Hola, mi nombre es Tannaz Taysoleiman. Hoy, Soy yendo a hablar acerca de un solicitud de JMP datos análisis plataforma para farmacéutico industria. El enfocar de este presentación es yendo a ser en cómo nosotros poder conseguir más cruz- nivel conocimiento usando más inteligente Diseño de experimentos Gama y después cómo nosotros poder analizar él mejor en orden a encontrar óptimo proceso ajustes para específicamente, para ejemplo, farmacéutico industrias.
Pero qué hacer I significar de cruz- nivel ¿conocimiento? A conseguir a eso, dejar a mí explicar el caso historia eso nosotros tener hecho con uno de nuestro clientes. Eso ellos eran en el fase de proceso desarrollo de a vacuna producción, y ellos buscado a caracterizar este proceso. Si eran yendo a dividir el diferente fase de vacuna producción y el proceso. Nosotros poder dividir él en dos principal fases de Río arriba y Río abajo.
El Río arriba fase es el fase eso ellos infectar el anfitrión células con a limitado número de virus y entonces mantener él bajo a revisado ambiente y bajo específico proceso condición para el virus a crecer y el población alcanza el objetivo nivel. Después eso, ellos tener a mover el materiales a el próximo unidad. Nosotros llamar él Río abajo Unidad para purificación y el formulación a hacer el vacuna listo para el inyección y yendo afuera a el mercado.
El cliente eran enfoque en el proceso desarrollo de estos dos fases, significado eso ellos necesario a caracterizar el proceso. En orden a hacer eso, ellos necesario a identificar qué el mayoría significativo parámetros para cada de estos unidades, ambos Río arriba y Río abajo usando Diseño de experimentos. T gallina después eso, recolectar el datos a ser capaz a modelo el proceso para cada individual unidad, y entonces usando el modelo a encontrar el óptimo robusto configuración para cada de a ellos.
Es a muy típico tarea dentro el bioindustrias a dividir el proceso en principal unidades y entonces caracterizar cada unidad individualmente. M ost de el casos, este caracterización son no influenciado por cada otro. Entonces ellos son completamente independiente tarea y Diseño de experimentos.
Acuerdo este en mente, el orden del día de este hablar es yendo a ser en cómo nosotros poder hacer estos Hace más descriptivo y más integral a tener el más alto o más información acerca de diferente niveles de el proceso, y entonces después, cómo nosotros poder usar JMP datos análisis plataforma a primero modelo el datos y entonces usar el modelo a optimizar el procesos.
Vamos comenzar con el Diseño de experimentos para este específico caso estudio. W e comenzó con de hecho correr varios talleres con el equipos próximo de ambos Río arriba y también Río abajo. T gallina nosotros tenía varios talleres a justo cálculo afuera qué son el mayoría importante factores o parámetros en su procesos.
Nosotros podría fácilmente ver, en el primero mirada, eso nosotros son final arriba a a muy alto número de factores eso prácticamente es imposible o es afuera de el presupuesto a correr semejante a grande Diseño de experimentos. W e tenía a angosto él abajo con a partir de tanteo cada de estos parámetros basado en el importancia y cómo mucho ellos variar dentro a normal producción y entonces cómo él quería ser el facilidad de cambiar para cada de estos factores. W e podría puntaje él primero y entonces angosto el número de parámetro a ocho para cada de estos unidades.
Después eso, nosotros podría fácilmente también dentro eso taller, podría ver el alto influencia de, para ejemplo, Río arriba resultado en el Río abajo Unidad justo porque estos dos unidades son muy conectado juntos y ellos poder fácilmente influencia cada otro. Significado eso si ellos buscado a caracterizar a Río abajo por separado y descubrimiento el óptimo configuración, mayoría probablemente él no puedo trabajar como óptimo como ellos esperado porque él poder muy influencia por el resultado de Río arriba Unidad.
Es mejor a tener él en cambio de dos individual o independiente Diseño de experimentos, teniendo a articulación Gama, cubrir ambos lados juntos y también fundas el interacción. Eso da a nosotros a muy bien cruz- factor descripción general dentro nuestro Diseño de experimentos y ayuda también en el mismo tiempo a minimizar el número de corre eso ellos hacer. A también conseguir también mucho mejor aleatorización factor para nuestro corre, de curso, bajo práctico supervisión.
