwendungen verwendet werden. Dieser Vortrag behandelt alles von einfachen Dashboards, die mit „Windows kombinieren“ erstellt wurden, bis hin zu vollständigen Anwendungen mit mehreren Fenstern und JSL-Skripten. Weitere Informationen zum Entwerfen von Berichten mit Datenfiltern, zum Parametrisieren von Anwendungen für die Laufzeitauswahl von zu analysierenden Spalten sowie zu Optionen für die gemeinsame Nutzung von Ergebnissen, einschließlich interaktivem HTML. Die neue benutzerdefinierte Vorlagenoberfläche wird vorgestellt, mit der mehrere Dashboards oder Anwendungen einfacher und schneller mit einem einheitlichen Erscheinungsbild erstellt werden können.
Datenvisualisierung
Level 2
|
EU 2018 422
Integrierte Prozessverbesserung mit den Qualitätswerkzeugen der zweiten Generation in JMP ®
Laura Lancaster
Level 2
Die Qualitätswerkzeuge der zweiten Generation in JMP - Control Chart Builder, Prozessfähigkeit, Messsystemanalyse und Prozess-Screening - wurden mit einer integrativen Philosophie entwickelt, um die Qualitätsanalyse einfacher und effektiver zu gestalten. Beispielsweise wurde die neue Process Capability-Plattform so konzipiert, dass sie den Typ des im statistischen Prozesssteuerungsprogramm verwendeten Steuerungsdiagramms widerspiegelt, und im Control Chart Builder wurde ein Funktionsbericht hinzugefügt. In ähnlicher Weise können Qualitätsingenieure mit dem Shift Detection Profiler in der Plattform Measurement Systems Analysis fundierte Entscheidungen über das Design ihrer Regelkarten-Methodik treffen und dabei ihr Messsystem berücksichtigen, um benachrichtigt zu werden, wenn Änderungen so schnell wie möglich verarbeitet werden. Das Verständnis, wie Ihr Messsystem, das statistische Prozesssteuerungsprogramm und die Prozessfähigkeitsbewertungen zusammenpassen, ist der Schlüssel zur Verbesserung und Aufrechterhaltung der Qualität. Die einzigartige Designphilosophie der Software macht dies einfach und unkompliziert. Die Möglichkeit, mit der neuen Process Screening-Plattform schnell eine große Anzahl von Prozessen auf Stabilität zu überprüfen, spart Zeit, reduziert die Arbeitsbelastung und verbessert die Qualität. In diesem Lernprogramm wird anhand einer Fallstudie gezeigt, wie jede dieser Plattformen mit einem integrierten Ansatz zur Prozessverbesserung verwendet wird.
Qualität und Zuverlässigkeit
Level 2
|
EU 2018 421
Modellbau aus einer Hand mit der Generalized Regression-Plattform
Clay Barker
Die Variablenauswahl, der Auswahlprozess einer Reihe von Faktoren oder Prädiktoren zur Modellierung einer Antwort, ist ein wesentlicher Bestandteil des Modellbildungsprozesses. Zum Glück muss es kein schmerzhafter Prozess sein. Die Generalized Regression-Plattform (Genreg) in JMP Pro bietet eine Vielzahl automatisierter Verfahren zur Variablenauswahl, mit denen dieser Vorgang schnell und einfach durchgeführt werden kann. Nach der Nutzung der Plattform bleibt uns ein sparsames Modell, das neue Daten gut vorhersagt. Wir werden uns mit Genreg befassen, um Modelle in einer Vielzahl von Umgebungen zu erstellen: Beginnen Sie mit einem orthogonal gestalteten Experiment und gehen Sie zu großen Beobachtungsdatensätzen über. Wir werden auch einige der neuen Genreg-Funktionen in Version 14 in der Vorschau anzeigen, z. B. das Modellieren mehrstufiger kategorialer Antworten und den Dantzig Selector.
