Intervenant : Ding Jianfen , ingénieur principal en recherche statistique, siège social de JMP US R&D
Sujet : Application de l'analyse multivariée JMP® aux entreprises chimiques, de produits de première nécessité et alimentaires
résumé:
Les produits de toute entreprise entreront sur le marché de consommation. Par rapport aux autres entreprises, les entreprises chimiques, de produits de première nécessité et alimentaires ont une relation plus directe et plus étroite avec les consommateurs. Afin de garantir que leurs produits puissent s'implanter sur le marché et gagner la faveur des consommateurs, ces entreprises, dont de nombreuses entreprises de renommée mondiale, mènent de nombreuses études sur les préférences des consommateurs. Ces études génèrent généralement de grandes quantités de données sensorielles. Ces données sensorielles de couleur, d’arôme et de goût sont non seulement nombreuses mais également variées en termes de types. Afin de mieux explorer et analyser ce type de données, JMP a intensifié ses recherches et son développement de méthodes efficaces d’analyse de données multivariées pour ce type de données, année après année. Dans cette discussion, nous présenterons comment appliquer l'analyse de la variance (ANOVA), le clustering K-means, l'analyse en composantes principales (ACP), les moindres carrés partiels (PLS), l'analyse multifactorielle (AMF), l'analyse des correspondances multiples (ACM) et les analyseurs de texte pour analyser les données sensorielles et de préférence des consommateurs, en mettant l'accent sur le fonctionnement de ces méthodes, la manière dont chaque méthode doit être interprétée et la manière dont elles sont intrinsèquement liées. En décrivant les meilleures approches des questions de préférences sensorielles et de consommation, nous espérons que cette discussion fournira aux analystes une compréhension des approches multivariées de ce type de données afin que chaque analyste soit en mesure d'utiliser efficacement les outils multivariés fournis par JMP lorsqu'il sera confronté à des données de recherche sensorielle et de consommation à l'avenir.
