| 約會時間 |
慕尼黑我
|
慕尼黑二世 |
柏林 |
雅典 - 記錄 |
星期三
10：30-中午
|
歐盟2018年411
公式編輯深潛
Mike Muhlada和Audrey Schull
這個介紹性演示將使用示例來解釋公式編輯器的機制，調查和修復常見錯誤，並鞏固最佳實踐和公式創建的有用“技巧”。詳細的演練將介紹公式構建器的各個方面，包括使用拖放，鍵盤快捷鍵和功能按鈕來創建公式。在我們處理示例時，我們將討論有用的功能，發現和糾正常見錯誤，使用下標等。要涵蓋的最佳實踐主題包括：自定義格式，使用數據'清理'的公式，列轉換以及使用中間列來構建更複雜的公式。將特別強調JMP 14的新功能，包括用戶定義的功能，結果預覽，“實時”公式錯誤/警告檢測以及可自定義的功能列表。
數據訪問和操作
1級
|
歐盟2018年414
他們的意思是什麼？JMP中的Text Explorer精華
Don McCormack / Bill Worley
人們發表評論，機器輸出狀態。有大量的單詞和短語可用於更好地理解評論或摘要。許多公司提出的問題是如何處理這些尚未開發的非結構化數據。JMP中的Text Explorer為您提供了一個數據挖掘工具，可幫助您分析和更好地了解您的客戶，或者為什麼那些本來可以保存您業務的新設備沒有按預期運行。演示者將展示JMP 14中的新平台功能以及JMP 13中原始文本瀏覽器中的突出功能。功能可以快速，輕鬆地幫助您確定經常使用的術語和短語，從而推動消費者評論或機器可靠性。將使用幾個案例研究來說明清理數據的難易程度。本地重新編碼等選項或添加對分析幾乎沒有意義的停用詞和短語。Word雲正在全面出現，您只需點擊幾下即可學習如何生成交互式文字云。
演示者將演示JMP Pro中的高級文本探索工具，以及如何在文本資源管理器中使用Latent Sematic SVD和主題分析來發現非結構化數據的新見解。最後，演示者將通過利用您轉換的非結構化數據以及結構化數據來證明您可以構建更具預測性和信息量的模型。
數據探索
2級
|
歐盟2018 413
工業問題解決的統計思考
Mia Stephens
伊恩考克斯
了解如何利用數據以及JMP的視覺和交互特性來解決您最具挑戰性的問題。在本次分組會議中，我們介紹了統計思維的原理，並提出了一種實用的，數據驅動的方法來解決現實世界的工業問題。我們通過實例和模擬促進對核心技術和現代統計方法的理解，並提出端到端的案例研究，以統一概念和拓寬適用性。
數據探索
2級
|
歐盟2018 412
共享JMP圖和報告
Bryan Fricke和Michael Hecht
JMP是視覺探索和發現數據的首選工具。但是，由於並非每個人都是JMP用戶，因此您可能需要以適合您的受眾群體的形式導出圖表和報告。在本次會議中，我們將演示如何從JMP中獲取圖表和報告以及適合共享的表單。特別是，我們將以表格形式出版圖表和報告，以備演示文稿，印刷期刊或文章以及交互式網頁。
數據可視化
1級
|
星期三
1：00-2：30
|
歐盟2018 418
JMP和JMP Pro中的仿真方法，特別強調分數隨機權重引導
比爾米克和
Chris Gotwalt
基於仿真的統計方法允許我們用數據做一些令人難以置信的事情。 在本教程中，我們將通過各種示例說明JMP如何輕鬆利用這些強大的方法。 我們將從可靠性應用開始，並展示如何在JMP的生命分佈平台和Fit Life By X平台中使用貝葉斯技術進行極少觀察的情況下獲得更精細的推論。 然後，我們將介紹JMP Pro中的One-Click Bootstrap，並演示其在各種示例中的使用，特別強調非常有用但非常低估的分數隨機權重引導程序。 幾十年來，基於重採樣的經典引導程序已經成為一種廣泛使用的方法，用於計算可靠的置信區間，用於沒有精確方法的應用程序，以及樣本大小不足以依賴於易於使用的樣本計算大樣本近似方法，例如Wald（正態近似）置信區間。 