Hallo, alle.
Mein Name Ist Rechnung Worley,
Und I Bin ein System Ingenieur für JMP für Die UNS Chem Team.
Heute Ich bin gehen Zu Sei reden Zu Du um
Ein Analytisch Workflow für Daten Und Chemometrie Analyse mit JMP .
Ich habe a wenige Dinge I wollen Zu Hervorheben.
War gehen Zu Sei reden um bekommen Die Daten In...
Eigentlich Nur folgende Die analytisch Workflow Das Wir Aktie
um bekommen Daten In, Reinigung Und Mischen
Visualisierung, explorativ Daten Analyse, Gebäude Modelle.
Und Dann letztlich,
Was Sind Du gehen Zu Tun mit Das Daten Und Wie Sind Du gehen Zu Aktie Es?
Paar von Dinge Das Sind wichtig
Sind Die neu JMP Workflow Bauherr
Ich bin gehen Zu Highlight Das.
Das Ist Nur a Schnappschuss von Was Krank Sei Das heißt, es ist nichts anderes als das, was man erwarten würde. Du In a wenig bisschen.
Und Die chemometrische Teil von Das Ist Analyse spektral Daten,
Verwendung funktional Daten Forscher für Vor- Verarbeitung.
Und diese Sind Jetzt gebaut hinein JMP.
Wenn du kannst sehen über Hier, wir haben bekommen a Tab hoch Hier In Vollzeitäquivalent Jetzt
Wo Du dürfen wählen aus anders Typen von Vor- Verarbeitung,
Standard, normal, variabel , multiplikativ Streuung Korrektur,
Savitzy-Golay Filterung, Und Ausgangswert Korrektur.
Und I glauben Dort Wille Sei Vielleicht eins oder zwei andere Dinge hinzugefügt Zu Das.
Nur Also Du wissen, Die Daten Das Ich bin Verwendung Ist gezogen aus Das Papier.
Sie sehen es richtig runter Hier, zurück von 2002.
Nur Zu lassen Du wissen, Das ist Wo Die Datum Ist Kommen aus.
Alle Rechts, Ich bin gehen Zu setzen Das beiseite für Jetzt,
Und Ich bin gehen Zu gehen voraus Und erhalten Dinge gehen Hier.
Also Ich habe bekommen Mein heim Fenster.
Ich bin gehen Zu gehen Und Start a Datei, Neu, Projekt.
Und Die Workflow Das Ich bin gehen Zu Sei Arbeiten mit Ist Das eins Rechts Hier.
Ich bin gehen Zu Rechts- klicken An Das.
Ich bin gehen Zu offen Es.
Was Ich habe Erledigt Ist Ich habe genommen Die Daten Satz Das I wollen Zu arbeiten mit
Und Ich habe gebaut alle diese Schritte In Die Workflow Bauherr
Und Ich bin gehen Zu spielen Das für Du Jetzt.
Also es ist gehen Zu bevölkern unser Projekt Hier.
Also Ich bin gehen Zu gehen voraus Und Schlag spielen.
Als Du dürfen sehen, Das ist Gebäude Die Arbeitsablauf tun manche Analyse.
War tun manche Modell Screening Rechts Jetzt.
Und Dann alles Ist vollständig.
Und Jetzt Wir haben alle diese Registerkarten über Die Spitze
wo wir haben vollendet Das Analyse mit Die Arbeitsablauf.
Ich habe Genau genommen enthalten eins andere Tisch In Dort.
Wann Wir erhalten Dort, Krank sprechen mehr um Das.
Aber Wir hat das gebaut Tisch, Wir gezogen Die Tisch In
Nur Zu zeigen ihr seid aus Die Quelle Daten.
Wir haben Genau genommen gezogen Das Daten In aus ein Excel Datei.
Bekommen Die Daten hinein JMP aus Excel Ist ziemlich einfach.
Und Wir gebaut manche explorativ Daten Analyse.
Also Die Erste Schritt Wir gemacht Ist tun a Verteilung,
Und Wir dürfen interagieren mit Es Nur wie irgendetwas anders.
Alles ist interaktiv aus Die Workflow Bauunternehmer.
Tat manche grafische Darstellung Wo I setzen Die Spalte Umschalter In,
hinzugefügt Die lokal Daten Filter.
