Industrial Food Informatics ICT voor R&D

Industrial Food InformaticsICT voor R&D

Gridforum.nl Bedrijvendag, 25 Juni 2007

D.J.P. OutUnilever ResearchVlaardingen

Industrial Food Informatics

De primaire taak van onze R&D afdelingen is het leveren en toepassen van alle noodzakelijke wetenschappelijke en technologische kennis voor het ontwikkelen en produceren van voedingsmiddelen.


De primaire taak van onze R&D afdelingen is het leveren en toepassen van alle noodzakelijke wetenschappelijke en technologische kennis voor het ontwikkelen en produceren van voedingsmiddelen. Hiervoor is het noodzakelijk kennis te hebben van en toegang te hebben tot de talrijke informatiebronnen, binnen zowel als buiten de organisatie.


De primaire taak van onze R&D afdelingen is het leveren en toepassen van alle noodzakelijke wetenschappelijke en technologische kennis voor het ontwikkelen en produceren van voedingsmiddelen. Informatie is nooit gratis! Data opslag kost geld en het zoekproces kost tijd en de resultaten (kwaliteit) zijn onzeker. Het zelf uitvoeren van nieuw experimenteel werk kan een goed alternatief zijn.


Waarom Food Informatics?



Belangen:



Belangen:

- Ondersteuning van de Nederlandse voedingsmiddelenindustrie met een export ter waarde van > 40.000 MEU- Ondersteuning van de wetenschappelijke infrastructuur met haar publieke en private onderzoeksinstellingen (werkgelegenheid en kennis export)



Belangen:


Problemen:



Belangen:


Problemen:

- Domein complexiteit:



Belangen:


Problemen:

- Domein complexiteit:

Een voorbeeld......


Een produktmanager leest ‘s avonds het NRC en ....

.... Marketing heeft de volgende dag een idee!


En verzoekt R&D om z.s.m. een assortiment


“Packed Sandwiches”

van superieure kwaliteit te ontwikkelen!


Brood

Vlees/vis

Sauzen

Kruiden

Verpakking

Proceshygiëne

Supply chain

Kazen

Microbiologie

Ingredient fixatie

Marketing/PPPP

Consumentengedrag

QA/QC

Margarine

Sla/groente

“Packed Sandwiches”

Food Informatics - R&D Fit

Brood

Vlees/vis

Sauzen

Kruiden

Verpakking

Proceshygiëne

Supply chain

Kazen

Microbiologie

Fixatie

Marketing/PPPP

Consumentengedrag

QA/QC

Margarine

Sla/groente


Het vinden en gebruiken van de benodigde informatie is vaak moeilijk en tijdrovend door:

• Grote verscheidenheid van de databestanden

• Verschillende data formats

• Verschillende locaties

•“Onzichtbaarheid” buiten eigen PC/afdeling/site/productgroep

• Toegangsrestricties

• Gebrekkige zoekfaciliteiten


Hoe lossen wij dit op:

• Inventariseer bronnen

• Maak bronnen toegankelijk

• Selecteer zoek-software

• Optimalisatie zoekresultaat t.a.v. “precision en recall”


Inventariseer bronnen

• Van individuele e-mail tot de rapporten databases en LIMS

• Maar ook software, modellen, simulatieprogramma’s

• Beslis welke data en informatie gedeeld moet worden

• ... en met wie

> > Hier kan weerstand optreden bij data-eigenaars!

http://images.google.nl/imgres?imgurl=http://www.clarksonlab.com/vee/Images/sibata1.jpg&imgrefurl=http://www.clarksonlab.com/&h=267&w=221&sz=10&hl=nl&start=90&tbnid=IvHEhG7eHFuX8M:&tbnh=113&tbnw=94&prev=/images%3Fq%3Dlaboratory%2Bequipment%26start%3D80%26gbv%3D2%26ndsp%3D20%26svnum%3D10%26hl%3Dnl%26sa%3DN

http://images.google.nl/imgres?imgurl=http://www.devicelink.com/company98/imx/64/6474/gorman_c.jpg&imgrefurl=http://www.devicelink.com/company/emdm/co/64/6474.html&h=364&w=300&sz=66&hl=nl&start=206&tbnid=Wg6WmF_UkmsCKM:&tbnh=121&tbnw=100&prev=/images%3Fq%3Dlaboratory%2Bequipment%26start%3D200%26gbv%3D2%26ndsp%3D20%26svnum%3D10%26hl%3Dnl%26sa%3DN


Maak bronnen toegankelijk

• Verbindt gebruiker en bronnen door een “Data Grid”

