今天是去到是說關於使用傑普,我們的最喜歡的軟體
和申請它到A真實的-世界問題在我們的分析性的科學部門
在阿米里斯哪個是A共生公司。
前我們跳進入那，我通緝到介紹我作為出色地作為
斯科特，世界衛生組織幫助了我沿著這旅行。
我是斯特凡,我是一個聯繫導演的研發D數據分析A鳶尾花。
我有十二年的產業經驗，
A很多的各種各樣的背景，我有工作過在各種各樣的實驗室
從分析性的化學到發酵科學和在更多的最近的年
專注的更多的在這品質和數據科學邊的事物。
史考特有幫助了我在A很多的這內容這裡
和有到過在職的和阿米里斯為了A數位的年
和他是一的這聯合管理計劃優點在職的對於JMP。
ID喜歡到開始離開經過只是說感謝你到史考特為了幫助我們出去這裡。
是去到分裂這演講今天進入三部分。
我是去到給A位元的背景和情境兩個都在合成的生物學，
如果你沒有聽到的那前，和分析性的化學。
這主要的部分的這演講是真的去到是專注的在然後申請聯合管理計劃
到A具體的問題我們有和然後最後出色地裹它向上
簡要地接觸在自動化和然後這影響
的這分析和這案件學習出色地看在一起。
S奧梅的你可能不是是熟悉的和合成的生物學
或者分析性的化學和我真的喜歡到理解
情境和背景和是去到是相對地重要的
為了這案件學習我們看在，出色地重點在那今天和開始那裡。
S合成的生物學真的槓桿微生物，
作為我們喜歡到稱呼他們，作為活的工廠。
我們使用主要是酵母菌在這案件的阿米里斯那我們精確工程師，
和我們使用這過程的發酵,哪個是不是A新的事物它是某物
人們有到過使用為了數千的年，主要是到製作酒精
和麵包在A很多的案例。
在我們的案件，是使用這酵母菌在發酵,
餵食它糖和轉換那糖進入A種類的目標
原料和化學品。
那些原料和化學品我們能然後製作
更高純度所以他們可能是更高表演降低成本
和在A更多的可持續的時尚。
到給一個例子，這不是只是A仙女故事。
這是現實，它是不是一個主意，我們有
18分子今天那我們生產在規模和我是顯示
A子集的那些這裡。
有一個例子在這頂部左邊你有青蒿素。
那是一個抗瘧藥藥物,它曾是我們的第一的分子
和那是如何我們的公司曾是成立。
在這頂部中間，我們有比奧芬哪個是實際上A強大的
大樓堵塞那我們然後轉變進入其他化學品和應用程式.
一例子存在角鯊烯哪個是A
非常受歡迎的潤膚劑用過的在這化妝品產業
和傳統上是來源從鯊魚肝臟
和一那可能是熟悉的在這底部中間，我們有廣藿香。
一些人們聯繫那和這嬉皮聞，它是A香味，
但它是實際上真的無所不在的在這香味產業
作為A根據筆記，所以它去進入數千的產品。
事物喜歡浪潮洗滌劑有廣藿香在它和我們能生產這，
哪個是傳統上提取的從植物
和我們的合成的生物學平台。
我工作在這研發功能，和所以我們的目標是真的到確認
這最好的乙菌株那我們能然後使用在製造業規模，
和那需要研究在規模。
我們跑步高度自動化的A很多的高的-吞吐量工作流程
在阿米里斯在埃默里維爾,和所以從這左邊那裡我們開始篩選
我們的酵母菌菌株
在A容量的關於60萬菌株每月。
我們拿那些頂部表演者和我們推動他們
到什麼我們稱呼我們的長椅-規模生物反應器發酵，
哪個你能看如圖所示在這正確的那裡。
自始至終全部的這，是創造A很多的菌株，
哪個方法我們也需要到理解什麼是正在發生在那些菌株，
