כנס קהילת משתמשי JMP

דר' ניצן חוקר בתחום הגנת הצומח במו"פ עמק המעיינות ויועץ מדעי פרטי. בעל תואר דוקטורט באגרונומיה מהקולג' לחקלאות ב- Washington State University עם התמחות בתחום מחלות צמחים. הוא בעל ניסיון תעשייתי ואקדמי בתחומי הגנת הצומח, מיקרוביולוגיה של מזון ופיטריות, מיקרוביולוגיה של פלסטיק, איחסון והארכת חיי מדף של פירות וירקות. תחומי העיסוק הסטטיסטיים מקיפים נושאי ביוסטטיסטיקה יישומית וכוללים: ניתוחי שונות, תכנון ניסויים (DOE), ניתוחי סקרים ביולוגיים/אקולוגים, אפדימיולוגיה, אטיולוגיה והתפתחות מחלות צמחים לפיתוח ממשקי הדברה. שימושים שוטפים ב- JMP הינם ניתוחי שונות חד- ורב- גורמיים ומשתנים, ריגרסות רגילות, רגרסיות לוגיסטיות, ניתוח משתנים פרופורציונאליים, קורלציות, שיטות א-פרמטריות, ניתוחים לאיפיון קבוצות כימיות באוכלוסיות צמחים וניתוחים שונים אחרים בתחומי טיפוח זנים לעמידות למחלות צמחים.

יחידת התבלינים וצמחי המרפא בניהולו של פרופ' נתיב דודאי במכון וולקני בנווה יער עוסקת בטיפוח צמחי תבלין ומרפא. חלק אינטגראלי מתהליך הטיפוח הינו איתור מקורות של תכונות באוכלוסיות בר. להשגת מטרה זו מתבצעים איסופים תקופתיים של צמחים וזרעים מהבר, אותם מרבים ביחידה ליצירת מאגר גנטי ובוחנים, בין היתר, את הרכב הפרופיל הכימי של הנדיפים. מידע זה חיוני בתהליכי טיפוח לזנים בעלי הרכבי ארומה יחודיים ולייצור חומרים פעילים ממקורות צימחיים. ההרצאה תתאר את תהליך ניתוח מבנה השונות הכימי של אוכלוסיית הצמח "כוכב מדברי" בישראל, שהינו בעל מרכיבים עם תכונות רפואיות. אופן הניתוח יודגם מעשית תוך שילוב הפונקציות הבאות ב- JMP:

Graph builder

Clustering Analysis

Mosaic plot & Chi-square analysis

MANOVA

Principle Component Analysis

רון בן יעקב יועץ בכיר ו Senior Data Scientist.הוא בעל ניסיון רב בפיתוח מודלים אנילטים והטמעתם בחברות גלובליות המובליות בתחומן.

רון משלב את הידע שצבר בעולם מערכות המידע ופיתוח פלטפורומת עם יכולות ייעוץ  ותהליכי הסמכה שונים. הוא בעל תואר ראשון במדעי המחשב מטע אוניברסיטת בר אילן ובעל תואר שני בפסיכולוגיה מטעם אונברסיטת New School  בניו יורק

בהרצאה זו נתאר פרויקטים שבצענו עבור חברות גלובליות המשלבים אנליטיקה מתקדמת עם פיתוח אפלקיצות ויישומי JMP.

אפליקציות אלה הוטמעו בקרב המשתמשים העסקיים של החברה אשר אינם מכירים או יודעים להשתמש ב – JMP

ארז דומינסקי מהנדס אלקטרוניקה בכיר בחברת טאוור ג'אז סמיקונדקטור

בעל 20 שנות ותק בתפקידים שונים בארגון. הוא אחראי על טכנולוגית SOI במפעל. לאחר שהשתתף בכנס JMP ארז גילה את שפת ה- JSL של JMP .מאז הוא כותב סקריפטים/תוכנות עבור כל המחלקות במפעל.

