- -

Divide et impera: How disentangling common and distinctive variability in multiset data analysis can aid industrial process troubleshooting and understanding

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

Divide et impera: How disentangling common and distinctive variability in multiset data analysis can aid industrial process troubleshooting and understanding

Mostrar el registro sencillo del ítem

Ficheros en el ítem

Thumbnail
Nombre: VitaleNoordWesterhuis ...
Tamaño: 2.302Mb
Formato: PDF
Descripción: Versión del Autor.
Abrir
[Cerrado]
Nombre: Vitale et al. Divide ...
Tamaño: 5.426Mb
Formato: PDF
Descripción: Versión editorial
Solicitar una copia al autor
dc.contributor.author Vitale, Raffaele es_ES
dc.contributor.author Noord, Onno E. de es_ES
dc.contributor.author Westerhuis, Johan A. es_ES
dc.contributor.author Smilde, Age K. es_ES
dc.contributor.author Ferrer, Alberto es_ES
dc.date.accessioned 2022-09-20T18:04:07Z
dc.date.available 2022-09-20T18:04:07Z
dc.date.issued 2021-02 es_ES
dc.identifier.issn 0886-9383 es_ES
dc.identifier.uri http://hdl.handle.net/10251/186410
dc.description.abstract [EN] The possibility of addressing the problem of process troubleshooting and understanding by modelling common and distinctive sources of variation (factorsorcomponents) underlying two sets of measurements was explored in a real-world industrial case study. The used strategy includes a novel approach to systematically detect the number of common and distinctive components. An extension of this strategy for the analysis of a larger number of data blocks, which allows the comparison of data from multiple processing units, is also discussed. es_ES
dc.description.sponsorship Spanish Ministry of Economy and Competitiveness, Grant/Award Number: DPI2017-82896-C2-1-R es_ES
dc.language Inglés es_ES
dc.publisher John Wiley & Sons es_ES
dc.relation.ispartof Journal of Chemometrics es_ES
dc.rights Reserva de todos los derechos es_ES
dc.subject Canonical correlation analysis (CCA) es_ES
dc.subject Common components es_ES
dc.subject Distinctive components es_ES
dc.subject Permutation testing es_ES
dc.subject Singular value decomposition (SVD) es_ES
dc.subject.classification ESTADISTICA E INVESTIGACION OPERATIVA es_ES
dc.title Divide et impera: How disentangling common and distinctive variability in multiset data analysis can aid industrial process troubleshooting and understanding es_ES
dc.type Artículo es_ES
dc.identifier.doi 10.1002/cem.3266 es_ES
dc.relation.projectID info:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica y Técnica y de Innovación 2013-2016/DPI2017-82896-C2-1-R/ES/DISEÑO, CARACTERIZACION Y AJUSTE OPTIMO DE BIOCIRCUITOS SINTETICOS PARA BIOPRODUCCION CON CONTROL DE CARGA METABOLICA/ es_ES
dc.rights.accessRights Abierto es_ES
dc.contributor.affiliation Universitat Politècnica de València. Departamento de Estadística e Investigación Operativa Aplicadas y Calidad - Departament d'Estadística i Investigació Operativa Aplicades i Qualitat es_ES
dc.description.bibliographicCitation Vitale, R.; Noord, OED.; Westerhuis, JA.; Smilde, AK.; Ferrer, A. (2021). Divide et impera: How disentangling common and distinctive variability in multiset data analysis can aid industrial process troubleshooting and understanding. Journal of Chemometrics. 35(2):1-12. https://doi.org/10.1002/cem.3266 es_ES
dc.description.accrualMethod S es_ES
dc.relation.publisherversion https://doi.org/10.1002/cem.3266 es_ES
dc.description.upvformatpinicio 1 es_ES
dc.description.upvformatpfin 12 es_ES
dc.type.version info:eu-repo/semantics/publishedVersion es_ES
dc.description.volume 35 es_ES
dc.description.issue 2 es_ES
dc.relation.pasarela S\448295 es_ES
dc.contributor.funder AGENCIA ESTATAL DE INVESTIGACION es_ES


Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem