Detalles

Categoría: Otras

Publicado: 25 Marzo 2021

Visto: 4737

• documentos de laboratorio
• cuaderno de laboratorio electrónico (ELN)
• Documentación

El Karolinska Institutet es el mayor centro de investigación académica médica de Suecia. Hoy más que nunca, sus investigadores necesitan trabajar de manera eficiente, compartir y proteger sus conocimientos y adherirse a las Buenas Prácticas Científicas.

En esta entrevista a la Dra. Cecilia Martinsson Björkdahl, Project Manager en la Oficina de Datos de Investigación, y Nikolaos Volakakis, Coordinador de Documentación de Investigación se discuten las razones por las que comenzaron la implantación hace once años del cuaderno de laboratorio electrónico. También se habla sobre el cambio de regulaciones y la creciente presión con respecto a las publicaciones y cómo esto podría cambiar la forma en que los investigadores están trabajando en el futuro. 

¿Cuándo y por qué decidieron utilizar un cuaderno de laboratorio electrónico (ELN)?

Lo decidimos por nuestra cuenta para documentar nuestras investigaciones juntamente con la universidad, hace 11 años. 

¿Cómo están utilizando realmente el sistema? 

Todos nuestros investigadores pueden utilizar el sistema simplemente con un ID y una contraseña, ya que hay un grupo de investigación creado y fácilmente se pueden añadir nuevos integrantes al sistema o eliminar a medida que estos se van. La ventaja es que, aunque se eliminen integrantes del grupo de investigación, la información que hayan proporcionado seguirá siendo accesible para los demás investigadores.  

Los investigadores crean experimentos que estos se organizan en proyectos creados por los superiores en los grupos de investigación. Tenemos diferentes grupos de investigación (clínicos, ecológicos, etc..) y el cuaderno nos permite compartir información entre estos.

Dependiendo de la investigación se almacena en el ELN diferentes tipos de información, en nuestra pantalla principal tenemos ejemplos de que deberían poder almacenar los investigadores de cada disciplina.

En conclusión, el cuaderno de laboratorio electrónico es para nosotros un sistema de gestión además de una forma de preservar el conocimiento y los documentos y una forma de organizar todos los proyectos relacionados en un solo lugar, visible para todos los investigadores del grupo.

¿Cuál es el valor qué le veis al ELN?

Hay un par de puntos a destacar, primeramente, la validez que tiene para documentar información en un proceso de investigación en un solo sitio y que pueda acceder a ella todo el grupo de investigación.

Otro punto sería, tal y como hemos comentado anteriormente, el hecho de que se pueda acceder a la información que ha proporcionado un investigador, aunque este se haya ido del grupo, ya que constantemente hay investigadores nuevos.

Además, el sistema de búsqueda del cuaderno tiene un gran potencial, ya que dispone de una gran cantidad de filtros que facilitan la búsqueda de todos los datos almacenados.

Otras de las opciones de las que dispone el cuaderno es la posibilidad de crear plantillas y copiar experimentos, esto nos ahorra trabajo en muchas ocasiones y nos ayuda además a estandarizar el proceso.

¿Habéis visto alguna mejora en la calidad de vuestros datos?

Bueno, creemos que la gente es más cuidadosa en la forma de escribir su documentación, ya que será compartida con otras personas. Aunque gracias a las plantillas en los experimentos, tenemos un proceso de estandarización.

También tenemos algunos experimentos firmados y cerrados para que no puedan eliminarse por error. Todo esto creo que influye positivamente en la calidad de los datos.

¿Qué cambios habéis visto en las regulaciones de las universidades?

Actualmente, las investigaciones se suelen compartir más con la universidad, antes alguna información solamente pertenecía al grupo de investigación y no se compartía. Este cambio ha sido fácil de alcanzar gracias a que el cuaderno electrónico tiene la opción de compartir la información deseada con otros usuarios.

La última pregunta, ¿cómo creéis que seguiréis trabajando en el futuro?

Seguiremos trabajando con versiones actualizadas del sistema, también estamos trabajando para implementar la exportación múltiple de experimentos de otros sistemas ELN de otras instituciones. Además, también queremos que aquellos datos que sean muy grandes de almacenar puedan almacenarse a través de la integración entre una base de datos central con el ELN.

