1. Perfect Lab
  2. Exploratory Data Analysis & Reporting

Exploratory Data Analysis & Reporting

데이터의 수집, 시각화 및 분석을 통해 통찰력을 확보하고 정보에 기반한 의사 결정을 신속하게 내립니다. 재료 과학 예측 분석을 사용하여 재료 과학 발견 연구를 위해 포괄적인 협업 모델링 및 시뮬레이션 애플리케이션을 사용합니다.

가령, 새로운 음식 레시피를 만들 때는 점도, pH 계수 및 영양 매개 변수 등 여러 차원의 측정 특성을 고려해야 합니다.일부 회사들은 물리적 속성을 넘어 감각 속성을 예측하기 위해 감각 프로필을 생성하고 있습니다.

감각 모델은 하나 이상의 치수가 변경될 때 제품간에 인식할 수 있는 중요한 차이점이 있는지 감지합니다.차이가 확인되면 제품과 여러 감각 특성의 차이점을 파악하기 위해 설명 분석이 수행됩니다. 그런 다음 식품 과학자는 입안 코팅, 점도 및 수렴과 같은 개별적인 질감 속성을 분석하여 차별화를 가져오는 속성에 대해 연구합니다. 이 모델은 개발 프로세스에서 제품 질감이 설명되는 방식을 표준화하기 위해 포괄적인 감각 용어 세트를 제공할 수 있습니다.

인 실리콘 모델을 사용하면 후보자에 대한 테스트를 선택적으로 집중하여 새로운 레시피를 최적화함으로써 성공 가능성을 높일 수 있습니다. CPG 비즈니스에서 가장 일반적인 시나리오는 새로운 조건에 맞게 세트를 재구성하는 것으로, 일반적으로 비용 또는 가용 제품의 부족으로 인해 활성 성분을 대체하는 것입니다.제품을 재구성할 때는 비용뿐만 아니라 비슷한 수준을 유지해야 하는 제품의 성능도 함께 고려해야 합니다. 비용, 성능 및 환경적 영향은 모델을 구동하는 요인 중 일부일뿐입니다.

Exploratory Data Analysis & Reporting 솔루션의 이점은 다음과 같습니다:

• 후보 레시피 변형의 "가상 스크리닝"을 통한 물리적 테스트 및 실험과 관련된 비용 및 시간 단축.

혁신 프로세스 가속화-비용 효율적이며 지속 가능한 고성능의 새 레시피를 물리적 프로세스로 수행할 때보다 더 빠르게 개발.

강력한 정보학기능을 사용하여 원하는 치수 구속 조건을 기반으로 레시피를 최적화.