Cómo nosotros tener hecho este ¿teoría? Antes I saltar a el manifestación eso I buscado a espectáculo tú, dejar a mí dar tú alguno información acerca de el limitación eso nosotros tenía en este teoría. F primero de todo, cada Río arriba lote podría directamente ir a uno Río abajo lote. Pero en el Río abajo, ellos tenía el posibilidad a correr dos reactores en paralelo a aumentar el capacidad de Río abajo.
Pero el más grande limitación ellos tenía en el Río abajo era eso cuando ellos eran correr aquellos paralelo reactores, dos de el diseño factores tenía a ser colocar el mismo para aquellos dos paralelo reactores. Para ejemplo, en este caso, ellos tenía a mantener el Enzima tiempo y Sostener arriba tiempo en el Río abajo constante en ambos paralelo reactores.
Entonces también él era muy importante a tener a adecuado tiempo planificación entre Río arriba y Río abajo, significado eso ellos no pude tener a grande retraso de el refinamiento de el Río arriba lote hasta él alcanza a el Río abajo lote.
También entre estos dos fases, nosotros podría identificar a factor llamado inicial celúla densidad eso es principalmente próximo de Río arriba, eso él era a común factor entre estos dos unidades. W e llamar él como a par factor a unirse estos dos Hace y conectar estos dos Hace en uno complejo uno.
A comenzar eso, nosotros también necesario a entender, bueno, qué es el mínimo número de Río arriba lotes o Río abajo lotes nosotros ¿necesidad? S delgado, como tú poder ver aquí, ellos ambos tenía ocho diseño factores, pero desde el Río abajo proceso tenía el extra limitación en nuestro diseño, eso quería ser el uno controlador el mínimo número de experimentos. Eso es por qué I comenzar el Gama por mirando en el Río abajo proceso.
Vamos tener a mirar en el manifestación. Como tú poder ver aquí, estos son el diseño factor eso nosotros tenía para el Río abajo Unidad. I desear a saber cómo muchos mínimo, cómo muchos experimentos o insignias hacer I necesidad de Río arriba a ser capaz a cubrir todo el requerido insignias o experimentos I correr en mi Hace.
A partir de con costumbre diseño, entonces I poder carga mi factor. Estos son todo factores eso I tener para Río abajo. Más I necesidad a agregar mi inicial celúla densidad, el parte factor eso llega de Río arriba lotes. Como tú poder ver aquí, casi todo de estos factores, el cambios son colocar como fácil excepto el Sostener tiempo y también Enzima tiempo, cual son el dos factores eso I desear a mantener a ellos similar para el dos correr lotes en paralelo.
Con este configuración, I poder ser seguro eso aquellos lotes son colocar a tener el mismo Sostener arriba tiempo y Enzima tiempo. Además, Soy interesado en el principal efecto en mi modelo y el interacciones. Vamos tener a mirar aquí. Como tú poder ver, alguno de a ellos, el interacciones son colocar en si posible, cual I desear a tener a ellos como necesario. Y nosotros son bien aquí.
Como tú poder ver aquí, JMP sugiere a mí eso tú necesidad mínimo 19 experimentos en a Río abajo a cubrir para estos interacciones. T o ser seguro, nosotros siempre desear a tener uno mínimo extra en arriba. T tiene da a mí 20 experimentos o 20 Río arriba lote como el mínimo a partir de punto para Río arriba.
Bueno, entonces vamos tener a mirar en mi Río arriba. Estos son mi Río arriba factores y I poder carga él en mi costumbre diseño. I soy también aquí interesado en dos interacciones. S delgado nosotros dicho eso nosotros desear a tener 20 Río arriba experimentos, I poder especificar como a usuario cómo muchos experimentos I desear. T gallina I poder hacer el diseño por prensado este uno.
A ahorrar el tiempo, I ya guardado el diseño y dejar a mí traer él arriba aquí. Este es el experimental diseño para mi Río arriba en el primero nivel. Ahora, I desear a usar este diseño a diseño mi Río abajo experimento. A hacer eso, I ir atrás a mi diseño factor para Río abajo. A ganar, costumbre diseño. I voluntad carga mi factor como I desear a ellos a ser.
