Aujourd'hui
étaient
en allant
à
être
parler
à propos
en utilisant
JMP,
notre
préféré
logiciel
et postuler il à a réel- monde problème dans notre analytique sciences département
à Amyris lequel est a Symbio entreprise.
Avant nous saut dans que, I recherché à introduire moi-même comme Bien comme
Scott, OMS aidé moi le long de ce voyage.
Je suis Stéphane, Je suis un associé directeur de R& D données analytique A myris.
I avoir douze années de industrie expérience,
a parcelle de divers arrière-plan, J'ai travaillé dans divers laboratoires
depuis analytique chimie à fermentation science et dans plus récent années
concentré plus sur le qualité et données science côté de des choses.
Scott a aidé moi dans a parcelle de le contenu ici
et a a été fonctionnement avec Amyris pour a nombre de années
et il est un de le JMP avantages fonctionnement pour JMP.
Identifiant comme à commencer désactivé par juste adage remercier toi à Scott pour portion nous dehors ici.
Étaient en allant à diviser le parler aujourd'hui dans trois parties.
Je suis en allant à donner a peu de arrière-plan et contexte les deux sur synthétique biologie,
si toi n'ont pas entendu de que avant, et analytique chimie.
Le principal partie de le parler est vraiment en allant à être concentré sur alors postuler JMP
à a spécifique question nous avait et alors enfin Bien envelopper il en haut
brièvement touchant sur automation et alors le impact
de le analyse et ce cas étude Bien regarder à ensemble.
S certains de toi peut pas être familier avec synthétique biologie
ou analytique chimie et I vraiment comme à comprendre
contexte et arrière-plan et est en allant à être relativement important
pour le cas étude nous regarder à, Bien se concentrer sur que aujourd'hui et commencer là.
S synthétique biologie vraiment leviers micro-organismes,
comme nous comme à appel eux, comme vie usines.
Nous utiliser principalement levure dans le cas de Amyris que nous précision ingénieur,
et nous utiliser le processus de fermentation, lequel est pas a nouveau chose c'est quelque chose
personnes avoir a été en utilisant pour des milliers de années, principalement à faire alcool
et pain dans a parcelle de cas.
Dans notre cas, étaient en utilisant le levure dans fermentation,
alimentation il sucre et conversion que sucre dans a variété de cible
ingrédients et produits chimiques.
Ceux ingrédients et produits chimiques nous peut alors faire
plus haut pureté donc ils peut être plus haut en train de jouer inférieur frais
et dans a plus durable mode.
À donner un exemple, ce n'est pas juste a fée conte.
Ce est réalité, c'est pas un idée, nous avoir
18 molécules aujourd'hui que nous fabrication à échelle et Je suis montrant
a sous-ensemble de ceux ici.
Il y a un exemple sur le haut gauche toi avoir Artémisinine.
C'est un antipaludique médicament, il était notre d'abord molécule
et c'est comment notre entreprise était fondé.
Dans le haut milieu, nous avoir Biophène lequel est en fait a puissant
bâtiment bloc que nous alors convertir dans autre produits chimiques et candidatures.
Un exemple être Squalène lequel est a
très populaire émollient utilisé dans le produits de beauté industrie
et traditionnellement est provenant depuis requin foies
et un que pourrait être familier dans le bas milieu, nous avoir patchouli.
Quelques personnes associé que avec le hippie odeur, c'est a parfum,
mais c'est en fait vraiment omniprésent dans le parfum industrie
comme a base note, donc il va dans des milliers de produits.
Des choses comme Marée détergent avoir patchouli dans il et nous peut fabrication ce,
lequel est traditionnellement extrait depuis plantes
avec notre synthétique biologie plate-forme.
I travail dans le R&D fonction, et donc notre but est vraiment à identifier
le meilleur E souches que nous peut alors utiliser à fabrication échelle,
et que nécessite recherche à échelle.
Nous courir très automatisé a parcelle de haut- débit flux de travail
à Amyris dans Emeryville, et donc depuis le gauche là nous commencer dépistage
notre levure souches
à a capacité de à propos 600 000 souches par mois.
