Salut tout le monde,
J'ai eu un appel avec un client du secteur du développement chimique/des procédés (chimie organique, grand utilisateur de la méthode DOE) qui m'a posé une question à laquelle je ne pouvais pas répondre avec assurance.
Ils souhaitent boucler la boucle de l'optimisation bayésienne : JMP suggère la prochaine exécution ou le prochain lot, leur système exécute automatiquement l'expérience, les résultats sont réinjectés dans la table JMP, et JMP renvoie la suggestion suivante. Le déclencheur proviendrait de leur propre application.
J'ai trouvé la présentation du Discovery Summit où JSL boucle la boucle avec un régulateur PID ( Réglage automatique d'un régulateur PID à l'aide de l'optimisation bayésienne et de JSL ), et je sais que Python peut servir d'intermédiaire ; le concept fonctionne donc clairement. Ce dont je suis moins sûr, c'est de sa complexité pratique et de la méthode la plus judicieuse à recommander.
- JSL pilote la boucle, avec des requêtes HTTP envoyées à leur système.
- Python comme couche d'intégration entre leur backend et JMP
- Autre chose à laquelle je n'ai pas pensé
Alors, je voulais vous demander :
- Cette question a-t-elle déjà été posée à quelqu'un, et comment l'avez-vous formulée ?
- Quelqu'un connaît-il un client qui a déjà construit quelque chose de similaire, même partiellement ?
- Avez-vous une idée de l'effort que cela représente, notamment pour extraire par programmation le lot sélectionné de la plateforme plutôt que de passer manuellement par la fonction « Créer une table » ?
- Faut-il orienter les gens vers JSL, ou existe-t-il un modèle plus simple ?
J'ai également demandé au client d'envoyer sa question au service d'assistance, mais je voulais aussi vous demander ici si vous aviez déjà rencontré ce problème.
Merci,
Manlio