什麼是他們生產,如何很多，和那是真的在哪裡分析來在。
那些分析需要到是跑步在A規模到匹配那所以我們能真的
得到這數據到理解什麼是正在發生。
和這規模的研究，有A很多的機會，
和A很多的那些機會來從看著在傳統的
方法和重新考慮如何到做那些。
我會說A小的位元關於分析性的化學。
再次，那是不是任何事物那是獨特的到合成的生物學。
它是普遍的在A很多的工業、石油行業，
環境的科學,製藥,非常常見的方式只是到措施事物。
患病的演講這裡真的關於色譜法，
和作為一個例子，患病的拿發酵那我們做在這生物反應性規模。
從這發酵,是去到樣本那儘管它是跑步。
是去到得到A骯髒的樣本從那哪個我們然後能更遠
準備和稀。
我們有這混合物的成分在這最終的形式。
出色地然後拿這混合物的成分，
出色地跑步它穿過一些分離技術。
那是A色譜儀。
什麼那是去到做是基於在這財產的那些成分，
可能是尺寸，它可能是極性，它會允許我們到分離那些出去。
我們然後餵食那進入一些偵測機制。
有A種類那你能使用和什麼那給出你是A分離
的這些成分超過時間和然後一些強度的回覆.
這最後的片和在哪裡是去到重點今天
是強度不是真的A有用事物為了你或者我到製作決定在。
我們需要到翻譯那進入某物有用喜歡A專注。
這校準曲線允許我們到翻譯
那強度進入A專注，
和的課程，你能想像如果你得到那翻譯錯誤的，
你的數據是去到是錯誤的和它是去到誤導你。
校準曲線是在哪裡出色地重點今天，
和那是這心的這問題。
A校準曲線是創建，經過跑步標準和
變化的等級的你的已知的成分。
這例子我是顯示這裡，
我們有A低的中-高的，所以A三- 等級校準。
我們知道什麼這專注是在那些因為我們準備好了他們，
和我們措施這回覆在這些儀器。
從那裡，我們能合身一些校準曲線。
在這例子，我是顯示只是A簡單的線性合身，
和然後我們能跑步未知樣品，
讀這回覆離開我們的樂器和做一個逆預言。
是採取我們的回覆從這是和預測什麼這數量是
在那樣本。
它是A非常常見的方式到是有能力的到量化事物在未知樣品。
那是我們的背景。
是去到跳進入這案件學習看著在這鑰匙問題
我們有大約最佳化A部分的我們的過程在我們的分析。
一點點更多的背景這裡是那什麼時候我們做校準在我們的實驗室,
有A成本聯繫維護的這些校準
和校準曲線和校準標準是昂貴的，
兩個都到期的到人們時間，但也材料。
這些材料能常成本數千,甚至十的數千
的美元每公克。
和這規模那是正在做我們的研究在，它真的推動我們
再次到重新考慮那些傳統的接近。
是跑步百萬的樣品每年，和我們有A真的各種各樣的
放的分析性的方法所以我們有現在
在我們的實驗室在埃默里維爾,
超過100不同的分析性的方法測量全部成分。
一地方我們看起來在是按照慣例。
我們看這和最多人們我們聘請，這是在哪裡人們開始。
按照慣例校準曲線常有五到七水平，
無論他們是線性或者不是。
我們思考關於他們說，好的，五到七水平，線性合身。
在理論，這最多你可能需要是或者這最低限度你可能需要是二
和有A成本到每個額外的等級，
兩個都在材料和準備成本和維護。
這是在哪裡我們通緝到看和問這問題，
看，能我們實際上減少這數位為了一個現存的方法
沒有重要的影響在我們的實際的數據品質?
