Objet: Utilisation de l'explorateur de données fonctionnelles pour combiner des données en ligne avec des données hors ligne pour l'analyse statistique (2020-EU-EPO-344)Salut Sven, affiche intéressante!
si je comprends bien, c'est que (1) vous collectez plusieurs spectres en ligne (2) utilisez l'explorateur de données fuctional pour trouver les caractéristiques propres et les FPC et enfin (3) utilisez la régression généralisée pour construire un modèle en utilisant les scores des spectres sur les FPC comme entrée facteurs et la concentration du produit comme réponse? Pourquoi régression généralisée et non OLS?
Merci pour l'information! Franc
Objet: Utilisation de l'explorateur de données fonctionnelles pour combiner des données en ligne avec des données hors ligne pour l'analyse statistique (2020-EU-EPO-344)Salut Frank,
pour la première partie je laisse @SvenSteinbusch réponse. Concernant GenReg vs. OLS, il y a deux raisons principales:
- Une partie des données utilisées était basée sur un DOE et nous avons ensuite utilisé la fonctionnalité intégrée GenReg dans l'explorateur FDE pour adapter les FPC en fonction des facteurs DOE en tant que variables supplémentaires.
- GenReg fournit un tracé de chemin de solution interactif qui indique quand vous commencez à sur-ajuster lors de l'ajout de mroe et d'autres effets de modèle. Ainsi, vous pourrez faire une sélection de variables d'une manière beaucoup plus interactive que d'utiliser le modèle d'ajustement et OLS. De plus, vous pouvez choisir parmi de nombreuses méthodes plus avancées, optimisées pour certaines situations et certains objectifs. Ces méthodes sont en général la plupart du temps plus robustes contre les valeurs aberrantes, les multicolinarités, les valeurs manquantes, les problèmes de distribution, les données censurées et plus encore. Et cela pourrait se produire plus souvent que prévu ou dans le passé.
En résumé, comme vous disposez de JMP Pro avec l'Explorateur de données fonctionnelles, vous devriez également profiter des méthodes de modélisation les plus avancées. Vous pouvez facilement comparer ces modèles avec le modèle OLS et voir si cela fait une différence. Dans de nombreuses situations, vous obtiendrez un modèle plus utile. Cependant, pour être juste, dans certaines situations, un modèle OLS est tout aussi utile.
J'espère que ça aide un peu. Martin
Objet: Utilisation de l'explorateur de données fonctionnelles pour combiner des données en ligne avec des données hors ligne pour l'analyse statistique (2020-EU-EPO-344)Salut Martin, merci pour votre réponse explicative, j'ai encore quelques questions:
1. Votre premier point -> avez-vous modélisé la réponse "Concentration de produit" en utilisant les facteurs FPC et DOE comme variables d'entrée?
2. Dans la présentation, j'ai lu que vous prédisez la concentration du produit à plusieurs moments; Je suppose que vous avez collecté des données de concentration à plusieurs intervalles de temps c (t) et pour chaque intervalle de temps ti vous avez créé un modèle pour la concentration c (ti)?
merci pour votre contribution! Franc
Objet: Utilisation de l'explorateur de données fonctionnelles pour combiner des données en ligne avec des données hors ligne pour l'analyse statistique (2020-EU-EPO-344)Salut Frank,
merci beaucoup pour vos commentaires!
J'essaie de répondre à vos questions:
- nous avons collecté des données de processus en ligne d'un paramètre à partir de plusieurs expériences.
- nous avons utilisé le FDE pour analyser les données, créer un modèle fonctionnel et obtenir les FPC pour l'analyse ultérieure
- Les FPC ont finalement été liés aux données hors ligne de concentration des produits afin de prédire la concentration en fonction des FPC respectivement sur les données de processus en ligne
Dans la première partie de l'affiche (site de gauche), les écarts dans les données de processus en ligne étaient corrélés avec la concentration du produit à l'aide du FDE.
Dans la deuxième partie (site de droite), nous avons prédit la concentration de produit d'un processus en cours sur la base des données historiques. Les données historiques ont été utilisées pour créer un modèle de prédiction pour la concentration du produit, qui est basé sur les FPC de l'analyse FDE. Nous avons pris les données disponibles actuelles du processus en cours à différents moments, inclus ces données dans le modèle FDE, extrait les valeurs FPC spécifiques du processus en cours et entré ces données dans le modèle de prédiction existant. De cette façon, il était possible de prédire la concentration du produit à différents moments du processus en cours.
Meilleurs vœux
Sven
Objet: Utilisation de l'explorateur de données fonctionnelles pour combiner des données en ligne avec des données hors ligne pour l'analyse statistique (2020-EU-EPO-344)Sven, merci pour cette réponse claire, excellent travail! Franc
Utilisation de l'Explorateur de données fonctionnelles pour combiner en ligne avec des données hors ligne pour l'analyse statistiqueLa capacité d'explorer les connaissances qui sous-tendent les données sera un atout stratégique important à l'avenir. Pour les données hors ligne, les analyses statistiques sont bien établies et sont largement utilisées. L'analyse statistique des données en ligne et leur corrélation avec les données hors ligne respectives est extrêmement complexe. Cependant, la mise en œuvre de nouveaux outils d'analyse de données dans JMP Pro offre un moyen de rendre les données en ligne facilement disponibles pour l'analyse statistique.
À l'aide de l'Explorateur de données fonctionnelles (FDE) et de l'application de régression généralisée, nous avons analysé avec succès les données d'un processus biopharmaceutique et découvert des corrélations cachées et inattendues entre les données en ligne et hors ligne. Ces nouveaux outils nous permettent de mieux comprendre nos processus, ce qui nous permettra de mieux identifier les options afin d'optimiser nos processus.
Exploration de donnéesePosterModélisation prédictiveVidéo
