Bonjour,
tout le monde.
Je suis Facture Worley,
et le long de avec notre spécial invité, Entaille Strasser, depuis Bas Enzymes,
étaient en allant à être parler à toi à propos quelques important JMP outils
pour fermentation processus,
plus spécifiquement, l'éthanol production dans a lot système.
Je suis en allant à tourner il sur à Entaille pour a rapide introduction,
et alors Je vais donner a petit peu plus introduction sur moi-même alors, comme Bien.
Oui, Bonjour. Remercier toi, Facture.
Tout le monde, mon nom est Entaille Strasser.
Comme Facture dit, I suis a technique soutien spécialiste pour BASF Enzymes.
J'ai a été justificatif le carburant l'éthanol industrie dans Nord Amérique
pour à propos 10 années et avoir trouvé JMP à être un extrêmement précieux outil
pour analyser production et fermentation processus
événement à l'éthanol producteurs installations.
Je suis excité à être ici aujourd'hui avec Facture et présentation ce matériel.
Avec un peu de chance, si toi sont un l'éthanol producteur, ce matériel volonté être directement en vigueur.
Si toi sont pas, quelques de le des choses Bien parler à propos de,
certainement toi peut appliquer il à travers plusieurs différent industries.
Je suis juste excité à être ici et regarder avant à il.
Remercier toi, Entaille.
A petit peu plus arrière-plan sur moi.
Mon nom est Facture Worley.
Je suis a principal systèmes ingénieur avec JMP.
J'ai a été avec JMP presque 10 années.
Avant à que, I travaillé pour Procter et Pari,
et c'est où I dire I a grandi en haut sur JMP.
J'ai a obtenu a arrière-plan dans chimie c'est a obtenu a maîtrise degré dans chimie,
mais J'ai a été autour.
J'ai travaillé pour a peu autre entreprises sur le années.
Bien juste partir il à que et Bien aller depuis là.
Tous droite, Entaille.
Tous droite, à obtenir nous commencé,
Identifiant comme à parler à propos quelques général données gestion fondamentaux,
des choses que I avoir trouvé à être précieux dans le l'éthanol production industrie.
D'abord et avant tout,
le des choses que toi voir nous aller à travers aujourd'hui,
ils sont quelques de le captures d'écran nous prendre
et le manifestations tu vas voir Facture aller à travers,
nous volonté être en utilisant le dernier version de JMP, JMP 17.1.
Toi peut être en utilisant a précédent version de JMP,
et c'est parfaitement bien.
Quelques de quoi toi voir ici pourrait être standard fonctions dans 17,
mais toi pourrait avoir à pousser autour a petit,
trouver eux quelque part autre dans 16.
Si ils sont disponible, ils pourrait juste être dans a différent place.
Alors quelques de le version 17 fonctions sont complètement nouveau
et pourrait pas être disponible dans plus vieux versions.
I aussi vouloir à rapidement mention ici le compatibilité avec Exceller.
Microsoft Exceller fait avoir a JMP ajouter- sur barre d'outils.
Si toi savoir comment à activer a barre d'outils dans Exceller,
toi peut aller trouver il là et avoir que ajouté à ton Exceller.
Pour l'éthanol producteurs,
Exceller est souvent le intermédiaire
entre leur laboratoire gestion systèmes
et leur données analyse avec JMP.
Juste quelques régulier meilleur gestion pratiques ici.
Dans le l'éthanol production industrie, si toi sont a lot fermentation facilité,
garder a maître tableur de tous de ton lots dans un lieu.
C'est important que c'est tous dans un lieu,
de sorte que toi peut effet de levier le différent des choses que sont en allant sur,
soit processus- sage, ou chimique- sage, ou ingrédient- sage.
Aussi comprendre lequel données sont important à toi.
Parfois I parler à a client et ils sont seulement en arrière- regarder.
Ils sont collectionner le données de des choses que arrivé
et pas nécessairement le entrées ou le changements que a obtenu eux là.
Faire bien sûr que toi avoir a place
à collecter presque n'importe lequel information toi peut pense à propos
que pourrait devenir utile regarder en arrière plus tard sur.
I très, très, très recommander, et la plupart producteurs faire ce maintenant,
ajouter a procès colonne à ton données.
Comme toi collecter ton information,
comme ton lots mature et baisse et ton production va le long de,
faire bien sûr toi ajouter a colonne
que toi peut indiquer si toi sont en essayant quelque chose nouveau,
si c'est un enzyme, ou a chimique, ou même a processus.
Peut être c'est même a nouveau équipage.
Peut être tu es commutation en haut ton équipage conduit ou quelque chose comme que.
