JPH10260959A - 官能評価システム - Google Patents
官能評価システムInfo
- Publication number
- JPH10260959A JPH10260959A JP9065792A JP6579297A JPH10260959A JP H10260959 A JPH10260959 A JP H10260959A JP 9065792 A JP9065792 A JP 9065792A JP 6579297 A JP6579297 A JP 6579297A JP H10260959 A JPH10260959 A JP H10260959A
- Authority
- JP
- Japan
- Prior art keywords
- evaluation
- sensory
- data
- discriminant function
- sweetness
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 76
- 230000001953 sensory effect Effects 0.000 claims description 68
- 238000013500 data storage Methods 0.000 claims description 9
- 235000013305 food Nutrition 0.000 claims description 6
- 238000012886 linear function Methods 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 10
- 235000003599 food sweetener Nutrition 0.000 description 33
- 239000003765 sweetening agent Substances 0.000 description 33
- 241000202807 Glycyrrhiza Species 0.000 description 19
- 235000001453 Glycyrrhiza echinata Nutrition 0.000 description 19
- 235000006200 Glycyrrhiza glabra Nutrition 0.000 description 19
- 235000017382 Glycyrrhiza lepidota Nutrition 0.000 description 19
- 229940010454 licorice Drugs 0.000 description 19
- 241000544066 Stevia Species 0.000 description 17
- HELXLJCILKEWJH-NCGAPWICSA-N rebaudioside A Chemical compound O([C@H]1[C@H](O)[C@@H](CO)O[C@H]([C@@H]1O[C@H]1[C@@H]([C@@H](O)[C@H](O)[C@@H](CO)O1)O)O[C@]12C(=C)C[C@@]3(C1)CC[C@@H]1[C@@](C)(CCC[C@]1([C@@H]3CC2)C)C(=O)O[C@H]1[C@@H]([C@@H](O)[C@H](O)[C@@H](CO)O1)O)[C@@H]1O[C@H](CO)[C@@H](O)[C@H](O)[C@H]1O HELXLJCILKEWJH-NCGAPWICSA-N 0.000 description 17
- 108010011485 Aspartame Proteins 0.000 description 13
- 239000000605 aspartame Substances 0.000 description 13
- IAOZJIPTCAWIRG-QWRGUYRKSA-N aspartame Chemical compound OC(=O)C[C@H](N)C(=O)N[C@H](C(=O)OC)CC1=CC=CC=C1 IAOZJIPTCAWIRG-QWRGUYRKSA-N 0.000 description 13
- 235000010357 aspartame Nutrition 0.000 description 13
- 229960003438 aspartame Drugs 0.000 description 13
- 238000012360 testing method Methods 0.000 description 10
- 230000001419 dependent effect Effects 0.000 description 8