Vorausschauende Modellierung
Level 2
|
EU 2018 420
Zum unterhaltsamen Teil: So bereiten Sie Ihre Daten für die Analyse vor
Brian Corcoran, Mandy Chambers und Kelci Miclaus
JMP-Visualisierungs- und statistische Analyseplattformen ermöglichen es Ihnen, aussagekräftige Signale, Trends und Einblicke in Ihre Daten zu entdecken. Wenn ein Projekt die Arbeit mit mehreren komplexen Datendateien erfordert, müssen die erforderlichen Daten abgefragt, verbunden, importiert, durchsucht und bereinigt werden, um zu diesem „AHA-Moment“ zu gelangen. Es ist nicht ungewöhnlich, dass bis zu 80% Ihrer Zeit ausschließlich für die Datenaufbereitung in komplexen oder umfangreichen Datenanalyseaufgaben aufgewendet werden. In dieser Sitzung wird die Verwendung mehrerer neuer Funktionen in JMP 13 und JMP 14 erläutert, um Sie schnell und einfach in den Status "Analysebereit" zu versetzen. Wir werden erläutern, wie Daten aus einer Datenbank abgefragt und importiert, geöffnet und mit dem JMP Query Builder verknüpft werden können, und wie in JMP 14 mehrere Dateiimportoptionen verfügbar sind. Mit JMP 13 wurden virtuelle Verknüpfungen zu JMP-Datentabellen eingeführt, mit denen Sie gemeinsame Schlüssel zum Verknüpfen mehrerer Tabellen angeben können. Neue Funktionen in JMP 14 leiten eine Tabelle an, Änderungen des Zeilenzustands zwischen verknüpften Tabellen abzuhören oder auszulösen. Wir werden demonstrieren, wie diese neuen Funktionen es virtuell verbundenen Tabellen ermöglichen, miteinander zu kommunizieren, indem sie den Zeilenzustand gemeinsam nutzen, um die Daten zu untersuchen und sofort zu analysieren / ein Dashboard zu erstellen, ohne die Tabelle zu manipulieren. Schließlich werden wir uns mit der schmutzigen Aufgabe befassen, Ihre Daten zu bereinigen, und neue Funktionen von Recode hervorheben, um zu demonstrieren, wie wir jetzt Zeichenfolgen durch reguläre Ausdrücke ersetzen, unerwünschte Satzzeichen entfernen, Rekodierungsskripten speichern, wiederverwenden und an sie anhängen und gegebenenfalls Wertelabels verwenden können Spalte hat sie bereits zugewiesen. In diesen Themen wird die Erfahrung jedes JMP-Benutzers mit Import, Tabellenerkundung und Datenbereinigung optimiert. mehr Zeit für Spaß: Datenanalyse.
Datenzugriff und -manipulation
Level 1
|
Heiraten
4: 30-6: 00
|
EU 2018 426
Zuverlässigkeitsanalyse und Engineering mit JMP
Peng Liu, JMP Principal Research Statistician Entwickler, SAS
Leo Wright, JMP-Hauptproduktmanager, SAS
Michael Crotty, Senior Statistical Writer bei JMP, SAS
Die hochmoderne Tool-Suite von JMP zur Untersuchung der Zuverlässigkeit wurde entwickelt, um Unternehmen die Bereitstellung überlegener Produkte zu ermöglichen - eine Voraussetzung für den Erfolg in der heutigen Arena komplexer Produkte und Dienstleistungen. Seit vielen Jahren arbeiten wir mit innovativen Konzepten, die robuste statistische Analysen mit dynamischer Datenvisualisierung kombinieren, um Anwendern zu helfen, die Leistung sofort einzuschätzen, Trends zu erkennen und Verbesserungsmöglichkeiten zu diagnostizieren, selbst bei großen Datenmengen. JMP hat erkannt, dass Zuverlässigkeit, auch als „Qualität über die Zeit“ bekannt, von Verbraucher- und Industrieprodukten über das Gesundheitswesen bis hin zu Verteidigungssystemen von entscheidender Bedeutung ist. JMP-Zuverlässigkeitstools sollen Ingenieuren, Forschern und Managern helfen, Zuverlässigkeitsdaten und Systemzuverlässigkeiten einfacher und schneller zu verstehen, unabhängig davon, ob das untersuchte System relativ einfach oder vollständig komplex ist. JMP-Zuverlässigkeitstools, die von der leistungsstarken JMP-Infrastruktur unterstützt werden, sind ebenfalls erweiterbar und anpassbar. In diesem Lernprogramm werden die folgenden JMP-Plattformen behandelt: Lebensdauerverteilung, Zuverlässigkeitsprognose, Degradation und Simulation reparierbarer Systeme. Die Plattformen gehören zu den wesentlichen Komponenten der Zuverlässigkeitsanalyse und des Engineerings und lösen Probleme sowohl bei reparierbaren als auch bei nicht reparierbaren Systemen. Das Tutorial beginnt mit einer Einführung in die zensierten Daten und beschreibt die verschiedenen Ziele der Zuverlässigkeitsanalyse und des Engineerings. Die Kursleiter werden anhand von Beispielen, die in der JMP-Software enthalten sind, auf einzelne Ziele eingehen.
Qualität und Zuverlässigkeit
Stufe 3
|
EU 2018 424
10+ Dinge, die Sie nicht über JMP wissen
Brady Brady
Wie Sie bereits wissen, ist JMP ein erstaunlich umfangreiches Tool für die Datenanalyse und -erkundung. Das bedeutet auch, dass Sie wissen, dass es in JMP mehr als eine Möglichkeit gibt, fast alles zu tun.
Die 10 (oder mehr!) Tipps und Tricks, die hier veröffentlicht werden, machen Sie effizienter und führen Sie in Techniken, Tastaturkürzel, Formeln und mehr ein.
Kommen Sie herein und steigen Sie vom Anfänger zum Experten oder vom Experten zum Guru auf.
