記述型の官能評価／製品開発におけるQDA法の活用

(1)

セミナー室

^{食品の官能評価法-4}

今村美穂

キッコーマン株式会社研究開発本部

官能評価における記述分析法の位置づけ

メーカーが新しい商品を開発するときには，市場に存在する競合品の品質を把握し，どのような品質が消費者に好まれているのかを明らかにすることが重要となる．

これらが不十分だと，事業的意図もなく既存製品と類似した商品を市場に投入したり，消費者の期待とは異なる製品を誤って販売する危険性がある．また，商品開発後，自社製品の品質を十分に理解していれば，営業やプロモーションで自社製品をPRする際や，リニューアルなどにおいて一層の差別化を図る際にも有効である．本稿では，製品が有する品質の把握に有用な記述分析法について紹介する．

山口氏が本シリーズ第1号で述べたように，官能評価とは人の五感（視覚，聴覚，嗅覚，味覚，触覚）に頼って物の特性や人の感覚そのものを測定する方法であり^（1），特に物（サンプル）の好き嫌いやどんな人に好まれるかなど，人の主観的な価値に基づく評価を「嗜好型」，これを除くサンプルの客観的な評価を目的とするものを「分析型」と呼ぶ^（2）（図

1

_）_{．また，分析型のなか} でも総合的な違いの有無や官能評価の運営者が決めた任意の特徴（character）や特性（attribute，定義づけされた特徴）の違いを評価する方法を「識別型」，パネリスト（官能評価を行う人）自身にサンプルから感じられる香りや味などの特徴をすべて記述させ，それらについて

強度評価を行う方法を「記述型」という^（3）．この記述型官能評価では，サンプルに対するパネリストの知覚情報が得られるだけでなく，これらの情報をマーケティングデータや機器分析データなどと紐づけることにより，開発に重要な知見を導出することが可能となる^（3）．

記述型の官能評価手法

現在，広く認知されている記述型官能評価手法はパネル（官能評価を行う人の集団）の専門性やその歴史によって大きく3つに分類される（図

2

_）_{．なお，ここで意} 味するパネルの専門性はサンプルに関する知識の豊富さや技術の高さではなく，官能評価パネルとしての専門性

図1^■官能評価の種類

(2)

（検出力，表現力，強度評価能力，再現性など）を指す．

サンプルに関する専門性が高い人（製造や開発の担当者など）をパネルとして用いる場合，その技術的バックグラウンドによって，慣れ親しんだ香りや味の特徴が見落とされたり，原料不良や工程不備で生じやすい香りなどを良いか悪いかで評価し，結果の客観性が損なわれる恐れがある．そのため，客観的なデータが必要な場合には，一般消費者や製造開発部門以外の社員のなかからパネルを選ぶことが推奨されている（フレーバープロファイルでは例外的にサンプルに関する専門性が高い人がパネルとなる）．3つのタイプを以下に説明する．

Conventional Type：パネルの選抜と訓練を必要とし，パネリスト全員が共有できるサンプルの特性を対象に強度評価を行う手法を指す．Flavor Proﬁle^（4）, Tex- ture Profile^（5）, Quantitative Descriptive Analysis^（6）

（QDA法：定量的記述分析法）および Spectrum Meth- od^（7, 8）が Conventional Type に含まれる．

Consumer Friendly Type：訓練をしていない消費者を対象に，個々のパネリストが感じる特徴を個人の感性で表現・数値化する手法を指す．Repertory Grid Meth- od^（9）とFree-Choice Proﬁling Method^（10）などがこのタイプに属する．データの解析には，プロクラステス分析^（11）などの多変量解析手法を用い，各パネリストの評価を集約するが，それぞれが示す言葉の意味を定義していないため，集約されたデータ間の関連性を確認することは難しい．

Latest Type：ここ10年以内に開発された手法を指し，Check-All-That-Apply （CATA）^（12）, Temporal Dominant Sensation （TDS）^（13）が該当する．CATA；

一般にConventional Typeの官能評価は，信頼性の高い

情報が数多く得られる反面，パネルの選抜や訓練において多大な労力を必要とする．この問題を解消するために開発された手法がCATAである．CATAでは訓練をしていない一般消費者でも評価を行うことが可能であり，

