基于Unscrambler可以解決如下類型的基本問題：
• 設計實驗，分析影響及使用Xperiment模塊尋找適條件；
• 簡化和預處理數據，方便隨后的分析工作;
• 在一個數據矩陣中（X）尋找相關變量;
• 尋找兩個數據矩陣中（X和Y）的關系;
• 在不確定性測試中驗證多變量模型;
• 通過尋找純物質的數量和估計濃度分布曲線和光譜的方法Res解析未知混合物;
• 預測反應變量的未知值;
• 將未知樣本歸類到可能的不同目錄下.
分析沒有包含任何信息的數據是沒有意義的。實驗設計是一個將數據表中的數據賦予有意義信息的有用工具。Unscrambler非常好的解決了這個問題。
新版本的Unscrambler提供了更加豐富的內容，Unscrambler X是對Unscrambler進行完全重新設計的版本，以更加友好的用戶界面、的繪圖功能、的算法和適應性強處理多變量數據分析（MVA）和設
計實驗。該市場領導產品可廣泛的應用于多個科研和工業領域，包括過程理解，快速質量監測，產品配方，代謝組學和感官科學。具體的例子有：原料標識，需求驅動規劃，實時過程&質量控制和快速上市R&D項目。Unscrambler的這些特性，可以有效地幫助您節約時間和財物成本。
應用領域：
一、制藥和生物技術
使用預先設計好的實驗，在短時間內，研發緩慢釋放或其它類型的劑型或將泛型產品引入市場。
采用數據探索分析，將原材料分類并更好地理解它們的性質。
結合近紅外分析儀和Unscrambler模型，確定混合物，干燥和涂層工藝的結束點。
采用分析實驗室的儀器和Unscrambler開發的模型，確定冷凍干或固態劑量產品的濕度或活性內容。
從工藝過程分析技術中的四個重要方面進行MVA和實驗設計（DOE）。通過Unscrambler確定決定質量的重要參數，并且通過質量設計（QbD）構建您自己的
工藝過程。
二、化工
優化涂料和基于其它聚合物的產品，處理混合加工設計。
設計新的半導體材料。
使用輸出和其它測量儀器，結合多變量程序模型監測化肥生產的質量。
通過測量重要原料參數，改進制紙和紙漿操作過程。
在化學反應進展過程中，使用流程光譜儀和預測模型來評估日用品的質量屬性。
三、能源
使用多變量模型和NIR光譜儀，監測汽油混合操作。
設計風力發電機的新材料和其它可再生能源的應用。
使用多變量模型，并結合紅外光譜儀和輸出處理設備在線監測煤炭質量。
基于地球化學數據，使用主成分分析（PCA）尋找新的石油貯藏。
四、飲食業
根據消費市場的要求，采用設計好的實驗合成新的飲食產品。
通過聚類分析和消費市場細分，選擇重點市場目標。
使用Unscrambler進行：優化糕點焙烤次數；基于喜好和花費協調；紅酒的組合；基于訓練好的感知評估平臺，改進新的和現有產品的外觀和質感；重新設計有競爭力的產品。
