Conférencier | Transcription |
| Carlos Ortega | Oui. Bonjour et bienvenue à notre présentation au JMP Discovery Summit. |
| Bien sûr, nous aurions aimé faire cette présentation en personne, mais dans les circonstances actuelles, c'est la meilleure façon de continuer à partager la façon dont nous utilisons |
| JMP dans notre travail quotidien et comment il nous aide réellement dans le travail plus quotidien, comment retravailler nos données. Cependant, |
| la présentation de cette manière avec la vidéo présente également un avantage pour vous en tant que spectateur, car oui, si vous souhaitez prendre un café tout de suite, vous pouvez simplement appuyer sur pause et continuer lorsque le café est prêt. |
| Mais à l'heure actuelle, je pense que le sommet est déjà bien avancé. Et vous avez sans doute déjà entendu des présentations passionnantes. |
| Comment JMP peut vous aider à donner plus de sens aux données pour les résoudre grâce à des outils statistiques pour obtenir des informations plus approfondies et plonger dans |
| plus de parties de vos données. Cependant, ce que nous voulons faire aujourd'hui (et cela est également caché sous le titre sur l'assurance qualité des données), |
| le moteur de script. |
| Tout ce qui a trait aux scripts JSL, car nous aidons... cela nous aide beaucoup dans notre travail quotidien pour préparer les données, qui sont ensuite prêtes à être utilisées pour l'analyse des données et par nous, je veux dire |
| Carlos Ortega, Daria Otyuskaya et moi-même, que je souhaite maintenant présenter un peu, car, oui, c'est le moyen d'avoir une meilleure idée de qui fait ça. Mais bien sûr, comme d'habitude, il y a des |
| quelques règles à cela, qui sont |
| la clause de non-responsabilité concernant les données que nous utilisons. Et maintenant, si vous êtes avocat, vous allez certainement appuyer sur pause pour étudier cela en détail. Cependant, pour tous les autres, plongeons-nous maintenant dans la présentation. |
| Et bien sûr, rien de mieux que de commencer par une brève présentation des personnes que vous rencontrez, vous voyez déjà le lieu. Nous avons tous en commun, c'est Amsterdam aux Pays-Bas et nous avons tous en commun le fait que nous travaillons chez Avantium. |
| Entreprise fournisseur de technologies durables. Cependant, nos différents sites sont répartis dans le monde entier. |
| Nous avons, d'un côté, à gauche, Carlos Ortega, un ingénieur chimiste du Venezuela, qui vit en Hollande depuis environ six ans et travaille chez Avantium depuis environ deux ans en tant que chef de projet et de services. |
| Ensuite, nous avons sur le côté droit Daria Otyuskaya de Russie qui travaille également ici depuis environ deux ans et qui a passé les cinq dernières années au Benelux. |
| région où elle a fait son doctorat en génie chimique. Et moi-même. J'ai le seul avantage de pouvoir rentrer chez moi en voiture car je suis originaire d'Allemagne. Je vis aux Pays-Bas depuis environ 10 ans et j'ai rejoint Avantium il y a environ trois ans. |
| Mais maintenant, |
| Parlons un peu plus d'Avantium. Je voudrais juste vous présenter brièvement un peu de ce que nous faisons. |
| Avantium, comme je l'ai déjà mentionné, est un fournisseur de technologies durables et possède trois unités commerciales. L'une d'elles est Avantium Renewable Polymers, où nous développons un polymère biodégradable appelé PEF, qui est 100 % végétal et recyclable. |
| Deuxièmement, nous avons une unité commerciale appelée Avantium Renewable Chemistries, qui propose des technologies renouvelables pour produire des produits chimiques comme le MEG |
| ou des sucres industriels issus de biomasse non alimentaire. Et enfin, une technologie très intéressante, où nous transformons le CO2 de l'air en produits chimiques via l'électrochimie. |
| Mais il n'y a pas grand chose à dire sur ces deux unités commerciales, car Carlos, moi-même et Daria travaillons tous chez Avantium Catalysis, qui a été fondée il y a 20 ans et qui est toujours à la base des innovations technologiques d'Avantium. Nous leur fournissons en fait |
