Este documento es SOLO PARA USO INTERNO. No comparta ninguna parte de este documento con nadie que no sea miembro de la división. Esto aún está sujeto a cambios a medida que nos acercamos al lanzamiento de JMP 13.
JMP®13 y JMP® 13 funciones de marketing y problemas empresariales abordados
Tema de JMP 13: La versión 12 hizo imágenes, la versión 13 hizo texto.
JMP
1. Explorador de texto
2. Unirse virtualmente
3. Generador de paneles de control
4. Comparar diseños
5. Generador de consultas JMP
6. Los proyectos se aplazan hasta el 14
7. Mejoras en HTML5
8. Mejoras generales del generador de gráficos
9. EZDOE aplaza hasta el 14
10. Opciones de exportación
11. Escalamiento multidimensional (MDS)
12. Análisis de clase latente (LCA)
13. MaxDiff (Mejor/Peor) + Creación de diseño MaxDiff
14. Apoyo a No Choice
15. Análisis de capacidad no normal
16. Crecimiento de la confiabilidad de múltiples sistemas
17. Daño acumulativo
18. Actualización de simulaciones de respuestas del DOE
19. Adiciones a JSL
20. ¿Nuevas características del análisis de recurrencia?
21. Proceso de selección
JMPPRO
- Análisis del explorador de texto
- Mejoras en la regresión generalizada
- Simulación de sistemas reparables (RSS)
- Ajuste del proceso gaussiano a problemas más grandes
- Modelos mixtos, estructuras de covarianza adicionales
- Funcionalidad de simulación general
- Análisis de asociación
- Impulso del gradiente estocástico
- Bayes jerárquico para modelos de elección.
- Código de puntuación de SQL/SAS/C de Formula Depot + Output para modelos JMP Pro
Generador de gráficos para iPad
————————————————————————————————————————
JMP:
I. Explorador de texto (formación, SE, web) — En buena forma, todavía desarrollo activo
A. Descripción : Técnica de minería de datos en la que algoritmos de procesamiento del lenguaje natural (PLN) pueden buscar en un corpus (colección de documentos) para identificar hechos y relaciones a partir de una masa de “ big data”. Herramienta para organizar, clasificar y gestionar datos de texto.
B. Público objetivo : investigadores de mercado, ingenieros de garantía, profesionales médicos y cualquier persona que pueda estar sujeta a una auditoría. Ingenieros y científicos que tengan datos de texto libre, por ejemplo, cambios de ingeniería, notas de reparación, notas de producción.
DO. Problemas empresariales clave abordados : En versiones anteriores de JMP, se podía hacer muy poco o nada con los datos de texto. Se podían hacer recuentos de palabras simples en categorías o recodificarlos, pero JMP carecía de la capacidad de clasificar los datos de texto de una manera significativa y comprender la información latente disponible en los datos de texto libre a los que tienen acceso muchos de nuestros científicos e ingenieros. Proporcionar métodos para la extracción básica de palabras clave.
D. Clientes que lo solicitan : P&G, Adsurgo, Eli Lilly , Micron
————
segundo. Uniones virtuales (Xan, SS?) —Buena forma
A. Descripción : Haga referencia a otras tablas de datos sin tener que unirlas. El ID de enlace es la columna que encapsula el conjunto de datos. La referencia de enlace es una referencia de clave externa. Enriquezca sus tablas de datos con metadatos sin sobrecargarlas.
B. Público : General
DO. Problemas empresariales clave abordados : las tablas de datos tienen información vinculada que normalmente requeriría unir tablas. Cuando los conjuntos de datos son demasiado largos y se unen demasiado anchos (especialmente en diferentes escalas de muestreo de tiempo), hay mucha duplicación en la tabla de datos larga, lo que puede generar problemas de almacenamiento de datos engorrosos.
