Multivariate Datenanalyse & Statistische Software und Lösungen : The Unscrambler®

Multivariate Datenanalyse einfach gemacht

Regression, Vorhersage, Klassifikation, Exploratory Analysis, DoE

Hersteller in allen Industriezweigen stehen kontinuierlich vor großen Herausforderungen, wenn es um die Verbesserung der Produktqualität und die frühzeitige Erkennung von Abweichungen in Prozessen geht. Die multivariate Datenanalyse (MVA) eignet sich hervorragend, um Qualität in Prozesse einzubauen, stellt die grundlegenden Werkzeuge für die Überwachung von kritischen Qualitätsmerkmalen zur Verfügung, und gewährleistet akzeptable Endproduktqualität.

Generierung von Modellen für ein besseres Verständnis von Produkten und Prozessen Generierung von Modellen für On-line Vorhersage und Klassifizierung	Direkte Erhebung von Daten aus unterschiedlicher Software/Instrumenten
Beseitigung unnötiger Messungen und ROI-Maximierung	Definition und Messung von qualitätskritischen Merkmalen Frühzeitige Erkennung von Prozessabweichungen durch Implementierung der multivariaten statistischen Prozesskontrolle (MSPC)

The Unscrambler® ist eine komplette Software-Lösung für multivariate Datenanalyse und Versuchsplanung, ausgestattet mit leistungsstarken Methoden wie der PCR, Multivariate Curve Resolution (MCR), PLS-Regression, 3-Wege-PLS-Regression, Clustering (K-Means), SIMCA und PLSDA-Klassifikation usw.

Broschüre


Beschreibende Statistik (Mittelwert, Standard-abweichung, Box-Plot mit Medianwert und Perzentil, Häufigkeits-verteilung (Histogramm) mit Varianz, Schiefe und Kurtosis, Normalwahr-scheinlichkeitskurve, Kreuzkorrelation (als Matrix Plot und Tabelle) Varianzanalyse (ANOVA) und Responseflächen ANOVA mit Konturdiagramm Hauptkomponenten Analyse (PCA), PCA Projektion , Orthogonale Rotation von Faktoren (Varimax, Quartimax, Equimax und Parsimax) Multivariate Kurven Auflösung (MCR), Liste mit Ratschlägen für die MCR Modellerstellung Clustering (K-Means) Kategorievariablen Klassifikation (SIMCA, Diskriminanzanalyse) Objektzentrierung, Variablen Skalierung mit folgenden Optionen: Mittelwert und Standard-abweichung (Autoskalie-rung), mit Konstante, oder niedriger Gewich-tung (Passivierung) Berücksichtigung von Wechselwirkungs- oder quadratischen Effekten bei PCA, MLR, PCR und PLS-R Modellen	Regression (MLR, PCR, PLS-R, 3-way PLS-R) MLR Vorhersage Vorhersage der Y-Werte mit Y Deviations (= Unsicherheitsgrenzen), Inlier und Outlier Statistiken Automatische Erkennung von signifikanten X-Variablen in PCR, PLS-R und PCA (Marten’s Uncertainty Test bei der Kreuzvali-dierung, Stabilitäts Plots) Automatische Aus-reisser Erkennung bei PCA, MLR, PCR, PLS-R und Vorhersage Interaktive Modellerstellung : - manuelles (oder automatisch gleich-mäßig verteiltes) Markieren von Objekten oder Variablen in Plots - Neuberechnung mit oder ohne markierte Objekte oder Variablen - Extraktion der Daten nach Markierung in eine neue Tabelle (Subset Selektion) Automatische Datenvorbehandlungen bei der Vorhersage und Klassifizierung Vorhersage auf Basis von PCR, PLS-R and 3-dimensionalen PLSR Modellen	Design Wizard: führt durch die Schritte der Statistischen Versuchsplanung Screening Designs (2-stufig), Optimierungsversuchspläne Vollständige Faktoren - (F) und Faktorielle Teil - (FF) Versuchspläne Plackett - Burman (PB) Designs Zentral zusammengesetzte Versuchspläne (CCD) Box Behnken (BB) Versuchspläne Mischungsversuchspläne (mit oberen und unteren Grenzen, Simplex- Lattice, Axial, Simplex-Centroid) D-Optimal Designs -Versuchspläne mit Nebenbedingungen und Einschränkungen Darstellung von Haupt- und Wechselwirkungseffekten; Responseflächen Modelling (RSM) Variablen Wechselwirkungen 3. Ordnung	Mittelung von Objekten oder Variablen Mittenzentrierung, Skalierung Glättung mit fließendem Mittelwert (Segment), Savitzky Golay, Median Filter, oder Gauss Filter Ableitung bis zur 4. Ordnung nach Norris-Gap, Gap-Segment oder Savitzky Golay Normalisierung: der Flächen, auf Einheitsvektor, durch Mittelwert, Maximum, auf gemeinsamen Wertebereich oder Peak eines internen Standards Spektroskopische Konvertierungen: Absorbanz (Extinktion) / Reflektion, Reflektion / Kubelka-Munk, Wellenzahl [cm-1] / Wellenlänge [nm] Multiplikative Streukorrektur (MSC) & Erweiterte MSC (EMSC) Hinzufügen von Rauschen ("Punish Factors") Basislinien Verschiebung und Lineare Baselinien Korrektur Vektornormalisierung (SNV) De-Trending (mit Polynomen erster bis vierter Ordnung) Benutzerdefinierte Transformationen (UDT), programmiert z.B. in Matlab oder C++, können kompiliert als DLL in The Unscrambler® genutzt werden Einfache Registrierung von Datenvorbehandlung(en) mit Modellen

Kombiniert Benutzerfreundlichkeit mit umfassenden Versuchsplanungs- und multivariaten Analysemethoden
Erhöht den ROI durch eine Verringerung der Anzahl der durchzuführenden Versuche
Erzeugt Modelle, die verwendet werden können für die Online-Vorhersage und -Klassifizierung in CAMO Software's Online Unscrambler Predictor (OLUP) und Online Unscrambler Classifier (OLUC)
Erzeugt Modelle, die verwendet werden können für eine schnellere Produkt-und Prozess optimierung in CAMO Software's Unscrambler Optimizer

Pharma und Biotech

Verbessertes Verständnis der Herstellungsprozesse von Medikamenten. Liefert Datenanalyse-Werkzeuge für die Umsetzung von PAT- und QbD-Initiativen
Generiert Klassifizierungs- und Vorhersagemodelle, die in Software und Instrumenten von Drittanbietern genutzt werden können. Beispielhafte Anwendungen sind die Rohstoffidentifizierung und die Quantifizierung von aktiven Medikamenteninhaltsstoffen
Datenanalyse, um diejenigen Prozessvariablen zu isolieren, die Auswirkungen auf die Produktqualität des Medikamentes haben

Chemische Industrie

Ermöglicht die Durchführung von multivariater statistischer Prozesskontrolle (MSPC) in Verbindung mit Unscrambler Online

Nahrungsmittelindustrie

Effiziente Formulierung von neuen Produkten, sowie die Ermittlung von Attributen der Kundenpräferenzen

Energie

Erleichtert die Kraftstoffklassifikation nach Typen und korreliert physikalische Parameter wie Dichte, Flammpunkt, Naphthaline, Aromate, etc.
Ermöglicht die Bestimmung des Anteils von Kohlenmonoxid, Stickstoffoxid und Wasserdampf-konzentrationen für unterschiedliche Motorenbedingungen und bei unterschiedlichen Temperaturen