Nous prendre ceux haut artistes et nous promouvoir eux
à quoi nous appel notre banc- échelle bioréacteur fermentations,
lequel toi peut voir sur la photo sur le droite là.
Tout au long de tous de ce, étaient création a parcelle de souches,
lequel moyens nous aussi besoin à comprendre qu'est-ce que événement dans ceux souches,
quoi sont ils produire, comment beaucoup, et c'est vraiment où analytique viens dans.
Ceux analytique besoin à être courir à a échelle à correspondre que donc nous peut vraiment
obtenir le données à comprendre qu'est-ce que événement.
Avec ce échelle de recherche, il y a a parcelle de opportunités,
et a parcelle de ceux opportunités viens depuis regarder à conventionnel
approches et reconsidérer comment à faire ceux.
Je parlerai a petit peu à propos analytique chimie.
Encore, c'est pas rien c'est unique à synthétique biologie.
C'est envahissant dans a parcelle de industries, pétrole industrie,
environnemental sciences, pharmaceutique, très commun chemin juste à mesure des choses.
Je vais parler ici vraiment à propos chromatographie,
et comme un exemple, Je vais prendre fermentation que nous faire sur le bioréactif échelle.
Depuis ce fermentation, étaient en allant à échantillon que alors que c'est en cours d'exécution.
Étaient en allant à obtenir a sale échantillon depuis que lequel nous alors peut plus loin
préparer et diluer.
Nous avoir ce mélange de composants dans ce final formulaire.
Bien alors prendre ce mélange de composants,
Bien courir il à travers quelques séparation techniques.
C'est a chromatographe.
Quoi c'est en allant à faire est basé sur le propriété de ceux composants,
pourrait être taille, il pourrait être polarité, ça va permettre nous à séparé ceux dehors.
Nous alors alimentation que dans quelques détection mécanisme.
Il y a a variété que toi peut utiliser et quoi que donne toi est a séparation
de ces composants sur temps et alors quelques intensité de réponse.
Le dernier morceau et où étaient en allant à se concentrer aujourd'hui
est intensité n'est pas vraiment a utile chose pour toi ou moi à faire décisions sur.
Nous besoin à traduire que dans quelque chose utile comme a concentration.
Le étalonnage courbe permet nous à traduire
que intensité dans a concentration,
et de cours, toi peut imaginer si toi obtenir que traduction faux,
ton données est en allant à être faux et c'est en allant à tromper toi.
Étalonnage courbes est où Bien se concentrer aujourd'hui,
et c'est le cœur de le question.
A étalonnage courbe est créé, par en cours d'exécution normes avec
variable niveaux de ton connu composant.
Le exemple Je suis montrant ici,
nous avoir a faible milieu- haut, donc a trois -niveau étalonnage.
Nous savoir quoi le concentration est dans ceux parce que nous préparé eux,
et nous mesure le réponse sur ces instruments.
Depuis là, nous peut ajuster quelques étalonnage courbe.
Dans ce exemple, Je suis montrant juste a simple linéaire ajuster,
et alors nous peut courir inconnu échantillons,
lire le réponse désactivé notre instrument et faire un inverse prédiction.
Étaient prise notre réponse depuis le Y et prédire quoi le la quantité est
dans que échantillon.
C'est a très commun chemin à être capable à quantifier des choses dans inconnu échantillons.
C'est notre arrière-plan.
Étaient en allant à saut dans le cas étude regarder à ce clé question
nous avait autour optimisation a partie de notre processus dans notre analytique.
Un peu plus arrière-plan ici est que quand nous faire étalonnage dans notre laboratoires,
il y a a coût associé entretien de ces étalonnages
et étalonnage courbes et étalonnage normes est cher,
les deux exigible à les gens temps, mais aussi matériels.
Ces matériels peut souvent coût des milliers, même dizaines de des milliers
de dollars par gramme.
Avec le échelle que étaient faire notre recherche à, il vraiment pousse nous
encore à reconsidérer ceux conventionnel approches.