Creemos que el cuaderno de laboratorio electrónico en un futuro próximo será una de las herramientas obligatorias para los investigadores.  

Detalles

Categoría: ChemOffice

Publicado: 15 Marzo 2021

Visto: 47168

• ChemOffice
• ChemOffice 20.0
• ChemOffice+ Cloud

ChemOffice+ Cloud, anteriormente conocido como ChemOffice Professional, es la denominación de la versión 20.0. Esta versión incluye varias mejoras, así como una nueva aplicación en la nube que le da nombre y que está diseñada para acelerar el proceso de comunicación en el sector químico.

Los aspectos más relevantes de la versión 20.0 son:

ChemOffice+

ChemOffice+ es la nueva aplicación en la nube diseñada para facilitar la comunicación química. Permite navegar, extraer y reutilizar documentos de ChemDraw antiguos que se encuentran almacenados en documentos de MS Office. Puede crear rápidamente colecciones (listas de moléculas o reacciones con un propósito de generación de informes) que puede anotar, editar y exportar como archivos PowerPoint y SD.

Nuevas teclas de acceso rápido (hotkeys)

Completa hoja de trucos de teclas de acceso rápido, donde destaca:

• [K]: crea un grupo sulfona.
• [Shift]+[k]: en el carbono primario da un grupo terc-butilo con ángulos de 90º y en los carbonos secundarios un grupo gem-dimetilo.
• [Shift]+[o]: crea un grupo “OMe”.
• [Shift]+[e]: crea un grupo “CO2Me”. 

Nuevas opciones de coloración

Función complementaria a la versión 19.9, los colores, los átomos, las etiquetas y los enlaces de los anillos se pueden resaltar con un color específico para una comunicación más clara de ideas y conceptos al dirigir el enfoque de un lector o una audiencia a una parte determinada de una estructura química.

Representaciones 3D

Nueva función de limpieza 3D generará representaciones conformaciones tridimensionales a partir de representaciones 2D.

Complemento de patentes de Google

El nuevo complemento permite seleccionar cualquier molécula y obtener información inmediata sobre sus aplicaciones a partir de una búsqueda exacta o de subestructura en Google Patents y/o Google Scholar.

Enumeración de archivos SD

Ahora existe la posibilidad de enumerar más de 500 estructuras genéricas para crear bibliotecas químicas directamente desde un archivo SDFile. 

Nuevos soportes de polímero

Definición de valores de peso molecular medio para una estructura química entre paréntesis para facilitar los cálculos de estequiometría.

Detalles

Categoría: Minitab

Publicado: 11 Marzo 2021

Visto: 3658

DuPont Building Innovations ayuda a los constructores a crear estructuras más eficientes y sostenibles, con productos avanzados que incluyen sistemas de climatización DuPont™ Tyvek®, superficies sólidas DuPont™ Corian®, superficies de cuarzo DuPont™ Zodiaq® y más. En el año 2014 añadieron una nueva innovación a esa lista: redujeron a cero la cantidad de residuos que generan. Esta no fue una tarea pequeña: en 2008, Building Innovations produjo más de 36700 toneladas de residuos en 15 ubicaciones, un volumen equivalente a casi 16000 automóviles o 1000 tractocamiones cargados. Dave Walter, director comercial para las Américas de DuPont Building Innovations, dirigió el equipo del proyecto Six Sigma global que logró esta tasa de vertido cero. Walter, cinturón negro en Six Sigma, utilizó Minitab Statistical Software para analizar y dar sentido a la enorme cantidad de datos recopilados a lo largo del proyecto.

El reto

DuPont estableció por primera vez objetivos medioambientales hace más de 20 años y, en la actualidad, la empresa vincula esos objetivos directamente con el crecimiento empresarial y el desarrollo de productos más seguros y sostenibles. La unidad de Building Innovations decidió abordar un objetivo extremadamente ambicioso: en tres años, la división generaría cero residuos en vertederos en todas sus localizaciones de fabricación globales, reutilizando o reciclando todos los subproductos.