然而，有許多應用程序不能使用重採樣引導程序方法。這些包括數據被嚴格審查的情況，當“成功”響應是罕見事件時的邏輯回歸，或者解釋變量中成功和失敗混合有限的情況，以及參數數量接近的設計實驗觀察次數。這三種情況的共同之處在於，可能存在相當大比例的重採樣，其中不可能估計模型中的所有參數。 分數隨機權重引導方法可用於避免這些問題並提供可信賴的置信區間，並且只需點擊JMP Pro中的大多數平台即可。 接下來，我們將演示如何使用JMP Pro中的模擬功能進行功率計算。 這使得在整個JMP中進行許多分析的功率計算變得簡單，特別是在結果為二進制的設計實驗中。 作為JMP Pro仿真功能的最終演示，我們將展示如何使用Profiler中的Save Bagged Estimates選項獲得神經網絡預測的置信區間。
預測建模
4級
|
歐盟2018 416
JMP項目：在JMP中組織工作的新方法14 - Dan Valente和Aaron Andersen
許多JMP用戶經歷了一個交互式JMP會話，這些會話為他們提供了許多窗口並分析了一次打開的所有報告。雖然在這種“浮動窗口模式”中使用JMP可能對許多人有用，但是有些情況下首選具有選項卡式界面。用戶還可能希望將某些文件與分析項目相關聯，而不是擁有主窗口提供的完整列表。出於這些原因，我們在JMP 14中創建了JMP項目。Projects為JMP提供單一文檔界面，一個帶標籤，可重新配置的工作空間，書籤文件的位置和一個窗口列表，讓用戶可以輕鬆瀏覽各種打開的窗口，數據表，腳本等，以及啟動支持文件，如.pdfs和.ppt文件。項目還可用於快速打開和關閉與一個或多個單獨分析活動相關聯的許多文件，並可用於將並行項目分開，以便您可能需要運行多個JMP會話。最後，JMP 14中的項目還可以為您提供一種與歸檔功能共享和協作工作的簡便方法。
數據訪問和操作
1級
|
歐盟2018 417
JMP14中的新DOE功能
Ryan Lekivetz
布拉德利瓊斯
JMP 14具有幾個新的DOE功能。
也許最重要的是用於創建平衡不完整塊設計（BIBD）的新設計工具。這些設計具有一個處理因子和一個阻塞因子。它們的特殊性質是每個治療水平總體上呈現相同的次數，並且治療水平與在一些區塊中的每個其他治療水平一起出現相同的次數。這創造了一種特殊和理想的平衡。我們將提供有關此類設計的更多詳細信息，並演示如何使用新工具的UI。
Custom Designer添加了一對最優標準，用於生成A優化設計和加權A優化設計。A優化設計最小化參數估計的平均方差。A標準類似於眾所周知的D標準，因為它集中於模型參數的精確估計。爭論A-optimal設計的常規使用有兩個好處。首先，與D標準相比，更容易理解A標準如何產生良好的設計。這樣可以更容易地為DOE新手的從業者常規使用最佳設計。其次，加權A優化設計允許對不同的參數組進行不同程度的強調。例如，人們可能希望強調雙因子相互作用的純二次效應，而這兩種因素都超過主效應估計。我們將展示如何使用自定義設計工具創建A最優和加權A優化設計。
比較設計工具現在可以在UI中容納多達5種設計，通過腳本可以容納多達10種設計。以前，限制是三個設計。我們將通過UI示例和腳本示例演示此附加功能，包括新的A-optimal和加權A-optimal設計。
當然，JMP 14的DOE工具還有許多其他改進。加速壽命測試設計得到了很大改進。Fit Definitive Screening平台現在允許考慮不具有遺傳性的模型術語。Choice Design和MaxDiff Design工具都能夠模擬響應。這將使得可以確定給定的預期設計是否能夠可靠地檢測特定幅度的效果。我們將在整個會議期間提供這些新功能。不幸的是，時間不允許在教程中包含這些內容。