- 238000000034 method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 235000019658 bitter taste Nutrition 0.000 description 4
- 235000000346 sugar Nutrition 0.000 description 4
- 239000000892 thaumatin Substances 0.000 description 4
- 235000010436 thaumatin Nutrition 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- FTLYMKDSHNWQKD-UHFFFAOYSA-N (2,4,5-trichlorophenyl)boronic acid Chemical compound OB(O)C1=CC(Cl)=C(Cl)C=C1Cl FTLYMKDSHNWQKD-UHFFFAOYSA-N 0.000 description 2
- FBPFZTCFMRRESA-FSIIMWSLSA-N D-Glucitol Natural products OC[C@H](O)[C@H](O)[C@@H](O)[C@H](O)CO FBPFZTCFMRRESA-FSIIMWSLSA-N 0.000 description 2
- FBPFZTCFMRRESA-JGWLITMVSA-N D-glucitol Chemical compound OC[C@H](O)[C@@H](O)[C@H](O)[C@H](O)CO FBPFZTCFMRRESA-JGWLITMVSA-N 0.000 description 2
- 239000005715 Fructose Substances 0.000 description 2
- 229930091371 Fructose Natural products 0.000 description 2
- RFSUNEUAIZKAJO-ARQDHWQXSA-N Fructose Chemical compound OC[C@H]1O[C@](O)(CO)[C@@H](O)[C@@H]1O RFSUNEUAIZKAJO-ARQDHWQXSA-N 0.000 description 2
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 2
- 239000004376 Sucralose Substances 0.000 description 2
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 235000019606 astringent taste Nutrition 0.000 description 2
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 2
- 235000009508 confectionery Nutrition 0.000 description 2
- 239000008103 glucose Substances 0.000 description 2
- 230000007794 irritation Effects 0.000 description 2
- 229940085605 saccharin sodium Drugs 0.000 description 2
- 239000000600 sorbitol Substances 0.000 description 2
- 235000010356 sorbitol Nutrition 0.000 description 2
- 235000019408 sucralose Nutrition 0.000 description 2
- BAQAVOSOZGMPRM-QBMZZYIRSA-N sucralose Chemical compound O[C@@H]1[C@@H](O)[C@@H](Cl)[C@@H](CO)O[C@@H]1O[C@@]1(CCl)[C@@H](O)[C@H](O)[C@@H](CCl)O1 BAQAVOSOZGMPRM-QBMZZYIRSA-N 0.000 description 2
- 230000002195 synergetic effect Effects 0.000 description 2
- 239000013256 coordination polymer Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 229960002737 fructose Drugs 0.000 description 1
