Conférencier | Transcription |
| Carlos Ortega | Ouais. Bonjour et bienvenue dans notre présentation au JMP Discovery Summit. |
| Bien sûr, nous aurions aimé faire cette présentation en personne, mais dans les circonstances actuelles, c'est la meilleure façon de partager encore la façon dont nous utilisons |
| JMP dans notre travail quotidien et comment il nous aide réellement dans le travail plus quotidien, comment retravailler nos données. Cependant, |
| la présentation de cette manière avec la vidéo présente également un avantage pour vous en tant que spectateur, car oui, si vous voulez prendre un café maintenant, vous pouvez simplement appuyer sur pause et continuer lorsque le café est prêt. |
| Mais vu l'heure, je suppose que le sommet est en bonne voie. Et très probablement, vous avez déjà entendu des présentations passionnantes. |
| Comment JMP peut vous aider à donner plus de sens aux données pour les résoudre des outils statistiques pour obtenir des informations plus approfondies et plonger dans |
| plus de parties de vos données. Cependant, ce que nous voulons faire aujourd'hui (et cela est également caché sous le titre sur l'assurance qualité des données), |
| le moteur de script. |
| Tout ce qui a à voir avec les scripts JSL parce que nous aidons... cela nous aide beaucoup dans notre travail quotidien pour préparer les données, qui sont ensuite prêtes à être utilisées pour l'analyse des données et par nous je veux dire |
| Carlos Ortega, Daria Otyuskaya et moi-même, que je veux maintenant présenter un peu parce que, oui, c'est pour avoir une meilleure idée de qui fait ça. Mais bien sûr, comme d'habitude, il y a quelques |
| quelques règles à cela, qui sont |
| la clause de non-responsabilité concernant les données que nous utilisons. Et maintenant, si vous êtes avocat, vous allez certainement appuyer sur pause pour étudier cela en détail. Cependant, pour toutes les autres personnes en ce moment, plongeons dans la présentation. |
| Et bien sûr rien de mieux que de commencer par une petite présentation des personnes que vous voyez, vous voyez déjà le lieu. Nous avons tous en commun Amsterdam aux Pays-Bas et nous avons tous en commun de travailler chez Avantium. |
| entreprise fournisseur de technologies durables. Cependant, les différents endroits d'où nous venons sont partout dans le monde. |
| Nous avons, d'un côté sur le côté gauche, Carlos Ortega, un ingénieur chimiste du Venezuela, qui vit en Hollande, environ six ans et travaille chez Avantium environ deux ans en tant que chef de projet et services. |
| Ensuite, nous avons sur le côté droit Daria Otyuskaya de Russie qui travaille également ici depuis environ deux ans et a passé les cinq dernières années au Benelux |
| domaine où elle a fait son doctorat en génie chimique. Et moi-même. J'ai le seul avantage de pouvoir rentrer chez moi en voiture car je suis originaire d'Allemagne. Je vis en Hollande depuis environ 10 ans et j'ai rejoint Avantium il y a environ trois ans. |
| Mais maintenant, |
| parlons un peu plus d'Avantium. Je veux juste exposer brièvement quelques-unes des choses que nous faisons. |
| Avantium, comme je l'ai déjà mentionné, est un fournisseur de technologies durables et compte trois unités commerciales. L'un est Avantium Renewable Polymers, où nous développons en fait un polymère biodégradable appelé PEF, qui est à 100% à base de plantes et recyclable. |
| Deuxièmement, nous avons une unité commerciale appelée Avantium Renewable Chemistries, qui propose des technologies renouvelables pour produire des produits chimiques comme le MEG |
| ou des sucres industriels issus de la biomasse non alimentaire. Et enfin, une technologie très excitante, où nous transformons le CO2 de l'air en produits chimiques via l'électrochimie. |
| Mais pas trop parler de ces deux unités commerciales car Carlos, moi-même et Daria travaillons tous dans l'Avantium Catalysis, qui a été fondée il y a 20 ans et qui est toujours la fondation... la base des innovations technologiques d'Avantium. Nous fournissons en fait leur |