A-最優設計
BIBDs
DOE
2級
|
歐盟2018 415
使用JSL開發高效，強大的應用程序
約瑟夫摩根
本教程將重點介紹在開發高效，健壯，生產就緒的應用程序時可以證明非常寶貴的JSL結構。這些包括表達式處理函數，xpath支持，命名空間等。這些想法將通過教師在過去10年中收集的示例進行說明，因為他與廣泛的JSL用戶合作。
JSL應用程序開發
3級
|
星期三
2：45-4：15
|
歐盟2018 419
使用JMP構建儀表板和應用程序
丹·施科爾
保存分析以便可以在相同或不同的數據表上重複分析是創建高效且可重複的分析工作流程的重要步驟。 JMP腳本語言（JSL）可與JMP儀表板生成器和應用程序生成器中提供的拖放工具一起使用，以快速構建和部署儀表板和應用程序。 本演講將涵蓋從使用“組合Windows”創建的簡單儀表板到具有多個窗口和JSL腳本的完整應用程序的所有內容。 詳細了解如何使用數據過濾器設計報表，參數化應用程序以便運行時選擇要分析的列，以及共享結果的選項，包括交互式HTML。 將演示新的自定義模板界面，這樣可以更輕鬆，更快速地創建具有共同外觀的多個儀表板或應用程序。
數據可視化
2級
|
歐盟2018年422
使用JMP中的第二代質量工具進行集成流程改進 ®
勞拉蘭開斯特
2級
JMP中的第二代質量工具 - 控製圖生成器，過程能力，測量系統分析和過程篩選 - 採用一體化理念設計，使質量分析更容易，更有效。例如，新的Process Capability平台旨在反映統計過程控製程序中使用的控製圖的類型，並在控製圖生成器內添加了功能報告。同樣，測量系統分析平台中的移位檢測分析器允許質量工程師在如何設計控製圖方法時做出明智的決策，同時考慮到他們的測量系統，以便盡快提醒他們處理變更。了解您的測量系統，統計過程控製程序和過程能力評估如何結合在一起是提高和保持質量的關鍵。該軟件獨特的設計理念使這一過程簡單明了。此外，使用新的Process Screening平台快速篩選大量流程以確保穩定性的能力將節省時間，減少工作量並提高質量。本教程將使用案例研究來展示如何使用集成的流程改進方法來使用這些平台。
質量和可靠性
2級
|
歐盟2018 421
使用廣義回歸平台建立一站式模型
克萊巴克
變量選擇，選擇一組因子或預測變量來建模響應的過程，是模型構建過程的重要組成部分。幸運的是，它不一定是一個痛苦的過程。JMP Pro中的廣義回歸平台（Genreg）提供了各種自動變量選擇技術，使這一過程變得快速而簡單。在使用該平台之後，我們留下了一個簡潔的模型，可以很好地預測新數據。我們將研究如何使用Genreg在各種設置中構建模型：從正交設計實驗開始，然後轉移到大型觀測數據集。我們還將預覽版本14中的一些新的Genreg功能，如建模多級分類響應和Dantzig Selector。
預測建模
2級
|
歐盟2018 420
進入有趣的部分：如何準備數據進行分析
Brian Corcoran，Mandy Chambers和Kelci Miclaus
JMP可視化和統計分析平台允許您發現有意義的信號，趨勢和數據洞察。 當一個項目需要處理多個複雜的數據文件時，進入那個“aha”時刻需要進行必要的數據查詢，加入，導入，探索和清理。 高達80％的時間花在復雜或大型數據分析任務中的數據準備上並不罕見。 本次會議重點介紹了JMP 13和JMP 14中幾個新功能的使用，使您可以快速，輕鬆地進入分析就緒狀態。 我們將討論如何從數據庫中查詢和導入數據，使用JMP查詢生成器打開和加入數據，以及JMP 14中新增的多個文件導入選項。JMP 13引入了JMP數據表的虛擬連接，允許您指定鏈接多個表的公共密鑰。 JMP 14中的新功能指示表在鏈接表之間監聽或分派行狀態更改。我們將演示這些新功能如何允許虛擬連接表通過共享行狀態相互“交談”，以便於數據探索和即時分析/儀表板創建，無需表操作。 最後，我們將解決清理數據的骯髒工作，突出顯示Recode的新功能，以演示我們現在如何使用正則表達式替換字符串，刪除不需要的標點符號，保存Recode腳本，重用並附加到它們，甚至使用值標籤列已經分配了它們。這些主題將簡化每個JMP用戶的導入，表格探索和數據清理的體驗;留出更多時間玩樂：數據分析。