Datenexploration
Level 1
|
EU 2018 425
Die multivariaten Varianten von JMP: von kontinuierlich über kategorial über diskret bis funktional
Laura Castro-Schilo und Chris Gotwalt
Die multivariate Datenanalyse ist zu einer unverzichtbaren Fähigkeit geworden, da die Datenmenge in die Höhe geschossen ist und Unternehmen bei ihren Entscheidungen mehr auf Daten setzen. In dieser erweiterten Breakout-Sitzung zeigen wir den einzigartigen visuellen und interaktiven Ansatz von JMP für die multivariate Datenanalyse mit einer Vielzahl von Ansätzen, die auf kontinuierlichen, kategorialen, diskreten und funktionalen Daten basieren. Wir werden mit einer grundlegenden Diskussion des Wesens der multivariaten Analyse beginnen: Die Idee, dass Informationen, die in einer großen Anzahl von Variablen enthalten sind, häufig effizient mit einer kleineren Anzahl von Variablen dargestellt werden können. Anschließend geben wir einen Überblick über die allgemeinen Tools von JMP zur Analyse multivariater Daten. Die Sitzung besteht aus zwei Teilen. In der Einführung werden Daten aus der sensorischen Analyse und der Verbraucherforschung verwendet, um klassische nicht überwachte multivariate Methoden wie die Hauptkomponentenanalyse, die Mehrfachkorrespondenzanalyse und eine neue Technik in JMP 14, die Mehrfachfaktoranalyse, zu motivieren und zu demonstrieren. Der zweite Teil behandelt überwachte Methoden für multivariate Daten unter Verwendung von Partial Least Squares und Functional Principal Components. Zur Veranschaulichung dieser überwachten Methoden werden Modelle erstellt, um die Ausbeute eines Batch-Herstellungsprozesses mit Daten aus mehreren Signalströmen vorherzusagen. Während des gesamten Prozesses geben wir klare Richtlinien, wann jede Analysetechnik geeignet ist, und zeigen die wichtigsten und nützlichsten Softwareoptionen auf.
Datenexploration
Level 2
|
EU 2018 423
Neue und erweiterte Ansichten in JMP 14 Graph Builder
Xan Gregg und Scott Wise
Diese Breakout-Sitzung kombiniert die beliebten Sitzungen "Was ist neu in Graph Builder?" Und "Bilder aus der erweiterten Graph Builder-Ansichten-Galerie".
Zuerst werden wir eine geführte Tour durch einige neue und verbesserte Graph Builder-Funktionen in JMP 14 machen. Eine neue Intervall-Drop-Zone erleichtert benutzerdefinierte Fehlerbalken. Es wurden verschiedene Arten von Jitter hinzugefügt, darunter eine neue Standardeinstellung. Ein völlig neuer Balkendiagrammstil mit der Bezeichnung "gepackte Balken" erweitert Pareto-Diagramme. Weitere Elementtypen unterstützen parallele Koordinaten für kompakte multivariate Ansichten. Konturen können geglättet werden. Elementare Statistiken sind zugänglich.
Anschließend erfahren Sie, wie Sie mit JMP Graph Builder beliebte und faszinierende erweiterte Diagrammansichten erstellen. Wir haben brandneue Bilder für das Journal Gallery 3 erstellt, die zusätzliche Ansichten enthalten, die in den neuesten Versionen von JMP verfügbar sind. Wir werden verschiedene gängige Industriediagrammformate anbieten, von denen Sie möglicherweise nicht wissen, dass sie problemlos in JMP erstellt werden können. Darunter sind Ansichten wie Aufzählungszeichen, Zwei-Wege-Fehlerbalken, Vulkan-Diagramme und vieles mehr, mit denen Sie Ihre Analysen aufleben lassen und eine überzeugende Plattform für die Verwaltung Ihrer Ergebnisse bieten können!
Datenvisualisierung
Level 1
|
Do
10: 45-11: 15
(30 Minuten)
|
EU 2018 105
Christoph Groß
SCHOTT AG
Durchlaufen von Dateigruppen
Das Durchlaufen von Dateigruppen ist eine häufige Aufgabe bei der skriptbasierten Datenaufbereitung und -analyse. Typische Szenarien sind die automatisierte Konvertierung von Nicht-JMP-Dateien (z. B. Messdateien, die täglich eingehen) und das Extrahieren und Sammeln von Zwischenergebnissen aus Dateigruppen, die für einen einfachen Join zu groß sind. Anstatt darüber zu sprechen, was mit den einzelnen Dateien gemacht wird, werde ich mich auf das iterierende Framework konzentrieren und eine Reihe hilfreicher Funktionen präsentieren.
|
EU 2018 113
Elie Maricau
BASF Antwerpen
Anwendung von Data Analytics zur Verbesserung der Ausbeute eines chemischen Produktionsprozesses: Erkenntnisse und Best Practices
In dieser Präsentation wird ein beispielhafter Anwendungsfall in einer chemischen Produktionsanlage erörtert, bei dem die Verbesserung der Produktausbeute angestrebt wird. Im Rahmen des Projekts wurden 5 Jahre historische Daten (einschließlich Labordaten, Sensordaten und Logbuchtextdaten) analysiert. Die Ergebnisse der Analyse lösen spezielle Experimente in der Anlage aus, um datengetriebene Ergebnisse zu validieren und unbekannte Zusammenhänge weiter zu untersuchen. Während des Vortrags werde ich einige kritische Erfolgsfaktoren im Projektansatz hervorheben (dh LSS DMAIC) und ich werden zeigen, wie JMP verwendet wurde, um in den Daten verborgene Beziehungen zu finden. Ich werde zeigen, wie JMP sehr effektiv ist, um Datensätze schnell zu aggregieren, die Daten zu bereinigen, Rauschen von tatsächlichen Prozessvariationen zu trennen und Beziehungen zu visualisieren und zu quantifizieren. Techniken, die diskutiert und demonstriert werden, umfassen Tabellenoperationen, Datenfilterung, Modellierung und DOE.
|
EU 2018 116
Martin Owen
Insight by Design
Projekt, Einblick, Aktion !!!
