XLSTATによる実際のアプリケーション: コーヒーの官能評価

BANNER-ALCHIMISTE.png

目を覚まして目の前の仕事に集中するためだけにコーヒーを飲む人もいますが、他の人にとっては、おいしいと評価されるべき製品であり、幅広い味、質感、感情を提供します。

弊社のオフィスでコーヒー・テイスティングの紹介セッションに参加する機会がありました。

私たちは彼らに挑戦を課しました:コーヒーを味わう方法と、異なる微妙さを最大限に感じる方法を私たちに教えてください。まず始めに、最初の紹介セッションとそれに続く官能分析セッションを開きました。唯一の目的は、社内のパネル品質を評価することです。

この官能分析は推論的思考を導くことを目的としたものではありません。我々の場合、Addinsoftチームの20人のパネルのみを分析します。このパネルは非常に特定された母集団を代表しており、結論を推定することはしませんが、初心者によるコーヒーの試飲についていくつかの仮説を立てることはできます。


テイスティング

4種類のコーヒー分析のために選ばれました。

アイデアはこれらのコーヒーが広い感覚のスペクトルをカバーするべきであるということで、したがって、初心者が容易に製品を見分けられるようにすることと、アンケートに答えるうえで様々な語彙を提供することでした。これら4つのコーヒーは、逐次モナド手順(製品が次々に味見される)を使用してXLSTATによって計算された最適なローテーションで、20人のパネリストによって味見されました。味がされた。

このアプローチは、各コーヒーがローテーションの1、2、3、4番目の位置で同じ回数味見されることを確実にします。したがって、将来の分析のためにこの効果のコントロールを生成します。 

セッションは2つの部分に分かれていました:最初のそれは”ドライ”テイスティングで、挽きたてのコーヒーの香りで構成され、続いて準備されたコーヒーの伝統的なテイスティングで構成されましたがすることで構成されたコーヒーのより伝統的なテイスティングで構成されていました。各製品が匿名のままであることを確かにするために、製品は3桁のコードを使用してパネルに提示されました。

 

製品

  • 360, Kokosa :

エチオピアの Sidama 地域産の洗ったコーヒー。アプリコットとレモンの香りがするフルーティーで複雑なコーヒー。

  • 511, Qararo :

エチオピアの Guji 地域産の洗っていないコーヒー。マンゴーとダーク・チョコレートの香りのフルーティーなコーヒー。

  • 740, Linda :

Minas gerais 地域産のブラジル・コーヒー。 ヘーゼルナッツの香りのするフル・ボディ・コーヒー。

  • 185, Ayutepeque :

ココアとブラックベリーの香りのするエル・サルバドル産のコーヒー。

 

アンケート

アンケートは短いです: 紹介セッションの際にわずかのディスクリプタが使用されました。

アンケートから2種類のデータを収集しました: ディスクリプタについての4点リッカート尺度に基づくマーク、およびテイスティングの際にパネリストが感じたことを自由回答形式で簡単に表現するように依頼する質問からのテキスト・ベース・データ。

 

データ分析

1. ANOVA

まずパネル・アセスメントのための伝統的な手順から始めましょう。我々がそれを繰り返し評価できなくても(データは単一セッションの結果)、製品間を有意に区別できるかどうかを評価できます。

我々は、次のモデルを用いて、各ディスクリプタについて別々のANOVAからなるパネル分析を実行しました:

ディスクリプタ = µ + 製品 + パネリスト

パネリスト効果は、この分析の目的のためにランダム要素とみなされました。

特に興味深いのは、各ディスクリプタのそれぞれのANOVAに対する製品効果のp値です。このp値が5%より下であれば、パネリストはそのディスクリプタを用いて、製品間を有意に区別したとみなすことができることを意味します。

          

Product effect for each descriptor (p-values)

我々の内部パネルは、熱意溢れるのですが、トレーニングが不足していることが観察できます。製品間の重要な区別は、2つのディスクリプタに基づいてのみ行われました:豆の香りの強さ(アロマ)および酸味の強さ(味)。

ボディ(コク)、味覚の長さおよび苦味は、我々がそれぞれ異なる方法で解釈するディスクリプタです。したがって、他の人にコーヒーを説明または推奨するときは、これらの用語を避けることが最善です。

それでも、挽いたコーヒーの香りの強さについて、非常に低い製品効果のp値が観察されます。常に低いので、下の図ではほとんど表現できません。この最初の観察は興味深い点を強調しています: トレーニングがまったくないか、ほとんどないパネルは、味よりも匂いによってコーヒーを区別できるように思われます。

2. 主成分分析

我々のデータセットはちょっと問題にぶつかります... 5個のディスクリプタのうちの3個が、製品間の有意な区別を可能にしませんでした。

しかしながら、我々は興味を持って、この官能分析のための感覚的表現を見たいです。 それを可視化するために、我々は個々に示すようにPCA、バイプロットを実行しました:

この官能表現での製品の分布には、ある一定のロジックがあるようです。ブートストラップ信頼楕円がプロットされ、我々の結論を穏やかにすることができます。

Kokosaは、より低い嗅覚強度により、他からとても異なると認識されたコーヒーです。我々は、他のディスクリプタの観点から、それを平均的な製品とみなすことができます。

他の3つの製品は、第1因子軸に沿って分布しています。Qararoはより酸味があり、より長い味覚で、より苦くより深いコク(ボディ)のあるLinda や Ayutepequeとは反対です。製品説明では、Lindaはフル・ボディのコーヒーと説明さていましたので、我々は正しい方向に進んでいます。

注意: 香りの嗅覚強度は、ほとんど第2次元と混同されています。それは製品間の区別の観点で最も有意なディスクリプタであり、それがデータセットの全体変動のほぼ20 %を表現する理由です。

3. ワード・クラウド

全体的に、我々はこれらの異なるコーヒーの微妙な部分のいくつかを知覚することができるようです。テイスティング中に、我々はテキスト形式の自由な表現で、コーヒーに関するパネリストの意見も収集しました。そして、どのワードが最もよく使われたかを見るために、コーヒーごとに1個のワード・クラウドを作成しました(最も多く発生しているワードでも、20人のパネリストで4、5回リストされただけなので、これらのワード・クラウドは注意して解釈するべきです)。

Nuage de mots

各コーヒーで、製品説明で使用されている用語が少なくとも1語見つかります(Ayutepequeでのchocolate、Kokosaでのfruity、Qararoでのfloralsweet、Lindaでのhazelnut)。こんな少人数の経験の浅いパネルで、この一貫性を見つけるのは驚くべきことです。

 

結論

提供された官能ディスクリプタを用いて製品間を区別する我々の能力にも関わらず、我々はこれらの製品のさまざまな繊細さを知覚することができました。そして、それは誰もがさまざまな香りと味を味わい、楽しむことができることを示しています。  

我々の次のテイスティングのために、我々はこれらのディスクリプタでさらにトレーニングを積むか、製品間をより明瞭に区別したいなら、新しいディスクリプタを見つけて選択する必要があります。コーヒーショップでは、挽いたコーヒーの匂いを嗅いでもらい、各製品間の違いをよりよく理解できるようにすることは、人々を招き入れることに効果がります。

誰もがコーヒーの繊細さを理解することができます、それは単に開始の問題です!

 

Conduct a sensory analysis with XLSTAT