數據訪問和操作
1級
|
星期三
4：30-6：00
|
歐盟2018 426
JMP可靠性分析與工程
劉鵬，JMP首席研究統計開發人員，SAS
Leo Wright，JMP首席產品經理，SAS
邁克爾克羅蒂，JMP高級統計作家，SAS
JMP中用於研究可靠性的最先進的工具套件旨在使組織能夠提供卓越的產品 - 這是當今復雜產品和服務領域成功的要求。多年來，我們採用了先進的概念，將強大的統計分析與動態數據可視化相結合，幫助用戶即時在大型數據集中即時評估性能，發現趨勢並診斷改進機會。JMP已經認識到，從消費品和工業產品到醫療保健到防禦系統，可靠性（也稱為“質量隨時間推移”）至關重要。JMP可靠性工具旨在幫助工程師，研究人員和管理人員更輕鬆，更快地了解可靠性數據和系統可靠性，無論所研究的系統是相對簡單還是完全複雜。由強大的JMP基礎架構支持的JMP可靠性工具也是可擴展和可定制的。在本教程中，我們將介紹以下JMP平台：壽命分佈，可靠性預測，降級和可修復系統仿真。這些平台是可靠性分析和工程的基本組成部分，解決了可修復和不可修復系統的問題。本教程將首先介紹已審查的數據，並概述可靠性分析和工程的不同目標。教師將使用JMP軟件附帶的示例來解決個人目標。
質量和可靠性
3級
|
歐盟2018 424
你不了解JMP的10多件事
布雷迪布拉迪
如您所知，JMP是一種非常豐富的數據分析和探索工具。這也意味著你知道在JMP中有幾種方法可以做幾乎任何事情。
這里分享的10個（或更多！）提示和技巧將使您更有效率，並向您介紹技術，鍵盤快捷鍵，公式等。
進入併升級從新手到專家，或專家到大師。
數據探索
1級
|
歐盟2018 425
JMP的多變量風味：從連續到分類到離散到功能
Laura Castro-Schilo和Chris Gotwalt
多變量數據分析已經成為一項基本技能，因為數據量急劇增加，而且公司在決策過程中變得更加以數據為導向。在這個擴展的分組會議中，我們展示了JMP獨特的視覺和交互式方法，使用依賴於連續，分類，離散和功能數據的各種方法進行多變量數據分析。我們將首先討論多變量分析的本質：大量變量中包含的信息通常可以用較少數量的變量有效地表示。然後，我們概述了JMP用於分析多變量數據的一般工具。 會議將分為兩部分。 該介紹將使用來自感官分析和消費者研究的數據來激發和演示經典的無監督多變量方法，例如主成分分析，多重對應分析和JMP 14，多因素分析中的新技術。 第二部分將介紹使用偏最小二乘和功能主成分的多變量數據的監督方法。 為了說明這些監督方法，我們將構建模型，以使用來自多個信號流的數據預測批量生產過程的產量。在整個過程中，我們將為每種分析技術的適用時間提供明確的指導，並強調最重要和最有用的軟件選項。
數據探索
2級
|
歐盟2018 423
JMP 14 Graph Builder中的新視圖和高級視圖
Xan Gregg和Scott Wise
此分組會話結合了流行的“圖形生成器中的新功能”和“圖庫高級圖形生成器視圖中的圖片”會話。
首先，我們將在JMP 14中詳細介紹幾個新的和精煉的Graph Builder功能。新的間隔刪除區域使自定義錯誤欄更容易。添加了幾種抖動，包括一個新的默認值。一種全新的條形圖樣式稱為“壓縮條形圖”，它擴展了帕累托圖表。更多元素類型支持緊湊多變量視圖的平行坐標。輪廓可以平滑。可以獲得初步統計數據。
