Engineering Better Espresso (더 나은 에스프레소를 위한 공학적 접근) 저자 ‘로버트 알로에’의 도움을 받아 제공되는 콘텐츠입니다. 디자인커피 블로그를 통해 저자의 200개 넘는 글 중 최신 이슈를 반영하여 번역하고 있습니다.
3줄 요약 : 사람들은 94도의 물 온도와 9 bar의 압력에서 최고의 샷을 뽑을 수 있다고 생각한다. 하지만 데이터적으로 분석해보면 95도 이상의 수온과 7 bar 압력에서 15초 이상 긴 프리인퓨전을 하면 더 좋은 추출이 만들어진다.
제목 : 에스프레소 매개변수 : 프리인퓨전과 압력, 그리고 물 온도
데이터로 빅 픽처 보기 – Part 1
1년 넘게 스스로의 에스프레소 샷 데이터를 수집하고 나니 외딴 섬에 홀로 있는 듯한 기분이 든다. 나처럼 에스프레소에 대한 데이터를 수집하는 사람은 거의 없거니와, 커뮤니티에도 에스프레소 데이터 분석 자료가 전무하다시피 하기 때문이다. 있다 하더라도, 외부인이 찾아보기 힘든 유료 자료인 경우가 많았다. 대체로 실험은 단일 샘플이거나 Compound Coffee , Socratic Coffee 및 Five Senses Coffee의 자료처럼 내게 인상적이었던 특정 매개변수 제어는 간과하고 있었다. 학술 연구도 추출 압력과 물의 온도 같은 기본 실무 영역은 다루지 않는 경우가 많았다.
Compound Coffee는 다양한 실험들을 진행했지만 나는 이에 대해 들어본 적이 없다. 그 실험들이 사람들에게 더 알려지거나 인용되지 않은 것에 놀랐지만, 수집된 데이터가 그래프가 아닌 도표 형태라 사람들이 명확하게 이해하기 어려울 수 있다고 생각한다. Five Senses Coffee 연구에는 관심가는 연구가 단 하나 뿐이고, Socratic Coffee는 다양한 실험 데이터에 대한 도표와 그래프들이 있다(이 데이터들은 Part 2와 3에서 찾을 수 있다).
이 장에서 우리는 에스프레소 추출에 영향을 미치는 프리인퓨전과 압력, 그리고 물 온도 데이터를 검토할 것이다. 내 데이터는 더 높은 수율이 에스프레소 맛 개선과 상관관계가 있다는 가정에서 출발한다.
내가 이해하는 선에서 대부분의 사람들은 94도의 수온과 9 bar의 압력에서 사전 주입이 거의 또는 전혀 없이 최고의 샷을 뽑을 수 있다고 생각한다. 이러한 우리의 인식에 실험 데이터들은 과연 무엇을 말해줄까?
Compound Coffee
나는 Compound Coffee 측 실험 결과를 세상에 알리기 위해 그들의 데이터를 분석했다. 비록 그들은 실험을 잘 통제하고 결과도 잘 정리해놨지만 분석 과정에서 두 가지 오류를 범했다.
1. 그래픽 자료의 부재
2. 통계적 유의성에 대한 P-Value 값의 오용
첫 번째 실수는 몇 가지 재미난 플롯으로 만회될 수 있지만 두 번째 실수는 통계상의 오류로 사람들을 헷갈리게 할 수 있다.
통계적 유의성은 T-검정을 사용하여 귀무가설을 기각하는 것으로 표시될 수 있다. 귀무 가설은 데이터의 두 분포 샘플이 동일한 전체 분포에서 파생되는 것을 말한다. 샘플이 30개 이상인 경우 T-검정으로 분포 샘플이 통계적으로 상이한지, 즉 P-Value 값이 0.05 미만인지 확인할 수 있다. 이보다 더 확실한 테스트는 데이터 포인트 쌍이 있는 한쌍의 T-검정이다.
Compound Coffee는 실험 데이터에 T-검정을 적용했으나, 30개 미만의 샘플 데이터 뿐이다. 그들은 단 10개의 샘플에 P-Value값을 사용하여 한 추출 방식이 다른 방식보다 나은지 결정했다. 그것은 하나의 방식이 다른 방식보다 떨어진다는 것을 의미하진 않지만 어떤 추출이 나은지 보기 위해 P-Value값을 사용할 수 없다. 데이터 덕후인 내 경험에 따르면 올바른 플롯을 찾으면 데이터의 결론은 (결론이 있는 경우) 그것에 익숙하지 않은 사람에게도 명백해야 한다.
Compound Coffee의 데이터를 검토할 때 나는 결과값이 정렬된 데이터 및 정렬되지 않은 데이터를 모두 살펴보았고, 각 샘플이 이전 샘플과 연관되지 않아야 하기 때문에 다음과 같이 모든 데이터를 정렬했다. 납득할 만한 비교는 최고와 최고, 두 번째 최고에서 두 번째 최고, ... 최악에서 최악의 추출을 비교하는 것이다.
9 bar 추출 전 프리인퓨전
Compound Coffee는 추출 단계에서 9 bar 압력 및 프리인퓨전을 조사하였고, 프리인퓨전이 추출 수율에는 도움이 되지 않는다는 것을 발견했다(이 데이터는 부록 A에 있다). 그들의 결과표에서 이 결과를 보는 것은 쉽지 않다. 따라서 나는 그들의 원자료를 표시해둔 후 결과값을 정렬하고, 정렬된 이 첫 번째 세트에서 기준선 샘플을 직접 비교했다.
