你好， 我的 姓名 是 塔纳兹 泰索莱曼。 今天， 我是 去 到 讲话 关于 一个 应用 的 JMP 数据 分析 平台 为了 药物 行业。 这 重点 的 这 推介会 是 去 到 是 在 如何 我们 能 得到 更多的 叉- 等级 洞察力 使用 更聪明 实验设计 美国能源部 和 然后 如何 我们 能 分析 它 更好的 在 命令 到 寻找 最佳 过程 设置 为了 具体来说， 为了 例子， 药物 行业。
但 什么 做 I 意思是 的 叉- 等级 洞察力？ 到 得到 到 那， 让 我 解释 这 案件 故事 那 我们 有 完毕 和 一 的 我们的 顾客。 那 他们 是 在 这 阶段 的 过程 发展 a 疫苗 生产， 和 他们 通缉 到 描述 这 过程。 如果 是 去 到 划分 这 不同的 阶段 的 疫苗 生产 和 这 过程。 我们 能 分裂 它 进入 二 主要的 阶段 的 上游 和 下游。
这 上游 阶段 是 这 阶段 那 他们 感染 这 主持人 细胞 和 a 有限的 数字 的 病毒 和 然后 保持 它 在下面 a 受控 环境 和 在下面 具体的 过程 状况 为了 这 病毒 到 生长 和 这 人口 到达 这 目标 等级。 后 那， 他们 有 到 移动 这 材料 到 这 下一个 单元。 我们 称呼 它 下游 单元 为了 纯化 和 这 配方 到 制作 这 疫苗 准备好 为了 这 注射 和 去 出去 到 这 市场。
这 顾客 是 聚焦 在 这 过程 发展 的 这些 二 阶段， 意义 那 他们 需要 到 描述 这 过程。 在 命令 到 做 那， 他们 需要 到 确认 是什么 这 最多 重要的 参数 为了 每个 的 这些 单位， 两个都 上游 和 下游 使用 实验设计。 T 母鸡 后 那， 收集 这 数据 到 是 有能力的 到 模型 这 过程 为了 每个 个人 单元， 和 然后 使用 这 模型 到 寻找 这 最佳 强壮的 环境 为了 每个 的 他们。
它是 a 非常 典型的 任务 之内 这 生物产业 到 分裂 这 过程 进入 主要的 单位 和 然后 描述 每个 单元 单独地。 M 最 的 这 案例， 这 特征描述 是 不是 影响 经过 每个 其他。 所以 他们 是 完全地 独立的 任务 和 实验设计。
保持 这 在 头脑， 这 议程 的 这 讲话 是 去 到 是 在 如何 我们 能 制作 这些 做 更多的 描述性的 和 更多的 综合的 到 有 这 最高 或者 更多的 信息 关于 不同的 级别 的 这 过程， 和 然后 然后， 如何 我们 能 使用 JMP 数据 分析 平台 到 第一的 模型 这 数据 和 然后 使用 这 模型 到 优化 这 过程。
我们开始吧 开始 和 这 实验设计 为了 这 具体的 案件 研究。W e 开始 和 实际上 跑步 一些 研讨会 和 这 团队 未来 从 两个都 上游 和 还 下游。 T 母鸡 我们 有 一些 研讨会 到 只是 计算 出去 什么 是 这 最多 重要的 因素 或者 参数 在 他们的 过程。
我们 可以 容易地 看， 在 这 第一的 瞥了一眼， 那 我们 是 结束 向上 到 a 非常 高的 数字 的 因素 那 几乎 它是 不可能的 或者 它是 出去 的 这 预算 到 跑步 这样的 a 大的 实验设计。 W e 有 到 狭窄的 它 向下 和 开始 得分 每个 的 这些 参数 基于 在 这 重要性 和 如何 很多 他们 各不相同 之内 a 普通的 生产 和 然后 如何 它 会 是 这 舒适 的 改变 为了 每个 的 这些 因素。 W e 可以 分数 它 第一的 和 然后 狭窄的 这 数字 的 范围 到 八 为了 每个 的 这些 单位。
