[1] Ledauphin S., Hanafi M. & Qannari E.M.(2004)
"Simplification and signification of principal components",
Chemometrics and Intelligent Laboratory Systems, 74, pp. 277-281.
[2] Ledauphin S., Vigneau E. & Causeur D.(2005) "Functional
Approach for the analysis of Time Intensity curves", Journal of Sensory
Studies, 20, pp 285-300.
[3] Ledauphin S., Hanafi M. & Qannari E.M.(2006) "Assessment of
the agreement among the subjects in fixed vocabulary profiling", Food
Quality and Preference, 17(3-4), pp 277-280.
[4] Ledauphin S., Vigneau E. & Qannari E.M.(2006) "A procedure
for the analysis of time intensity curves", Food Quality and
Preference, 17(3-4), pp 290-295.
[5] Le S. & Ledauphin S.(2006) "You like tomato, I like tomato:
Segmentation of consumers with missing values&", Food Quality
and Preference, 17(3-4), pp 228-233.
[6] Ledauphin S., Pommeret D. & Qannari E.M.(2006) "A Markovian
model to assess products shelf-lives", Food Quality and Preference,
17(7-8), pp 598-603.
[7] Ledauphin S., Pommeret D. & Qannari E.M.(2008) "Hidden
Markov Model to assess products shelf-lives”, Food Quality
and Preference, 19(2), pp 156-161.
[8] Ledauphin S., Hanafi M. & Qannari E.M.(2006)
"Détermination et validation d'un tableau compromis en
profil sensoriel conventionnel", RSA, LIV (1), pp 47-60.
[9] Ledauphin S., Pommeret D. & Qannari E.M.(2007) "Application
des chaînes de Markov pour le suivi de la
dégradation de produits alimentaires", Journal de la
Société Française de Statistique,
148(3), pp 87-101.
Stéphanie Ledauphin,
Analyse statistique d’évaluations sensorielles au
cours du temps ,
thèse de l'Université
de Nantes en Mathématiques appliquées.
Thèse
réalisée sous la direction de
Philippe Carmona et El Mostafa
Qannari,
rapportée par Philippe Besse, Bernadette Govaerts et Georges
Oppenheim
soutenue le 23 mars 2007 devant le jury
composé de Philippe Besse, Philippe Carmona, Bernadette
Govaerts, Georges Oppenheim, Denys
Pommeret (Président), Pascal Schlich et El Mostafa Qannari.
Domaine : Statistiques appliquées.
Thèmes : Analyse sensorielle, Analyse
fonctionnelle, Chaînes de Markov
Mots clés :
Analyse sensorielle, temps-intensité, analyse fonctionnelle,
B-splines,
alignement, COW, DTW, chaînes de Markov, tests statistiques,
indicateurs de performance, tests de permutation, tableau compromis.
Résumé :
Dans les industries agro-alimentaires ainsi que dans d’autres
secteurs d’activités,
l’analyse des caractéristiques sensorielles des
produits est la clé pour répondre aux attentes
des consommateurs. L’analyse sensorielle des produits est le
plus souvent basée sur l’établissement
de profils sensoriels à partir de notes
attribuées par des juges entraînés
selon une liste de descripteurs (variables sensorielles). Comme cette
épreuve est à vocation analytique, il importe
d’étudier la performance des juges et
d’en tenir compte dans l’établissement
des profils sensoriels des produits. Dans cette perspective, nous
proposons une démarche pour déterminer un tableau
moyen robuste en ce sens que les juges marginaux ont un poids faible
dans le calcul de ce tableau. La démarche permet
également de procurer des indicateurs de performance du jury
et de chacun des juges.
Bien que très utilisée en pratique,
l’épreuve de profil sensoriel présente
certaines limites. En effet, les notes attribuées par des
juges correspondent à un résumé de
l’intensité perçue au cours de
l’évaluation du produit et de ce fait, ne rendent
pas compte de la dynamique des perceptions. Depuis une vingtaine
d’années, les courbes temps-intensité
(TI) qui permettent de décrire
l’évolution d’une sensation au cours de
l’expérience, sont de plus en plus populaires
parmi les praticiens de l’analyse sensorielle. Les
méthodes de traitement de ces courbes sont très
variées. La difficulté majeure pour
l’analyse de telles courbes provient d’un effet
juge important qui se traduit par la présence
d’une signature propre à chaque juge. A
l’heure actuelle, il n’existe pas de
méthode établie pour l’étude
des courbes temps-intensité. Nous proposons ici une approche
fonctionnelle basée sur les fonctions B-splines.
L’originalité de notre démarche tient
dans la réduction de l’effet juge en utilisant une
procédure d’alignement de courbes.
D’autres données sensorielles au cours du temps
existent telles que le suivi de la dégradation
organoleptique de produits alimentaires. Nous proposons, pour
l’analyse de ces données, la
modélisation par des chaînes de Markov ou
chaînes de Markov cachées, de manière
à pouvoir ensuite observer graphiquement la suivi de la
dégradation.
Keywords :
Sensory evaluation, Time-Intensity, B-splines functions, alignment,
COW, DTW, performance, permutation tests, weighted average
configuration, Markov chains, shelf life of a product.
Abstract: :
Sensory analysis of food products is most often based on scores given
by panellists according to a list of descriptors that characterize the
products. A statistical method for analyzing sensory profiling data
obtained by means of fixed vocabulary is discussed. It consists in a
procedure for weighted averaging the data sets associated with the
assessors taking account of the extent to which these assessors agree
with the general point of view. The method of analysis also provides an
overall index of the performance of the panel and performance indices
associated with the various assessors.
In conventional sensory profiling, the evaluation focuses on an overall
assessment and does not reflect the dynamic process of the sensory
perception in the course of time. This is the reason why Time Intensity
(TI) curves are becoming more and more popular notwithstanding the poor
performance of the assessors and the tricky statistical issues these
curves pose. In particular, a common feature of the TI curves is that
each assessor tends to generate a characteristic shape, called
’subject signature’. The functional approach
adopted herein is specifically based on the identification and the
correction of the ’signature’ effect of the
assessors by adjusting the individual curves. The cornerstones of the
method are the use of the projection upon a B-spline basis and
alignment procedures.
Other sensory analysis over time exist such as the study of the decay
of organoleptic perception of the products. We propose to use Markov
chains and Hidden Markov chains to model this decay and focus on the
graphical comparison of the evolution of several products.