SIMCA软件是由 Sartorius Stedim Data Analytics AB 在1987年研究开发，已经成为多元变量统计分析的标杆。不管您的数据集有多大，变量有多少，SIMCA 都能有效的探索您的数据，分析您的生产过程或产品体系，并解释您的数据结果。
SIMCA 软件是目前国际上科研和监管机构普遍认可的多元变量统计分析软件，针对多变量大数据集，SIMCA 可有效进行模型构建和分析，以获得更透彻和深入的数据结果。通过模型构＠建，可同时观察所有数据变量，从而避免信息丢失，减少数据复杂性。为进一步探究数据价值，SIMCA 通过OPLS®、OPLS-DA®、O2PLS® 和 PLS-TREE® 等分析模块可排除噪＠ 音以获得有效数据，并进行可视化等对数据进行分类和预测，从而提供最优的解决方案。SIMCA 为多元变量统计分♀析领域广范使用的处理工具，其界面和◆操作比R语言简单。
SIMCA 可自动对数据表进行模型构建和数据分析，过程中不需要编程或统计学基础，可简单高效地完成对多元变量数据的统计分析。
功能说明：
1. 支持文件格式：
Excel 2010 ，DIF，CSV。Text 等多种文件格式；支持多个数据集的输入和查看；可免费安装针对光谱和组学数据的插件：spectra skin 和omics skin
2，原始数据考察：
光谱图在线信息在线统计 查看行或列样本数的变量，缺失值，最小值，平均值，中位数，标准偏差，斜度与↑峰态柱形统计图，光谱/时间序列，自动或者互相关，功率光谱，原始数据中个别变量或者整个数据集的总览在线信息▲连接到所有的列表和图像 按行或者按列生成新变量变々量作为现有的函数或者结果变量的函数，工作表统计，排除变量和制定X和Y，支持定性的Y变量，不同的X和Y块杜宇不同的分类和块
数据预处理：线性的，Log，指数，乘方等，滞后『时间序列数据从文件，次级IDs或者手动进入的灵活缩放，显示平均数和标准差排除/包含观察类别组观测值从ID变量或者计分值生成类别，使用定义分类名。
3，分析模型：
在一个项目中建立无限数量模型 所有的方法能够处理缺失数值
综述的模型类型：PCA 回归模型类型：PLS，OPLS和O2PLS 类别模型类型：PCA，PLS，OPLS和O2PLS判别分析模型：PLS-DA，OPLS-DA and O2PLS-DA
层序聚类分析（HCA）用PLS-Tree 聚类分析 O2PLS:为查看两个多元数据集进行数据挖掘
4，对模型查看和解释的分析图和列表：
模型Q2，R2的总结 OPLS/O2PLS的分析图，得分和载荷图。模型诊断（Hotelling T2系列，DmodX，观察vs。预测）
系数和变量的影响（VIP）可分别↑考察总VIP、正交VIP和预测VIP
校正诊断：RMSEE和RMSECV
校正模型的RMSECV vs component图
6，分析模型确认：
交叉验证，排列检定 CV-ANOVA 表 CV份数 可自定义模拟次数的permutation test
7。预测
文件中→预测表的输入，从任何输入数据集的指定预测表，使用选定类别模型列出分类表，预测的RMSEP校正集自动预处理预测表判别分析模型的预测表颜色编码，对Ψ于判别分析模型和SIMCA类别的误分析表，对于预测表的局部中心，What-if功能
8，多院过程数据分析：
批次变化模型（BEM）和批水平模型（BLM）能在同一项目中处理，批量带标签和所有的变化平面图和特征收集在一个功能区标记里用批量演化数据集或者分别地输入批量条件，对于批量的变化，批量水平文稿平面图能被定期或者联合解决，在批量水平极端值取出后，允许自动生成批量变化模型
9，批量变化模型：
批量变化的OPLS模型，批量不同阶段划分，在输入期间，删除，合并和重命名阶段，在输入期间有条件的排除，不同的到期变量对应不同的阶段交叉验证规则适用于批量，排除工具清除所有的批次，批次VIP
10，附件功能：
开放性内核，可使用Python脚本进行个☉性话设计，数据集，列表和圆柱图的分◆类，自动对象，SIMCA能从外部程序和数据开始，结果与SIMCA无限制的观测值或者变量交换，允许有几个项※目同时打开，在数据集变化之后，唯一收到影响的模型被删除可与SIMCA online共享模型
11，都种图形展示方式：
气泡图 3D散点图 线图 柱状图 时间曲线 响应面等高线图等
应用场景：
4。1系统生物学卐等科研领域：
用于组学数据的分析、建模和可视化呈现。最大程度地挖掘数据中的潜在趋势，迅速∑ 揭示实验数据的意义，并未进一步探索提供科学假设[1]。
4。2 精准医学领域：
针对临床数据或样本组学数据建立数据模型，协助临床诊断，并为研究致病机制及相关治△疗过程中的药理药效提供数据支持[2]。
4。3 制药等工业过程：
结合历史工艺数据，对生产过程异常点进行诊断和改善；分析稳定生产过程的关键节点，并为生产工艺ζ 的转移和放大提供数据模型进行预测、 判别[3]