Étaient en cours d'exécution des millions de échantillons par année, et nous avoir a vraiment divers
ensemble de analytique méthodes donc nous avoir actuellement
dans notre laboratoire dans Emeryville,
sur 100 différent analytique méthodes mesure tous composants.
Un lieu nous regardé à est conventionnellement.
Nous voir ce avec la plupart personnes nous embaucher, ce est où personnes commencer.
Conventionnellement étalonnage courbes souvent avoir cinq à Sept niveaux,
si ils sont linéaire ou pas.
Nous pense à propos ils dire, d'accord, cinq à Sept niveaux, linéaire ajuster.
Dans théorie, le la plupart toi pourrait besoin est ou le minimum toi pourrait besoin est deux
et il y a a coût à chaque supplémentaire niveau,
les deux dans matériels et préparation frais et entretien.
Ce est où nous recherché à regarder et demander le question,
regarder, peut nous en fait réduire ce nombre pour un existant méthode
sans significatif impact sur notre réel données qualité?
Le chemin nous quantifier notre inconnu échantillons.
Ce est où JMP vient dans, étaient en allant à utiliser Saut ici à simuler
quelques alternative étalonnage schémas, dans ce cas,
réduire le nombre de niveaux de étalonnages
et à réitérer quoi nous avons marché à travers notre problème finalement est que
étalonnage entretien est cher.
C'est exaspéré par le échelle nous faire il à.
Notre général approche est vraiment en allant à être à regarder à comment peut nous optimiser ce.
Allons-y regarder à réduire le niveaux de ceux étalonnages,
et alors notre spécifique solution est en utilisant JMP ici
à demander le question, regarder, si nous est allé dos dans temps
et si théoriquement, nous avait courir deux calibrateurs ou trois calibrateurs
plutôt de six ou Sept, comment serait que avoir impacté notre données?
Notre cas ici, étaient en allant à se concentrer sur a célibataire méthode aujourd'hui.
Ce est a réel méthode nous avons a été en cours d'exécution pour à propos six mois.
Nous avoir 22 lots de échantillons nous avons courir sur ce méthode,
donc c'est à propos 1000 échantillons.
Notre existant étalonnage I montrer ici sur le droite est a linéaire étalonnage.
Il a six niveaux et nous avons estimé si nous peut réduire ce
à le minimum de deux niveaux, nous pourrait sauvegarder un estimation de 15 000 $ a année.
Il y a a réel mesurable motivation à comprendre si nous peut poursuivre ce.
Affichage ici le général flux de travail que nous est venu en haut avec.
Je suis en allant à aller à travers ce vraiment rapidement droite maintenant mais Non inquiétudes.
Étaient en allant à marcher à travers il étape par étape ensemble.
Étaient vraiment en allant à juste tirer le historique données.
Étaient en allant à recréer notre historique étalonnage dans JMP à valider quoi
étaient faire dans JMP matchs quoi nous avons fait historiquement,
et alors étaient en allant à dire, d'accord, allons éliminer quelques de ces niveaux,
recréer le étalonnage avec ceux réduit niveaux,
et alors évaluer quoi impact que a sur notre cibles.
Maintenant, I pense dans ce cas c'est aussi vraiment important à souligner toi voir,
nous avoir deux passer- échouer fourches dans le route.
Souvent quand étaient faire analyse
sur données dans main, étaient regarder pour statistique importance
avec études comme ce, c'est vraiment important à déterminer quoi ton pratique
exigences sont.
Dans ce cas, quoi fait que signifier?
Étaient parler à propos impact sur le mesures de inconnu échantillons.
Finalement, nous vouloir à faire bien sûr que réduire le étalonnage est pas en allant
à biais le mesures dans un chemin ou le autre.
Nous vouloir le mesures à être le même.
Comme beaucoup personnes volonté dire toi, le même est pas vraiment a quantifiable chose,
il dépend sur ton échantillon taille, le bruit dans ton processus.
Nous besoin à définir quoi est Non différent, même ou Non impact signifier.
Ici étaient en allant à ensemble notre acceptation critères devant de temps
pour ce d'abord étape comme précision dans moitié le pour cent,
et pour le deuxième étape comme précision dans 1%.
Bien voir ces viens dos comme nous marcher à travers ce.
