안녕하세요, 저는 데이비드 엘샤이머입니다. JMP의 연구 통계 테스터이며, JMP 19에 추가된 환경 모니터링 기능에 대한 테스트 수치 검증 작업을 수행했습니다. 이 기능들은 프로세스 스크리닝 플랫폼에 추가된 일련의 새로운 기능입니다. 설명서에서는 비정규형 차트 유형이라고 부르는 형태로 제공됩니다. 여기에는 프로세스에서 옵션으로 제공되는 카운트 차트, 비음수 연속형 차트, 비율 차트가 포함됩니다. JMP 19의 스크리닝 플랫폼.
나중에 이러한 새로운 차트 유형이 환경 모니터링 컨텍스트에서 프로세스를 검사하는 방법에 대해 더 자세히 설명하겠지만, 이러한 차트는 경고 및 조치 한계로 구성되어 있다는 점에 유의해야 합니다. 이는 프로세스 변수가 곧 설명할 특정 유형의 한계를 초과할 때 발생하는 경보입니다. 환경 모니터링에서는 필요한 모든 정보를 하나의 보고서로 생성할 수 있습니다. 그럴 필요가 없습니다. 직접 계산하려고 할 필요가 없습니다. GSL 코드는 스크립팅하는 데 시간이 걸릴 수 있지만, GSL에서 스크립팅하는 측면에서 JMP의 다양한 측면에 익숙하지 않은 경우 해당 메서드가 수반하는 내용에 대해 너무 자세히 설명하겠습니다. 워크플로의 예를 설명하기 전에 환경 모니터링이 무엇인지에 대한 예를 제공하고, 시뮬레이션된 데이터 사례에 대한 보고서와 JMP의 예를 살펴보겠습니다.
간략하게 배경을 설명하자면, 환경 모니터링은 생명 과학 제조 분야에서 많이 사용됩니다. 이 사진은 표면 오염, 공기질 등을 모니터링해야 하는 여러 개의 클린룸으로 구성된 환경의 모형입니다. 백신을 생산하거나 바이러스 등을 연구하는 실험실이라면, 여러 개의 방에 있는 다양한 센서를 모니터링해야 할 것입니다. 품질 기준을 충족하고 정부 규정을 준수하는지 확인해야 합니다. 각 센서마다 모니터링이 필요할 수 있습니다. 이 예시에서는 계수 데이터 형태로 측정되는 오염을 고려합니다.
원시 개수를 고려할 수도 있지만, 그렇게 하면 개수가 높은 부분만 표시됩니다. 각 프로세스를 살펴보고 해당 프로세스의 맥락에서 고려하는 것이 아닙니다. 이 오염 수준이 해당 프로세스에서 예상되는 수준을 초과합니까? JMP 19에서는 각 프로세스와 해당 프로세스 화면, 그리고 고려 중인 다양한 유형의 알람 데이터를 살펴볼 수 있습니다.
간단한 카운트 차트 예시를 살펴보겠습니다. 데이터를 입력하고, 데이터에 일련의 모델을 적용한 후, 해당 모델에 대한 매개변수 추정값을 구하는 워크플로가 있습니다. 이 추정값을 사용하여 AIC라는 모델 기준을 계산하고, AIC를 최소화하는 최적의 모델을 선택합니다. AIC가 가장 낮은 모델을 선택합니다. 그런 다음, 이러한 경보 한계를 할당하여 다양한 심각도 수준에 따라 프로세스를 모니터링할 수 있습니다. 데이터가 오염을 나타내는 경우, 경보 한계는 사용자에게 이를 알려줍니다.
여기 데이터를 살펴보겠습니다. 조치 한계에서 무슨 일이 일어나고 있는지 살펴보면 즉각적인 조치가 필요할 가능성이 매우 높다는 것을 알 수 있습니다. 이러한 프로세스를 스크리닝하면 발생 시 어떤 지점이 경고 지점인지, 그리고 다양한 경고 및 조치 한계는 무엇인지 식별하는 결과를 얻을 수 있습니다. 프로세스를 스크리닝하는 데 사용하는 경고 및 조치 한계입니다. JMP 19의 카운트 데이터에서는 포아송 모형과 음이항 모형을 사용하여 데이터를 적합시킵니다.