| Nous sommes un prestataire de services pour accélérer la recherche dans votre |
| société dans la recherche de catalyseurs, pour être plus précis. Et nous y proposons, comme vous pouvez le voir à droite, des services systèmes et un service appelé test de catalyseurs de raffinerie. Et qu'est-ce qu'on aide vraiment les entreprises à développer la R&D, comme vous le voyez en bas pour cela. |
| Mais cela suffit à propos d'Avantium. Parlons un peu de la façon dont nous développons notre façon de travailler dans les projets et de la manière dont JMP peut réellement nous aider à accélérer les choses et à en tirer de meilleures données, ce que Carlos nous montrera plus tard dans une démo. |
| Comme mentionné précédemment, nous sommes un fournisseur de services et en tant que fournisseur de services, nous obtenons |
| beaucoup de demandes de clients pour développer de meilleurs catalyseurs ou un meilleur processus. Et maintenant, vous pourriez vous demander quel est le catalyseur. |
| Un catalyseur est en fait un matériau qui participe à une réaction lorsque vous transformez A en A, mais qui n'est pas consommé dans une réaction. |
| L'exemple le plus courant de personnes que vous pouvez voir dans votre vie de tous les jours est, par exemple, le catalyseur de gaz d'échappement qui est installé dans votre voiture, qui transforme |
| les gaz de votre ... de votre voiture en CO2 et en eau comme gaz d'échappement. |
| Et ce sont des choses que nous recevons en tant que demandes. Les gens viennent nous voir et nous disent : « Oh, j'aimerais développer un nouveau matériel », ou des choses comme : « J'ai ce processus, et je veux venir avec... accélérer mes recherches et |
| Développer un nouveau processus pour cela." Et ce qu'ils utilisent là-bas, c'est quand nous avons une expérience dans notre équipe, nous concevons des expériences de... |
| concevoir des expériences. Nous essayons d'optimiser les tests pour cela et c'est tout ce que nous utilisons JMP, mais ce n'est pas ce dont nous voulons parler aujourd'hui. |
| Parce que, comme je l'ai déjà dit, nous utilisons également JMP pour fusionner nos données, les traiter et les préparer, c'est-à-dire les deux parties que vous voyez au bas de la présentation. |
| Nous exécutons des projets de recherche pour le client dans notre outil propriétaire appelé Flowrence, où l'astuce est que nous n'expérimentons pas... n'exécutons pas les tests les uns après les autres, mais nous les exécutons en parallèle. |
| Traditionnellement, je veux dire, je me souviens de moi dans mon doctorat, vous exécutez un test un réacteur après l'autre, après l'autre, après l'autre. |
| Mais nous appliquons jusqu'à 64 réacteurs en parallèle, ce qui rend l'exécution plus difficile mais permet une décision basée sur les données. |
| Elle permet en effet de fiabiliser les données et de les rendre statistiquement significatives. |
| Et ensuite, nous communiquons ces données à nos clients, qui peuvent alors soit continuer dans leurs outils avec leurs informations supplémentaires, soit compter entièrement sur nous. |
| pour exécuter ces données et extraire les connaissances. Mais oui, assez parlé de l'entreprise. Et maintenant, permettez-moi de passer la main à Carlos, qui vous expliquera comment JMP et le script JMP nous aident réellement à nous faciliter considérablement la vie. |
| Merci, Hendrik, pour la belle introduction. Et merci également aux organisateurs pour cette belle opportunité de participer au sommet découverte JMP. |
| Ainsi, comme le mentionnait Hendrik, nous développons et exécutons des projets de recherche pour des tiers. Et si on y pense, |
| nous devons passer de la conception d'expériences (et c'est bien sûr une fonctionnalité très puissante de JMP), |
