전문가들은 AI가 감각 평가 방법에 미치는 영향을 공유합니다.

[광고_1]

7월 26일부터 27일까지 제8회 국제 관능 평가 학술 대회가 호치민시 베트남 국립대학교 기술대학교에서 개최되었습니다. 본 행사는 베트남에서 개최되는 국제 관능 평가 학술대회로, 관능 과학, 소비자 과학, 응용 통계학, 머신러닝 분야의 세계적 전문가들이 참여합니다.

SPISE는 아시아 전역의 과학자, 학생, 실무자, 그리고 기업들이 세계 유수의 과학자들과 만나 교류할 수 있는 기회입니다. 이 컨퍼런스의 목표는 빠르게 변화하는 소비재 산업의 디지털 전환 과정과 소비자 이해 증진을 지원하고 강화하는 것입니다.

이전 행사의 성공에 힘입어, SPISE 2024는 전 세계 여러 곳(미국, 프랑스, 일본, 한국, 태국, 인도네시아, 싱가포르 등)의 교수, 연구자, 과학자, 기업 R&D 팀 100명 이상이 참여하는 가운데 호치민시에서 개최됩니다.

이 워크숍의 주제는 베트남 소비자의 점점 더 높아지고 다양해지는 요구를 충족하기 위해 제품 공식을 개발하고, 소비자 행동을 조사하고, 머신 러닝을 빅데이터 처리에 적용하고, 국제 시장으로의 수출을 확대하는 것입니다.

개막식에서 호치민시 공과대학교(VNU-HCM) 부총장인 후인 키 푸옹 하(Huynh Ky Phuong Ha) 부교수는 다음과 같이 말했습니다. "2005년에 설립된 SPISE는 워크숍에서 시작하여 7회의 성공적인 행사를 통해 명망 있는 국제 학술대회로 발전했으며, 그 규모와 질은 이전 행사들을 능가합니다. SPISE 2024는 감각 과학의 중요성을 강조할 뿐만 아니라 과학 연구의 혁신과 협력을 증진하려는 우리의 의지를 반영합니다.

SPISE 2024는 인공지능(AI)과 빅데이터 기술이 감각 평가 방법에 미치는 혁신적인 영향을 탐구하는 것을 목표로 합니다. 제품 개발의 역동성은 기존 감각 평가 방법에 도전하는 더욱 빠르고 유연한 접근 방식을 요구합니다.

02 스파이즈.jpg — 호치민시 공과대학교(VNU-HCM) 부총장인 Huynh Ky Phuong Ha 박사가 학교를 대표하여 SPISE 2024에서 연설했습니다.

이 워크숍에서 마산소비재(주)의 제품연구개발팀은 "마산소비재의 성공적인 제품 개발에 있어서 관능과학의 역할"이라는 주제로 발표했습니다.

제품 연구개발 담당 수석 이사인 레 티 응아(Le Thi Nga) 씨는 "감각 과학은 소비자 혁신 센터(CIC)와 소비자 사랑(CIL) 모델에 구현 및 통합되어 있습니다. 이 새로운 모델은 저희가 직접 제품을 개발하고, 공동 개발하며, 소비자의 니즈를 충족하는 데 도움이 됩니다."라고 말했습니다.

과학적으로, 이 새로운 모델은 정성적 방법과 정량적 방법을 동시에 구현할 수 있도록 합니다. 마산 컨슈머는 제품 개발 과정 전반에 걸쳐 관능 과학을 적용하며, 이는 뛰어난 제품을 만들기 위한 R&D를 지원하는 매우 강력한 도구입니다. 따라서 관능 과학은 마산 컨슈머의 탁월한 경쟁 우위로서 신제품의 시장 성공률을 높이고 있습니다.

03 스파이스.jpg — Le Thi Nga 여사 - 수석 제품 연구 개발 책임자 및 R&D 팀이 SPISE 2024 컨퍼런스에 참석했습니다.

SPISE 2024에는 또한 3개 과목(1) jamovi 소프트웨어에 적용된 소비자 데이터 및 제품 감각적 특성 분석, (2) 다차원 데이터 처리의 고급 분석 기술: R 소프트웨어의 MCA, MFA 및 PLS, (3) 식품 산업의 신제품 개발 프로세스: 전략에서 구현까지를 포함한 부업 활동이 있습니다.

SPISE 2024 컨퍼런스: https://conferences.hcmut.edu.vn/spise2024#home

워크숍의 주요 주제는 다음과 같습니다.

- 제품, 소비자 및 사용 맥락 간의 관계

- 식품 산업에서의 감각 과학의 적용 및 신제품 개발 프로세스

- 감각 및 소비자 연구 방법 연결

- 소비자 자연어 처리(텍스트 분석), 다차원 통계 분석(다차원 분석 및 다중 블록 데이터 분석)에 대한 응용 통계

- 감각 및 소비자 방법론의 발전

- 음식 선택의 사회적 결정 요인

- 다문화적 맥락에서의 감각 및 소비자 연구

- 제품 경험 및 감정 측정

- 머신 러닝 기술을 사용하여 다양한 감각 평가 방법의 데이터 통합

- 데이터 통합 반응을 통해 감각적 경험에 대한 포괄적 이해 강화