Application worx G2
Desarrollo del modelo NIR simplificado
Application Worx G2 es un paquete de software quimiométrico diseñado para el desarrollo de calibraciones en el campo de la espectroscopía en el infrarrojo cercano (NIR).
AWX se utiliza para predecir las características químicas del espectro en el infrarrojo cercano (NIR) de una muestra. Por lo general, se requiere un amplio conocimiento y experiencia para calcular un modelo de calibración basado en los datos espectrales de muestras de referencia bien conocidas utilizando quimiometría. A diferencia de otros software similares, Application Worx G2 está bien estructurado, guía al usuario a través de todos los pasos y pone énfasis en el flujo de trabajo. Las ventanas de asistente bien organizadas brindan una ayuda integral, lo que permite incluso a un principiante desarrollar una calibración utilizando regresión lineal múltiple (MLR) o regresión por mínimos cuadrados parciales (PLSR).
A lo largo del proceso de desarrollo de la calibración con Application Worx G2, no solo es posible elegir la opción automatizada para mejorar el modelo de calibración, sino que también los expertos pueden incorporar su valiosa experiencia en el desarrollo de la calibración. Los espectros procesados pueden ser visualizados simultáneamente y los espectros anormales evidentes pueden ser excluidos inmediatamente del cálculo del modelo. Además, los espectros utilizados para el cálculo también se pueden guardar como un nuevo lote para mejorar los modelos en el futuro.
Se pueden calcular en paralelo múltiples modelos PLSR con diferentes combinaciones de pretratamientos. El usuario puede compararlos fácilmente y elegir el mejor modelo.
Application Worx G2 compila una aplicación con calibraciones para diversas propiedades del producto. Las propiedades de los datos espectrales obtenidos de los espectrómetros NIR pueden ser predichas mediante el uso de estas aplicaciones.
Mira la película
Características clave
Algunas cosas que debe saber sobre Applicationworx
Interfaz de usuario claramente estructurada
Importación fácil de espectros desde archivos de instrumentos o JCAMP-DX
Visualizar los espectros
Los valores de referencia química se pueden importar desde un archivo CSV y editar manualmente
Almacenamiento de datos utilizando una base de datos MySQL (PC local o intranet/internet)
Interfaz de usuario claramente estructurada
Importación fácil de espectros desde archivos de instrumentos o JCAMP-DX
Visualizar los espectros
Los valores de referencia química se pueden importar desde un archivo CSV y editar manualmente
Almacenamiento de datos utilizando una base de datos MySQL (PC local o intranet/internet)
1
1
Data storage using MySQL database (local pc or intranet/internet
1
Interfaz de usuario claramente estructurada
Importación fácil de espectros desde archivos de instrumentos o JCAMP-DX
Visualizar los espectros
Valores de referencia químicos pueden ser importados desde archivos csv y editados manualmente
Almacenamiento de datos utilizando base de datos MySQL (PC local o intranet/internet)
Configuración guiada por asistente para MLR, PLSR y calibración manual
Recorte del rango de valores de referencia
Búsqueda completa de combinaciones para MLR
Guía profesional para PLSR
Configuración guiada por asistente para MLR, PLSR y calibración manual
Recorte del rango de valores de referencia
Búsqueda completa de combinaciones para MLR
Guía profesional para PLSR
2
2
2
Full combination search for MLR
Professional guide for PLSR
Configuración guiada por asistente para MLR, PLSR y calibración manual
Recorte del rango de valores de referencia
Búsqueda de combinación completa para MLR
Guía profesional para PLSR
Se pueden combinar múltiples lotes
Seleccionar propiedad
Omitir o agregar muestras
Visualizar simultáneamente los datos procesados
Se pueden combinar múltiples lotes
Seleccionar propiedad
Omitir o agregar muestras
Visualizar simultáneamente los datos procesados
3
3
3
Skip or add samples
Simultaneously visualize the processed data
Se pueden combinar múltiples lotes
Seleccionar propiedad
Omitir o agregar muestras
Visualizar simultáneamente los datos procesados
Seleccionar propiedad
Omitir o agregar muestras
Visualizar simultáneamente los datos procesados
Disponibles muchos pretratamientos de datos, por ejemplo, suavizado Savitzky-Golay, MSC, SNV, Derivadas.
Cambiar fácilmente el/los parámetro(s) del pretratamiento
Disponibles muchos pretratamientos de datos, por ejemplo, suavizado Savitzky-Golay, MSC, SNV, Derivadas.