Nur Also Du wissen,
als Wir bauen Die Arbeitsablauf alle diese Dinge Sind eingebaut
Und Die Aufnahme hilft Du halten Schiene von was ist gehen An.
Und Du dürfen sehen Das wir haben bekommen voll Funktionalität gehen An Dort.
Tat manche mehr explorativ Daten Analyse Suche bei Fit Live IX ,
tun ein [unverständlich 00:03:46]
wie in Das Fall,
Fit Live IX für die Mühlenzeit gegen Auflösung,
Und Mischung Zeit gegen Auflösung.
Nur Zu erhalten zurück Zu Es,
Das Ist Tablette Daten Das ist hübsch beliebt innerhalb Die SCE Gemeinschaft innerhalb JMP.
Und Ich bin Nur Gebäude An Wie Wir würde analysieren Das Und bauen aus Das Arbeitsablauf.
Nächste Schritt würde Sei Multi- VERSCHIEDEN Analyse Zu sehen,
für Das Auflösung, welche Ist unser Schlüssel Leistung Indikator,
Was könnte Sei beliebig von Die Faktoren
oder Was Faktoren könnte Sei hoch korreliert mit Auflösung.
Nicht Sehen irgendetwas Das ist Springen aus zu viel.
Wir Tun haben manche teilweise Korrelation,
Aber NEIN eins Faktor Ist Springen aus als
Die Antwort für Die Daten Das war Suche bei.
Wir dürfen erhalten a besser Verständnis von Was Faktoren könnte Sei wichtig
Wenn Wir sehen bei a Prädiktor Screening.
Wir kann sehen Hier Das Wir haben Dinge angerufen Bildschirm Größe, Mühle Zeit, Spray Rate.
Diese sehen Zu Sei wichtig Faktoren Das Wir könnte verwenden Zu bauen a besser Modell.
Nächste, Wir dürfen Genau genommen Satz hoch a schrittweise Regression.
Ich bin gehen Zu gehen Hier Und Genau genommen laufen Das Modell In a zweite.
Und Dann wir haben bekommen Das Ausgabe Also Das Daten Ist Dort
Und Wir könnte verwenden Das als benötigt.
Also wir gebaut Das Modell,
Und war aus Hier Suche bei ein anderer Typ von Analyse,
welche würde Sei Entscheidung Baum, eine Partition Analyse.
Wir dürfen Tun neuronal netto, bauen Das Modell
Und Wir dürfen Tun a [unverständlich 00:05:35] Quadrate.
Also wir haben bekommen alle diese Dinge zusammen.
Aber einmal alle sagte Und Erledigt,
Du könnte Genau genommen verwenden etwas angerufen Modell Screening In JMP Pro
Zu bauen diese Modelle aus Und finden aus welche Ist Die am besten gesamt Modell.
Und basierend An Das, Wir dürfen sehen Das
a neuronal- verstärkt Modell Ist wahrscheinlich Die am besten gesamt Modell für uns Zu arbeiten mit.
Wir dürfen Dann nehmen alle Das Information,
Aktie Es mit alle unser Kollegen, Kollegen,
jemand WHO könnte Sei interessiert.
Und Wir dürfen Tun Das In mehrere anders Wege.
Eins von Die am besten Wege würde Sei Zu verwenden JMP L ive
Und setzen alles aus Dort für Leute Zu sehen bei Und Aktie.
Das ist Die Erste Teil von Die analytisch Workflow.
Und wieder, Wenn Wir sehen zurück Hier, Das ist alle Satz hoch In Das Portfolio Hier.
Und als I sagte vor, I hatte geöffnet ein anderer Tisch.
Und Das Ist für Die chemometrischer Teil von Die Analyse.
Das Ist nahe- Infrarot Daten für Finden Die aktiv Bestandteil In Tabletten.
Wir gebaut Die Tabletten Wir gemacht Die Tabletten.
Jetzt Wir haben Zu nehmen Die fertig Produkt Und finden aus was ist Es alle um.
Tun Wir haben Die Rechts aktiv Bestandteil?
Und dürfen Wir erzählen basierend An Das Technik angerufen nahe- Infrarot Analyse?
War gehen Zu Schritt durch a wenige anders Dinge,
Aber Ich bin gehen Zu drehen Das Workflow Bauherr zurück An
Zu aufzeichnen diese Schritte.
