探索性数据分析与报告

收集、可视化并分析数据,以提供见解,帮助企业快速做出明智决策。通过材料科学预测分析,为材料科学发现研究提供全面的协作式建模和仿真应用程序。

企业在研发新的食品配方时,常常需要考虑多维可测量属性,包括粘度、pH 值和营养参数。然而,某些企业已经不再满足于物理属性,进而创建了感官配置文件来预测感官属性

一旦一个或多个维度发生变化,感官模型就会自动检测产品是否出现显著、可感知的差异。如果发现差异,感官模型就会执行描述性分析,以确定如何跨不同的感官属性进行产品比较。然后食品科学家会分别分析产品的各个口感属性,如糖衣、粘度和涩味,以确定是哪个属性出了问题,使其有别于其它产品。这些模型会提供一组全面的感官术语,以便在研发过程中对产品口感进行标准化描述。

借助计算机仿真模型,企业可以选择性地测试最有可能成功的候选配方,以达到优化新配方的目的。CPG 业务中常见的场景是,由于成本或产品供应短缺,需要调整配方(通常是换掉某些活性成分),以适应一系列新条件。而调整配方不仅要考虑成本,同时还要使调整后的食品品质与原配方保持同等水平。从整体来看,成本、品质和环境影响也只是驱动感官模型的部分因素。

探索性数据分析与报告解决方案的优势包括:

• 通过“虚拟筛选”功能筛选候选配方变化,减少物理测试和实验的成本和时间

加速创新流程 — 比物理流程更快开发出品质更佳、更经济实惠和更具可持续性的新配方。

使用强大的信息学功能,基于所需的维度约束优化配方。