N Ay, I desear a incluir este diseño experimento para Río arriba en mi experimento. Cómo I hacer eso es eso I primero seleccionar eso diseño ventana y entonces I poder Llámalo. I poder seleccionar el coherente factores, y entonces importar eso experimento también en mi diseño. A s tú poder ver aquí, estos son el experimentos eso era diseñado para el Río arriba, y ellos son colocar como a covariable .
Más que paso es eso I desear a tener todo mi Río abajo parámetros más mi inicial colocar densidad. I desear a mirar en a ellos también en interacción modo. Pero el factores eso llega de Río arriba, I mantener a ellos como a principal efecto. Como tú poder ver aquí, allá son alguno aún en si posible, I necesidad a ser seguro eso ellos son colocar como a necesario uno.
Entonces desde I ya incluido a diseño experimento, entonces I poder excluir el factor eso I tener de Río arriba. Tal vez I poder justo eliminar a ellos todo aquí de nuevo. Agregar el principal factor, el segundo orden, y entonces el factores de Río arriba solo como a principal factor.
Entonces I poder elegir a ellos. Si I ir arriba aquí y decir perfusión tasa, este uno, este uno, y este uno, estos son el factores son próximo de mi Río arriba, y I poder colocar a ellos como si posible. Justo a ser seguro eso I tener todo incluido en este uno y este uno tiene a ser también si posible. I no necesidad a fuerza él en este diseño ya no porque es ya incluido allá. Ahora, I poder colocar él a tener 10 entero diagramas y 20 corre aquí y hacer el diseño.
A ahorrar el tiempo de nuevo, I tener hecho el diseño y este quería ser el resultado. Ahora aquí I tener a conjunto Gama ambos para Upstream y Río abajo. El lindo parte acerca de él es eso ahora I tener a columna llamado Entero Trama eso él dice eso para el mismo número, significado eso él dice eso cada paralelo unidad, I tener a fijado Sostener tiempo y el Enzima tiempo.
Como tú poder ver aquí eso él cambios, él mantiene constante entre cada dos pares. Soy combinatorio ambos diseños Río arriba y Río abajo ahora en uno unidad. Entonces I poder también priorizar cual Río arriba Unidad tiene a ser correr primero a ser capaz a mantener el tiempo balance entre el Aguas arriba y Río abajo, y también tener entonces mucho flexibilidad en acuerdo el condición fijado entre el paralelo experto. Este podría dar a mí a muy bien descripción general de ambos nivel y entonces ambos fases juntos.
Vamos ir atrás a el diapositivas. N Ay nosotros tener a bien Diseño de experimentos cubierta ambos fase. Ahora vamos tener a mirar cómo nosotros poder hacer el análisis juntos. Pero a ahorrar el tiempo, Soy yendo a solo mirar en el Río arriba proceso y mirar en el datos. T él apuntar es eso ahora I desear a modelo el crecimiento fase de el virus en el Río arriba y usar el Cinético Modelado.
Entonces después I encontrar eso modelo, entonces I poder encontrar el óptimo proceso condiciones para Río arriba. Cómo poder usar el funcionalidad construir arriba en ¿Saltar? T su es mi datos colocar en el momento, es a normalizado datos colocar eso nosotros tener. A s tú poder ver aquí, este es el datos eso nosotros coleccionado durante este experimento. Él era 30 diferente lotes.
T gallina nosotros corrió diferente procesos y nosotros monitoreado el crecimiento fase de virus encima diferente días y diferente condiciones. Y entonces nosotros podría ver cómo el virus población construye arriba. U honor alguno condiciones después a mientras, el virus población comienza a degradar o ir a el muerto espacio.
N Ay nosotros desear a caracterizar o modelar este perfil o este crecimiento fase de el virus a ser capaz a predecir, bueno, qué quería ser el mejor combinación de celúla, virus, el ambiental condición, y también cómo muchos días hacer nosotros necesidad a correr en el ¿Río arriba?
A hacer eso, JMP tiene a muy lindo característica en el especializado modelado y adaptar curva. I poder poner Y, el producir es el virus concentración o población encima tiempo, como Y. X como mi día y el lote número y el factores eso es controlador mi proceso, cual es el incubadora, el temperatura y el inicial virus concentración en el logarítmico escala.