Als Dozent und Trainer bin ich sehr an den Fähigkeiten interessiert, die die neue Projektfunktionalität in JMP14EA bietet. Ich sehe, dass diese Plattform unsere Fähigkeiten zur Verbesserung des Organisationsgedächtnisses erweitert und Material (Datensätze, Skripte, Modell- und Visualisierungsberichte) aus verschiedenen Quellen zusammenbringt. Wir können vorhandene Dateistrukturen abbilden und über eine einzige Dokumentschnittstelle eine neue Organisationsstruktur erstellen. In dieser Präsentation werde ich Beispiele für das Potenzial des JMP14-Projekts als Lehrmittel geben. Ziel ist es, das Lernen zu beschleunigen und Teams oder Organisationen dabei zu helfen, neue Arbeitsabläufe einzuführen, Erkenntnisse aus früheren Studien zu erhalten, bessere Entscheidungen zu treffen und Maßnahmen zu ergreifen. Der flexible Projektarbeitsbereich erweckt spannende Geschichten zum Leben. Es ist jetzt sehr einfach:
- Erstellen Sie einen Workflow mit sequentiellen Vorgängen, von der Versuchsplanung bis zur Analyse und Dokumentation der wichtigsten Informationen und Aktionen
- Zeigen Sie, wie Informationen über eine Reihe von Arbeitspaketen für experimentelles Design aufgebaut werden
- Vergleiche und wähle aus verschiedenen Modellierungs- und Visualisierungsansätzen
- Standardberichte erstellen und archivieren, die aktualisiert werden, wenn neue Daten eingegeben werden
Ein zusätzlicher Vorteil ist, dass es jetzt einfacher ist, Daten während der Arbeit zu verwalten und zu kuratieren - das Schließen einer aktuellen Sitzung, die für die Neuerstellung am nächsten Tag bereit ist, könnte nicht einfacher sein.
|
EU 2018 104
Piet Hoogkamer
Produkte von Abbott Healthcare
Multivariates Testen der Ähnlichkeit von Auflösungskurven
Die Auflösungsprüfung von pharmazeutischen Produkten ist wichtig, da sie ein Ersatzmaß für die In-vivo-Auflösung darstellt. In-vivo-Auflösung beeinträchtigt die Bioverfügbarkeit, was die Pharmakokinetik (Blutspiegel) und infolgedessen die Sicherheit und Wirksamkeit beeinträchtigen kann. Wird eine Änderung in Bezug auf den Herstellungsprozess, den Herstellungsort oder die Prüfmethode vorgeschlagen, muss die „Gleichwertigkeit“ nachgewiesen werden, um einen Bio-Verzicht zu erhalten. Die Ähnlichkeit von Kurven kann unter Verwendung der mathematischen f2-Metrik getestet werden, wobei ein Wert zwischen 50 und 100 Ähnlichkeit nahe legt. Die f2-Metrik wird im Detail erklärt. Falls die Variabilität jedoch zu hoch ist (zwischen getesteten Einheiten, innerhalb eines Zeitpunkts), muss stattdessen eine multivariate entfernungsbasierte Statistik verwendet werden. Einige Optionen werden für modellabhängige und modellunabhängige Ansätze gezeigt. Die Verwendung von JMP, sowohl mit Standardfunktionalität als auch mit einem speziellen Skript, wird für die Mahalanobis-Distanz veranschaulicht.
|
Do
11:30 - 12:00 Uhr
(30 Minuten)
|
EU 2018 115
Paolo Nencioni
A.Menarini ML & SSrL
Verwenden der Fit Model-Plattform, um in kurzer Zeit die Haltbarkeit einiger Formulierungen während der Entwicklungsphasen eines Arzneimittels vorherzusagen.
Im Allgemeinen verlangen die Richtlinien des International Council of Harmonization (ICH), dass ein Arzneimittel unter vordefinierten Lagerbedingungen bewertet wird, um seine thermische Stabilität zu testen. Die Lagerbedingungen und die Länge der gewählten Studien sollten ausreichen, um Lagerung, Versand und Verwendung abzudecken. Die Langzeittests sollten zum Zeitpunkt der Einreichung mindestens zwölf Monate dauern, während die Zwischen- und Beschleunigungsbedingungen mindestens sechs Monate umfassen sollten. Während der Entwicklungsphase kann mehr als eine Formulierung zur Erfüllung der Projektanforderungen führen. Wie können wir die beste auswählen? Sicherlich möchten wir die Formulierung wählen, die eine möglichst lange Haltbarkeit gewährleistet. Die Durchführung einer formalen ICH-Stabilitätsstudie liefert erst nach sechs Monaten nützliche Antworten. Durch die Durchführung von Untersuchungen zur beschleunigten Stabilität bei höheren Temperaturen als unter ICH-Bedingungen konnte das Verhalten einiger Formulierungen in relativ kurzer Zeit (nicht länger als 30 Tage) bewertet werden. Mit der JMP Fit Model-Plattform war es möglich, die Verschlechterungsrate in Abhängigkeit vom Stressfaktor abzuschätzen und eine datengesteuerte Entscheidung über die stabilere Formel zu treffen. Die geschätzten Abbauraten wurden verwendet, um die Qualitätsattributwerte zu den Zeitpunkten und Lagerbedingungen vorherzusagen, die gemäß der ICH-Richtlinie erforderlich sind. Die vorhergesagten Ergebnisse wurden mit dem tatsächlichen Wert einer Charge verglichen, gefolgt von ICH-Bedingungen, um die Güte der Modelle zu überprüfen. Der gleiche Ansatz wurde verwendet, um die Wirkung von Temperatur und Sauerstoffgehalt zusammen zu bewerten. Die mit JMP erstellten Modelle wurden verwendet, um den tatsächlichen Einfluss des Sauerstoffgehalts auf die kritischen Qualitätsmerkmale des Endprodukts zu ermitteln.
