Posted on

Recent advanced chemometric methodsNeueste weiterentwickelte chemometrische Methoden

You are searching for recent advanced chemometric methods to get better calibration models for NIR? Methods and algorithms like:
  • Artificial Neural Networks (ANN)
  • General Regression Neural Networks (GR-NN)
  • RBF Neural Networks (RBF-NN)
  • Support Vector Machines (SVM)
  • Multiway Partial Least Squares (MPLS),
  • Orthogonal PLS (OPLS), (O-PLS), OPLS-AA, OPLS-ANN
  • R-PLS, UVE-PLS, RUVE-PLS, LOCAL PLS
  • Hierarchical Kernel Partial Least Squares (HKPLS)
  • Random Forest (RF)
  • etc.
and data pre-processing methods like
  • Extended Multiplicative Signal Correction (EMSC)
  • Orthogonal Signal Correction (OSC)
  • Dynamic Orthogonal Projection (DOP)
  • Error Removal by Orthogonal Subtraction (EROS)
  • External Parameter Orthogonalization (EPO)
  • etc.
that are partly available as modules for software packages like Matlab, Octave, R-Project, etc. Why invest a lot of time and money with new tools? Have you tried it really hard to optimize your calibrations with standard chemometrics methods like Partial Least Squares (PLS), Principal Component Regression (PCR) and Multiple Linear Regression (MLR) which are available in all chemometric software packages? Are you sure you have tried all the good rules and optimization possibilities? Get it done right with the compatible standard methods, we are specialized in optimization and development of NIR calibrations, let us help you, give us a try!Sie suchen nach den neusten weiterentwickelten chemometrischen Methoden, um bessere NIR-Kalibrierungs Modelle zu erstellen? Methoden und Algorithmen wie:
  • Künstliche Neuronale Netze (KNN, ANN)
  • Allgemeine Regression Neural Networks (GR-NN)
  • RBF Neuronale Netze (RBF-NN)
  • Support Vector Machines (SVM)
  • Multiway Partial Least Squares (MPLS)
  • Orthogonale PLS (OPLS), (O-PLS), OPLS-AA, OPLS-ANN
  • R-PLS, UVE-PLS, Rüve-PLS, PLS LOCAL
  • Hierarchische Kernel Partial Least Squares (HKPLS)
  • Random Forest (RF)
  • usw.
und Daten-Vorverarbeitungs Methoden wie
  • Erweiterte Multiplikative Signal Correction (EMSC)
  • Orthogonale Signal Correction (OSC)
  • Dynamische orthogonale Projektion (DOP)
  • Fehlerbeseitigung durch orthogonale Subtraktion (EROS)
  • Externe Parameter Orthogonalisierung (EPA)
  • usw.
die z.T. erhältlich sind als Module für Software-Pakete wie Matlab, Octave, R-Project, usw. Warum viel Zeit und Geld investieren in neue Werkzeuge? Haben Sie es wirklich ausgiebig versucht, Ihre Kalibrierungen mit Standard-Methoden zu optimieren? Zu den chemometrischen Standard-Methoden gehören Partial Least Squares (PLS), Principal Component Regression (PCR) und multiple lineare Regression (MLR), diese sind verfügbar in nahezu allen chemometrischen Software-Paketen. Sind Sie sicher, dass Sie alle guten Regeln und Optimierungsmöglichkeiten versucht haben? Verwenden Sie einfach die üblichen kompatiblen Standard-Methoden, wir sind auf die Optimierung und Erstellung von NIR-Kalibrierungen spezialisiert, lassen Sie uns helfen, kontaktieren Sie uns!

Extend NIR calibrations (re-calibration)NIR Kalibrationen erweitern (Re-Kalibration)

How to extend a NIR calibration with new measured sample spectra and optimize the calibration again? The important thing is not stubbornly cling to the existing chemometric model settings, but to evaluate the whole data set and newly re-modeling, so as to enable better performance. In practice, it is so that new NIR data fill the gaps in the base model, bring in concentration range extensions with them, the raw materials or the process has changed somewhat, and thus a new calibration optimization is certainly useful. Because the added new variations in the data pool generates a totally new picture, so that a different pre-processing and a modified wavelength selection can provide a much better and robust compensation for unwanted effects and increase the overall calibration performance and improve the models accuracy.

Wie soll man bestehende NIR Kalibrationen mit neu gemessenen Spektren zu einer neuen Kalibration vereinen?

Wichtig dabei ist, nicht stur an den Einstellungen des bestehenden chemometrischen Modelles festzuhalten, sondern die ganze Datenmenge neu zu bewerten und neu zu Modellieren, um so bessere Performance zu ermöglichen.

In der Praxis ist es so, dass neue NIR Daten die Lücken im Basismodell stopfen, Konzentrations Bereichs-Erweiterungen mit sich bringen, die Rohstoffe oder der Prozess sich etwas verändert hat und somit eine neu Optimierung sicher sinnvoll ist.

Da die zusätzlichen neuen Variationen im Datenpool ein völlig neues Bild ergeben, so kann eine andere Datenvorbehandlung und eine modifizierte Wellenlängen Auswahl eine viel bessere und robuste Kompensation unerwünschter Effekte bieten und erhöht dadurch auch die gesamte Kalibrierung Performance und verbessert die Modell Genauigkeit.