后 那， 我们 可以 容易地 还 之内 那 车间， 可以 看 这 高的 影响 的， 为了 例子， 上游 结果 在 这 下游 单元 只是 因为 这些 二 单位 是 高度 连接 一起 和 他们 能 容易地 影响 每个 其他。 意义 那 如果 他们 通缉 到 描述 a 下游 分别地 和 寻找 这 最佳 环境， 最多 大概 它 不能 工作 作为 最佳 作为 他们 预期的 因为 它 能 高度 影响 经过 这 结果 的 上游 单元。
它是 更好的 到 有 它 反而 的 二 个人 或者 独立的 实验设计， 拥有 a 联合的 美国能源部 覆盖 两个都 侧面 一起 和 还 封面 这 相互作用。 那 给予 我们 a 非常 好的 叉- 因素 概述 之内 我们的 实验设计 和 帮助 还 在 这 相同的 时间 到 最小化 这 数字 的 跑步 那 他们 制作。 A 也 获得 也 很多 更好的 随机化 因素 为了 我们的 跑， 的 课程， 在下面 实际的 监督。
如何 我们 有 完毕 这 理论？ 前 I 跳 到 这 演示 那 I 通缉 到 展示 你， 让 我 给 你 一些 信息 关于 这 局限性 那 我们 有 在 这 理论。 F 第一 的 全部， 每个 上游 批 可以 直接地 去 到 一 下游 批。 但 在 这 下游， 他们 有 这 可能性 到 跑步 二 反应堆 在 平行线 到 增加 这 容量 的 下游。
但 这 最大 局限性 他们 有 在 这 下游 曾是 那 什么时候 他们 是 跑步 那些 平行线 反应堆 二 的 这 设计 因素 有 到 是 放 这 相同的 为了 那些 二 平行线 反应堆。 为了 例子， 在 这 案件， 他们 有 到 保持 这 酶 时间 和 抓住 向上 时间 在 这 下游 持续的 在 两个都 平行线 反应堆。
然后 还 它 曾是 非常 重要的 到 有 a 恰当的 时间 规划 之间 上游 和 下游， 意义 那 他们 不能 有 a 大的 落后 从 这 精加工 的 这 上游 批 直到 它 到达 到 这 下游 批。
还 之间 这些 二 阶段， 我们 可以 确认 a 因素 称为 最初的 细胞 密度 那 是 大多 未来 从 上游， 那 它 曾是 a 常见的 因素 之间 这些 二 单位。 W e 称呼 它 作为 a 一对 因素 到 加入 这些 二 做 和 连接 这些 二 做 进入 一 复杂的 一。
到 开始 那， 我们 还 需要 到 理解， 好的， 什么 是 这 最低限度 数字 的 上游 批次 或者 下游 批次 我们 需要？ S 薄的， 作为 你 能 看 这里， 他们 两个都 有 八 设计 因素， 但 自从 这 下游 过程 有 这 额外的 局限性 在 我们的 设计， 那 会 是 这 一 控制 这 最低限度 数字 的 实验。 那是 为什么 I 开始 这 美国能源部 经过 寻找 在 这 下游 过程。
我们开始吧 有 a 看 在 这 演示。 作为 你 能 看 这里， 这些 是 这 设计 因素 那 我们 有 为了 这 下游 单元。 I 想 到 知道 如何 许多 最低限度， 如何 许多 实验 或者 徽章 做 I 需要 从 上游 到 是 有能力的 到 覆盖 全部 这 必需的 徽章 或者 实验 I 跑步 在 我的 做。
开始 和 风俗 设计， 然后 I 能 加载 我的 因素。 这些 是 全部 因素 那 I 有 为了 下游。 加 I 需要 到 添加 我的 最初的 细胞 密度， 这 部分 因素 那 来 从 上游 批次。 作为 你 能 看 这里， 几乎 全部 的 这些 因素， 这 变化 是 放 作为 简单的 除了 这 耽误 时间 和 还 酶 时间， 哪个 是 这 二 因素 那 I 想 到 保持 他们 相似的 为了 这 二 跑步 批次 在 平行线。
和 这 环境， I 能 是 当然 那 那些 批次 是 放 到 有 这 相同的 抓住 向上 时间 和 酶 时间。 而且， 我是 感兴趣的 在 这 主要的 影响 在 我的 模型 和 这 互动。 我们开始吧 有 a 看 这里。 作为 你 能 看， 一些 的 他们， 这 互动 是 放 在 如果 可能的， 哪个 I 想 到 有 他们 作为 必要的。 和 我们 是 好的 这里。