또한 데이터에 적합하기 위해 영팽창 포아송 모델과 영팽창 음이항 모델을 고려합니다. 공정에 영(0)이 포함되어 있고, 센서가 오염이 실제로 0임을 감지하는 경우, JMP는 이러한 모델도 구현합니다. 이전에는 분포 플랫폼에 데이터를 입력하고 모델을 적합하여 표준 포아송 음이항 모델에 대해 가장 낮은 AIC를 얻을 수 있었지만, 영팽창 모델은 분포 플랫폼의 JMP 19에서 새롭게 도입되었습니다.
이전에는 해당 모델에 대해 직접 스크립트를 작성하고, 그 이후의 모든 작업을 직접 해야 했습니다. 이전 버전의 JMP에서도 스크립트를 작성해야 했습니다. 특히 JMP 스크립팅 언어의 특정 부분에 익숙하지 않은 경우 다소 어려울 수 있습니다. 이 모든 작업을 수행하는 스크립트를 작성하고, 이를 연결하여 직접 구성할 수 있는 깔끔한 보고서로 만드는 것은 상당히 복잡한 작업입니다.
이제 JMP 19에서는 이 모든 작업이 프로세스 스크리닝 플랫폼에서 수행됩니다. 프로세스 변수, 날짜에 대해 알고 있는 하위 그룹 변수 등을 제공하기만 하면 됩니다. 유일하게 고려해야 할 점은 하한 및 상한 경고 및 조치 확률입니다. 이는 경고 및 조치 유형에 대한 스크리닝 한계를 계산하는 방식과 관련이 있습니다. 이에 대해서는 잠시 후에 자세히 설명하겠습니다. 그 외에는 모든 작업이 프로세스 스크리닝에서 수행되므로 직접 스크립트를 작성할 필요가 없습니다.
JMP 19에서 카운트 차트의 예를 들어보겠습니다. 환경 모니터링을 위한 시뮬레이션 데이터 케이스를 제공합니다. 여기서는 다양한 클린룸 등급의 여러 클린룸에서 여러 센서 유형에 대한 데이터를 시뮬레이션합니다. 오염에 대해 얼마나 엄격하게 우려해야 하는지, 이 시뮬레이션 예제를 통해 알 수 있습니다. 전체적으로 86개의 프로세스 또는 센서가 있습니다. 각 프로세스는 90개의 행으로 구성됩니다. 프로세스 스크리닝 플랫폼에서 이와 같은 보고서를 볼 수 있습니다. 이는 해당 프로세스 중 하나에 대한 것입니다. 86개의 프로세스를 모두 포함하는 보고서를 생성한 다음, 모든 프로세스를 한 번에 보고 어떤 프로세스가 경보를 발생시켰는지, 어떤 프로세스가 경보를 발생시키지 않았는지 확인할 수 있습니다.
보고서에서는 관리도 알람을 확인할 수 있습니다. 관리도 알람 발생률, 알람 수, 알람 발생 시 각 유형의 알람 발생 횟수 등에 대한 정보가 제공됩니다. 보고서에서 가장 적합한 섹션을 확인할 수 있는데, 잠시 후 다시 살펴보겠습니다. 또한 알람 그래프는 어떤 유형의 알람이 언제 발생하는지 알려주고, 관리도는 선택한 프로세스에 대해 해당 시점의 프로세스 값을 보여줍니다.
예를 들어, 첫 번째 지점은 액션 제한 위반이고, 두 번째 지점은 단순히 알람 제한 위반인 것처럼 보일 수 있습니다. 이 지점과 JMP를 상호 작용할 때, 해당 지점 위에 마우스를 올려놓으면 값과 해당 값이 있는 데이터 행 등을 확인할 수 있습니다.
