Вы находитесь на странице: 1из 22
MÓDULO: EVALUACIÓN DE LAS MATERIAS PRIMAS PARA LA PRODUCCIÓN DE MEDICAMENTOS QUIMIOMETRIA

MÓDULO: EVALUACIÓN DE LAS MATERIAS PRIMAS PARA LA PRODUCCIÓN DE MEDICAMENTOS

MÓDULO: EVALUACIÓN DE LAS MATERIAS PRIMAS PARA LA PRODUCCIÓN DE MEDICAMENTOS QUIMIOMETRIA
MÓDULO: EVALUACIÓN DE LAS MATERIAS PRIMAS PARA LA PRODUCCIÓN DE MEDICAMENTOS QUIMIOMETRIA

QUIMIOMETRIA

MÓDULO: EVALUACIÓN DE LAS MATERIAS PRIMAS PARA LA PRODUCCIÓN DE MEDICAMENTOS QUIMIOMETRIA
MÓDULO: EVALUACIÓN DE LAS MATERIAS PRIMAS PARA LA PRODUCCIÓN DE MEDICAMENTOS QUIMIOMETRIA
MÓDULO: EVALUACIÓN DE LAS MATERIAS PRIMAS PARA LA PRODUCCIÓN DE MEDICAMENTOS QUIMIOMETRIA

Definición

La quimiometría trata, específicamente, de

todos aquellos procesos que transforman

señales analíticas y datos en información.

Siebert: "La quimiometría es la aplicación de

métodos matemáticos y estadísticos así como

de los principios de la buena ciencia de la medida para extraer de forma eficiente

información útil de datos químicos”

los principios de la buena ciencia de la medida para extraer de forma eficiente información útil
los principios de la buena ciencia de la medida para extraer de forma eficiente información útil
principios de la buena ciencia de la medida para extraer de forma eficiente información útil de
principios de la buena ciencia de la medida para extraer de forma eficiente información útil de

Utiliza métodos matemático, estadístico y otros procedentes del campo de la

estadístico y otros procedentes del campo de la lógica formal para conseguir sus fines, tiene un

lógica formal para conseguir sus fines,

tiene un campo interdisciplinario.

y otros procedentes del campo de la lógica formal para conseguir sus fines, tiene un campo
y otros procedentes del campo de la lógica formal para conseguir sus fines, tiene un campo
y otros procedentes del campo de la lógica formal para conseguir sus fines, tiene un campo

Objetivos

Diseñar o seleccionar los experimentos y procedimientos más adecuados

Obtener la máxima información

Obtener

químicos.

Su éxito depende de los problemas

químicos que sea capaz de interpretar y

resolver.

conocimientos

sobre

sistemas

  
de los problemas químicos que sea capaz de interpretar y resolver. conocimientos sobre sistemas  

Áreas de interés

Reconociendo tendencias en los datos: Ejemplo

Empresa

7

parámetros

distintos

Se tiene un

Fabrica

10 lotes semanalmente
10 lotes
semanalmente

Se eligen

Cada muestra se caracteriza por

12 muestras representativas de cada lote
12 muestras
representativas
de cada lote
Conjunto de datos (120x7)
Conjunto de
datos (120x7)
l i g e n Cada muestra se caracteriza por 12 muestras representativas de cada lote
l i g e n Cada muestra se caracteriza por 12 muestras representativas de cada lote
Figura 1: Representación de la matriz de datos X Se quiere conocer:  A) Si

Figura 1:

Representación de la matriz de datos X

Se quiere conocer:

A) Si todo el conjunto de muestras es

homogéneo o no.

B) Si no es así, ¿existe alguna muestra

particular, discrepante, o conjunto de

muestras que se difieren del resto?

C) Si hay muestras características, ¿cuáles

de los parámetros analizados son distintos

del resto de las muestras?