D. Cliente(s) que lo solicitan : CAB, Tom Traynor (Zymergen), Jon W
————
III. Generador de paneles de control (Xan; capacitación, webcast) —Bueno, casi terminado.
A. Descripción : Archivo -> Nuevo panel es un solo clic para agregar informes JMP en un panel listo para presentación. También filtros de selección de superficie con un solo clic para usar un gráfico para filtrar otro gráfico. Nueva página principal que le permite ver plantillas y puntos de partida para crear una aplicación. Haga clic en Soltar informes en zonas de colocación del panel como Graph Builder. Zonas de colocación más grandes y visibles para crear paneles. En tiempo de ejecución, también reorganiza informes en el panel, también crea pestañas. Guardar como HTML interactivo conserva el diseño. Si hay una consulta incrustada, actualiza la base de datos. Incorpora la consulta y luego recrea el panel.
B. Público : científicos e ingenieros como creadores, ejecutivos de alto nivel y otros como consumidores.
DO. Problemas empresariales clave abordados: los paneles de control son difíciles en las versiones anteriores de JMP y requieren demasiados clics. El generador de aplicaciones (completo) es demasiado complejo, da demasiado miedo y tiene demasiadas opciones. Los usuarios nuevos de JMP se sienten intimidados por elementos como los cuadros de lista de opciones y otros elementos de diseño internos de JMP. Las versiones anteriores del generador de aplicaciones creaban muchas ventanas, lo que creaba una " estela" de ventanas detrás de ellas. El modo de vista previa se encarga de esto, lo que le permite pasar de la vista a la edición sin crear más ventanas.
D. Clientes que lo solicitan: Unilever, GE, John Salmon
MI. Recursos:
1. https://sas.webex.com/sas/lsr.php?RCID=1b789984e7a8406f938210519aa53981
————
IV. Comparaciones de diseño (DOE) —El lanzamiento de la comparación es complicado (requiere varias tablas de datos, C++ está listo).
A. Descripción : Comparar dos o más diseños. Generar una serie de diagnósticos que comparen diseños en función de su capacidad predictiva. Varianza de predicción, cantidad de aliasing, muchas dimensiones para comparar. Cree un diseño utilizando un diseño óptimo d- vs. I-, la herramienta de comparación DOE analizará los dos diseños y le brindará comparaciones. Diseño de 6 factores y 12 ejecuciones i-óptimo vs. alias-óptimo
B. Público : profesionales del DOE.
DO. Problemas comerciales clave abordados : en versiones anteriores de JMP, era difícil comparar diseños fácilmente, especialmente cuando se consideraban más de dos diseños; era un proceso manual que requería copiar y pegar o mirar varios diseños evaluados; ahora todo está en el mismo informe.
D. Cliente(s) que lo solicitan : CAB
————
v. Generador de consultas JMP (Brian, SS, Webcast): en buen estado
A. Descripción : Capacidad de consulta/unión de múltiples tablas. Misma interfaz que SQL Query Builder y SAS Query Builder. Hasta 60 uniones de tablas. (Interno) Utiliza SQLite de código abierto; tabla virtual para SQLite. Utiliza una interfaz similar a la nuestra. Incorpora SQL como lenguaje de consulta (Base SQL) en JSL; Más adelante converge Query Builder con la próxima unión de múltiples tablas (14).
B. Público : usuarios de JMP
DO. Problemas empresariales clave abordados : A veces, no se desea crear una base de datos solo para unir datos que ya están en JMP. Unir más de dos tablas en JMP era una tarea ardua.
D. Cliente(s) que lo solicitan : CAB
————
NOSOTROS. Proyectos (Xan; se necesita capacitación, transmisión web): la interfaz de usuario está en buenas condiciones, pero tiene errores. Aún está en terreno inestable en términos conceptuales, pero ahora está más cerca después del 16/11/2015. APLAZAR AL 14
A. Descripción : Un proyecto es una forma de organizar análisis, ventanas, scripts, archivos y otros artefactos utilizando JMP en JMP. Los proyectos pueden incluir cero o más archivos (de cualquier parte del disco) y cero o más carpetas activas (también de cualquier parte del disco). Incluir una carpeta en un proyecto incluirá todos los archivos actuales y futuros de esa carpeta en el proyecto de manera similar a cómo funciona la carpeta de proyecto (única) hoy en día. El archivo de proyecto en sí (es decir, el archivo .jmpprj) puede vivir en una de las carpetas de proyecto o fuera de ella. Archivo->Nuevo proyecto abrirá inmediatamente un proyecto no guardado, en lugar del cuadro de diálogo de nuevo proyecto que muestra hoy; esto hace que sea más fácil crear proyectos temporales y que implementemos la función " crear proyecto desde todas las ventanas abiertas".