| Nous sommes un prestataire de services pour accélérer la recherche dans votre |
| entreprise de recherche sur les catalyseurs, pour être plus précis. Et nous proposons là-bas, comme vous pouvez le voir sur le côté droit, des services systèmes et un service appelé test de catalyseurs de raffinerie. Et nous aidons vraiment les entreprises à développer la R&D, comme vous pouvez le voir en bas. |
| Mais cela suffit à propos d'Avantium. Parlons un peu de la façon dont nous développons notre façon de travailler sur les projets et de la façon dont JMP peut réellement nous aider à accélérer les choses et à en extraire de meilleures données, ce que Carlos nous montrera plus tard dans une démonstration. |
| Comme mentionné précédemment, nous sommes un prestataire de services et en tant que prestataire de services, nous obtenons |
| Il y a beaucoup de demandes de la part des clients pour développer de meilleurs catalyseurs ou de meilleurs processus. Et maintenant, vous vous demandez peut-être quel est le catalyseur. |
| Un catalyseur est en fait un matériau qui participe à une réaction lorsque vous transformez A en A, mais qui n'est pas consommé dans une réaction. |
| L'exemple le plus courant de personnes que vous pouvez voir dans votre vie quotidienne est, par exemple, le catalyseur de gaz d'échappement qui est installé dans votre voiture, qui transforme |
| les gaz d'échappement de votre voiture se transforment en CO2 et en eau. |
| Et ce sont des choses que nous recevons comme demandes. Les gens viennent nous voir et disent : « Oh, j'aimerais développer un nouveau matériau », ou des choses comme : « J'ai ce processus, et je veux venir avec... accélérer mes recherches et |
| Développer un nouveau processus pour cela. » Et ce qu'ils utilisent là-bas, c'est que lorsque nous avons une expérience dans notre équipe, nous concevons des expériences de... |
| concevoir des expériences. Nous essayons d'optimiser les tests pour cela et c'est tout ce que nous utilisons avec JMP, mais ce n'est pas de cela dont nous voulons parler aujourd'hui. |
| Parce que comme je l'ai dit auparavant, nous utilisons également JMP pour fusionner nos données, les traiter et les préparer à d'autres tâches, ce qui constitue les deux parties que vous voyez au bas de la présentation. |
| Nous exécutons des projets de recherche pour nos clients dans notre outil propriétaire appelé Flowrence, où l'astuce est que nous n'expérimentons pas... n'exécutons pas de tests, les uns après les autres, mais nous exécutons en parallèle. |
| Traditionnellement, je veux dire, je me souviens de moi-même pendant mon doctorat, vous exécutez un test un réacteur après l'autre, après l'autre, après l'autre. |
| Mais nous utilisons jusqu'à 64 réacteurs en parallèle, ce qui rend l'exécution plus difficile mais permet une prise de décision basée sur les données. |
| Cela permet en effet de rendre les données plus fiables et de les rendre statistiquement significatives. |
| Et ensuite, nous transmettons ces données à nos clients, qui peuvent alors soit continuer dans leurs outils avec leurs informations supplémentaires, soit nous faire entièrement confiance. |
| pour exécuter ces données et extraire les connaissances. Mais bon, assez parlé de l'entreprise. Et maintenant, laissez-moi passer la parole à Carlos, qui vous expliquera comment JMP et les scripts JMP nous aident réellement à nous simplifier considérablement la vie. |
| Merci Hendrik pour cette belle présentation. Et merci également aux organisateurs pour cette belle opportunité de participer au sommet de découverte JMP. |
| Comme Hendrik le mentionnait, nous développons et exécutons des projets de recherche pour des tiers. Et si nous y réfléchissons, |
| nous devons passer de la conception d’expériences (et c’est bien sûr une fonctionnalité très puissante de JMP), |
