Vocero | Transcripción |
| Carlos Ortega | Sí. Hola y bienvenido a nuestra presentación en la Cumbre de Descubrimiento de JMP. |
| Por supuesto, nos hubiera gustado dar esta presentación en persona, pero en las circunstancias actuales, esta es la mejor manera en que aún podemos compartir la forma en que estamos usando |
| JMP en nuestro trabajo diario y cómo nos ayuda en el trabajo más cotidiano, cómo reelaborar nuestros datos. Sin embargo, |
| La presentación de esta manera con el vídeo también tiene una ventaja para ti como espectador porque sí, si quieres tomar un café ahora mismo, puedes pulsar pausa y continuar cuando el café esté listo. |
| Pero, si nos fijamos en la hora, supongo que la cumbre ya está en marcha y lo más probable es que ya hayan escuchado algunas presentaciones interesantes. |
| Cómo JMP puede ayudarle a sacar más sentido de los datos para resolverlos con herramientas estadísticas que le permitan obtener una visión más profunda y profundizar en ellos. |
| más partes de sus datos. Sin embargo, lo que queremos hacer hoy (y esto también está oculto bajo el título sobre la garantía de calidad de los datos), |
| El motor de scripting. |
| Todo lo que tiene que ver con scripts JSL porque nos ayuda... esto nos ayuda mucho en nuestro trabajo diario para preparar los datos, que luego están listos para ser utilizados para el análisis de datos y por nos referimos a |
| Carlos Ortega, Daria Otyuskaya y yo, a quienes ahora quiero presentar un poco porque, sí, es para tener una idea un poco mejor de quién está haciendo esto. Pero, por supuesto, como siempre, hay algunos |
| Algunas reglas para esto, que son |
| La exención de responsabilidad sobre los datos que utilizamos. Y ahora, si eres abogado, seguro que vas a hacer una pausa para estudiar esto en detalle. Sin embargo, para el resto de personas, ahora vamos a profundizar en la presentación. |
| Y por supuesto, nada mejor que empezar con una pequeña presentación de las personas que ves, ya ves el lugar. Todos tenemos algo en común, que es Ámsterdam en los Países Bajos y todos tenemos algo en común que trabajamos en Avantium. |
| Empresa proveedora de tecnologías sostenibles. Sin embargo, los diferentes lugares de los que venimos están en todo el mundo. |
| Tenemos, por un lado en el lado izquierdo, a Carlos Ortega, un ingeniero químico de Venezuela, que vive en Holanda, hace unos seis años y trabaja en Avantium unos dos años como líder de proyectos y servicios. |
| Luego, en el lado derecho, tenemos a Daria Otyuskaya, de Rusia, que también trabaja aquí desde hace dos años y ha pasado los últimos cinco años en el Benelux. |
| Área donde realizó su doctorado en ingeniería química. Y yo. Tengo la única ventaja de poder viajar a casa en coche, ya que soy originaria de Alemania. Vivo en Holanda desde hace unos 10 años y me uní a Avantium hace unos tres años. |
| Pero ahora, |
| Hablemos un poco más sobre Avantium. Solo quiero explicar brevemente algunas de las cosas que estamos haciendo. |
| Avantium, como ya he mencionado, es un proveedor de tecnologías sostenibles que cuenta con tres unidades de negocio. Una de ellas es Avantium Renewable Polymers, donde desarrollamos un polímero biodegradable llamado PEF, que es cien por cien vegetal y reciclable. |
| En segundo lugar, tenemos una unidad de negocios llamada Avantium Renewable Chemistries, que ofrece tecnologías renovables para producir productos químicos como MEG. |
| o azúcares industriales a partir de biomasa no alimentaria. Y por último, pero no por ello menos importante, una tecnología muy interesante: convertimos el CO2 del aire en sustancias químicas mediante electroquímica. |
| Pero no hablaremos demasiado de estas dos unidades de negocio porque Carlos, yo y Daria trabajamos en Avantium Catalysis, que se fundó hace 20 años y sigue siendo la base... la base de las innovaciones tecnológicas de Avantium. De hecho, estamos proporcionando sus |
| Somos un proveedor de servicios para acelerar la investigación en su |
| En concreto, nos dedicamos a la investigación de catalizadores. Y allí ofrecemos, como puede ver en el lado derecho, servicios de sistemas y un servicio llamado pruebas de catalizadores de refinería. Y ayudamos a las empresas a desarrollar la I+D, como puede ver en la parte inferior. |
| Pero ya basta de hablar de Avantium. Hablemos un poco sobre cómo estamos desarrollando, cómo trabajamos en los proyectos y cómo JMP puede ayudarnos a acelerar el proceso y obtener mejores datos, algo que Carlos nos mostró más adelante en el programa. |