|
EU 2018 121
Jacqueline Asscher
Kinneret College am See Genezareth
Branchenschulung basierend auf einer Fallstudie: Lernen Sie mithilfe von JMP, wie Sie Split-Plot-Experimente entwerfen
Wenn Experimente eine geteilte Diagrammstruktur haben, sollte dies sowohl bei der Planung als auch bei der Analyse berücksichtigt werden. Ein häufiges Beispiel ist ein Experiment zur Verbesserung eines Prozesses, der in Chargen abläuft. Dabei werden einige Faktoren zwischen Chargen und andere innerhalb von Chargen geändert, was zu nicht vollständig unabhängigen Läufen führt. Die Split-Plot-Struktur kann dem untersuchten Prozess oder dem Versuchsaufbau inhärent sein oder kann wahlweise verwendet werden, um Zeit oder Geld zu sparen oder das Design zu verbessern. In der Fallstudie beziehen sich einige Faktoren auf die Materialvorbereitung und andere Faktoren auf die Verarbeitung des Materials zum Endprodukt. In der Schulung für Praktiker werden die JMP-Tools zum Entwerfen, Auswerten und Vergleichen von Experimenten verwendet, um alternative Strategien für die Auswahl eines Designs zu erkunden. Zu den in Betracht gezogenen Entwürfen zählen die von JMP erstellten Standard- und benutzerdefinierten Entwürfe sowie Entwürfe, die vom Benutzer von Grund auf neu erstellt wurden. Zum Beispiel ist es in der Regel billiger, eine minimale Replikation des gesamten Diagramms einzuschließen, und wir untersuchen die Konsequenzen dieser Strategie. Das pädagogische Ziel ist es, das Thema und den Einsatz der JMP-Tools gleichzeitig zu vermitteln.
|
EU 2018 102
Anne SAINT-AMANS
Limagrain
Ein Add-In zur Analyse von Feldversuchsdaten: die benutzerdefinierte ANOVA
Limagrain, das viertgrößte Saatgutunternehmen der Welt, stellt jedes Jahr neue Sorten für Gemüse und Feldfrüchte her. Diese neuen Sorten werden getestet und anhand verschiedener Variablen (Ertrag, Länge der Früchte…) mit kommerziellen Referenzen verglichen. Varianzanalyse und gemischte Modelle werden durchgeführt, um unerwünschte Umwelteinflüsse (Grenze, Belüftung, Bodenfruchtbarkeit ...) zu berücksichtigen und das genetische Potenzial der Sorten zu extrahieren. JMP verfügt über eine Vielzahl von Funktionen, um die erforderlichen statistischen Studien durchzuführen. Ein Add-In namens "Custom ANOVA" wurde von Limagrain entwickelt, um sie zu sammeln. Ziel ist es, einen vollständigen und interaktiven Bericht anzubieten, der speziell auf die Bedürfnisse der Forscher der Gruppe zugeschnitten ist. Eine minimalistische und intuitive Benutzeroberfläche ermöglicht die Auswahl einiger Optionen, bevor die Analysen gestartet werden. Der Abschlussbericht enthält verschiedene Registerkarten, die jeweils einem bestimmten Schritt zugeordnet sind: beschreibende Statistik, Statistik des Modells, Validierung der Hypothesen, Wirkungsstudie, Berechnung des genetischen Potenzials, Feldkarten und mehrere Vergleiche. Darüber hinaus nutzt das Add-In das „Ausdrucksobjekt“ von JSL, um das Skript des Berichts in der Datentabelle zu speichern (wie bei jedem anderen JMP-Bericht). Auf diese Weise kann der Benutzer die Ergebnisse nachverfolgen und den gesamten Bericht auf einfache Weise neu erstellen.