作为 你 能 看 这里， JMP 建议 我 那 你 需要 最低限度 19 实验 在 a 下游 到 覆盖 为了 这些 互动。 T o 是 安全的， 我们 总是 想 到 有 一 最低限度 额外的 在 顶部。 T 有 给予 我 20 实验 或者 20 上游 批 作为 这 最低限度 开始 观点 为了 上游。
好的， 然后 我们来吧 有 a 看 在 我的 上游。 这些 是 我的 上游 因素 和 I 能 加载 它 在 我的 风俗 设计。 I 是 还 这里 感兴趣的 在 二 互动。 S 薄的 我们 说 那 我们 想 到 有 20 上游 实验， I 能 指定 作为 a 用户 如何 许多 实验 I 想。 T 母鸡 I 能 制作 这 设计 经过 紧迫 这 一。
到 节省 这 时间， I 已经 已保存 这 设计 和 让 我 带来 它 向上 这里。 这 是 这 实验 设计 为了 我的 上游 在 这 第一的 等级。 现在， I 想 到 使用 这 设计 到 设计 我的 下游 实验。 到 做 那， I 去 后退 到 我的 设计 因素 为了 下游。 A 获得， 风俗 设计。 I 将要 加载 我的 因素 作为 I 想 他们 到 是。
N 哦， I 想 到 包括 这 设计 实验 为了 上游 在 我的 实验。 如何 I 做 那 是 那 I 第一的 选择 那 设计 窗户 和 然后 I 能 就这么叫它。 I 能 选择 这 相干 因素， 和 然后 进口 那 实验 还 在 我的 设计。 A s 你 能 看 这里， 这些 是 这 实验 那 曾是 设计 为了 这 上游， 和 他们 是 放 作为 a 协变量 .
更多的 比 步 是 那 I 想 到 有 全部 我的 下游 参数 加 我的 最初的 放 密度。 I 想 到 看 在 他们 还 在 相互作用 模式。 但 这 因素 那 来 从 上游， I 保持 他们 作为 a 主要的 影响。 作为 你 能 看 这里， 那里 是 一些 仍然 在 如果 可能的， I 需要 到 是 当然 那 他们 是 放 作为 a 必要的 一。
然后 自从 I 已经 包括 a 设计 实验， 然后 I 能 排除 这 因素 那 I 有 从 上游。 或许 I 能 只是 消除 他们 全部 这里 再次。 添加 这 主要的 因素， 这 第二 命令， 和 然后 这 因素 从 上游 仅有的 作为 a 主要的 因素。
然后 I 能 选择 他们。 如果 I 去 向上 这里 和 说 灌注 速度， 这 一， 这 一， 和 这 一， 这些 是 这 因素 是 未来 从 我的 上游， 和 I 能 放 他们 作为 如果 可能的。 只是 到 是 当然 那 I 有 一切 包括 在 这 一 和 这 一 有 到 是 还 如果 可能的。 I 不 需要 到 力量 它 在 这 设计 不再 因为 它是 已经 包括 那里。 现在， I 能 放 它 到 有 10 所有的 图表 和 20 跑步 这里 和 制作 这 设计。
到 节省 这 时间 再次， I 有 制成 这 设计 和 这 会 是 这 结果。 现在 这里 I 有 a 合并 美国能源部 两个都 上游 和 下游。 这 好的 部分 关于 它 是 那 现在 I 有 a 柱子 称为 所有的 阴谋 那 它 说道 那 为了 这 相同的 数字， 意义 那 它 说道 那 每个 平行线 单元， I 有 a 固定的 耽误 时间 和 这 酶 时间。
作为 你 能 看 这里 那 它 变化， 它 保持 持续的 之间 每个 二 对。 我是 结合 两个都 设计 上游 和 下游 现在 进入 一 单元。 然后 I 能 还 优先考虑 哪个 上游 单元 有 到 是 跑步 第一的 到 是 有能力的 到 保持 这 时间 平衡 之间 这 上游和 下游， 和 还 有 所以 很多 灵活性 在 保持 这 状况 固定的 之间 这 平行线 专家。 这 可以 给 我 a 非常 好的 概述 的 两个都 等级 和 然后 两个都 阶段 一起。