| Como se mencionó anteriormente, somos un proveedor de servicios y, como proveedor de servicios, obtenemos |
| Hay muchas solicitudes de los clientes para desarrollar mejores catalizadores o mejores procesos. Y ahora te preguntarás: ¿cuál es el catalizador? |
| Un catalizador es en realidad un material que participa en una reacción cuando se transforma A en A, pero no se consume en una reacción. |
| El ejemplo más común de personas que podemos ver en nuestra vida diaria es, por ejemplo, el catalizador de gases de escape que está instalado en nuestro coche, que convierte |
| los gases que emite su ... desde su automóvil en CO2 y agua como escape. |
| Y estas son las cosas que recibimos como pedidos. La gente viene a nosotros y nos dice: "Oh, me gustaría desarrollar un nuevo material", o cosas como: "Tengo este proceso y quiero venir con... acelerar mi investigación y |
| Desarrollar un nuevo proceso para esto". Y lo que utilizan allí es que cuando tenemos un experimento en nuestro equipo, estamos diseñando experimentos de... |
| Diseñamos experimentos. Estamos tratando de optimizar las pruebas para esto y para eso usamos JMP, pero no es de eso de lo que queremos hablar hoy. |
| Porque como dije antes, también usamos JMP para fusionar nuestros datos, procesarlos y prepararlos para las cosas, que son las dos partes que ves en la parte inferior de la presentación. |
| Estamos ejecutando proyectos de investigación para clientes en nuestra herramienta propia llamada Flowrence, donde el truco es que no experimentamos... no ejecutamos pruebas una tras otra, sino que las ejecutamos en paralelo. |
| Tradicionalmente, quiero decir, me acuerdo de mí mismo en mi doctorado, se ejecutaba una prueba, un reactor tras otro, tras otro, tras otro. |
| Pero estamos aplicando hasta 64 reactores en paralelo, lo que hace que la ejecución sea más desafiante pero permite tomar decisiones basadas en datos. |
| Permite realmente hacer datos más fiables y hacerlos estadísticamente significativos. |
| Y luego comunicamos estos datos a nuestros clientes, quienes pueden continuar con sus herramientas con más información o confiar plenamente en nosotros. |
| para ejecutar estos datos y extraer el conocimiento. Pero bueno, ya basta de hablar de la empresa. Y ahora le cedo la palabra a Carlos, que explicará cómo JMP y el script de JMP realmente nos ayudan a hacernos la vida mucho más fácil. |
| Gracias, Hendrik, por la agradable presentación. Y gracias también a los organizadores por esta agradable oportunidad de participar en la cumbre de descubrimiento de JMP. |
| Como mencionaba Hendrik, desarrollamos y ejecutamos proyectos de investigación para terceros. Y si lo pensamos, |
| Necesitamos pasar del diseño de experimentos (y esa es, por supuesto, una característica muy poderosa de JMP), |
| pero también necesitamos gestionar información y en este caso, como mencionaba Hendrik, queremos centrarnos en el script JSL que nos permite manejar fácilmente la información y crear una integración perfecta de los flujos de trabajo de un proceso. |
| Soy líder de proyectos en el departamento de I+D, así que un día... un día normal en mi vida aquí sería algo así. Y una visión muy simplista. Tendrías... |
| clientes que están interesados y tienen una pregunta de investigación y yo diseño experimentos y los ejecutamos en nuestra propia tecnología patentada llamada Flowrence. |
| De manera simple, los datos generados en la unidad Flowrence pasarán por mí, luego de algunas comprobaciones e interpretaciones, y volverán al cliente. Pero la realidad es algo más compleja y, por un lado, también tenemos clientes internos. |
| Eso es parte de... por ejemplo, nuestro equipo de desarrollo... equipo de desarrollo comercial. Y por otro lado, también tenemos nuestro propio personal que interactúa directamente con la unidad. De modo que controlan cómo opera la unidad y supervisan que todo transcurra según lo planeado. |
| Y los datos, como se ve aquí con líneas discontinuas, no se pueden extraer directamente de la unidad. Los datos se envían a un almacén de datos y luego necesitamos un conjunto de herramientas. |
| que nos permite primero recuperar información, fusionar información que proviene de diferentes fuentes, |
| ejecutar un conjunto de tareas que van desde limpiar, procesar, visualizar la información, y eventualmente exportamos esos datos al cliente para que éste pueda obtener la información que realmente necesita y que es más relevante para él. |
