Hallo, ich bin David Elsheimer. Ich bin Forschungsstatistiker und Tester bei JMP und habe einige der numerischen Validierungsarbeiten für die Umweltüberwachungsfunktionen in JMP 19 durchgeführt. Dabei handelt es sich um eine Reihe neuer Funktionen für die Prozess-Screening-Plattform. Sie werden in Form von Diagrammtypen bereitgestellt, die wir in der Dokumentation als nicht-normale Diagrammtypen bezeichnen. Dazu gehören Zähldiagramme, nicht-negative kontinuierliche Diagramme und Proportionsdiagramme, die Ihnen in der Prozess-Screening-Plattform in JMP 19 als Optionen angezeigt werden.
Ich werde später näher darauf eingehen, wie diese neuen Diagrammtypen die Prozesse im Kontext der Umweltüberwachung untersuchen. Es ist jedoch erwähnenswert, dass sie aus sogenannten Warn- und Aktionsgrenzen bestehen. Diese Alarme werden ausgelöst, wenn Prozessvariablen einen bestimmten Grenzwert überschreiten, auf den ich gleich eingehen werde. In der Umweltüberwachung können wir alle erforderlichen Informationen in einem Bericht bereitstellen. Sie müssen nicht versuchen, etwas zu berechnen. Das Skripten des GSL-Codes kann eine Weile dauern, wenn Sie mit den verschiedenen Aspekten von JMP in Bezug auf die Skripterstellung in GSL nicht vertraut sind. Wir werden jedoch zu sehr ins Detail gehen, was diese Methoden beinhalten. Ich möchte Ihnen ein Beispiel für Umweltüberwachung geben, bevor wir über ein Beispiel für den Arbeitsablauf sprechen und dann ein Beispiel durchgehen, wie ein Bericht und JMP für einen Fall mit simulierten Daten aussehen könnten.
Um einen kurzen Hintergrund zu geben: Umweltüberwachung wird häufig in der Life-Science-Produktion eingesetzt. Dieses Bild hier zeigt eine Simulation mehrerer Reinräume, in denen Oberflächenkontaminationen, Luftqualität usw. überwacht werden müssen. Beispielsweise handelt es sich um ein Labor, in dem ein Impfstoff hergestellt oder ein Virus untersucht wird. Sie müssen eine Reihe verschiedener Sensoren in mehreren Räumen überwachen. Sie möchten sicherstellen, dass Sie Qualitätsstandards einhalten und gesetzliche Vorschriften einhalten. Dies gilt für jeden dieser Sensoren. In diesem Beispiel betrachten wir Kontaminationen, die in Form von Zähldaten gemessen werden.
Sie könnten zwar die Rohwerte betrachten, aber das würde nur zeigen, wo die Werte hoch sind. Sie betrachten nicht jeden einzelnen Prozess im Kontext. Übersteigt der Kontaminationsgrad den erwarteten Wert für diesen Prozess? In JMP 19 können Sie jeden Prozess und für jeden Prozessbildschirm die Daten für die verschiedenen Alarmtypen betrachten, die Sie berücksichtigen.
Hier ein kurzes Beispiel für Zähldiagramme: Sie geben Daten ein, passen eine Reihe von Modellen an die Daten an und erhalten für diese Modelle die Parameterschätzungen. Diese verwenden Sie, um ein Modellkriterium (AIC) zu berechnen. Anschließend können Sie das beste Modell auswählen, indem Sie den AIC minimieren. Das Modell mit dem niedrigsten AIC ist das Modell, das Sie auswählen würden. Anschließend können Sie diese Alarmgrenzen zuweisen, um den Prozess auf verschiedene Schweregrade zu prüfen. Wenn die Daten beispielsweise auf eine Kontamination hinweisen, wird dem Benutzer eine Alarmgrenze angezeigt.
Werfen wir einen Blick auf die Daten. Die Auswirkungen einer Aktionsgrenze weisen wahrscheinlich auf sofortigen Handlungsbedarf hin. Sobald Sie diese Prozesse überprüft haben, können Sie die Alarmpunkte identifizieren und die verschiedenen Alarm- und Aktionsgrenzen ermitteln. Ihre Alarm- und Aktionsgrenzen, die Sie zur Prozessüberwachung verwenden. In JMP 19 für Zähldaten verwenden wir Poisson- und negative Binomialmodelle, um die Daten anzupassen.