La curva de ajuste da a mí a muy lindo inicial descripción general de cómo cada de estos lotes construir arriba encima tiempo individualmente. Pero entonces ahora I desear a modelo estos lotes o estos característica, este Cinético modelo. Nosotros tener a muy lindo opción aquí en JMP eso es llamado Exponencial Crecimiento y Decadencia y entonces Adaptar Celúla Crecimiento. Entonces es a construido- en biblioteca eso tú poder fácilmente elegir y entonces tú poder adaptar a logístico crecimiento modelo a su perfil.
Como tú poder ver aquí, este celúla crecimiento modelos intentos a adaptar este funcionalidad a cada de mi curvas, cubierta de Y0 , cual es inicial virus concentración, YM hacha es el máximo alcanzó virus concentración, y entonces división tasa y entonces mortalidad tasa. T gallina él da tú a lindo resumen de cada de estos lotes, y este es el válido desarrollo de cada de estos parámetro para cada de el lotes.
Pero entonces I desear a tener uno extra más, justo cálculo afuera cómo es este proceso parámetro conmovedor cada de mi factores aquí. T gallina en Pro versión de JMP, allá es a muy lindo opción llamado Curva Gama A análisis eso da tú este opción a analizar qué factores impactando cada de mi proceso parámetro de YM hacha, para ejemplo, división relación o mortalidad tasa o entonces en.
Como tú poder ver aquí, él da tú a conjunto ventana eso para cada de estos cuatro parámetros, él da tú a posibilidad a usar el Generalizado Regresión y entonces intentar a analizar o modelo cada de a ellos individualmente. Como un ejemplo, tú ver eso para YM hacha, yo poder ver el temperatura y inicial virus concentración tiene a significativo efecto y incubadoras son no laboral similar. Tú en realidad conseguir a bien descripción general de el diferente parámetros y cosa.
O si I ir para mortalidad, I mirar en el Perfilador, I ver también cómo quería ser el efecto de estos dos factores en cada de el incubadoras, para ejemplo. Él tiene a muy bien usuario interfaz a combinar todo estos análisis juntos y da tú a muy lindo descripción general de diferente factores y su efecto en mi proceso.
Pero también da tú a lindo Perfilador en el abajo aquí eso da tú bien información acerca de, bueno, si I cambiar mi incubadora y temperatura y mi inicial virus concentración, cómo hace él afectar mi ¿producir? T gallina si Voy a hacerlo, para ejemplo, alcanzar a mi objetivo dentro medio a día, cómo debería ser mi proceso ¿condición? T gallina I poder fácilmente usar el Atractivo Función aquí y maximizar él.
Qué I poder ver aquí, si I desear a alcanzar mi objetivo y conseguir el máximo virus concentración dentro medio a día, I tener a comenzar con el más alto inicial virus concentración y más alto temperatura. Mientras yo f I dar él más tiempo y, para ejemplo, decir eso es bien, I poder correr mi Río arriba con dos y a medio días, entonces el situación quería ser diferente.
Tú quería decir eso, bueno, a conseguir el más alto producir, tú necesidad a comenzar con el más bajo celúla densidad o virus densidad, y entonces virus eso como eso alto temperatura. Eso es por qué tú debería ir con a más bajo temperatura. Es a muy lindo intuitivo forma a justo jugar alrededor con diferente factores y entonces basado en el visibilidad de su sistema y también el sentido práctico eso tú tener en su proceso, entonces tú poder bien melodía y encontrar el óptimo robusto proceso condición.
Este es fantástico. Pero el más grande problema eso I tener con este Curva Gama Análisis es eso Soy desaparecido alguno muy lindo funcionalidad en el estándar modelado parte de él, cual si I ir para diagnóstico trama, para ejemplo, Soy desaparecido este digitalizado residual trama eso ayudó a mí a encontrar Esquema es, cual I no puedo identificar si I hacer tener Esquema es aquí O no.
O si I hacer necesidad a aplicar alguno transformación como p lotes transformación o entonces. I en realidad omitido aquellos funcionalidad en este parte, pero I aún tener un opción a compensar eso desaparecido con extracción este resumen afuera y entonces intentar a modelo cada de estos parámetros individualmente. Pero vamos hacer eso.
I extraído eso parámetro, como tú poder ver aquí, el grupo resumen parámetro, y I extraído a ellos, y entonces I agregado a mi datos mesa. Ahora I poder tener a mirar en cada de a ellos individualmente y hacer el análisis y el a justo cálculo afuera.