| mais nous devons également gérer les informations et dans ce cas, comme le mentionnait Hendrik, nous voulons nous concentrer sur le script JSL qui nous permet de gérer facilement les informations et de créer une intégration transparente des flux de travail d'un processus. |
| Je suis un chef de projet dans le département R&D et donc un jour... un jour normal dans ma vie ici ressemblerait à quelque chose comme ça. Et donc vue très simpliste. Tu aurais |
| les clients qui sont intéressés et qui ont une question de recherche et je conçois des expériences et nous les exécutons dans notre propre technologie propriétaire appelée Flowrence. |
| Ainsi, dans une vue simple, les données générées dans l'unité Flowrence passeront par moi après quelques vérifications et l'interprétation reviendra au client. Mais la réalité est un peu plus complexe et d'une part, nous avons aussi des clients internes. |
| Cela fait partie de... par exemple notre équipe de développement... l'équipe de développement commercial. Et de l'autre côté, nous avons aussi notre propre personnel qui interagit directement avec l'unité. Ils contrôlent donc le fonctionnement de l'unité et surveillent que tout se déroule conformément au plan. |
| Et les données, comme vous le voyez ici avec des lignes brisées, les données ne peuvent pas être frappées directement à partir de l'unité. Les données sont en fait envoyées à un entrepôt de données, puis nous avons besoin d'un ensemble d'outils |
| qui nous permet d'abord de récupérer des informations, de fusionner des informations provenant de différentes sources, |
| exécuter un ensemble de tâches qui vont du nettoyage, du traitement, de la visualisation des informations, et finalement nous exportons ces données vers le client afin que le client puisse obtenir les informations dont il a réellement besoin et qui sont les plus pertinentes pour lui. |
| Si vous me permettez de m'attarder une seconde sur ces différentes tâches, ce que nous avons observé initialement lors de la récupération d'une fusion est |
| que les données peuvent en fait provenir de diverses sources. Ainsi, dans l'entrepôt de données, nous collectons en fait les données de l'unité de Florence, |
| mais nous recueillons également des données de l'analyseur. Donc, pour ceux qui effectuent des tests en laboratoire, vous connaissez peut-être la spectrométrie de masse ou la chromatographie en phase gazeuse, par exemple, et nous recueillons également des données sur les performances de l'unité. Nous vérifions donc également que l'unité est |
| se comporte comme prévu. |
| Dans... comme dans n'importe quel laboratoire, nous aurions aussi des entrées manuelles. Et il peut s'agir, par exemple, d'informations sur les catalyseurs que nous testons ou de l'étalonnage de l'équipement d'analyse. |
| Ces entrées manuelles sont bien sûr toujours stockées dans un cahier de laboratoire, mais nous incluons également ces informations dans un fichier Excel. Et c'est là que JMP est en fait |
| nous aidant à faire passer le flux de travail de l'information au niveau supérieur. Donc, ce que nous avons développé est une combinaison d'un fichier Excel très connu et facile à utiliser avec |
| fonctionnalités puissantes à partir d'un script JSL. Et non seulement nous incluons les données manuelles disponibles dans les cahiers de laboratoire, mais nous incluons également dans ce fichier Excel |
| formules qui sont ensuite interprétées par le script JSL et exécutées. Cela nous permet de calculer des paramètres de performance clés qui sont |
| adaptés ou spécifiquement adaptés à différents clients. |
| Si nous regardons |
| plus en détail dans le script JSL, et dans un instant j'irai dans une démo, vous remarquerez que le script JSL comporte trois sections principales. |
| Une section préparera l'environnement local. Donc, d'un côté, nous dirions que nous voulons effacer tous les symboles et fermer les tables, mais la caractéristique la plus importante est probablement lorsque nous |
| définir "les noms par défaut ici." Cela nous permettrait donc d'exécuter des scraps parallèles sans aucune interférence entre des variables portant le même nom dans différents scripts. |