Notre d'abord étape, et chaque page ici, Je suis en allant à montrer dans le haut droite
quoi étape nous sont dans le processus,
comme Bien comme mise en évidence quoi JMP plateformes étaient en utilisant.
Pour notre d'abord étape, étaient en allant à être tirant notre historique données
depuis a base de données, dans notre cas, nous avoir a base de données.
Nous avoir a Lin système que déjà a le données dans a structuré format.
Toi pourrait aussi importer ce depuis CSV, cependant, toi peut accéder le données.
Étaient tirant il dans notre cas en utilisant brut SQL et JSL
et il tire dans a structuré format montrant a sous-ensemble de le colonnes nous avoir,
mais quoi tu vas avis est dans ce cas nous avoir notre six calibrateurs
comme Bien comme a nombre de inconnu échantillons.
Étaient tirant dans le historique données comme le cœur données ensemble étaient fonctionnement avec.
Le d'abord étape est recréer et valider le même étalonnage courbe
donc que même six- indiquer étalonnage dans JMP.
Maintenant, toi pourrait demander pourquoi nous avoir à faire ce.
Il y a deux principal raisons.
Un est étalonnage courbes peut avoir a parcelle de mises en garde.
Ils peut avoir pondération, ils peut avoir ancre points,
ils pourrait être forcé à travers zéro, ils pourrait être non linéaire.
Ce est a bien chemin à valider que tu es en utilisant le droite
paramètres et JMP à recréer ce.
Le autre raison est que nous ne le faites pas attendre ces valeurs à être exactement le même.
Le raison être que a parcelle de ces analytique logiciel utilisations quelques propriétaire
régression que est pas exactement comme, allons dire, ordinaire moins carrés régression.
À faire ce, étaient en allant à utiliser a spécialisé modélisation ajuster courbe paramètre
et vraiment juste recréer notre étalonnage courbe.
Juste comme I a montré plus tôt,
où nous avoir notre connu quantité de notre six normes sur le X
et notre brut intensité ou signal réponse sur le ET.
Dans notre cas, nous avoir 22 lots, Je suis pas montrant tous de eux ici,
mais étaient reproduction ce pour 22 différent séquences dans essentiellement un
cliquez et quoi I appel le pouvoir de le Contrôle clé si toi ne le faites pas savoir ce astuce.
Volonté sauvegarder toi a tonne de temps, si toi prise vers le bas le Contrôle clé,
cliquez sur le rouge bouton, peu importe toi faire est en allant à appliquer à chaque
analyse dans que fenêtre.
Récemment savant c'est apparemment appelé radiodiffusion,
donc toi pourrait utiliser que comme Bien.
Étaient recréer a étalonnage courbe pour chaque de notre lots
et alors dans le même spécialisé modélisation plate-forme, étaient alors
économie le inverse prédiction formule.
Parce que étaient prédire depuis Y à X,
si toi souviens-toi dos à notre étalonnage introduction,
à être capable à sauvegarder le prédit valeurs dos à notre données tableau.
Ce alors apparence comme ce où sur notre données tableau
nous avoir d'abord notre historique quantité, quoi nous tirer depuis le base de données,
et maintenant nous avoir notre brut quantité que nous généré depuis
ces nouvellement créé étalonnage courbes et JMP.
Nous avoir a multiplicateur nous avoir à appliquer, faire le échantillon préparation nous faire
que nous tirer depuis le base de données donc c'est déjà là
et c'est en allant à rester constante.
Nous simplement besoin à juste appliquer a calculé colonne ici
à avoir a comparatif valeur à notre historique données.
Si toi regarder dans ce d'abord brut, notre valeur est très fermer à
mais pas exactement le même comme notre historique données.
Suivant en haut, étaient en allant à visuellement faire a comparaison, traçage notre historique
contre le JMP récréation de que étalonnage,
et ce est a bien vérifier encore, à regarder à travers ton données.
Quoi toi serait attendre ou espoir pour est
a doubler que essentiellement apparence comme Y est égal à X.
Maintenant nous ne le faites pas vouloir à arrêt à a visuel analyse.
