Das mobile cobas b 123 POC-System von Roche ist ein Analysegerät für die Intensivmedizin, mit dem medizinische Fachkräfte fundierte, effektive Entscheidungen direkt vor Ort treffen können.
Kundenerfahrungen
Feinabstimmung der Instrumente für das Gesundheitswesen
Roche bietet Biosensoren an, mit denen Gesundheitsdienstleister am Krankenbett gemessene Blutwerte der Patienten erfassen können. JMP® , die Software zur statistischen Datenanalyse, hilft Roche dabei, hierfür genauestens abgestimmte Instrumente zu entwickeln.
Roche
| Herausforderung | Perfektionieren der Fertigung diagnostischer Biosensoren. |
|---|---|
| Lösung | Roche-Ingenieure verwenden eine große Zahl von JMP-Werkzeugen, um die Forschung zu beschleunigen und die Produktivität zu steigern. |
| Ergebnisse | Roche gibt komplexer werdende Geräte in die Hände von Gesundheitsdienstleistern. |
Raghavendran Swaminathan ist als ausgebildeter Ingenieur, mit einem Master-Abschluss in Mikrosystemtechnik und Mikroelektronik, mit den Grundlagen der statistischen Analyse vertraut.
Heute arbeitet Swaminathan als leitender Verfahrensingenieur in der Diagnostics Division von Roche Diagnostics International in Rotkreuz in der Schweiz. Und zu seiner Arbeit gehören statistische Verfahren, die über die Grundlagen hinausgehen: ANOVA, Regression, Mittelwertvergleich, Screening-Effekte, Versuchsplanung und mehr. Die dafür erforderlichen Kenntnisse hat er sich im Rahmen seiner Arbeit angeeignet, in der Schule von JMP.
JMP®, die Software zur statistischen Datenanalyse von SAS, ist ein grundlegendes Werkzeug für die Arbeit von Swaminathan, in deren Rahmen er die Fertigung diagnostischer Biosensoren optimieren muss. Mit diesen Biosensoren erhalten Gesundheitsdienstleister schnelleren Zugriff auf mehr Informationen, in vielen Fällen direkt vom Patientenbett.
Vorschau auf Daten mittels der JMP® Plattform „Abfrage erstellen“
Eines dieser Geräte ist das Point-of-Care-System cobas b 123 von Roche, ein von Krankenhäusern verwendeter Biosensor zur Messung von Blutgasen, Elektrolyten, wie etwa Kalium, Natrium und Calcium, sowie von Metaboliten, einschließlich Glukose und Laktat. Das cobas b 123 ist ein Tischgerät, das 22 Siebdruckschritte und 16 Dispensierschritte umfasst. Mit einem einzigen Klick erhalten Sie Informationen zur Qualität des Bluts des Patienten.
Das Ziel der Arbeit von Swaminathan am cobas b 123 ist, Leistungskennzahlen für den Fertigungsprozess aufzustellen. Er und sein Team verwenden JMP. Sie definieren und dokumentieren SQL-Abfragen, mit denen sie Daten vom Manufacturing Execution System erhalten können. Dann analysieren Sie diese Daten mit der JMP-Funktion „Abfrage erstellen“.
„Es ist ausgesprochen hilfreich, diese Daten zu einem frühen Zeitpunkt untersuchen zu können, sodass wir sofort reagieren können, falls irgendwelche Probleme auftauchen“, erklärt Swaminathan. „Der Produktionsprozess ist äußerst komplex und die Sensorleistung hängt von vielen Parametern ab, wie etwa Siebdruckdicke, Abgabevolumen, Trockentemperatur, Lagerbedingungen, Zeitintervall zwischen Prozessen, Materialeigenschaften.“
Die Wechselwirkungen zwischen diesen Parametern zu kennen, ist eine Herausforderung. „Im Moment arbeiten wir an einem Datenmodell, mit dem wir die Sensorleistung basierend auf unseren Hypothesen und der Interaktion zwischen diesen bewerten wollen. Wir verwenden JMP zur Erstellung des Modells und um die Sensorleistung vorherzusagen.“
Wechsel zu JMP®, gesteigerte Produktivität
Bevor er zu JMP wechselte, verwendete Swaminathan Excel. Die Vorteile von JMP wurden ihm sofort klar.