Faire il a procès et mettre il dans a colonne où toi peut aller dos et référence que.
Dans a similaire veine, avoir un bouleversé colonne.
Bouleversements sont comme essais que nous n'a pas vouloir à avoir arriver.
Mais c'est bien à note que il y a peut être un bouleversé condition
si pour Non autre raison que a semaine ou deux ou mois ou deux plus tard.
Ce était un dehors- de- ordinaire chose
et nous peut peut être disregard quelques de le Nombres.
Tous droite.
Comme des bouleversements, données entrée erreurs sont en allant à arriver,
donc faire bien sûr que toi dépenser quelques temps nettoyage ton données.
Ce est en fait a très important étape et il peut être plutôt temps- consommant.
Toi avoir multiple options.
Mon le plus grand indiquer de accent serait être, faire le ménage le données à le source si toi peut.
Aller tous le chemin dos à où peut être a entrer était entré
et correct il là.
Que chemin, si toi jamais avoir à aller dos,
tu es pas en permanence nettoyage le même erreurs sur et sur encore.
I serait dire, faire le ménage en haut le source si toi peut.
Faire le ménage et JMP si toi avoir à.
Toi avoir options dans JMP que pourrait aide toi identifier des choses
que besoin à être nettoyé et options pour nettoyage eux en haut.
Toi peut utiliser le option à recoder.
Toi peut explorer valeurs aberrantes ou manquant valeurs.
Souvent, I voir données entrée erreurs quand I créer a contrôle graphique.
Peut être a nombre c'est normalement, dire, entre 15 et 20 spectacles en haut comme 170.
Bien, à moi c'est a égaré décimal.
C'est probablement censé à être a 17 et quelqu'un égaré a décimal
et nous terminé en haut avec 170.
Toi peut facilement voir que dans a contrôle graphique.
Trouver il et correct il.
Alors I serait aussi dire, toujours faire bien sûr toi vérifier ton données taper dans JMP.
Si toi avoir a colonne c'est censé à avoir a numérique entrée
et quelqu'un entre a personnage, c'est en allant à devenir a problème plus tard sur
quand toi vouloir à faire quelques statistique analyse.
Tous droite, un de mon préféré sujets ici.
I vraiment vouloir personnes à utiliser ces termes: commun cause et spécial cause.
Si toi avoir variation dans ton données,
c'est pour un de deux raisons ou peut être les deux mettre ensemble.
C'est soit a commun cause raison ou a spécial cause raison.
Commun cause raisons sont raisons que se produire naturellement
parce que ton équipement, ton personnes,
et ton processus avoir certain limites.
Ce est quoi nous appel ton bruit dans ton données.
Ce est juste normale, tous les jours petit variations dans ton données
parce que de le imparfait nature de tout que tu es en utilisant.
Il y a aussi a spécial cause variation.
Spécial cause variation ça arrive pour, comme, quand des choses mauvais fonctionnement.
Peut être un environnemental condition changements,
ou peut être toi avoir a processus ou un saisir changement.
A processus ou saisir changement peut être spécial cause
que peut être toi n'étaient pas attendant à arriver.
Mais il pourrait aussi être a procès.
Comme nous dit avant, garder piste de que.
Spécial cause variation,
a processus saisir changement.
C'est en allant à être très précieux information vers le bas le route.
D'accord, suivant étaient en allant à parler a petit peu à propos le données types
que JMP volonté reconnaître.
Continu, nominal, et ordinal.
Continu données types sont ton nombre données types.
Nombres n'importe où depuis négatif infini à infini
contenir a décimal lieu dans l'éthanol production.
A super exemple de ce serait être un HPLC résultat,
a température, a PH, a fermentation temps.
Nominal données est a taper de données c'est typiquement a personnage.
C'est le nom de quelque chose.
Parfois nous utiliser Nombres à nom des choses, et dans l'éthanol plantes nous faire que.
Mais c'est comme a recette saisir.
Pour exemple, a levure ou À, a fermenteur nombre.
Si toi avoir a procès condition ou un bouleversé condition,
c'est probablement aussi en allant à être a personnage expression,
et il volonté devenir a personnage taper de données ou nominal données.
Alors nous aussi avoir ordinal données.
Ordinal données spectacles a certain commande ou progression.
A super exemple de ce dans lot fermentation
serait être a lot nombre.
Nous pourrait avoir nommé notre lots n'importe lequel noms nous vouloir,
mais il vraiment fait sens à notre humain cerveau à utiliser a nombre,
faire il séquentiel donc nous savoir lequel lot ça arrive d'abord,
lequel lot ça arrive plus tard,
donc sur et donc en avant.