Nous de cours, vouloir à apporter quelques statistiques dans il.
Ce est où nous introduit le passage Bloc régression.
C'est en fait quelque chose que était juste ajouté dans le base saut fonctionnalité.
I pense avec JMP 17 utilisé à être un ajouter- sur pour a long temps.
Je suis content c'est là maintenant.
Ce est a spécialisé régression c'est non- paramétrique et robuste valeurs aberrantes,
c'est vraiment conçu spécifiquement pour comparer analytique méthodes.
Pour beaucoup de toi, probablement non pertinent tu es jamais en allant à avoir à utiliser il,
mais nous besoin à utiliser il dans le monde étaient fonctionnement dans.
Quoi ce régression fait, il donne toi deux hypothèse tests
à test pour constante biais comme Bien comme proportionnel biais.
S tarte avec a constante biais, où étaient vision si il y a biais.
Imaginer le doubler mobile en haut et vers le bas le même à travers le gamme.
Étaient évaluer si le confiance intervalle de notre intercepter
fait ou fait pas inclure zéro.
Pour proportionnel biais, où le biais serait changement basé sur le réponse.
Étaient évaluer si le confiance intervalle de notre pente
fait ou fait pas inclure un.
Maintenant dans notre cas, nous rejeter le nul hypothèses dans les deux de ces cas,
lequel raconte nous que nous faire avoir statistiquement significatif biais,
les deux constante et proportionnel dans notre données ensemble.
Depuis ici toi pourrait dire, d'accord, étaient fait il y a biais nous ne peut pas se déplacer sur,
mais pensée dos, ce est pourquoi c'est vraiment important à définir
quoi le pratique importance est parce que
n'importe lequel statisticien volonté dire toi dans notre données ensemble nous avoir 1000 échantillons,
toi avoir 1 000 échantillons tu es en allant à être regarder à
très serré confiance intervalles.
Tu es en allant à être capable à détecter très petit différences.
Nous avoir a statistiquement significatif différence mais fait il matière?
Que apporte nous à notre dernier étape étaient en allant à calculer,
encore en utilisant le colonne formule,
le relatif différence entre le deux méthodes
et Je suis montrant a distribution de que ci-dessous
et que distribution alors donne nous accéder à ce test équivalence.
Ce permet toi à test a distribution de valeurs contre le constante
que toi définir dans quelques confiance.
Ici dans ce fenêtre, Bien entrer notre cible signifier est zéro
parce que nous hypothétique que ils sont en allant à être le même donc Non différence.
Maintenant nous obtenir à entrer notre acceptation critères, lequel était 0,5%.
Ce donne nous ce très bon sortir avec notre final deux hypothèses
tests où si nous rejeter ces, nous peut déterminer essentiellement que le signifier
de ce données ensemble est équivalent à zéro dans plus ou -0,5%.
Ce un toi pourrait dire, Hé Stéphane, ce est faire a t- test,
ton distribution est pas exactement normale et I pense tu ferais être droite
et si I est allé dos I pourrait en fait utiliser le test signifier plate-forme
parce que que donne toi accéder à non- paramétrique équivalence essais.
Indépendamment de, ce est a vraiment utile et direct chemin à test
pour pratique importance.
Nous avons tiré notre historique données depuis le base de données,
nous avons recréé et évalué le étalonnage courbe
et nous avons établi que il passes notre acceptation critères.
Si il avait échoué, il pourrait être un problème avec le données ensemble.
Toi pourrait pas être en utilisant le droite étalonnage paramètres.
Il y a a nombre de raisons, nous en général serait
joli beaucoup toujours attendre ce à passer.
Il généralement juste nécessite quelques enquête à qu'est-ce que en cours
dans le chemin toi recréé ce étalonnage.
Notre suivant étape est vers le bas- échantillonnage ou réduire le nombre de niveaux
de notre étalonnage.
Maintenant, si nous essayer à faire ce sans JMP, nous avoir à aller dans chaque célibataire
séquence dans notre analytique logiciel manuellement
retirer calibrateurs, recalculer des choses.
Être vraiment long et fastidieux chose.