다음은 각 샘플들을 서로 다른 샘플들과 비교 후 정렬시킨 것이다. 9 bar가 넘사벽으로 좋지만 흥미로운 점은 30초 프리인퓨전이 더 일관된 결과를 가져온다는 것이다(샷 간 편차가 적음). 프리인퓨전 시간이 늘어나면 추출 가변성이 감소하는 것 같다.
다시 말하지만, 해당 결과는 샘플량이 적기 때문에 통계적으로 유의하지 않을 수 있다. 그럼에도 불구하고 결과 값은 여전히 흥미롭다.
샷 압력
Compound Coffee는 추출하는 동안 기계의 압력 변화를 살펴보았고, 9 bar대신 7~8 bar가 최적이라는 것을 발견했다(이 데이터는 부록 B에 있다). 그러나 그들은 샘플이 충분하지 않으면서도 통계적 유의성을 주장한다.
모든 샘플이 열맞춰 정렬되었다.
정렬된 데이터에서 보면 7 bar 추출이 8 bar 추출보다 약간 더 낫다. 아래 차트처럼 9 bar 추출만이 항상 강한 추출율을 보장하는 최적의 압력이 아님은 분명하다.
이제 8 bar 추출과 7 bar 추출을 비교해보자.
그래프 상에서 한 지점은 이상값처럼 보이지만 그 외에는 7 bar가 약간 더 좋아 보인다. 다시 말하지만, 해당 데이터는 샘플 값이 충분치 않아 통계적으로 유의미한지는 알 수 없다.
7 bar 추출 전 프리인퓨전
Compound Coffee는 이전 결과(7 bar 추출이 9 bar 추출보다 더 강한 추출을 만들어내는 것)를 토대로 9 bar 대신 7 bar추출로 프리인퓨전 테스트를 했다.
아래는 정렬된 값과 통제 샘플 간의 비교이다.
프리인퓨전 시간이 길수록 더 낮은 분포에서도 훨씬 더 강한 추출율을 보였다. 프리인퓨전 시간이 더 길 때 추출 변동성은 9 bar 추출에서보다 약간 더 높은데, 이는 프리인퓨전 시간이 더 길수록 추출 변동성이 줄어든다는 기존 인식을 흔들어 놓는다.
나란히 놓고 보면 이 결론은 매우 명확해 보인다. 하지만 앞에서 이야기했듯이 이 결과는 통계적으로 확실히 입증된 것이 아니므로 실험해봄직한 결과 정도로만 이해되어야 한다. 이 결과는 더 긴 프리인퓨전 시간에 관한 내 경험과 일치하긴 하지만, 더 긴 프리인퓨전이 항상 더 낫다고 말할 만큼 나도 내 변수를 충분히 제어하지 못했다.
물의 온도
Compound Coffee는 추출 시간에서 물의 온도가 추출에 어떤 영향을 미치는지 조사했다(부록 D). 91도에서 95도 까지의 온도를 체크해봤을 때 그들의 데이터는 95도의 물이 91도 보다 낫다는 것을 보여준다. 아래는 91도 와의 비교이며, 물의 온도가 더 높을수록 더 나은 추출이 나오는 것 같다.
밑에 정렬된 샘플은 또 다시 95도가 더 강한 추출율을 제공한다는 것을 보여주지만, 항상 그런 것도 아니다. 확실한 결론을 내리기에는 분산이 약간 높기 때문이다. 그래도 물의 온도가 더 올라갈수록 그보다 상대적으로 낮은 물 온도 때보다 추출 범위가 훨씬 작기 때문에 더 일관된 추출을 제공하긴 한다. 여기서 한 가지 확실한 결론은 91도가 언제나 강한 추출율을 보장하진 않는다는 것이다.
Five Senses Coffee 는 Compound Coffee보다 샘플 수는 적지만 더 높은 물 온도를 연구했다. 그들의 실험엔 충분한 데이터 샘플이 없을지라도 92도보다 높은 물 온도가 더 나은 것으로 보인다.
앞으로 위와 같은 실험들이 더 많은 샘플들과 다양한 로스트 환경에서 심층적으로 연구되길 바란다. 지금까지 살펴본 데이터로 다음의 결론을 제시할 수 있지만 여전히 우리에겐 더 많은 데이터가 필요하다.
1.
7 bar추출은 9 bar 추출보다 낫다.
2.
15초 이상의 긴 프리인퓨전 후 7 bar 추출하면 더 강한 추출율을 기대할 수 있다
3.
물의 온도는 약 95C 이상이 좋다.
에스프레소 분야는 폭발적으로 성장했지만 다른 연구 분야에서 매우 유용한 데이터 기반 접근은 턱없이 부족한 실정이다. 에스프레소를 데이터로써 보고자 하는 이 새로운 시각이 사람들의 커피 여정에 도움과 실마리를 주고, 데이터적 혁신에 동기를 부여하길 바란다.
2부 에서는 그라인딩, 분배 및 탬핑을, 3부에서는 커피 추출 도구를 다룰 예정이다.
Robert McKeon Aloe
나는 와이프와 자식들, 에스프레소, 데이터 사이언스, 토마토, 요리, 엔지니어링, 수다 떨기, 가족, 파리, 이탈리아를 좋아한다(좋아하는 순서대로 나열한 건 아니다).
번역 : 임다운(@bittersweetw0rld) 편집 : DSGNCOF_NEWS (@designcoffee_com)
