Determinación de variables en problemas multivariantes. Método: SIMPLISMA / Problem determination multivariate variables. Method: SIMPLISMA
Abstract
Resumen
En la actualidad los avances instrumentales, la automatización de procesos y el
apoyo en sistemas informáticos de alto procesamiento traen como consecuencia
la capacidad de generar grandes cantidades de datos, lo cual origina problemas
multivariantes de gran escala, haciéndose necesario la utilización de herramientas matemáticas y estadísticas para extraer de estos datos la información relevante en la resolución de los problemas. En este trabajo se desarrolla el método SIMPLISMA como una respuesta a esta necesidad, este método evalúa conjuntos de datos correlacionados con el objetivo de encontrar variables puras dentro de los datos experimentales. La metodología empleada en esta investigación es teórica-práctica donde la revisión teórica parte de la consulta de autores especialistas tales como: Castillo M., Cavanillas S., Mardia K., Kent J.,Bibby J., Tauler R, Maeder M, De Juan A. Los resultados de los ejemplos demuestran estadísticamente que SIMPLISMA es un método eficaz en la obtención de variables puras.
Abstract
Today the instrumental advances, process automation and support systems high
processing consequently they bring the ability to generate large amounts of data, which results Multivariate large-scale problems, making necessary the use of mathematical and statistical tools these data to extract the relevant information in solving problems. In this work the SIMPLISMA method is developed as a response to this need, this method evaluates data sets correlated with the aim of finding pure variables within experimental data. The methodology used in this research is theoretical and practical where the theoretical review of the consultation of experts authors such as M. Castillo,
Cavanillas S., K. Mardia, Kent J., J. Bibby, Tauler R, Maeder M, John A. The results of the examples demonstrate statistically that SIMPLISMA is an effective method for obtaining pure variables.
Downloads
References
Artyushkova K. Fulghum J (2001). Identification of chemical components in XPS spectra and images using multivariate statistical analysis methods. Journal of Electron Spectroscopy and Related Phenomena. Vol. 121, 33-55. (Documento en línea). Disponible en: http://www.unm.edu/~kartyush/articles/8jesrp8_OK.pdf
Castillo M. (2007) Aplicación de la Espectroscopia NIR al Control Analítico
de Procesos de la Industria Química. Tesis Doctoral. Universidad Autónoma de Barcelona. En: http://grupsderecerca.uab.cat/chemometrics/sites/
grupsderecerca.uab.cat.chemometrics/files/Castillo_thesis.pdf
Cavanillas S. (2014). Desarrollo de metodologías y herramientas quimiométricas para el tratamiento de datos electroquímicos no lineales. Aplicación a sistemas de interés biológico y medioambiental. Tesis Doctoral. Universitat de Barcelona. p.p. 282. En: http://www.tesisenxarxa.net/handle/10803/285264
Enrique M. (2006). Seguimiento Cuantitativo de Reacciones de Resinas Epoxi mediante Espectroscopia de Infrarrojo Cercano y Métodos de Resolución de Curvas. Tesis Doctoral. Universitat Rovira I Virgili. p.p. 309. (Documento en línea). Disponible en: http://tesisenred.net/handle/10803/9009
Kalivas, John H., "Two Data Sets of Near Infrared Spectra," Chemometrics and Intelligent Laboratory Systems, v.37 (1997) p.p. 255–259. Fuente: Matlab R2012a.
Mardia K., Kent J.,Bibby J. (1979). Multivariate analysis. Academic
Press. p.p. 551
Rey E. (2009). Estudio de Mezclas por Resonancia Magnética Nuclear. Tesis para de Magister en Ciencias Química. Universidad Nacional de Colombia. En: http://
www.yo-que.ch/nmrlab/mediawiki-1.15.1/images/d/d0/Tesis-ERRC.pdf
Tauler R, Maeder M, De Juan A. (2009). Multiset Data Analysis. Extended
Multivariate Curve Resolution. Elsevier. B. V. All rights reserved. (Documento en linea). En: http://www.iasbs.ac.ir/chemistry/chemometrics/history/11th/
multiset%20data%20analysis.pdf
Woods,H., H. Steinour, H. Starke, "Effect of Composition of Portland Cement on Heat Evolved during Hardening," Industrial and Engineering Chemistry, v.24 no.11 (1932), p.p.1207-1214. Fuente: Matlab R2012a.