Er betont: „Die Menge der Daten, die JMP bearbeiten kann, ist ein großer Vorteil. Excel war zu langsam oder stürzte ab oder seine Einsatzmöglichkeiten in einer Produktionsumgebung waren einfach zu begrenzt.“ Außerdem war er vom Funktionsumfang von JMP beeindruckt. Die Funktionen beschleunigten seine Arbeit, und er wurde problemlos und schnell mit ihnen vertraut. „Ich konnte meine Produktivität mit JMP erheblich steigern. Das war mir sofort klar.“
Er entdeckte zum Beispiel Diagramme für die statistische Prozesskontrolle zur Unterscheidung zwischen allgemeinen und speziellen Ursachen, einschließlich Ursachenforschung für außerhalb des Kontrollbereichs liegende Bedingungen und laufender Überwachung der Stabilität. Durch die Erstellung dieser Diagramme konnte er wesentlich schneller arbeiten, und er erhielt auch deutlich mehr Detailinformationen als mit Excel.
Diagramme zur statistischen Prozesskontrolle ermöglichen es ihm zum Beispiel, die Dicke des Siebdruckfilms zu überwachen. „Es gibt mehrere Schichten und Dicken, die kontrolliert werden müssen. Wir überwachen das mit einer Qualitätsregelkarte.“ Er und sein Team verwenden die statistische Prozesskontrolle auch zur Überwachung des Widerstands der gedruckten Schichten.
Graphik erstellen: „Einfacher geht es nicht“
Die Funktion „Graphik erstellen“ spielt bei seiner Arbeit ebenfalls eine wichtige Rolle. „Die Funktion ‚Graphik erstellen‘ ist wirklich einfach: Einfacher geht es nicht“, versichert Swaminathan. „Sie haben eine Plattform und Sie haben die Daten – Sie ziehen sie rein, Sie ziehen sie raus, Sie können alles tun, was Sie wollen.
Sie haben das Punktdiagramm – abhängig davon, wie Sie die Daten definieren: ordinal oder nominal – und es wird automatisch sortiert.“ Er verwendet Zeitreihendiagramme, Histogramme, Tortendiagramme, „und ich verwende auch Heatmaps, um die Variation in den Prozesszykluszeiten zu ermitteln“.
Alles ist an einem Ort verfügbar, und besonders mag er, dass die Funktion vollständig mausgesteuert ist. „Die Funktion ist sehr schnell und sehr praktisch – im Unterschied zu anderen Graphikwerkzeugen, wo man explizit sagen muss: ‚Das ist mein x, das ist mein y‘, und wo man alles selbst definieren muss.“ Bei JMP „ist alles sofort sichtbar“.
„Und es läuft automatisch ab“, fügt er hinzu. „Das Skript ist fertig und jeder kann das Journal jederzeit öffnen, auf ‚Daten abrufen‘ klicken und die Analyse ausführen. Mit zwei Klicks erhält man all diese Informationen im PDF- oder XTML-Format.
Jeder kann es verwenden und es ist wirklich nützlich. Wir setzen es in unseren Produktionsbesprechungen als Standardwerkzeug für KPIs ein. Alle sind sehr zufrieden mit dem, was JMP aufzeigen kann, und jeder findet JMP hilfreich, wenn es darum geht zu ermitteln, warum der Durchsatz schwach ist – und ob es Engpässe gibt.“
Alles in allem, so sagt Swaminathan, geht es immer um die Steigerung der Produktivität – wie schnell Rückschlüsse aus den Daten gewonnen werden können und wie schnell man damit reagieren kann. Er hat festgestellt, dass er seine Daten nun wesentlich tiefgehender untersucht, als er das zuvor konnte. „Die ganze Sache ist in vollem Fluss. Alles geschieht so schnell. Wir haben unsere Produktivität deutlich verbessert.“
Neue Einblicke jeden Tag
Swaminathan mag besonders, dass seine Arbeit jeden Tag neue Fragen aufwirft, die er beantworten muss – das Potenzial für bahnbrechende Entdeckungen. Er gewinnt kontinuierlich neue Einblicke in die Wissenschaft hinter den Biosensoren.
„Ich bin ursprünglich Elektrotechniker“, erklärt er, „und nun arbeite ich im medizinischen Bereich. Es gibt sehr viele neue Dinge zu lernen.“ JMP hilft ihm dabei, seine Kenntnisse zu erweitern. „Es ist anspruchsvoll“, bestätigt Swaminathan. „Und es macht Spaß.“
The results illustrated in this article are specific to the particular situations, business models, data input and computing environments described herein. Each SAS customer’s experience is unique, based on business and technical variables, and all statements must be considered nontypical. Actual savings, results and performance characteristics will vary depending on individual customer configurations and conditions. SAS does not guarantee or represent that every customer will achieve similar results. The only warranties for SAS products and services are those that are set forth in the express warranty statements in the written agreement for such products and services. Nothing herein should be construed as constituting an additional warranty. Customers have shared their successes with SAS as part of an agreed-upon contractual exchange or project success summarization following a successful implementation of SAS software.