Pourquoi fait tous ce matière?
Pourquoi fait le taper de données matière?
Bien, selon sur quoi toi vouloir à accomplir avec JMP,
le programme est en allant à regarder pour différent types de données à correspondre en haut.
Pour exemple, si toi vouloir à créer a bivarié analyse,
toi volonté avoir à avoir continu données tracé contre autre continu données.
Si toi vouloir à faire a un- chemin ANOVA test, toi volonté avoir à avoir continu données
tracé contre nominal ou ordinal types de données.
Allons-y toi dans a petit peu Plus profond.
Facture et I sont en allant à supposer que il y a a certain arrière-plan
niveau de connaissance ici
sur importation données depuis JMP, mais I juste recherché à indiquer
à quelques de ces des choses juste à savoir que toi avoir options.
La plupart souvent quoi Je suis faire est Je suis ouverture JMP,
et alors I aller à Ouvrir, et Je suis regarder pour a déposer.
Souvent, c'est un Exceller déposer.
Faire bien sûr toi sélectionner tous déposer types dans le baisse vers le bas menu,
et alors tous de ton déposer types volonté montrer en haut.
Toi peut trouver ton Exceller déposer, ouvrir il, et aller à travers le Importer magicien.
Si tu as déjà fait que,
ou si toi comme à peut être juste mise à jour a tableau que déjà existe,
toi pourrait avoir Exceller ouvrir sur un moitié de ton écran
et JMP ouvrir sur un autre.
Toi pourrait juste être copier et coller peut être nouveau matériel dans un vieux déposer,
juste mise à jour il.
Dans ajout, si tu es comme moi
et tu es en permanence en allant dos à le même Exceller fichiers
où Je suis garde tous de mon données organisé et dans un lieu,
JMP volonté avoir a source scénario.
Comme long comme I n'ont pas déplacé ou renommé que source déposer,
que Exceller source déposer, I peut facilement ouvrir mon JMP déposer,
cliquez Source Scénario, et il volonté apporter dans tous le information
c'est dans que déposer, si il être nouveau ou vieux.
Toi avoir tous sortes de autre méthodes.
Il y a le Exceller barre d'outils, le JMP fonctionnalité dans le Exceller barre d'outils,
toi peut juste ouvrir a nouveau tableau et commencer goutte données dans,
et nouveau pour JMP 17, il y a quelque chose appelé Flux de travail Constructeur.
Étaient pas en allant à obtenir dans tous ces.
I juste vouloir toi à savoir toi avoir options.
À rapidement indiquer dehors ici,
étaient pas en allant à dépenser a parcelle de temps sur ce.
Quoi tu vas voir Facture et I en utilisant ici
pour curseurs sont le flèche, le sélection, le attrapeur, et le lasso.
Ceux sont le outils que étaient en allant à utiliser la plupart souvent.
Autre outils sont disponible,
et si toi avoir questions à propos ces, il y a a parcelle de bien ressources dehors là
à faire quelques entraînement avec JMP directement ou sur leur site web.
Toi peut vérifier ceux dehors.
Mais ces sont le curseur contrôles que Bien être en utilisant.
Obtenir dans le nitty- graveleux ici, et Je suis en allant à commencer analyser mon données.
Mais avant I faire que, un vraiment important question.
Parce que JMP est en allant à supposer que ton données sont normalement distribué,
il pourrait être bien pratique, ou il est bien pratique,
pour toi à savoir devant de temps si a certain taper de données devrait être,
est attendu à être, est, ou n'est pas normalement distribué.
Sur le gauche côté de le écran ici,
tu vas voir ton typique normale cloche courbe distribution.
Ces données sont essentiellement normalement distribué.
JMP est en allant à supposer tous de ton données est comme ce.
Sur le droite main côté de mon écran,
I voir quelques données c'est pas normalement distribué,
c'est biaisé a petit peu.
Juste depuis un l'éthanol production fermentation processus,
mon total sucre à baisse,
I serait jamais attendre à être normalement distribué.
I serait attendre il quand il y a bouleversé conditions,
que bouleversé seulement tirages mon sucres un direction et jamais le autre.
Ce est parfaitement normale.
Mais si Je suis en allant à obtenir dans quelques plus avancé données analyse,
c'est en allant à être quelque chose bien pour moi à garder dans esprit.
Une fois tu as fait et tu sais, toi probablement ne le faites pas avoir à faire il encore.
Tous droite, allons obtenir dans quoi I serait considérer
le pain et beurre.
Le principal fonctionnalité dans JMP que I utiliser quand Je suis regarder à mon processus
et vouloir à savoir si c'est dans contrôle, est a contrôle graphique.
