
Wir verbessern QuickTrials ständig auf der Grundlage des großartigen Feedbacks, das wir von unseren Kunden erhalten.
Bei den nachstehenden Änderungen geht es um die Steigerung der Effizienz und die weitere Verbesserung der Qualität der Versuchsdaten in einer Organisation.
Bibliotheksversuche
Die Traits-Bibliothek bietet eine automatisierte und vereinfachte Möglichkeit, Versuche zu entwerfen. Seit wir diese Funktion hinzugefügt haben, haben wir von unseren Nutzern eine überwältigend positive Reaktion darauf erhalten. Der Zeitaufwand für die Entwicklung von Versuchen hat sich verringert, die Konsistenz zwischen verschiedenen Versuchen ist viel höher und die Wiederverwendbarkeit hilft, redundante Merkmalsdefinitionen zu vermeiden.
In einigen Fällen ist jedoch noch mehr Flexibilität für bestimmte Kunden erforderlich, und deshalb haben wir jetzt einige zusätzliche Teile hinzugefügt, um diese speziellen Anwendungsfälle zu lösen.

Bearbeitung von Merkmalen während des Verfahrens
Für bestimmte Anwendungsfälle wurde eine Änderung der Definition von Merkmalen in einem bestehenden Versuch gewünscht, nachdem dieser aus Bibliotheksmerkmalen generiert worden war. Dies kann nun durch Klicken auf das Bearbeitungssymbol rechts neben den vorhandenen Merkmalen in den Versuchen erfolgen.
Bitte beachten Sie, dass die üblichen Vorbehalte weiterhin gelten:
- Wenn Sie hier etwas ändern, wird es nicht in der Bibliothek geändert, sondern nur in dieser Studie
- Sie können nur Attribute ändern, die nicht gesperrt sind, wenn die Prüfung aktiv ist. Das bedeutet, dass Sie z. B. den Typ einer Eigenschaft nicht ändern können
- Oft ist es besser, die Eigenschaft in der Prüfung zu entfernen, sie in der globalen Bibliothek zu bearbeiten und sie dann wieder in die Prüfung einzufügen, so dass Sie eine neue, aktualisierte Kopie der Bibliotheks-Eigenschaft erhalten und die globale Bibliotheks-Eigenschaft auf dem neuesten Stand gehalten wird und in zukünftigen Prüfungen korrekt verwendet werden kann.

Besuche ausblenden
Die Besuche dienen dazu, den Zeitpunkt der Datenerhebung im Feld festzulegen. Dies fördert die Standardisierung der Zeiten für die Erfassung von Merkmalen in verschiedenen Versuchen. In einigen Fällen benötigen Kunden jedoch die Flexibilität, bestimmte Besuche aufgrund von Wetter, Personal, Ressourcen oder anderen Gründen auszulassen. Um das Überspringen bestimmter Besuche zu erleichtern, können wir jetzt Besuche für jeden einzelnen Versuch ausblenden.

Schrittweise Abschaffung der manuellen Versuche
Mit diesen Änderungen sind wir der Meinung, dass wir nun über die erforderlichen Funktionen verfügen, damit alle Benutzer auf das neue Bibliotheksversuchsformat umsteigen können. Wir werden daher die alten manuellen Prüfungen abschaffen, so dass die Bibliotheksprüfungen die wichtigste Methode zur Einrichtung von Prüfungen für alle werden. Die alten Funktionen für manuelle Prüfungen werden in 3 Monaten (Anfang Oktober 2022) abgeschaltet. Wenn Sie Fragen haben oder Hilfe bei dieser Umstellung benötigen, können Sie sich jederzeit an uns wenden.
Synchronisierung der Informationen mit dem Gerät
Eine sehr gefragte Funktion war die Möglichkeit, zusätzliche Informationen in der mobilen App sichtbar zu machen, damit sie bei der Dateneingabe sofort sichtbar sind. Wir haben es jetzt möglich gemacht, Attribute aus globalen Dimensionen in der mobilen App anzuzeigen. Zum Beispiel können Sie bei der Anpflanzung die empfohlene Ausbringungskonzentration verschiedener Düngemittel anzeigen, die getestet werden.
Um dies auf eine für die Mitarbeiter im Außendienst einfache Weise zu erreichen, ist es jetzt möglich, abgeleitete Merkmale zu erstellen, die eine Formel verwenden, um auf Attribute einer Dimension zu verweisen:
plot().dimensions.fertilizer.rec_l_ha
Ein neues Kennzeichen für abgeleitete Merkmale mit der Bezeichnung "Sync to mobile" ermöglicht dann die Synchronisierung dieses Merkmals mit dem Mobiltelefon wie jedes andere Merkmal, jedoch im Nur-Lese-Modus.

Auf dem Mobiltelefon werden die Informationen wie jedes Sammelfeld angezeigt, sind aber schreibgeschützt, was an dem grauen Hintergrund der Felder zu erkennen ist.


Fallstudie: NIAB

NIAB ist die am schnellsten wachsende Organisation für Pflanzenwissenschaften in Großbritannien. Es setzt QuickTrials bei ausgewählten Kunden ein, um die Qualität der Datenerfassung zu verbessern und die Analyse der Ergebnisse zu beschleunigen. Weitere Informationen finden Sie, wenn Sie hier klicken:
