Con la crescente popolarità del fenomeno Bitcoin, sempre più analisti stanno cercando di comprendere nel miglior modo possibile questo nuovo “prodotto finanziario”. Sebbene possa essere molto difficile fare previsioni accurate sui prezzi effettivi dei Bitcoin, è comunque possibile identificare alcune tendenze e relazioni interessanti. Di seguito, mostreremo come utilizzare il Minitab Predictive Analytics Module per svolgere questa analisi.
Il nuovo aggiornamento di Minitab include Graph Builder, un nuovo tool che permette di visualizzare i tuoi dati ed esplorare alternative grafiche sfruttando una galleria interattiva e facile da utilizzare.
Lavorare da luoghi differenti ad uno stesso progetto può portare delle difficoltà di comunicazione e aggiornamento: modifiche dell’ultimo minuto, stato dell’arte e aspettative diventano difficili da condividere. Fortunatamente non è più necessario pianificare il progetto nei ritagli di tempo! È ora possibile fare affidamento sul software di gestione Minitab Engage che aiuta a monitorare il processo e a notificare quando si è in prossimità di una scadenza!
Questi paper, scritti dal dott. Riccardo Bonfichi, prendono in analisi le metriche di qualità nel settore chimico-farmaceutico.
Nel 2002, FDA ha lanciato l’iniziativa “Pharmaceutical cGMPs for the 21st Century” con l’obiettivo di promuovere un approccio moderno verso la produzione, basato sul rischio e sulla scienza. Nel 2015, sempre in questo contesto, FDA ha richiesto alcuni input per definire un “FDA Quality Metrics program” e nel dicembre 2019 ha annunciato che l’implementazione di questo programma è diventata una priorità. Prendendo spunto dalle iniziative FDA, questi articoli riguardano l’uso di strumenti quantitativi (o metriche di qualità) per comprendere, monitorare e possibilmente migliorare i processi di produzione farmaceutica. Verranno discussi casi di studio reali che mostrano l’applicazione delle metriche di qualità a tematiche di QA / QC e la loro analisi statistica dettagliata passo per passo. Verrà mostrato come, dai dati normalmente disponibili in azienda, sia possibile estrarre facilmente informazioni utili sullo stato dei processi e, soprattutto, prevederne il possibile esito. È proprio questa combinazione di due aspetti, uno descrittivo e l’altro predittivo, che permette di conoscere realmente un dato processo, controllarlo e possibilmente anche migliorarlo. Questa conoscenza è utile anche per gestire problematiche come OOS, OOT, deviazioni, ecc. Infatti, una scarsa conoscenza del processo e dei suoi indicatori di qualità può portare a considerare anomalo ciò che non lo è. Dato il considerevole numero di metriche di qualità considerate e il volume dei casi di studio discussi, l’argomento è stato suddiviso in due parti.
In questo video vi presentiamo le novità e i miglioramenti introdotti nella nuova versione – PTC Mathcad Prime 7: combo-box input control, standalone converter, miglioramenti nel motore di calcolo simbolico, miglioramenti nell’interfaccia utente, guida API.
L’Industry 4.0 (Industrial Internet of Things) sta trasformando il mondo delle industrie. La convergenza dell’ormai diffuso impiego di sensori a basso costo e del cloud, unita a una maggiore potenza di elaborazione, ha riunito una grande quantità di dispositivi connessi tra loro e in grado di monitorare, raccogliere, scambiare, analizzare e fornire informazioni come mai prima d’ora.
Query e visualizzazioni grafiche supportano la natura iterativa della ricerca qualitativa e possono aiutarti ad esaminare le intuizioni durante l’esecuzione di un progetto.
Tutti abbiamo strumenti preferiti, trucchi, metodi e modi per completare, monitorare e migliorare il nostro lavoro. Per molti, l’apprendimento visuale è molto importante pertanto l’utilizzo di mappe e diagrammi di flusso spesso può aiutare nell’analisi dei processi.
Quando si sente dire che alcuni progetti permettono alle aziende di risparmiare milioni, si potrebbe pensare che un’eccellente operatività e i programmi di miglioramento continuo possano garantire il successo. Gli esperti spiegano però che non è proprio così. Dopo averne intervistati circa 200, a tutti i livelli, e provenienti dalle più svariate aziende degli Stati Uniti, cosa è emerso? Qual è il fattore maggiormente legato al successo?
Bill Kahn guida lo statistical modeling group for consumer banking di Bank of America. Il suo team costruisce centinaia di modelli utilizzando un’ampia gamma di tecniche statistiche e machine learning. Questi modelli aiutano ad assicurare una stabilità finanziaria per individui, società e comunità distribuite su tutto il Paese. Negli ultimi decenni, Bill ha guidato gruppi di statistici in aziende di ambito finanziario, consulenza e manufatturiero. Ha conseguito una laurea in Fisica, un master in statistica a Berkeley e un dottorato in statistica a Yale. Minitab ha chiesto a Bill di condividere le sue conoscenze sul Machine Learning (ML) come “base d’azione” nel mondo del business.