B. Público : nuevos usuarios de JMP, usuarios de JMP que no conocen la ventana maestra y usuarios de JMP que tienen problemas con la administración de ventanas.
DO. Problemas empresariales clave abordados : El proyecto cumple muchas de las mismas funciones que solíamos tener con la ventana maestra en Windows, proporcionando un contenedor en lugar de tener todas las vistas dispersas. Barra de menú compartida. Cuando los análisis están dentro de la ventana del proyecto, ya hay una barra de menú completamente formada, sin la necesidad de tener una barra de menú para cada tabla de datos y análisis. La barra de menú siempre está visible y disponible y no duplicada. Tolerancia a ventanas maximizadas: para los usuarios que usan rutinariamente ventanas maximizadas, ya no está de más permitirle ver múltiples vistas, siempre que el usuario muestre múltiples pestañas simultáneamente. Lista de archivos de borde: la lista de archivos disponibles siempre está disponible sin tener que volver a la ventana de inicio o a una ventana del sistema operativo. Estado guardado: un beneficio principal es la capacidad natural de devolver una sesión a un estado guardado para ese proyecto, con la capacidad de tener muchos estados guardados de sesión para varios proyectos. Geometría de presentación: en lugar de ventanas superpuestas, los proyectos disciplinan los informes para que estén en un espacio en mosaico o en pestañas. Carpeta de guardado predeterminada: cuando un proyecto está abierto, es más fácil guardar archivos porque existe una carpeta predeterminada clara donde guardarlos. No todos estos beneficios se mantienen cuando hacemos proyectos diferentes a los archivos en una carpeta.
D. Clientes que lo solicitan : Starbucks, Roche, Abbott, Abbott Vascular, Gore, Intel, P&G, Micro, G3, Apple, Schott AG, Atotech, EM Microelectronic, Telefónica, Micron, Microsoft.
E. Recursos:
1. http://sww.sas.com/jmpmediawiki/Project_Concepts
2. http://sww.sas.com/jmpmediawiki/Project_Concepts:_Overlapping_Features
3. http://sww.sas.com/jmpmediawiki/JMP_Projects_JMP13
4. http://sww.sas.com/jmpmediawiki/JMP_13_Projects_Issues_and_Features_List
5. http://sww.sas.com/jmpmediawiki/JMP_Projects_Future
————
VII. Mejoras de HTML 5 (Brian, SS, Webcast)
A. Descripción : Compatibilidad con la mayoría de los segmentos en el estado finalizado de Graph Builder. Compatibilidad con el diseño del panel desde las pestañas de Application Builder.
B. Público : Todos
DO. Problemas empresariales clave abordados : Graph Builder es la herramienta principal de visualización de datos para comunicar los resultados en JMP; anteriormente no era interactivo al guardar como HTML interactivo. Los paneles de control perdían su diseño al guardar como HTML 5.
D. Cliente(s) que lo solicitan : General; CAB
————
VIII.EZDOE (DOE sin lágrimas) Diferir hasta el 14
A. Descripción : Interfaz de usuario para diseñar y trabajar con un flujo de trabajo de DOE. Saber qué hacer y cómo usar las plataformas de modelado no es fácil para un principiante. El diálogo con pestañas de principio a fin va desde definir factores -> crear diseño -> tabla en el informe -> analizar el informe -> diagnósticos, etc.
B. Público : Usuarios básicos de JMP. Cinturón verde Six Sigma.
DO. Problemas comerciales clave abordados : JMP es demasiado difícil de aprender para un novato que tal vez solo quiera comenzar a diseñar un experimento sin tener que lidiar con múltiples tablas.
