Exploratory Data Analysis & Reporting

Gewinnen Sie wertvolle Erkenntnisse und treffen Sie schnell fundierte Entscheidungen durch die effiziente Erfassung, Visualisierung und Analyse von Daten. Nutzen Sie Material Science Predictive Analytics für umfassende, kollaborative Modellierung und Simulationsanwendungen zur wissenschaftlichen Erforschung von Materialien.

Bei der Entwicklung neuer Rezepturen, zum Beispiel für Lebensmittel, gilt es, mehrdimensionale messbare Merkmale wie Viskosität, pH-Wert und Nährstoffparameter zu berücksichtigen.Einige Unternehmen gehen über physikalische Attribute hinaus und erstellen sensorische Profile für die Vorhersage sensorischer Eigenschaften.

p>Mittels sensorischer Modelle lässt sich feststellen, ob eine Änderung an einer oder mehreren Dimensionen zu erheblichen, wahrnehmbaren Unterschieden zwischen Produkten führt.Liegt ein Unterschied vor, wird mithilfe einer deskriptiven Analyse ermittelt, wie die Produkte im Hinblick auf verschiedene sensorische Eigenschaften im Vergleich abschneiden. Anschließend analysieren Lebensmittelwissenschaftler verschiedene Texturattribute wie Vollmundigkeit, Zähigkeit und Härte, um herauszufinden, welche Attribute das Produkt von anderen abheben. Diese Modelle können eine umfassende Palette an sensorischen Begriffen für eine standardisierte Beschreibung der Produkttextur im Rahmen des Entwicklungsprozesses bereitstellen. Mithilfe von In-silico-Modellen lassen sich neue Rezepturen optimieren, indem der Fokus bei Versuchen selektiv auf die erfolgversprechendsten Produkte gelegt wird. In der Verbrauchsgüterindustrie ist das gängigste Szenario eine Überarbeitung der Rezeptur zur Anpassung an neue Bedingungen, häufig durch das Ersetzen eines aktiven Inhaltsstoffes aufgrund von zu hohen Kosten oder einer begrenzten Produktverfügbarkeit. Bei der Überarbeitung der Rezeptur ist es wichtig, dass nicht nur die Kosten berücksichtigt werden, sondern auch die Leistungsfähigkeit des Produkts auf einem vergleichbaren Niveau bleibt. Kosten, Leistungsfähigkeit und Umweltauswirkungen sind nur einige der Faktoren, auf die sich das Modell stützen kann.

Zu den Vorteilen von Exploratory Data Analysis & Reporting gehören:

Reduzierung des Zeit- und Kostenaufwands für physische Versuche und Tests durch „virtuelles Screening“ möglicher Rezeptvarianten

Beschleunigung des Innovationsprozesses – schnellere Entwicklung neuer Rezepte mit einer höheren Leistungsfähigkeit, Kosteneffizienz und Nachhaltigkeit als bei physikalischen Prozessen

Nutzung leistungsstarker EDV-Funktionen zur Optimierung von Rezepturen basierend auf den gewünschten Dimensionsbeschränkungen