大家好，我是 David Elsheimer。我是 JMP 的一名研究统计测试员，我负责对 JMP 19 中新增的环境监测功能进行一些数值验证测试。这些功能是我们添加到过程筛选平台的一系列新功能。它们以我们在文档中称之为非正态图表类型的形式呈现。这些图表包括计数图表、非负连续图表和比例图表，您可以在过程中看到这些图表选项。JMP 19 中的筛选平台。
稍后我将更详细地介绍这些新图表类型如何在环境监测环境中筛选流程，但值得注意的是，它们包含我们所说的警报和行动限值。当流程变量超过某种限值时，就会发出警报，我稍后会详细介绍。在环境监测中，我们可以在一份报告中生成所有必要的信息。您不需要。您不必去尝试计算。如果您不熟悉 JMP 的各个方面，编写 GSL 代码可能需要一些时间，但我们不会详细介绍这些方法的具体内容。我想先举一个环境监测的例子，然后再讨论工作流程，最后通过一个报告示例以及模拟数据案例的 JMP 示例来说明报告的外观。
简单介绍一下背景，环境监测在生命科学制造领域应用广泛。这张图片展示了一个包含多个洁净室的模拟环境，您可能需要监测表面污染、空气质量等等。这也许是一个生产疫苗或研究病毒之类的实验室，您需要监控多个不同房间中的各种传感器。您希望确保符合质量标准并遵守政府法规。也许每个传感器都适用。在这个例子中，我们考虑以计数数据形式测量的污染。
也许您可以考虑原始计数，但那样只会显示计数高的地方。您没有查看每个过程，也没有在该过程的背景下进行考虑。这个污染水平是否超出了我们对该过程的预期？在 JMP 19 中，我们允许您查看每个过程，并针对该过程筛选您正在考虑的各种警报数据。
举个简单的例子，计数图表。你有一个工作流程，输入数据，用一系列模型拟合数据，然后得到这些模型的参数估计值。你用这些参数估计值来计算一个模型准则，称为AIC，然后你可以通过最小化AIC来选择最佳模型，AIC最低的模型就是你选择的模型。然后，你可以分配这些警报限值，以筛查不同严重程度的工艺过程，如果数据显示存在污染，就会向用户发出警报限值。
让我们来看看这里的数据。观察行动限值中发生的情况，就表明很可能需要立即采取行动。一旦筛选了这些过程，您就能确定哪些点是警报点，以及各种警报和行动或警报限值。您用来筛选过程的警报和行动限值。在 JMP 19 中，对于计数数据，我们使用泊松和负二项模型来拟合数据。
我们还考虑使用零膨胀泊松模型和零膨胀负二项模型来拟合数据。如果过程中含有零，传感器可能确实检测到污染为零，那么JMP也会执行这些模型。以前，您可以将数据输入到分布平台并进行模型拟合，并获得标准泊松负二项模型的最低AIC，但零膨胀模型是JMP 19分布平台中的新功能。
以前，对于这些模型，您必须自己编写脚本，然后才能完成所有后续工作。在旧版 JMP 中，您也必须编写脚本。这有点困难，尤其是在您不熟悉 JMP 脚本语言的某些部分的情况下。编写一个脚本来完成所有这些工作，将它们整合在一起，然后生成一份您自己构建的简洁报告，这将是一项相当复杂的任务。
现在，在 JMP 19 中，所有这些都在过程筛选平台中完成。您只需提供您的过程变量、您知道日期的任何子组变量等等。唯一需要考虑的独特之处在于，我们拥有所谓的警报和行动概率的下限和上限。这些与我们如何计算警报的筛选限值以及警报的行动类型有关。稍后我将更详细地介绍这一点。除此之外，其他所有操作都在过程筛选平台中完成，您无需自己编写任何脚本。
以计数图表为例，在 JMP 19 中，我们提供了一个环境监测的模拟数据案例，其中模拟了不同洁净室等级的多种不同传感器类型的数据。您需要对洁净室的污染程度有多严格，这些模拟示例就是为此而生的。总共有 86 个流程或传感器。每个流程都有 90 行。您可能会在流程筛选平台上看到类似这样的报表。这是针对其中一个流程的报表。您可以生成一份包含所有 86 个流程的报表，然后一次性查看所有流程，并确定哪些流程有警报，哪些没有。
在报告中，您将看到控制图警报。它将讨论控制图警报率、警报数量、当这些警报发生时您可能看到的每种警报类型的数量等等。您将看到报告中的最佳拟合部分，我稍后会再次讨论。您还会看到警报图，它会告诉您正在发生的警报类型及其发生时间；然后是控制图，它会针对您正在考虑的任何选定过程，显示该过程此时的值。
例如，这里的第一个点可能是操作限值违规，而第二个点仅仅是警报限值违规。当您与 JMP 交互时，您可以将鼠标悬停在该点上，查看其值以及它位于数据的哪一行等等。
关于报告的“最佳拟合”部分，我想更详细地回顾一下。它提供了拟合的最佳分布，该分布根据最小化AIC的模型得出，然后是一系列警报和行动的上限和下限分位数。这些分位数对应于平台的启动。您可以选择使用默认值，也可以指定一些警报和行动概率的上限和下限。这些概率，这些分位数对应于分布中定义该分布的数据点，其中该比例，即数据概率，例如，97.5%的小写数据小于上限的那个点。
一个有意义的解释方法是这些分位数。如果超出了这些分位数，但过程确实符合规范，或者在这个例子中，如果传感器运行正常，那么数据中传感器没有问题。它实际上没有污染问题。你看到这种违规行为的概率。假设在默认情况下，只有上限，这些上限是警报的上限概率，警报上限概率为 0.975，行动上限概率为 0.9985。
如果您发现数据违反了这些点，并且这些数据确实与污染问题无关，那么在警报情况下观察到这种情况的概率为 2.5%，而如果违反了行动限制，则概率为 0.15%。这意味着，当您看到此类违规行为时，您可以立即知道这种情况不太可能发生。
如果您指定了这些概率，那么您就应该预期，在一切正常运行的情况下，这种情况发生的概率很小，这向用户表明了这一点。让我们来看看这些情况，看看到底发生了什么。如果他们看到了这类违规行为。
总而言之，这些新的图表类型简化了生成环境监测有用结果的流程。此外，您还可以为非负连续和基于比例的过程生成图表。连续图表类型适用于指数、伽马、威布尔和对数正态分布，但如果您的数据包含零，您也可以拟合这些分布的零膨胀版本。
与计数图表一样，这些新的图表类型无需冗长的脚本即可将 JMP 多个不同部分的输出整合在一起，因为现在所有操作都可以在筛选平台中生成，并且生成的报告易于理解，有助于立即做出决策。我要感谢参与创建此平台或这些新功能的几位人员。
John Sall 和 Clay Barker 参与了平台的开发，Tonya Mauldin 也协助完成了额外的测试工作。此外，我还要感谢 Byron Wingerd 和 Jason Rasnake 制作的仪表板，用于可视化这些环境监测场景，我们一开始看到的图像就是他们工作的一部分。他们目前正在开发 JMP 插件，您可以在 JMP 市场中访问该插件，这样您也可以使用自己的数据进行同样的操作。今天我要分享的内容就到这里。谢谢。