|
EU 2018 124
Gary Finka, Sonya Godbert, Doug Marsh, Direktor, Statistikleiter, leitender Wissenschaftler
Glaxo Smith Kline
Funktionsdaten erkunden
Es gibt viele Möglichkeiten, wie Sie die Beziehung zwischen X und Y untersuchen können, wenn Sie ein Datenrechteck mit Variablenspalten für jede Zeile (Stichproben, Läufe, Stapel) haben. Viele andere Daten, die Sie möglicherweise verwenden möchten, passen jedoch nicht einfach in dieses Formular. Ein häufiges Beispiel ist, dass Sie für jede Probe, jeden Lauf oder jede Charge ein Maß haben, das über die Zeit aufgezeichnet wurde. Was ist, wenn Sie die Form dieser „Funktionsdaten“ mit anderen Variablen in Beziehung setzen möchten? Die Herausforderung besteht darin, eine kleine Anzahl von "Merkmalen" zu extrahieren, die die nützlichen Informationen aus den vollständigen Funktionsdaten jeder "Funktions-ID" (der Proben, Läufe oder Chargen) erfassen. Die Features können dann als X oder Y in einem Standarddatenrechteck verwendet werden. Zu den weiteren Herausforderungen gehört die Tatsache, dass die Daten möglicherweise nicht über Funktions-IDs hinweg ausgerichtet sind: Die Häufigkeit der Erfassung kann unterschiedlich sein, es kann einen Versatz geben oder es fehlen an einigen Stellen Daten für einige Funktions-IDs. Anhand von Beispielen aus einem biopharmazeutischen Umfeld zeigen wir, wie mithilfe des Functional Data Explorer in JMP 14 wertvolle Erkenntnisse aus diesen Datentypen gewonnen werden können.
|
Do
2:00 - 2:45
(45 Minuten)
|
EU 2018 202
ALFREDO LOPEZ NAVARRO
Telefónica Germany GmbH & Co. OHG
TITANIC Revisited - Alle Hände an Deck!
Wir möchten Ihnen eine überzeugende und interessante Beschreibung einiger - nicht sehr bekannter - Fakten über die Katastrophe von RMS TITANIC geben, die 1912 nach einem Zusammenstoß mit einem Eisberg versenkt wurde. Wir alle kennen die Geschichte, oder so denken wir. Dank der Discovery-Methode von Telefónica, die von JMP unterstützt wird, werden wir eine Expedition unternehmen, die tief in die Datenpunkte eintaucht, um Erkenntnisse vor dem Vergessen zu bewahren. Wir werden Daten mit der Funktion "Internet Open" verschrotten. Verknüpfen, verketten und aktualisieren Sie Tabellen, bis Sie eine erweiterte Datenbank erstellt haben, die zahlreiche Einblicke bietet. Anschließend werden wir mithilfe von ANOVAs, kategorialen und visuellen Analysen eine faszinierende datengetriebene Geschichte erzählen. Erwarten Sie eine Last-Minute-Überraschung  Natürlich sind alle Beteiligten an Deck: Alles wird dokumentiert und erklärt, damit es in die JMP User Community hochgeladen werden kann. Wir möchten ein Gespräch für andere eröffnen, um darauf aufzubauen. JMP an Bord bei uns!
|
EU 2018 201
Philip Ramsey
Universität New Hampshire und North Haven Group
Modellvalidierungsstrategien für geplante Experimente unter Verwendung von Bootstrapping-Techniken mit Anwendungen für Biopharmazeutika
Die statistische Modellierung verfolgt zwei unterschiedliche Ziele: Erklärung und Vorhersage. Erklärende Modelle lassen sich oft nur schlecht vorhersagen (Shmueli, 2010). Oft sind Analysen von entworfenen Experimenten (DOE) erklärend, aber die experimentellen Ziele sind Vorhersagen. Führen Sie eine Best Practice für die Produkt- und Prozessentwicklung durch, bei der Sie die zukünftige Leistung vorhersagen. Die prädiktive Modellierung erfordert die Aufteilung der Daten in Trainings- und Validierungssätze, wobei der Validierungssatz zur Bewertung von prädiktiven Modellen verwendet wird. Die meisten DOEs haben nicht genügend Beobachtungen, um einen Validierungssatz zu bilden, der eine direkte Bewertung der Vorhersage-Leistung ausschließt. Wir demonstrieren eine "Balanced Auto-Validation" -Technik, bei der die Originaldaten verwendet werden, um zwei Kopien dieser Daten zu erstellen. eines ein Trainingsset und das andere ein Validierungsset; Die Sets unterscheiden sich in der Zeilengewichtung. Die Gewichte sind Dirichlet verteilt und "ausgewogen"; Beobachtungen, die mehr zu den Trainingsdaten beitragen, tragen weniger zum Validierungssatz bei (und umgekehrt). Der Ansatz erfordert nur das Kopieren der Daten und das Erstellen einer Formelspalte für Gewichte. Die Technik erlaubt es allgemein, prädiktive Modellierungstechniken auf kleinere Datensätze anzuwenden, die in Labor- und Fertigungsstudien üblich sind. Zwei Fallstudien zur Bio-Pharma-Prozessentwicklung werden zur Demonstration herangezogen. In beiden Fällen sind umfangreiche Validierungssätze mit endgültigen Screening-Designs kombiniert. JMP wird zur Demonstration von Analysen verwendet.