我们开始吧 去 后退 到 这 幻灯片。 N 现在 我们 有 a 好的 实验设计 覆盖 两个都 阶段。 现在 我们来吧 有 a 看 如何 我们 能 做 这 分析 一起。 但 到 节省 这 时间， 我是 去 到 仅有的 看 在 这 上游 过程 和 看 在 这 数据。 T 他 目的 是 那 现在 I 想 到 模型 这 生长 阶段 的 这 病毒 在 这 上游 和 使用 这 动力学 造型。
然后 后 I 寻找 那 模型， 然后 I 能 寻找 这 最佳的 过程 状况 为了 上游。 如何 能 使用 这 功能 建造 向上 在 JMP？ T 他的 是 我的 数据 放 在 这 片刻， 它是 a 归一化 数据 放 那 我们 有。 A s 你 能 看 这里， 这 是 这 数据 那 我们 集 期间 这 实验。 它 曾是 30 不同的 批次。
T 母鸡 我们 跑 不同的 流程 和 我们 监测 这 生长 阶段 的 病毒 超过 不同的 天 和 不同的 状况。 和 然后 我们 可以 看 如何 这 病毒 人口 建造 向上。 U 荣誉 一些 状况 后 a 尽管， 这 病毒 人口 开始 到 降级 或者 去 到 这 死的 空间。
N 现在 我们 想 到 描述或建模 这 轮廓 或者 这 生长 阶段 的 这 病毒 到 是 有能力的 到 预测， 好的， 什么 会 是 这 最好的 组合 的 细胞， 病毒， 这 环境的 健康）状况， 和 还 如何 许多 天 做 我们 需要 到 跑步 在 这 上游？
到 做 那， JMP 有 a 非常 好的 特征 在 这 专门 造型 和 合身 曲线。 I 能 放 和， 这 屈服 是 这 病毒 专注 或者 人口 超过 时间， 作为 和。 X 作为 我的 天 和 这 批 数字 和 这 因素 那 是 控制 我的 过程， 哪个 是 这 孵化器， 这 温度 和 这 最初的 病毒 专注 在 这 对数 规模。
拟合曲线 给予 我 a 非常 好的 最初的 概述 的 如何 每个 的 这些 批次 建造 向上 超过 时间 单独地。 但 然后 现在 I 想 到 模型 这些 批次 或者 这些 特征， 这 动力学 模型。 我们 有 a 非常 好的 选项 这里 在 JMP 那就是 称为 指数 生长 和 衰变 和 然后 合身 细胞 生长。 所以 它是 a 内置- 在 图书馆 那 你 能 容易地 选择 和 然后 你 能 合身 a 物流 生长 模型 到 你的 轮廓。
作为 你 能 看 这里， 这 细胞 生长 模型 尝试 到 合身 这 功能 到 每个 的 我的 曲线， 覆盖 的 Y0 , 哪个 是 最初的 病毒 专注， YM 斧头 是 这 最大限度 达到 病毒 专注， 和 然后 分配 速度 和 然后 死亡 速度。 T 母鸡 它 给予 你 a 好的 概括 的 每个 的 这些 批次， 和 这 是 这 有效的 发展 的 每个 的 这些 范围 为了 每个 的 这 批次。
但 然后 I 想 到 有 一 额外的 更远， 只是 计算 出去 如何 是 这 过程 范围 影响 每个 的 我的 因素 这里。 T 母鸡 在 专业版 版本 的 JMP， 那里 是 a 非常 好的 选项 称为 曲线 美国能源部 A 分析 那 给予 你 这 选项 到 分析 什么 因素 影响 每个 的 我的 过程 范围 的 YM 斧头， 为了 例子， 分配 比率 或者 死亡 速度 或者 所以 在。
作为 你 能 看 这里， 它 给予 你 a 合并 窗户 那 为了 每个 的 这些 四 参数， 它 给予 你 a 可能性 到 使用 这 广义 回归和 然后 尝试 到 分析 或者 模型 每个 的 他们 单独地。 作为 一个 例子， 你 看 那 为了 YM 斧头，我 能 看 这 温度 和 最初的 病毒 专注 有 a 重要的 影响 和 孵化器 是 不是 在职的 相似的。 你 真的 得到 a 好的 概述 的 这 不同的 参数 和 东西。