בסוף תהליך היצור במפעל, המוצר נשלח למדידות חשמליות. לכל מוצר ישנם מאות פרמטרים שנמדדים והמון דגימות לכל רכיב.

נשאלת השאלה כיצד מבצעים SPC לכל כך הרבה מידע.

כיצד מציבים גבולות לתהליך, הצורך להבחין בכל סטייה אפילו הקטנה ביותר כדי למנוע נפילות אצל הלקוח מול התראות שווא.

נציג את השיטה הנהוגה כיום אל מול הדרך שהייתה נהוגה בעבר,

נציג אפליקציה שפיתחתי ב JMP המבצעת מעקב אחר פרמטרי SPC לפי השיטה הנהוגה כיום בחברתנו.

Dr. Grabov  is Adjunct Senior Teaching Fellow in the Faculty of Industrial Engineering of the Technion and Adjunct Senior Lecturer in the Faculty of Engineering of Tel-Aviv University. He is a Certified Quality Engineer & Certified Six Sigma Black Belt from American Society for Quality

Statistical Product Characterization (SPC1 – Monitoring of Critical Product Characteristics) and Statistical Process Control (SPC2 – Monitoring of Critical Process Parameters), their difference and relationship. Examples of both SPC1 and SPC2 based on JMP features will be presented.

מירב שחם בעלת תואר ראשון בהנדסת חומרים וסטודנטית לתואר שני בחוג לסטטיסטקה של אוניברסיטת חיפה. במסגרת התואר היא שותפה למחקר המנסה לבנות מודל לחיזוי אוטיזם המסתמך על ביו-מארקרים מילדות עד בגרות. מירב שחם עסקה שנים בנושא Failure Analysis and Reliability בעבודתה הקודמת בחברת HP

ל-Machine Learning-

ההרצאה תציג מחקר המנסה לבסס מודל חיזוי לאוטיזם בהסתמך על דגלים אדומים ידועים ותחלואה נילווית האופיינית לזיהוי אוטיזם על מנת לייצר פלטפורמה להקדמה, איתור, התרעה וטיפול מוקדם ומותאם בהפרעה. זה בתורו, יאפשר הגברת הסיכוי להשתלבות ותפקוד מיטביים אצל הילד המאובחן ומשפחתו. המחקר משתמש בשיטות של Machine learning predictive modelling ללימוד של דפוסים קיימים וליצירת מערכים כדי "ללמוד ולאמן את המכונה" לזהות ולחזות סיכוי לאירוע חדש.

מוטי ציונית ושאול ציונת מחברת מידה ומידע בע"מ המתמחה במתן יעוץ הנדסי, סטטיסטי ו-GIS. תחומי היעוץ והתמיכה כוללים עיבוד נתונים ופיתוח כלים לכיול  מודלים,  ניתוחים סטטיסטיים, מסד נתונים, ניתוח אירועים. בין לקוחותיהם נמנים  תוכנית אב לתחבורה  בירושלים,  אלביט מערכות, תע"ש וחברות סטארט-אופ.

ההרצאה תציג את ארגז הכלים של מידה ומידע ואת הישומים מבוססי JMP  שהחברה פיתחה בתחומי ההנדסה, הסטטיסטיקה ובנושא בקרה וכיול מודלים. היא תדון בהרחבת השימושים בסביבת JMP לתחומי הנדסה, מודלים סטטיסטיים, VDA ו- ADV ותדון (ככל שיאפשר הזמן) וביכולות השימוש ב- JMP  ככלי ל-Data Management במערכת ICETM (סביבת בקרה אינטראקטיבית עבור מודל תחבורתי)