Also Lass uns drehen Das An, Lass uns gehen zurück Zu unser Daten Satz,
Und Lass uns Tun manche Analyse Jetzt.
Also I wollen Zu klar aus diese roh Staaten Erste.
Und Jetzt I wollen Zu gehen Zu Analysieren Clustering, Hierarchisch Clustering.
Also I bekommen Das, Und Ich habe bekommen alle Mein Daten Gruppen.
Also da ist 404 Wellenlängen Das Sind gruppiert.
Ich bin gehen Zu ziehen diese In, sagen, Okay.
Lass uns bauen Das aus a wenig bisschen,
war gehen Zu sehen bei drei anders Cluster,
Und Lass uns Farbe diese Cluster.
Alle Rechts, Also Du dürfen Art von sehen Das,
lassen Mich ziehen Das runter a wenig bisschen,
Sie können sehen, dass wir bekommen drei Cluster,
ziemlich groß Grün Cluster Und zwei kleiner Blau Und Rot.
Also wir haben bekommen Das.
Und Jetzt Lass uns gehen zurück Zu unser Daten Satz, Und Lass uns Tun a Graph Bauunternehmer.
Also Lass uns gehen Zu Graph Bauunternehmer.
Lass uns ziehen unser Wellenlängen In,
Hier Zu X,
Tun a parallel Handlung,
sauber Das hoch a wenig bisschen,
Und Rechts- klicken Dort Zu kombinieren Waage Und parallel zusammengeführt.
Ich bin tun diese Schritte hübsch schnell.
Das Ist etwas Du wirst wollen Zu gehen zurück Und betrachten wieder, Wenn es ist von Interesse.
Aber Die Ding I wollen Zu zeigen Du Hier Ist Das Die Daten Ist hübsch verstreut,
Und da ist a viel von Ausgangswert Trennung,
Vielleicht manche Zusatzstoff Und multiplikativ Streuung Das Wir brauchen Zu sauber hoch.
Also Lass uns gehen zurück Zu unser Daten Tisch
Und gehen Zu ein anderer Analyse Schritt.
Lass uns gehen Zu a multivariat Verfahren.
Lass uns gehen Zu Rektor Komponenten.
Wieder, Also ziehen alle unser Wellenlängen In.
Sag okay.
Und Die Ding I wollen Du Zu Notiz Hier Ist Das
Wir haben manche 404 Wellenlängen
Sind alle gruppiert Rechts um Das wenig Bereich Rechts Hier.
Das Ist hoch korreliert Daten.
Wir könnte bauen a Modell aus von Das,
Aber Es Mai nicht Sei Die am besten.
Weil war gehen Zu Sei einschließlich Wellenlängen Das Sind nicht von Bedeutung
Weil von Die hoch Korrelation.
Also Also sauber Das hoch In a wenig bisschen.
Krank zeigen Du Wie Zu sauber Das hoch In a wenig bisschen.
Und als a Gegenstand von Tatsache, Lass uns gehen Zu Das Schritt Rechts Jetzt.
Lass uns gehen zurück über Hier Und gehen Zu Analysieren,
Spezialisiert Modellieren.
Und war gehen Zu gehen Zu Funktionell D Minuten Forscher.
Und Lass uns erhalten Das Satz hoch Erste, Und Krank erzählen Du mehr um Es.
Lasst uns unsere Wellenlänge Dort,
Wir haben unser aktiv Bestandteil, welche Ist a ergänzend Variable.
Und Dann unser AUSWEIS Funktion. Dort Wir gehen.
Sag okay.
So wie es ist Funktionen. Lassen Mich Tun Das wieder.
Aktiv Bestandteil Und unser Wellenlängen.
Das Art von Aussehen wie Was Wir gesehen vor In Graph Bauherr
und wir wollen Zu sauber Das hoch.
Also wir haben bekommen diese neu Registerkarten In J Abgeordneter Pro 17 für Funktionell Daten Forscher.
Spektral Ist eins von Die Tabs.
Und Dann, als Wir gesprochen vor, Wir haben Standard Normal VERSCHIEDEN
multiplikativ Streuung, Savitzy-Golay Und Ausgangswert Korrektur.
Ich bin gehen Zu wählen Die Standard Normalvariable zuerst
Zu Reinigung Das hoch.
Und Dann Du dürfen sehen Die Ausgangswert Ist a wenig wackelig Hier.