這方式我們量化我們的未知樣品。
這是在哪裡聯合管理計劃來了在，是去到使用跳這裡到模擬
一些選擇校準計劃，在這案件，
減少這數位的等級的校準
和到重申什麼我們已經走過透過我們的問題最終是那
校準維護是昂貴。
那是激怒了經過這規模我們做它在。
我們的一般的方法是真的去到是到看在如何能我們最佳化這。
讓我們看在減少這等級的那些校準，
和然後我們的具體的解決方案是使用 JMP這裡
到問這問題，看，如果我們去後退在時間
而如果理論上，我們有跑步二校準器或者三校準器
反而的六或者七，如何會那有受影響的我們的數據？
我們的案件這裡，是去到重點在A單身的方法今天。
這是A真實的方法我們已經到過跑步為了關於六幾個月。
我們有22批次的樣品我們已經跑步在這方法，
所以它是關於1000樣品。
我們的現存的校準我展示這裡在這正確的是A線性校準。
它有六等級和我們已經估計的如果我們能減少這
到這最低限度的二水平，我們可以節省一個估計的15,000 美元A年。
有A真實的可測量的動機到理解如果我們能追求這。
顯示中這裡這一般的工作流程那我們來了向上和。
我是去到去透過這真的迅速地正確的現在但不擔心。
是去到走透過它步經過步一起。
是真的去到只是拉這歷史的數據。
是去到重新創造我們的歷史的校準在聯合管理計劃到證實什麼
是正在做在聯合管理計劃火柴什麼我們已經完畢從歷史上看，
和然後是去到說，好的，讓我們排除一些的這些水平，
重新創造這校準和那些減少水平，
和然後評價什麼影響那有在我們的目標。
現在，我思考在這案件它是也真的重要的到強調你看，
我們有二經過-失敗叉子在這路。
常什麼時候是正在做分析
在數據在手，是看著為了統計意義
和學習喜歡這，它是真的重要的到決定什麼你的實際的
要求是。
在這案件，什麼做那意思是？
是說關於影響在這測量的未知樣品。
最終，我們想到製作當然那減少這校準是不是去
到偏見這測量在一方式或者這其他。
我們想這測量到是這相同的。
作為許多人們將要告訴你，這相同的是不是真的A可量化的事物，
它依靠在你的樣本尺寸，這噪音在你的過程。
我們需要到定義什麼是不不同的，相同的或者不影響意思是。
這裡是去到放我們的驗收標準先的時間
為了這第一的步作為準確性之內一半這百分，
和為了這第二步作為準確性之內1%。
出色地看這些來後退作為我們走透過這。
我們的第一的步，和每一個頁這裡，我是去到展示在這頂部正確的
什麼步我們是在這過程，
作為出色地作為突出顯示什麼聯合管理計劃平台是使用。
為了我們的第一的步，是去到是拉我們的歷史的數據
從A資料庫,在我們的案件，我們有A資料庫.
我們有A林系統那已經有這數據在A結構化的格式。
你可以也進口這從CSV，然而，你能使用權這數據。
是拉它在我們的案件使用生的SQL和吉林省
和它拉在A結構化的格式顯示A子集的這列我們有，
但什麼你會注意是在這案件我們有我們的六校準器
作為出色地作為A數位的未知樣品。
是拉在這歷史的數據作為這核數據放是在職的和。
這第一的步是重新創造和證實這相同的校準曲線
所以那相同的六-觀點校準在JMP。
現在，你可能問為什麼我們有到做這。
有二主要的原因。
一是校準曲線能有A很多的注意事項。
他們能有加權，他們能有錨點,
他們可以是被迫透過零，他們可以是非線性。
這是A好的方式到證實那你是使用這正確的
參數和聯合管理計劃到重新創造這。
這其他原因是那我們不預計這些價值觀到是確切地這相同的。
這原因存在那A很多的這些分析性的軟體用途一些所有權
回歸那是不是確切地喜歡，讓我們說，普通的至少方塊回歸。
