La produzione di molti prodotti implica la miscelazione di diversi ingredienti. Trovare le formulazioni ottimali per questi prodotti può essere complesso, costoso e richiedere molto tempo, soprattutto se la formulazione è soggetta a vincoli complessi. La capacità di innovare rapidamente e creare nuovi prodotti di alta qualità sta diventando sempre più importante con l'avanzare delle tecnologie e l'intensificarsi della concorrenza.
Dimostriamo come utilizzare diversi strumenti in JMP, inclusa la nuova piattaforma di ottimizzazione bayesiana, per velocizzare e migliorare la progettazione e l'analisi degli studi di formulazione in presenza di vincoli complessi, al fine di raggiungere o mantenere un vantaggio competitivo. Gli approcci classici basati sui minimi quadrati presentano numerose difficoltà, che vengono quasi completamente superate utilizzando modelli di processo gaussiano e l'ottimizzazione bayesiana. Utilizziamo casi di studio che coinvolgono vincoli complessi, come le restrizioni sul numero di componenti consentiti nelle sottomiscele e nelle miscele di miscele.