Lass uns sauber Das hoch, nehmen Das nächste Schritt,
Und Dann gehen voraus Und sagen Okay.
Und Jetzt wir haben bekommen Das Satz hoch.
Es Aussehen a viel besser, a viel Reiniger.
Und Jetzt Die nächste Schritt würde Sei Zu Modell Das.
War gehen Zu verwenden ein anderer neu Funktion In Funktionaler Daten-Explorer
angerufen Wavelets.
Es ist Wavelet Modellieren Hier.
Und Du dürfen sehen runter Hier Das unser Modell hat gewesen gebaut,
Und war erklären a viel von Die Variation mit um
fünf funktional Prinzip Komponenten.
Aber Wenn Du sehen bei diese, war erklären Die Form mit unser Form Funktionen.
Das ist Wo unser Eigenwerte kommen hinein.
Das Ist Wirklich Nur a Hübsch Weg Zu sehen bei Die Daten
Und machen Sicher Das unser Spektren sind Sein Also modelliert.
Als I sagte, wir haben bekommen
fünf Form Funktionen Das Sind erklären Dinge Wirklich Also.
Also Lass uns sauber Das hoch a wenig bisschen Und ziehen Das zurück,
machen unser Modell a wenig einfacher.
Wir Gewohnheit gehen alle Die Weg zurück Zu fünf, Aber Also verlassen Es bei 10 für Jetzt.
Du dürfen sehen bei Die Punktzahl Diagramme.
Da ist Trotzdem manche Streuung Hier In Die Daten,
Aber Also sauber Das hoch In a zweite.
Und Dann eins von Die andere Schritte Du wollen Zu nehmen Pflege Ist Zu Tun a Wavelet Modell.
Das Ist neu In JMP 17, Das Wavelet Analyse.
Und Was Das Ist Wirklich alle um Ist Suche für
dürfen Wir finden Die wichtig Wellenlängen
Das Sind gehen Zu geben uns a verräterisches Zeichen von was ist gehen An mit Die Daten.
Und Was Ich bin Suche für, besonders mit Die Spektren,
Ist etwas Wo I dürfen sehen a Schicht In Die Ausgangswert.
Und I dürfen sehen Das wir haben bekommen a Gut Schicht In Die Ausgangswert
Und a Gruppierung von spektral Wellenlängen um 88 20 Zu Vielleicht 88 50.
Also Das ist Die wichtig Teil Hier.
Also Wir erhalten ein Idee von Was Die wichtig Wellenlängen Sind.
Alle Die Daten Das I hatte Erledigt hoch Hier vor,
lassen Mich ziehen Das zurück,
Die Vor- Verarbeitung Das I hatte Erledigt vor,
I wollen Zu speichern Das Daten aus Und Tun manche Analyse An Es.
Also Ich bin gehen Zu gehen Hier Zu Die Funktionell Daten Forscher,
wählen Speichern Daten.
Das Ist gehen Zu Sei a neu Daten Satz,
Und Jetzt wir haben bekommen Zu Tun manche arbeiten mit Das Daten Und sauber Es hoch
Und machen Sicher war bereit Zu gehen.
I wollen Zu Tun a Transponieren.
Transponieren UND. X Ist unser Etikett.
Und diese zwei fallen hinein [unverständlich 00:13:38] .
Sehen Wenn Wir bekommen Das Rechts, Okay, dann drücken wir auf „Okay“.
Und Ja.
Also wir haben gereinigt Das Tisch hoch, wir haben genommen diese 300 Spektren,
Und Dann wir haben transponiert ihnen hinein ein anderer Daten Tisch.
Das Ist alle Die Vor- verarbeitet Daten,
Also war gehen Zu Tun a wenige mehr Dinge Zu Das
Zu zeigen Wo Das Vor- Verarbeitung hat Wirklich gereinigt hoch Die Daten
Und Wo Wir dürfen bauen manche Modelle mit Es.
Also lassen Mich erhalten loswerden von Das Spalte.
Alle Rechts, Und bereit Zu gehen.
Also war gehen Zu Tun Die Dasselbe Ding Das Wir tat vor.
Lass uns gehen Zu Analysieren, Hierarchisch Clustering.
Eigentlich, lassen Mich nehmen a Schritt zurück Hier real schnell.
Hier möchte ich gruppieren diese Spalten Zu machen Dinge a viel Einfacher.
