Documente Academic
Documente Profesional
Documente Cultură
discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/301225721
CITATIONS READS
0 649
3 authors:
Fernando Casanoves
Tropical Agricultural Research and Higher Ed
211 PUBLICATIONS 3,075 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Fernando Casanoves on 13 April 2016.
The user has requested enhancement of the downloaded file. All in-text references underlined in blue are added to the original document
and are linked to publications on ResearchGate, letting you access and read them immediately.
Anlisis sensorial
en InfoStat
Aplicaciones en caf
Julio A. Di Rienzo
Juan C. Suarez
Fernando Casanoves
INDICE DE CONTENIDOS
Introduccin ................................................................................................................................ 2
Caso 1: Ensayos para la calificacin de muestras dentro de un grupo pre seleccionado .......... 2
Caso 2: Ensayos para evaluar un gran nmero de muestras (screening) .................................. 2
Caso 3: Ensayos para para entrenamiento de nuevos jueces .................................................... 3
Introduccin
Las mismas muestras son evaluadas por un gran nmero de jueces. La catacin se
organiza en paneles en los que van cambiando los jueces. El objetivo de este diseo es
valorar un conjunto seleccionado de muestra en un nmero grande de catadores. Como
todas las muestras son evaluadas por todos los jueces de cada panel en una secuencia
usualmente aleatoria podemos asumir que todas las muestras recibieron un puntaje,
eventualmente condicionado a cada panel particular.Desde el punto de vista del diseo
de experimentos esta forma de realizar la evaluacin se asemeja a la de un diseo en
bloques completos, en el que todas las muestras son valoradas en varios paneles
(bloques).
Se pueden identificar dos subcasos a) El mismo nmero de jueces debe evaluar un gran
nmero de muestras y para ello se organizan paneles con un nmero manejable de
muestras. Aunque los jueces no cambian entre paneles, varios factores (condiciones
ambientales, saturacin de los sentidos del gusto y olfalto, la secuencia de las muestras
que se evalan, etc) pueden incidir sobre la forma en que los jueces evalan las
muestras en los distintos paneles. Este tipo de ensayos es lo que en diseo de
experimentos se conoce como bloques incompletos: ensayos en los que no pueden
evaluarse todas las muestras, sino una cantidad limitada de ellas en cada ocasin
(panel). Para que estos ensayos puedan ser valorados estadsticamente hay que asegurar
al menos la repeticin de un conjunto de muestras a travs de los paneles de manera tal
que los paneles queden conectados. Si por ejemplo quiseramos evaluar la muestas A,
2
Anlisis sensorial en InfoStat
Esta forma particular de organizar estos panles se conce como diseo en ltice y hay
distintas variantes para contemplar distinto nmero de muestras y nmero de catadores
por panel.
Puede haber distintas variantes, pero hecho distintivo es que en cada panel hay uno o
ms expertos que son la referencia contra la cual se evalan los jueces en
entrenamiento. En estos ensayos todos los integrantes de un panel evalan un nmero
predifinido de muestras. En la planificacin de estos ensayos deben incluirse muestras
con caractersticas contrastantes y contramuestras para evaluar tanto la capacidad
discriminante como la reproducibilidad. Si se utilizan varios paneles en los que se
cambian expertos y jueces, al menos debe existir conectividad entre los paneles a travs
de los expertos.
3
Anlisis sensorial en InfoStat
Fragancia
Sabor
Sabor residual
Acidez
Cuerpo
Balance
Uniformidad
Taza limpia
Dulzura
Puntaje del catador
Los atributos cualitativos son el sabor y el aroma y sus descriptores ms comunes en
caf son chocolate, malta, man, tostado, terroso, astringente, dulce, acido, amargo y
cuero para el sabor; y chocolate, malta, cereal tostados, man, tostado, terroso, dulce,
acido, cuero, hongos, picante y a carne para el aroma.
