On characterization of sensory data in presence of missing values:: The case of sensory coffee quality assessment
-
Andrés F. Ochoa-Muñoz [1] ; Jefferson A. Peña-Torres [2] ; Cristian E. García-Bermúdez [1] ; Kevin F. Mosquera-Muñoz [2] ; Jeison Mesa-Diez [2]
-
[1] Universidad de Valparaíso
Universidad de Valparaíso
Valparaíso, Chile
-
[2] Universidad del Valle (Colombia)
Universidad del Valle (Colombia)
Colombia
-
- Localización: Ingeniare: Revista Chilena de Ingeniería, ISSN-e 0718-3305, ISSN 0718-3291, Vol. 30, Nº. 3, 2022, págs. 564-573
- Idioma: inglés
- Títulos paralelos:
- Sobre la caracterización de datos sensoriales en presencia de valores perdidos:: El caso de la evaluación sensorial calidad del café
- Enlaces
-
Resumen
- español
Se utilizó un análisis factorial múltiple para examinar las evaluaciones organolépticas del café como aroma, sabor residual, sabor, acidez, balance, cuerpo, uniformidad, dulzura, limpieza de taza, entre otras propiedades organolépticas. Utilizando escenarios de valores faltantes (NA) con 5%, 10%, 20% y 30% de NA, se realizó el análisis sensorial. Los resultados sugieren que RI-MFA es robusto a la presencia de NA y parece ser apropiado cuando están presentes los datos sensoriales. Los escenarios de simulación que eliminan o reemplazan valores de conjuntos de datos del mundo real pueden ser una buena estrategia; diferentes dominios, muestras, tipos de variables y distribuciones podrían estar mucho más cerca de la realidad.
- English
Multiple factor analysis was used to examine organoleptic coffee assessments such as aroma, aftertaste, flavor, acidity, balance, body, uniformity, sweetness, clean cup, and other organoleptic-related properties used in Coffee Quality Assessment. The Sensory analysis was performed using missing values (NA) scenarios with 5%, 10%, 20%, and 30% of NA. The results suggest that RI-MFA is robust to NA presence of and appears to be appropriate when sensory data are present. Simulation scenarios deleting or replacing values from real-world datasets could be a good strategy; different domains, samples, types of variables, and distributions could prove much closer to reality.
- español