|
EU 2018 212
Robert Reul
Isometrische Lösungen
Verwendung von JMP zur Beseitigung von Diskriminierung im Workpalce
Beseitigung von Diskriminierungen am Arbeitsplatz Möglicherweise besteht das einzige gemeinsame Ziel von Bewerbern und Arbeitgebern in der Fähigkeit, eine Beschäftigung mit einer Reihe von nichtdiskriminierenden Merkmalen zu suchen und zu sichern: Wissen, Fähigkeiten und Erfahrung. Die unglückliche Realität ist, dass diese allzu oft von anderen, leichter erkennbaren Faktoren übertroffen werden, die sehr wenig mit der Arbeitsleistung zu tun haben, und schlimmer noch, unethische und illegale Praktiken verkörpern, wenn Bewerber für eine Stelle eingestellt werden. Können Datenanalysen verwendet werden, um diskriminierende Vorurteile bei der Einstellungsentscheidung auszuschließen? Durch die Nutzung umfangreicher akademischer Literatur zu Persönlichkeit und Leistung entstehen mehrere Frameworks, die als Ergebnisvektoren für Vorhersagemodelle dienen, nämlich die Big-5-Persönlichkeiten und Vertrauenswürdigkeit, Sympathie und Vertrauen. Aber was tun mit den Prädiktoren? Durch das Experimentieren mit Gesichtsbildverarbeitungsdaten aus Quellen wie Google und Microsoft zeigten sich Prognoseversprechen. Durch die Verwendung einer Reihe von Analysemethoden, die nach Vorhersagepotenzialen suchen und die Komplexität der Dimensionen verringern, entsteht eine Vorhersagekraft mit einer völlig nichtdiskriminierenden Menge latenter Variablen, die die Empfehlungen „wen interviewen“ / „wen einstellen“ auf der Grundlage der rein kulturellen Persönlichkeit informieren passen. Diese Präsentation wird die Herausforderungen und Erfolge dieser Bemühungen aufzeigen und beweisen, dass dies nicht nur machbar ist, sondern möglicherweise zur neuen Normalität wird.
|
EU 2018 210
Paul Nelson und Andrew Macpherson
GSK
Endgültige Erweiterung von endgültigen Screening-Designs
Definitive Screening Designs (DSDs) erfüllen in einzigartiger Weise die wichtigsten Anforderungen vieler Experimentatoren. Wie sonst können wir die rasche und enthusiastische Einführung von DSDs seit ihrer Entdeckung im Jahr 2011 erklären? 13- oder 17-Lauf-DSDs für 5 bis 7 Faktoren sind für viele Experimentatoren die erste Wahl, wenn sie nach den wenigen treibenden Faktoren suchen. Zusammen mit 'Fit Definitive Screening' in JMP verfügen Sie möglicherweise über einen einfachen, effizienten und effektiven experimentellen Workflow, um die wichtigen Haupteffekte, Wechselwirkungen und krummlinigen Verhaltensweisen dieser Faktoren zu ermitteln. Wenn nur drei der Faktoren aktiv sind, können Sie das vollständige RSM-Modell zweiter Ordnung anpassen und das Screening und die Optimierung in einem Schritt durchführen. Was aber, wenn mehr als 3 Faktoren aktiv sind? Wenn Unklarheiten auftreten, gibt es einen einfachen nächsten Schritt? Oder wird die Komplexität dieser Situation zu einem Hindernis für die Einführung von DSDs? In dieser Präsentation werden Sie zunächst Beispiele aus der Praxis kennenlernen, die den Wert von DSDs demonstrieren. Sie werden dann feststellen, dass es einfache Möglichkeiten gibt, diese DSDs zu erweitern und sicherzustellen, dass die Struktur und die Eigenschaften beibehalten werden können, sodass die Vorteile von DSDs erhalten bleiben. Folglich können mehr Menschen in mehr Situationen durch den Workflow von sequenziellen DoE- und DSD-Vorgängen profitieren.
|
Do
3:00 - 3:45
(45 Minuten)
|
EU 2018 211
Rob Lievense
Perrigo
Einbeziehung von QbD-Elementen zur Minimierung der Variation des Sprühmusters eines Beschichtungsprozesses mit Wirkstoffspray unter Verwendung der JMP-Bildanalyse und der DOE-Plattform
Das Erreichen einer akzeptablen Einheitlichkeit der Dosierung für pharmazeutische Tabletten, die mit einem Wirkstoff beschichtet sind, hängt von der Verringerung der Variabilität zwischen den Dosierungseinheiten ab. Beim Beschichten von Trommeltabletten ist ein viel höheres Maß an Präzision erforderlich, um aktive Beschichtungen aufzutragen als bei nicht funktionellen Beschichtungen. Das Sprühsystem ist ein wichtiges Prozesselement, dessen Optimierung aufgrund des Bedarfs an speziellen Geräten für volumetrische Messungen eine große Herausforderung darstellt. Ein alternativer Ansatz beinhaltet Versuche, bei denen das Muster auf ein einfaches schwarzes Papiersubstrat gesprüht wird und digitale Bilder des Sprühmusters erhalten werden. Der Bildanalysator wird verwendet, um eine Tabelle mit Intensitätswerten zu erstellen, die das Muster quantifizieren. Die graphischen Darstellungen des Intensitätsprofils veranschaulichen deutlich die Abweichung des Sprühnebels zwischen und unter mehreren Sprühpistolen, die als effizientes Analog zu den typischen Volumenmessungen wirken. Die Profile werden in Ausgaben zusammengefasst, die mit der benutzerdefinierten DOE-Plattform verwendet werden, um den Prozess des Sprühsystems zu optimieren. JMP wird verwendet, um QbD-Elemente (Quality by Design) zur Definition des Entwurfsraums einzubeziehen. Durch die Optimierung dieses Raums wird der Prozess erheblich verbessert, sodass strenge Standards für die Einheitlichkeit der Dosierung eingehalten werden können.