然後，我們將探討如何使用JMP Graph Builder構建流行且引人入勝的高級圖表視圖。 我們為Gallery 3期刊創建了全新的圖片，其中包含最新版JMP中的其他視圖。我們將介紹幾種流行的行業圖表格式，您可能不知道這些格式可以在JMP中輕鬆構建。將包括諸如包含子彈圖，雙向誤差棒，火山圖等的視圖，這些視圖可以幫助您分析生命，並提供一個引人注目的平台來幫助您管理結果！
數據可視化
1級
|
星期四
10：45-11：15
（30分鐘）
|
歐盟2018 105
克里斯托夫格羅斯
肖特股份公司
迭代文件集
“迭代文件集”是基於腳本的數據準備和分析過程中的常見任務。典型的場景包括非JMP文件的自動轉換（例如，日常基礎上的測量文件）以及從文件集中提取和收集中間結果，這對於簡單的連接來說是很大的。我將重點介紹迭代框架，而不是討論單個文件的內容，並提供一組有用的函數。
|
歐盟2018年113
Elie Maricau
巴斯夫安特衛普
應用數據分析來提高化學品生產過程的產量：學習和最佳實踐
本演示文稿討論了化學生產工廠中的示例用例，其目標是提高產品產量。作為項目的一部分，分析了5年的歷史數據（包括實驗室數據，傳感器數據和日誌文本數據）。分析結果觸發了工廠的專門實驗，既驗證了數據驅動的結果，又進一步探索了未知的關係。 在演講中，我將重點介紹項目方法中的一些關鍵成功因素（即 LSS DMAIC）我將演示如何使用JMP查找隱藏在數據中的關係。我將演示JMP如何非常有效地快速聚合數據集，清理數據，將噪聲與實際過程變化分開，以及可視化和量化關係。將討論和演示的技術包括表操作，數據過濾，建模和DOE。
|
歐盟2018 116
馬丁歐文
設計洞察力
項目，洞察力，行動!!!
作為講師和培訓師，我對JMP14EA中新項目功能所提供的功能非常感興趣。我看到這個平台擴展了我們增強組織記憶的能力，將材料（數據集，腳本，模型和可視化報告）從不同來源匯集在一起。我們可以映射到現有的文件結構，並通過單個文檔界面創建新的組織結構。 在本演講中，我將舉例說明JMP14項目作為教學工具的潛力。目的是加速學習，幫助團隊或組織採用新的工作流程，保留先前研究的見解，做出更好的決策並採取行動。 靈活的項目工作區為生活帶來引人入勝的故事。現在很容易：
- 創建順序操作的工作流程，從設計實驗到分析和記錄關鍵信息和操作
- 展示信息如何構建在一系列實驗設計工作包上
- 比較並選擇不同的建模和可視化方法
- 創建和歸檔在輸入新數據時更新的標準報告
還有一個額外的好處是，現在我可以更輕鬆地管理和管理數據 - 關閉當前準備好在第二天重新生成的會話也不會更簡單。
|
歐盟2018 104
Piet Hoogkamer
雅培醫療保健產品
溶出曲線相似性的多變量測試
藥物產品的溶出度測試很重要，因為它是體內溶出的替代指標。體內溶出影響生物利用度，這可能影響藥物動力學（血液水平），因此可能影響安全性和功效。 如果針對製造過程，製造現場或測試方法提出變更，則需要證明“等效”以獲得生物豁免。 可以使用數學f2度量來測試曲線的相似性，其中50到100之間的值表示相似性。將詳細解釋f2度量。 然而，如果可變性太高（在測試單元之間，在時間點內），則需要使用基於多變量距離的統計。將針對依賴於模型和模型的方法顯示一些選項。使用具有標準功能和專用腳本的JMP將針對Mahalanobis距離進行說明。
|
星期四
11:30 - 12:00
（30分鐘）
|
歐盟2018 115
Paolo Nencioni
A.Menarini ML ＆SSrL
使用Fit Model平台在藥品開發階段，在短時間內預測某些配方的保質期。