D. Cliente(s) que lo solicitan : CAB, Bill Kappele
————
IX. Mejoras generales en Graph Builder (Xan, SS, Webcast)
A. Descripción : Graph Builder es el estándar de oro para crear gráficos en JMP; Adición de actualizaciones de Mapa de árbol y Gráfico paralelo a GB; el objetivo es la consolidación de todas las plataformas de gráficos en GB; Conectar a través de la falta de línea; Nuevas transformaciones como Cum Sum; Nivel alfa personalizable (tal vez); Reemplazar 3 botones en la parte superior con la barra de herramientas mínima (como rehacer, filtro; tal vez); Opciones de esquivado adicionales para puntos (tal vez); Adición de gráficos de cascada (tal vez); Leyendas dentro del gráfico (tal vez); Múltiples estadísticas de resumen (tal vez); Más ajuste en regresión (exponencial); Ancho de barras y gráficos de caja; personalizaciones; Gráficos de caja coloreados (tal vez); Líneas de paso centrales (tal vez); Deshacer más robusto (tal vez); Sombreado al suavizar; Menos probable: Salida tipo tabulador, soporte de desglose (mapa de árbol), generalmente acceso directo al Filtro de datos locales, personalizaciones del gráfico de violín; Medias de diamantes
B. Público : Todos los usuarios de JMP
DO. Problemas empresariales clave abordados : Graph Builder tiene más de 700 defectos abiertos. En cada versión, debemos eliminar estos defectos y, al mismo tiempo, clasificar los nuevos defectos que se presenten. La lista anterior es el esfuerzo realizado para JMP 13.
D. Cliente(s) que lo solicitan : N/A
————
INCÓGNITA. Opciones de exportación: generación de informes web y de salida en Excel (Brian, SS, Webcast)
A. Descripción : Tome una serie de tablas JMP y envíelas a un único libro de Excel. Tome una serie de informes HTML interactivos y agréguelos a una única página web.
B. Público : todos aquellos que intentan compartir resultados fuera de JMP.
DO. Problemas empresariales clave : Es difícil crear un sitio web con un resumen de los resultados y, a veces, los informes individuales están fuera de contexto. Con un solo clic se genera un sitio web. A veces es necesario generar un libro de trabajo de tablas JMP en Excel. Ahora, con un solo clic, puede hacerlo.
D. Cliente(s) que lo solicitan : Abbott, Jon W.
————
XI. MDS (Chris, Formación)
A. Descripción : El escalamiento multidimensional o MDS es una técnica estadística multivariada popular que es principalmente visual. Hay poca inferencia formal, como la prueba de hipótesis, asociada con MDS. El propósito de MDS es crear una representación visual del patrón de proximidades (es decir, similitudes o distancias) entre un conjunto de objetos. Por ejemplo, una matriz de similitudes percibidas entre varias marcas de cerveza, MDS traza las cervezas en un mapa donde aquellas cervezas percibidas como similares están juntas en el mapa, y aquellas cervezas percibidas como diferentes están muy separadas en el mapa. Mínimos cuadrados no lineales. Diagrama de Shepard: la línea significará que está bien, la nube significa que la historia no es tan simple. Más allá de 2-3 d.
B. Público : analistas sensoriales, investigadores de mercado, sociólogos, biólogos
DO. Problemas comerciales clave abordados : proporcionar un método para que los clientes comparen productos y emitan juicios sobre las similitudes entre ellos sin la necesidad de proporcionar una lista de atributos del producto para comparar, como los métodos utilizados en el análisis conjunto, factorial, etc.
D. Cliente(s) que lo solicitan : George Washington Univ., P&G, Kenan-Flagler, Univ. de Wisconsin, Stockholm Univ., Dokkyo Univ.
————
XII. ACV (Capacitación)
A. Descripción : El análisis de clases latentes (LCA) es un método estadístico para identificar la pertenencia a una clase no medida entre sujetos mediante el uso de variables observadas categóricas o continuas. Por ejemplo, es posible que desee categorizar a las personas en función de sus comportamientos de consumo de alcohol (observaciones) en diferentes tipos de bebedores (clases latentes).
B. Público objetivo : Investigación de mercados, Sociología, Psicología, Salud.
DO. Problemas empresariales clave abordados : análisis de conglomerados para variables categóricas. Anteriormente, solo ofrecíamos análisis factorial para variables continuas.
