Chemometrie, DTW, MCRHallo,
Wir stehen in Kontakt mit einem Kunden, der potenzielle Benutzer in der Analyseabteilung hat, die wahrscheinlich aus Kostengründen aufhören werden, Unscrambler zu verwenden.
1) Hat jemand eine Vorstellung von den Kosten für UNscrambler oder SIMCA, die die üblichen Werkzeuge für Chemometrie zu sein scheinen?
2) JMP kann PCA, PLS, ... wir haben das Add-In "Spectral Tool", um die Daten zu importieren und zu glätten. DTW, das auf der FDE-Plattform verfügbar ist, scheint jedoch sehr wichtig zu sein.Gibt es eine andere Möglichkeit für DTW als über FDE? Zum Beispiel, wenn sie JMP Pro nicht haben oder DTW vor PCA oder PLS machen wollen.
3) Können wir MCR (Multivariate Curve Resolution) durchführen?
Emmanuel
Re: Chemometrie, DTW, MCRHallo Emmanuel,
1. Schauen Sie sich die an SWOT für SIMCA , einschließlich der Preisgestaltung. Es ist natürlich möglich, dass es sich geändert hat. Ich stelle mir vor, Unscrambler ist ähnlich.
2. DTW in JMP? Ich glaube wirklich nicht. Pro ist ein besserer Vergleich mit SIMCA/Unscrambler. Auch mit Pro wird es immer noch Fähigkeiten geben, die sie nicht hätten. Es kommt also darauf an, was sie tun müssen. "Chemometrie" kann viele verschiedene Dinge bedeuten. Es kann sein, dass sie für eine einfache PCA nur JMP benötigen.
3. Ich glaube nicht.
Prost,
Phil
Re: Chemometrie, DTW, MCRHallo Emmanuel,
Nur zur Ergänzung @Phil_Kay Bemerkungen.
1. Unscrambler gehört aspentech.Sie haben Aspen Unscrambler und Aspen Unscrambler HSI.Das HSI steht für Hyperspectral Images.Unscrambler war ursprünglich von Camo Software und ich sah einen Preis von 3000 $ für eine Standardversion und 1500 $ für eine akademische Lizenz.Ich bin mir ziemlich sicher, dass diese Zahlen nicht aktuell sind.
2. Stimmen Sie hier Phil zu, und ich würde PLS als Option für Chemometrie in regulärem JMP hinzufügen.
3. Hier ist die Wiki-Definition für MCR:
Multivariate Kurvenauflösung [ bearbeiten ]
Im chemometrischen Sprachgebrauch versucht die multivariate Kurvenauflösung, Datensätze mit begrenzten oder fehlenden Referenzinformationen und Systemkenntnissen zu dekonstruieren. Einige der frühesten Arbeiten zu diesen Techniken wurden Anfang der 1970er Jahre von Lawton und Sylvestre durchgeführt. [14] [fünfzehn] Diese Ansätze werden auch als selbstmodellierende Mischungsanalyse bezeichnet, blinde Quelle/Signal-Trennung und spektrale Entmischung. Beispielsweise können aus einem Datensatz, der Fluoreszenzspektren aus einer Reihe von Proben umfasst, die jeweils mehrere Fluorophore enthalten, multivariate Kurvenauflösungsverfahren verwendet werden, um die Fluoreszenzspektren der einzelnen Fluorophore zusammen mit ihren relativen Konzentrationen in jeder der Proben im Wesentlichen unvermischt zu extrahieren das Gesamtfluoreszenzspektrum in die Beiträge der einzelnen Komponenten. Das Problem ist normalerweise aufgrund von Rotationsmehrdeutigkeit schlecht bestimmt (viele mögliche Lösungen können die gemessenen Daten äquivalent darstellen), daher ist die Anwendung zusätzlicher Einschränkungen üblich, wie z. B. Nicht-Negativität, Unimodalität oder bekannte Wechselbeziehungen zwischen den einzelnen Komponenten (z. kinetische oder Massenbilanzbeschränkungen).
Auch hier stimme ich Phil zu, aber ich glaube, dass die in JMP Pro 17 für FDE enthaltene Wavelet-Modellierungs- und Filterfunktion ein Schritt in Richtung MCR ist.