- 229960001031 glucose Drugs 0.000 description 1
- 235000001727 glucose Nutrition 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229960002920 sorbitol Drugs 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Seasonings (AREA)
- Complex Calculations (AREA)
Abstract
(57)【要約】
【課題】 この発明は、官能評価システムに関し、与え
られた官能データから総合的な官能評価を容易かつ明確
に行うことを課題とする。 【解決手段】 複数種類の官能データを入力する入力手
段と、入力された官能データを記憶するデータ記憶手段
と、総合的な官能評価の基準となる判別関数を予め記憶
する判別関数記憶手段と、前記データ記憶手段に記憶さ
れた未知の試料の官能データに前記判別関数を適用して
その未知の試料に対する総合的な官能評価を行う評価手
段と、官能評価の結果を出力する出力手段とから構成さ
れる。
られた官能データから総合的な官能評価を容易かつ明確
に行うことを課題とする。 【解決手段】 複数種類の官能データを入力する入力手
段と、入力された官能データを記憶するデータ記憶手段
と、総合的な官能評価の基準となる判別関数を予め記憶
する判別関数記憶手段と、前記データ記憶手段に記憶さ
れた未知の試料の官能データに前記判別関数を適用して
その未知の試料に対する総合的な官能評価を行う評価手
段と、官能評価の結果を出力する出力手段とから構成さ
れる。
Description
【０００１】
【発明の属する技術分野】この発明は、官能評価システ
ムに関し、食品・日用品・化学製品等の試料について複
数の評価項目に対する官能データから判別関数を求め
て、総合的な官能評価を行う官能評価システムに関す
る。
ムに関し、食品・日用品・化学製品等の試料について複
数の評価項目に対する官能データから判別関数を求め
て、総合的な官能評価を行う官能評価システムに関す
る。
【０００２】
【従来の技術】従来から、食品の官能テストの表示、食
品の栄養バランス、経済指標の表示などにレーダーチャ
ートが用いられている。たとえば食品の官能テストで
は、「甘い」、「苦い」などの複数の官能試験項目につ
いて試験者にテストを行い評価点を付与してもらう。そ
して、それぞれの評価点を一点から放射状に広がる軸上
にプロットしてその評価点を順に直線で結んだものがレ
ーダーチャートである。
品の栄養バランス、経済指標の表示などにレーダーチャ
ートが用いられている。たとえば食品の官能テストで
は、「甘い」、「苦い」などの複数の官能試験項目につ
いて試験者にテストを行い評価点を付与してもらう。そ
して、それぞれの評価点を一点から放射状に広がる軸上
にプロットしてその評価点を順に直線で結んだものがレ
ーダーチャートである。
【０００３】図７に、レーダーチャートの一例を示す。
これは、２つの甘味料（アスパルテーム、「ステビア＋
甘草」）の甘味質を９項目に分類して官能テストを行っ
た結果である。このレーダーチャートによれば、甘味料
の甘味質を視覚的に表示できるので、甘味料ごとの甘味
質の特徴や優劣が明瞭に把握できる。
これは、２つの甘味料（アスパルテーム、「ステビア＋
甘草」）の甘味質を９項目に分類して官能テストを行っ
た結果である。このレーダーチャートによれば、甘味料
の甘味質を視覚的に表示できるので、甘味料ごとの甘味
質の特徴や優劣が明瞭に把握できる。
【０００４】
【発明が解決しようとする課題】しかし、レーダーチャ
ートは、その面積の大小や形状によって個々の甘味料に
ついてその甘味質の特徴を判断する場合や、甘味料どう
しの甘味質の比較をする場合には視覚的にすぐれた情報
を提供できるが、甘味質の良否について総合的な判断は
困難であった。すなわち、レーダーチャートの面積及び
形状からは、直ちに個々の甘味料について、「甘味質が
良い」又は「甘味質が悪い」という総合的な判断は困難
であった。
ートは、その面積の大小や形状によって個々の甘味料に
ついてその甘味質の特徴を判断する場合や、甘味料どう
しの甘味質の比較をする場合には視覚的にすぐれた情報
を提供できるが、甘味質の良否について総合的な判断は
困難であった。すなわち、レーダーチャートの面積及び
形状からは、直ちに個々の甘味料について、「甘味質が
良い」又は「甘味質が悪い」という総合的な判断は困難
であった。
【０００５】一方、個々の９項目について基準を設け、
各項目が該基準をクリヤーしているかどうかを判定し、