|
EU 2018 208
Olivier Brack
Statistique Industrielle Khi2 Consulting
Versuchsplanung in der numerischen Simulation
Am Vorabend der Veröffentlichung eines neuen AFNOR-Standards (FDX06 081), der sich mit Simulation und industriellen Tests befasst, schlagen wir vor, ein Beispiel für eine JMP-Anwendung zur Lösung eines Optimierungsproblems für ein Kettenfahrzeug auf der Grundlage numerischer Simulationen vorzustellen Bei der Verarbeitung von Daten aus ungeplanten Simulationen zur Behebung des Problems wurden neue Simulationen durchgeführt, um relevantere Informationen zu erhalten. Diese neuen Simulationen wurden auch durchgeführt, um Daten zu erhalten, die den Vergleich von DOEs ermöglichen, mit einem pädagogischen Ziel im Rahmen der Ausbildung an der Ecole Polytechnique. Dieses Beispiel zeigt den häufig vernachlässigten Nutzen der DOEs in der numerischen Simulation. Von der Versuchsplanung bis zur Rekalibrierung des theoretischen Modells anhand realer experimenteller Daten, wobei die statistische Behandlung (insbesondere unter Berücksichtigung der experimentellen Variabilität, die zu oft und so unfair in der Simulation beiseite gelegt wird) und die grafische Darstellung der Ergebnisse offensichtlich sind In dieser Präsentation wird die Leistung von JMP bei der Erfüllung der Anforderungen von DOEs in der numerischen Simulation hervorgehoben.
|
EU 2018 205
Thomas Zelikman
NNE
Prädiktive Steuerungssynthese eines industriellen Regelkreises mit Jmp
Es wird ein industrielles Setup vorgestellt, in dem Jmp zum Importieren und Zusammenfügen von Dateien aus verschiedenen zeitlichen Datenquellen verwendet wurde, einschließlich Vibrationsmessungen, Maschinenbetriebsdaten und Videodateien. Mit JSL in Jmp war es möglich, ein Skript zu erstellen, das alle erforderlichen Konvertierungen und Vorkonditionierungen von Daten durchführt, z. B. Extraktion von Ton aus Videodateien, Spektralanalyse von Ton und Vibration und Synchronisation von Zeitdaten mit geometrischen Messpositionen auf den in erstellten Proben der Prozess, um Prozessereignisse mit Messungen am Ausgang zu verknüpfen. Multivariate Methoden wurden verwendet, um eine Vorhersage der Ausgabe zu erstellen, die zum Exportieren des Prädiktorausdrucks an den Controller geeignet ist. Die Methoden zur Versuchsplanung wurden verwendet, um zu bestimmen, wie der Ausgang beeinflusst werden soll, um den Regelkreis zu schließen und die gewünschte Reaktion zu erhalten.
|
EU 2018 204
Per Vase
NNE
Wie JMP 14 die Leistung zukünftiger Chargen vorhersagen kann. Ein Wegbereiter für die Validierung von pharmazeutischen Prozessen.
Viele Unternehmen in der pharmazeutischen Industrie bestehen eine Prozessleistungsqualifizierung (PPQ) immer noch nur aufgrund der Tatsache, dass die geschätzten Ppk bei drei aufeinanderfolgenden Chargen besser sind als die Akzeptanzkriterien. Bei der Validierung geht es jedoch darum, die Zukunft vorherzusagen - NICHT die Vergangenheit. Auch wenn die drei Chargen einen ausreichenden Ppk haben, ist dies nicht ausreichend. Die Vorhersage für zukünftige Ppk-Werte muss ebenfalls vielversprechend aussehen. Die International Society of Pharmaceutical Engineering (ISPE) hat ein Diskussionspapier veröffentlicht, in dem die Auswirkung statistischer Tools auf die PPQ-Ergebnisse bewertet wird, wie diese Vorhersage aus der Varianzkomponentenberechnung zwischen und innerhalb von Chargenvarianzen in Prozessfähigkeitsindizes umgewandelt werden kann. Einer der Gründe dafür, dass diese Methode immer noch nicht weit verbreitet ist, war das Fehlen statistischer Softwarepakete mit dieser Berechnungsmethode als Standard. In JMP 14 im 3-Wege-Diagramm wird jetzt jedoch die Fähigkeit zwischen und innerhalb von Sigma berechnet. Beispiele, bei denen diese Methode für die PPQ-Bewertung verwendet wurde, werden in JMP 14 sowohl mit erfolgreichen als auch mit nicht erfolgreichen Bewertungen gezeigt. Es wird mit der zuvor erwähnten traditionellen Methode verglichen.
|