Also Gruppe diese Spalten Und Lass uns gehen zurück Zu Wo Wir war.
Lass uns gehen Zu Analysieren, hierarchisch Clustering,
ziehen unser Spalten In, sagen, Okay.
Also Tun Die Dasselbe Ding Wir tat vor, Also sehen bei drei anders Cluster,
Und Farbe diese Cluster.
Das Wille Sei a schnell Vergleich,
Aber Wenn Du sehen bei Was Wir tat vor bis Was wir haben bekommen Jetzt,
wir haben bekommen a viel enger Cluster.
Und diese Genau genommen Sind hübsch Also zerstreut.
Sie sind hübsch sogar.
Diese Cluster Sind ziemlich sogar Rechts Jetzt.
Lass uns gehen zurück Zu unser Daten Tisch.
Lass uns gehen zurück Zu unser Graph Bauherr
Und ziehen unser Wellenlängen In wieder, Wir tat vor.
War gehen Zu machen a parallel Handlung aus von Das wieder.
Es tut es nicht sehen Großartig Rechts Jetzt, Aber Lass uns Rechts- klicken Hier,
Los geht Zu kombiniert Waage, parallel zusammengeführt.
Und Jetzt Du sehen Das Die Daten Ist Wirklich gereinigt hoch
Wo Wir tat Das Vor- Verarbeitung hat genommen Dinge Zu...
Sie sehen a viel besser.
Lass uns sehen Wenn Wir dürfen vergleichen das hier.
Was Wir hatte vor, Und Was Wir haben Jetzt.
Also wir haben bekommen Das Daten viel Reiniger.
Beliebig Analyse Das Wir Tun aus Hier sollen Sei viel besser.
Also Lass uns gehen zurück Zu Analysieren,
Multivariate M Methoden, Prinzip Komponenten.
Ziehen Sie unsere Wellenlängen In.
Sag okay.
Und Jetzt wir haben genommen Das Daten
Und wir haben gebrochen Das Korrelation Struktur Das Wir hatte vor.
Das Ist momentan nach Vor- Verarbeitung,
Das Ist Was Wir hatte vor.
Nur Zu zeigen Du Die Unterschied.
Also wir haben Wirklich sauber Dinge hoch.
Jetzt heiraten wollen Zu nehmen Vielleicht eins mehr Schritt In Die Analyse.
Analysieren wir, gehen wir zu Qualität Und Verfahren
Modell- angetrieben Multivariat Kontrolle Diagramme.
War Nur Suche für Vielleicht manche ungewöhnlich Verhalten In Hier.
In Das Fall, es ist basierend An Die Rektor Komponenten.
Sag okay.
Und Das Ist Suche bei zwei Rektor Komponenten.
Du kannst sehen Das da ist manche Potenzial Ausreißer Hier.
Aber Das Ist spektral Daten, war nicht gehen Zu erhalten loswerden von irgendetwas.
Wir Nur wollen Zu Art von Sicht Das.
Und eins andere Ding Wir wollen Zu sehen bei Ist Zu gehen Zu Monitor Die Verfahren,
war gehen Zu sehen bei Punktzahl Diagramme.
Und Jetzt Wir dürfen sehen bei unser Untergruppierung runter Hier
Und Wir dürfen Genau genommen vergleichen diese Gruppen.
Ich bin gehen Zu ziehen hoch a Werkzeug Hier, im Verfall Werkzeug.
Ich bin gehen Zu Tun Mein am besten Zu Gruppe diese, a Paar von diese.
Das ist gehen Zu Sei Mein Gruppe A.
A und Ich bin wird Tun ein anderer Lasso Hier.
Also Nur verlassen Das als Ist Und gehen Dort.
Wir griff eins von Die falsch eins, Aber Ich denke, wir werden Sei Okay.
Und Jetzt Wir dürfen vergleichen Wo war Sehen Unterschiede In Die Spektren
für diese zwei Untergruppen.
Und da ich War sagen vor Wenn Wir sah Rechts In Hier,
diese Wellenlängen Sind In irgendwo In Das 8800 Reichweite,
Und Dann Wir dürfen sehen Das da ist a real Unterschied Dort.
O Ist mehr Ding Wir wollen Zu Tun, Und Das Ist Die zuletzt Schritt.
Was Ausweis gezeigt vor, Ausweis Erledigt Modell Screening
Und I wollen Zu Tun Modell Screening wieder.
