JMP是一款功能強大的工具，可用於評估大型資料集。在本案例研究中，我們啟動了一項調查，以確定一系列儀器故障的根本原因。借助JMP，團隊能夠排除或確定故障項，進行趨勢分析，並將資料視覺化。最終，調查得以解決，根本原因也得以確定。
大家好，我是Holly Oxley，Exact Sciences公司的應用科學家兼經理。今天我將和大家分享一個我們使用JMP來確定根本原因的調查案例。
在我們的許多工作中，調查是團隊工作的重要組成部分。我們意識到，調查有點像是未完成的拼圖。我的意思是，它們是由許多組成部分構成的。
它們的複雜程度各不相同。它們需要同時關注細微的元素和宏觀的元素。通常可以將各個部分分組並關聯起來，從而提取更多資訊。它們通常都包含一些可發現的模式。它們幾乎總是需要一定程度的實驗。最終，作品將成為一件數據藝術作品。
針對這個具體情況，我將詳細介紹這些拼圖碎片是如何拼合在一起的，以及 JMP 如何幫助我們理解正在發生的事情，從而找到問題的真正根本原因。
首先，我們有各種組成部分，複雜程度也各不相同，我將其比作拼圖碎片的數量。調查數據來自我們實驗室的大量來源，包括試劑數據、儀器數據、環境數據、操作人員觀察結果和趨勢數據等。
這些資料集和調查本身的複雜程度也各不相同。我的團隊使用 JMP 處理各種規模的資料輸出，從單次運行的結果到包含超過 200 列、超過 500 萬行的數據，不一而足。 JMP 的匯入範圍也很廣，從單一文件的匯入到直接連接到資料庫的完整 SQL 查詢文件，都包含在內。
本案例研究的案例規模較小，但同樣涉及無效採樣率升高的問題。透過分析這些大小不一的因素，我們發現它們由不同形狀的片段組成。
這些小細節包括具體的日期範圍、運行數據和試劑資訊；而一些大細節則包括站點對比（如果我在多個實驗室運行）、對組織內部或當前調查中其他問題的了解、歷史趨勢分析（這對我們來說非常重要，因為我們有很多數據，所以歷史趨勢分析至關重要）。此外，還有儀器設備和樣本的整體影響。
我們使用 JMP 進行資料分析，包括但不限於：匯入多個檔案、分佈分析、表格製表、擬合 Y 軸與 X 軸的表格、變異性圖表、圖形產生器、資料重編碼、日期和時間修改以及公式建立。此外，我們也在適用的情況下使用腳本，以盡可能提高工作效率和資料分析效率。
在這種情況下，實驗室報告了一個問題：我們注意到，由於在運行的前幾個步驟中檢測到樣本品質不足，導致無效結果的樣本數量增加。我們將這一問題的各個要素進行歸類或關聯，以了解並確定我們可能從中獲取哪些有助於調查的額外資訊。
在進行這項調查時，我們將不同的資料片段，例如控制資料、校準資料、儀器資料等歸類在一起，最終得出結論：這些具體因素都不是當前問題的原因。
一旦排除了這些因素，我們就可以評估其他潛在的聯繫，例如我們在其他調查中註意到的消耗品問題的湧入，因此，這使我們能夠開始進行批次追溯等工作，以了解在哪裡使用了這些消耗品。
儀器維護事件並不能阻止同一儀器在原始維護事件完成後不久再次出現問題，因此，我們能夠確定儀器可能是造成問題的因素，但不太可能是根本原因。
當我們評估校準和控制、故障資料或試劑故障資訊等較小要素時，我們注意到，我們所掌握的資料趨勢並未顯示單次運行中無效率有任何增加。這種情況更體現在單一樣本層面。
試劑資訊顯示，單一站點使用的特定試劑沒有變化，而我們在兩個使用不同試劑組合的站點上發現了這個問題。
一旦我們確定了這一點，排除儀故障的方法就呈現出明顯的規律。我們發現，儘管大量儀器由於這個問題被暫時停用，但他們雖然進行了修復，然而這些儀器恢復運行後的性能並沒有比修復前更好。
這促使我們進一步研究這些模式。我們使用 JMP Graph Builder 和 Map Shape 功能，將無效樣本的位置視覺化。在這張小圖中，您可以看到 96 孔板的每個孔內都有紅色和藍色的點。
你可以看到其中存在一些規律。紅點代表有效樣本，藍點代表無效樣本。你可以看到，在培養皿的右側，藍點的數量明顯多於紅點。而且，它們的分佈似乎也與某些列有關。不只是行，還有列。我的團隊隨後要求立即上報下一次出現大量無效樣本的情況。