El proyecto de Cero Desechos de Vertedero fue particularmente complejo porque incluía localizaciones de socios terceros, donde los productos a menudo se fabrican no solo para DuPont sino también para otras empresas. Esto significó que el equipo del proyecto tuvo que gestionar el desafío de eliminar todos los residuos relacionados y no relacionados con los vertederos de fabricación de productos. El proyecto cubrió 15 ubicaciones de fabricación y socios dispersas por todo el mundo, e incluyó sitios en Buffalo, NY; Thetford, Quebec; Ulsan, Corea del Sur; Utsonomiya, Japón; Guangzhou, China; Luxemburgo; y ocho ubicaciones de terceros en EE. UU.

Los subproductos de la fabricación, las materias primas inutilizables, los desechos de productos, los escombros de la construcción e incluso los desechos de la cafetería estaban incluidos en el alcance del proyecto. "En total, necesitábamos analizar más de 30 flujos de residuos diferentes", dice Walter. "Para cada flujo tuvimos que averiguar, ¿por qué es un desperdicio? ¿De dónde viene? ¿Cuáles son los componentes? Y finalmente, ¿qué podemos hacer al respecto y cómo podemos cambiar el proceso?"

Dado el alcance del proyecto, el equipo necesitaba recopilar una gran cantidad de datos para ayudar a DuPont y sus socios a repensar y rediseñar los procesos de Building Innovations. "Lo primero que hicimos fue trazar un mapa de lo que estábamos haciendo", explica Walter. "Medimos nuestras entradas, salidas y el flujo de desechos. Usamos el método Six Sigma llamado DMAIC, que significa Definir, Medir, Analizar, Mejorar y Controlar".

Cómo ayudó Minitab

La metodología Six Sigma se utilizó durante los tres años del proyecto, por lo que las funciones integradas en Minitab, el software estadístico que se ha utilizado para analizar datos en prácticamente todas las implementaciones importantes de Six Sigma en todo el mundo, fueron ideales para ayudar al equipo a lograr sus objetivos. El enfoque basado en datos fue fundamental porque le permitió al equipo comprender no solo cuánto desperdicio se estaba produciendo, sino también dónde y por qué se generaban los flujos de desperdicio. "Usamos Minitab para ayudarnos a trazar los pasos a lo largo de los flujos de residuos", explica Walter. "A medida que recopilamos datos en diferentes sitios, usamos Minitab para hacer regresiones lineales y otros análisis, y creamos diagramas de caja, histogramas y otros gráficos para que pudiéramos ver claramente lo que nos decían nuestros datos".

El equipo logró su objetivo de residuo cero en el último mes de su programa de tres años. Hoy en día, una enorme cantidad de material que solía terminar en vertederos se reutiliza o recicla.

El equipo examinó cada localización a fondo para comprender exactamente cuánto de cada tipo de desperdicio se generó; de dónde vino; por qué se produjo y cuánto material de cada flujo de residuos se podría eliminar, reutilizar o reciclar. "Hicimos muchos análisis de DOE factorial en Minitab para analizar la calidad versus el tiempo de producción y los valores de desperdicio", dice Walter. "Analizamos nuestros datos en Minitab para determinar cómo cambiar un proceso para reducir el desperdicio, mientras nos aseguramos de no afectar la calidad de nuestros productos".

En el camino, el equipo encontró formas sorprendentes de reducir la cantidad de "desechos" generados. "Encontrar cosas que pudimos vender fue una sorpresa muy agradable", dice Walter. "Por ejemplo, ahora podemos vender cosas como piedras de jardinería hechas con material de desecho de Corian® que antes se hubiera tirado".

Resultados

El equipo logró su objetivo de vertido cero en el último mes de su programa de tres años. "Las últimas 1.000 toneladas de todo el mundo fueron los más difíciles", dice Walter. "Pero hoy, una enorme cantidad de material que solía terminar en vertederos se reutiliza o recicla".