I gehen Zu Analysieren, Vorhersage Modellieren, Modell Screening.
War gehen Zu Satz Das hoch, war gehen Zu Tun unser aktiv.
Das ist unser Antwort Das war versuchen Zu Modell,
Und war gehen Zu verwenden unser Wellenlängen Zu bauen Das Modell aus.
Ich bin gehen Zu sauber Das hoch a wenig bisschen.
Wir nicht brauchen alle diese anders Modellieren Typen.
War gehen Zu ziehen Das aus.
Aber Die Hübsch Ding um Das Ist I dürfen bauen alle diese Modelle bei einmal
Und Wirklich finden aus was ist Die am besten Modellieren Ansatz Zu nehmen mit Das Daten.
Das brauche ich nicht. Das brauche ich nicht.
Lass uns hinzufügen diese.
Eins Ding Ich bin nicht geht nach Tun für Zeit willen
Ist Ich bin nicht geht nach hinzufügen beliebig kreuzen- Validierung.
Wenn Wir nehmen Das hinein Konto,
es wird Genau genommen laufen a viel länger.
Aber als Du wirst sehen, Das Ist gehen Zu Sei ziemlich schnell.
Ich bin gehen Zu gehen voraus Und sagen Okay.
Und als Das Ist geht Nur sprechen a wenig bisschen mehr um Was war Sehen.
War Gebäude aus diese Modelle.
Du dürfen sehen es ist Schritte durch.
Und Lass uns sehen In um ein anderer wenige Sekunden Hier ist es sollen Sei Erledigt.
Dort Wir gehen.
Nehmen a wenig länger.
Dort Wir gehen.
Basierend An Was I sagte,
I tat es nicht verwenden beliebig Validierung, Aber neuronal erfordert Es.
Also Das ist Die Validierungen Das Du sehen Dort.
Aber gesamt, Wir erhalten a Wirklich Gut Idee
XG Schub Ist gehen Zu Sei Die am besten Modell Zu fit Das Daten.
Wir könnte verwenden beliebig von diese andere,
Weil sie sind alle Wirklich Gut Modelle als Also.
Aber Du erhalten Zu wählen, wählen eins, Lass uns sagen teilweise Quadrate.
Weil Das ist Die gehen- Zu Analyse Verfahren für spektral Daten Trotzdem.
Aber wir haben bekommen Das.
Wir dürfen sagen laufen, ausgewählt,
Und füllen aus Das Modell Und finden aus, dürfen Wir machen Es sogar besser?
Hoffentlich Was Ich habe Erledigt Und zeigte Du Ist Das Wir dürfen bauen diese...
Lassen Mich ziehen Das zurück Zu unser Anfang Hier.
Nur ein paar Schritte.
Das Ist unser Arbeitsablauf Und Ich habe hinzugefügt diese Schritte.
Also wir haben bekommen Das Tisch Das war Arbeiten mit.
Wir freigegeben Die Rohzustände . Wir Transponieren Die Daten.
Irgendetwas Das Wir geschlossen aus Ist Jetzt Teil von Das Arbeitsablauf.
Also Wir weitermachen Zu bauen Das Arbeitsablauf.
Eins Ding Krank sagen Ist Das
I würde typischerweise nicht bauen a Workflow innen a Projekt,
Aber Nur Das heißt, es ist nichts anderes als das, was man erwarten würde. Du Das Es dürfen Sei Erledigt.
Lassen Mich gehen zurück Zu Mein gleiten hier und teilen.
Drehen wir das Ganze mal um.
Eins mehr Schritt Hier.
Ich einfach wollen Zu sagen Dank Du Zu a wenige Menschen.
Jeremy Asche, wer ist NEIN länger bei JMP, Aber er ist a Großartig Inspiration für Das.
Markieren Bailey hat gewesen a Großartig helfen.
Ryan Parker Und Ton Barker haben Erledigt Wirklich fantastisch Dinge
mit Genre Und Funktionell Daten Forscher.
Chris Gottalt hat gewesen Wirklich hilfreich In bekommen Dinge Satz hoch.
Und Dann Mein Stevens hat gewesen a real unterstützend Person
In Portion Mich bauen Die spektral Analyse aus innerhalb JMP.
Also I Wirklich anerkennen alles Und Das Krank sagen Dank Du.
Das ist Es.
