SIMCA是一款多元變量統計分析軟件，用戶在使用此工具時只需要使用鼠標點擊對應的數據就能將其轉換為您需要的信息，從而讓用戶在作出決定時能有一個可靠的參考;該程序還適合應用于特種化學品和石油化學品領域;所有用戶都可以使用此工具進行數據探索、分析、解釋，深入研究數據以使用多變量分析找到隱藏的細節。

　　軟件功能：

　　輸入

　　● 新的SIMCA輸入模塊和指導用于解決在輸入數據集的問題

　　● 支 持文件格式：Excel2010,DIF,CSV,Text文件，GalacticSPC,BrukerOPUS,JCAMP- DX,

　　● Matlab5,Lotus1-2-3,NSAS,Brimrose版本1,UnscramblerAscii,Net-CDF,HPLCChemStation,

　　● ThermoSIEVE文件,SIMCAandMODDE文件

　　● 使用ODBC,OPC,SimApi直接從數據庫輸入

　　● 用粘合的整個數據集輸入

　　● 用插件程序DLLSIMCA輸入功能輸入任何一種格式文件

　　● 支持幾個數據集的輸入和查看

　　● 轉置矩陣

　　● 文件的靈活合并和附加

　　● 數據的剪切，復制，黏貼和插入等編輯

　　● 變量報告和IDs,BatchandPhaseIDs,ClassIDs觀察報告

　　● 照原來的樣子輸入定性變量

　　● 支持日期/時間變量

　　● 指定X和Y定義默認工作表

　　● 缺失文本

　　● 在輸入期間或輸入前觀察次數的精簡

　　● 類別識別說明

　　● 靈活查找替換特征

　　● 發布觀點——在數據集里面問題的鑒別必須在輸入前處理

　　● 其他信息操作系統：議題，審計跟蹤，變量，觀察，批次和階段，分類，總結

　　數據

　　● 支持多重數據集

　　● 數據集的中心

　　● 數據查看

　　● 顯示缺失等值圖

　　● 在整理之后整理綜述

　　● 光譜圖

　　● 能直接從數據集或者任公開的電子數據表建立圖表

　　● 快速信息快速統計

　　● 對每個挑選出來的行或列的樣本數的變量，缺失值，最小值，最大值，平均值，中位數，標準偏差，

　　● 斜度與峰態

　　列表

　　● 柱形統計圖，光譜/時間序列，自動或者互相關，功率光譜

　　● 挑選出來的變量或者整個數據集的整理

　　● 快速信息連接到所有的列表和圖像

　　數據預處理

　　● 第二和第三衍生物

　　● 乘法信號修正(MSC)

　　● 標準正常變量(SNV)

　　● 排列中心

　　● 光譜數據的小波去噪和抽取

　　● 小波轉換和壓縮，按行或者按列

　　● EWMA

　　● 卷積

　　● 轉換器鏈接

　　● 過濾總結

　　● 預報自動過濾

　　● 分光濾器插入程序

　　生成新變量

　　● 變量作為現有的函數或者結果變量的函數

　　● 現有模型獲得結果：DModX,T,TSquare,U,TPS,YPredPSetc

　　● 建立用戶特定功能的可能性

　　工作表

　　● 用快速信息制作工作電子表和和整理/變量

　　● 默認工作表能被改變和作為新的默認值保存

　　● 用戶按X和Y模型自定義默認值

　　● 工作表統計

　　● 相關矩陣

　　變量

　　● 排除變量和指定X和Y塊

　　● 支持定性的Y變量

　　● 不同的X和Y塊對于不同的分類和塊

　　● 變形：線性的，Log，Neglog,分對數，指數，乘方

　　● 變換頁的快速信息

　　● 滯后時間序列數據

　　● 平方，十字和三次項

　　● 變量和塊的縮放

　　● 從文件，次級IDs或者手動進入的靈活縮放

　　● 在規模頁顯示平均數和標準標差

　　觀測值

　　● 排除/包含觀察

　　● 類別組觀測值

　　● 從ID變量或者計分價值生成類別

　　● 使用定義分類名

　　分析模型

　　● 在一個項目的無限數量模型

　　● 所有的方法能夠處理缺失數值

　　● 綜述的模型類型：PCA

　　● 回歸模型類型：PLS，OPLS和O2PLS

　　● 類別模型類型：PCA,PLS,OPLS和O2PLS

　　● 判別分析模型：PLS-DA,OPLS-DAandO2PLS-DA

　　● 層序聚類分析(HCA)

　　● 用PLS-Tree聚類分析

　　● 分層模型

　　● 在分派變量被阻擋之后分層模型自動生成

　　● 類別模型的自動安裝

　　● 為查看和兩種多元數據集數據挖掘的新O2PLS

　　對模型查看和解釋的分析圖和列表

　　● 模型安裝Q2，R2的總結

　　● OPLS/O2PLS的查看圖

　　● 份數和載荷

　　● 診斷(旅館業的T2系列，DmodX，觀察vs.預測)

　　● 系數和變量的影響(VIP)

