515368_zh-TW

liliconcom

提交摘要 2023 年歐洲探索峰會

更新 29.06：

名	姓	組織	國家	標題	抽象的
標記	貝利	JMP 統計發現有限責任公司	美國	與 JMP® 17 進行比較的方法	通常需要比較兩個總體，每個總體只有一個樣本。 統計推斷可以幫助進行比較。 我們的演講是關於涉及 兩個 假設的推理：備擇假設和零假設。 有時目標是 提供足夠的證據來確定兩個人群之間存在顯著差異。 其他時候的目標是提供足夠的證據證明兩個群體之間存在顯著的等效性、非劣效性或優勢性。 這兩種情況 需要不同的 測試。 我們將使用常見的示例回顧這些情況、適當的假設和適當的測試。 另一種常見的比較是在兩個相同數量的測量值之間進行比較。我們的演示將重點介紹用於製藥和生物技術開發和製造的化學和生物測定的方法比較協議。 我們將介紹 JMP 17 中可用的兩種方法，以根據已建立的參考方法評估新測試方法的準確性。 一種方法在 JMP 中稱為戴明回歸或擬合正交。 第二種方法稱為 Passing-Bablok 回歸。 我們將回顧評估準確性的背景、方法比較數據的獨特性，並通過示例演示這兩種回歸方法。
布賴恩	科科倫	SAS	美國	JMP Live 17 中的自動數據刷新	在過去的 Discovery 講座中，我們展示瞭如何使用桌面任務計劃程序獲取數據、創建報告並將其發佈到 JMP Live。 但是，如果您擁有 JMP Live 並且您的報告每天都沒有變化怎麼辦？ 只有數據發生變化，您希望與同事共享這些更新。 JMP Live 現在提供了在 JMP Live 上安排數據刷新的功能，而無需再次發布您的工作。 本次演講將展示如何使用這一新功能。 我們還將在 JMP 和 JMP Live 未來更大計劃的背景下討論這一新功能。
喬恩	阿默	Nuclea 核子學	英國	使用 JMP 真正了解您的流程中什麼是重要的。	許多科學家確信他們了解他們的過程，事實上，在一定程度上他們確實了解。 然而，給我們帶來問題的總是邊緣情況，這就是我們對流程的理解經常會崩潰的地方。 根據墨菲定律，這也是；往往在最不合時宜的時刻發生的事情。 在這篇 30 分鐘的論文中，我將討論我用來識別流程中的所有槓桿、評估和理解它們的重要性和效果的策略，以及如何使用 JMP 中的內置統計數據來識別您尚未發現的無形因素尚未考慮。 我將針對導致隨機批次失敗的經典分析方法問題進行案例研究，以及我們如何調查它以及如何使用 JMP 來確定極不可能的原因。 
托馬斯	維特科斯	阿斯利康	英國	通過自動化工作流程加速檢測開發，以評估微量滴定檢測的板偏差。	了解基於微量滴定板的測定中的位置效應是開髮用於測試生物製劑的穩健效力測定的重要步驟。 在這裡，我們展示了一個定制的 JMP 應用程序，它可以自動分析旨在檢測板偏差的多板實驗。 該應用程序使用原始輸出板閱讀器文件創建板圖可視化，計算藥物劑量反應曲線的 IC 50 /EC 50 並分析板上的行和列變化。 科學家們通常需要半天的分析時間、容易出錯的數據集手動格式化以及需要外部軟件進行曲線擬合，現在可以在不到 1 分鐘的時間內在 JMP 中完成。
菲爾	凱	SAS	英國	為能源部播下愛的種子	我們如何教育我們未來的科學家存在一個大問題：我們告訴他們，你只能在實驗中改變一件事，你必須保持其他一切不變。 當您試圖了解許多因素對流程或系統的影響時，同時更改所有因素會更有效。 但是人們很少了解這種方法，“實驗設計”或“DOE”。 或者，他們只是在職業生涯後期才對新想法產生抵觸情緒時才聽說它。 由於實驗效率低下，結果是時間和資源的巨大浪費。 在這張海報中，您將了解一個引人入勝且簡單的實驗，該實驗可用於向所有年齡段的學生展示 DOE 的力量。 您將聽到根據統計設計的實驗，實驗者如何在不同條件下弄髒種植花園水芹。 您將看到如何通過引人注目的視覺效果以及在 JMP Pro 中使用複雜的功能 DOE 分析輕鬆分析結果。
彼得	赫什	SAS	美國	想知道您需要什麼分析？ 問問爸爸	在分析數據時，科學家和工程師通常知道他們想要完成什麼，但不確定需要進行哪種統計測試。 在本次演講中，我們將介紹一個新插件，即數據分析總監，簡稱 DAD。 此插件旨在根據您擁有的分析任務、目標和數據類型，更輕鬆地在 JMP 中找到適當的統計測試。 該插件提供了一個引導流程，以幫助您找到正確的分析並在 JMP 中運行它。 它包括內置示例、指向 JMP 幫助的鏈接、演示視頻，甚至可以讓您對自己的數據啟動分析。 正如您將看到的，DAD 是一個有用的工具，可以幫助您完成分析之旅。 
朱利亞	蘭比亞酶	阿斯利康	英國	用於分析生物製藥的 DoE 輔助色譜方法開發	陽離子交換色譜 (CEX) 是分析生物製藥電荷變體的行業黃金標準。 然而，以時間和資源高效的方式開發 CEX 方法構成了產品表徵的瓶頸。 CEX 分離很複雜，受多種因素影響。 一些科學出版物已經證明了實驗設計 (DoE) 在色譜方法開發中的成功應用。 然而，執行具有大量因素的 DoE 可能具有挑戰性、耗時且昂貴。 這項工作說明了使用拆分 DoE 方法來幫助開髮用於分析 mAb 候選物的電荷變體分佈的 CEX 方法。 分析方法開發旨在提供一種高通量 (HT) CEX 方法，以支持以最少的樣品和時間要求進行電荷變體分析。 split-DoE 方法基於 CEX 分離機制的基本知識，旨在減少實驗運行次數，同時探索廣闊的實驗空間。 回歸模型用於研究各個工藝參數及其相互作用對分離效率的影響，以最終確定最佳方法條件。 本研究為利用 CEX 方法的開發提供了一個有效的工作流程。