D. Cliente(s) que lo solicitan : Walter Paczkowski, Universidad Rutgers
————
XIII.Análisis de Diferencia Máxima (Entrenamiento)
A. Descripción : MaxDiff (a veces conocido como “Mejor-Peor ”) es una técnica que se utiliza para analizar las preferencias de los clientes. Los encuestados elegirán una opción o harán una concesión. Al igual que el análisis de elección, suele considerarse más fácil de ejecutar y más informativo para determinados estudios. Los encuestados simplemente seleccionan la mejor y la peor opción de un conjunto fijo de productos.
B. Público objetivo : investigadores de mercado, gerentes de productos, gerentes de publicidad
DO. Problemas comerciales clave abordados : opción solicitada con frecuencia por competidores como Sawtooth. Max Diff se utiliza mucho en la industria y no estaba en nuestra oferta de investigación de consumidores.
D. Customer(s) asking for it: Walter Paczkowski, Data Analytics Corp., Soluciones isométricas, P&G
————
XIV. Sin elección (entrenamiento)
A. Descripción : El diseño y análisis de opciones ofrecerá ahora una opción de “ Sin opción”. Los investigadores de mercado ahora pueden ofrecer a los encuestados la opción, ya que a menudo puede que no les guste ninguna de las opciones ofrecidas en el conjunto de opciones. No tener preferencia es la forma de pensar en esto. Muestre cómo puede sesgar su análisis con modelos de opciones anteriores en los que no se consideró ninguna opción.
B. Público objetivo : investigadores de mercado
DO. Problemas empresariales clave abordados : los ofrecen habitualmente los competidores y los emplean con frecuencia los profesionales de la investigación de mercado. Si va a intentar predecir la popularidad de un producto, si no tiene una opción que le impida elegir, sus predicciones podrían ser erróneas.
D. Cliente(s) que lo solicitan : Walter Paczkowski, Análisis de datos, P&G
————
XV.Análisis de capacidad no normal (SS)
A. Descripción : Capability Platform ahora ofrece soporte para el ajuste de distribución no normal y la estimación no paramétrica para índices de capacidad.
B. Público : Analistas de aseguramiento de calidad, ingenieros de calidad, calidad de proveedores, profesionales de Six Sigma.
DO. Problemas empresariales clave solucionados : se requieren varias plataformas para ejecutar la función en JMP, según el tipo de distribución. Ahora, todo se puede ejecutar en una sola plataforma.
D. Cliente(s) que lo solicitan : Medtronic, Phil Ramsey, Tom Little
————
XVI. Aumento de la confiabilidad: sistemas múltiples (¿capacitación, web?)
A. Descripción : Se agregaron dos nuevas pestañas para respaldar el análisis del crecimiento de múltiples sistemas. 1) Sistemas concurrentes: cuando se realizan pruebas en muchos sistemas similares y ocurre una falla en un sistema, la corrección de diseño se aplica a todos los sistemas en estudio. 2) Sistemas paralelos: estudia y compara el crecimiento de la confiabilidad en múltiples sistemas independientes por sistema y/o fase. **Nota: esto puede cambiar antes de la fecha de lanzamiento.
B. Público : Ingenieros de confiabilidad, ingenieros de pruebas, ingenieros de diseño enfocados en sistemas reparables.
DO. Problemas comerciales clave abordados : usuarios y clientes potenciales que seleccionan software de la competencia para realizar el análisis requerido.
D. Cliente(s) que lo solicitan : Chrysler, GE, Abbott
————
XVII. Daño acumulativo
A. Descripción : Analice los datos de tiempo transcurrido hasta el evento en situaciones de estrés no constante. Realice pruebas de vida acelerada bajo estrés creciente y analice los datos de campo en escenarios de estrés arbitrarios. Hay cuatro opciones de modelo disponibles: estrés escalonado, estrés de rampa, estrés sinusoidal y estrés de rampa por partes.
B. Público : Ingenieros de diseño, fabricación y pruebas.
DO. Problemas comerciales clave abordados : proporciona una alternativa a ALT cuando los ingenieros están limitados en cuanto a la cantidad de unidades de prueba y el tiempo de prueba.