Para ejemplo, I voluntad ir para Y0 , y entonces tú tener el opción, si I ir aquí, a justo aplicar su propio rutina de modelado y entonces incluir todo el factores y usar Generalizado Regresión y entonces mover en con cálculo afuera si tú necesidad, para ejemplo, a aplicar él en transformación o eliminar cualquier valores atípicos. Entonces, para ejemplo, si I mirar en este uno, si I mirar en YMax modelo y I intentar a modelo él en a normal rutina, I poder ver eso, para ejemplo, I hacer tener uno afuera mentiroso eso I tener a eliminar él.
O para ejemplo, I necesidad a aplicar alguno transformación en mi datos a claro él afuera primero y también a hacer él más normalizado y entonces incluir él en mi... Entonces mover en con mi descansar de el análisis. Pero entonces si I comparar aquí, para ejemplo, ahora I desear a eliminar el parte aislada aquí.
Ahora Soy eliminar el parte aislada aquí. Entonces I ver eso I no necesidad cualquier más diagramas curvas transformación después eliminar el parte aislada. Qué I ver aquí, este es yendo a ser el perfil de a normal o estándar acercarse de modelado de cada de el parámetros. Mientras si I venir atrás a este sección, I era desaparecido eso análisis y por lo tanto, qué I podría conseguir afuera de él era semejante a Perfilador porque I aún tenía mi parte aislada en este datos colocar y I no pude ver Eso. T gallina él era próximo con algo demás.
Si I hacer este primero, I hacer mi inicial inspección y entonces I poder venir atrás aquí en mi imagen y entonces, para ejemplo, I poder aplicar... I primero necesidad a eliminar este de nuevo, Re mover Adaptar. Y entonces, para ejemplo, I poder aplicar mi local datos filtrar y excluir mi parte aislada y entonces hacer el modelado parte de él. Y entonces, para ejemplo, y mover con el otro parte.
I tener este opción a hacer este. Y de curso, I hacer tener el opción a fuerza factor en modelo lanzamiento, como eso es revisado y fuerza término, a fuerza alguno factores eso I podría ver en mi anterior análisis eso I tener a tener él. A comenzar con. I tener estos dos opciones a compensar para el desaparecido diagnóstico parte en este análisis.
Pero en general, eso es a perfecto herramienta a tener a muy bien descripción general acerca de qué podría ser el potencial factores conmovedor en mi proceso.
Bueno. A resumir cómo nosotros poder usar este funcionalidad, como tú poder ver aquí, nosotros comenzó con adecuado a curva, y entonces nosotros extraído el modelo parámetro, y entonces nosotros podría investigar cada de aquellos parámetro individualmente, y entonces cualquiera nosotros fuerza el significativo factor en el adaptar curva, o excluir el valores atípicos, y también justo antemano aplicar cualquier transformación eso es necesario, y entonces tú poder conseguir a conjunto descripción general como semejante en el adaptar modelo. Este yendo a ser a muy lindo análisis y a muy útil paquete de funcionalidad para nuestro caso.
A resumir, qué nosotros tener hecho es eso I en realidad buscado a hacer hincapié en, primero de todo, es muy importante a saber el complejidad de el sistema, especialmente cuando nosotros tener interactuar con alguno diferente nivel de procesos eso ellos son interactuando en parte juntos y antes emocionante en para varios Hace eso ellos son independientemente laboral y ellos son independientemente usado a caracterizar el sistema.
Intentar a combinar estos Hace en uno coherente uno porque él en realidad da tú a bien descripción general de multi- capa interacciones y también da tú a lote de información eso tú extrañar en práctica si tú correr varios independiente Hace.
Entonces JMP también da tú a lote de flexibilidad en edificio arriba estos Hace y también implementar a lote de sentido práctico información en su Hace. T gallina en el fin también, nosotros podría ver eso cómo diferente datos análisis funcionalidad y también construido en bibliotecas podría ayuda a caracterizar el diferente procesos, específicamente, para ejemplo, en este caso, él era el ser- crecimiento proceso, y cómo nosotros poder usar alguno muy poderoso herramientas, especialmente en JMP Pro, y también cómo nosotros poder interactuar con otro aplicaciones estándar eso tú tener en JMP a compensar para alguno desaparecido características en el JMP Pro Avanzado Análisis Caja de instrumento. Con eso, I desear a agradecer tú entonces mucho para su atención y I esperanza tú como el presentación.