Processus contrôle graphiques, comme nous parlé à propos avant,
peut montrer toi contrôle, peut montrer possible valeurs aberrantes,
et ils peut être utilisé à très rapidement obtenir a visuel
et mathématique représentation de moyens
pour différent phases de quelque chose comme peut-être a procès
ou peut être a mois- à- mois comparaison sur comment mon opération est en allant.
Le basique contrôle graphique sortir est en allant à regarder comme ce.
Quoi toi voir ici, I serait dire, est probablement...
La plupart de ce est que taper de données
que serait être considéré dans mon normale bruit.
I ne le faites pas voir rien ici que vraiment cris à moi comme,
"Ce est un valeur aberrante, ce est a données entrée erreur,"
ou rien comme que.
Ton basique contrôle graphique sortir volonté regarder comme ce.
Si toi vouloir à robe il en haut a petit peu sur le gauche côté là,
toi peut sélectionner pour zones et zone nuances.
Ce est en allant à ombre ton zones
que sont 1 , 2, et 3 standard écarts depuis ton moyenne.
Encore, ce est développé par ou utilisé a parcelle dans le automobile industrie
où tu es faire quelques Six Sigma amélioration projets.
Ce taper de visuel est vraiment utile
pour n'importe lequel gentil de Six Sigma projets toi avoir en allant sur.
Dans ajout à le zones et nuances, nous peut aussi utiliser quelques règles
que avoir a été développé par le industries à dire,
"Est mon processus dans contrôle ou dehors de contrôle?"
Ici nous avoir un exemple de a violation de a avertissement.
I croire, Facture, quand toi et I parlé à propos ce,
il avait quelque chose à faire avec le deux données points
être a certain largeur à part, a certain aussi beaucoup standard écarts.
I ne peut pas rappel si il était 2 ou 3.
Mais ici nous avoir un données indiquer que était assez a peu plus haut
et assez a peu différent que le précédent données indiquer,
et il jeté en haut a avertissement.
De côté depuis contrôle graphiques comparer moyens, c'est un autre très utile outil.
Dans le l'éthanol production industrie, il est utilisé tous de le temps.
Quand toi avoir a procès en allant sur,
quelque chose que toi recherché à savoir, "Est ce processus n'importe lequel différent?
Est il statistiquement significatif, et à quoi degré?"
Étaient en allant à prendre a regarder à comparer moyens,
et c'est en allant à être utilisé à regarder à a continu ensemble de données
contre ordinal ou nominal types de données.
Encore, nous parlé à propos que processus bouleversé condition
ou a procès condition être a nominal taper de données.
Comparaison moyens analyse.
D'abord et avant tout, prendre a regarder.
Est ce droite pour moi?
Il est approprié à utiliser quand toi avoir grand données ensembles.
Mon règle de pouce est, 30 données points ou plus.
Si toi avoir peu valeurs aberrantes, valeurs aberrantes peut vraiment tirer ton moyenne.
Si c'est temps resserré ou temps limité à a locale
ou petit montant de temps.
Dans que temps, tous autre conditions
avoir a été contrôlé à le meilleur de ton capacité,
il serait pas être approprié avec petit données ensembles
où valeurs aberrantes peut fausser le signifier calcul joli drastiquement.
I ne serait pas utiliser ce sur a large gamme de temps,
dire, comparer maintenant à trois années il y a,
où conditions, un inconnu nombre de conditions,
serait probablement être différent entre maintenant et trois années il y a.
Si tu es en continu s'améliorer,
tu es en allant à vouloir à garder ce gentil de analyse
à a certain temps restriction comme Bien.
Comment faire nous obtenir dans ce?
Nous vouloir à faire a ajuster, X par ET.
Dans le exemple tu es en allant à voir ici, étaient en allant à utiliser phase.
Ce serait être a procès phase comme notre X- facteur et l'éthanol à liquide solides,
ou comment beaucoup l'éthanol sont nous obtenir
pour le montant de maïs étaient putting dans comme le ET- réponse?
Le exemple que est donné un coup de pied dehors à nous spectacles que dans ce particulier exemple,
regarder à le diamants et cercles
et alors regarder vers le bas à le de liaison courrier rapport.
Ce est un exemple.
D'abord de tous, par défaut,
JMP est en allant à attribuer a 95% confiance intervalle.
Ici nous voir que le signifier différences montré par le de liaison courrier rapport,
ils avoir deux différent courrier.
Pour chaque phase de ce procès, là sont Non chevauchement courrier.
Nous avons a obtenu a ligne de base et alors nous avons a obtenu a procès.