結合儀器設備和數據模式，我們對耗材批次進行了趨勢分析，此前我們已根據另一項調查啟動了批次追溯工作。當然，實驗總是必不可少的。
在這種情況下，我們選擇了一台儀器在實驗室中嘗試重現問題，因為我們無法使用調查團隊提供的材料來重現問題。我們前往實驗室使用了他們的材料。
我們使用大約 20 個疑似有問題的耗材零件重現了這個問題的間歇性。實驗表明，在儀器安裝相關耗材時，存在一個清晰可見的故障原因。隨後，我們在故障排除過程中對這些耗材的數據分析也證實了這一點。
完成所有步驟後，我們最終確定深孔板是導致無效率上升的真正原因。製造商隨後證實，我們在此次調查中收集並保存的深孔板實際上超出了供應商規定的規格容差範圍。由於實驗室合作夥伴操作不當，導致儀器上樣品接種不充分，造成樣品聚集，產生無效結果。
當然，整體而言，簡約的藝術本身就是一個複雜的謎題，而這正是我們在這個特定案例中所看到的。由於我們使用了 JMP 來進行這項調查，我想分享一些關於我們所觀察到的情況以及我們如何確定可以使用這個工具的技巧。 JMP 社群中提供了多種地圖類型。您甚至可以創建自己的地圖類型。我在這裡附上了一篇關於如何建立自訂佈局的文章。
第二篇文章其實是我們進行這項調查時所使用的井格式檔案。它是 Plate96Welsl-Name.jmp 文件，可以在下面的相關連結中找到。
我的投影片簡報到此結束。讓我快速準備實際示範所需的材料。這是我在實際進行這項分析時如何使用的。這是我用來透過地圖進行這項判斷的範例資料集。
您可以看到這裡有板號、孔號，以及名為「孔」的特定列，然後是樣品狀態和設定序號。設定序號與儀器本身相關聯。樣品狀態非常明確，表示結果有效或無效。
然後，由於軟體的設定方式，我需要為井號和井位編號建立一個新列，以便使用我想要的地圖功能。為此，我在該列中標註了我們在96孔板上的井位順序，並將其編號為A1到H12，這是地圖實際使用所必需的。
然後，一旦你……哎呀，抱歉。一旦你進入到這個特定的列，並且創建了相關信息，你就可以查看列信息了。我的建模方式是字元型，在這個範例中是名目型，然後你轉到「列屬性」下拉式選單，找到「映射角色」。選擇“映射角色”。
這裡可以選擇「形狀、名稱、用途」或「形狀、名稱、定義」。我將選擇“形狀、名稱、用途”，然後找到我想從中提取資料的特定文件，也就是…等等，是96孔板文件。接下來，我將命名為「Well」的欄位定義為要套用此對應形狀的特定欄位。然後點選「確定」。
然後，我將進入圖表建立器，並將剛剛為形狀添加特徵的新列拖曳到地圖形狀中。現在您可以看到我有一個 96 孔佈局。接下來，對於此特定分析，我將樣本狀態拖曳到顏色中，並將序號或設定的序號拖曳到頁面中。現在，我可以看到從該特定序號開始的運行次數，其中顯示了不同的有效或無效結果群體。
然後，我只想按運行情況查看。我應用了一個本地資料篩選器，其中包含了樣本設定（或更確切地說是狀態），然後我選擇了我真正想查看的兩個項目。
然後，在地圖本身中，我轉到地圖形狀並將其更改為點，這樣，當我在儀器上進行多次運行時，我就可以看到該特定表格中表示的所有代表性數據。
您可以看到，頂部的圖表顯示的是單次運行的結果，並且可以看到無效值的分佈模式。在第二個範例中，無效值的分佈模式有所不同，並且進行了多次運行。這是一個維護前和維護後測試的範例，我們已知存在問題。我們在維護前進行了測試，然後在維護後進行了複測。
你可以看到，樣本數並沒有太大變化。雖然有一些輕微的移動，但這兩種情況都向我們展示了培養皿放置方式的兩個問題。在這種情況下，培養皿很可能是放置在儀器上的，導致培養皿耗材的右側傾斜，造成了這種特定的誤差。
然後是第二個例子，維護前後的情況，並沒有真正顯示任何變化，但繼續表明板的放置非常重要，即使在維護事件之後，你也可以看到這些井在相同類型的區域內繁殖。
當我們真正看到問題所在並確定是該耗材導致的之後，我們就有理由聯繫供應商並與他們討論。他們隨後回覆了我上一張幻燈片中展示的訊息，即他們的產品尺寸不符合規格。以上就是全部內容。感謝大家耐心使用圖表產生器，希望這對大家有幫助。
