Want create site? Find Free WordPress Themes and plugins.

Unscrambler ha establecido el estándar en el análisis multivariable (mva) y el diseño de software de experimentos durante 30 años.

Resuelva problemas complejos con un potente análisis multivariado.

Unscrambler ha establecido el estándar en el análisis multivariable (MVA) y el diseño de software de experimentos durante 30 años.

Es la herramienta preferida para miles de analistas de datos, investigadores e ingenieros de todo el mundo que necesitan analizar conjuntos de datos grandes y complejos con rapidez, facilidad y precisión utilizando el poder del análisis multivariado.

Unscrambler es la única herramienta multivariante que necesitas

  • Potente herramienta de análisis multivariante, con capacidades únicas para espectroscopía y quimiometría.
  • Combine análisis exploratorios, experiencia en dominios y análisis basados ​​en la ciencia para resolver problemas complejos.
  • Más potencia analítica con Design-Expert para el diseño de experimentos y miles de scripts Python gratuitos para importación, preprocesamiento y aprendizaje automático.

Unscrambler analytics suite

Offline
Unscrambler

Analizar datos a través del enfoque de modelado científico.
Unscrambler HSI
Unscrambler Batch

Real-time
Process Pulse

Corra modelos Unscrambler para monitorear y predecir en tiempo real

  • Un conjunto escalable de herramientas para explorar, analizar, predecir, optimizar.
  • Soluciones en tiempo real para monitoreo y análisis de procesos para operaciones industriales.
  • Capacidades únicas para datos espectrales y multivariados.
  • Adecuado para todo tipo de datos y sensores industriales complejos.
  • Acceso fácil a los datos y métodos analíticos de datos potentes.
Paquete de análisis de descifrar :

Análisis rápido y fácil de datos espectrales.

Unscrambler es la herramienta líder en la industria para analizar datos espectroscópicos con un amplio conjunto de características espectrales para un trazado, preprocesamiento y modelado rápido y fácil de sus datos.

Características destacadas

Importación fácil de sus datos espectrales

Importar sus datos espectrales en Unscrambler es fácil. Simplemente seleccione el formato de datos espectrales que desee del menú, y el asistente de importación lo guiará a través de la importación. Descifrador puede leer más de 30 formatos de datos diferentes, incluidos los formatos genéricos espectrales y cromatográficos y los formatos espectrales de instrumentos. Nuevos formatos de datos se agregan fácilmente usando Python.

Preprocesamiento efectivo de sus datos

El paso más importante antes de analizar sus datos espectrales es eliminar el ruido o la variación irrelevante. Unscrambler tiene un amplio conjunto de herramientas de transformación y preprocesamiento, como la corrección para la compensación y la dispersión de la línea de base, que se realiza fácilmente en sus datos. Use la función de vista previa para evaluar el efecto de transformación y ajustar los parámetros. El preprocesamiento se guarda para que pueda aplicarse automáticamente en los nuevos datos. Esto optimiza el flujo de trabajo de análisis y facilita la implementación en tiempo real.

Resolviendo el problema de análisis de mezclas

Descomponga los espectros de la mezcla en componentes puros (químicos) y sus respectivas concentraciones estimadas usando la resolución de curva multivariada (MCR). Hay opciones flexibles disponibles para optimizar el procedimiento. Estas incluyen opciones para agregar restricciones e información sobre espectros puros disponibles o perfiles de concentración. Además de la concentración y los perfiles de componentes puros, las salidas incluyen diagnósticos para evaluar el ajuste del modelo.

Flexibilidad sin complejidad.

Ejecute fácilmente miles de scripts de Python gratuitos en Unscrambler para formatos de instrumentos adicionales, herramientas de preprocesamiento y métodos de aprendizaje automático.

Potentes visualizaciones

Examine, compare y prepare sus datos fácilmente a través de visualizaciones interactivas, y disfrute del modelo de exploración exploratorio en Unscrambler.

Seguro y conforme

Descifrador tiene modo de cumplimiento, firmas electrónicas, autenticación de usuarios y pistas de auditoría para cumplir con 21 CFR Parte 11 y el Anexo 11 de la UE.

Explore más funciones

Importación de datos

  • Formatos de importación genéricos como ASCII (texto), MS Excel, Matlab, JCAMP-DX, NetCDF, JEOL, así como importación genérica de bases de datos.
  • Formatos específicos del proveedor de Thermo Fisher Scientific (GRAMS, OMNIC), Bruker (OPUS), Perten, rap-ID, Brimrose, ASD (Indico), Varian, Guided Wave (SpectrOn, Class-PA, NIRO JSON), FOSS (NSAS) , PerkinElmer, DeltaNu, VisioTec y Viavi (MicroNIR ™ Pro).
  • También se pueden importar datos y modelos de Design-Expert® y versiones anteriores de Unscrambler.
  • Algunos formatos y conexiones de bases de datos que no figuran en la lista anterior pueden estar disponibles como complementos. Nuevos formatos fácilmente agregados.