Quoi JMP est révélateur nous ici est que
ces moyennes sont statistiquement différent avec 95% confiance.
Regarder à a petit peu plus compliqué situation,
toi pourrait trouver quelque chose comme ce.
I amour ce exemple.
Il déjà viole quoi I dit à propos grand données ensembles.
Nous avons a obtenu comme 4 ou 5 données points dans le ligne de base
et alors juste a peu points pour a levure procès,
et alors a couple plus ligne de base points.
Quoi JMP est révélateur nous ici,
si nous regardé à le de liaison courrier rapport,
que le ligne de base et le levure procès sont de manière significative différent,
mais il aussi dit que ligne de base deux
est connecté à les deux le levure procès et le ligne de base
avec Non statistiquement significatif différence.
Peut être.
Je suis en allant à globe oculaire que. Faire ce passer le globe oculaire vérifier?
Garçon, ligne de base et ligne de base deux regarder vraiment similaire.
Je suis en allant à toi a petit peu Plus profond.
Si I regarder vers le bas à mon commande différences rapport,
I peut voir que mon levure et ligne de base a fait passer a 95% confiance niveau
pour être statistiquement différent.
Mais si I regarder à levure et ligne de base deux, il juste à peine, à peine manqué le couper désactivé.
Si I étaient à aller dos et attribuer a 90% confiance,
alors I serait obtenir a résultat que I serait attendre.
Que mon ligne de base et ligne de base deux sont essentiellement le même
et que le levure procès était différent
avec a 90% confiance.
D'accord. Merci, Entaille.
Je suis en allant à plonger dans a petit Plus profond.
En fait, Bien montrer toi a peu des choses, peu diapositives, et alors Bien obtenir dans JMP.
Mais étaient en allant à parler à propos bivarié et multivarié analyse d'abord.
Ce est pour utiliser avec continu données contre autre ensembles de continu données.
Ce est a bivarié exemple où étaient regarder à l'éthanol liquide solides,
contre un autre terme appelé liquide solides.
Nous peut voir que par ce doubler ici que il y a vraiment Non corrélation,
en particulier si toi regarder à le R quadrillé vers le bas ici.
Ce a a très petit R carré,
lequel indique que il y a Non corrélation entre ces deux variables.
Mais il est pointant à que là est
a général déclin dans le fermentation rendement
comme solides sont augmenté,
ou que le le plus large variation était remarqué autour ce 33% doubler.
Nous peut plus loin jouer autour avec que et ajouter quelques couleurs
et voir où nous pourrait voir quelques différences là comme Bien.
Le suivant étape dans ce serait être à dire,
"D'accord, étaient regarder à a multivarié exemple."
Étaient regarder à a bouquet de différent processus paramètres et adage,
"D'accord, sont ils corrélé dans n'importe lequel chemin?"
Nous avons a obtenu ces Nombres que dire nous
que nous peut regarder à le lignes et voir lequel chemin ils pente.
Nous peut regarder sur ici où nous avons a obtenu le corrélation coefficients
assorti en haut avec le particulier carrés.
Ceux Nombres sont révélateur nous
si quelque chose pourrait être corrélé ou pas.
Le plus rouge il est,
le plus haut le corrélation dans a positif direction,
et le plus bleu il est,
le plus c'est corrélé dans a négatif direction.
Un important note ici est que corrélation fait pas impliquer causalité.
C'est a très important chose à souviens-toi.
Aussi, étaient en allant à regarder à Graphique Constructeur.
Ce est peut être plus de un artistique que analytique taper de analyse,
mais il permet toi à regarder à tous types de différent propriétés
et toi peut jouer autour avec il.
Toi peut retirer et cacher articles avec colonne commutateur et a données filtre.
Toi peut changement accéder étiquette orientation.
Toi peut modifier espacement.
Il y a tous types de différent des choses toi peut faire.
Ce est un exemple de comment toi peut faire que.
Ce est a cinétique graphique pour montrant par phase
quoi le l'éthanol et sucre sont faire sur temps.
Nous avons a obtenu ceux que nous peut jouer avec
et Je vais montrer toi comment à faire un de ceux dans a minute ou donc.
Alors voici un autre exemple où étaient regarder à
par lot et par jour.
Nous avons a obtenu l'éthanol et sucre.
Nous avons a obtenu notre échantillon âge en haut sur le supérieur regroupement axe ici,
et alors nous avoir lot nombre vers le bas ici sur le inférieur x- axe.
Un autre outil que I vouloir à parler à propos
avant I obtenir dans JMP lui-même est le avancé contrôle cartographie,
lequel nous appel modèle conduit multivarié contrôle graphiques.