La lista de subproductos útiles que el equipo de Walter seleccionó de los procesos de Building Innovations es impresionante. Por ejemplo, los desechos de Corian® resultaron ser de gran utilidad. "Recortamos cada lámina que hacemos, por lo que hay desechos naturales que provienen de este proceso", dice Walter. "También hay material de transición que se crea a medida que cambiamos de un color de material al siguiente. Ahora, en lugar de ponerlos en un vertedero, podemos triturar muchas de nuestras láminas de desecho para reutilizarlas en nuestro producto de primera calidad. También podemos triturar los restos restantes para usarlos como rocas de drenaje".

Y la lista continúa. Los residuos de lijado de los procesos de fabricación de Corian® y Zodiaq® se utilizan como relleno en el hormigón. La envoltura Tyvek® y la moldura tapajuntas se reciclan en material de primera calidad. Las tarimas de envío se reparan, reutilizan o muelen para convertirlas en camas de animales. La película de la banda transportadora se funde y se utiliza para fabricar adhesivos. Incluso los desechos de la cafetería de las instalaciones de Building Innovations se reciclan en lechos de lombrices o se convierten en energía.

Pero este proyecto produjo beneficios económicos y medioambientales. Sorprendentemente, el equipo logró su misión sin gastos de capital. Y en solo un año, Building Innovations ganó 2,2 millones de dólares por la venta de subproductos a nivel mundial, además de obtener 400.000 dólares en ahorros de costes.

DuPont Building Innovations recibió el primer premio a la sostenibilidad del proveedor del grupo de desarrollo de restaurantes de EE.UU. en McDonald's® por su logro de cero residuos. Y el equipo de marketing de Building Innovations está encontrando formas de impulsar las ventas aprovechando el compromiso de la empresa con la sostenibilidad entre los consumidores conscientes del medio ambiente.

Ahora que el equipo del proyecto ha logrado su objetivo de cero residuos, continúa utilizando Minitab para el análisis de datos. "Minitab es importante en nuestro proceso de auditoría", dice Walter. "Todas las semanas verificamos nuestros números, nos aseguramos de que los materiales correctos vayan a los contenedores correctos, y usamos gráficos de control, histogramas y otras herramientas de Minitab para dar sentido a los datos que recopilamos. Minitab es muy potente y fácil de utilizar, y cuando tenga preguntas sobre los entresijos de un análisis o método en particular, la claridad que nos brinda Minitab es realmente muy útil".

Pero, señala Walter, un indicador del éxito del equipo se puede detectar fácilmente incluso sin Minitab Statistical Software: "Ya no vemos ningún camión entrando en nuestras plantas para recoger los desechos de los vertederos", dice.

Detalles

Categoría: Maple

Publicado: 11 Marzo 2021

Visto: 4404

Desde pequeñas pero increiblemente útiles mejoras de la interfaz a áreas completamente nuevas de matemáticas, Maple™ 2021 ofrece un abanico de mejoras a través de todo el producto.

Detalles

Categoría: NAG

Publicado: 09 Marzo 2021

Visto: 4493

Este primer artículo de la serie dentro de The NAG Optimization Corner está dedicado a brindar orientación sobre cómo elegir la herramienta de optimización adecuada para un problema dado y demostrar las consecuencias de una elección inapropiada.

En NAG sabemos que elegir la herramienta de optimización adecuada puede ser una tarea bastante difícil y que el proceso, en ocasiones, puede parecer confuso. Una parte de nuestras solicitudes de servicio al cliente tratan este mismo tema. La mayoría de las veces, las consultas comienzan con la misma pregunta: "¿Por qué falla el resolvedor?" y, con bastante frecuencia, una inspección más detallada revela que se ha elegido el resolvedor incorrecto o que el modelo podría mejorarse significativamente. Si bien esta publicación aborda el primero, apreciamos que construir un modelo bueno o incluso adecuado puede no ser nada fácil, este tema se revisará en una próxima publicación de esta serie.

En esta publicación, mostramos dos ejemplos que ilustran la importancia de elegir el resolvedor adecuado y concluimos con algunas observaciones importantes.

Diferentes problemas y diferentes resolvedores.

