Le temps, l'efficacité et la productivité sont des éléments essentiels dans le monde d'aujourd'hui.
Face à l'augmentation constante du volume de données, il est essentiel de les analyser rapidement, efficacement et avec succès, tout en garantissant leur traçabilité. C'est pourquoi JMP a été choisi comme logiciel d'analyse statistique de référence et un script basé sur JSL a été implémenté pour analyser les données lors des études de performance technique (EPT) menées dans le cadre du développement des essais. Les EPT sont des études de performance pertinentes pour la soumission d'autorisations de mise sur le marché, permettant de démontrer la performance d'un produit pour plusieurs indicateurs. Jusqu'à 30 EPT sont nécessaires au cours du développement d'un produit pour prouver sa performance.
Un script de gestion et d'analyse de données JMP contenant plusieurs scripts intégrés a été écrit et validé dans JMP pour visualiser et calculer les données avec les plateformes JMP correspondantes et pour générer des résultats pour la documentation pertinente à la soumission.
La présentation explique comment le script automatise les processus, facilitant ainsi le développement des tests par les techniciens au quotidien. Après avoir listé les avantages et les inconvénients de cette approche, elle montre comment pallier ces derniers, à l'aide d'une vidéo illustrant le fonctionnement du script.
Nous souhaitons vous montrer, à travers cette affiche, comment nous avons gagné du temps lors du développement de nos tests grâce à l'analyse, l'amélioration de la qualité et de l'intégrité des données, ce qui nous permet de commercialiser nos produits plus rapidement. Je m'appelle Anika Cobernuss-Rahn et je travaille chez Roche Diagnostics au sein du département de développement des tests, où je suis responsable de la qualité des produits de dépistage sanguin.
Je m'appelle Britta Silbersack et j'ai également travaillé chez Roche Diagnostics. Je suis chercheuse senior et je dirige l'équipe de soutien JMP en développement de tests. Je souhaite commencer notre présentation par affiche avec cette phrase de Sénèque : « Ce n'est pas tant le temps qui nous manque, mais plutôt le temps que nous perdons. La vie est longue si l'on sait en profiter. »
Le temps est une ressource précieuse dans le monde actuel. Dans le domaine du développement des tests, nous cherchons constamment à analyser efficacement le volume croissant de données dont nous disposons. Notre démarche, entamée il y a quelques années, peut être comparée au vol d'une navette spatiale. Une navette spatiale a besoin d'une énergie considérable pour atteindre l'espace. Il existe d'ailleurs de nombreuses façons d'y parvenir. Notre approche du développement des tests, avec l'analyse automatisée des données, est similaire, comme l'illustrent ces cinq images.
Je me souviens encore très bien de l'époque où j'analysais mes données avec des tableurs Excel. Il me fallait du temps pour créer des graphiques satisfaisants et pour repérer les erreurs de copier-coller ou de formules. Je consacrais énormément de temps à analyser et vérifier les données afin de les éviter et de les corriger.
Je n'étais pas le seul à rencontrer ces difficultés ; plusieurs de mes collègues partageaient ce problème. Nous avons donc commencé à chercher une solution et l'avons trouvée dans l'automatisation de l'analyse des données afin de réduire les efforts et de simplifier le processus. Le logiciel que nous recherchions devait répondre à certains critères. Nous souhaitions pouvoir visualiser nos données comme dans un tableur Excel, effectuer facilement des analyses statistiques et créer et modifier rapidement et sans effort les graphiques nécessaires. La possibilité de programmer nous semblait également un atout. C'est pourquoi nous avons choisi le logiciel JMP, et c'est ainsi que notre aventure a commencé, au moment même où la navette spatiale décollait.
Comme je l'ai mentionné précédemment, une navette spatiale a besoin d'une grande quantité d'énergie pour atteindre son orbite. Cela signifie qu'elle a besoin de suffisamment de carburant, stocké dans différents réservoirs. Nous avons également besoin d'une grande énergie pour automatiser l'analyse de nos données dans JMP. Cette énergie provient de notre équipe de développement des tests, qui partage notre vision, nous soutient et doit également mettre en œuvre cette automatisation.
Nous avons mis en évidence les avantages de l'automatisation. Nous avons également démontré son impact sur le calendrier du projet grâce à l'automatisation de l'analyse des données. Les erreurs sont évitées et le temps d'analyse est considérablement réduit. L'automatisation a également amélioré l'intégrité et la qualité des données. Après la présentation du logiciel et de quelques exemples, l'équipe de développement des essais a opté pour le logiciel JMP pour l'analyse des données. Grâce à cette décision, notre navette spatiale peut désormais entamer avec succès son voyage dans l'espace.
