VIEW ARTICLE DOI: 10.1094/ASBCJ-59-0147
Chemometrics in Brewing—A Review. Karl J. Siebert (1), Food Science and Technology Department, Cornell University, Geneva, NY 14456. (1) Phone: 315/787-2299; Fax 315/787-2284, E-mail <kjs3@cornell.edu> J. Am. Soc. Brew. Chem. 59(4):147-156, 2001. Accepted April 13, 2001.
Chemometrics is the application of principles of measurement science and multivariate mathematics and statistics to efficiently extract maximum useful information from data. It can be applied to sensory, chemical, and biological measurements and typically is applied when multiple measurements are made on a set of samples. Exploratory data analysis (EDA) is often used to simplify and gain better understanding of large, complicated data sets. EDA can also be used to determine how many fundamental properties are represented in a data set and the extent to which measurements are redundant. Pattern recognition (PARC) can be used to identify the cultivar or growing area of a raw material or the brand or production plant in which a product was made from its pattern of analytical results. Advanced PARC procedures can detect adulteration or be used for multivariate quality assurance or quality control. Empirical modeling has many applications, including development of analytical methods, discerning the relationships between product composition and sensory properties, developing knowledge of relationships between molecular structure and biological properties, and developing control algorithms for unit operations or processes. Keywords: Empirical modeling, Exploratory data analysis, Pattern recognition, Statistical experiment design
Quimiometría
en cervecería:
Una revisión.
La quimiometría es la aplicación de los principios de la ciencia de medir y de las matemáticas y de la estadística multivariantes, para extraer de manera eficaz el máximo de información útil a partir de los datos. Se puede aplicar a medidas sensoriales, químicas y biológicas y, normalmente, se emplea cuando se efectúan múltiples medidas sobre un mismo conjunto de muestras. El análisis exploratorio de datos (EDA) se utiliza a menudo para simplificar y alcanzar un mejor conocimiento sobre grandes y complicados conjuntos de datos. El EDA también puede emplease para determinar cuantas propiedades fundamentales están representadas en un conjunto de datos y hasta que punto las medidas son redundantes. El reconocimiento de pautas (PARC) se puede utilizar para identificar la variedad o la zona de cultivo de una materia prima, o la marca o la planta de producción en la que un determinado producto fue fabricado, a partir de su patrón de resultados analíticos. Los procedimientos avanzados de PARC pueden detectar adulteraciones o ser empleados en el análisis multivariante de la calidad o en el control de la misma. La creación de modelos empíricos tiene muchas aplicaciones, que incluyen el desarrollo de métodos analíticos, el esclarecimiento de las relaciones entre la composición de un producto y sus propiedades sensoriales, el desarrollo del conocimiento sobre las correlaciones entre la estructura molecular y las propiedades biológicas y el desarrollo de algoritmos de control para determinadas operaciones o procesos. Palabras clave: Creación de modelos empíricos, Análisis exploratorio de datos, Reconocimiento de pautas, Diseño estadístico de experimentos.