| Si me permiten centrarme por un segundo en estas diferentes tareas, lo que observamos inicialmente en la recuperación de una fusión es |
| En realidad, esos datos pueden provenir de varias fuentes. Por lo tanto, en el almacén de datos, recopilamos datos de la unidad de Florence, |
| Pero también recopilamos datos del analizador. Por lo tanto, quienes realizan pruebas en un laboratorio pueden estar familiarizados con la espectrometría de masas o la cromatografía de gases, por ejemplo, y también recopilamos datos sobre el rendimiento de la unidad. Por lo tanto, también verificamos que la unidad esté funcionando correctamente. |
| se está comportando como se esperaba. |
| En... como en cualquier laboratorio, también tendríamos entradas manuales. Y estas podrían ser, por ejemplo, información sobre los catalizadores que estamos probando o la calibración del equipo analítico. |
| Por supuesto, esas entradas manuales siempre se almacenan en un cuaderno de laboratorio, pero también incluimos esa información en un archivo Excel. Y aquí es donde realmente está JMP. |
| ayudándonos a llevar el flujo de trabajo de la información al siguiente nivel. Por eso, lo que hemos desarrollado es una combinación de un archivo Excel fácil de usar y ampliamente conocido con |
| potentes funciones de un script JSL. Y no solo incluimos datos manuales que están disponibles en los cuadernos de laboratorio, sino que también incluimos en este archivo Excel |
| fórmulas que luego son interpretadas por el script JSL y ejecutadas. Esto nos permite calcular parámetros clave de rendimiento que son |
| adaptado o específicamente adaptado para diferentes clientes. |
| Si miramos |
| con más detalle en el script JSL, y en un momento entraré en una demostración, observará que el script JSL tiene tres secciones principales. |
| Una sección preparará el entorno local. Por lo tanto, en un lado diríamos que queremos borrar todos los símbolos y cerrar las tablas, pero probablemente la característica más importante sea cuando |
| Definir "los nombres se establecen por defecto aquí". Esto nos permitiría ejecutar scrapings en paralelo sin interferencias entre variables que tienen el mismo nombre en diferentes scripts. |
| Luego tenemos una sección que está colapsada en este caso para que podamos mostrar que realmente crea una interfaz gráfica de usuario. Y luego el usuario no interactúa con el script en sí, sino que trabaja a través de una interfaz gráfica de usuario simple con los botones que tienen descripciones. |
| nombres de los botones. |
| Y luego tenemos un conjunto de |
| Tareas que ya están codificadas en el script. En este caso, están en forma de expresiones. |
| Porque bueno, tiene dos ventajas principales. Una sería que es fácil de implementar posteriormente en la interfaz gráfica de usuario. Y la segunda, cuando tienes una expresión, puedes usarla varias veces en tu código. |
| Bien, ahora pasemos a la simulación de demostración. Como mencioné antes, tenemos diferentes fuentes de datos. |
| Por un lado tenemos datos que son |
| En realidad... |
| que de hecho se almacena en nuestra base de datos. Y esta base de datos contendrá |
| Probablemente sean distintas fuentes de información, como la unidad o distintos analizadores. En este caso, verás o verás una tabla de Excel de ejemplo. |
| Esto es solo para ilustrar. De hecho, estos datos se toman directamente del almacén de datos con nuestro script JSL. Por lo tanto, no consideramos esta tabla de Excel como una búsqueda. |
| Dejamos que el software recopile la información del almacén de datos. Y probablemente lo más importante es que estos datos, como se ve aquí, |
| puede volver a provenir de distintos analizadores y estamos estructurando de alguna manera que la primera columna contenga nombres divididos. En este caso, tenemos |
| He creado algunos nombres de dominio. Por razones de confidencialidad, pero también verás que todas las observaciones están organizadas en filas. Por lo tanto, cada fila es una observación. |
| Y dependiendo del tipo de prueba y la unidad que estemos utilizando, podríamos pensar que en total en un día podemos recolectar hasta medio millón. |
| puntos de datos en un solo día. Eso depende, por supuesto, del analizador, pero inmediatamente te enfrentas a la cantidad de datos que tienes que manejar y cómo el script JSL que te ayuda a procesar la información puede ayudarte con esta actividad. |