その結果全項目について「良い」と判定されれば、総合
的な甘味質は「良い」と判定する方法もある。
各項目が該基準をクリヤーしているかどうかを判定し、
その結果全項目について「良い」と判定されれば、総合
的な甘味質は「良い」と判定する方法もある。
【０００６】しかしながら、この方法には、基礎となる
各項目の基準を設定する作業は途方もない実験数と労力
を要するという問題点が存在する。また、たとえこの困
難を克服できて、個々の項目のすべてが「良い」と判定
された場合であっても総合的な判定がすべて「良い」と
はならない場合も存在する。つまり、この方法では互い
の項目の相加的あるいは相乗的な影響については明らか
にできていない場合が多いからである。まして、１つや
２つの少数の項目のみが「悪い」と判定された場合でも
総合的には「良い」と判定される場合がしばしば存在
し、そのため、当該方法は現実的には機能しないケース
が多いというのが現状である。
各項目の基準を設定する作業は途方もない実験数と労力
を要するという問題点が存在する。また、たとえこの困
難を克服できて、個々の項目のすべてが「良い」と判定
された場合であっても総合的な判定がすべて「良い」と
はならない場合も存在する。つまり、この方法では互い
の項目の相加的あるいは相乗的な影響については明らか
にできていない場合が多いからである。まして、１つや
２つの少数の項目のみが「悪い」と判定された場合でも
総合的には「良い」と判定される場合がしばしば存在
し、そのため、当該方法は現実的には機能しないケース
が多いというのが現状である。
【０００７】しかるに、我々はこのような課題を克服す
るために鋭意研究を進めた結果、判別分析を適用して総
合的な判断を下すとき、多項目間の相加的または／およ
び相乗的な影響をも加味した総合的な判定が極めて正確
にかつ迅速に行えることを見出し、さらには、とりたて
て各項目毎の判定結果と総合的な判定結果との間の関係
を実験的に明らかにする必要も全くないことを見出し
て、本発明を完成させるに至ったのである。
るために鋭意研究を進めた結果、判別分析を適用して総
合的な判断を下すとき、多項目間の相加的または／およ
び相乗的な影響をも加味した総合的な判定が極めて正確
にかつ迅速に行えることを見出し、さらには、とりたて
て各項目毎の判定結果と総合的な判定結果との間の関係
を実験的に明らかにする必要も全くないことを見出し
て、本発明を完成させるに至ったのである。
【０００８】つまり、本発明は、以上のような事情を考
慮してなされたものであり、従来のレーダーチャートに
よる解析手法に新たに判別分析手法を導入して、その結
果、総合的な官能評価を行える官能評価システムを提供
するものである。
慮してなされたものであり、従来のレーダーチャートに
よる解析手法に新たに判別分析手法を導入して、その結
果、総合的な官能評価を行える官能評価システムを提供
するものである。
【０００９】
【課題を解決するための手段】この発明は、複数種類の
官能データを入力する入力手段１と、入力された官能デ
ータを記憶するデータ記憶手段２と、総合的な官能評価
の基準となる判別関数を予め記憶する判別関数記憶手段
４と、前記データ記憶手段２に記憶された未知の試料の
官能データに前記判別関数を適用してその未知の試料に
対する総合的な官能評価を行う評価手段３と、官能評価
の結果を出力する出力手段６とからなることを特徴とす
る官能評価システムを提供するものである。また、総合
的な官能評価が明確な試料の官能データを用いて前記判
別関数を求める判別関数生成手段５をさらに備えてもよ
い。また、データ記憶手段２に記憶された官能データに
対するレーダチャートを生成するレーダーチャート生成
手段７を備えてもよい。
官能データを入力する入力手段１と、入力された官能デ
ータを記憶するデータ記憶手段２と、総合的な官能評価
の基準となる判別関数を予め記憶する判別関数記憶手段
４と、前記データ記憶手段２に記憶された未知の試料の
官能データに前記判別関数を適用してその未知の試料に
対する総合的な官能評価を行う評価手段３と、官能評価
の結果を出力する出力手段６とからなることを特徴とす
る官能評価システムを提供するものである。また、総合
的な官能評価が明確な試料の官能データを用いて前記判
別関数を求める判別関数生成手段５をさらに備えてもよ
い。また、データ記憶手段２に記憶された官能データに
対するレーダチャートを生成するレーダーチャート生成
手段７を備えてもよい。
【００１０】
【発明の実施の形態】ここで、この発明の官能評価シス
テムは、最も好ましくは、ＣＰＵ，ＲＯＭ，ＲＡＭ，タ
イマー，Ｉ／Ｏインタフェース等からなる、いわゆるマ
イクロコンピュータによって実現することができる。ま
た、ＲＡＭ，ＲＯＭ又はその他の不揮発性メモリに記憶