或者 如果 I 去 为了 死亡， I 看 在 这 Profiler， I 看 还 如何 会 是 这 影响 的 这些 二 因素 在 每个 的 这 孵化器， 为了 例子。 它 有 a 非常 好的 用户 界面 到 结合 全部 这些 分析 一起 和 给予 你 a 非常 好的 概述 的 不同的 因素 和 他们的 影响 在 我的 过程。
但 还 给予 你 a 好的 分析器 在 这 底部 这里 那 给予 你 好的 信息 关于， 好的， 如果 I 改变 我的 培养箱 和 温度 和 我的 最初的 病毒 专注， 如何 做 它 影响 我的 屈服？ T 母鸡 如果 我打算这么做，因为 例子， 抵达 到 我的 目标 之内 一半 a 天， 如何 应该 是 我的 过程 健康）状况？ T 母鸡 I 能 容易地 使用 这 期望值 功能 这里 和 最大化 它。
什么 I 能 看 这里， 如果 I 想 到 抵达 我的 目标 和 得到 这 最大限度 病毒 专注 之内 一半 a 天， I 有 到 开始 和 这 最高 最初的 病毒 专注 和 最高 温度。虽然我 f I 给 它 更多的 时间 和， 为了 例子， 说 那 它是 美好的， I 能 跑步 我的 上游 和 二 和 a 一半 天， 然后 这 情况 会 是 不同的。
你 会 说 那， 好的， 到 得到 这 更高 屈服， 你 需要 到 开始 和 这 降低 细胞 密度 或者 病毒 密度， 和 然后 病毒 那 喜欢 那 高的 温度。 那是 为什么 你 应该 去 和 a 降低 温度。 它是 a 非常 好的 直觉的 方式 到 只是 玩 大约 和 不同的 因素 和 然后 基于 在 这 能见度 的 你的 系统 和 还 这 实用性 那 你 有 在 你的 过程， 然后 你 能 美好的 调 和 寻找 这 最佳 强壮的 过程 健康）状况。
这 是 极好的。 但 这 最大 问题 那 I 有 和 这 曲线 美国能源部 分析 是 那 我是 丢失的 一些 非常 好的 功能 在 这 标准 造型 部分 的 它， 哪个 如果 I 去 为了 诊断 阴谋， 为了 例子， 我是 丢失的 这 数字化 残余 阴谋 那 帮助 我 到 寻找 外 是， 哪个 I 不能 确认 如果 I 做 有 外 是 这里 或不。
或者 如果 I 做 需要 到 申请 一些 转型 喜欢 p 很多 转型 或者 所以。 I 真的 错过 那些 功能 在 这 部分， 但 I 仍然 有 一个 选项 到 补偿 那 丢失的 和 提取 这 概括 出去 和 然后 尝试 到 模型 每个 的 这些 参数 单独地。 但 我们来吧 做 那。
I 提取 那 范围， 作为 你 能 看 这里， 这 团体 概括 范围， 和 I 提取 他们， 和 然后 I 额外 到 我的 数据 桌子。 现在 I 能 有 a 看 在 每个 的 他们 单独 和 制作 这 分析 以及 到 只是 计算 出去。
为了 例子， I 将要 去 为了 Y0 , 和 然后 你 有 这 选项， 如果 I 去 这里， 到 只是 申请 你的 自己的 常规 的 造型 和 然后 包括 全部 这 因素 和 使用 广义 回归 和 然后 移动 在 和 计算 出去 如果 你 需要， 为了 例子， 到 申请 它 在 转型 或者 消除 任何 异常值。 然后， 为了 例子， 如果 I 看 在 这 一， 如果 I 看 在 YMax 模型 和 I 尝试 到 模型 它 在 a 普通的 常规， I 能 看 那， 为了 例子， I 做 有 一 出去 说谎者 那 I 有 到 消除 它。
或者 为了 例子， I 需要 到 申请 一些 转型 在 我的 数据 到 清除 它 出去 第一的 和 还 到 制作 它 更多的 归一化 和 然后 包括 它 在 我的... 然后 移动 在 和 我的 休息 的 这 分析。 但 然后 如果 I 比较 这里， 为了 例子， 现在 I 想 到 消除 这 异常值 这里。