到做這，是去到使用A專門造型合身曲線範圍
和真的只是重新創造我們的校準曲線。
只是喜歡我顯示早些時候，
在哪裡我們有我們的已知的數量的我們的六標準在這X
和我們的生的強度或者訊號回覆在這Y。
在我們的案件，我們有22批次，我是不是顯示全部的他們這裡，
但是繁殖這為了22不同的序列在本質上一
點選和什麼我稱呼這力量的這控制鑰匙如果你不知道這詭計。
將要節省你A噸的時間，如果你抓住向下這控制鑰匙，
點選在這紅色的按鈕，任何你做是去到申請到每一個
分析在那窗戶。
最近學到了那是顯然被稱為廣播，
所以你可以使用那作為出色地。
是重新創造A校準曲線為了每個的我們的批次
和然後在這相同的專門造型平台，是然後
儲存這逆預言公式。
因為是預測從是到X，
如果你記住後退到我們的校準介紹，
到是有能力的到節省這預料到的價值觀後退到我們的數據桌子。
這然後看起來喜歡這在哪裡在我們的數據桌子
我們有第一的我們的歷史的數量，什麼我們拉從這資料庫,
和現在我們有我們的生的數量那我們產生的從
這些新已創建校準曲線和JMP。
我們有A乘數我們有到申請，做這樣本準備我們做
那我們拉從這資料庫所以那是已經那裡
和它是去到停留持續的。
我們簡單地需要到只是申請A計算出的柱子這裡
到有A比較價值到我們的歷史的數據。
如果你看在這第一的生的，我們的價值是非常關閉到
但不是確切地這相同的作為我們的歷史的數據。
下一個向上，是去到視覺上做A比較，繪圖我們的歷史的
反對這聯合管理計劃娛樂的那校準，
和這是A好的查看再次，到看透過你的數據。
什麼你會預計或者希望為了是
A線那本質上看起來喜歡是等於X。
現在我們不想到停止在A視覺的分析。
我們的課程，想到帶來一些統計數據進入它。
這是在哪裡我們介紹這透過巴布洛克回歸。
它是實際上某物那曾是只是添加進入這根據跳功能。
我思考和聯合管理計劃17 號用過的到是一個添加-在為了A長的時間。
我是高興的它是那裡現在。
這是A專門回歸那是非參數和強壯的異常值，
那是真的設計的具體來說為了比較分析性的方法。
為了許多的你，大概不相關的你是絕不去到有到使用它，
但我們需要到使用它在這世界是在職的在。
什麼這回歸做，它給出你二假設測試
到測試為了持續的偏見作為出色地作為成比例的偏見。
S撻和A持續的偏見，在哪裡是看見如果有偏見。
想像這線移動向上和向下這相同的穿過這範圍。
是評估如果這信心間隔的我們的截距
做或者做不是包括零。
為了成比例的偏見，在哪裡這偏見會改變基於在這回覆.
是評估如果這信心間隔的我們的坡
做或者做不是包括一。
現在在我們的案件，我們拒絕這無效的假設在兩個都的這些案例，
哪個告訴我們那我們做有統計上重要的偏見，
兩個都持續的和成比例的在我們的數據放。
從這裡你可能說，好的，是完畢有偏見我們不能移動在，
但思維後退，這是為什麼它是真的重要的到定義
什麼這實際的意義是因為
任何統計員將要告訴你在我們的數據放我們有1000樣品，
你有1,000樣品你是去到是看著在
非常緊的信心間隔。
你是去到是有能力的到探測非常小的差異。
我們有A統計上重要的不同之處但做它事情？
那帶來我們到我們的最後的步是去到計算，
再次使用這柱子公式，
這相對的不同之處之間這二方法
和我是顯示A分配的那以下
和那分配然後給出我們使用權到這測試等價。
這允許你到測試A分配的價值觀反對這持續的
那你定義之內一些信心。
這裡在這窗戶，出色地進入我們的目標意思是是零
因為我們假設的那他們是去到是這相同的所以不不同之處。
