Hola, soy David Elsheimer. Soy probador estadístico de investigación en JMP y realicé parte del trabajo de validación numérica de las funciones de monitorización ambiental que incorporamos a JMP 19. Se trata de una serie de nuevas funciones que incorporamos a la plataforma de cribado de procesos. Se presentan en forma de lo que en la documentación denominamos tipos de gráficos no normales. Estos consisten en gráficos de conteo, gráficos continuos no negativos y gráficos de proporción, que encontrará como opciones en la plataforma de cribado de procesos de JMP 19.
Más adelante, detallaré cómo estos nuevos tipos de gráficos analizan los procesos en un contexto de monitoreo ambiental. Cabe destacar que consisten en lo que llamamos límites de alerta y acción. Estas alarmas se activan cuando las variables del proceso exceden un límite específico que explicaré en breve. En el monitoreo ambiental, podemos generar toda la información necesaria en un solo informe. Usted no. No necesita calcular nada. El código GSL puede tardar un tiempo en compilarse si no está familiarizado con los diversos aspectos de JMP, pero vamos a detallar demasiado lo que implican estos métodos. Quiero darle un ejemplo de monitoreo ambiental, antes de explicar el flujo de trabajo y, a continuación, un ejemplo de cómo se vería un informe y JMP para un caso de datos simulados.
Para dar una breve introducción, la monitorización ambiental se utiliza ampliamente en el sector de las ciencias de la vida. En esta imagen, se muestra una maqueta de varias salas blancas donde se debe monitorizar la contaminación superficial, la calidad del aire, etc. Quizás se trate de un laboratorio donde se produce una vacuna o se estudia un virus, o algo similar, y se necesita poder monitorizar diversos sensores en varias salas. Se busca garantizar el cumplimiento de los estándares de calidad y las regulaciones gubernamentales. Quizás cada uno de estos sensores. En este ejemplo, consideramos la contaminación medida mediante datos de conteo.
Quizás podría considerar los recuentos brutos, pero esto solo mostraría dónde los recuentos son altos. No está analizando cada proceso ni considerándolo en su contexto. ¿Este nivel de contaminación supera lo esperado para ese proceso? En JMP 19, le permitimos analizar cada proceso, así como la pantalla de ese proceso y los datos de los diversos tipos de alarmas que está considerando.
Para ver un breve ejemplo de gráficos de conteo, se utiliza un flujo de trabajo donde se introducen los datos, se ajusta una serie de modelos a ellos y, para dichos modelos, se obtienen las estimaciones de los parámetros. Esto se utiliza para calcular un criterio de modelo conocido como AIC, y luego se puede elegir el mejor modelo minimizando el AIC. El modelo con el AIC más bajo será el que se seleccionará. A partir de ahí, se pueden asignar estos límites de alarma para evaluar el proceso en función de varios niveles de gravedad. Si los datos indican contaminación, un límite de alerta se lo indicaría al usuario.
Analicemos los datos. Ver qué sucede en un límite de acción indicaría que es muy probable que se deban tomar medidas inmediatas. Una vez analizados estos procesos, se obtienen los resultados para identificar qué puntos son de alarma cuando ocurren y cuáles son los límites de alarma y acción. Los límites de alerta y acción se utilizan para analizar el proceso. En JMP 19, para los datos de conteo, se utilizan modelos de Poisson y binomiales negativos para ajustar los datos.
También consideramos los modelos Poisson inflados a cero y binomiales negativos inflados a cero para ajustarse a los datos. Si un proceso contiene ceros, es posible que el sensor registre que la contaminación es realmente cero, y entonces JMP también implementaría estos modelos. Anteriormente, se podían introducir los datos en la plataforma de distribución, ajustar los modelos y obtener el AIC más bajo para los modelos binomiales negativos Poisson estándar, pero los modelos inflados a cero son una novedad en JMP 19 para la plataforma de distribución.
Anteriormente, para esos modelos, habría tenido que crear el script usted mismo, y luego todo lo demás. También tendría que crearlo en versiones anteriores de JMP. Esto es un poco difícil, especialmente si no está familiarizado con ciertas partes del lenguaje de scripting de JMP. Escribir un script para hacer todo esto, integrarlo y luego generarlo en un informe ordenado que usted mismo crearía sería una tarea bastante compleja.
Ahora, en JMP 19, todo esto se realiza en la plataforma de análisis de procesos. Solo tiene que proporcionar la variable de proceso, cualquier variable de subgrupo que conozca, la fecha, etc. El único aspecto único que también debe tenerse en cuenta es que contamos con las denominadas probabilidades de alerta y acción, tanto inferior como superior. Estas se relacionan con la forma en que calculamos los límites de análisis para la alerta y los tipos de acción de las alarmas. Ahondaré en esto en breve. Además, todo lo demás se realiza en el análisis de procesos, y no es necesario que usted mismo cree scripts.