一般而言，國際協調委員會（ICH）指南要求藥物產品應在預定的儲存條件下進行評估，以測試其熱穩定性。儲存條件和所選研究的長度應足以涵蓋儲存，運輸和使用。長期測試應在提交時至少包括12個月的持續時間，而中間和加速條件應至少涵蓋6個月。 在開發階段，可以產生多種配方，以滿足項目要求。我們怎樣才能選擇最好的一個？當然，我們希望選擇能夠確保更長保質期的配方。進行正式的ICH穩定性研究不會在六個月之前給出有用的反應。 使用比ICH條件更高的溫度進行加速穩定性研究，允許在相對短的時間內（不超過30天）評估某些製劑的行為。使用JMP Fit Model平台，可以根據應力因子估算退化率，從而得出關於更穩定公式的數據驅動決策。估計的降解速率已被用於預測ICH指南所要求的時間點和存儲條件下的質量屬性值。為了驗證模型的優良性，將預測結果與使用ICH條件的一批實際值進行了比較。 已經使用相同的方法一起評估溫度和氧水平的影響。使用JMP構建的模型已用於識別氧含量的實際影響，以及成品的關鍵質量屬性。
|
歐盟2018 121
杰奎琳·阿瑟
加利利海的Kinneret學院
基於案例研究的行業培訓課程：使用JMP學習如何設計裂縫實驗
當實驗具有分裂圖結構時，應在設計和分析中考慮這一點。 一個常見的例子是為了改進批量運行的過程而進行的實驗，其中一些因素在批次之間發生變化，而其他因素在批次內發生變化，導致運行不完全獨立。分裂圖結構可以是所研究的過程中或實驗設置中固有的，或者可以通過選擇來採用以節省時間或金錢，或者改進設計。 在案例研究中，一些因素與材料製備有關，而其他因素與材料加工成最終產品有關。 在從業人員的培訓課程中，用於設計，評估和比較實驗的JMP工具用於探索選擇設計的替代策略。考慮的候選設計包括由JMP構建的默認和用戶指定的設計以及由用戶從頭開始構建的設計。例如，包含最小的整個圖複製通常更便宜，我們探討採用此策略的後果。 教學目標是同時教授主題和JMP工具的使用。
|
歐盟2018 102
Anne SAINT-AMANS
利馬格蘭
用於分析現場試驗數據的插件：自定義ANOVA
全球第四大種子公司Limagrain每年都會為蔬菜和大田作物創造新品種。基於幾個變量（產量，果實長度......）對這些新品種進行測試並與商業參考進行比較。 進行方差分析和混合模型以考慮不希望的環境影響（邊界，通風，土壤肥力......）並提取品種的遺傳潛力。 JMP擁有許多功能來實現所需的統計學研究。Limagrain開發了一個名為“Custom ANOVA”的加載項來收集它們。目標是提供一份完整的互動報告，專門針對該小組的研究人員需求。簡約直觀的界面可以在啟動分析之前選擇一些選項。最終報告包含不同的選項卡，每個選項卡與特定步驟相關聯：描述性統計，模型統計，假設驗證，效果研究，遺傳潛力計算，野外地圖和多重比較。 此外，該加載項利用JSL的“表達式對象”來提供在數據表中保存報表腳本的能力（與任何其他JMP報表一樣）。 因此，用戶可以保持其結果的痕跡並輕鬆地重新生成整個報告。
|
歐盟2018年124
Gary Finka，Sonya Godbert，Doug Marsh，統計負責人，高級科學家
Glaxo Smith Kline
探索功能數據
當您有一個矩形數據時，有很多方法可以探索X與Ys的關係，每行有一些變量列（樣本，運行，批次）。但是您可能想要使用的許多其他數據並不容易適合這種形式。一個常見的例子是，對於每個樣本，運行或批處理，您有一些隨時間記錄的度量。如果您想將此“功能數據”的形狀與其他變量相關聯，該怎麼辦？挑戰在於提取少量“特徵”，從每個“功能ID”（樣本，運行或批次）的完整功能數據中捕獲有用信息。然後，這些特徵可以用作標準數據矩形中的X或Y. 其他挑戰包括數據可能不跨功能ID對齊的事實：收集的頻率可能不同，可能存在偏移，或者某些功能ID的某些點可能缺少數據。 通過生物製藥設置中的示例，我們將展示如何使用JMP 14中的Functional Data Explorer從這類數據中提取有價值的見解。
