روش تحلیل عامل تفکیکی یکی از روش های مدلسازی نرم است که به جستجوی ماتریس t بهینه ای می پردازد که توسط روابط زیر پروفایل های غلظتی و طیفی را ایجاد کنند, a=ust-1 b=tv طوری که این پروفایل ها در معادله روبرو صدق کنند. d=ab در روش rfa, بردارهای ویژه چرخیده شده به طور تکرار پذیر اصلاح می شوند تا از قیدها تبعیت کنند و در نهایت تابع حداقل مربعات را در فرآیند بهینه سازی غیر خطی مینیمم کنند; الگوریتم نیوتن - گوس -لونبرگ/ مارکوات وظیفه بهینه سازی غیرخطی در این روش را برعهده دارد. الگوریتم بهینه سازی آشوبناک جمعیت ذرات، تلفیقی از دو الگوریتم تکراری روش بهینه سازی جمعیت ذرات (pso) و الگوریتم جستجوی محلی آشوبناک با ویژگی های آشوبناک است. در این تحقیق, روش rfa و cpso برای نخستین بار تلفیق و حاصل آنها به عنوان روشی متفاوت با روش های موجود در متون کمومتریکس ارائه شده است. این روش به عنوان جایگزینی مناسب برای روش rfa در تفکیک داده هایی که حل منحصر به فرد ندارند, پیشنهاد می شود. چرا که روش rfa در این موارد واگرا می شود درحالیکه روش پیشنهاد شده به دلیل مزایای cpso قادر به حل این مسئله است. جهت بررسی این موضوع داده های کروماتوگرافی با همپوشانی و سطح نویزهای متفاوت تولید و توسط روش موردنظر تحلیل شدند. کارآیی روش توسط تحلیل داده های سه و چهار جزئی شبیه سازی شده و آزمایشگاهی بررسی شد. نتایج، توانایی این روش را در تحلیل داده های مختلف نشان می دهد. همچنین این روش بر خلاف سایر روش های مدلسازی نرم حتی با تخمین اولیه تصادفی نیز همگرا می شود و توانایی تحلیل داده های با کمتر از پنج جزء را دارا می باشد.

روش های مدل سازی نرم در متون کمومتریکس از اهمیت ویژه ای برخوردارند، به ویژه زمانی که سیستم های ناشناخته و پیچیده مورد مطالعه قرار می گیرند و در عمل فرضی از مدل حاکم بر رفتار شیمیایی سیستم وجود ندارد. از این جهت ارائه و توسعه ی روش های مدل سازی نرم در متون کمومتریکس جایگاه ویژه ای را به خود اختصاص داده اند. عدم نیاز به داشتن اطلاعات درباره ی مدل شیمیایی سیستم، کاربرد این روش ها را جهت آنالیز در حضور گونه های فعالی که در فرآیند مورد نظر شرکت ندارند، گسترده می سازد. در این میان، روش های نرم به عنوان یک ابزار مهم کمومتریکسی در بررسی و تفکیک ماتریس داده های جذبی به دو ماتریس غلظت و طیف خالص گونه های فعال در سیستم بکار برده می شوند. مجموعه ای از طیف های آزمایشگاهی که در طول موج های مختلف ثبت شده اند، ردیف های یک ماتریس داده ی جذبی آزمایشگاهی را تشکیل می دهند. تفکیک ریاضی یک ماتریس داده با استفاده از روش های آنالیز نرم، به طور ذاتی با دو نوع منبع ابهام روبرو است. این ابهام ها باعث می شوند که تعداد زیادی جفت ماتریس غلظتی و طیفی از تفکیک ماتریس داده به عنوان جواب حاصل شوند که با غلظت و طیف واقعی تفاوت دارند. تفاوت ممکن است شدتی یا چرخشی باشد. نظر به اینکه نرمال کردن ابهام شدتی را حذف می کند، ابهام چرخشی به طور معمول عامل اصلی وجود این ناحیه جواب است که منجر به خطای سیستماتیک در نتیجه بدست آمده می شود. لذا تا کنون تلاش های زیادی (استفاده از اطلاعات موجود در سیستم به عنوان محدودیت اعمال شده در روش های نرم) برای کاهش ابهام چرخشی به منظور رسیدن به جواب منحصر به فرد صورت گرفته است. در همین جهت روش هایی که قادر به محاسبه ی تمام جواب های ممکن هستند مورد توجه قرار گرفته اند. بنابراین تحقیق پیش رو به دنبال تحقق اهداف بیان شده به بررسی اثر محدودیت ها بر کاهش ابهام چرخشی و توسعه ی روش های نرم با توانایی بدست آوردن تمام جواب های ممکن در سیستم سه جزئی می پردازد.