Combinando o reduciendo datos

  • Transponer.
  • Reducir (promedio) a lo largo de muestras o variables.
  • Reformar usando Fila / Columna mayor, Secuencia inteligente o Nivel inteligente.
  • Aumentar o anexar dos o más matrices con dimensiones coincidentes.
  • Agregar dos o más matrices basadas en los nombres de encabezado de columna.
  • Alineación de muestra flexible por sondeo, evento, ID de muestra, evento dentro de ID de muestra.
  • Reducción de dimensiones para bloques individuales de variables utilizando PCA, PCR, PLSR.

Corrección de dispersión y otras transformaciones espectrales.

  • Suavizado con media móvil, filtro gaussiano, filtro mediano, Savitzky-Golay.
  • Deresolve.
  • Normalización a media común, máx., Rango, área bajo la curva, normalización de vector de unidad, normalización de pico.
  • Corrección de línea de base usando Offset o línea recta.
  • De tendencia.
  • Derivados utilizando Gap, Gap-Segment, Savitzky-Golay hasta cuarto orden.
  • Varianza normal estándar (SNV).
  • Corrección de dispersión multiplicativa (MSC).
  • Corrección de señal multiplicativa extendida (EMSC).
  • Corrección de señal ortogonal (OSC).
  • Urdimbre de optimización de correlación (COW).

Estadísticas descriptivas

  • Valores faltantes.
  • Nivel (media, máx., Mín., Mediana, cuartiles).
  • Rango (Max-Min, Std., Varianza, RMS).
  • Distribución (sesgo, curtosis).
  • Correlaciones cruzadas.
  • Efectos de dispersión.

Pruebas estadísticas

  • Igualdad de medias (prueba t pareada, prueba t de Student de varianza igual, prueba t de Student de varianza desigual).
  • Igualdad de varianzas (prueba F, prueba de Levene, prueba de Bartlett).
  • Normalidad (prueba de Kolmogorov-Smirnov, prueba de normalidad multivariada de Mardia).
  • Análisis de contingencia.

Análisis de conglomerados

  • K-medias, K-medianas.
  • Análisis de agrupamiento jerárquico (HCA), que incluye enlace único, enlace completo, enlace promedio, enlace medio y método de Ward.

Métodos exploratorios

  • Análisis de componentes principales (PCA).
  • PCA girada (Varimax, Equimax, Quartimax, Parsimax).
  • Resolución de curva multivariada (MCR).

Métodos de regresión

  • Regresión lineal múltiple (MLR).
  • Regresión del componente principal (PCR).
  • Regresión de mínimos cuadrados parciales (PLSR).
  • Soporte de regresión de máquinas de vectores (SVR).
  • Regresión L-PLS, que incorpora tres tablas de datos.

Métodos de clasificación

  • Proyección utilizando modelos PCA, PCR o PLSR.
  • Modelado independiente suave de analogía de clase (SIMCA).
  • Análisis discriminante lineal (LDA) con opciones lineales, cuadráticas y de mahalonobis.
  • PCA-LDA, para la clasificación de datos correlacionados por LDA.
  • Clasificación de máquinas de vectores de soporte (SVC).

Transferencia de calibración

  • Interpolar.
  • Sesgo y corrección de pendiente.
  • Estandarización directa por partes (PDS).

Transformaciones espectroscópicas

  • Absorbancia a la reflectancia / transmitancia.
  • Reflectancia / Transmitancia a Absorbancia.
  • Reflectancia a Kubelka-Munk.
  • Corrección de reflectancia total atenuada (ATR).

Transformaciones generales y de varianza

  • Varias opciones de centro y escala.
  • Interacción y efectos cuadrados.
  • Pesas.
  • Compute General, con operaciones como log (x), 1 / x, etc.
  • Cuantil Normalizar.
  • Relleno faltante.
  • Ruido aditivo y proporcional.

Gráficos de control

  • Control estadístico de procesos (SPC) con análisis de capacidad.
  • Métodos de bloques móviles (media, estándar, estándar relativo, prueba F).

Control de entrada

  • Filtrado de límites variables.

Diseño de experimentos

  • Diseños de cribado factorial de dos niveles.
  • Estudios factoriales generales.
  • Métodos de superficie de respuesta (RSM).
  • Técnicas de diseño de mezclas.
  • Combinaciones de factores de proceso, componentes de mezcla y factores categóricos.
  • Diseño y análisis de parcelas divididas.

Soporte de scripts Python

  • Importación de datos.
  • Preprocesamiento.
  • Aprendizaje automático.
  • Recursos de Python.

Modelado por lotes (plug-in – se vende por separado)

  • Modelado de progresión por lotes en tiempo relativo.
  • Predicción de nuevas trayectorias de lotes.
  • Cualquier tratamiento previo de los datos, por ejemplo, para espectros, se almacena dentro del modelo y se aplica a nuevos lotes.
  • El método es independiente del tiempo de muestreo, el período de muestreo, la progresión del lote y las longitudes desiguales del lote.
  • Límites dinámicos para puntajes para componentes individuales y el modelo general.
  • Límites dinámicos para la distancia residual al modelo (estadísticas F-residuales).
  • Gráfico de contribución para la funcionalidad de desglose.
  • No hay problema de valor perdido durante la predicción.
Did you find apk for android? You can find new Free Android Games and apps.