STZ Datenanalyse
Steinbeis Transferzentrum
Prozesskontrolle und Datenanalyse
Reutlingen
 
Home
Wer wir sind
Leistungsangebot
1. Datenanalyse
2. Versuchsplanung
3. Prozesskontrolle
4. Schulungen
5. Kosten
Theorie
Links
Impressum
Kontakt
 

1. Datenanalyse


1.1 Deskriptive univariate Datenanalyse

Die Daten werden auf statistische Konsistenz und Relevanz ausgewertet. Außerdem wird analysiert, inwieweit Korrelationen zwischen den einzelnen Variablen bestehen.

Die Auswertung und Präsentation der Ergebnisse ist so angelegt, dass ein Wissenstransfer über die Daten und auch die Methoden zum Kunden möglichst zeitnah stattfindet.

    Verwendete Verfahren der univariaten Datenanalyse:
  • Prüfen der Verteilung
  • Berechnung der Verteilungskenngrößen
  • Grafische Analyse der Daten (z.B. Scatter Plot, Box-Plots ..)
  • Korrelationsanalyse

1.2 Multivariate Datenanalyse

Mit Hilfe der multivariaten Datenanalyse wird untersucht, ob Strukturen oder Klassen innerhalb der Daten zu erkennen sind. Wenn Zielgrößen vorgegeben werden, kann eine mehrdimensionale Regression auf diese Zielgrößen berechnet werden.

    Verwendete Verfahren der multivariaten Datenanalyse
  • Verschiedene Datenvorverarbeitungen (Standardisierung, Ableitungen, ..)
  • Korrektur von eventuellen Streueinflüssen bei spektroskopischen Daten
  • Hauptkomponentenanalyse (PCA)
  • Partial Least Squares Regression (PLS)
  • Klassifizierung mit SIMCA, Diskriminanzanalyse oder Clusteranalyse

Bei diesen Auswertemethoden ist die Interpretation der Loadings (Faktorenladungen), der Scores (Faktorenwerte) und der Regressionskoeffizienten sehr wichtig und wird deshalb standardmäßig mitgeliefert. Besonders bei der Auswertung spektroskopischer Daten geben die Loadings wichtige Anhaltspunkte, die anhand chemischer Zusammenhänge interpretiert werden.


1.3 Erweiterte Multivariate Datenanalyse

Zusätzlich zu den unter 1.2. erwähnten Verfahren stehen folgende weitere multivariaten Methoden zur Verfügung:

    Verwendete Verfahren der erweiterten multivariaten Datenanalyse
  • Multiway Principal Component Analysis (PARAFAC)
  • Regression 3-dimensionaler Daten mit vorgegebenen Zielgrößen (N-PLS)
  • Multivariate Curve Resolution (MCR) für die Analyse von Spektren oder Daten (auch Prozessdaten), die z. B. während einer chemischen Reaktion aufgenommen wurden und eine zeitliche Abhängigkeit aufweisen. Es können mit dieser Methode die eventuell entstehenden Zwischenstufen erfasst und quantifiziert werden
  • Klassifizierung von Daten mit Hilfe Neuronaler Netze, insbesondere Kohonennetzen



© W.Kessler - Home