Debido a que en estos ensayos existe un diseo, hay que tener en cuenta todos los
factores que estan afectando la evaluacin de cada uno de los atributos. Estos son:
Panel: desde el punto de vista del diseo del experimento actua como un bloque,
que contempla el efecto de grupos de jueces, ya sea porque estos son distintos
entre los paneles o porque siendo los mismos los paneles se organizan en
distintas condiciones (das, lugares, formas de preparacin, secuencia en un
mismo da, etc.). Este efcto no es de inters particular, i.e. no interesa probar
hiptesis sobre el efecto del panel, por lo que puede ser considerado un efecto
aletorio;
Muestra: es el principal efecto objeto de comparacin y generalmente tiene
repeticiones para algunos de sus niveles que nos permiten evaluar la consistencia
de los jueces (contramuestras). El efecto muestra ser considerado a los fines de
modelacin como un efecto fijo;
Juez (catador): Es considerado, usualmente, como un efecto fijo.
4
Anlisis sensorial en InfoStat
muestra, en el j-simo juez, del k-simo panel, es la media general del atributo, M i
aleatorio del k-simo panel y ijk el trmino de error asociado a la observacin yijk . Por
asociados a cada observacin. Se supone, adems, que las variables aleatorias pk y ijk
El modelo anterior supone que no existe interaccin entre el juez y la muestra, aunque
esta podra estar presente si el conjunto de jueces no tiene suficiente experiencia y por
ende podran no ser consitentes en las calificaciones asignadas a las muestras evaluadas.
Requerimientos
Para que InfoStat pueda tener acceso a R, debe estar instalado en su sistema el
componente DCOM y R. Para ello consulte la ayuda en lnea (aqu) o utilice el enlace
que se encuenta en el men. Aplicaciones de InfoStat. La implementacin del anlisis
sensorial genera reportes en pdf a travez de la interpretacin de latex. Ello requiere que
en su computadora est instalado MiKTeX. La ultima versin para esta aplicacin de
distribucin libre pued encontrarla en http://miktex.org/download. Si esta aplicacin no
est instalada el procedimiento funcionar regularmente pero no producir el reporte en
pdf.
5
Anlisis sensorial en InfoStat
Figura 1).
Figura 1: Ventana con la invocacin del men Aplicaciones, submen Analisis sensorial.
6
Anlisis sensorial en InfoStat
Para cada uno de los atributos considerados la salida del software muestra una tabla de
sntesis de los ANOVAS, y posterioremente una tabla de comparacin de medias de
muestras y una tabla de comparacin de medias de jueces. Si se ha declarado la variable
que identifica a los expertos en el selector de variables (ID expertos), se brinda adems
una tabla con la distancia de cada nuevo juez respectos a cada catador experto. Todo
este procedimiento se realiza usando modelos mixtos, con efecto de Panel como
aleatorio (si hubiera panel) y de muestra y jueces como fijo. Las medias ajustadas
7
Anlisis sensorial en InfoStat
obtenidas por medio de este modelo para cada uno de lo atributos por cada juez son
usadas en un anlisis de componentes principales. Usando los centroides de los jueces
expertos en este nuevo espacio, se encuentra la distancia de cada nuevo juez a los
expertos en el espacio de los componentes principales. Estas distancias se promedian y
se obtienen los score de cada nuevo juez. Luego, se hace un ranking de los nuevos
jueces usando los scores obtenidos. El ranking usa como ponderadores los porcentajes
de variabilidad explicada por cada eje. Se consideran para el clculo del ranking todos
los componentes con autovalor mayor al promedio de los autovalores.
8
Anlisis sensorial en InfoStat
Los descriptores de uniformidad, taza limpia y dulzura obtuvieron para todas las
muestras evaluadas la clasificacin mxima de 10 puntos, por lo tanto estos descriptores
fueron constantes. Cuando InfoStat encuentra constantes en el mdulo de anlisis
sensorial estas son reportadas como tales en el informe, y no son usadas en los anlisis
univariados y multivariados que se aplican para obtener los resultados. En este ejemplo,
el catador denominado AG, no evalu la muestra 2, por lo que en su perfil de registro
solo se ven celdas vacias, que son interpretadas por el software como datos faltantes.
Debido a algunas de las tcnicas multivariadas usadas para el anlisis requiren una
matriz de datos completa, estos casos son estimados por el modelo tenindo en cuenta el
comportamiento del catadores a travs de todas la muestars que evaluaron.
9
Anlisis sensorial en InfoStat
Figura 4: Ventana de seleccin de variables con los datos del archivo Pitalito.IDB2.