| mais nous devons également gérer les informations et dans ce cas, comme Hendrik l'a mentionné, nous voulons nous concentrer sur le script JSL qui nous permet de gérer facilement les informations et de créer une intégration transparente des flux de travail d'un processus. |
| Je suis chef de projet au département R&D et donc une journée... une journée normale dans ma vie ici ressemblerait à quelque chose comme ça. Et donc une vision très simpliste. Vous auriez |
| les clients qui sont intéressés et ont une question de recherche et je conçois des expériences et nous les exécutons dans notre propre technologie propriétaire appelée Flowrence. |
| Donc, dans une vue simple, les données générées dans l'unité Flowrence vont passer par moi après quelques contrôles et interprétations et seront renvoyées au client. Mais la réalité est un peu plus complexe et d'un côté, nous avons aussi des clients internes. |
| Cela fait partie de... par exemple de notre équipe de développement... de notre équipe de développement commercial. Et de l'autre côté, nous avons également notre propre personnel qui interagit directement avec l'unité. Ils contrôlent donc le fonctionnement de l'unité et surveillent que tout se déroule conformément au plan. |
| Et les données, comme vous le voyez ici avec des lignes brisées, ne peuvent pas être extraites directement de l'unité. Les données sont en fait envoyées à un entrepôt de données et nous avons ensuite besoin d'un ensemble d'outils |
| qui nous permet d'abord de récupérer des informations, de fusionner des informations provenant de différentes sources, |
| exécuter un ensemble de tâches qui vont du nettoyage, du traitement, de la visualisation des informations, et finalement nous exportons ces données vers le client afin que celui-ci puisse obtenir les informations dont il a réellement besoin et qui sont les plus pertinentes pour lui. |
| Si vous me permettez de me concentrer une seconde sur ces différentes tâches, ce que nous avons observé initialement lors de la récupération d'une fusion est |
| ces données peuvent en fait provenir de diverses sources. Ainsi, dans l'entrepôt de données, nous collectons en fait des données de l'unité de Florence, |
| mais nous collectons également des données à partir de l'analyseur. Donc, pour ceux qui effectuent des tests en laboratoire, vous connaissez peut-être la spectrométrie de masse ou la chromatographie en phase gazeuse, par exemple, et nous collectons également des données sur les performances de l'unité. Nous vérifions donc également que l'unité est |
| se comporte comme prévu. |
| Dans... comme dans tout laboratoire, nous avons également des saisies manuelles. Il peut s'agir, par exemple, d'informations sur les catalyseurs que nous testons ou sur l'étalonnage des équipements d'analyse. |
| Ces saisies manuelles sont bien sûr toujours stockées dans un cahier de laboratoire, mais nous incluons également ces informations dans un fichier Excel. Et c'est là que JMP intervient réellement |
| nous aidant à faire passer le flux de travail des informations au niveau supérieur. Nous avons donc développé une combinaison d'un fichier Excel très connu et facile à utiliser avec |
| fonctionnalités puissantes à partir d'un script JSL. Et non seulement nous incluons des données manuelles disponibles dans les cahiers de laboratoire, mais nous incluons également dans ce fichier Excel |
| formules qui sont ensuite interprétées par le script JSL et exécutées. Cela nous permet de calculer les paramètres de performance clés qui sont |
| sur mesure ou spécifiquement adaptés à différents clients. |
| Si nous regardons |
| plus en détail dans le script JSL, et dans un instant je ferai une démonstration, vous observerez que le script JSL a trois sections principales. |
| Une section préparera l'environnement local. D'un côté, nous dirions que nous voulons effacer tous les symboles et fermer les tables, mais la fonctionnalité la plus importante est probablement celle qui nous permet de |
| définir « les noms par défaut sont ici ». Cela nous permettrait d'exécuter des scrapings parallèles sans aucune interférence entre des variables portant le même nom dans des scripts différents. |
| Ensuite, nous avons une section qui est réduite dans ce cas afin que nous puissions la montrer, ce qui crée en fait une interface utilisateur graphique. Et puis, l'utilisateur n'interagit pas avec le script lui-même, mais travaille en fait via une interface utilisateur graphique simple avec les boutons qui ont des descriptions |
| noms des boutons. |
| Et puis nous avons un ensemble de |
| tâches qui sont déjà codées dans le script. Dans ce cas, elles se présentent sous la forme d'expressions. |
| Car cela présente deux avantages principaux. Le premier est qu'il est facile de l'implémenter ultérieurement sur l'interface utilisateur graphique. Et le deuxième est que lorsque vous avez une expression, vous pouvez l'utiliser plusieurs fois dans votre code. |
| OK, passons donc à la simulation de démonstration. J'ai mentionné plus tôt que nous avons différentes sources de données. Et |
| d'un côté, nous avons des données qui sont |
| En fait... |
| qui est en fait stocké dans notre base de données. Et cette base de données contiendra |
| probablement des sources d'information différentes, comme l'unité ou des analyseurs différents. Dans ce cas, vous verrez ou vous verrez un exemple de tableau Excel. |
| Ceci est uniquement à titre d'illustration. Ces données sont donc extraites directement de l'entrepôt de données avec notre script JSL. Nous ne considérons donc pas ce tableau Excel comme une recherche. |
| Nous laissons le logiciel collecter les informations de l'entrepôt de données. Et ce qui est probablement le plus important, c'est que ces données, comme vous le voyez ici, |
| peut provenir de différents analyseurs, et nous structurons d'une manière ou d'une autre la première colonne contenant des noms divisés. Dans ce cas, nous avons |
| J'ai créé quelques noms de domaine. Donc, pour des raisons de confidentialité, mais vous verrez aussi que toutes les observations sont disposées en lignes. Donc chaque ligne est une observation. |
| Et selon le type de test et l'unité que nous utilisons, nous pourrions penser qu'au total, en une journée, nous pouvons collecter jusqu'à un demi-million |
| points de données en une seule journée. Cela dépend bien sûr de l'analyseur, mais vous êtes immédiatement confronté à la quantité de données que vous devez gérer et à la manière dont le script JSL qui vous aide à traiter les informations peut vous aider dans cette activité. |
| Ensuite, nous utilisons également un autre fichier Excel. Et celui-ci est également très important, il s'agit d'un fichier de table d'entrée. |
| Et ces fichiers, en particulier avec le script JSL, sont ceux qui créent la synergie qui nous permet de traiter les données facilement. Ce que vous voyez dans ce cas, par exemple, est un tableau de chargement de réacteur et nous voyons différents réacteurs avec différents catalyseurs. Et cette information qui semble... |
| Ce n'est pas quantitatif, mais la valeur qualitative qui est importante. Et puis, si nous passons à un deuxième onglet, et que ces étapes sont toutes prédéfinies dans nos projets, |
| nous voyons les facteurs de réponse des analyseurs. Différents analyseurs auront des facteurs de réponse différents et il est important d'enregistrer ces informations pour les utiliser dans les calculs afin de pouvoir obtenir des résultats quantitatifs. |
| Dans ce cas, nous avons observé que la condition selon laquelle les facteurs de réponse sont ciblés par condition est plutôt respectée. |
| Ensuite, nous avons un onglet de formule. Et c'est probablement un onglet clé pour notre script. Vous pouvez saisir des formules dans ce fichier Excel. Assurez-vous que les noms des variables sont placés entre crochets. |
| Et la formule, vous pouvez utiliser n'importe quelle formule dans Excel. Tout le monde peut utiliser Excel ; nous y sommes très habitués. Donc si vous tapez une formule ici, |
