Mi nombre es briana ruso, y Soy a sénior estadístico
en el Centro para Matemático Ciencias en Merck.
Hoy Enfermo ser yendo encima simulando esterilidad incumplimientos
con no paramétrico datos.
En merck, nosotros a menudo entregar nuestro líquido formulado drogas en precargado jeringas.
A grupo en merck eso especializado
en eso vino a a mí preguntando a mí a ver si I podría simular
si allá es cualquier riesgo a esterilidad incumplimientos en a ellos, dependiente en histórico datos
y alguno diferente escenarios ellos buscado a mirar en.
Allá era dos interesante partes de este
eso I buscado a ir encima hoy en mi portavasos y conversar a pequeño más.
El primero era alguno de el histórico datos,
específicamente, el llenar peso era no normalmente repartido.
Cuando relleno el jeringas, es no necesariamente Procesando a a objetivo.
Es capaz a mover dentro a rango
y incluso deriva afuera de eso rango para a poco antes ser corregido.
Eso a menudo resultados en alguno pesado cola de el datos,
cual tú poder ver en el abajo izquierda aquí.
Eso es un ejemplo de eso.
Nosotros buscado a hacer seguro eso nosotros eran capturando eso pesado cola,
porque obviamente eso es dónde el más alto riesgo es yendo a ser.
El otro interesante parte eso va específicamente, en alguno jsl secuencias de comandos
es eso I era relación comercial con a grande número de iteraciones preguntó para por el cliente
porque ellos eran mirando para 10 millón por guión porque eso es el orden
de magnitud, ellos eran esperando a crear el jeringas.
I era capaz a, durante el proyecto, descubrir alguno técnicas
a reducir el Procesando carga en JMP
eso era capaz a significativamente reducir el proceso tiempo para cuando I era correr
el simulaciones y prevenir cualquier chocando o cualquier cosa como eso de memoria asuntos.
Enfermo tocar en ambos de aquellos cosas.
Pero primero, I buscado a ir en a pequeño poco acerca de más fondo
en el precargado jeringas y qué nosotros eran mirando en.
Como I mencionado, nosotros tener el llenar peso datos.
Eso es el cantidad de líquido eso es completado en el jeringuilla.
Eso de nuevo, I buscado a mirar en no paramétricamente
usando a densidad función.
I era capaz a encontrar eso eso era muy fácil a hacer en JSL.
Enfermo espectáculo cómo I hizo eso.
Entonces el otro aspecto era el émbolo inserción profundidad.
Cómo profundo es el émbolo ser insertado y cómo cerca es eso a el líquido ¿llenar?
Entonces el dimensiones de el precargado jeringuilla.
Allá es alguno variabilidad de el fabricante,
I buscado a hacer seguro eso era ser capturado.
Allá eran dos llave salidas, y ellos eran a Sí o No producción para cada.
El primero era, nosotros desear a hacer seguro eso nosotros eran manteniendo a brecha
entre el líquido llenar y el émbolo.
Porque si nosotros no, entonces eran yendo a ser conseguir
líquido arriba en el émbolo, y eso podría ser a esterilidad riesgo.
Nosotros buscado a hacer seguro eso el aire brecha longitud era siempre mayor que que cero.
El otro uno era nosotros también no desear eso aire brecha a ser también grande
porque cuando eran envío el jeringas, decir, en un avión,
ellos podría ser expuesto a más bajo atmosférico presiones,
cual poder causa el émbolo a mover arriba.
Si él movido arriba también mucho, él podría ir más allá de a estéril barrera
eso era creado cuando el émbolo era insertado.
Nosotros no desear él a ir también bajo. Nosotros no desear él a ir también grande.
Pero hay a lote eso va en el émbolo movimienot,
no solo el aire brecha, cual es a función de el dimensiones
de el émbolo y cómo profundo el émbolo era insertado
y cómo cerca él es a el llenar.
Pero de nuevo, también diferente atmosférico presiones
y el cruz en corte área, entonces el dimensiones de el jeringuilla.
hay a lote de diferente entradas
y diferente fuentes de variabilidad potencialmente
a eso saquear movimienot.
I buscado a ser capaz a simular todo de aquellos.
Eso quiso decir eso I sabía eso mi datos mesa y JMP
eso I buscado a simular en era yendo a ser muy grande.
El primero cambiar eso I era capaz a hacer, a hacer estos simulaciones
a lote más eficiente era de hecho justo apertura arriba el histórico datos
eso I era yendo a usar, el datos mesa I era yendo a usar
como ser invisible.
Este hecho él entonces JMP no tener a prestar el mesa,
este potencialmente masivo mesa I era yendo a crear
y era capaz a en realidad reducir proceso tiempo
y también prevenir saltar de chocando en veces,
decía, el memoria de mi computadora portátil era excedido.
