روشittfa نیز مانند سایر روش های مدلسازی نرم دارای ابهام چرخشی می باشد. در این تحقیق ما بر این باور هستیم که با توجه به الگوریتم روش ittfa، چون در این روش محدودیت ها تنها در یک فضا اعمال می شود و فضای دیگر فارغ از محدودیت است ابهام چرخشی در این روش بیشتر از سایر روش های نرم است که در آنها به هر دو فضا توجه می شود و در هر دو فضا اعمال محدودیت می شود. با توجه به این موضوع که ابهام چرخشی در روش ittfa شدیدتر از سایر روش های نرم می باشد بنابراین برخی از روش هایی که در متون علمی از آن ها برای محاسبه تخمین اولیه برای روش ittfa استفاده می شود حل قابل قبولی توسط روش ittfa ارائه نمی دهد. از جمله این روش ها تجزیه و تحلیل تصویرسازی متعامد (opa) و روش استفاده ی آسان فعل و انفعالات خود مدل ساز برای تجزیه و تحلیل مخلوط (simpilisma) می باشد. هر دو این روش ها تخمین اولیه ای که ارائه می دهند خالص ترین ردیف یا ستون ماتریس داده را ارائه می دهند. ردیف ها یا ستون های ماتریس داده حاصل ترکیب خطی اجزای واقعی سیستم می باشد و جزو ناحیه جواب ittfa می باشد اما پروفایل غلظتی یا طیفی مربوطه اش که بوسیله حداقل مربعات محاسبه می شود ترکیب خطی اجزاء واقعی سیستم نمی باشد و جزو ناحیه جواب روش های دیگر مانند rfa نمی باشد بنابراین روش های مانند opa و simpilisma نمی تواند روش مناسبی برای محاسبه تخمین اولیه برای روش ittfa باشد. و در نهایت با توجه به این که پروفایل های غلظتی حاصل از داده های کروماتوگرافی تک قله ای می باشد این واقعیت را می توان به صورت یک محدودیت دیگر علاوه بر محدودیت غیر منفی بودن پروفایل ها در روش ittfa می توان به کار برد و در نهایت می توان نتیجه گرفت که اگرچه ناحیه جواب های ittfa محدودتر می شود اما باز ابهام چرخشی در این روش شدیدتر از سایر روش های روش های نرم می باشد.