| qui suit la syntaxe ??? dans Excel, elle sera exécutée par notre script JSL. Ensuite, nous avons également inclus une fonctionnalité supplémentaire que nous avons trouvée intéressante d'avoir les conditionnels. |
| Et pour que le script JSL lise cette condition, la seule exigence est que les conditions soient placées entre accolades. |
| Il y a deux autres onglets que je voudrais vous montrer, qui sont très pertinents. L'un est un onglet d'exportation de tables et la raison pour laquelle nous avons ce tableau est que |
| nous générons de nombreuses colonnes ou de nombreuses variables à partir de mon unité, probablement 500 variables. Mais en réalité, le client ne s'intéresse qu'à 10, 20 ou 50 d'entre elles. Ce sont celles qui ajoutent vraiment de la valeur à sa recherche. Nous pouvons donc saisir ces variables ici et |
| l'envoyer au client. Et enfin, je pense que beaucoup d'entre nous ont été dans cette situation où nous envoyons un e-mail à une mauvaise adresse et cela peut être quelque chose de vraiment effrayant lorsque vous êtes |
| On parle d'informations confidentielles. Nous vérifions donc toujours deux ou trois fois les adresses e-mail, mais est-ce vraiment nécessaire ? |
| Nous disposons donc ici d’un fichier Excel contenant toutes les entrées manuelles, y compris l’adresse e-mail de nos clients. |
| Et ces adresses e-mail sont fixes, il n'y a donc aucune marge d'erreur. Chaque fois que vous avez exécuté le script JSL, les bonnes adresses e-mail seront lues et l'e-mail sera créé et nous les verrons dans une minute. |
| Alors maintenant, passons au script JSL, |
| Je voudrais souligner ce qui suit. Ainsi, le script JSL est initialement situé dans un seul fichier dans un seul dossier et le script JSL n'a besoin que d'un seul fichier Excel pour écrire qui contient différents onglets que nous venons de voir dans la diapositive précédente |
| Une fois que vous avez ouvert le script JSL, |
| vous pouvez cliquer sur le bouton Exécuter le script et cela ouvrira le |
| interface utilisateur graphique que vous voyez à droite. Ici, nous avons différentes options. Dans ce cas, nous voulons mettre en évidence l'option où nous récupérons les données d'un projet dans cette période donnée. |
| Nous avons sélectionné ici un seul jour cette année, en particulier, et nous voyons ensuite différents boutons qui nous permettent de créer des mises à jour, par exemple. |
| Une fois que nous avons cliqué sur ce bouton, vous verrez à gauche du dossier que deux répertoires ont été créés. Le fait que nous créons ces répertoires automatiquement nous aide à avoir une harmonie ou à standardiser la façon dont un dossier est structuré également dans nos projets. |
| Si vous examinez les données brutes de la base de données, vous verrez que deux fichiers ont été créés. L'un contient les données brutes provenant directement de l'entrepôt de données. |
| Et le deuxième, le tableau de données contient toutes les informations de fusion du fichier Excel et des différents tableaux disponibles dans l'entrepôt de données. |
| Le dossier des fichiers exportés ne contient rien pour le moment, car nous n'avons pas évalué et estimé que les données que nous avons créées dans notre unité sont réellement pertinentes et |
| précieux pour le client. Nous le faisons, nous sommes, nous ??? et vous voyez ici que nous avons créé un graphique de la température du réacteur par rapport à l'heure locale. |
| Et différents réacteurs seraient représentés, de sorte que nous en ayons jusqu'à 64 dans l'une de nos unités. Et dans ce cas, nous colorons les réacteurs, en fonction de leur emplacement sur l'unité. |
| Un autre onglet que nous avons ici, à titre d'exemple, concerne la pression. Et vous voyez que vous pouvez également créer des scripts pour les valeurs cibles maximales et minimales et définir, par exemple, des alertes pour voir si la valeur s'éloigne. |
| Le dernier tableau que je veux montrer est une conversion et nous voyons ici différentes conversions regroupées par catalyseur. |