Ce est en particulier utile quand tu es regarder pour processus
que apparaître à être dans contrôle,
mais ils toujours avoir lots que sont défaut.
Toi pourrait avoir tous de ton individuel contrôle graphiques
sont montrant que tout est dans contrôle,
mais tu es toujours obtenir lots que échouer.
Ce modèle conduit multivarié contrôle graphique
volonté aide toi mieux comprendre que.
Toi peut voir ce est juste quelques de le sortir
que tu vas obtenir là.
Avec que, I suis en fait en allant à étape dehors de PowerPoint et faire ce.
Tous droite.
I devrait toujours être partage.
J'ai a obtenu mon JMP fenêtre en haut.
L et aller devant et commencer désactivé avec fabrication ces graphiques.
J'ai a obtenu le données dans a empiler format pour droite maintenant.
Ce est que graphique que I a montré toi avant .
Ce est un de eux et Je suis en allant à montrer toi comment à faire il.
C'est réel rapide.
Allons-y juste aller à Gaph Photos
et Je suis en allant à tirer ce un dehors de le chemin
donc il n'a pas obtenir dans notre vision ici.
Étaient en allant à tirer dans phase et toi peut voir des choses lumière en haut,
ces baisse zones lumière en haut comme I tiré le données dans ou le colonne dans,
mais I vouloir à groupe que .
Alors I vouloir à aller l'éthanol ici et sucre ici .
Nous avons a obtenu le deux et c'est en fait pas le chemin I vouloir que à montrer en haut,
alors nous sommes en allant à refaire que.
Je suis en allant à faire un Défaire ici et commencer sur.
Allons-y faire sucre et l'éthanol d'abord.
Bien tirer ceux dans comme un.
Là nous aller.
Alors étaient en allant à tirer dans échantillon âge et maintenant Bien tirer dans que phase
et maintenant nous avons a obtenu que et étaient en allant à ajouter a doubler à ce.
Étaient en allant à tirer dans le plus lisse, et que ajoute ceux, et Bien frapper Fait.
C'est que graphique.
C'est essentiellement le cinétique comme l'éthanol et sucre aller.
Éthanol va en haut et sucre va vers le bas sur temps.
Nous peut voir que là pourrait être quelques léger différences
dans le deux ligne de base et procès, mais épouser avoir à toi Plus profond
à vraiment obtenir plus dans que.
C'est que un graphique.
I pense Je vais juste se déplacer sur
à le modèle conduit multivarié contrôle graphique.
C'est a bien idée sur comment à construire que, utiliser que Graphique Constructeur.
Mais allons regarder à le modèle conduit multivarié contrôle graphique.
Encore, I avoir ces des choses tiré en haut.
Allons-y aller à Analyser et allons aller à Multivarié Méthode
ou Q qualité et Processus Modèle D déchiré M ultivarié Contrôle Graphiques.
En fait, ce n'est pas le droite tableau, donc laisser moi tirer en haut mon autre tableau.
Là nous aller.
Cliquez ce désactivé.
Bien aller à Analyser,
Qualité et Processus, Modèle D déchiré M ultivarié Contrôle Graphiques.
Étaient en allant à juste tirer dans a groupe de différent processus.
Je suis juste en allant à tirer tous ces dans.
Étaient en allant à essayer et voir où nous voir différences.
Nous pourrait mettre a temps IDENTIFIANT dans ici,
mais étaient juste en allant à aller devant et dis O parce que.
Maintenant étaient vision que étaient obtenir quelques lots.
Étaient regarder à tous ceux composants ensemble,
tous ceux processus mesures ensemble.
Maintenant étaient montrant que nous avons a obtenu quelques des choses que sont dehors de contrôle,
alors je suis en allant à souligner ces dehors de contrôle lots.
Ce est tous fait avec principal composants.
C'est adage il prend huit principal composants
à expliquer à moins 85% de le variation que étaient vision.
Allons-y souligner ceux, montrer leur contribution parcelles.
Maintenant nous peut voir que étaient obtenir un idée de quoi sont le problèmes ici.
Allons-y trier le barres donc que nous avoir ceux où étaient obtenir a parcelle plus variation
vu dans quelques de le échantillons contre autres.
Que ces autres et alors nous avons a obtenu un que dit c'est dehors de contrôle.
Nous peut regarder à que individuellement et dire, "Oh, Ouah, Ouais, nous avons a obtenu a indiquer.
À moins un indiquer c'est dehors de contrôle
pour que individuel lot là, ou que échantillon."
Échantillon 23.
Un autre chose toi peut faire ici, aussi, est, allons ajouter a surveillé processus,
allons aller à le score parcelle.