Cambiar fácilmente el/los parámetro(s) del pretratamiento
4
4
Easily change the parameter(s) of pre-treatment
4
Disponibles muchos tratamientos previos de datos, por ejemplo, suavizado Savitzky-Golay, MSC, SNV, derivadas
Cambiar fácilmente los parámetros del tratamiento previo
Añadir tantos modelos como desee
Los mejores resultados se seleccionan automáticamente con valores estadísticos importantes
El modelo se puede modificar fácilmente
Ver los detalles del modelo y mejorar el modelo
5
5
5
View the details of the model and improve the model
Agregar tantos modelos como se desee
Los mejores resultados son seleccionados automáticamente con valores estadísticos importantes
El modelo se puede modificar fácilmente
Ver los detalles del modelo y mejorarlo
Añadir tantos modelos como desee
Los mejores resultados se seleccionan automáticamente con valores estadísticos importantes
El modelo se puede modificar fácilmente
Ver los detalles del modelo y mejorar el modelo
La estadística ayuda al usuario a elegir los modelos óptimos
Toda la información estadística (por ejemplo, RMSE, RMSEP, R2, offset, pendiente)
Muestras utilizadas y omitidas
Regresión con detección automática de valores atípicos
La estadística ayuda al usuario a elegir los modelos óptimos
Toda la información estadística (por ejemplo, RMSE, RMSEP, R2, offset, pendiente)
Muestras utilizadas y omitidas
Regresión con detección automática de valores atípicos
6
6
Regression with automatically detected outliers
6
la Estadísticas que ayudan al usuario a elegir los modelos óptimos
Toda la información estadística (por ejemplo, RMSE, RMSEP, R2, offset, pendiente)
Muestras utilizadas y omitidas
Regresión con detección automática de valores atípicos
Gráfico de los residuales frente a los valores de referencia
Gráfico de los residuales frente a los valores de referencia
7
7
7
Gráfico de los residuales frente a los valores de referencia
El mejor modelo se selecciona automáticamente según los valores estadísticos.
El mejor modelo se selecciona automáticamente según los valores estadísticos.
8
8
8
El mejor modelo se selecciona automáticamente según los valores estadísticos
El histograma de la distribución de muestras permite mejorar el conjunto de datos de
referencia.
El histograma de la distribución de muestras permite mejorar el conjunto de datos de
referencia.
9
9
9
El histograma de distribución de muestras permite mejorar el conjunto de datos de referencia
El gráfico de los coeficientes de regresión frente a las longitudes de onda ayuda a evaluar
el rendimiento del modelo.
El gráfico de los coeficientes de regresión frente a las longitudes de onda ayuda a evaluar
el rendimiento del modelo.
10
10
10
Gráfico de coeficientes de regresión contra longitudes de onda ayuda a juzgar el rendimiento del modelo
Mejora rápida y automatizada de la calibración mediante detección de valores atípicos
Se detectan diferentes tipos de valores atípicos
Mejora rápida y automatizada de la calibración mediante detección de valores atípicos
Se detectan diferentes tipos de valores atípicos
11
11
11
Different types of outlier are detecte
Mejora rápida de la calibración automatizada mediante detección de valores atípicos Se detectan diferentes tipos de valores atípicos
El experto puede utilizar las estadísticas de valores atípicos para mejorar el modelo de
manera individual Marcar los valores atípicos y recalcular el modelo.
El experto puede utilizar las estadísticas de valores atípicos para mejorar el modelo de
manera individual Marcar los valores atípicos y recalcular el modelo.
12
12
12
El experto puede utilizar las estadísticas de valores atípicos para mejorar el modelo de manera individual
Marcar valores atípicos y recalcular el modelo
Los espectros procesados se pueden superponer con los coeficientes de regresión.
Los espectros procesados se pueden superponer con los coeficientes de regresión.
13
13
13
Los espectros procesados pueden superponerse con los coeficientes de regresión
Historial completo de iteraciones de calibración disponible
Fácil retorno a modelos anteriores
Guardar el modelo final y óptimo en la base de datos
Generar informe del modelo
Historial completo de iteraciones de calibración disponible
Fácil retorno a modelos anteriores
Guardar el modelo final y óptimo en la base de datos
Generar informe del modelo
14
14
14
Historial completo de iteraciones de calibración disponible
Fácil cambio a modelos anteriores
Guardar el mejor modelo final en la base de datos
Generar informe del modelo
Datos técnicos
| Requisitos del sistema | MS Windows 7 / 8 o 10 |
| Alcance de la entrega | Dongle USB AWX con carpeta de instalación y archivos de ayuda. Dongle es esencial para la operación del software |
| Compatibilidad del instrumento | SpectraAlyzer, Kernelyzer, Olivas Gold 2 |
| Funciones de software | Administración de datos de referencia espectrales y químicos, desarrollo de calibración, ajuste de calibración y composición de la aplicación |
Descargar flyer