| Donc, une fois que nous cliquons sur le bouton d'exportation, nous verrons que notre fichier est joint à un e-mail et que l'e-mail contient déjà le |
| adresses… les adresses e-mail que nous souhaitons utiliser. Et encore une fois, je tiens à souligner à quel point il est important d'envoyer les informations à la bonne personne. |
| Désormais, cet ensemble de données se trouve en fait dans le dossier des fichiers exportés, qui n'y était pas auparavant. Et nous pouvons toujours suivre les informations qui ont été exportées et envoyées au client. |
| Avec cet e-mail, il ne reste plus qu'à compléter les informations. Dans ce cas, il s'agit d'un test très simple. Il s'agit donc de votre ensemble de données, mais nous donnerons bien sûr une interprétation ou des conseils au client sur la manière de poursuivre les tests. |
| Et bien sûr, une fois que vous avez parcouru toutes ces étapes, vous fermerez l'interface utilisateur graphique et cela fermera également toutes les tables ouvertes et le script JSL. |
| Ce que je voudrais souligner à ce stade, c'est que ces flux de travail utilisant un script JSL sont plutôt rapides. Donc, ce que vous avez vu à ce moment-là, |
| bien sûr, c'est un peu accéléré car ce n'est qu'une démonstration, mais on ne perd pas de temps à chercher des données et des sources différentes, en essayant de les fusionner avec les bonnes colonnes. Tous ces processus sont intégrés dans un seul script et cela nous permet de |
| rendre compte quotidiennement au client |
| des quantités de données qui autrement ne seraient pas possibles. Et le client peut réellement prendre des décisions basées sur les données à un rythme très rapide. C'est probablement la clé |
| message que je souhaite transmettre à travers ce scénario que nous voyons en ce moment. |
| Maintenant, eh bien, j’aimerais conclure la présentation avec quelques remarques finales et quelques remarques de clôture. |
| Et donc, d'un côté, nous avons développé une approche distinctive pour la gestion et le traitement des données. Et lorsque nous disons distinctive, c'est parce que nous avons créé une synergie entre un fichier Excel que la plupart des gens peuvent utiliser parce que vous connaissez très bien Microsoft Office et un script JSL |
| qui ne nécessite aucun effort pour s'exécuter. Vous cliquez donc sur Exécuter, vous obtiendrez une interface utilisateur graphique et quelques boutons pour exécuter des tâches. |
| Ensuite, nous avons un flux de travail standardisé. Et c'est également très pertinent lorsque vous travaillez avec plusieurs clients et |
| D'un point de vue pratique également. Par exemple, si l'un de mes collègues part en vacances, il sera facile pour un autre chef de projet, moi-même par exemple, de reprendre le projet. |
| et sachez que toutes les structures de dossiers sont les mêmes, que tous les scripts sont les mêmes et que les boutons exécutent les mêmes actions. |
| Enfin, nous pouvons également...nous pouvons garantir une intégration transparente des données et ces mises à jour rapides des informations avec |
| des milliers, voire un demi-million de points de données par jour peuvent être rapidement envoyés aux clients, ce qui leur permet de prendre des décisions basées sur des données presque en ligne. |
| Au final, notre objectif est de maximiser la satisfaction du client grâce à un processus cohérent, fiable et robuste. |
| Et bien, avec cela, je voudrais remercier, encore une fois, les organisateurs de ces sommets de découverte. |
| Bien sûr, à tous nos collègues d'Avantium, qui ont rendu cela possible, en particulier à ceux qui ont travaillé intensivement sur le développement de ces scripts. Et si vous êtes curieux d'en savoir plus sur notre entreprise ou sur le travail que nous faisons chez Catalysis, veuillez visiter l'un des liens que vous voyez ici. |
| Et avec cela, je voudrais conclure, merci beaucoup pour votre attention. Et oui, nous attendons avec impatience vos questions. |
