Seaweeds in food applications: Effects of processing on product quality

Abstract

Denne avhandlingen er adressert til forskere innen produktutvikling. Den har som mål å styrke og forbedre produktutviklingsforskning ved å tilby bedre metoder og verktøy for å forske på prototyping i prosjekter innen tidligfase produktutvikling. Avhandlingen argumenterer for at det er et behov for en ny metode som muliggjør at forskere kan gjøre flere observasjoner fra utviklingsprosjekter, uten å bruke så mye ressurser som eksisterende forskningsmetoder krever, og at dette behovet kommer fra begrensningene til metodene, verktøyene og ressursene som er tilgjengelige for produktutviklingsforskeren. Hovedbidraget i avhandlingen er derfor å presentere enmetode for a samle fysiske prototyper fra aktive prosjekter innen tidligfase produktutvikling, hvilket muliggjør analyse av store datasett med prototyper. Avhandlingen hevder at å samle fysiske prototyper er en gjennomførbar løsning for å samle større datasett fra aktive produktutviklingsprosjekter, da dette krever betraktelig mindre arbeidsinnsats fra forskeren sammenlignet med eksisterende forskningsmetoder. For å teste og evaluere den foreslåtte metoden har et system for digital innsamling av fysiske prototyper blitt utviklet. Dette systemet har som mål å møte et sett med funksjonskrav som har blitt identifisert som viktige for å implementere den foreslåtte metoden. Systemet har blitt utplassert på to forskjellige lokasjoner; i produktutviklingsavdelingen til en større norsk bedrift og i forskningslaboratoriet TrollLABS på NTNU. Et datasett på over 950 fysiske prototyper har blitt samlet inn digitalt gjennom bilder og metadata i løpet av dette prosjektet—noe som demonstrerer at den foreslåtte metoden er gjennomførbar for å samle forskningsdata fra aktive tidligfase produktutviklingsprosjekter. Avhandlingen argumenterer for at den foreslåtte metoden kan brukes til både kvantitative og kvalitative undersøkelser av tidligfase produktutviklingsprosjekter, og viser hvordan dette kan gjøres ved innsamling av prototyper fra ett prosjekt. En utfordring som oppstår når man samler større datasett med fysiske prototyper er at det kreves store ressurser for å analysere datasettet. Denne avhandlingen viser flere mulige løsninger på dette problemet ved å automatisk klassifisere ulike egenskaper fra bilder av prototyper gjennom å trene om eksisterende modeller med spesialtilpassede datasett—noe som viser at slike løsninger kan redusere ressursene som kreves for å analysere prototyper betydelig.