|
星期四
2:00 - 2:45
（45分鐘）
|
歐盟2018 202
ALFREDO LOPEZ NAVARRO
TelefónicaGermanyGmbH＆Co。OHG
TITANIC重溫 - 甲板上的所有動手！
我們想提供一個引人注目且有趣的描述，一些關於RMS TITANIC災難的事實並不是眾所周知的事實，它在1912年與冰山相撞後沉沒。我們都知道歷史，或者我們認為。感謝Telefónica的發現方法 - 由JMP提供 - 我們將深入探索數據點，以便從遺忘中拯救洞察力。 我們將使用“Internet Open”功能廢棄數據。加入，連接和更新表，直到創建一個能夠提供大量見解的增強型數據庫。然後，通過ANOVA，分類和視覺分析，我們將講述一個引人入勝的數據驅動故事。期待最後一分鐘的驚喜:-)當然，它將全部掌握在甲板上：所有內容都有記錄和解釋，以便上傳到JMP用戶社區。我們想為其他人打開一個對話，以便在此基礎上進行構建。 JMP和我們在一起！
|
歐盟2018 201
菲利普拉姆齊
新罕布什爾大學和北黑文集團
使用自舉技術和生物製藥應用的設計實驗的模型驗證策略
統計建模有兩個不同的目標：解釋和預測。 解釋模型通常預測不佳（Shmueli，2010）。通常對設計實驗（DOE）的分析是解釋性的，但實驗目標是預測。 DOE是產品和流程開發的最佳實踐，可以預測未來的性能。預測建模需要將數據劃分為訓練和驗證集，其中驗證集用於評估預測模型。大多數DOE沒有足夠的觀察結果來形成驗證集，從而無法直接評估預測性能。 我們演示了一種“平衡自動驗證”技術，使用原始數據創建該數據的兩個副本;一個是訓練集，另一個是驗證集;這些集合的行權重不同。權重是Dirichlet分佈和“平衡”;對訓練數據貢獻更多的觀察對驗證集的貢獻較小（反之亦然）。 該方法僅需要復制數據並為權重創建公式列。 該技術是通用的，允許人們將預測建模技術應用於實驗室和製造研究中常見的較小數據集。 兩個生物製藥工藝開發案例研究用於演示。兩種情況都有大型驗證集與最終篩選設計相結合。 JMP用於演示分析。
|
歐盟2018年212
羅伯特·魯爾
等距解決方案
使用JMP消除工作中的歧視
消除工作場所的歧視可能申請人和雇主共同的目標之一是能夠在一整套非歧視性特徵上尋求和保障就業：知識，技能和經驗。 不幸的現實是，這些往往被其他更容易辨別的因素所壓倒，這些因素與工作表現幾乎沒有關係，更糟糕的是，在僱用申請人工作時體現了不道德和非法的做法。 數據分析可以用來排除招聘決策中的歧視偏見嗎？通過利用關於人格和表現的廣泛學術文獻，出現了幾個框架，作為預測模型的結果載體，即Big-5人格和可信度，可愛性和信心。 但是如何處理預測因素呢？通過對谷歌和微軟等來源的面部圖像處理數據進行實驗，顯示了預測的前景。 通過使用一系列篩選預測潛力和降低維度複雜性的分析方法，預測能力出現了一套完全非歧視性的潛在變量，這些潛在變量通知純粹基於文化個性的“面試對象”/“聘用者”建議適合。 本演講將揭示這項努力的挑戰和成功，證明它不僅可行 - 它可能成為新常態。
|
歐盟2018 210
保羅尼爾森和安德魯麥克弗森
GSK
最終篩選設計的最終擴充
最終篩選設計（DSD）獨特地滿足了許多實驗者的關鍵需求。自2011年發布DSD以來，我們還能如何解釋DSD的快速和熱情採用？在篩選少數驅動因素時，許多實驗者可以使用13或17次運行的5-7因子DSD。隨著JMP中的“適合確定性篩選”，您可能會有一個簡單，有效和有效的實驗工作流程來找到這些因素的重要主效應，相互作用和曲線行為。如果只有3個因子處於活動狀態，您可以擬合完整的二階RSM模型，並一步完成篩选和優化。 但是如果超過3個因素是活躍的呢？當出現歧義時，還有一個簡單的下一步嗎？或者這種情況的複雜性是否成為採用DSD的障礙？在本演示中，您將首先了解演示DSD價值的現實案例。然後，您將看到有一些簡單的方法來增強這些DSD，確保可以保留結構和屬性，從而保持DSD的優勢。因此，更多情況下的更多人可以通過順序DoE和DSD的工作流程受益。