Un logiciel ou un script n'est efficace que s'il est bien utilisé. Comment convaincre nos collègues de modifier leurs méthodes d'analyse de données, souvent obsolètes ? Nous cherchons à susciter leur intérêt pour JMP en leur montrant la rapidité des calculs et la création de graphiques. Nous proposons des formations pour leur apprendre à réaliser fréquemment des analyses et répondre à leurs questions. De plus, nous avons mis en place une équipe d'experts JMP, composée de personnes ayant une solide expérience de l'outil. Leur mission est d'aider les utilisateurs à résoudre tout problème rencontré lors de leurs analyses de données.
Le dernier renforcement énergétique de notre navette spatiale a concerné notre équipe d'utilisateurs experts du programme JMP, qui était également impliquée dans d'autres projets. Leurs activités quotidiennes ne leur permettaient pas toujours de suivre les formations JMP. C'est pourquoi nous avons créé un site web dédié aux utilisateurs experts du programme JMP, dont le contenu est présenté ci-dessous.
Premièrement, l'intégration de tous les utilisateurs experts permet de répartir la charge de travail liée au support. Deuxièmement, les supports de formation sont désormais accessibles à tous, permettant ainsi aux utilisateurs de se former à leur rythme, sans intervention d'un utilisateur expert. Troisièmement, des fiches récapitulatives ont été créées pour l'évaluation de sujets d'analyse spécifiques, tels que la sensibilité ou la linéarité. Ceci permet aux utilisateurs de réaliser eux-mêmes leurs analyses.
Quatrièmement, nous créons également de courts tutoriels vidéo simples sur les fonctions spécifiques de JMP, telles que la concaténation de tableaux de données, le recodage ou la conversion de texte en colonnes, etc. Enfin, nous souhaitons réunir les personnes intéressées par l'apprentissage du langage JSL au sein d'un club de programmation JMP. Cela leur permettra de partager leurs connaissances et de s'entraider pour la création de leurs propres scripts. De plus, les demandes de scripts d'autres utilisateurs sont compilées dans une liste de souhaits afin d'offrir aux programmeurs JMP des opportunités supplémentaires d'améliorer leurs compétences.
Notre navette spatiale a maintenant atteint avec succès son orbite.
Cependant, pour que le vaisseau puisse continuer à voler avec succès dans l'espace, l'automatisation des données doit être étendue. Cela implique la maintenance des scripts existants et la création de nouveaux. Nous souhaitions également utiliser des scripts pour nos études de performance technique (études TPV), nécessaires pour attester des performances du produit selon divers indicateurs. Pour ce faire, le script doit être validé.
Pour gérer ces tâches, nous avons constitué une équipe de développement JMP qui assure la maintenance des scripts existants et les modifie au besoin. Elle intègre également de nouveaux projets aux scripts existants et développe de nouveaux scripts disponibles pour d'autres analyses de données. Ici, sur l'affiche, le processus d'automatisation de notre analyse de données touche à sa fin. L'utilisation de nos scripts fait désormais partie intégrante de notre processus d'analyse. Cela a permis de standardiser et de simplifier nos rapports d'analyse, tout en réduisant les risques d'erreurs.
Cependant, le chemin est encore long. De nombreux changements nous attendent, comme indiqué sur l'affiche : un intérêt décroissant pour les données, entraînant une dépendance accrue à l'égard des services d'assistance et un déclin des connaissances et de l'intérêt pour les statistiques. Un exemple de script est présenté dans la vidéo suivante.
Notre script se divise en trois parties. La première concerne l'importation des données utilisateur. Elle comprend deux champs de saisie qui demandent des informations détaillées sur l'étude et l'emplacement des fichiers de données. Sans ces informations, le script est inutilisable.
La deuxième étape consiste à créer le tableau de données. Tous les fichiers ont été concaténés dans ce tableau et les calculs initiaux ont été effectués. Des scripts intégrés, exécutables par les utilisateurs, sont disponibles en haut à gauche. Ces scripts varient d'une étude à l'autre et peuvent être exécutés une fois les données concaténées. Si des calculs supplémentaires sont nécessaires, les utilisateurs peuvent également consulter le tableau de données contenant l'ensemble de leurs données.
La troisième et dernière partie concerne le résultat de l'exécution du script. Les rapports générés sont enregistrés dans le dossier de sortie et mis à la disposition de l'utilisateur à des fins de documentation.
Grâce aux étapes présentées dans cette affiche, nous avons pu réduire le temps de développement d'un test et améliorer l'intégrité et la qualité des données. Par conséquent, nous pouvons commercialiser nos tests plus rapidement. Nous vous remercions de votre attention et de l'intérêt que vous portez à ce sujet. Nous vous souhaitons plein succès dans l'intégration de l'automatisation de votre analyse de données à l'aide du langage JSL.
