Data-Analysis

 

Chemometrie und Biometrie

Nach der Sammlung der spektroskopischen Daten werden verschiedene Strategien angewandt, um die wichtigsten und grundlegendsten Informationen aus einer großen Datenmenge zu extrahieren.

Zur Auswahl oder Gestaltung der Probe und des Datensatzes wird ein experimentelles Design verwendet. Die aufgezeichneten Daten werden illustriert, ausgewertet, zusammengefasst und sorgfältig überprüft. Auf der Grundlage eines anerkannten Musters wird ein Kalibrierungsmodell berechnet und getestet, d. h. auf einen anderen Satz von Proben angewendet. Wenn dieser Test vernünftige Ergebnisse liefert, wird das Modell verifiziert und schließlich verallgemeinert, um den Anforderungen in der "realen Welt" an der Produktionslinie gerecht zu werden.

Zusätzlich dient dieses grundlegende Modell als Leitlinie für den Entwurf und Aufbau eines Überwachungssystems für die Online- oder In-situ-Prozesskontrolle.

 

Prozessanalyse-Werkzeuge

• Korrelations- und Regressionsmethoden
• Unscrambler, Design Expert, SPSS, SIMCA
• Zeitreihen, Datenvisualisierung
• MatLab - Werkzeugkasten, PLS - Werkzeugkasten

 

Analyse, Modellierung und Simulation (Auswahl)

• Principal Component Analysis (PCA)
• Partial Least Square Regression (PLS)
• Multivariate Curve Resolution (MCR)
• Neuronal Networks (Kohonen, RBF)
• Clustering (hierarchical, K-mean)

 

Evolving Factor Analysis (EFA) und
Multivariate Kurvenauflösung (MCR)

EFA und MCR sind Verfahren, die die Anzahl der relevanten chemischen Verbindungen bzw. deren Konzentration direkt aus den Reaktionsspektren berechnen.