JMP ce est comme facile comme juste en utilisant le données filtre.
Dans notre cas avec ce six- indiquer étalonnage nous avoir a linéaire un.
Nous savoir que le minimum nombre de points nous besoin pour linéaire la solution est deux.
Étaient cueillette le le plus élevé et le le plus bas calibrateurs
et juste filtration vers le bas à ceux.
Depuis ici Je suis en allant à aller joli rapidement, mais vraiment tous étaient en allant à faire
est recréer ce étalonnage avec deux points dans JMP.
Encore, étaient en utilisant le spécialisé modélisation plate-forme, faire a ajuster doubler.
Le seulement différence maintenant est nous avoir deux points plutôt de six
et étaient postuler que inverse prédiction formule dos à le données tableau,
lequel encore est en allant à donner nous notre inverse prédiction
et alors nous appliquer le multiplicateur
et parce que I savoir Je suis en allant à faire le pratique importance,
Je suis juste en allant à préventivement calculer a relatif différence entre
le deux- indiquer étalonnage et alors le historique différence.
Encore, nous aller à travers le Passage Babock et pas donc étonnamment,
encore considérant le taille de notre données ensemble,
étaient en allant à rejeter le nul hypothèse ici et établir que nous avoir
statistiquement significatif biais, les deux proportionnel et constante.
Nous se déplacer sur à test notre acceptation critères.
Souviens-toi dos maintenant notre seuil est 1% plutôt de 0,5%
et c'est fonctionnement avec le parties prenantes de le données
à établir quoi est un acceptable équivalence.
C'est toujours important pré- travail à faire
et étaient en allant à test que équivalence.
Ici nous trouver que ces deux méthodes sont équivalent dans plus ou moins 1%.
Sur le inconnu échantillons et c'est vraiment important.
Étaient en utilisant ceux historique réel- monde échantillons
à vraiment demander le question quoi si nous est allé dos dans temps
et voir tous ces étalonnages avec deux points
et signalé le données de ces inconnu échantillons.
Comment serait ceux valeurs changement?
Sur moyenne nous voir que ils changement très petit,
et donc il donne a parcelle de foi à considérant
induisant ceux étalonnage niveaux.
Nous avons essentiellement démontré ce maintenant
et donc ce étalonnage sur le gauche et le étalonnage sur le droite
étaient adage sont équivalent , ne sont pas en allant à fournir équivalent quantification
dans 1% et donc nous avoir essentiellement le preuve nous besoin à pousser pour ce changement.
Nous passé notre d'abord vérifier, nous voir le évaluation avec le deux,
nous passé que et maintenant étaient à notre final étape
de exécution ceux changements dans notre processus.
Maintenant c'est sans doute le la plupart important partie,
si toi faire un analyse, nous juste partir il séance là, n'a pas faire beaucoup bien.
Ce peut parfois être le le plus dur partie.
Toi avoir à aller dehors, toi avoir à convaincre personnes, en particulier dans cas comme ce
et toi avoir à prendre considération de peut être sont là supplémentaire
des choses que ce analyse n'a pas considérer.
Je suis heureux à parler à n'importe qui à propos que,
mais étaient pas en allant à aller dans profondeur de quoi le autre considérations nous avoir
à pense à propos avant putting ce dans action,
mais avec ce exemple, nous a fait
en fait fin en haut réduire étalonnage niveaux depuis six à deux
et que réduit le annuel coût de en cours d'exécution que méthode par à propos 15 000 $.
Depuis là nous pourrait dire, d'accord, quoi maintenant?
Sont nous fait?
De cours pas.
Droite maintenant nous besoin à regarder à nous a fait il pour un méthode,
nous avoir a suite de un autre 100 plus méthodes que peut aussi avoir ces
beaucoup niveau étalonnages que pourrait être surpuissance pour quoi nous besoin.
Nous vouloir à regarder à répéter le analyse pour autre méthodes.
C'est où I pense automation vient dans.
Il est a vraiment super chemin à échelle ce un- désactivé analyses pour nous-mêmes,
mais aussi pour autres.
Mon règle de pouce est si I trouver moi-même faire un analyse
plus que deux ou trois fois.