D. Clientes que lo solicitan : Dow Chemical, Keurig, Biotronik, Tessera NA, OLEDWorks llc, numerosas solicitudes durante los eventos RAMS y Explorer.
————
XVIII. Diseño personalizado — Simulación (En buen estado)
A. Descripción : Simular respuestas a partir de un diseño personalizado del DOE. Script de simulación del DOE en la tabla de datos para ajustar la simulación después de que se haya creado el diseño. Normal, binomial y Poisson. N ensayos para simular binomial. Normal es lo habitual, binomial y Poisson para los conteos. Los conteos vienen en números enteros: cuando la cantidad de conteos es pequeña, el GLM es más apropiado para los modelos Poisson. Forma de llegar a un cálculo de potencia para un problema complicado.
B. Público : DoD: Pruebas del sistema y muchas pruebas del sistema en las que los resultados de las pruebas son de aprobado/reprobado. Siempre es mejor si se llega a una respuesta continua, pero si no se puede, sería bueno decir: dada esta prueba, ¿qué tan grande debe ser la diferencia entre el valor previsto en el nivel bajo y el alto? Ingenieros de T&E.
DO. Problemas empresariales clave abordados: En el pasado, las respuestas simuladas asumían una distribución normal de Y. Y la simulación resultante en la columna Y no era una fórmula, por lo que no se podía ajustar después del efecto. Es muy complicado para los modelos binomiales con muchos efectos subyacentes. Las herramientas de potencia y tamaño de muestra suponen que solo tiene 1 x de lo que le interesa, esto no es cierto para los problemas reales, ya que la varianza no es lineal. Determine cuántas pruebas adicionales necesita hacer para detectar un pequeño cambio en la probabilidad, por ejemplo, la diferencia entre 0,95 y 0,99: se necesitan muchos ensayos.
D. Cliente(s) que lo solicitan : DoD.
————
XIX. Mejoras de JSL
A. Descripción : En cada lanzamiento, nos esforzamos por mejorar la experiencia de uso de JSL para programadores principiantes y avanzados. Algunas características nuevas son específicas de la programación y otras son cambios o adiciones arquitectónicas que facilitan la vida tanto al programador como al usuario general de JMP.
B. Público : Guionistas
DO. Problemas empresariales clave abordados : Muchas veces, cuando JMP se bloquea, se pierde el trabajo en un script u otros archivos JMP porque JMP no tiene ningún mecanismo de guardado automático. Ahora sí lo tiene. JSON no se importaba fácilmente, ahora sí. Era difícil comparar las diferencias entre dos scripts, ahora es fácil con File Compare. Las listas principales eran muy lentas, se han optimizado y ahora son rápidas. Los lenguajes que no son JSL no tenían sintaxis codificada por colores, lo que dificultaba su lectura; ahora hay estilos para codificar por colores el editor de texto para varios lenguajes. La función UsingNamespace() ayuda con el problema de querer ejecutar un bloque de código en un espacio de nombres específico. JSL no tenía clase, ahora sí: funciones, métodos (virtuales); Admite herencia; No se admite el polimorfismo, a menos que se haga mediante recuentos de argumentos; Se admiten This y super; Envía mensajes a una clase; Bloques de código de espacio de nombres.
D. Clientes que lo piden : General
————————————————————————————————————————
JMP Pro:
XX.Análisis del explorador de texto
A. Descripción : Análisis multivariable (como PCA, LCA) para trabajar con datos de texto depurados y clasificados por la plataforma de análisis de texto. Tratar preguntas de encuestas e informes de ingeniería.
B. Público : cualquier persona con datos de texto que busque construir modelos predictivos a partir de esos datos y realizar análisis multivariados con datos de texto.
DO. Problemas empresariales clave abordados : convierte el problema de tratar con datos de texto en un problema de análisis de datos estándar.