現在我們得到到進入我們的驗收標準，哪個曾是0.5%。
這給出我們這非常好的輸出和我們的最終的二假設
測試在哪裡如果我們拒絕這些，我們能決定本質上那這意思是
的這數據放是相等的到零之內加或者-0.5%。
這一你可能說，嘿斯特凡,這是正在做A t-測試，
你的分配是不是確切地普通的和我思考你是正確的
和如果我去後退我可能實際上使用這測試意思是平台
因為那給出你使用權到非參數等價測試。
不管，這是A真的有用和直接的方式到測試
為了實際的意義。
我們已經拉我們的歷史的數據從這資料庫,
我們已經重新創造了和評價的這校準曲線
和我們已經已確立的那它透過我們的驗收標準。
如果它有失敗的，它可以是一個問題和這數據放。
你可能不是是使用這正確的校準參數。
有A數位的原因，我們一般來說會
漂亮的很多總是預計這到經過。
它通常只是需要一些調查到什麼是正在進行
在這方式你重新創造了這校準。
我們的下一個步是向下-取樣或者減少這數位的等級
的我們的校準。
現在，如果我們嘗試到做這沒有傑普,我們有到去進入每一個單身的
順序在我們的分析性的軟體手動
消除校準器，重新計算事物。
是真的長的和乏味事物。
聯合管理計劃這是作為簡單的作為只是使用這數據篩選。
在我們的案件和這六-觀點校準我們有A線性一。
我們知道那這最低限度數位的點我們需要為了線性修復是二。
是採摘這最高和這最低校準器
和只是濾向下到那些。
從這裡我是去到去漂亮的迅速地，但真的全部是去到做
是重新創造這校準和二點在JMP。
再次，是使用這專門造型平台，正在做A合身線。
這僅有的不同之處現在是我們有二點反而的六
和是申請那逆預言公式後退到這數據桌子，
哪個再次是去到給我們我們的逆預言
和然後我們申請這乘數
和因為我知道我是去到做這實際的意義，
我是只是去到先發制人地計算A相對的不同之處之間
這二-觀點校準和然後這歷史的不同之處。
再次，我們去透過這透過巴博克和不是所以出奇，
再次考慮到這尺寸的我們的數據放，
是去到拒絕這無效的假設這裡和建立那我們有
統計上重要的偏見，兩個都成比例的和持續的。
我們移動在到測試我們的驗收標準。
記住後退現在我們的臨界點是1%反而的0.5%
和那是在職的和這利害關係人的這數據
到建立什麼是一個可以接受等價。
那是總是重要的預工作到做
和是去到測試那等價。
這裡我們尋找那這些二方法是相等的之內加或者負1%。
在這未知樣品和那是真的重要的。
是使用那些歷史的真實的-世界樣品
到真的問這問題什麼如果我們去後退在時間
和重新運行全部這些校準和二點
和報道這數據的這些未知樣品。
如何會那些價值觀改變？
在平均的我們看那他們改變非常小的，
和所以它給出A很多的信任到考慮到
誘導那些校準水平。
我們已經本質上證明了這現在
和所以這校準在這左邊和這校準在這正確的
是說是相等的,不是去到提供相等的定量
之內1%和所以我們有本質上這證據我們需要到推為了這改變。
我們通過了我們的第一的查看，我們重新運行這評估和這二，
我們通過了那和現在是在我們的最終的步
的實施那些變化在我們的過程。
現在它是可以說這最多重要的部分，
如果你做一個分析，我們只是離開它坐著那裡，不做很多好的。
這能有時是這最難的部分。
你有到去出去，你有到說服人們，尤其在案例喜歡這
和你有到拿考慮的或許是那裡額外的
事物那這分析沒有考慮。
我很高興到演講到任何人關於那，
但是不是去到去在深度的什麼這其他考慮因素我們有
到思考關於前推桿這進入行動，
但和這例子，我們做過
實際上結尾向上減少校準等級從六到二
