참조

Baramati Cattlefeeds는 Elementar의 rapid N exceed® 질소 및 단백질 분석기를 도입하여 단백질 분석 워크플로우를 혁신했습니다.

BYK는 시간 관리 및 용량 측면에서 효율성을 개선하기 위해 Elementar의 vario EL cube와 rapid OXY cube©에 투자했습니다. 이 장비는 회사가 추가적인 애플리케이션 잠재력을 파악하는 데 도움이 되었습니다.

나가사키 대학의 해양과학기술기구는 블루 카본에 초점을 맞춘 새로운 연구 프로젝트의 분석 방법의 효율성을 개선하기 위해 Elementar의 soli TOC® cube에 투자했습니다.

ferro.lyte® 및 inductar® ONH cube 분석기는 이전에 사용하던 외부 테스트 연구소에 비해 관련 시간과 비용을 크게 절감했습니다. 내부 품질 검사에 드는 비용도 현저히 낮아졌습니다. 또한 입고 단계에서 단 몇 분 만에 100% 확실하게 재료를 식별할 수 있습니다.

뮌헨 공과대학교의 Weihenstephan 양조 및 식품 품질 연구 센터는 식음료 품질 관리를 보다 효율적이고 지속 가능하게 만들기 위해 Elementar 기술을 활용하고 있습니다.

Hyderabad에 위치한 위탁 시험 연구소인 MART 스페셜티 랩은 UNICUBE®에 투자하여 유기 원소 분석 역량을 확장했습니다.

Verdant Carbon은 영국 남동부에 위치한 토양 샘플링 및 분석 스타트업 회사입니다. 이 연구소는 농업 토양의 유기 탄소를 테스트하여 농부와 토지 소유주가 토양의 역학을 더 잘 이해하고 환경 친화적인 농업으로 나아갈 수 있도록 지원하는 데 중점을 두고 있습니다.

베를린 훔볼트 대학교의 공통 분석 연구소는 토양 및 비료 분석에서 환경 성능과 효율성을 향상시켰습니다.

Hamburger Hungária Ltd.는 Dunaújváros 제지 공장의 발전소 효율성과 환경 성능을 향상시키기 위해 Elementar의 vario MACRO cube에 투자했습니다.

University of Pécs 공학 및 정보 기술 학부는 Elementar의 새로운 원소 분석기를 구입하여 분석 역량을 확장했습니다.

상하이에 위치한 CAS 분자식물과학 우수센터(CEMPS)는 Elementar의 rapid N exceed를 도입하여 질소 분석 역량을 업그레이드하였으며, 이를 통해 옥수수 샘플의 분석 속도와 효율성을 향상시켰습니다.

Brookside Laboratories, Inc.는 지난 10년 동안 10개 이상의 Elementar 기기를 구입하였으며, 이를 통해 운영 규모를 확대하고 전 세계 고객들을 위한 더욱 높은 수준의 농업 분석 역량을 제공할 수 있게 되었습니다.

Avebe는 식품용 감자 단백질 생산에서 더 빠르고 쉽게 단백질을 측정하기 위해 Elementar의 rapid MAX N exceed를 사용했습니다.

다름슈타트 대학교의 PTW는 적층 제조의 비용 효율성과 효율성 향상을 위한 연구를 최적화하기 위해 Elementar 장비를 사용하고 있습니다.

CUP Laboratories는 사용자 친화적인 모듈식 설계 덕분에 수많은 효율성 이점을 달성하면서 GMP를 준수하는 방식으로 고품질의 CNHS 분석을 빠른 속도로 일관되게 제공할 수 있었습니다.

식물성 단백질 생산을 위해 질소와 단백질을 더 빠르고 효율적으로 정량화하기 위해 Elementar의 rapid N exceed를 사용한 식물성 식품

런던의 자연사 박물관은 암석, 토양, 광물 및 필름 분석에 Elementar의 vario EL cube 원소 분석기를 사용하고 있습니다.

계약 연구소 JM Lord, Inc.는 Elementar의 원소 분석기를 활용하여 농부들이 농작물 생산성을 향상시킬 수 있도록 지원하고 있습니다.

식물성 식품 제조업체인 Beyond Meat는 더 나은 제품을 만들기 위해 Elementar의 rapid MAX N exceed를 사용하고 있습니다.

Ferrara 대학교는 지구 맨틀에서 탄소의 심층 순환을 탐구하기 위해 IRMS 시스템과 결합된 TOC 분석기를 사용하고 있습니다.

위탁 분석 실험실인 Technisch Laboratorium Rotterdam (TLR)은 정기적인 위탁 분석을 수행하기 위해 Elementar의 vario EL cube와 rapid MAX N exceed를 사용하고 있습니다.