D. Cliente(s) que lo solicitan : Adsurgo, CAB, Materiales Aplicados, FDA, Micron
————
XXI. Mejoras en la regresión generalizada
A. Descripción : Se agregaron características adicionales a GenReg. Capacidad para manejar censura; los tipos de modelos que se ajustarían con supervivencia paramétrica se podrían ajustar con Gen Reg, con selección de variables. Modelo de tiempo hasta el evento. ERIC: una técnica de validación que elegirá modelos más dispersos para la mayoría de los problemas de ajuste, ya que fue diseñado a medida para el lazo adaptativo a diferencia de AICc y BIC. Modelo de regresión de Cox en el marco Gen Reg. Ajuste interactivo de la curva ROC. Cambie el modelo y observe el entrenamiento/validación de ROC.
B. Público : Bioestadísticos (regresión de Cox). Ingenieros de confiabilidad (modelos censurados).
DO. Problemas comerciales clave abordados : la plataforma de regresión de Cox era antigua y necesitaba una actualización; no podía ajustar datos censurados en Gen. Reg.; los modelos creados con técnicas de validación estándar suelen ser demasiado grandes, porque AICc y BIC suponen la máxima verosimilitud.
D. Cliente(s) que lo solicitan:
————
XXII. Simulación de sistemas reparables (RSS)
A. Descripción : Motor de simulación interno que puede utilizar simulación de eventos discretos. Principalmente se ocupa de problemas reparables. Problemas lo suficientemente importantes como para considerar una reparación.
B. Público : Cualquiera que quiera simular la reparación de cosas costosas (turbinas, motores de aeronaves).
DO. Problemas empresariales clave abordados : simulación para obtener resultados de cuánto tiempo va a fallar algo, lo cual es costoso. ¿Qué deberían reparar mientras están allí? El RBD existente solo realizaba el tiempo hasta el evento (falla única). La simulación resuelve un problema más difícil. Es necesario elaborar un presupuesto (previsión). ¿Cuántos eventos reparables debo esperar en un período de tiempo determinado?
D. Clientes que lo solicitan : GE Energy, P&G, Rolls Royce, mantenimiento de flotas (autobuses escolares, por ejemplo). Applied Materials.
————
XXIII. Ajuste del proceso gaussiano de problemas de gran envergadura mediante el marco de trabajo Fit Mixed
A. Descripción : Analice conjuntos de datos mucho más grandes con facilidad. Maneja código de bloqueo. Capacidad para analizar variables categóricas como entrada. También conocidos como modelos sustitutos. Establezca un tamaño de bloque; Permitiendo un GASP rápido.
B. Público : Personas que realizan experimentos de simulación por computadora.
DO. Problemas empresariales clave abordados : era lento ajustar los problemas de procesos gaussianos cuando superaban los 1000 registros aproximadamente. Si su simulación incluía variables categóricas como entradas, no podía analizar el problema.
D. Cliente(s) que lo solicitan: Gov’t, Semiconductor, Sandia, P&G, Pratt & Witney, GE Energy
————
XXIV. Modelos Mixtos Modelos Adicionales
A. Descripción : Se agregaron varias funciones de correlación a la estructura repetida, Intercambiable, Interdependiente, Igual/Desigual, Varianzas desiguales.
B. Público : Personas que realizan ajustes de modelos mixtos, especialmente en estudios agrícolas y humanos.
DO. Problemas comerciales clave abordados : cerrar las brechas frente a los competidores que adoptan modelos mixtos.
D. Cliente(s) que lo solicitan:
————
XXV. Funcionalidad de simulación general
A. Descripción : Cambie cualquier columna de entrada por la columna del generador de números aleatorios. Análisis de potencia para los términos del modelo. Simulación general de Monte Carlo. Realice también un bootstrap paramétrico. Guarde la fórmula de simulación para cualquier distribución en GenReg. Ejecute un experimento 100 veces y vea cuál es la variabilidad en los experimentos. Para los ejemplos normales, las calibraciones de potencia y tamaño de muestra en Diseño personalizado le indican lo que necesita saber; pero para los experimentos binomiales y de Poission, necesita simular.
B. Público : General; estadísticos.
DO. Problemas empresariales clave abordados : es necesario realizar cálculos de potencia; tal vez tenga datos de recuento. ¿Qué tan bien se desempeñará su experimento bajo ciertas suposiciones?
D. Cliente(s) que lo solicitan : Departamento de Defensa, Ejército, generales del gobierno, investigadores que presentan subvenciones.
