Unscrambler - 多变量数据分析和实验设计软件
Unscrambler用于使用多元统计分析和交互式可视化进行建模、预测和优化。通过比以往任意时候都更方便地分析大型数据集,更快地开发产品、提高质量并优化流程。
通过分析全部类型的数据以优化产品开发、质量和制造流程,更快、更好地解决实际问题。利用具有光谱和化学计量学特有功能的多元统计分析方法。以您所需的全部格式导入材料、传感器、工艺和光谱数据,并具有易于绘制、预处理和建模光谱数据的功能。提供更好的产品分类,以提供一致的产品质量。使用基于项目的工作流,更智能地工作并简化分析过程的全部阶段。
化繁为简
借助特有的光谱学和化学计量学功能,快速识别对质量、周期时间和其他关键KPI关键的参数。
更快的可操作结果
以您需要的全部格式导入材料、传感器、过程和光谱数据,并具有轻松绘制、预处理和建模光谱数据的功能。
安全、合规的项目工作流程
符合21 CFR Part 11、EU Annex 11和其他法规的数字签名、密码和审计跟踪。
它的应用领域为:
Spectroscopy 光谱学
Chemometrics 化学计量学
Sensormetrics 传感学
Quality Control 质量控制
Process Analytical Technology 过程分析技术
Product Development 产品开发
常规应用:
Exploratory Statistics 检测数据统计
Regression Analysis 数据回归分析
Design of Experiments 实验设计
Data Pretreatments 数据预处理
Classification 数据分类
Unscramber探索更多功能
资料汇入
-
通用导入格式,例如ASCII(文),MS Excel,Matlab,JCAMP-DX,NetCDF,JEOL,以及通用数据库导入
-
供应商的格式,Thermo Fisher Scientific(GRAMS,OMNIC),Bruker(OPUS),Perten,rap-ID,Brimrose,ASD( Indico),Varian,Guided Wave(SpectrOn,Class-PA,Nirojson),FOSS(NSAS),PerkinElmer , DeltaNu , VisioTec和Viavi(MicroNIR Pro)
-
还可以导入Design-Expert和早期版本的Unscrambler中的数据和模型
-
上面未列出的某些格式和数据库连接可以作为插件使用。添加新格式
合并或减伤数据
-
转置
-
沿样本或变量减少(平均)
-
使用行/列主,顺序或水平方向重塑
-
扩充或追加两个或更多个具有匹配尺寸的矩阵
-
根据列标题名附加矩阵
-
通过轮询,时间,样品ID中的事件进行的样品比对
-
使用PCA,PCR,PLSR减少单个变量块的尺寸
散射校正和光谱变换
-
使用移动平均,高斯滤波器,中值滤波器,Savitzky-Golay进行平滑
-
解析
-
归一化为通用均值,大值,范围,曲线下面积,单位矢量归一化,峰归一化
-
使用偏移或直线进行基线校正
-
趋势
-
使用Gap,Gap-Segment,Savitzky-Golay到4阶的导数
-
标准正态变量(SNV)
-
乘法散射校正(MSC)
-
扩展乘法信号校正(EMSC)
-
正交信号校正(OSC)
-
相关翘曲(COW)
描述性统计
-
缺失值
-
(平均,中位数,四分位数)
-
范围(标准,方差,RMS)
-
分布(偏度、峰度)
-
散射效应
统计检验
-
均值均等(配对t检验)
-
方差相等(F检验,Levene检验,Bartlett检验)
-
正态性(Kolomogorov-Smirnov检验,多变量正态性的Mardia检验)
-
权变分析
聚类分析
-
K均值,K中位数
-
层次聚类分析(HCA),单链接,链接,平均链接,中位链接和Ward方法
-
探索性方法
-
主成分分析(PCA)
-
旋转PCA
-
多元曲线分辨率(MCR)
-
回归方法
-
多元性回归(MLR)
-
主成分回归(PCR)
-
偏小二乘回归(PLSR)
-
向量机回归(SVR)
-
L-PLS回归,三个数据表
分类方法
-
使用PCA , PCR或PLSR模型进行投影
-
类比的单一建模(SIMCA)
-
线性判别分析(LDA),具有线性,二次方,Mahalonobis选项
-
PCA-LDA,用于通过LDA分类关联数据
-
向量机分类(SVC)
校准转移
-
偏差和斜率校正
-
分段直接标准化(PDS)
光谱转换
-
反射率/透射率的吸收率
-
反射率/吸光率
-
对Kubelka-Munk的反射
-
衰减全反射(ATR)校正
和方差转换
-
中心和比例选项
-
相互作用和平方效应
-
常规计算,具有log(X),1/x等操作
-
分位数归一化
控制图
-
具有能力分析的统计过程控制(SPC)
-
移动块方法(均值,标准,相对标准,F检验)
Python脚本
-
资料汇入
-
Python资源
批量建模(插件-单一出售)
-