特性の強度ではなく，その特性の有無（感じるか感じないかのいずれか）によりサンプルを評価する．TDS；

特性の強度に加えて，特性の経時的な変化の計測を目的とした手法である．従来の官能評価法では，サンプルが有する特徴のうち，特性やその強度が注目されてきたが，実際の食事においては，特性の時間的な変化や特性同士のバランス，ハーモニーも美味しさを決めるうえで重要となる．TDSは古典的な官能評価から一歩踏み出し，サンプルの時間的な特徴についても明らかにしようとする官能評価の手法である．なお，サンプルの時間的な特徴を測る方法としては，1986年にTime Intensity 法が提案されたが，本手法では1つあるいは2つの特性に限られていた^{（14, 15）}．それに対してTDSは上限10個の特性の経時的な変化を同時に測ることが可能で，まさにサンプルの特徴を描写するための手法と言える．

なお，上述した手法のうち Consumer Friendly Type の手法は科学的というよりは，消費者調査やマーケティング的な要素が強い官能評価手法である．また，Latest Typeは新たなニーズに対応するために開発されつつある手法と言える．本特集では科学的な研究や開発に広く用いられる官能評価手法の紹介を目的とするため，

Conventional Typeの評価，特にQDA法について以下，

詳細に解説する．

QDA法の特徴

QDA法を含むConventional Typeの記述分析法の特徴を表

1

に示す．QDA法はほかの記述分析法と比較すると，10 〜12人のトレーニングされたパネリストを用いる点，パネルリーダー（パネルを管理し，評価をコントロールする人）がパネルとして評価に参加しない点，

両端にアンカーのついた線尺度を使って強度評価を行う点などが特徴である^（3, 16）．さらにFlavor ProﬁleやTex- ture Proﬁleでは，特性の強度をパネリスト全員の一致をもって評価するのに対し，QDA法ではパネリスト一人一人が個別に強度評価を行うため，サンプル間の有意差検定を特性ごとに行うことが可能である．これらの特徴から，QDA法は開発から約40年経過した今でも既存の官能評価手法のなかで得られる情報量が最も多い手法，と考えられている．

ところで，人の感度はすべての商品カテゴリーにおい図2^■記述型の代表的な官能評価手法

TDSはサンプルの特徴を「網羅的」に評価するという点においては，記述分析の要件を満たさないが，パネリスト自身が評価を行う特性を決める，という点において記述分析の要件を満たす．

(3)

て一様ではないため，官能評価においては，評価対象と同じ，あるいは周辺のカテゴリーに対する感度が保証されたパネルを用いることが一般的に推奨されており，

QDA法においても用途に応じたパネルの選抜と訓練を行う．しかしながらSpectrum Methodは，すべてのカテゴリーを対象にQDA法と同質のデータを得ることを目的とするため，パネルの選抜や訓練に多大な労力を要する^（3）．その結果，Spectrum Methodはあまり実用的な手法とは認識されていない一方で，QDA法は海外を中心に汎用されている．

QDA法の進め方

QDA法の手順を表

2

に示した．QDA法では，2 〜 30 個のサンプルを一度に評価することが可能である^（16）．そこで，評価対象となるサンプルが決まったら，パネルリーダーは違いが大きいと思われるものから順に2つずつ対にしてパネリストに提示し，サンプルから感じる香りや味などの特徴をできるだけ具体的な言葉として描写させる（Step1. 言葉だし）．なお，この言葉だしは評価対象とするサンプル群の特徴を言葉として網羅的に抽出することが目的である．そのため，いくつかのサンプルを代表とすることでサンプル群の特徴をすべて書き出すことができれば，必ずしもすべてのサンプルを用いて言葉だしを行う必要はない．次に，パネルリーダーは個々のパネリストが出した言葉の意味をパネリスト間で確認させ，言葉を集約させる（Step2. 話し合い）．この

話し合いにおいて，同じ言葉でも異なる特徴を指すものは別々の表現に置き換えられる必要があるし（甘いにおい→バニラのにおい，チョコレートのにおい），また逆に，異なる言葉であっても同じ特徴を指すものは，1つの表現にまとめる必要がある（ミルキーな香り，牛乳っぽいにおい→牛乳の香り）．つまり，この「話し合い」