D) ¿La información contenida en alguna de las variables es suplementaria del resto de variables?

muestras?  D) ¿La información contenida en alguna de las variables es suplementaria del resto de
muestras?  D) ¿La información contenida en alguna de las variables es suplementaria del resto de
La información se obtiene mediante: Técnicas quimiométricas (pattern recognition)  Técnicas de agrupación o

La información se obtiene mediante:

Técnicas quimiométricas (pattern recognition)

Técnicas de agrupación o análisis cluster: busca agrupar elementos tratando de lograr la máxima homogeneicidad en cada grupo y la mayor diferencia entre los grupos. Utiliza algoritmos jerárquicos acumulativos y se representa en dendogramas.

y la mayor diferencia entre los grupos. Utiliza algoritmos jerárquicos acumulativos y se representa en dendogramas
y la mayor diferencia entre los grupos. Utiliza algoritmos jerárquicos acumulativos y se representa en dendogramas
y la mayor diferencia entre los grupos. Utiliza algoritmos jerárquicos acumulativos y se representa en dendogramas
y la mayor diferencia entre los grupos. Utiliza algoritmos jerárquicos acumulativos y se representa en dendogramas

Técnicas de representación: consiste en trasladar la máxima información contenida en el espacio multidimensional original al espacio de dimensionalidad reducida. Con ello se consigue extraer y representar información útil de un conjunto de datos multidimensional.

reducida. Con ello se consigue extraer y representar información útil de un conjunto de datos multidimensional.
reducida. Con ello se consigue extraer y representar información útil de un conjunto de datos multidimensional.
reducida. Con ello se consigue extraer y representar información útil de un conjunto de datos multidimensional.

Relaciones entre conjuntos de datos.

Relaciones entre conjuntos de datos . Relacionar la composición de las muestras con su calidad. Pueden

Relacionar la composición de las muestras con su calidad. Pueden existir una o más

variables que quieran relacionarse con las

variables que describen la composición.

(AM) El objetivo que se persigue es la relación entre las matrices X e Y.

que describen la composición. (AM)  El objetivo que se persigue es la relación entre las
que describen la composición. (AM)  El objetivo que se persigue es la relación entre las
que describen la composición. (AM)  El objetivo que se persigue es la relación entre las
que describen la composición. (AM)  El objetivo que se persigue es la relación entre las

La relación entre matrices mediante una ecuación

Modelos ‘ad hoc’ (sean válidos)

Y = X B + E

Y : conjunto de los datos de respuesta (variable dependiente). X: conjunto de observaciones medidas (variable independiente). B: la matriz de los coeficientes de regresión. E: la matriz de los errores asociados.

medidas (variable independiente). B: la matriz de los coeficientes de regresión. E: la matriz de los
medidas (variable independiente). B: la matriz de los coeficientes de regresión. E: la matriz de los

o ¿Dónde y cómo realizar las experiencias?

El diseño de experiencias o

experimentos es la parte de la

quimiometría que estudia dónde,

cómo y cuando deben realizarse

las experiencias para que

contengan la información

necesaria.

Finalidad de la experiencia y factores básicos que deben considerarse.

Tiempo

del

previsto,

disponibilidad

equipo y métodos necesarios.

Información bibliográfica previa.

 Tiempo del previsto, disponibilidad equipo y métodos necesarios.  Información bibliográfica previa.
 Tiempo del previsto, disponibilidad equipo y métodos necesarios.  Información bibliográfica previa.
 Tiempo del previsto, disponibilidad equipo y métodos necesarios.  Información bibliográfica previa.
 Tiempo del previsto, disponibilidad equipo y métodos necesarios.  Información bibliográfica previa.
Etapas del diseño experimental         Reconocer y delimitar

Etapas del diseño

experimental

Reconocer y delimitar el problema. Seleccionar las variables de respuesta. Elegir los factores, niveles y rangos. Elegir el diseño experimental. Realizar los experimentos.

Analizar

(ANOVA). Interpretación. Conclusiones y recomendaciones.

estadísticamente

los

datos

los experimentos. Analizar (ANOVA). Interpretación. Conclusiones y recomendaciones. estadísticamente los datos
los experimentos. Analizar (ANOVA). Interpretación. Conclusiones y recomendaciones. estadísticamente los datos
los experimentos. Analizar (ANOVA). Interpretación. Conclusiones y recomendaciones. estadísticamente los datos

Razones importantes para un diseño experimental:

Screening. Cuales factores son importantes para realizar exitosamente un proceso.

Optimización. Cómo mejorar un proceso. Ahorro de tiempo. Predicción.

Modelos cuantitativos. Obtención de un modelo

matemático de un sistema

un proceso. Ahorro de tiempo . Predicción. Modelos cuantitativos . Obtención de un modelo matemático de
un proceso. Ahorro de tiempo . Predicción. Modelos cuantitativos . Obtención de un modelo matemático de
un proceso. Ahorro de tiempo . Predicción. Modelos cuantitativos . Obtención de un modelo matemático de

Diseños experimentales ejemplo:

Experimentos factoriales o fraccionales. Matrices de Hadamard.