10
Anlisis sensorial en InfoStat
Fragancia.aroma
sabor
sabor.residual
acidez
cuerpo
11
Anlisis sensorial en InfoStat
balance
puntaje.de.catador
puntaje.total
Fragancia.aroma
sabor
sabor.residual
12
Anlisis sensorial en InfoStat
acidez
cuerpo
balance
puntaje.de.catador
puntaje.total
13
Anlisis sensorial en InfoStat
14
Anlisis sensorial en InfoStat
15
Anlisis sensorial en InfoStat
16
Anlisis sensorial en InfoStat
17
Anlisis sensorial en InfoStat
18
Anlisis sensorial en InfoStat
19
Anlisis sensorial en InfoStat
El reporte indica que los atributos uniformidad, taza limpia y dulzura fueron constantes
para este conjunto de muestas evaluados por estos jueves. A partir de la tabla de valores
de probabilidad para efectos de muestra podemos decir que las muestras difirieron (al
menos un par difiere) para Fragancia.aroma (P=0.0031), sabor (P=0.0310),
sabor.residual (P=0.0136), puntaje de catador (P=0.0445), y puntaje.total (P=0.0024).
No se encontraron evidencias para rechazar la hipoteses de igualdad de medias para
acidez (P=0.1634), cuerpo (P=0.7170) y balance (P=0.1362).
La muestra 3 fue encontrada como la mejor entre todos los atributos, aunque la muestra
4 tambien tuvo una buena calificacin, incluso supero a la muestra 3 en el ranking de
sabor, aunque no difiri significativamente de esta.
Los catadores AG y CG dieron puntajes mayores en promedio que los otros catadores
para todos los descriptores que mostraron diferencias.
El biplot del analisis de componentes principales (Figura 1 del reporte) muestra que AG
y CG fueron jueces que dieron mayo valor a todos los atributos excepto cuerpo y
balance. El curpo esta correlacionado negativamente con la acidez y el puntaje total es
independiente de la acidez. Los catadores MJ y JC que dieron menor puntaje que los
otros dos, calificaron mas bajo que el resto a la acides, sabor residual y sabor.
Ahora usaremos la base de datos Pitalito.IDB2 con las mismas especificaciones que
antes pero declarando adems la variable que identifica a los expertos (Figura 5). Esta
variable debe ser binaria, i.e. solo ceros y unos, y el uno indica que el juez es experto y
el 0 que no lo es. En este ejemplo el juez experto es el denominado AG.
20
Anlisis sensorial en InfoStat
Figura 5: Ventana de seleccin de variables con los datos del archivo Pitalito.IDB2.
Al declarar que uno de los jueces es experto, adems de los datos del reporte presentado
y analizado anterirrmente, se mostrar una tabla como la siguiente (Figura 6)
Figura 6: Reporte del ordenamiento de los jueces respecto a los jueces expertos para los datos del
archivo Pitalito.IDB2.
Se puede ver que el catador MJ fue el que mas cerca estuvo del experto (AG). El
catador con peor desempeo respecto al experto fue JC.
21
Anlisis sensorial en InfoStat
Referencias
Banegas Romero K.Y. 2009. Identificacin de las fuentes de variacin que tienen efecto
sobre la calidad de caf (Coffea arabica) en los municipios de El Paraso, y
Alauca, Honduras. Tesis Maestra en Agroforestera Tropical, Centro
Agronmico de Investigacin y Enseanza (CATIE), CR.
Bates D, Maechler M., Bolker B. and Walker S. (2013). lme4: Linear mixed-effects
models using Eigen and S4. R package version 1.0-5. http://CRAN.R-
project.org/package=lme4
Francois Husson, Julie Josse, Sebastien Le and Jeremy Mazet (2013). FactoMineR:
Mul-tivariate Exploratory Data Analysis and Data Mining with R. R
package version 1.25. http://CRAN.R-project.org/package=FactoMineR
Littell R., Milliken G., Stroup W., Wolfinger R., Schabenberger O. 2006. SAS for
Mixed Models. Second Ed., SAS Institute, Cary, NC.
SCAA Protocols. 2009. Cupping Specialty Coffee. Published by the Specialty Coffee
Association of America (SCAA). 7p.
22