Wir berücksichtigen auch Zero-inflationäre Poisson- und Zero-inflationäre negative Binomialmodelle, um die Daten anzupassen. Wenn ein Prozess Nullen enthält und der Sensor möglicherweise eine tatsächliche Kontamination von Null registriert, implementiert JMP diese Modelle ebenfalls. Bisher konnten Sie die Daten in die Verteilungsplattform einspeisen, die Modelle anpassen und den niedrigsten AIC für die standardmäßigen Poisson-negativen Binomialmodelle erhalten. Die Zero-inflationären Modelle sind jedoch eine Neuerung in der Verteilungsplattform von JMP 19.
Bisher mussten Sie für diese Modelle und alles Weitere selbst Skripte erstellen. Auch in früheren JMP-Versionen mussten Sie Skripte erstellen. Dies ist etwas schwierig, insbesondere wenn Sie mit bestimmten Teilen der JMP-Skriptsprache nicht vertraut sind. Das Schreiben eines Skripts, das all dies erledigt, die einzelnen Schritte zusammenführt und anschließend einen übersichtlichen Bericht erstellt, wäre eine ziemlich aufwändige Aufgabe.
In JMP 19 wird all dies nun in der Prozess-Screening-Plattform erledigt. Sie müssen lediglich Ihre Prozessvariable, alle Ihnen bekannten Untergruppenvariablen, das Datum usw. angeben. Die einzige Besonderheit, die ebenfalls berücksichtigt werden muss, sind die sogenannten unteren und oberen Alarm- und Aktionswahrscheinlichkeiten. Diese hängen davon ab, wie wir die Screening-Grenzen für die Alarme und die Aktionstypen von Alarmen berechnen. Ich werde gleich näher darauf eingehen. Ansonsten wird alles andere im Prozess-Screening erledigt, und Sie müssen nichts davon selbst skripten.
Ein Beispiel für Zähldiagramme: In JMP 19 bieten wir einen simulierten Datenfall für die Umweltüberwachung an. Dabei simulieren wir Daten für verschiedene Sensortypen in verschiedenen Reinräumen mit unterschiedlichen Reinraumklassen. Wie streng Sie sich dort um Kontaminationen kümmern müssen, zeigen diese simulierten Beispiele. Insgesamt gibt es 86 Prozesse bzw. Sensoren. Jeder dieser Prozesse umfasst 90 Zeilen. Auf der Prozess-Screening-Plattform werden Ihnen möglicherweise Berichte wie dieser angezeigt. Dies ist für einen dieser Prozesse. Sie können einen Bericht erstellen, der alle 86 Prozesse enthält, und dann alle auf einmal betrachten und feststellen, welche Alarme auslösen und welche nicht.
Der Bericht enthält Kontrolldiagrammalarme. Er enthält Informationen zur Kontrolldiagrammalarmrate, zur Anzahl der Alarme, zur Anzahl der Alarme jedes Typs, die Sie möglicherweise sehen, wenn diese Alarme auftreten, usw. Sie finden den Abschnitt „Beste Anpassung“ des Berichts, auf den ich gleich zurückkomme. Außerdem gibt es das Alarmdiagramm, das Ihnen anzeigt, welcher Alarmtyp wann auftritt, und die Kontrolldiagramme, die für alle ausgewählten Prozesse, die Sie betrachten, die aktuellen Werte des Prozesses anzeigen.
Es könnte beispielsweise so aussehen, dass der erste Punkt hier eine Aktionsgrenzwertverletzung darstellt und der zweite Punkt lediglich eine Alarmgrenzwertverletzung. Wenn Sie interaktiv mit diesem und JMP interagieren, können Sie mit der Maus über den Punkt fahren und den Wert und die Datenzeile sehen, in der er sich befindet usw.