の目的は言葉とその意味を1対1で対応づけることにある．言葉の集約が終了したら，次にパネリスト間で共有できる特徴を，数値化の対象となる「特性表現用語」として採用する（Step3. 特性表現用語の決定）．ところで，QDA法では以上が定性的な評価であり，このように慎重な作業を経てサンプルを評価するための「特性」

を決定した後，ようやく次の特性の定量化に進む．定量化では，まず，言葉だしに使ったサンプルだけでなく実際に評価を行ういくつかのサンプルを対象に強度評価の練習を行う（Step4. 試し評価）．また試し評価の結果，

パネリスト間で数値のばらつきが見られた特性については，定義の確認や評価尺度の擦り合わせを行う（Step5.

キャリブレーション）．キャリブレーションでは，パネリストに特性や尺度に対する定義（イメージ）を共有させるだけでなく，評価の指標となるモノ（リファレンス）を提示することにより，定義や尺度に対する認識を一致させる．なお，このリファレンスはStep2の「話し合い」の段階でも用いることがある．そして，「試し評価」と「キャリブレーション」を繰り返すことにより，パネルの評価精度が目的のレベルに達したと判断したら，すべてのサンプルを対象に線尺度を用いて特性を表1^■代表的な記述分析法の特徴^（3, 15）

分析法パネル

・パネルの数

・パネルリーダー尺度特徴

Flavor Proﬁle ・4人以上

・パネリストとして評価に参加する

カテゴリー尺度（7 point）・個々の特性のほかに，香りや味の全体的な強度も評価する

・全員のコンセンサスを経て，特性の強度を決める

Texture Proﬁle ・6 〜10人

カテゴリー尺度（5, 7, 8, 9

point）・食感のみ評価を行う

・全員のコンセンサスを経て，特性の強度を決める

QDA ・10 〜 12人（8 〜 15人の場合もある）

・評価に参加しない

両端（1/2-in, 1.5 cm）にアンカーのついた線尺度（6-in, 15 cm）

・パネリストは個別に強度を評価する

・強度評価では，少なくとも3回以上の繰り返しが要求される

Spectrum Method ・12 〜15人

10, 15 cmの線尺度・Flavor ProﬁleとTexture Proﬁleを融合させた評価方法である

・すべてのカテゴリーのサンプルの評価を可能とする

・トレーニングの期間が非常に長い（3 〜 4 months/modality）

(4)

定量化する（Step6. 本評価）．この線尺度から得られる定量的なデータは，成分分析や生体試験のデータと同じような数値データとして扱うことが可能であり，検定や多重比較法などサンプル間の比較や主成分分析のような多変量解析などさまざまな統計処理を適用することができる^（2）（Step7. データ解析）．QDA法のデータ解析によく用いられる統計解析手法^（17）とその目的を表

3

_に示す^（17）．

以上のようなQDA法の作業は，少し煩雑に思えるかもしれない．しかしながらGCやLCなどの分析機器を使う方であれば，QDA法の手順（Step0 〜7）を次のように機器分析の手順に当てはめることにより，各作業が理解しやすくなるのではないかと思う．『Step0：分析の目的に合う機器を準備する，Step1：サンプルを機器に導入してピークを確認する，Step2：ピークの分離条件を最適化する，Step3：測定対象とする成分（ピーク）

を決める，Step 4，Step5：分析条件のチューニング

（Step2のさらなる最適化）や定量のための検量線を作

成する，Step6：成分やピークを定量する，Step7：データ解析』．言い換えるとQDA法では機器分析と同様の手順を踏むことにより，機器分析と同じような精度や信頼性の高いデータを得ることができる．

QDA法の活用事例（蕎麦つゆ）

蕎麦つゆを例に，QDA法の活用例を紹介する^{（18, 19）}．この試験では12名のしょうゆ周辺調味料専門QDAパネル^（20）を対象に，19種類の蕎麦つゆの官能的な特徴を詳細に洗いだした．なお，試験に用いた蕎麦つゆは市販品ではなく，原料となるしょうゆのみを変えて調製したものである．蕎麦つゆは，しょうゆとみりん，砂糖を加え，加熱してかえしを作り，だし（5%のカツオだし）

で希釈することにより調製した．なお，19種類のサンプルを対象とした言葉だしは大変な手間がかかると想定されたため，前述したように特徴的ないくつかのサンプルを代表として言葉だしを行うことを試みた．具体的に表2^■QDA法の手順