| Ensuite, nous avons une section qui est réduite dans ce cas afin que nous puissions la montrer réellement, ce qui crée une interface utilisateur graphique. Et puis l'utilisateur n'interagit pas avec le script lui-même, mais travaille en fait via une interface utilisateur graphique simple avec les boutons qui ont une description |
| les noms des boutons. |
| Et puis nous avons un ensemble de |
| tâches déjà codées dans le script. Dans ce cas, ils sont sous forme d'expressions. |
| Car bien, il a deux avantages principaux. L'un serait facile à implémenter plus tard sur l'interface utilisateur graphique. Et deuxièmement, lorsque vous avez une expression, vous pouvez utiliser cette expression plusieurs fois dans votre code. |
| OK, alors passons à la simulation de démonstration. J'ai donc mentionné plus tôt que nous avons différentes sources de données. Et |
| d'un côté nous avons des données qui sont |
| En fait... |
| qui est en fait stocké dans notre base de données. Et cette base de données contiendra |
| probablement différentes sources d'information, comme l'unité ou différents analyseurs. Dans ce cas, vous verrez ou vous verrez un exemple de tableau Excel. |
| Ceci uniquement à titre d'illustration. Ainsi, ces données sont en fait extraites de l'entrepôt de données directement avec notre script JSL. Nous ne considérons donc pas ce tableau Excel comme une recherche. |
| Nous laissons le logiciel collecter les informations de l'entrepôt de données. Et ce qui est probablement le plus important, c'est que ces données, comme vous le voyez ici, |
| peut provenir de différents analyseurs, et nous structurons d'une manière ou d'une autre que la première colonne contient des noms divisés. Dans ce cas, nous avons |
| fait des noms de domaine. Donc, pour des raisons de confidentialité, mais aussi vous verrez que toutes les observations sont disposées en rangées. Ainsi, chaque ligne est une observation. |
| Et selon le type de test et l'unité que nous utilisons, nous pourrions penser que globalement, en une journée, nous pouvons collecter jusqu'à un demi-million |
| points de données en une seule journée. Cela dépend bien sûr de l'analyseur, mais vous êtes immédiatement confronté à la quantité de données que vous devez gérer et à la manière dont le script JSL qui vous aide à traiter les informations peut vous aider dans cette activité. |
| Ensuite, nous utilisons également un autre fichier Excel. Et celui-ci est également très important, qui est un fichier de table d'entrée. |
| Et ces fichiers, en particulier avec le script JSL, sont ceux qui créent la synergie pour nous permettre de traiter facilement les données. Ce que vous voyez dans ce cas, par exemple, est un tableau de chargement de réacteur et nous voyons différents réacteurs avec différents catalyseurs. Et cette information qui semble... |
| n'est pas quantitative, mais la valeur qualitative est importante. Et puis si nous passons à un deuxième onglet, et que ces étapes sont toutes prédéfinies à travers nos projets, |
| on voit les facteurs de réponse des analyseurs. Différents analyseurs auront différents facteurs de réponse et il est important de consigner ces informations dans les calculs pour pouvoir obtenir des résultats quantitatifs. |
| Dans ce cas, nous avons observé que la condition que les facteurs de réponse soient plutôt ciblés par condition. |
| Ensuite, nous avons un onglet de formule. Et c'est probablement un onglet clé pour notre script. Vous pouvez saisir des formules dans ce fichier Excel. Vous vous assurez que les noms des variables sont placés entre crochets. |
| Et la formule, vous pouvez utiliser n'importe quelle formule dans Excel. Tout le monde peut utiliser Excel ; nous y sommes très habitués. Donc, si vous tapez une formule ici, |