Im Abschnitt „Best Fit“ des Berichts möchte ich noch einmal etwas genauer darauf eingehen. Dieser liefert die beste Verteilung, die hinsichtlich des Modells mit der Minimierung des AIC geeignet war. Außerdem gibt es eine Reihe von oberen und unteren Alarm- und Aktionsquantilen. Diese entsprechen einem Plattformstart. Entweder Sie verwenden die Standardwerte oder Sie geben obere und untere Alarm- und Aktionswahrscheinlichkeiten an. Diese Wahrscheinlichkeiten, diese Quantile, entsprechen dem Punkt in den Daten für die als definierende Verteilung betrachtete Verteilung, an dem beispielsweise der Anteil, die Wahrscheinlichkeit der Daten, dass 97,5 % der Daten für den unteren Fall kleiner sind als dieser Punkt für die Obergrenze.
Eine Möglichkeit, dies sinnvoll zu interpretieren, sind die Quantile. Wenn Sie diese Quantile überschreiten, der Prozess aber tatsächlich den Spezifikationen entspricht oder, in diesem Beispiel, der Sensor normal funktioniert, liegen in den Daten keine Probleme mit dem Sensor vor. Es liegt kein Kontaminationsproblem vor. Die Wahrscheinlichkeit, dass Sie derartige Verstöße feststellen, ist gering. Nehmen wir beispielsweise den Standardfall an, in dem Sie nur Obergrenzen haben. Diese Obergrenzen gelten für die Warnung. Die Obergrenze für die Warnung beträgt 0,975 und die Obergrenze für die Aktionswahrscheinlichkeit 0,9985.
Wenn Sie Verstöße gegen diese Punkte in Ihren Daten feststellen und die Daten sich tatsächlich nicht mit dem Kontaminationsproblem befassen, liegt die Wahrscheinlichkeit, dass dies im Alarmfall auftritt, bei 2,5 %. Bei einer Verletzung der Aktionsgrenze liegt die Wahrscheinlichkeit bei 0,15 %. Das bedeutet: Wenn Sie derartige Verstöße feststellen, wissen Sie sofort, dass dies nicht sehr wahrscheinlich ist.
Wenn Sie diese Wahrscheinlichkeiten angegeben haben, erwarten Sie, dass dies mit geringer Wahrscheinlichkeit bei normaler Ausführung geschieht, was dem Benutzer signalisiert. Schauen wir uns diese Dinge an und sehen wir, was los ist. Wenn sie diese Art von Verstößen feststellen.
Zusammenfassend vereinfachen diese neuen Diagrammtypen die Generierung nützlicher Ergebnisse für die Umweltüberwachung. Darüber hinaus können Sie Diagramme für nicht-negative kontinuierliche und proportionale Prozesse erstellen. Die kontinuierlichen Diagrammtypen eignen sich für Exponential-, Gamma-, Weibull- und Log-Normalverteilungen. Bei Daten mit Nullen können Sie jedoch auch die Null-inflationären Versionen dieser Verteilungen anpassen.
Wie bei den Zähldiagrammen entfallen auch bei diesen neuen Diagrammtypen langwierige Skripte zum Zusammenführen von Ausgaben aus verschiedenen JMP-Teilen, da nun alles im Prozess der Screening-Plattform erstellt werden kann und die erhaltenen Berichte leicht zu interpretieren und für sofortige Entscheidungen hilfreich sind. Ich möchte mich bei einigen Personen bedanken, die ebenfalls an der Entwicklung dieser Plattform und dieser neuen Funktionen beteiligt waren.
John Sall und Clay Barker arbeiteten an der Entwicklung der Plattform, und Tonya Mauldin half zusätzlich bei den Tests. Außerdem möchte ich Byron Wingerd und Jason Rasnake für ihre Arbeit an einem Dashboard zur Visualisierung dieser Umweltüberwachungsszenarien danken. Das Bild, das wir am Anfang gesehen haben, war Teil ihrer Arbeit. Sie arbeiten derzeit an der Implementierung eines Add-Ins in JMP, das Sie im JMP Marketplace abrufen können und das Ihnen ermöglicht, dies auch mit Ihren eigenen Daten zu tun. Das ist alles, was ich heute für Sie habe. Danke.