  Experimentos factoriales o fraccionales. Matrices de Hadamard. http://www.alfonsomartin.es/tdi/pdf/hadamard
  Experimentos factoriales o fraccionales. Matrices de Hadamard. http://www.alfonsomartin.es/tdi/pdf/hadamard

http://www.alfonsomartin.es/tdi/pdf/hadamard

  Experimentos factoriales o fraccionales. Matrices de Hadamard. http://www.alfonsomartin.es/tdi/pdf/hadamard
  Experimentos factoriales o fraccionales. Matrices de Hadamard. http://www.alfonsomartin.es/tdi/pdf/hadamard

Análisis de sistemas en evolución

Monitorizar y controlar la reacción química. Sistema en evolución puede seguirse perfectamente ‘in situ’.

Monitorizar y controlar la reacción química.  Sistema en evolución puede seguirse perfectamente ‘ in situ
Monitorizar y controlar la reacción química.  Sistema en evolución puede seguirse perfectamente ‘ in situ
Monitorizar y controlar la reacción química.  Sistema en evolución puede seguirse perfectamente ‘ in situ
Monitorizar y controlar la reacción química.  Sistema en evolución puede seguirse perfectamente ‘ in situ

Técnicas multivariantes.

Métodos de dependencia:

Técnicas multivariantes. Métodos de dependencia: Suponen que las variables analizadas están divididas en dos grupos:

Suponen que las variables

analizadas están divididas en

dos grupos:

que las variables analizadas están divididas en dos grupos:   las variables dependientes las variables

las variables dependientes las variables independientes.

 las variables dependientes las variables independientes. El objetivo consiste en determinar si el conjunto de

El objetivo consiste en determinar si el conjunto de variables independientes afecta al conjunto de variables dependientes y de qué forma.

en determinar si el conjunto de variables independientes afecta al conjunto de variables dependientes y de
en determinar si el conjunto de variables independientes afecta al conjunto de variables dependientes y de

Otras áreas de interés.

los algoritmos genéticos

para la selección de variables o el modelado

genéticos para la selección de variables o el modelado mediante el uso de redes neuronales artificiales

mediante el uso de redes neuronales artificiales

(ANN).

genéticos para la selección de variables o el modelado mediante el uso de redes neuronales artificiales
genéticos para la selección de variables o el modelado mediante el uso de redes neuronales artificiales
genéticos para la selección de variables o el modelado mediante el uso de redes neuronales artificiales

Redes neuronales

métodos diseñados para el procesado de datos

organización del conocimiento basado en la imitación del funcionamiento de los

datos  organización del conocimiento basado en la imitación del funcionamiento de los sistemas nerviosos biológicos
datos  organización del conocimiento basado en la imitación del funcionamiento de los sistemas nerviosos biológicos

sistemas nerviosos biológicos

datos  organización del conocimiento basado en la imitación del funcionamiento de los sistemas nerviosos biológicos
 organización del conocimiento basado en la imitación del funcionamiento de los sistemas nerviosos biológicos
 organización del conocimiento basado en la imitación del funcionamiento de los sistemas nerviosos biológicos

Algunas claves para el éxito

Algunas claves para el éxito
Algunas claves para el éxito
Algunas claves para el éxito
Algunas claves para el éxito
Algunas claves para el éxito

Conclusiones

La quimiometría contribuye, por tanto, a hacer realidad diversas tendencias de la química

analítica actual:

Rapidez.

Abaratamiento de costes.

Miniaturización

instrumentos.

o

transportabilidad

de

   Rapidez. Abaratamiento de costes. Miniaturización instrumentos. o transportabilidad de
   Rapidez. Abaratamiento de costes. Miniaturización instrumentos. o transportabilidad de

Referencias

      Referencias Mongay C. F., 2005. Quimiometría . Universidad de Valencia.

Mongay C. F., 2005. Quimiometría. Universidad de

Valencia. Ed. PUV.

http://www.alfonsomartin.es/tdi/pdf/hadamard

http://www.uoc.edu/in3/emath/docs/Cluster.pdf

http://www.uco.es/zootecniaygestion/img/pictore

x/16_11_29_8_multivariante.pdf

14704/31482491.pdf?sequence=1 http://www.uco.es/zootecniaygestion/img/pictore x/16_11_29_8_multivariante.pdf
14704/31482491.pdf?sequence=1 http://www.uco.es/zootecniaygestion/img/pictore x/16_11_29_8_multivariante.pdf