Maintenant nous peut voir que vers le bas ici,
nous avons a obtenu le lots que étaient regarder à
et alors nous avons a obtenu le individuel points.
Encore, nous peut regarder à leur individuel parcelles,
mais allons faire que groupe UN.
Alors étaient en allant à aller dos en haut ici,
prendre ceux désactivé et souligner ce autre regroupement ici.
Faire que groupe B.
I ne le faites pas savoir si toi peut voir dans le arrière-plan là
c'est mise en évidence dans le données tableau.
C'est a bon chemin de sélection le données pour toi à montrer que.
Alors nous avons a obtenu le barres ici.
Maintenant nous avons a obtenu un idée que ce soutenir envoyer cellule compter
est un de le plus gros conducteurs comme à pourquoi étaient vision différences
entre lots que sont dehors de contrôle contre dans contrôle.
C'est juste a bon outil à essayer et travail avec là.
Je suis en allant à obtenir débarrasser de ce pour maintenant
et Je suis en allant à aller dos à le Présentation PowerPoint.
Obtenir que droite.
Allons-y étape en haut encore.
Partie de un autre outil dans JMP,
et ce est obtenir Plus profond dans le pouvoir de JMP,
est quelque chose appelé Fonctionnel Données Explorateur dans JMP.
Laisser moi obtenir débarrasser de ce.
Alors ce permet toi à analyser données que est capturé sur temps.
Toi peut comparer courbes à a standard ou doré courbe.
Avec chimiométrique données, toi peut prétraitement et analyser que données,
et alors toi peut utiliser ce Fonctionnel Données Explorateur
à faire a qualitatif revoir de le courbe données.
Un de le des choses que pourrait être utilisé dans le l'éthanol industrie,
un de le outils est quelque chose appelé près- infrarouge spectroscopie,
et c'est utilisé à mesure entrant maïs composition.
Ce Fonctionnel Données Explorateur volonté permettre toi à faire que.
Quelques de le autre des choses toi pourrait vouloir à regarder à
sont comme spectral données, HPLC, ou chromatographique données, masse spécifications données.
Mais le JMP Pro caractéristiques dans Fonctionnel Données Explorateur
permettre toi à faire le prétraitement
et analyser de spectral données ou fonctionnel données.
C'est joli direct.
Alors, juste donc tout le monde sait quoi Je suis parler à propos ici,
fonctionnel données est n'importe lequel données
que se déroule ou développe sur quelques trier de continuum.
Ces continuums sont répertorié vers le bas ici ci-dessous,
et temps est un de ceux continuums.
Ce est un exemple de visualisation
le fonctionnel données que étaient parler à propos de.
Ce est quelques HPLC données, ce est RMN données, et alors ce est près- ET spectral données.
Comment ce est utilisé pour, ou comment ce est utilisé dans le l'éthanol industrie
est à faire quelque chose comme ce.
Nous regardé à que sucre et l'éthanol données avant,
mais nous vraiment ne pouvait pas comparer lot à lot, droite?
Pas que Bien.
Nous ne pouvait pas obtenir n'importe lequel quantitatif voir de que.
Bien, avec Fonctionnel Données Explorateur, ce permet toi à regarder à ces par lot,
et toi peut ajuster a modèle à eux et voir où des choses automne dehors.
Bien montrer toi que dans juste a deuxième.
Alors ce est juste un sortir depuis quelques près- ET données
où nous avons regardé à 60 lots de essence regarder pour le octane notation
et alors le sortir que nous obtenir dehors de que.
Maintenant Je suis en allant à étape dehors ici et aller dos à notre données ensembles ici
et obtenir débarrasser de ce un et tirer dos en haut notre empiler données.
Allons-y aller à Analyser.
Ce est Spécialisé Modélisation.
Fonctionnel Données Explorateur.
Étaient en allant à faire ce dans le empiler format,
et étaient en allant à regarder à l'éthanol et sucre.
C'est notre Y sortir.
Étaient en allant à utiliser a temps ce temps, mais étaient en allant à utiliser continu temps.
Étaient pas en allant à utiliser le catégorique temps.
Nous besoin le IDENTIFIANT fonction.
Alors nous peut mettre Phase et allons dire,
Amylase Taper dans là comme un peu de S supplémentaire variables.
Dire D'accord.
Maintenant étaient en allant à ajuster ce données.
Je suis en allant à faire a JMP conseil ici.
Je suis en allant à prise vers le bas mon Ctrl clé.
Je suis en allant à aller à le rouge point chaud et aller à Modèles et dire Longueurs d'onde.
Ce volonté ajuster les deux modèles à le même temps.