| Luego también usamos otro archivo de Excel, que también es muy importante, ya que es un archivo de tabla de entrada. |
| Y estos archivos, en concreto con el script JSL, son los que crean la sinergia que nos permite procesar los datos de forma sencilla. Lo que se ve en este caso, por ejemplo, es una tabla de carga de reactores y vemos distintos reactores con distintos catalizadores. Y esta información que parece... |
| No es cuantitativo, pero el valor cualitativo es importante. Y luego, si pasamos a una segunda pestaña, y estos pasos están todos predefinidos en nuestros proyectos, |
| Vemos los factores de respuesta de los analizadores. Los distintos analizadores tendrán distintos factores de respuesta y es importante registrar esta información para utilizarla en los cálculos a fin de poder obtener resultados cuantitativos. |
| En este caso, observamos que la condición es que los factores de respuesta sean el objetivo de la condición. |
| Luego tenemos una pestaña de fórmulas, que probablemente sea una pestaña clave para nuestro script. Puedes ingresar fórmulas en este archivo de Excel. Asegúrate de que los nombres de las variables estén entre corchetes. |
| Y la fórmula, puedes usar cualquier fórmula en Excel. Cualquiera puede usar Excel; estamos muy acostumbrados a ello. Entonces, si escribes una fórmula aquí, |
| que sigue la sintaxis ??? en Excel, será ejecutada por nuestro script JSL. Luego también incluimos una característica adicional que nos pareció interesante: los condicionales. |
| Y para que el script JSL lea este condicional, el único requisito es que los condicionales estén entre llaves. |
| Hay otras dos pestañas que me gustaría mostrarles, que son muy relevantes. Una es una pestaña de tablas de exportación y el motivo por el que tenemos esta tabla es porque |
| Generamos muchas columnas o muchas variables a partir de mi unidad, probablemente 500 variables. Pero en realidad al cliente solo le interesan 10, 20 o 50 de ellas. Esas son las que realmente agregan valor a su investigación. Entonces podemos ingresar esas variables aquí y |
| Envíaselo al cliente. Y por último, pero no menos importante, creo que muchos de nosotros hemos estado en esa situación en la que enviamos un correo electrónico a una dirección incorrecta y eso puede ser realmente algo aterrador cuando estás |
| Hablando de información confidencial, siempre verificamos dos o tres veces las direcciones de correo electrónico, pero ¿es realmente necesario? |
| Entonces, lo que estamos haciendo aquí es tener un archivo Excel que contiene todas las entradas manuales, incluida la dirección de correo electrónico de nuestros clientes. |
| Y estas direcciones de correo electrónico son fijas, por lo que no hay margen de error. Siempre que haya ejecutado el script JSL, se leerán las direcciones de correo electrónico correctas y se creará el correo electrónico. Las veremos en un minuto. |
| Ahora, entrando en el script JSL, |
| Me gustaría destacar lo siguiente. El script JSL se encuentra inicialmente en un solo archivo en una sola carpeta y el script JSL solo necesita un archivo Excel para escribirse que contiene diferentes pestañas que acabamos de ver en la diapositiva anterior. |
| Una vez que abra el script JSL, |
| Puede hacer clic en el botón Ejecutar script y eso abrirá el |
| Interfaz gráfica de usuario que veis a la derecha. Aquí tenemos diferentes opciones. En este caso queremos destacar la opción donde recuperamos datos de un proyecto en ese periodo determinado. |
| Hemos seleccionado aquí sólo un día este año en concreto y luego vemos diferentes botones que nos permiten crear actualizaciones, por ejemplo. |
| Una vez que hemos hecho clic en este botón, verás a la izquierda de la carpeta que se han creado dos directorios. El hecho de que creemos estos directorios de forma automática nos ayuda a tener armonía o a estandarizar cómo se estructura una carpeta también en nuestros proyectos. |
| Si observa los datos sin procesar de la base de datos, verá que se crearon dos archivos. Uno contiene los datos sin procesar que provienen directamente del almacén de datos. |
| Y la segunda, la tabla de datos contiene toda la información de combinación del archivo Excel y las diferentes tablas que están disponibles en el almacén de datos. |
| La carpeta de archivos exportados no contiene nada en este momento, porque no hemos evaluado ni comprobado que los datos que hemos creado en nuestra unidad sean realmente relevantes y |