• Annoteer data (automatisch EN handmatig) >> Ontologie

• Gebruik SOA voor modellen, simulatie software ed. >> Workflow tools

Data Grid

metadata


Modelintegratie: Sterilisatieproces



M1: > Lijnconfiguratie en operationele settings < Temperatuur (T)/Verblijftijd (t) profiel




M2: > Maillard-kinetiek (T, t, Aw, pH, composition) < Productie M-reactieproducten (= kleur,smaak)





M3: > Microflora-inactiverinskinitiek (T, t, Aw, pH) < MB-flora reductiefactor, houdbaarheid/risico





M3: > Microflora-inactiverinskinitiek (T, t, Aw, pH) < MB-flora reductiefactor, houdbaarheid/risico

In-Silico Product/Proces Design

Taste Prediction Tool:

sweet umamisour salt bitter

O

O

N

O

O Na+....

....

...

Voor de 5 verschillende smaakrichtingen is het menselijke receptorsysteem dat “bitter” detecteerthet meest complex en slecht begrepen.

Het beheersen van deze smaakrichting in produktengeeft vaak problemen.


De oplossing:

Verzamel gegevens van verbindingen waarvan zowel de structuur als de impact op de bittere smaaksensatie bekend is.

Maak gebruik van een statistische techniek (“Naïve Bayesian Classifier”) om voor nieuwe verbindingen op grond van hun structuur een inschatting te maken van hun invloed op de bittere smaak van een produkt.

Maak deze techniek beschikbaar en eenvoudig toepasbaar in de organisatie voor R&D personeel.

Door het beschikbaar stellen als webservice kan onderhoud van de componenten blijven plaatsvinden op de plek waar de expertiese voorhanden is.


Program flow

Molecule file

Create fingerprint

(molprint.pl)Fingerprint file

Modeldata filesCompare molecule

with model (compare.pl)

Output file

File Action

Convert molecule to mol2 file (Babel)Mol2 file

Webservice

Unilever Centre for Molecular Science Informatics,

Cambridge

National Institute for Nuclear Physics and High Energy Physics,

Amsterdam


Selecteer zoek-software

• Geintegreerde GUI met corporate “look & feel”

• Parallel zoeken (individueel te selecteren domeinen)


Optimalisatie zoekresultaat t.a.v. “precision en recall”

• Ontwikkelen en toepassen van ontologieën/taxonomieën/thesauri voor content annotatie en vraagverrijking

0

10

20

30

40

50

60

70

80

90

100

WebSpirs (FSTA Search interface)

Relevant document

s

total: 109

Ontology

total: 66

Resultaat optimalisatie zoekresultaat (BitterBase-Query)


De AIDA Toolbox: Ontology Supported Searching

This work was carried out in the context of the Virtual Laboratory for e-Science program (VL-e) and the BioRange program. These programs are supported by BSIK grants from the Dutch Ministry of Education, Culture and Science (OC&W).


Conclusies:

+ Groot potentieel voor beter hergebruik van data en informatie+ Kosten voor dataopslag dalen+ Zoekmachines worden steeds beter+ SOA en Workflow tools voor “Virtueel Experimenteren” + Gebruikers raken vertrouwd met processen

- Vereiste gebruikers mindset en input - Selecteren, annoteren en uploaden van informatie- Opzet en onderhoud van annotatie tools (domein-specifiek)


Conclusies:

+ Groot potentieel voor beter hergebruik van data en informatie+ Kosten voor dataopslag dalen+ Zoekmachines worden steeds beter+ SOA en Workflow tools voor “Virtueel Experimenteren” + Gebruikers raken vertrouwd met processen

- Vereiste gebruikers mindset en input - Selecteren, annoteren en uploaden van informatie- Opzet en onderhoud van annotatie tools (domein-specifiek)

► Stimuleer bereidheid tot delen van kennis!► Besteed veel aandacht aan de user interface► Realiseer dat de meeste food scientists geen ICTers zijn!

Industrial Food InformaticsICT voor R&D

ICT DELTA Congres Utrecht, 23 mei 2007

D.J.P. OutUnilever ResearchVlaardingen

Problemen:

Bij productie/opslag Ongewenste bittere smaak in grondstoffen Ontwikkeling van een bittere smaak gedurende productie en opslag Veel “gezonde” voedingsbestanddelen zijn bitter

Bij de voorspelling Zeer complex detectiesysteem met 26+ verschillende receptoren

bepalen de bittere smaaksensatie of juist de maskering daarvan. Een gedetailleerde opbouw van de betrokken receptoren is niet

bekend.

Bitterness Prediction Tool

Industrial Food Informatics ICT voor R&D

Documents

Transcript of Industrial Food Informatics ICT voor R&D