Análisis de Componentes Principales: estudio del perfil aromático de vinos de la región DOC San Rafael

NICOLÁS MUZI; MARIANELA BIGNERT; ANDREA B. RIDOLFI; RAQUEL ROMANO; VILMA I. MORATA DE AMBROSINI; DANIEL MILLÁN

San Rafael

Congreso; V Congreso Latinoamericano de Ingeniería y Ciencias Aplicadas - CLICAP 2018; 2018

Facultad de Ciencias Aplicadas a la Industria de la Universidad Nacional de Cuyo

El Análisis por Componente Principales (PCA, por sus siglas en inglés) es una técnica utilizada para reducción de dimensionalidad, extracción de características, identificación de patrones y visualización (entre otras aplicaciones). Su origen remonta a más de un siglo, siendo en la actualidad una técnica ampliamente utilizada en el procesamiento de datos. PCA es un método lineal que identifica el subespacio afín d-dimensional que mejor explica la varianza de un conjunto D-dimensional (D>>d). Es decir, permite encontrar el espacio reducido de baja dimensión que mejor representa la variabilidad en alta dimensión del conjunto de datos original. Esto se logra mediante la diagonalización de la matriz de covarianza de la muestra. En este trabajo se analizan dos experimentos. En el primer experimento se estudia y caracteriza un conjunto de datos generados artificialmente en D=10 que siguen una distribución normal dependiente de tres variables (subespacio d=3). El propósito es estudiar el desempeño, eficiencia y robustez de esta técnica en un conjunto de datos artificiales que presenta características ideales, por ejemplo es posible obtener la curva del error de reconstrucción en función del número de componentes d-dimensionales empleado. En el segundo experimento se consideran datos obtenidos de mediciones de componentes del perfil aromático de vinos Malbec que han sido alterados por el aporte de uva enferma al proceso de vinificación. Las muestras de uvas sanas y enfermas con las que se llevaron a cabo las vinificaciones provienen de cuatro puntos representativos de la región vitivinícola DOC San Rafael (Mendoza, Argentina). El objetivo de aplicar PCA, en este caso, es organizar los datos para observar con mayor facilidad correlaciones entre las zonas y los perfiles aromáticos de los distintos vinos. Los resultados muestran la potencialidad de PCA para tratar datos en alta dimensión que muestrean un subespacio de menor dimensión, y particularmente su utilidad para racionalizar la información intrínseca subyacente en datos experimentales que presentan mayor variabilidad. En el caso de datos obtenidos de mediciones de campo es importante remarcar que estos deben ser curados y preprocesados de forma idónea, con el objeto de evitar el enmascaramiento de los resultados de PCA por artefactos presentes en los datos crudos.