| valioso para el cliente. Lo hacemos, somos, somos... y aquí se ve que hemos creado un gráfico de la temperatura del reactor en función de la hora local. |
| Y se representarían los distintos reactores, de modo que tendríamos hasta 64 en una de nuestras unidades. Y en este caso, colorearíamos los reactores según su ubicación en la unidad. |
| Otra pestaña que tenemos aquí, a modo de ejemplo, es la de la presión. Y puedes ver que también puedes programar valores objetivo máximos y mínimos y definir, por ejemplo, alertas para ver si el valor se está desviando. |
| La última tabla que quiero mostrar es una conversión y vemos aquí diferentes conversiones colapsadas por catalizador. |
| Entonces, una vez que hacemos clic en el botón exportar, veremos que nuestro archivo está adjunto en un correo electrónico y el correo electrónico ya contiene el |
| direcciones... las direcciones de correo electrónico que queremos utilizar. Y, nuevamente, quiero destacar lo importante que es enviar la información a la persona correcta. |
| Ahora, este conjunto de datos se encuentra en la carpeta de archivos exportados, que antes no estaba allí. Y siempre podemos hacer un seguimiento de qué información se ha exportado y enviado al cliente. |
| Con este correo electrónico, solo es cuestión de completar la información. En este caso, se trata de una prueba muy sencilla. Este es su conjunto de datos, pero, por supuesto, le daremos alguna interpretación o tal vez algún consejo al cliente sobre cómo continuar con las pruebas. |
| Y por supuesto, una vez que hayas cubierto todos estos pasos, cerrarás la interfaz gráfica de usuario y eso también cerrará todas las tablas abiertas y el script JSL. |
| Algo que me gustaría destacar en este punto es que este flujo de trabajo con un script JSL es bastante rápido. Entonces, lo que vieron en este momento, |
| Por supuesto, es un poco acelerado porque es solo una demostración, pero no pierdes tiempo buscando datos y diferentes fuentes, tratando de fusionarlos con las columnas correctas. Todos estos procesos están integrados en un solo script y eso nos permite |
| Informar al cliente diariamente |
| cantidades de datos que de otro modo no serían posibles. Y el cliente puede tomar decisiones basadas en datos a un ritmo muy rápido. Esa es probablemente la clave. |
| mensaje que quiero transmitir con este guión que vemos en este momento. |
| Bien, me gustaría concluir la presentación con algunas observaciones finales y algunas observaciones de cierre. |
| Por un lado, desarrollamos un enfoque distintivo para el manejo y procesamiento de datos. Y cuando decimos distintivo es porque hemos creado una sinergia entre un archivo de Excel que la mayoría de las personas pueden usar porque están muy familiarizadas con Microsoft Office y un script JSL. |
| que no requiere ningún esfuerzo para ejecutarse. Al hacer clic en Ejecutar, aparecerá una interfaz gráfica de usuario y algunos botones para ejecutar tareas. |
| Luego tenemos un flujo de trabajo estandarizado, y eso también es muy relevante cuando se trabaja con varios clientes. |
| También desde un punto de vista práctico. Por ejemplo, si uno de mis compañeros se va de vacaciones, será fácil que otro responsable de proyecto, por ejemplo, se haga cargo del proyecto. |
| y saber que todas las estructuras de carpetas son las mismas, que todos los scripts son los mismos y los botones ejecutan las mismas acciones. |
| Por último, también podemos...podemos garantizar una integración perfecta de los datos y estas actualizaciones rápidas de la información con |
| Se pueden enviar rápidamente miles o incluso medio millón de puntos de datos por día a los clientes y esto les permite tomar decisiones basadas en datos casi en línea. |
| Al final, nuestro propósito es maximizar la satisfacción del cliente a través de un proceso consistente, confiable y sólido. |
| Bueno, con esto me gustaría agradecer, una vez más, a los organizadores de esta cumbre de descubrimiento. |
| Por supuesto, a todos nuestros compañeros de Avantium, que han hecho esto posible, especialmente a aquellos que han trabajado intensamente en el desarrollo de estos scripts. Y si tienes curiosidad sobre nuestra empresa o el trabajo que hacemos en Catalysis, visita alguno de los enlaces que ves aquí. |
| Y con esto, me gustaría concluir, muchas gracias por su atención. Y sí, esperamos sus preguntas. |