Allons-y construire que dehors dans le automation,
dire avenir moi a parcelle de temps, dépenser a petit temps maintenant.
Je vais juste touche sur ce très brièvement et I vouloir à crier dehors Scott ici
pour portion moi avec a parcelle de le flux de travail constructeur travail et le scripts
mais ces indigène automation outils dans JMP sont vraiment puissant
et ils sont très utilisateur- amical, il y a a parcelle de code- gratuit options
et donc il y a vraiment différent manières toi peut faire ce.
Toi peut faire il sur le gauche côté, droite dans a classique chemin faire tous le scripts
même permet toi à sauvegarder ces mondial variables
donc il pourrait donner nous lieu pour toi à avoir utilisateurs entrer leur
acceptation critères lequel pourrait changement
et ou toi peut effet de levier le flux de travail constructeur lequel est a peu de a plus récent fonctionnalité
mais vraiment permet toi construire dehors ce automation.
Même si toi juste vouloir à scénario il brut,
toi peut construire le cadre que toi peut alors chair dehors.
Le deux des choses I volonté dire à propos ce est
comment beaucoup toi peut automatiser ou peut être comment beaucoup effort toi avoir à mettre dans il
est en allant à être limité à quelques étendue par comment rigide que flux de travail est.
Si utilisateurs besoin il à être vraiment flexible, besoin à interagir avec il,
il pourrait devenir très stimulant à automatiser,
et de cours le données cohérence est clé comme Bien.
Ce est vraiment a super outil à aide autres reproduire le analyse,
mais toi vraiment faire avoir à aussi former eux et document le travail,
faire bien sûr ils savoir quoi c'est en fait faire.
Comme nous tous savoir, chaque analyse a c'est mises en garde.
Toi besoin personnes pas juste à cliquez et avoir a rapport,
mais aussi comprendre a petit peu comme quoi sont quelques
potentiel des choses que pourrait viens en haut, en particulier si tu es en essayant
à avenir- preuve de travail.
I comme à apporter il dos ensemble et envelopper il en haut là
et espoir aujourd'hui que J'ai a montré toi que JMP
toi ne le faites pas avoir à faire comme fou complexe ou sophistiqué des choses dans JMP
toi pourrait morceau ensemble a parcelle de simple fonctionnalité
à créer vraiment impactant flux de travail.
Si tu es fonctionnement dans a laboratoire à ton organisation, partout où il est,
regarder à identifier ces améliorations dans existant flux de travail.
I comme à pense à propos si toi tous sont dans le expérience
la plupart de nous sont dans, il y a plus données que quoi nous savoir quoi à faire avec.
Regarder à le données que Non un est regarder à
et alors défi le conventionnel pensée.
Le chemin étaient fonctionnement est toujours changement, demander pourquoi faire nous faire il ce chemin.
Dans notre cas, pour a long temps, ce est le chemin nous faire il.
Cinq, six- indiquer étalonnage.
Demander pourquoi, quoi si nous n'a pas, quoi serait le impact être.
De cours, ne le faites pas avoir à dire n'importe qui écoute ici.
Utiliser JMP pour le évolutif analyse et alors utiliser automation à faire il facile,
et il vraiment n'a pas avoir à être fantaisie.
Il juste a à travail pour quoi toi besoin il à faire.
Enfin, toi peut utiliser que à impact ces impactant, mettre en œuvre impactant changement
et utiliser données à conduire ceux décisions.
C'est probablement un de le la plupart convaincant outils que nous avoir aujourd'hui.
Si tu es parler à gestion,
faire il dans unités de dollars parce que ils amour que.
Je vais envelopper il en haut là
I pense dernier chose Identifiant comme à dire est juste a remercier toi à le
JMP Découverte Sommet Comité,
tous le personnes organisation spécial remercier toi à Scott pour tous le aide
il a donné moi dans le passé avec Amyris, mais aussi avec ce parler et ce analyse,
et alors a nombre de personnes à A myriade OMS étaient impliqué dans avec ce
et avec que, I volonté envelopper il en haut.
Remercier toi. Au revoir.