|
星期四
3:00 - 3:45
（45分鐘）
|
歐盟2018年211
Rob Lievense
百利高
結合QbD元素，使用JMP圖像分析和DOE平台最大限度地減少活性藥物噴塗工藝的噴霧模式變化
對於塗有活性藥物的藥物片劑，獲得可接受的劑量均勻性取決於減輕劑量單位之間的可變性。與非功能性塗層相比，鼓式刮片塗佈工藝要求更高的精度以施加活性塗層。噴塗系統是一個關鍵的工藝元件，由於需要專門的設備來獲得體積測量，因此優化非常具有挑戰性。另一種方法涉及將圖案噴塗到簡單的黑色紙基材上並獲得噴塗圖案的數字圖像的試驗。圖像分析器用於創建強度值表，用於量化模式。強度分佈圖的圖形構建器圖清楚地說明了多個噴槍之間和之間噴霧的變化，作為典型體積測量的有效模擬。將配置文件匯總到與定制DOE平台一起使用的輸出中，以優化噴塗系統過程。JMP用於結合質量設計（QbD）元素來定義設計空間。優化該空間極大地增強了該過程，因此可以穩健地滿足為劑量均勻性設定的嚴格標準。
|
歐盟2018 208
奧利維爾布拉克
Statistique Industrielle Khi2 Consulting
數值模擬實驗設計
在專門針對模擬和工業測試的DOE的新AFNOR標準（FDX06 081）的出版前夕，我們提出了一個JMP應用的例子，以解決履帶式車輛底盤的優化問題性能，基於數值模擬處理來自計劃外模擬的數據以解決問題，執行新的模擬以獲得更相關的信息。 這些新的模擬也是為了獲得能夠比較DOE的數據，以及在Ecole Polytechnique培訓框架內的教學目標。 這個例子顯示了數值模擬中DOE常常被忽略的效用。 從測試的設計，到理論模型在實際實驗數據上的重新校準，通過統計處理（特別是考慮到實驗的可變性，經常在模擬中不公平地擱置）以及結果的圖形化在此計劃中，該演示文稿強調了JMP在數值模擬中實現DOE要求的性能。
|
歐盟2018 205
托馬斯澤利克曼
NNE
使用Jmp進行工業控制迴路的預測控制綜合
提出了一種工業設置，其中Jmp用於從幾個不同的時間數據源導入和連接文件，包括振動測量，機器操作數據和視頻文件。使用Jmp中的JSL，可以創建一個腳本，執行所有必要的轉換和數據預處理，例如從視頻文件中提取聲音，聲音和振動的頻譜分析以及時間數據的同步，以及在生成的樣本上的幾何測量位置啟用將輸出事件與輸出上的測量值鏈接起來的過程。多變量方法用於創建適合於將預測變量表達式導出到控制器的輸出的預測。實驗方法的設計用於確定如何影響輸出以關閉控制迴路並獲得所需的響應。
|
歐盟2018 204
每花瓶
NNE
JMP 14如何預測未來批次的表現。製藥過程驗證中的遊戲規則改變者。
製藥行業內的許多公司仍然僅僅根據連續三批的估計Ppk優於驗收標準的事實通過了過程性能認證（PPQ）。然而，驗證是關於預測未來 - 而不是過去。因此即使三批可能具有足夠的Ppk，這還不夠。對未來Ppk值的預測也需要看起來很有希望。國際製藥工程學會（ISPE）發布了一份討論文件“統計工具對PPQ結果的影響評估”，討論如何根據轉換為過程能力指數的批次方差之間和之內的方差分量計算進行預測。這種方法仍未廣泛使用的原因之一是缺乏以該計算方法為標準的統計軟件包。但是，它現在是JMP 14中的3-Way圖表，其中計算了Sigma和Sigma之間的能力。將此方法用於PPQ評估的示例將在JMP 14中顯示，其中成功和不成功的評估都是如此。它將與前面提到的傳統方法進行比較。
|