Step 作業内容／目的（備考）

0 パネルを集める本シリーズ第2号^（2）およびASTM^（15）参照．

1 言葉だしサンプルから感じられる香りや味の特徴を「言葉」として書きだす（個人作業）．

2 話し合い Step1の「言葉」の示す特徴をパネリスト間で共有する．香りや味の特徴と「言葉」（表現）を1対 1で対応させる．

3 特性表現用語の決定 Step2の言葉の中から，パネリストが共有し，評価が可能であるものを特性表現用語とし，数値化の対象とする．

4 試し評価評価対象となるいくつかのサンプルを用いて，数値化の練習を行う．

5 キャリブレーション Step4でパネリストの評価がばらついた特性を対象に定義の再確認や強度の補正を行う．

6 本評価評価対象となるすべてのサンプルを対象に数値化を行う（最低3回以上繰り返し評価をする）． 7 データ解析通常の数値データと同様のデータ解析が可能である．

表3^■QDA法のデータ解析に用いられる統計解析手法^（17）と目的

目的手法備考

サンプルを比較する検定（2サンプル）

ANOVA，多重比較法

（3サンプル以上）

特性の強弱の違いに意味があるかどうか，を統計的に判断する

似たサンプルをまとめるクラスター分析特性の強弱に基づき，似たサンプルを群（クラスター）にまとめるサンプル（群）の特徴を見

いだす判別分析複数のサンプルで構成されるサンプル群を対象に，それらのグループ

を特徴づける（見分ける）ために重要な特性を見いだす結果（サンプル／特性）

の全体像を把握する主成分分析 QDAで得られる多特性（多次元）データを少数の因子に集約し，全体としての特徴の把握を助ける

特性の関連性を確認する相関分析（2特性）

クラスター分析（多特性） 2つ以上の特性を対象に，特性同士の関係性を明らかにし，データの解釈に役立てる

パネルの特性に対する認

識の一致度を確認するプロクラステス分析^（11）各特性についてパネリストがどのサンプルを強く（弱く）評価しているかを明らかにすることにより，パネル全体の評価の一致度を測る

(5)

は，予備試験として19種類の蕎麦つゆを試作し，担当者で味見を行ったところ，5種類の蕎麦つゆを言葉だしに用いることで，すべての蕎麦つゆの特徴を網羅的に抽出することが可能であると期待された．そこで，この5 種類の蕎麦つゆを用いて言葉だしを行った．言葉だしでは，100近くの言葉がパネルから抽出された．ついで各言葉の定義について話し合いを行ったところ，これらの言葉は47種の表現に集約された．そして，47種のうちパネリスト9名以上の（全体の2/3）のコンセンサスが得られた33種の用語を特性表現用語として採用した

（図

3

_）．QDA法では，蕎麦つゆの特性として一般的に思い浮かぶような「しょうゆの香り」や「塩味」，「旨味」のほか，「たばこの灰の臭い」や「青臭い」「さきいか風味」のように蕎麦つゆとしてはあまり耳慣れない特性も検出された．また，QDAパネルは蕎麦つゆのだしの香りや風味についてカツオ節や昆布，雑節に分けて認識できることも明らかとなった．そして，これら 33種の特性を対象に19種類のサンプルを3回ずつ数値化した．つまり一人当たり1881回（33特性×19種類×