A diferencia de las gorras de béisbol, una misma talla no sirve para todos cuando se trata de resolver problemas de optimización. De hecho, es una práctica recomendada intentar siempre primero el ajuste más ajustado posible. Tomemos, por ejemplo, el siguiente caso: resolver un problema de programación lineal (LP) utilizando un resolvedor de programación no lineal general (NLP) en lugar del resolvedor LP ajustado. La herramienta NLP será más cara y menos robusta que el resolvedor de LP ajustado especializado que comprende y explota la linealidad del problema.

A continuación, mostraremos por qué es esencial comprender y explotar la estructura subyacente de un problema de optimización y combinarlo con un resolvedor que pueda aprovecharlo.

Comencemos por presentar rápidamente las distintas partes que componen un problema de optimización. Un problema se compone de variables, una función objetivo y restricciones. Los diferentes tipos de variables, objetivos y restricciones definen diferentes clases de problemas. La Introducción al capítulo Optimización E04 de NAG ofrece una descripción completa de las diversas clases de problemas de optimización y los resolvedores recomendados para su uso.

Calibraciones costosas

Los problemas de calibración (ajuste de datos, regresión) generalmente se expresan en términos de mínimos cuadrados lineales (LSQ) o no lineales (NLN-LSQ) con la tarea de minimizar la suma de los cuadrados de los residuos. Las funciones residuales, r_I(x), representan el error entre la predicción del modelo y los datos, mientras que la función objetivo se denota como

.

Para obtener más información sobre la optimización de mínimos cuadrados, consulte la documentación de NAG sobre optimización.

Se realizó el siguiente experimento, resolvimos un lote de 39 problemas NLN-LSQ no restringidos y comparamos un resolvedor NLN-LSQ especializado con un resolvedor NLP de propósito general. Los resultados de la evaluación comparativa, que se muestran en la Figura 1, muestran que NLN-LSQ es notablemente más rápido. En promedio, el resolvedor especializado NLN-LSQ ofrece una velocidad 1,8 veces mayor que el resolvedor general de NLP, con un 20% de los problemas resueltos al menos 5 veces más rápido. Como revelan los últimos problemas 32–39, a veces el resolvedor de PNL puede superar al especializado debido a factores como el punto de partida que favorece a un método en particular sobre otros. Esto también destaca la importancia de probar más de un resolvedor.

Figura 1. Comparativas de referencia en más de 39 problemas CUTEst NLN-LSQ que comparan los rendimientos de los resolvedores NLN-LSQ y NLP. La altura de la barra vertical representa el factor de aceleración medido como la relación de tiempo NLP / tiempo NLN-LSQ.

El factor de aceleración más importante para el resolvedor NLN-LSQ está en cómo se aproxima el hessiano. Más detalladamente, el problema se define como

Objetivo de mínimos cuadrados no lineal

con el siguiente gradiente (primeras derivadas) y hessiano (segundas derivadas)

donde J(x) es el jacobiano de los residuos. Ahora, el hessiano resulta ser el producto matriz-matriz del transpuesto del jacobiano por sí mismo (también conocido como la matriz de Gauss-Newton) y una suma de m residuos hessianos. Si el problema tiene una buena solución de ajuste (pequeños residuos r_I(x)) luego cerca de una solución la segunda parte que involucra la suma de los residuos hessianos, , pueden considerarse insignificantes y, por lo tanto, se omiten. Este último hecho es muy importante, ya que evaluar m hessianos individuales pueden ser extremadamente caro.

Las LSQ dedicadas son generalmente más rápidas porque conocen y explotan estos hechos importantes y, por lo tanto, pueden aproximar con éxito las segundas derivadas utilizando solo las primeras derivadas de los residuos. Mientras que los resolvedores NLP genéricos no pueden hacer estas suposiciones clave y no se aprovechan de ellas.

