Ziel der Studie war die Untersuchung einer einfachen Mischung aus drei Rohstoffen mittels Versuchsplanung (DOE) und deren Charakterisierung hinsichtlich Preis, Viskosität und Stabilität unter verschiedenen Bedingungen (Temperaturen). Aufgrund der Schwierigkeit, ein a priori Modell zu formulieren, und der möglichen Instabilität der Rezepturen, die den Erfolg der DOE und die anschließende Ergebnisanalyse beeinträchtigen könnte (keine messbare Reaktion im Falle von Instabilität), wurde ein raumfüllendes Versuchsdesign mit Ausschlusszone durchgeführt. Eine erste Modellierung mit verschiedenen Machine-Learning-Modellen (SVM, Gaußprozess) wurde durchgeführt, jedoch wurden bestimmte Bereiche des Versuchsraums aufgrund fehlender Viskositätswerte (z. B. zu niedrige Viskosität oder Instabilität einiger Rezepturen) nur unzureichend beschrieben. Mithilfe von Fachwissen und einer lokalen Datenimputationsmethode mittels K-nächster-Nachbarn-Algorithmus wurde die Modellierung korrigiert und lieferte zufriedenstellende Ergebnisse. Dies ermöglichte eine bessere Darstellung und ein besseres Verständnis des Versuchsraums und die Identifizierung eines vielversprechenden Rezepturkandidaten.
