Industrial Food Informatics ICT voor R&D
description
Transcript of 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.
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. Hiervoor is het noodzakelijk kennis te hebben van en toegang te hebben tot de talrijke informatiebronnen, binnen zowel als buiten de organisatie.
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. 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.
Industrial Food Informatics
Waarom Food Informatics?
Industrial Food Informatics
Waarom Food Informatics?
Belangen:
Industrial Food Informatics
Waarom Food Informatics?
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)
Industrial Food Informatics
Waarom Food Informatics?
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)
Problemen:
Industrial Food Informatics
Waarom Food Informatics?
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)
Problemen:
- Domein complexiteit:
Industrial Food Informatics
Waarom Food Informatics?
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)
Problemen:
- Domein complexiteit:
Een voorbeeld......
Industrial Food Informatics
Een produktmanager leest ‘s avonds het NRC en ....
.... Marketing heeft de volgende dag een idee!
Industrial Food Informatics
En verzoekt R&D om z.s.m. een assortiment
Industrial Food Informatics
“Packed Sandwiches”
van superieure kwaliteit te ontwikkelen!
Industrial Food Informatics
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
Industrial Food Informatics
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
Industrial Food Informatics
Hoe lossen wij dit op:
• Inventariseer bronnen
• Maak bronnen toegankelijk
• Selecteer zoek-software
• Optimalisatie zoekresultaat t.a.v. “precision en recall”
Industrial Food Informatics
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!
Industrial Food Informatics
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
Industrial Food Informatics
Modelintegratie: Sterilisatieproces
Industrial Food Informatics
Modelintegratie: Sterilisatieproces
M1: > Lijnconfiguratie en operationele settings < Temperatuur (T)/Verblijftijd (t) profiel
Industrial Food Informatics
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)
Industrial Food Informatics
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
Industrial Food Informatics
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
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.
Industrial Food Informatics
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.
Industrial Food Informatics
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
Industrial Food Informatics
Selecteer zoek-software
• Geintegreerde GUI met corporate “look & feel”
• Parallel zoeken (individueel te selecteren domeinen)
Industrial Food Informatics
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)
Industrial Food Informatics
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).
Industrial Food Informatics
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)
Industrial Food Informatics
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