在相对时间内建模批次进度
-
对数据的仍和处理(例如光谱)都存在模型中并应用于新批次
-
该方法与采样时间,采样周期,批次进度和不相等的批次长度无关
-
动态限制单个组件和整个模型的分数
-
到模型的剩余距离的动态(F剩余统计量)
-
下钻功能的贡献图
-
预测过程中没有缺失值问题
实验设计
-
两级析因筛选设计
-
析因研究
-
响应面法(RSM)
-
混合物设计技巧
-
过程因素,混合物成分和分类因素的组合
-
分隔图的设计和分析
这是您需要的工具,去探索更多的可能性
汇聚数据、工具和人员,从设计到生产的详细步骤。以更快的速度开发产品,提高产品质量,工艺。
-
解决复杂问题而设计
分析,交互式图形和可视化功能,以及光谱学和化学计量学功能。
Unscrambler旨在使用的多元分析功能来解决复杂的问题,并具有不一样的光谱学和化学计算学功能。从20多种不同的方法中进行选择,以分析数据,实验设计(DOE),探索性数据分析,偏小二乘回归(PLSR),主成分分析(PCA)和类比的软建模(SIMCA),此外,Python还提供了成千上万的脚本分享给Unscrambler使用,并提供了导入,预处理和机器学习的方法,通过交互式图形和可视化探索和验证模型,以免产品开发,提高产品质量和流程效率。
-
准备数量数据进行分析
导入和准备大型和复杂的数据集。
使用Unscrambler准备要分析的书,导入来自30多种不同格式的类型的数据,例如材料,传感器,过程和光谱数据。使用广泛的功能进行数据探索,转换,散射校正和光谱转换,以数据质量和分析结果。
-
对于时间有关的流程进行建模和监视
批处理建模:对时间相关的过程进行无假设的建模。
此处理建模是对从初始起点的过程随时间变化的过程进行建模的过程,在此过程中化学或生物学发生变化。通过根据处理过程中可检测到的变化来适应批处理操作,可以实现好的产品质量,从而提供一种控制机制来将产品驱动到所需状态。该方法相对时间对数据建模,并且还与批次之间的实际采样率无关。批处理建模产品可作为Unscrambler的插件使用,也可以通过使用Unscrambler Process Pulse在过程监控解决方案中使用。
1、探索、分析和解释具有时变行为的批处理流程或系统
2、生成具有置信度限制的轨迹模型
3、随着时间的推移跟踪一批,发现不合规的情况,找到原因并采取措施
4、可视化流程随时间变化的方式,与采样率无关
批量建模犯法可用于ongoing的应用领域,例如发酵,干燥,混合,化学反应和工业生产。
-
使用Design-Expert简化实验设计
对产品或过程进行突破性改进。Unscrambler随附有Design - Expert,这是用于设计实验的行业工具,可对产品或过程进行突破性改进。您可以筛选相关因素,还可以找到的工艺设置以获得好能并发现产品配方,使用可选转的3D图从接哦度查看响应表面,在交互式2D图形上设置标志并浏览轮廓;并使用数值功能同时找到数十个响应的大的期望值。
-
实时监控,预测
运行Unscrambler模型以实时监视,预测和过程和产品质量。
使用Unscrambler Process Pulse获得实时过程监控,以实现的过程可视性,早期故障检测,过程偏差警告和持续改进。Process Pulse通过在单个仪表板上的交互式控制图中组合和显示过程数据,从而使您可以单一查看过程。这种实时过程可视性和分析功能可帮助操作员通过早期的故障检测和过程偏差警告立即识别并处理过程偏差。可以使用Unscrambler通过互动图表和过程分析来调查造成偏差的过程参数,以实现过程。Process Pulse是一种可扩展且的过程监控工具,它使用的分析功能来监视在线,在线流程,以改进流程。
-
缩小研发与生产之间的差距
可以在组织的不同部分和中使用解密器和流程脉冲,以地根据数据科学家,流程工程师,流程操作员和质量经理的见解采取行动,从而在整个价值链中进行。Unscrambler和Process Pulse结合使用设计实验,设计质量,过程分析技术(PAT)以及实时过程监控,中值和所需的工具,缩小了研发与生产之间的差距。
软硬件要求:
Windows Server 2016
Windows 10 (32/64-bit)
Windows Server 2012
Windows 2008 R2
Windows 2008 (32/64-bit)
Windows 8 (32/64-bit)
Windows 7 (32-64-bit)
1GHZ或更快的Intel或AMD处理器
建议有2GB的内存。可用系统内存的数量将限制数据矩阵的大小。
有1GB的可用硬盘空间
NET Framework 4.0及以上版本
Internet Explorer 7
建议屏幕分辨率为1024像素宽
- 2024-12-09
- 2024-12-03
- 2024-12-03
- 2024-11-27
- 2024-11-19
- 2024-11-12
- 2024-12-10
- 2024-12-10
- 2024-12-09
- 2024-12-06
- 2024-12-05
- 2024-12-05