515368_zh-CN

liliconcom

提交摘要 2023 年欧洲探索峰会

更新 29.06：

名	姓	组织	国家	标题	抽象的
标记	贝利	JMP 统计发现有限责任公司	美国	与 JMP® 17 进行比较的方法	通常需要比较两个总体，每个总体只有一个样本。 统计推断可以帮助进行比较。 我们的演讲是关于涉及 两个 假设的推理：备择假设和零假设。 有时目标是 提供足够的证据来确定两个人群之间存在显着差异。 其他时候的目标是提供足够的证据证明两个群体之间存在显着的等效性、非劣效性或优势性。 这两种情况 需要不同的 测试。 我们将使用常见的示例回顾这些情况、适当的假设和适当的测试。 另一种常见的比较是在两个相同数量的测量值之间进行比较。我们的演示将重点介绍用于制药和生物技术开发和制造的化学和生物测定的方法比较协议。 我们将介绍 JMP 17 中可用的两种方法，以根据已建立的参考方法评估新测试方法的准确性。 一种方法在 JMP 中称为戴明回归或拟合正交。 第二种方法称为 Passing-Bablok 回归。 我们将回顾评估准确性的背景、方法比较数据的独特性，并通过示例演示这两种回归方法。
布赖恩	科科伦	SAS	美国	JMP Live 17 中的自动数据刷新	在过去的 Discovery 讲座中，我们展示了如何使用桌面任务计划程序获取数据、创建报告并将其发布到 JMP Live。 但是，如果您拥有 JMP Live 并且您的报告每天都没有变化怎么办？ 只有数据发生变化，您希望与同事共享这些更新。 JMP Live 现在提供了在 JMP Live 上安排数据刷新的功能，而无需再次发布您的工作。 本次演讲将展示如何使用这一新功能。 我们还将在 JMP 和 JMP Live 未来更大计划的背景下讨论这一新功能。
乔恩	阿默	Nuclea 核子学	英国	使用 JMP 真正了解您的流程中什么是重要的。	许多科学家确信他们了解他们的过程，事实上，在一定程度上他们确实了解。 然而，给我们带来问题的总是边缘情况，这就是我们对流程的理解经常会崩溃的地方。 根据墨菲定律，这也是；往往在最不合时宜的时刻发生的事情。 在这篇 30 分钟的论文中，我将讨论我用来识别流程中的所有杠杆、评估和理解它们的重要性和效果的策略，以及如何使用 JMP 中的内置统计数据来识别您尚未发现的无形因素尚未考虑。 我将针对导致随机批次失败的经典分析方法问题进行案例研究，以及我们如何调查它以及如何使用 JMP 来确定极不可能的原因。 
托马斯	维特科斯	阿斯利康	英国	通过自动化工作流程加速检测开发，以评估微量滴定检测的板偏差。	了解基于微量滴定板的测定中的位置效应是开发用于测试生物制剂的稳健效力测定的重要步骤。 在这里，我们展示了一个定制的 JMP 应用程序，它可以自动分析旨在检测板偏差的多板实验。 该应用程序使用原始输出板阅读器文件创建板图可视化，计算药物剂量反应曲线的 IC 50 /EC 50 并分析板之间的行和列变化。 科学家们通常需要半天的分析时间、容易出错的数据集手动格式化以及需要外部软件进行曲线拟合，现在可以在不到 1 分钟的时间内在 JMP 中完成。
菲尔	凯	SAS	英国	为能源部播下爱的种子	我们如何教育我们未来的科学家存在一个大问题：我们告诉他们，你只能在实验中改变一件事，你必须保持其他一切不变。 当您试图了解许多因素对流程或系统的影响时，同时更改所有因素会更有效。 但是人们很少了解这种方法，“实验设计”或“DOE”。 或者，他们只是在职业生涯后期对新想法产生抵触时才听说它。 由于实验效率低下，结果是时间和资源的巨大浪费。 在这张海报中，您将了解一个引人入胜且简单的实验，该实验可用于向所有年龄段的学生展示 DOE 的力量。 您将听到根据统计设计的实验，实验者如何在不同条件下弄脏种植花园水芹。 您将看到如何通过引人注目的视觉效果以及在 JMP Pro 中使用复杂的功能 DOE 分析轻松分析结果。
彼得	赫什	SAS	美国	想知道您需要什么分析？ 问问爸爸	在分析数据时，科学家和工程师通常知道他们想要完成什么，但不确定需要进行哪种统计测试。 在本次演讲中，我们介绍了一个新插件，即数据分析总监，简称 DAD。 此插件旨在根据您拥有的分析任务、目标和数据类型，更轻松地在 JMP 中找到适当的统计测试。 该插件提供了一个引导流程，可帮助您找到正确的分析并在 JMP 中运行它。 它包括内置示例、指向 JMP 帮助的链接、演示视频，甚至可以让您对自己的数据启动分析。 正如您将看到的，DAD 是一个有用的工具，可以帮助您完成分析之旅。 
朱利亚	兰比亚酶	阿斯利康	英国	用于分析生物制药的 DoE 辅助色谱方法开发	阳离子交换色谱 (CEX) 是分析生物制药电荷变体的行业黄金标准。 然而，以时间和资源高效的方式开发 CEX 方法构成了产品表征的瓶颈。 CEX 分离很复杂，受多种因素影响。 一些科学出版物已经证明了实验设计 (DoE) 在色谱方法开发中的成功应用。 然而，执行具有大量因素的 DoE 可能具有挑战性、耗时且昂贵。 这项工作说明了使用拆分 DoE 方法来帮助开发用于分析 mAb 候选物的电荷变体分布的 CEX 方法。 分析方法开发旨在提供一种高通量 (HT) CEX 方法，以支持以最少的样品和时间要求进行电荷变体分析。 split-DoE 方法基于 CEX 分离机制的基本知识，旨在减少实验运行次数，同时探索广阔的实验空间。 回归模型用于研究各个工艺参数及其相互作用对分离效率的影响，以最终确定最佳方法条件。 本研究为利用 CEX 方法的开发提供了一个有效的工作流程。