| ce qui suit ??? syntaxe dans Excel, elle sera exécutée par notre script JSL. Ensuite, nous avons également inclus une fonctionnalité supplémentaire qui nous a semblé intéressante d'avoir des conditionnels. |
| Et pour que le script JSL lise cette condition, la seule exigence est que les conditions soient entre accolades. |
| Il y a deux autres onglets que je voudrais vous montrer, qui sont très pertinents. L'un est un onglet de tables d'exportation et la raison pour laquelle nous avons cette table est parce que |
| nous générons de nombreuses colonnes ou de nombreuses variables à partir de mon unité, probablement 500 variables. Mais en réalité le client n'est intéressé que par 10, 20 ou 50 d'entre eux. Ce sont eux qui ajoutent vraiment de la valeur à leurs recherches. Nous pouvons donc entrer ces variables ici et |
| l'envoyer au client. Et enfin, je pense que beaucoup d'entre nous ont été dans cette situation où nous envoyons un e-mail à une mauvaise adresse et cela peut en fait être quelque chose d'effrayant lorsque vous êtes |
| parler d'informations confidentielles. Donc, nous vérifions toujours les adresses e-mail deux fois, trois fois, mais est-ce que... est-ce vraiment nécessaire ? |
| Donc, ce que nous faisons ici, c'est que nous avons un fichier Excel qui contient toutes les entrées manuelles, y compris l'adresse e-mail de nos clients. |
| Et ces adresses e-mail sont fixes, il n'y a donc pas de place pour l'erreur. Chaque fois que vous avez exécuté le script JSL, les bonnes adresses e-mail seront lues et l'e-mail sera créé et nous les verrons en une minute. |
| Alors maintenant, allons dans le script JSL, |
| Je voudrais souligner ce qui suit. Ainsi, le script JSL est initialement situé dans un seul fichier dans un seul dossier et le script JSL n'a besoin que d'un seul fichier Excel pour écrire qui contient différents onglets que nous venons de voir dans la diapositive précédente |
| Une fois que vous avez ouvert le script JSL, |
| vous pouvez cliquer sur le bouton exécuter le script et cela ouvrira le |
| interface utilisateur graphique que vous voyez sur la droite. Ici, nous avons différentes options. Dans ce cas, nous voulons mettre en évidence l'option où nous récupérons les données d'un projet au cours de cette période donnée. |
| Nous avons sélectionné ici un seul jour cette année, en particulier, puis nous voyons différents boutons qui nous permettent de créer des mises à jour, par exemple. |
| Une fois que nous avons cliqué sur ce bouton, vous verrez à gauche sur le dossier que deux répertoires ont été créés. Le fait que nous créons ces répertoires automatiquement nous aide à avoir une harmonie ou à standardiser la façon dont un dossier est structuré également à travers nos projets. |
| Si vous examinez les données brutes de la base de données, vous verrez que les deux fichiers ont été créés. L'un contient les données brutes provenant directement de l'entrepôt de données. |
| Et la seconde, la table de données contient toutes les informations de fusion du fichier Excel et des différentes tables disponibles dans l'entrepôt de données. |
| Le dossier des fichiers exportés ne contient rien pour le moment, car nous n'avons pas évalué et estimé que les données que nous avons créées dans notre unité sont réellement pertinentes et |
| précieux pour le client. Nous faisons cela, nous sommes, nous ??? et vous voyez ici que nous avons créé un graphique de la température du réacteur par rapport à l'heure locale. |
| Et différents réacteurs seraient tracés, nous en avons donc jusqu'à 64 dans l'une de nos unités. Et dans ce cas, nous colorons les réacteurs, en fonction de l'emplacement sur l'unité. |
| Un autre onglet que nous avons ici, à titre d'exemple, concerne la pression. Et vous voyez que vous pouvez également créer un script pour les valeurs cibles maximales et minimales et définir, par exemple, des alertes pour voir si la valeur s'éloigne. |
| Le dernier tableau que je veux montrer est une conversion et nous voyons ici différentes conversions regroupées par catalyseur. |