אור ליפמן ראש תחום הנדסת איכות ויועץ בכיר בתחומי מדידה ובקרה בחברת A.L.D. אור ליפמן בעל מעל ל-10 שנות ניסיון בהובלת פרויקטים תוך שימוש בשיטות כמותיות במגוון תעשיות (כימיה, ביוטכנולוגיה, היי טק) לעיבוד נתוני מערכות, הערכת ביצועים, מידול תהליכים וניהול סיכונים בשלבי פיתוח, ייצור, לוגיסטיקה ושירות

בהרצאה נדגים שימוש בתוכנת JMP לעיבוד וניתוח נתונים ממקורות שונים לצורך בניית מודל חיזוי המאפשר בחינת תרחישי דיגום שונים ובחירת מדיניות אופטימלית ברמת ביטחון מבוקשת.

נסקור את שלבי העבודה: עיבוד וניתוח נתוני היסטוריה, תכנון ניסוי, הגדרת תשתית לאפיון המודל התהליכי, בניית המודל וניתוח התוצאות לבחירת החלופה האופטימלית. נציג שיטות ניתוח באמצעות תרשימי בקרה וקורלציות, בניית מודל הסתברותי בסביבת JMP, ביצוע סימולציות, הצגה וניתוח תוצאות.

מרצה ויועצת בכירה בתחום של סטטיסטיקה תעשייתית, עם התמחות בתכנון ניסויים (= DOE Statistical Design Of Experiments), בקרת תהליכים סטטיסטית (statistical process control), דגימה וניתוח נתונים. היא גמטפלת גם בסוגיות הסטטיסטיות הקשורות ליישום שיטות המשתמשות ב-Big Data, כמו הורדת מימד של נתונים פונקציונליים וסוגיות של דגימה ועדכון מודלים ב-Machine Learning. דר' אשר מייעצת במגוון רחב של תעשיות, כולל סמיקונדוקטור, תרופות, מזון, מכשור רפואי, אלקטרוניקה, ציוד לחקלאות ומתכת. דר' אשר מלמדת באקדמיה, בטכניון ובמכללת כנרת, ומעבירה קורסים בתעשיה המותאמים לארגון. היא מפתחת שיטות של למידה פעילה המבוססת על ניתוח מקרים.

.

כיצד תכנון של ניסוי קובע את המודל שניתן להתאים בניתוח?

נבנה תכנונים הן בעזרת Classical Design והן בעזרת Custom Design. נתמקד במודלים פשוטים ונפוצים, הכוללים אפקטים לינארים, ולעיתים גם אינטארציות ו/או אפקטים ריבועים. נענה על השאלות הבאות:

1)      כאשר בונים תכנון של ניסוי ב-JMP, כיצד נדע מראש איזה מודל ניתן יהיה להתאים בניתוח?

2)      מהו המודל המופיע כברירת מחדל על הטבלה של התכנון?

3)      אם נריץ מודל שלא ניתן להתאים לפי התכנון שלנו (למשל, עקב הרצות חסרות), איפה בפלט של הניתוח נוכל להבחין בבעיה?

4)      מה תפקידו של המודל בבנית תכנונים בעזרת Custom Design?

זו סדנת למידה פעילה, הכוללת עבודה בזוגות ודיונים עם כל הקבוצה.

לסדנה הפעילה יש להרשם מראש כדי שנכין כמות חומרים מתאימה. אורך הסדנה כשעה וחצי. יש צורך בהכרות בסיסית של JMP ושל תכנון ניסויים סטטיסטי (statistical design of experiments=DOE).

ניתן (לא חובה!) לעיין לקראת הסדנה בקורס חינמי הנצמא באתר של JMP:

Statistical Thinking for Industrial Problem Solving, Module 6: DOE, 6.1 Introduction to DOE.

אורך חלק זה הוא כחצי שעה. לקורס יש תמליל כך שקל לתרגם. בסדנה שלנו נשתמש בדוגמה מהקורס, ה-Heck Reactor.

משתתפים מתבקשים להביא:

·         מחשב נייד עם JMP

·         אוזניות

·         כלי כתיבה

·         סקרנות