现在 我是 移除 这 异常值 这里。 然后 I 看 那 I 不 需要 任何 更多的 图表 曲线 转型 后 移除 这 异常值。 什么 I 看 这里， 这 是 去 到 是 这 轮廓 从 a 普通的 或者 标准 方法 的 造型 的 每个 的 这 参数。 尽管 如果 I 来 后退 到 这 部分， I 曾是 丢失的 那 分析 和 所以， 什么 I 可以 得到 出去 的 它 曾是 这样的 a 分析器 因为 I 仍然 有 我的 异常值 在 这 数据 放 和 I 不能 看 就是。 母鸡 它 曾是 未来 和 某物 别的。
如果 I 做 这 第一的， I 做 我的 最初的 检查 和 然后 I 能 来 后退 这里 在 我的 图片 和 然后， 为了 例子， I 能 申请... I 第一的 需要 到 消除 这 再次， 关于 移动 合身。 和 然后， 为了 例子， I 能 申请 我的 当地的 数据 筛选 和 排除 我的 异常值 和 然后 做 这 造型 部分 的 它。 和 然后， 为了 例子， 和 移动 和 这 其他 部分。
I 有 这 选项 到 做 这。 和 的 课程， I 做 有 这 选项 到 力量 因素 在 模型 发射， 作为 那就是 受控 和 力量 学期， 到 力量 一些 因素 那 I 可以 看 在 我的 以前的 分析 那 I 有 到 有 它。 到 开始 和。 I 有 这些 二 选项 到 补偿 为了 这 丢失的 诊断 部分 在 这 分析。
但 在 一般的， 那就是 a 完美的 工具 到 有 a 非常 好的 概述 关于 什么 可以 是 这 潜在的 因素 影响 在 我的 过程。
好的。 到 总结 如何 我们 能 使用 这 功能性， 作为 你 能 看 这里， 我们 开始 和 配件 a 曲线， 和 然后 我们 提取 这 模型 范围， 和 然后 我们 可以 调查 每个 的 那些 范围 单独地 和 然后 任何一个 我们 力量 这 重要的 因素 在 这 合身 曲线， 或者 排除 这 异常值， 和 还 只是 预先 申请 任何 转型 那 是 需要 和 然后 你 能 得到 a 合并 概述 作为 这样的 在 这 合身 模型。 这 去 到 是 a 非常 好的 分析和 a 非常 有用 包裹 的 功能 为了 我们的 案件。
到 总结， 什么 我们 有 完毕 是 那 I 真的 通缉 到 强调， 第一的 的 全部， 它是 非常 重要的 到 知道 这 复杂 的 这 系统， 尤其 什么时候 我们 有 相互影响 和 一些 不同的 等级 的 流程 那 他们 是 互动 部分 一起 前 移动 在 为了 一些 做 那 他们 是 独立 在职的 和 他们 是 独立 用过的 到 描述 这 系统。
尝试 到 结合 这些 做 进入 一 相干 一 因为 它 真的 给予 你 a 好的 概述 的 多- 层 互动 和 还 给予 你 a 很多 的 信息 那 你 错过 在 实践 如果 你 跑步 一些 独立的 做。
然后 JMP 还 给予 你 a 很多 的 灵活性 在 建筑 向上 这些 做 和 还 实施 a 很多 的 实用性 信息 在 你的 做。 T 母鸡 在 这 结尾 还， 我们 可以 看 那 如何 不同的 数据 分析 功能和 还 建造 在 图书馆 可以 帮助 到 描述 这 不同的 过程， 具体来说， 为了 例子， 在 这 案件， 它 曾是 这 自己- 生长 过程， 和 如何 我们 能 使用 一些 非常 强大的 工具， 尤其 在 JMP 专业版 和 还 如何 我们 能 相互影响 和 其他 标准应用 那 你 有 在 JMP 到 补偿 为了 一些 丢失的 特征 在 这 JMP 专业版 先进的 分析 工具箱。 和 那， I 想 到 感谢 你 所以 很多 为了 你的 注意力 和 I 希望 你 喜欢 这 推介会。