3回繰り返し＝1881回）という膨大な評価作業を経ることによって，サンプルごとに各特性の強度データを得た．

この蕎麦つゆの官能評価データを主成分分析した結果を図

4

_{に示す．}図4には，PC1とPC2の寄与率から，

QDAで得られた全データの60.6% （47.2%＋13.4%＝

60.6%）の情報がこの図に反映されている．また，各特性の因子負荷量からPC1の正方向は「しょうゆ風味」，

「コク」，「香ばしい風味」を，PC1の負方向は「タバコの灰の臭い」，「さきいか風味」，「ベタっとした食感」

を，PC2の正方向は「生臭い」を，PC2の負方向は「カ

ツオだしの香り」，「昆布だし風味」，「カツオ節風味」を示すと解釈できる．つまり，①のエリアにある蕎麦つゆはしょうゆが効いた関東風の品質，②のエリアにある蕎麦つゆはだしが効いた関西風の品質を有することがわかる．また，①のような品質の蕎麦つゆのなかでも特に注目する特性がある場合（たとえば，「コク」や「しょうゆ風味」など）には，生データに戻り，特性ごとに詳細を検討する．なお，今回は1つの原材料の違いに着目したが，このような試験は複数の原材料の組み合わせ効果や製造工程の違いに対して行うことも可能である^（21）．つまり，QDA法を用いてサンプルの詳細な特徴を明らかにすることにより，お客様のニーズに合う製品を作るためのヒントが得られる．もちろん，QDA法では試作品だけでなく既製品を対象に行うことも可能であり^（22），その場合には，各製品の特徴や差別化ポイントが明らかになるため，これらをもとに自社製品の開発の方向性を戦略的に決めることが可能になる．

QDA法と外部データの紐づけ

QDA法で得られるデータは，パネリストが共有できるすべての官能特性およびその強度を明らかにできるため，単独でも非常に有益な情報となる．しかしながら，

QDA法のデータを外部データと関連づけることにより，

より有益な情報をもたらすことが可能である．外部データとしてよく用いられるものには，消費者の嗜好データや消費者言語（まろやかさ，サッパリ感，軽やか，のような抽象的な表現）によるサンプルの評価データなどがある^（2）．また外部データとQDA法を紐づけするには，

回帰分析（数量化理論I類）のような多変量解析が用い図3■蕎麦つゆの特性表現用語^{（18, 19）}

*香り：食する前に食品から漂う香り（Orthonasal Aroma）

**風味：食べたときに鼻腔を通じて感じる食品の香り（Retrona- sal Aroma）

***後味：食品を飲み込んだあと，10秒後に感じる味図4^■蕎麦つゆの主成分分析の結果^{（18, 19）}

(6)

られる．オレンジジュースの実施例を図

5

_{に示す．この} ように，消費者の嗜好データや消費者言語によるサンプルの評価データを目的（従属）変数（），QDA法によるサンプルの評価データを説明（独立）変数（）としてyをxの関数として示すことにより，消費者はどのような理由で製品を好んでいるのかを明らかにできる（図 5）．また，消費者はサンプルのどのような特性を認知してまろやかさやサッパリ感などと表現しているのか，などに関する知見を得ることもできる．通常，消費者の製品に対する表現は非常に曖昧である．そのため，消費者の製品に対するニーズがまろやかさやサッパリ感にあることがわかったとしても，甘味や旨味，酸味，油っぽさ，あるいは香り，食感など製品が有する特性のなかで何を変化させれば良いのか，開発の方向性を決めることは困難である．その一方で，QDA法では非常に明瞭なサンプルの特性に関する情報が得られる．そのため，消費者の感性をQDAの用語で解釈できれば，コントロールすべき特徴を具体的に把握でき，官能評価の結果を開発に応用することが可能となる．

ところで，私たちが美味しいと感じる製品を考えてみると，キーとなる特性は強ければ強い（もしくは弱ければ弱い）ほど良いというわけではなく，「ちょうど良い」

と感じる最適な強さがある．実は，QDA法のデータと外部データ（特に嗜好データ）を紐づけるために用いられている線形の回帰分析などは，もともとほかの分野で

開発されたものを官能評価に応用しているため，美味しさにとって重要となる適量やバランスの問題を考慮できていない．近年，Ennisらはこれらの問題を加味したうえで消費者の嗜好と官能特性を結びつける方法として Landscape Segmentation Analysis （LSA）を開発した^（23）．この手法は異なる嗜好性を有する消費者を可視化して示すなど，嗜好に寄与する特性の適切な抽出以外のメリットがあり，世界的にも注目されている解析手法である．興味がある方は是非参考にしていただきたい．