| Donc, une fois que nous cliquons sur le bouton d'exportation, nous verrons que notre fichier est joint à un e-mail et que l'e-mail contient déjà le |
| adresses... les adresses e-mail que nous voulons utiliser. Et encore une fois, je tiens à souligner à quel point il est important d'envoyer l'information à la bonne personne. |
| Maintenant, cet ensemble de données se trouve en fait dans le dossier des fichiers exportés, qui n'y était pas auparavant. Et nous pouvons toujours garder une trace des informations qui ont été exportées et envoyées au client. |
| Avec cet e-mail, il ne s'agit que de remplir les informations. Donc dans ce cas, c'est un test très simple. Il s'agit donc de votre ensemble de données, mais bien sûr, nous donnerions une interprétation ou donnerions peut-être des conseils au client sur la manière de poursuivre les tests. |
| Et bien sûr, une fois que vous avez couvert toutes ces étapes, vous fermerez l'interface utilisateur graphique et cela fermera également toutes les tables ouvertes et le script JSL. |
| Quelque chose que je voudrais souligner à ce stade est que ces flux de travail utilisant un script JSL sont plutôt rapides. Donc ce que tu as vu en ce moment, |
| bien sûr, c'est un peu accéléré car ce n'est qu'une démonstration, mais vous ne perdez pas de temps à chercher des données et des sources différentes, à essayer de les fusionner avec les bonnes colonnes. Tous ces processus sont intégrés dans un seul script et cela nous permet de |
| rendre compte quotidiennement au client |
| des quantités de données qui autrement seraient... ne seraient pas possibles. Et le client peut réellement prendre des décisions basées sur les données à un rythme très rapide. C'est probablement la clé |
| message que je veux livrer avec ce script que nous voyons en ce moment. |
| Maintenant, eh bien, je voudrais conclure la présentation avec quelques remarques de conclusion et quelques remarques de clôture. |
| Et donc d'un côté, nous avons développé une approche distinctive pour la manipulation et le traitement des données. Et quand on dit distinctif c'est parce qu'on a créé une synergie entre un fichier Excel que la plupart des gens peuvent utiliser car vous êtes très familier avec Microsoft Office et un script JSL |
| qui ne nécessite aucun effort pour fonctionner. Donc, vous cliquez sur Exécuter, vous obtiendrez une interface utilisateur graphique et quelques boutons pour exécuter des tâches. |
| Ensuite, nous avons un flux de travail standardisé. Et c'est également très pertinent lorsque vous travaillez avec plusieurs clients et aussi |
| aussi d'un point de vue pratique. Par exemple, si un de mes collègues partait en vacances, il sera facile pour un autre chef de projet pour moi, par exemple, de reprendre le projet |
| et sachez que toutes les structures de dossiers sont identiques, que tous les scripts sont identiques et que les boutons exécutent les mêmes actions. |
| Enfin, nous pouvons également... nous pouvons garantir une intégration transparente des données et ces mises à jour rapides des informations avec |
| des milliers, voire un demi-million de points de données par jour peuvent être rapidement envoyés aux clients, ce qui leur permet de prendre des décisions presque en ligne basées sur les données. |
| Au final, notre objectif est de maximiser la satisfaction du client grâce à un processus cohérent, fiable et robuste. |
| Et bien, sur ce, je tiens à remercier, encore une fois, les organisateurs de ces sommets découverte. |
| Bien sûr, à tous nos collègues d'Avantium, qui ont rendu cela possible, en particulier à ceux qui ont travaillé intensivement sur le développement de ces scripts. Et si vous êtes curieux de connaître notre entreprise ou le travail que nous faisons chez Catalysis, veuillez visiter l'un des liens que vous voyez ici. |
| Et sur ce, j'aimerais conclure, merci beaucoup pour votre attention. Et oui, nous attendons vos questions avec impatience. |