和那減少這年度的成本的跑步那方法經過關於15,000 美元。
從那裡我們可能說，好的，什麼現在？
是我們完畢？
的課程不是。
正確的現在我們需要到看在我們做過它為了一方法，
我們有A套房的其他100加方法那可能也有這些
許多等級校準那可能是矯枉過正為了什麼我們需要。
我們想到看在重複這分析為了其他方法。
那是在哪裡我思考自動化來了在。
它是A真的偉大的方式到規模這一-離開分析為了我們自己，
但也為了其他的。
我的規則的大拇指是如果我尋找我正在做一個分析
更多的比二或者三次。
讓我們建造那出去在這自動化，
說未來我A很多的時間，花費A小的時間現在。
患病的只是觸碰在這非常簡要地和我想到喊出去史考特這裡
為了幫助我和A很多的這工作流程建設者工作和這腳本編寫
但這些本國的自動化工具在聯合管理計劃是真的強大的
和他們是非常用戶-友善的，有A很多的代碼-自由的選項
和所以有真的不同的方法你能做這。
你能做它在這左邊邊，正確的在A經典的方式正在做全部這腳本編寫
甚至允許你到節省這些全球的變數
所以它可以給我們地方為了你到有使用者進入他們的
驗收標準哪個可能改變
和或者你能槓桿作用這工作流程建設者哪個是A位元的A較新的特徵
但真的讓我們你建造出去這自動化。
甚至如果你只是想到腳本它生的，
你能建造這框架那你能然後肉出去。
這二事物我將要說關於這是
如何很多你能自動化或者或許如何很多努力你有到放進入它
是去到是有限的到一些程度經過如何死板的那工作流程是。
如果使用者需要它到是真的靈活的，需要到相互影響和它，
它可以變得非常具有挑戰性的到自動化，
和的課程這數據一致性是鑰匙作為出色地。
這是真的A偉大的工具到幫助其他的複製這分析，
但你真的做有到也火車他們和文件這工作，
製作當然他們知道什麼它是實際上正在做。
作為我們全部知道，每一個分析有它是注意事項。
你需要人們不是只是到點選和有A報告，
但也理解A小的位元喜歡什麼是一些
潛在的事物那可以來向上，尤其如果你是試
到未來-證明工作。
我喜歡到帶來它後退一起和裹它向上那裡
和希望今天那我有顯示你那聯合管理計劃
你不有到做喜歡瘋狂的複雜的或者複雜的事物在聯合管理計劃
你可以片一起A很多的簡單的功能性
到創造真的有影響力的工作流程。
無論你是在職的在A實驗室在你的組織，無論在哪裡它是，
看到確認這些改進在現存的工作流程。
我喜歡到思考關於如果你全部是在這經驗
最多的我們是在，有更多的數據比什麼我們知道什麼到做和。
看在這數據那不一是看著在
和然後挑戰這傳統的思維。
這方式是在職的是總是改變,問為什麼做我們做它這方式。
在我們的案件，為了A長的時間，這是這方式我們做它。
五，六-觀點校準。
問為什麼，什麼如果我們沒有，什麼會這影響是。
的課程，不有到告訴任何人傾聽這裡。
使用聯合管理計劃為了這可擴充分析和然後使用自動化到製作它簡單的，
和它真的不有到是想要。
它只是有到工作為了什麼你需要它到做。
最後，你能使用那到影響這些有影響力，實施有影響力的改變
和使用數據到駕駛那些決定。
它是大概一的這最多令人信服的工具那我們有今天。
如果你是說到管理，
做它在單位的美元因為他們愛那。
患病的裹它向上那裡
我思考最後的事物ID喜歡到說是只是A感謝你到這
聯合管理計劃發現首腦委員會，
全部這人們組織特別的感謝你到史考特為了全部這幫助
他給了我在這過去的和阿米里斯，但也和這演講和這分析，
和然後A數位的人們在A鳶尾花世界衛生組織是捲入到和這
和和那，我將要裹它向上。
感謝你。 再見。