보고서의 최적 적합 섹션에 대해 좀 더 자세히 살펴보겠습니다. 이는 AIC를 최소화하는 모델을 기준으로 가장 적합한 분포를 제공하며, 상위 및 하위 경고 및 조치 분위수가 있습니다. 이는 플랫폼 출시에 해당합니다. 기본값을 사용하거나 상위 및 하위 경고 및 조치 확률을 지정할 수 있습니다. 이러한 확률, 분위수는 해당 분포를 정의하는 데 고려되는 데이터의 지점에 해당합니다. 예를 들어, 소문자에 대한 데이터의 97.5%가 상한에 대한 지점보다 작을 확률, 즉 해당 비율에 해당합니다.
이를 의미 있게 해석하는 한 가지 방법은 이러한 분위수입니다. 이러한 분위수를 초과하더라도 프로세스가 실제로 사양에 부합하거나, 이 예시처럼 센서가 정상적으로 작동한다면 데이터에서 센서에 문제가 없는 것입니다. 실제로 오염 문제는 발생하지 않습니다. 이러한 종류의 위반이 발생할 가능성은 다음과 같습니다. 예를 들어, 상한값만 있고 그 상한값이 경고에 대한 상한값인 경우, 경고 상한값 확률은 0.975이고 상한 조치 상한값 확률은 0.9985입니다.
데이터에서 해당 지점 위반이 발생하고 데이터가 오염 문제를 제대로 처리하지 못한다면, 경고 사례에서 이러한 위반이 관찰될 확률은 2.5%이고, 조치 제한을 위반하는 경우 0.15%입니다. 즉, 이러한 위반이 발생하면 해당 사례가 발생할 가능성이 매우 낮다는 것을 바로 알 수 있습니다.
이러한 확률을 지정했다면, 모든 것이 정상적으로 작동하는 동안에도 이러한 일이 발생할 가능성이 낮다고 예상할 수 있습니다. 이는 사용자에게 경고하는 신호입니다. 이러한 사항들을 살펴보고 어떤 일이 일어나고 있는지 살펴보겠습니다. 만약 사용자에게 이러한 종류의 위반 사항이 표시된다면,
요약하자면, 이러한 새로운 차트 유형은 환경 모니터링에 유용한 결과를 생성하는 프로세스를 간소화합니다. 또한, 음이 아닌 연속형 및 비율 기반 프로세스에 대한 차트를 생성할 수 있습니다. 연속형 차트 유형은 지수, 감마, 와이블 및 로그 정규 분포에 적합하지만, 데이터에 0이 포함된 경우 이러한 분포의 0 팽창 버전도 적합할 수 있습니다.
카운트 차트와 마찬가지로, 이 새로운 차트 유형들은 JMP의 여러 부분에서 생성된 결과를 연결하는 데 긴 스크립트가 필요 없게 해줍니다. 이제 모든 것이 플랫폼 스크리닝 과정에서 생성될 수 있고, 제공되는 보고서는 해석하기 쉽고 즉각적인 의사 결정에 도움이 되기 때문입니다. 이 플랫폼과 새로운 기능 개발에 참여해 주신 분들께 감사드리고 싶습니다.
John Sall과 Clay Barker는 플랫폼 개발에 참여했고, Tonya Mauldin도 추가 테스트 작업에 도움을 주었습니다. 또한, 이러한 환경 모니터링 시나리오를 시각화하는 대시보드를 제작해 주신 Byron Wingerd와 Jason Rasnake에게도 감사드립니다. 처음에 보셨던 이미지는 두 분의 작업의 일부였습니다. 현재 두 분은 JMP 마켓플레이스에서 이용할 수 있는 추가 기능을 JMP에 구현하는 작업을 진행 중이며, 이를 통해 사용자 데이터에도 이러한 기능을 적용할 수 있습니다. 오늘은 여기까지입니다. 감사합니다.
