In Novonesis, utilizziamo la spettroscopia (principalmente IR e NIR) per l'indagine di matrici complesse. I dati vengono comunemente esplorati e analizzati utilizzando l'analisi delle componenti principali (PCA) o la regressione dei minimi quadrati parziali (PLS-R), che sono metodi che rispettano e utilizzano la correlazione tra le singole lunghezze d'onda/numeri d'onda. Queste correlazioni aprono a un'esplorazione dei dati e a una creazione di modelli migliorate, ma richiedono anche strumenti di visualizzazione adeguati nel software per garantire il corretto adattamento del modello e per presentare i risultati del modello a scienziati, manager e altre parti interessate.
In questa presentazione, mostreremo come utilizziamo PCA e PLS in Novonesis per comprendere meglio le matrici complesse; evidenziamo inoltre alcune funzionalità mancanti in PCA e PLS in JMP.
