Eine der großartigen Eigenschaften des Menschen ist, dass jeder von uns einzigartig ist. Vielfalt hat überall Vorteile, aber die unterschiedlichen Vorlieben in Bezug auf Konsumgüter machen es schwierig vorherzusagen, was die meisten Menschen begeistern wird. Die Verwendung der Versuchsplanung (DOE), die durch JMP unterstützt wird, ist entscheidend für die Entwicklung von Rezepturen mit der größten Attraktivität.
Ziel dieser Präsentation ist die interaktive Präsentation von Methoden zur Optimierung von Rezepturen, um den Geschmack der Verbraucher zu optimieren. Es werden zwei DOE-Ansätze aus einer realen Fallstudie zu Lebensmittelrezepturen vorgestellt: ein 18-Run-Definitive-Screening-Design (DSD) und ein 18-Run-Space-Filling-Design, das mit SVEM und neuronalen Netzwerken modelliert wurde.
Um Daten für die Modellierung vorzubereiten, wird eine mehrdimensionale Skalierung demonstriert, um anomale Teilnehmerdaten zu entfernen. Teilnehmercluster, die mithilfe hierarchischer Clusterbildung erstellt wurden, werden verwendet, wenn Modelle mithilfe von Fit Definitive Screening und SVEM-Neuralnetzen angepasst werden. Die Leistungsfähigkeit des JMP-Profilers wird deutlich machen, wie sich die Verbraucherpräferenzen je nach Cluster unterscheiden. Text Explorer wird verwendet, um zu zeigen, wie durch Modellierung gewonnene Erkenntnisse überprüft werden können, indem wörtliche Kommentare von Studienteilnehmern untersucht werden. Abschließend werden Erkenntnisse aus jedem experimentellen Design und Modellierungsansatz sowie deren Einschränkungen verglichen. Den Teilnehmern wird eine informationsreichere Alternative zu herkömmlichen DOE- und Verbraucherteststrategien präsentiert.