————
XXVI. Análisis de asociación
A. Descripción : Análisis básico de mercado, analizar qué productos aparecen juntos en una transacción y hacer recomendaciones. Generar a partir de términos o artículos estructurados y querer ver cuáles aparecen juntos. Crear reglas de asociación con la plataforma Market Basket. Generar tabla para asociación desde la plataforma Text Explorer. Posible uso para minería de datos de fallas; qué fallas ocurren juntas.
B. Público : Investigadores de mercado. Comercializadores.
DO. Problemas empresariales clave abordados: Elemento de la lista de verificación para programas de investigación de mercados.
D. Cliente(s) que lo solicitan: Matt Flynn (Aetna), Rob Reul, P&G, profesores de Curt que desean enseñar Investigación de mercados con JMP.
————
XXVII. Impulso del gradiente estocástico
A. Descripción : Mejoras de rendimiento para árboles potenciados; combinación de Random Forest y Gradient Boosting.
B. Público : Modeladores predictivos y mineros de datos.
DO. Problemas empresariales clave abordados:
D. Cliente(s) que lo solicitan: Russ, Mia.
————
XXVIII. Bayes jerárquico
A. Descripción : Modelo de efectos aleatorios para el análisis de la elección. Análisis de segmentación de modelos de elección. Diferentes formas de modelar los efectos de los sujetos y se puede validar estadísticamente qué parte de la heterogeneidad se debe a diferencias observables entre sujetos y qué parte es variación aleatoria.
B. Público : investigadores de mercado. También puedes incluir HB en Max Diff si tienes la versión Pro de JMP.
DO. Problemas empresariales clave abordados: En la versión anterior de JMP, no podíamos modelar adecuadamente la heterogeneidad en los modelos de elección, lo que daba como resultado predicciones imperfectas y modelos de menor calidad en general. El método Bayes jerárquico es una técnica estándar de la industria y está disponible en software competitivo, como Sawtooth, R y otros.
D. Clientes que lo solicitan: P&G, P&G Europa, Walt P (líder de opinión del sector). Cualquiera que utilice modelos de elección acabará queriéndolo.
————
XXIV. Depósito de fórmulas; código de puntuación SQL/SAS/C de salida para modelos JMP Pro.
A. Descripción : Un centro para organizar e implementar modelos creados en JMP Pro sin cargar la tabla de datos con columnas y columnas de fórmulas de predicción; una forma mucho más eficiente de almacenar modelos JMP Pro.
B. Público : modelos predictivos; aquellos que necesitan implementar modelos creados en JMP Pro en otros sistemas.
DO. Problemas empresariales clave abordados: en versiones anteriores de JMP, al crear varios modelos, la tabla de datos se sobrecargaba con muchas columnas adicionales de fórmulas de predicción, que debían haberse generado desde plataformas de ajuste para que la plataforma de comparación de modelos funcionara. Además, todas las columnas las nombrábamos por la respuesta predicha, lo que dificultaba averiguar de qué fuente de modelo provenía la fórmula de predicción. Con tablas grandes, esto podía generar una gran huella debido a estas columnas adicionales. La implementación también era difícil y JMP Pro carecía de un único centro para organizar las fórmulas de predicción e implementarlas de forma selectiva en el código para otros sistemas como SQL o C. Ahora, el centro de modelos soluciona todo esto.
D. Clientes que lo solicitan: P&G, GE (GE Power), Starbucks, IMFT, Micron, Intel, Rob Reul.
————————————————————————————————————————
Aplicación Graph Builder para iPad : ahora te permite importar archivos de Excel y de texto. También agrega la capacidad de acceder al almacenamiento de Box, Dropbox y iCloud (y otros proveedores de la nube). Beta en febrero. iOS 7.0 o 8.0 mínimo.
Varias nuevas funciones de JMP —
• Nuevo JMP Starter (incluye un JMP Pro-specific starter) (SS)
• Importación de HDF5 (SS): Raytheon, Johns Hopkins, General Dynamics, Marina ( http://sww.sas.com/ds/DefectsSearch/S0780/S0780852.html )