　　● 校正診斷：RMSEE和RMSECV

　　● 校正模型的RMSECVvscomponent圖

　　● 內部關系圖

　　● 通過點擊圖內觀測值顯示文稿圖

　　● 貢獻法

　　● 系數的分辨率和層次模型的文稿

　　● 從圓柱圖中間呈V形彎得出置信區間

　　● 從任何一個觀察圖中觀察剖面圖的生成

　　● 在小波壓縮之后重建觀察剖面圖

　　● OPLS和O2PLS成績圖按R2X成比例

　　● 對于OPLS和O2PLS的Y相關的剖面圖

　　● 對于OPLS-DA模型結果解釋的S圖

　　分析模型確認

　　● 交叉驗證

　　● 排列檢定

　　● 指定交叉驗證團體的可能性

　　● CV-ANOVA表

　　● CV份數

　　預測

　　● 文件中預測表的輸入

　　● 從任何輸入數據集的指定預測表

　　● 使用選定類別模型列出分類表

　　● 提出預測結果，如表格，圖表和診斷

　　● 預測的RMSEP

　　● 像校正集自動預處理預測表

　　● 允許像工作表那樣修改預測表

　　● 判別分析模型的預測表顏色編碼

　　● 對于判別分析模型和SIMCA類別的誤分析表

　　● 對于預測表的局部中心

　　平面圖和列表

　　● 新的平面圖程序

　　● 為了直接平面圖編輯和快速進入屬性和格式的平面圖對話框的迷你工具條

　　● 建立平面圖模板去存儲，下載和分析優先設計

　　● 迅速改變平面圖和列表的脈絡關聯標簽

　　● 交互工具，可以移動或者計入從觀察平面圖得出的一個組的觀測值

　　● 交互工具，可以直接從下載，系數和VIP平面圖直接移動模型條件

　　● 連通的平面圖和列表

　　● 顏色由變量值，份數，模型矢量，IDs，類別，批次組成

　　● 尺寸由變量，DmodX或者任何的模型矢量組成

　　● 強調數列;除了徘回數列的所有黑色數列

　　● 柱形圖的分類

　　● 使用任何觀察法或ID當做在點或者軸線的標簽

　　● 在一個平面圖里雙擊一個變量趨勢圖

　　● 全屏模式

　　平面圖類型

　　● 2D和3D分散，直線，柱狀，直方圖，時間序列，回應輪廓，反應曲面法，常態概率柱狀圖

　　● 份數和個例變數的控制圖表：Shewhart,EWMA,CuSum,EWMA/Shewhart

　　● 光譜平面圖的用ID/類別/矢量著色

　　● 從每個交叉驗證組里得出份數的平面圖和列表，載系數和回歸系數

　　● 小波結構和功率譜平面圖

　　● 自動和相互關聯，功率譜，小波，回歸系數和EWMA變形

　　多元分批分析

　　● 批次變化模型(BEM)和批水平模型(BLM)能在同一項目中處理

　　● 批量帶標簽和所有的變化平面圖和特征收集在一個功能區標記里

　　● 用批量演化數據集或者分別地輸入批量條件

　　● 對于批量的變化，批量水平文稿平面圖能被定期或者聯合解決

　　● 在批量水平極端值取出后，允許自動生成批量變化模型

　　批量變化模型

　　● 批量能有幾個階段

　　● 階段能有不同的變量

　　● 在輸入期間，刪除，合并和重命名階段

　　● 在輸入期間有條件的排除

　　● 在輸入每一批和每一階段時定中心

　　● 不同的到期變量對應不同的階段

　　● 時間或到期日的配置選項

　　● 對不同的到期日使用明智的校平器

　　● 為所有的階段從文件中輸入縮放比例

　　● 所有階段的自動安裝

　　● 交叉驗證規則適用于批量

　　● 排除工具清除所有的批次

　　批次變化模型平面圖

　　● 批量控制圖表在一個平面圖中包括幾個階段

　　● 為批量控制圖表增加著色的可能性

　　● 在屬性頁通過批量和階段的項目選擇

　　● 均衡vs不均衡的平面圖

　　● 所有矢量協調的平面圖

　　● 平滑的平面圖vs觀察的到期日

　　● 在一個指定的模型中，平面圖被做成“在工作中”

　　● 失去控制平面圖總結

　　● 線性時間分解

　　批量水平模型

　　● 批量水平數據集靈活生成

　　● 次級ID加進批量水平數據集

　　● 在與批量水平數據集聯合中，批量條件能被選擇

　　● 分層批量水平模型的自動生成

　　● 自動局部模型

　　● 批量VIP平面圖可用于所有的模型類別

　　● 變量來源平面圖顯示所有階段

　　附加的功能

　　● 數據集，列表和圓柱圖的分類

　　● 自動對象，SIMCA能從外部程序和數據開始，結果與SIMCA無限制的觀測值或者變量交換

　　● 允許有幾個項目同時打開

　　● 有選擇個人圖片顯示在進度指示器的可能性

　　● 控制幾個精簡項目(.usp)

　　● 在數據集變化之后，唯一受到影響的模型被刪除

　　● 輸出收藏夾和輸入收藏夾

SIMCA軟件特色

　　SIMCA提供完整的數據分析體驗，從數據導入和組織到

　　● 多元模型支持的數據驅動決策

　　● SIMCA引入自適應過程模式建模，以應對持續文化的挑戰

　　● 過程以及動態和穩態過程的其他組合

　　● 通過為校準轉移提供支持，繼續改進光譜數據分析

　　● 隨著最新的用戶體驗改進，現在是開始使用SIMCA?的最佳時機

　　● 使用Python腳本解決復雜任務并增強現有功能的更好可能性

　　● 用于創建和測試與安裝包捆綁的預測模型的腳本*

　　● 用于可擴展模型維護的腳本*與安裝包捆綁在一起

　　● 用于創建自定義函數的示例代碼

　　● 第一次導入數據以使其正確，添加批處理數據時使用建模選項

SIMCA安裝步驟

　　1、在本站下載最新安裝包，按提示安裝

　　2、安裝進行中，完成即可使用