Nel mondo odierno, tempo, efficacia ed efficienza sono elementi di fondamentale importanza.
A causa del continuo aumento della quantità di dati, è fondamentale analizzarli in modo rapido, efficiente ed efficace, garantendone al contempo la tracciabilità. Per questo motivo, JMP è stato scelto come software di analisi statistica preferenziale ed è stato implementato uno script basato su JSL per analizzare i dati durante gli studi di prestazione tecnica (TPV) nello sviluppo del test. Gli studi TPV sono studi di prestazione rilevanti per la presentazione della documentazione, finalizzati a dimostrare le prestazioni del prodotto rispetto a diversi indicatori di prestazione. Durante lo sviluppo del prodotto sono richiesti fino a 30 studi TPV per comprovarne le prestazioni.
È stato scritto e validato in JMP uno script per la gestione e l'analisi dei dati, contenente diversi script integrati, al fine di visualizzare e calcolare i dati con le corrispondenti piattaforme JMP e di generare output per la documentazione da presentare.
La presentazione mostra come lo script automatizzi i processi, aiutando così i tecnici nello sviluppo dei test durante il loro lavoro quotidiano. Dopo aver elencato i vantaggi e gli svantaggi di questo approccio, illustra come tentare di compensare questi ultimi, utilizzando un video per mostrare il funzionamento dello script.
Con questo poster vorremmo mostrarvi come abbiamo risparmiato tempo nello sviluppo di test diagnostici grazie all'analisi dei dati, al miglioramento della qualità e dell'integrità dei dati stessi, al fine di immettere più rapidamente i nostri prodotti sul mercato. Mi chiamo Anika Cobernuss-Rahn e lavoro per Roche Diagnostics nel reparto di sviluppo test diagnostici, dove mi occupo della gestione del prodotto per i prodotti di screening ematico.
Mi chiamo Britta Silbersack e ho lavorato anche io presso Roche Diagnostics. Sono una scienziata senior e dirigo il team di supporto JMP per lo sviluppo di test diagnostici. Vorrei iniziare la nostra presentazione del poster con questa frase di Seneca: "Non è che abbiamo poco tempo, ma perdiamo molto. La vita è lunga se sai come usarla."
Il tempo è una risorsa preziosissima nel mondo di oggi. Noi, nello sviluppo di test diagnostici, siamo alla ricerca di un modo per analizzare la nostra crescente mole di dati in modo efficiente ed efficace. Il nostro percorso, iniziato qualche anno fa, può essere paragonato al volo di uno Space Shuttle. Uno Space Shuttle ha bisogno di molta energia per raggiungere lo spazio. Esistono anche molti modi per arrivare nello spazio. Il nostro percorso nello sviluppo di test diagnostici con analisi automatizzata dei dati è stato simile, come illustrato in queste cinque immagini.
Ricordo ancora perfettamente quando analizzavo i miei dati usando i fogli di calcolo Excel. Mi ci voleva un bel po' per creare grafici che mi soddisfacessero e per individuare e correggere errori di copia e incolla o di formula nell'analisi dei dati. Passavo molto tempo ad analizzare e controllare i dati per evitare e correggere gli errori.
Non ero l'unico ad avere difficoltà con questo problema, ma anche molti dei miei colleghi. Di conseguenza, abbiamo iniziato a cercare una soluzione e l'abbiamo trovata nell'automazione dell'analisi dei dati per ridurre lo sforzo e semplificare il processo. Il software che cercavamo doveva soddisfare determinati requisiti. Volevamo poter visualizzare i nostri dati in modo simile ai fogli di calcolo Excel, eseguire analisi statistiche con facilità e creare e modificare i grafici necessari in modo rapido e senza sforzo. Ci sembrava inoltre vantaggioso poter scrivere piccoli programmi. Ecco perché abbiamo scelto il software JMP, e così il nostro viaggio inizia con il lancio dello Space Shuttle.
Come accennato in precedenza, uno Space Shuttle necessita di molta energia per raggiungere con successo l'orbita. Ciò significa che ha bisogno di una quantità sufficiente di carburante, immagazzinato in diversi serbatoi. Anche noi abbiamo bisogno di molta energia per implementare l'automazione della nostra analisi dei dati in JMP. Questa energia proviene dal nostro team di sviluppo dei test, che concorda con noi, ci supporta e deve anche implementare l'automazione.
Abbiamo evidenziato i vantaggi offerti dall'automazione. Abbiamo anche mostrato come l'automazione dell'analisi dei dati influisca sulla tempistica del progetto. Si evitano errori e il tempo necessario per l'analisi si riduce significativamente. L'automazione ha inoltre migliorato l'integrità e la qualità dei dati. Dopo aver presentato il software e illustrato alcuni esempi, il team di sviluppo del test ha deciso di utilizzare il software JMP per l'analisi dei dati. Grazie a questa decisione, il nostro Space Shuttle può ora iniziare con successo il suo viaggio nello spazio.
L'efficacia di un software o di uno script dipende dal suo corretto utilizzo. Come possiamo convincere i colleghi a cambiare le consolidate procedure di analisi dei dati? Cerchiamo di suscitare interesse per JMP dimostrando la rapidità con cui è possibile eseguire calcoli e creare grafici. Offriamo corsi di formazione frequenti, eseguiamo analisi e rispondiamo alle loro domande. Inoltre, abbiamo creato un team di esperti nell'utilizzo di JMP, composto da persone con maggiore esperienza nell'uso del programma. Il loro obiettivo è quello di assistere gli utenti nella risoluzione di qualsiasi problema si presenti durante l'analisi dei dati.
L'ultimo potenziamento energetico per il nostro Space Shuttle ha riguardato il nostro team di utenti esperti di JMP, che, oltre al supporto di JMP, era integrato in altri progetti. Non sempre avevano il tempo di seguire i corsi di formazione su JMP parallelamente al loro lavoro quotidiano. Abbiamo quindi creato un sito web dedicato agli utenti esperti di JMP con i seguenti contenuti.
Innanzitutto, è stata introdotta la figura di tutti gli utenti esperti per distribuire il carico di lavoro di supporto tra di loro. In secondo luogo, il materiale didattico dei corsi di formazione è stato reso pubblico, in modo che gli utenti possano accedere alla formazione quando è più comodo per loro, anche senza essere assistiti da un utente esperto. In terzo luogo, sono stati creati dei fogli riassuntivi per la valutazione di specifici argomenti di analisi, ad esempio la sensibilità o la linearità. Ciò consente agli utenti di condurre l'analisi in autonomia.
In quarto luogo, creiamo anche brevi e semplici video di formazione per funzioni speciali di JMP, come la concatenazione di una tabella di dati, la ricodifica o l'inserimento di testo in colonne, ecc. Infine, ma non meno importante, vogliamo riunire in un club di scripting JMP le persone interessate ad apprendere il linguaggio JSL. Questo permette alle persone di condividere le proprie conoscenze e chiedere aiuto durante la scrittura dei propri script. Inoltre, le richieste di scripting da parte di altri utenti vengono raccolte in una lista dei desideri per offrire agli scripter di JMP ulteriori opportunità per migliorare le proprie competenze di programmazione.
La nostra navetta spaziale ha raggiunto con successo l'orbita.
Tuttavia, affinché il sistema continui a volare con successo nello spazio, è necessario espandere l'automazione dei dati. Ciò significa che gli script esistenti devono essere mantenuti e che se ne devono scrivere di nuovi. Volevamo inoltre utilizzare gli script per i nostri studi sulle prestazioni tecniche, abbreviati in studi TPV, necessari per dichiarare le prestazioni del prodotto in base a diversi indicatori. Per questo motivo, lo script deve essere validato.
Per gestire queste attività, abbiamo formato un team di scripting JMP che si occupa della manutenzione degli script esistenti e li modifica quando necessario. Il team implementa anche nuovi progetti negli script esistenti e sviluppa nuovi script utilizzabili per altre analisi dei dati. Con questo poster, si conclude il percorso di automazione della nostra analisi dei dati. L'utilizzo dei nostri script è ormai parte integrante del nostro processo di analisi. Ciò ha permesso di standardizzare e semplificare i nostri report di analisi, riducendo al contempo la possibilità di errori.
Tuttavia, il percorso non è ancora concluso. Ci attendono ancora diversi cambiamenti, come menzionato nel poster, tra cui il calo di interesse per i dati, che porterà a una tacita dipendenza dal supporto e al declino della conoscenza e dell'interesse per la statistica. Un esempio di script è presentato nel video seguente.
Il nostro script può essere suddiviso in tre parti. La prima parte è l'importazione dei dati da parte dell'utente. Consiste in due caselle di input che richiedono informazioni dettagliate sullo studio del test e sulla posizione dei file di dati. Senza queste informazioni, non è possibile utilizzare lo script.
La seconda parte consiste nella creazione della tabella dati. Tutti i file sono stati concatenati in una tabella dati e sono stati eseguiti i calcoli iniziali. Nell'angolo in alto a sinistra sono stati salvati degli script predefiniti che possono essere eseguiti dagli utenti. Questi script predefiniti variano da studio a studio e possono essere eseguiti una volta che i dati sono stati concatenati. Se gli utenti necessitano di ulteriori calcoli, possono anche utilizzare la tabella dati che contiene tutti i loro dati.
La terza e ultima parte è l'output dello script. I report generati dallo script vengono salvati nella cartella di output e sono a disposizione dell'utente a scopo di documentazione.
Grazie ai passaggi illustrati in questo poster, siamo riusciti a ridurre i tempi di sviluppo di un test e ad aumentarne l'integrità e la qualità dei dati. Di conseguenza, possiamo immettere i nostri test sul mercato più rapidamente. Vi ringraziamo per l'attenzione e l'interesse dimostrato. Vi auguriamo ogni successo nell'integrazione dell'automazione dell'analisi dei dati tramite il linguaggio JSL.
