基于Unscrambler可以解决如下类型的基本问题：
• 设计实验，分析影响及使用Xperiment模块寻找适条件；
• 简化和预处理数据，方便随后的分析工作;
• 在一个数据矩阵中（X）寻找相关变量;
• 寻找两个数据矩阵中（X和Y）的关系;
• 在不确定性测试中验证多变量模型;
• 通过寻找纯物质的数量和估计浓度分布曲线和光谱的方法Res解析未知混合物;
• 预测反应变量的未知值;
• 将未知样本归类到可能的不同目录下.
分析没有包含任何信息的数据是没有意义的。实验设计是一个将数据表中的数据赋予有意义信息的有用工具。Unscrambler非常好的解决了这个问题。
新版本的Unscrambler提供了更加丰富的内容，Unscrambler X是对Unscrambler进行完全重新设计的版本，以更加友好的用户界面、的绘图功能、的算法和适应性强处理多变量数据分析（MVA）和设
计实验。该市场领导产品可广泛的应用于多个科研和工业领域，包括过程理解，快速质量监测，产品配方，代谢组学和感官科学。具体的例子有：原料标识，需求驱动规划，实时过程&质量控制和快速上市R&D项目。Unscrambler的这些特性，可以有效地帮助您节约时间和财物成本。
应用领域：
一、制药和生物技术
使用预先设计好的实验，在短时间内，研发缓慢释放或其它类型的剂型或将泛型产品引入市场。
采用数据探索分析，将原材料分类并更好地理解它们的性质。
结合近红外分析仪和Unscrambler模型，确定混合物，干燥和涂层工艺的结束点。
采用分析实验室的仪器和Unscrambler开发的模型，确定冷冻干或固态剂量产品的湿度或活性内容。
从工艺过程分析技术中的四个重要方面进行MVA和实验设计（DOE）。通过Unscrambler确定决定质量的重要参数，并且通过质量设计（QbD）构建您自己的
工艺过程。
二、化工
优化涂料和基于其它聚合物的产品，处理混合加工设计。
设计新的半导体材料。
使用输出和其它测量仪器，结合多变量程序模型监测化肥生产的质量。
通过测量重要原料参数，改进制纸和纸浆操作过程。
在化学反应进展过程中，使用流程光谱仪和预测模型来评估日用品的质量属性。
三、能源
使用多变量模型和NIR光谱仪，监测汽油混合操作。
设计风力发电机的新材料和其它可再生能源的应用。
使用多变量模型，并结合红外光谱仪和输出处理设备在线监测煤炭质量。
基于地球化学数据，使用主成分分析（PCA）寻找新的石油贮藏。
四、饮食业
根据消费市场的要求，采用设计好的实验合成新的饮食产品。
通过聚类分析和消费市场细分，选择重点市场目标。
使用Unscrambler进行：优化糕点焙烤次数；基于喜好和花费协调；红酒的组合；基于训练好的感知评估平台，改进新的和现有产品的外观和质感；重新设计有竞争力的产品。