Una vez I abrió arriba el histórico datos como invisible,
I entonces haría agregar suficiente filas a eso justo blanco filas a conseguir a mí a 10 millón,
porque obviamente mi histórico datos no fue eso grande.
Pero I buscado a hacer seguro eso el datos mesa tenía 10 millón filas,
entonces entonces I podría ir adelante y simular 10 millón iteraciones.
Específicamente, qué I hizo para el no paramétrico aspecto
de el datos era I adaptar el datos en el distribución plataforma en JMP,
y entonces I era capaz a justo muy fácilmente usar el adaptar liso curva función
a ahorrar simulaciones de eso no paramétrico datos
a 10 millón iteraciones.
Súper simple y fácil forma a adaptar esencialmente núcleo densidad función
simulado valores.
El otro dos cosas eso en realidad mejorado mi simulación
era, como I mencionado, allá era a lote de diferente cálculos
eso I era haciendo dentro a datos mesa y diferente escenarios encima 20 diferente,
para ejemplo, émbolo profundidad objetivos nosotros buscado a mirar en.
Como parte de mi jsl guion, I buscado a ser bucle encima diferente escenarios.
Pero si I era justo yendo a crear a columna eso entonces referenciado anterior columnas
en a bucle, eso podría causa referencia asuntos
para cada iteración de el bucle, porque I haría fin arriba con esencialmente
todo de el nuevo columnas teniendo el mismo fórmula
porque ellos todo justo fin arriba haciendo referencia lo que el último
iteración de el bucle era.
A prevenir eso, si I buscado a usar a fórmula
para el columna, I haría entonces necesidad a borrar el fórmula.
De nuevo, muy ineficiente.
Uno muy simple y fácil forma eso I podría conseguir alrededor este
era en cambio de ahorro a fórmula para a nuevo columna,
justo usar colocar cada valor.
Este medio eso JMP no necesidad a ahorrar el fórmula en todo.
Él eliminado eso asunto con el bucle referencia
y entonces también, de nuevo, reducido proceso tiempo.
El final mejora eso I hecho era por en realidad laboral con mi cliente
en este caso, y en realidad calculando afuera qué exactamente ellos necesario,
I era capaz a línea de corriente cosas a lote.
Porque inicialmente, I era justo donación a ellos el cocina hundir.
Donación a ellos distribuciones y histogramas de cada soltero parámetro y producción,
cual ellos pensamiento era interesante pero era no en realidad valer el esfuerzo
y valer el proceso tiempo.
Qué ellos en realidad justo buscado era qué es el % falla tasa para estos dos salidas?
I era capaz a hacer entregando eso a lote más eficiente
por eliminando el necesidad de apertura arriba, decir,
a distribución plataforma y intentando a adaptar 10 millón filas.
En cambio, I justo hecho seguro eso cualquier esterilidad incumplimiento,
I justo creado a columna dónde si a esterilidad incumplimiento ocurrió,
él era a uno, si él no, él era a cero.
Entonces él era muy fácil a justo calcular el columna significar a dar
el porcentaje de falla para cualquier guión y directamente producción eso a a diario.
Eso forma, el diario también no fue teniendo a ser masivo porque él era ahorro
entonces mucho información de el datos mesa porque él era creando graficos de él.
En general, inicialmente en este proyecto,
I era capaz a entregar él, pero por usando el plataforma salidas,
visible mesas, y ahorrar fórmulas, él era tomando en el menos tres horas.
A menudo, I era dejando él correr durante la noche,
entonces I no saber el exacto momento, pero en el menos tres horas.
Por simplificando el producción solo, entonces yendo directamente a el diario en cambio
de ahorro de, decir, el distribución plataforma y JMP,
I era capaz a conseguir este abajo a un hora y 49 minutos.
Entonces justo aquellos dos simple cambios
de haciendo seguro eso el datos mesa era invisible
y ahorro valores en cambio de ahorro, el fórmula consiguió a mí abajo
a 52 minutos a pesar de el volumen de cálculos
eso eran ser necesario a ser hecho.
En general, él poder ser muy simple
y fácil a simular no paramétrico datos dentro JMP
usando estos datos mesas y usando el adaptar, liso curva función.
Entonces también, si tú son simulando en realidad grande datos se establece en JMP,
si tú son simplificando el producción, si estás haciendo seguro
eso JMP no es representación cosas él no necesidad a o calculador
y ahorro cosas él no necesidad a, él poder de hecho ser muy eficiente
en creando el simulaciones y donación tú el salidas.
En este particular caso, usando aquellos técnicas,
I era capaz a reducir mi simulación tiempo encima a triple.
Eso es todo I tener. Gracias para escuchando.