Un ejemplo de gráficos de conteo: en JMP 19, proporcionamos un caso de datos simulados para monitoreo ambiental, donde simulamos datos para diferentes tipos de sensores en diversas salas blancas con diferentes grados de calidad. Estos ejemplos simulados ilustran el nivel de exigencia que se requiere para la contaminación. En total, hay 86 procesos o sensores. Cada uno de estos procesos tiene 90 filas. En la plataforma de análisis de procesos, es posible que vea informes como este. Este corresponde a uno de esos procesos. Puede generar un informe que incluya los 86 procesos y luego examinarlos todos a la vez para determinar cuáles tienen alarmas y cuáles no.
En el informe, verá las alarmas del gráfico de control. Se detallará la tasa de alarmas del gráfico de control, el número de alarmas, cuántas de cada tipo podría ver cuando se activan, etc. Tendrá la sección de mejor ajuste del informe, que repasaré en breve. También tiene el gráfico de alarmas, que indica qué tipo de alarma se activa y cuándo, y los gráficos de control, que, para cualquier proceso seleccionado que esté considerando, mostrarán los valores del proceso en ese momento.
Por ejemplo, podría parecer que el primer punto representa una violación del límite de acción, y el segundo punto simplemente una violación del límite de alarma. Al interactuar con esto y JMP, podrá pasar el cursor sobre el punto para ver su valor y en qué fila de datos se encuentra, y así sucesivamente.
Para la sección "Mejor Ajuste" del informe, quiero revisarla con más detalle. Esto proporciona la distribución que mejor se ajustó en términos de qué modelo minimizó el AIC, y luego hay una serie de cuantiles de alerta y acción superiores e inferiores. Estos corresponden al lanzamiento de una plataforma. Se pueden usar los valores predeterminados o especificar probabilidades de alerta y acción superiores e inferiores. Estas probabilidades, estos cuantiles, corresponden al punto en los datos de la distribución considerada para definirla, donde esa proporción, esa probabilidad de que el 97,5 % de los datos para la minúscula sea menor que ese punto para el límite superior, por ejemplo.
Una forma de interpretar esto de forma significativa son estos cuantiles. Si se exceden estos cuantiles, pero el proceso cumple con las especificaciones, o en este ejemplo, si el sensor funciona normalmente, no hay problemas con el sensor en los datos. En realidad, no presenta un problema de contaminación. La probabilidad de que se observe este tipo de infracción es, por ejemplo, la probabilidad del límite superior de alerta es de 0,975 y la probabilidad del límite superior de acción es de 0,9985.
Si se observan infracciones de esos puntos en los datos, y estos realmente no abordan el problema de la contaminación, habría un 2,5 % de probabilidad de que se observara esto en el caso de alerta, y si se viola el límite de acción, sería un 0,15 %. Esto significa que, al observar este tipo de infracciones, se puede saber de inmediato que es poco probable que esto suceda.
Si has especificado estas probabilidades, esperarías que exista una pequeña probabilidad de que esto ocurra mientras todo funciona con normalidad, lo que indica al usuario... Analicemos esto y veamos qué sucede. Si están viendo este tipo de infracciones...
En resumen, estos nuevos tipos de gráficos agilizan la generación de resultados útiles para el monitoreo ambiental. Además, permiten generar gráficos para procesos continuos no negativos y basados en proporciones. Los tipos de gráficos continuos se ajustan a distribuciones exponenciales, gamma, Weibull y logarítmicas normales; sin embargo, si los datos contienen ceros, también se pueden ajustar las versiones infladas de estas distribuciones.
Al igual que con los gráficos de conteo, estos nuevos tipos de gráficos eliminan la necesidad de largos scripts para integrar la salida de diferentes partes de JMP, ya que ahora todo se puede generar en el proceso de cribado de la plataforma y los informes obtenidos son fáciles de interpretar y útiles para la toma de decisiones inmediata. Quiero agradecer a algunas personas que también participaron en la creación de esta plataforma o de estas nuevas funciones.
John Sall y Clay Barker trabajaron en el desarrollo de la plataforma, y Tonya Mauldin también colaboró con pruebas adicionales. También quiero agradecer a Byron Wingerd y Jason Rasnake por su trabajo en un panel para visualizar estos escenarios de monitoreo ambiental. La imagen que vimos al principio formó parte de su trabajo. Actualmente están trabajando en la implementación de un complemento en JMP, accesible desde el marketplace de JMP, que permite hacer esto también con sus propios datos. Eso es todo por hoy. Gracias.