Compromiso: NLP para resolver QP

Los resolvedores de NLP de propósito general son capaces de resolver una gran variedad de clases de problemas con el compromiso de no explotar la estructura del problema subyacente. Solo deben usarse cuando no se dispone de resolvedores especializados. En el siguiente ejemplo, ilustramos tal compensación resolviendo un lote de 50 QP convexos (problemas de programación cuadrática) y comparando el costo incurrido en el uso del resolvedor de NLP general nlp2_sparse_solve (e04vh) en lugar del cuadrático convexo especializado nlp2_sparse_solve (e04nq) donde ambos resolvedores son métodos de conjuntos activos. Los resultados computacionales visualizado en la Figura 2 muestran que el resolvedor QP e04nq es en promedio 2,3 veces más rápido que el resolvedor de NLP e04vh y al menos 5 veces más rápido en el 28% de los problemas.

Figura 2. Comparativas de referencia en 50 problemas convexos de QP comparando el rendimiento de los resolvedores de QP y NLP. La altura de la barra vertical representa el factor de aceleración medido como la relación de tiempo NLP / tiempo QP.

El mayor factor de aceleración es esencialmente que e04nq, el resolvedor especializado, se adapta a la estructura QP y aprovecha el hecho de que el hessiano (segundas derivadas) es constante para todoa x. Mientras que el resolvedor general e04vh no tiene acceso a la misma información, ya que no solicita segundas derivadas. En general, los resolvedores de NLP que pueden usar derivadas de segundo orden tendrán un alto costo computacional por iteración, requiriendo, por ejemplo, costosas factorizaciones del hessiano o actualizaciones parciales de una aproximación al mismo, potencialmente en cada iteración.

Cosas para recordar

En esta artículo, presentamos dos ejemplos que ilustran la compensación de usar resolvedores de optimización genéricos para resolver problemas que tienen una estructura subyacente. Los resultados numéricos muestran que los resolvedores especializados son preferibles a los genéricos.

• Elija el resolvedor de optimización adecuado. Es ventajoso tomarse el tiempo para comprender la estructura subyacente del problema y elegir el resolvedor que se ajuste más a los requisitos. Es por eso que la biblioteca NAG le ofrece una gran variedad de resolvedores de optimización.
• El resolvedor especializado ofrece un mejor rendimiento (tiempo de solución) pero también robustez y precisión.
• Elegir el resolvedor adecuado no siempre es una tarea fácil. Aquí en NAG, siempre estamos listos para ayudarle. Tenemos una mesa de soporte amigable y muchos recursos en línea a su disposición, como los diagramas de árbol de decisiones fáciles de explorar para ayudarlo a elegir la herramienta de optimización adecuada.
• Si hay dos o más resolvedores que se ajustan a su problema, la experimentación numérica ayuda a elegir el mejor. Abordaremos este tema en una próxima publicación.

Nuestra próxima publicación de esta serie tratará sobre problemas densos y escasos.

Detalles

Categoría: BIOVIA

Publicado: 08 Marzo 2021

Visto: 4357

• cuaderno de laboratorio electrónico (ELN)
• base de datos química
• BIOVIA
• BIOVIA Notebook
• BIOVIA Pipeline Pilot
• caso práctico
• Relación de Actividad de Sustancias (SAR)

Los desafíos en la investigación científica suelen ser la dificultad para gestionar los datos obtenidos y que estos se puedan encontrar en un entorno seguro, rentable y accesible para los demás integrantes del grupo de investigación.

La solución a estos problemas es: BIOVIA ScienceCloud con BIOVIA Pipeline Pilot y BIOVIA Notebook.

Los resultados que se obtienen son:

• 85% de ahorro de tiempo en la preparación y manipulación de datos.
• 80% de ahorro de costes para proyectos externalizados.
• Mejor toma de decisiones al mantener un solo lugar para revisar los resultados de todas las colaboraciones científicas.
• Mejora de la calidad de los datos gracias al cumplimiento de las reglas comerciales de la organización por parte de los socios.

Analizamos esta propuesta a partir de un caso práctico.

Cliente: líder global de salud en descubrimiento, desarrollo y distribución de terapéutica

Este cliente de BIOVIA es un líder mundial en atención médica que descubre, desarrolla y distribuye soluciones terapéuticas centradas en las necesidades de los pacientes. La compañía transforma la innovación científica en soluciones de atención médica en vacunas humanas, enfermedades raras, esclerosis múltiple, oncología, inmunología, enfermedades infecciosas, diabetes, afecciones cardiovasculares y atención médica del consumidor. 

