Rencontrez-vous souvent ce type de données lors du processus de recherche, de développement et de production pharmaceutique ?
- Courbes de dissolution ou courbes de croissance cellulaire au fil du temps
- La spectroscopie proche infrarouge (NIR) ou la chromatographie sont couramment utilisées en chimie analytique.
Ces données ne sont pas de simples « nombres », mais plutôt des « courbes continues ». Les méthodes traditionnelles se limitent souvent à extraire la valeur maximale, l'aire sous la courbe ou un point précis dans le temps pour l'analyse. Cette approche est non seulement chronophage, mais elle ignore également des tendances dynamiques cruciales telles que la pente de la courbe et sa dérive temporelle.
Essayez l'explorateur de données fonctionnelles (FDE ) . Le FDE peut condenser des courbes complexes en plusieurs scores FPC ( scores de composantes principales fonctionnelles ) pour capturer leurs variations.
Conseils : Analyser -> Modélisation spécialisée -> Explorateur de données fonctionnelles
L'écho de spectre flou (FDE) a les trois principales applications suivantes.
1. Comprendre les facteurs à l'origine de la variation de la courbe
L'analyse en composantes principales fonctionnelles ( ACPF ) identifie les principaux schémas de variation des courbes et les condense en scores ACPF . Elle peut également être combinée à la planification d'expériences (DOE) pour réaliser une analyse BICHE en utilisant les scores ACPF comme réponses.
Conseils : Après avoir créé le modèle, accédez au menu triangulaire rouge à côté du modèle -> Analyse de la conception de l'expérience fonctionnelle.
2. Utilisation de la régression fonctionnelle
Les scores FPC extraits sont combinés à un modèle de régression ou d'apprentissage automatique. L'analyse de la relation entre les facteurs et les scores FPC permet de comprendre leur impact sur la courbe.
Conseils : Après avoir créé le modèle, sélectionnez « Enregistrer le résumé » dans le menu triangulaire rouge situé à côté du tableau récapitulatif des fonctions. Vous obtiendrez ainsi les scores FPC pour chaque enregistrement des données d'origine.
3. Comparaison de la courbe avec la norme cible
L'utilisation de graphiques de scores permet de représenter chaque courbe sous forme de coordonnées spatiales sur chaque FPC de scores , simplifiant ainsi sa forme complexe à un seul point. Ceci permet une comparaison directe des variations de forme entre les lots ou des écarts par rapport à la courbe cible.