最後に

本稿では，「食品の開発」という視点から，QDA法を中心に記述型の官能評価手法を紹介した．この手法は，

日本ではまだ馴染みの薄いものであるが，欧米では開発だけでなく研究においても積極的に用いられる一般的な手法である．日本で行われる官能評価手法は通常，商品の開発担当者が評価をする特性を決める．そのため，開発者はその特性の存在に気づかないけれども，その商品にとって重要な特性が官能評価の評価項目から見落とされる可能性がある．またメーカーの視点で見ると，従来，日本の「ものづくり」は熟練の職人，いわいる匠と呼ばれる人の勘や経験をもとに行われ，品質が維持されてきた．しかしながら，昨今，ニュースなどで報道されているとおり，その「ものづくり」の技術を継承する人が少なくなっており，商品の価値が失われつつある．これらの理由からも，サンプルが有する特性を「網羅的」・「客観的」に評価することは重要であり，記述分析型の官能評価手法に対するニーズは今後，ますます高くなると思われる．

なお，実際の食品の開発においては，中身だけでなく，その商品のパッケージやコンセプトも人の香りや味の感じ方に影響することが知られている^（24）．今回は記述分析型の官能評価手法に対する理解を容易にするために割愛したが，実際の開発においては，商品の中身だけでなく，パッケージなども考慮して品質の設計を行うことに留意していただきたい．

文献

1）山口静子：化学と生物，50, 518 （2012）.

2）早川文代：化学と生物，50, 600 （2012）.

3） H. Stone & J. L Sidel :“Sensory Evaluation Practices,”

3rd ed., Elsevier Academic Press, California, 2004.

4） W. E. Cairncross & L. B. Sjöström : , 4, 308

（1950）.

5） M. A. Brandt, E. Skinner & J. Coleman : , 28, 図5■オレンジジュースのPLS回帰分析の結果

＝0.36×オレンジの風味＋0.22×甘味−0.34×酸味

；消費者による美味しさの評価値（平均値），；QDA法による各特性の評価値，としたときのPLS回帰分析の結果を示す．本回帰式と図より，オレンジジュースI, E, H, Dについては，オレンジの風味と甘味を強くし，酸味を抑えることでターゲットとする消費者により好まれる品質となると予測される．なお，本解析では変数同士の高い相関性が示唆されたため（多重共線性の問題を回避するため），通常の重回帰分析ではなく，PLS回帰分析を用いた．

(7)

404 （1963）.

6） H. Stone, J. L Sidel, S. Oliver, A. Woolsey & R. C.

Singleton : , 28, 24 （1974）.

7） M. Meilgaard, G. V. Civille & B. T. Carr :“Sensory Evalu- ation Techiniques,” 3rd ed., CRC Press Inc., Boca Raton, 1999.

8） K. P. Rutledge & J. M. Hudson : , 44, 78

（1990）.

9） G. Kelly :“The Psychology of Personal Constructs,” 1‒2, Norton, New York, 1955.

10） A. A. Williams & S. P. Langron : , 35, 558 （1984）.

11） J. F. Meullenet, R. Xiong & C. J. Findlay :“Multivariate and Probabilistic Analyses of Sensory Science Prob- lems,” IFT Press & Blackwell Publishing. 2007.

12） J. Adams, A. Williams, B. Lancaster & M. Foley :“7th Pangborn Sensory Science Symposium,” Minneapolis, 2007.

13） N. Pineau, S. Cordelle & P. Schlich :“5th Pangborn Sym- posium,” Boston, 2003.

14） W. E. Lee, III. & R. M. Pangborn : , 40, 71, 82 （1986）.

15） L. M. Duizer, K. Bloom & C. J. Findlay : , 61, 636 （1996）.

16） R. C. Hootman :“Manual on Descriptive Analysis Testing for Sensory Evaluation,” ASTM Intl., Philadelphia, 1992.

17）涌井良幸，涌井貞美：図解でわかる多変量解析第8版，

日本実業出版社，2003.

18）今村美穂，小熊哲哉：日本食品科学工学会大会講演集，

53, 127 （2006）.

19）今村美穂：食品工業，51, 69 （2007）.

20）今村美穂，佐藤洋枝：日本食品科学工学会誌，55, 468

（2008）.

21）今村美穂，岡安誠：醤油の研究と技術，33, 177 （2008）.

22）今村美穂，佐藤常雄，畑本修：醤油の研究と技術，37, 49 （2011）.

23） D. M. Ennis, B. Rousseau & J. M. Ennis :“Short Stories in Sensory and Consumer Science,” Institute for Percep- tion, Richmond, 2011.

24）坂井信之，山崎由貴：日本味と匂学会誌，17, 491 （2010）.