Más de 100.000 personas en la empresa están trabajando en 100 países para ofrecer soluciones de salud a millones de pacientes. 

Reto: principales ineficiencias al trabajar con red de socios de investigación externos

La creciente dependencia de las grandes farmacéuticas en una amplia gama de colaboraciones externas de descubrimiento de fármacos ha provocado graves desafíos en la adaptación de las plataformas de datos de Relación de Actividad de Sustancias (SAR) centradas en el almacén de datos existentes. El crecimiento sustancial de la investigación colaborativa requiere la integración y el análisis de datos de compuestos y bioactividad de múltiples fuentes en diferentes formatos. Este cliente de BIOVIA ha construido muchos sistemas grandes y complicados para respaldar los datos de SAR. Sin embargo, estos sistemas internos estaban desactualizados y no se adaptaban fácilmente a los nuevos tipos de datos que surgen del cambio hacia datos biológicos y nuevos datos de bioactividad.

El intercambio de datos, archivos de Excel y otros documentos mediante SharePoint o correo electrónico fue ineficaz, ineficiente y no seguro. Llevar todos los datos a los sistemas internos era problemático y las cuestiones de propiedad de la propiedad intelectual a menudo conducían a la depuración de datos. 

Desafíos específicos:

• Compartir datos de forma segura con terceros.
• Intercambiar datos científicos de manera eficiente y sin errores. 
• Tomar decisiones basadas en diversos tipos de datos de múltiples socios. 
• Comunicarse de manera efectiva con socios en diferentes geografías y zonas horarias.
• Seguimiento y gestión de múltiples proyectos externos.

Solución: plataforma segura y efectiva de investigación central en informática SAR

BIOVIA ScienceCloud ofrece un ecosistema abierto de aplicaciones de investigación basadas en la nube y accesibles a través de la web. Proporciona un marco de gestión de proyectos seguro con la capacidad de compartir información del proyecto (ya sean datos estructurados o documentos) utilizando un enfoque de red social único.

BIOVIA Notebook es un cuaderno de laboratorio electrónico flexible y de bajo costo de propiedad disponible en ScienceCloud, que permite a una organización y su red de socios capturar y compartir métodos experimentales y rastrear y proteger la propiedad intelectual.

BIOVIA Pipeline Pilot facilita la creación y gestión de servicios científicos, implementa reglas comerciales estándar y permite la integración e intercambio de datos entre BIOVIA ScienceCloud y los sistemas locales del cliente. La armonización y conversión de la representación química y los datos de bioactividad para la informática de investigación hace que los datos colaborativos estén disponibles para los usuarios finales a través de los sistemas y aplicaciones tradicionales de esta empresa.

ScienceCloud es una plataforma ideal para permitir el intercambio seguro de datos en colaboración en la nube y para facilitar la canalización de datos hcia y desde los sistemas de datos internos.

Jefe de Gestión de Datos de Investigación
Compañía líder en el cuidado de la salud

Resultados: proyectos colaborativos eficientes con un 85% de ahorro de tiempo en el tratamiento de datos

El cliente ha aprovechado la solución basada en BIOVIA ScienceCloud para superar los desafíos en la gestión de datos para la informática de investigación. El cliente logró hasta un 85% de ahorro de tiempo en la preparación y manipulación de datos, al tiempo que mantuvo un solo lugar para revisar los resultados de todas las colaboraciones científicas.

Ahora pueden activar y desactivar rápidamente equipos internos / externos al tiempo que se aseguran de que los datos de los socios científicos se ajusten a las reglas comerciales internas.

La gestión segura de los datos del proyecto en BIOVIA ScienceCloud ayuda a esta empresa a controlar la propiedad intelectual de forma más eficaz. El entorno de SAR distribuido permite al cliente aprovechar las tecnologías de big data sin el alto costo y nivel de soporte requerido para la integración de datos complejos de una gran plataforma de almacenamiento de datos integrada. BIOVIA ScienceCloud reduce el coste de los sistemas con soporte interno y crea un sistema informático SAR escalable que está verdaderamente "centrado en el proyecto".