Un de le des choses tu es en allant à trouver dehors
est que longueurs d'onde besoin a grille et a aiguilletage espace grille.
Étaient en allant à dire D'accord là, et dire D'accord pour le suivant un.
Maintenant nous avoir modèles ajuster pour les deux le l'éthanol et le sucre.
Ce est éthanol, ce est le sucre données.
Si nous viens vers le bas ici a petit peu,
nous peut voir que chaque un de le lots que nous avoir
sont en utilisant ces longueur d'onde taper fonctions.
Nous peut aller a petit Plus profond, nous peut regarder à le ajuster ici
où nous avoir multiple forme fonctions et nous peut dire,
"D'accord, pourquoi sont ces différent?"
Si nous flotter sur eux, nous peut regarder à que et nous peut parcelle que dehors.
Mais nous peut aussi viens vers le bas ici et jouer autour avec a fonction ici
où nous peut regarder à le fonctionnel principal composants
et dire, "D'accord, comment a fait ces des choses changement sur temps?"
Ce donne nous a joli bien indication
que comme nous augmenter ces fonctionnel principal composants,
mais nous ne le faites pas savoir quoi ceux paramètres sont,
des choses sont en allant à changement avec le sortir ou le consommation de le sucre.
Nous obtenir a qualitatif voir de qu'est-ce que en allant sur là.
Alors dernier mais pas moins,
avec tous ces des choses, tu es en allant à vouloir à partager ce données.
Je suis en allant à aller dos à PowerPoint un plus temps ici.
Ce est un image de a JMP En direct sortir
où nous avons regardé à a couple de le graphiques
où nous avons a obtenu l'éthanol et sucre comparer sur temps par lot nombre
et alors par échantillon âge ici,
comparer les deux le ligne de base et essais que chemin.
C'est a bon chemin à regarder à que.
Laisser moi montrer toi ce, dans a en direct JMP En direct image,
prendre moi a deuxième à obtenir que.
Tirer que dans.
Ce est a en direct JMP En direct image de ceux graphiques.
Ce permet n'importe qui que a JMP En direct à enquêter ce données.
Ce est en particulier important quand tu es en essayant à partager données
avec ton gestion ou ton équipe.
Si toi avoir bouleversements dans ton analyses ou dans le processus,
ce est a super chemin à partager que.
Vous allez obtenir avertissements à propos des choses que sont dehors de contrôle,
si tu es regarder à contrôle graphiques.
J'ai a obtenu autre tableaux de bord ou autre images que I peut regarder à.
Nous peut aller sur ici et regarder à, allons voir, chimique production.
Alors I peut regarder à le données ce chemin où c'est a modèle que nous peut dire,
"D'accord, comment sont des choses réagir sur temps?"
Alors ce est quelque chose appelé a prédiction profileur où nous peut dire,
"D'accord, quoi ça arrive à le modèle quand I changement réacteurs ?"
Ou dans ce cas, essais ou peu importe il ça arrive à être
dans le l'éthanol monde?
Avec que, I croire ce est tous nous avons a obtenu.
Bien dire remercier toi, et Bien aller depuis là.
Entaille, n'importe lequel dernier mots?
Ouais, I volonté juste dire encore, Facture, remercier toi à toi et le JMP équipe.
Pour ceux utilisateurs dehors là, si tu es un l'éthanol producteur
ou pas un Éthanol producteur,
toi probablement avoir ton 2 ou 3 ou 4 analyse,
quoi I serait appel le pain et beurre de quoi il est tu es faire.
Toi faire il sur, et sur, et sur encore.
Ne le faites pas être effrayé à atteindre dehors. Apprendre quelque chose nouveau.
Apprendre a nouveau fonctionnalité à propos ceux des choses que toi utiliser souvent.
Mais aussi, ne le faites pas être effrayé à grandir a petit peu
sur le profondeur de ton compréhension de quoi JMP peut faire.
Nous sont donc données- riche et information pauvre.
JMP peut aide toi prendre que données, tourner il dans réel exploitable information,
et il raconte a super histoire,
et il peut vraiment aide un organisation dehors.
Atteindre dehors, trouver Facture, trouver quelqu'un à JMP, trouver moi-même.
Toujours heureux pour aider.
Merci encore.
Merci, Entaille.
Juste comme a mot,
Entaille et I avait fait a présentation plus tôt ce année
basé sur ce même données ensemble.
Si tu es intéressé, atteindre dehors à nous.
Nous peut obtenir ceux links pour toi donc toi peut montre ceux présentations.
Il était a couple de jours.
Nous a fait il sur a couple de jours.
A petit plus dans profondeur
que quoi tu es vision aujourd'hui, mais remercier toi.