されたプログラムをＣＰＵが実行することによって、官
能評価の各種機能が実現される。
テムは、最も好ましくは、ＣＰＵ，ＲＯＭ，ＲＡＭ，タ
イマー，Ｉ／Ｏインタフェース等からなる、いわゆるマ
イクロコンピュータによって実現することができる。ま
た、ＲＡＭ，ＲＯＭ又はその他の不揮発性メモリに記憶
されたプログラムをＣＰＵが実行することによって、官
能評価の各種機能が実現される。
【００１１】図１に、この発明の基本構成ブロック図を
示す。入力手段１は、キーボードや、マウス、ペン、ト
ラックボールなどのポインティングデバイスや、ＯＣＲ
などである。データ記憶手段２及び判別関数記憶手段４
は、ＲＡＭ，ハードディスク等が用いられる。評価手段
は、ＣＰＵが行う一機能であり、求められた判別関数の
変数に、入力された複数の官能データを代入して、所定
の演算を行って総合的な官能評価の結果を出力するもの
である。出力手段６は、ＣＲＴ，ＬＣＤなどの表示装
置，プリンタなどの印刷装置が用いられ、入力データ，
判別関数，評価結果，その他必要な情報を表示又は印刷
するものである。レーダーチャート生成手段７は、ＣＰ
Ｕが行う一機能である。
示す。入力手段１は、キーボードや、マウス、ペン、ト
ラックボールなどのポインティングデバイスや、ＯＣＲ
などである。データ記憶手段２及び判別関数記憶手段４
は、ＲＡＭ，ハードディスク等が用いられる。評価手段
は、ＣＰＵが行う一機能であり、求められた判別関数の
変数に、入力された複数の官能データを代入して、所定
の演算を行って総合的な官能評価の結果を出力するもの
である。出力手段６は、ＣＲＴ，ＬＣＤなどの表示装
置，プリンタなどの印刷装置が用いられ、入力データ，
判別関数，評価結果，その他必要な情報を表示又は印刷
するものである。レーダーチャート生成手段７は、ＣＰ
Ｕが行う一機能である。
【００１２】判別関数生成手段５は、ＣＰＵが行う一機
能であり、入力された複数の官能データを基にして、判
別分析法（朝倉書店，塩谷實著「多変量解析概論」，１
３１頁，１９９２年９月２０日）により線型判別関数を
求めるものである。線型判別関数は、一般的に、複数個
の説明変数（ｘ，ｘ2，……，ｘp）からなる一次式によ
って表わされる。 Ｚ＝ａ0＋ａ1ｘ1＋ａ2ｘ2＋……＋ａpｘp
能であり、入力された複数の官能データを基にして、判
別分析法（朝倉書店，塩谷實著「多変量解析概論」，１
３１頁，１９９２年９月２０日）により線型判別関数を
求めるものである。線型判別関数は、一般的に、複数個
の説明変数（ｘ，ｘ2，……，ｘp）からなる一次式によ
って表わされる。 Ｚ＝ａ0＋ａ1ｘ1＋ａ2ｘ2＋……＋ａpｘp
【００１３】ここで、Ｚは従属変数と呼ばれ、総合的な
官能評価の結果である。たとえばＺの値が正のとき「甘
味質が良い」と評価され、Ｚの値が負のとき「甘味質が
悪い」と評価される。説明変数（ｘ，ｘ2，……，ｘp）
とは、入力される官能データであり、たとえば甘味料の
甘味質の評価項目が各変数に対応する。
官能評価の結果である。たとえばＺの値が正のとき「甘
味質が良い」と評価され、Ｚの値が負のとき「甘味質が
悪い」と評価される。説明変数（ｘ，ｘ2，……，ｘp）
とは、入力される官能データであり、たとえば甘味料の
甘味質の評価項目が各変数に対応する。
【００１４】具体的には、説明変数ｘ1に評価項目「苦
味」が対応し、「苦味」を５段階評価（１〜５）した場
合に、ある甘味料の苦味が“４”であるという評価点が
与えられたとき、ｘ1＝４となる。官能データとは、予
め定められた評価項目について与えられた評価点であ
り、対象となる試料ごとに試験者がその評価項目ごとに
付与した点数を意味する。
味」が対応し、「苦味」を５段階評価（１〜５）した場
合に、ある甘味料の苦味が“４”であるという評価点が
与えられたとき、ｘ1＝４となる。官能データとは、予
め定められた評価項目について与えられた評価点であ
り、対象となる試料ごとに試験者がその評価項目ごとに
付与した点数を意味する。
【００１５】前記式中のａ0，ａ1，……，ａpは定数及
び各変数の係数であり、判別分析法により線型判別関数
を求めることは、これらの定数及び各係数を求めること
を意味する。定数及び各係数を求めるために、入力され
た複数の官能データが用いられる。通常この線型判別関
数を求めるためには、官能評価における総合的な評価が
明確な試料の官能データを用いて行われる。
び各変数の係数であり、判別分析法により線型判別関数
を求めることは、これらの定数及び各係数を求めること
を意味する。定数及び各係数を求めるために、入力され
た複数の官能データが用いられる。通常この線型判別関
数を求めるためには、官能評価における総合的な評価が
明確な試料の官能データを用いて行われる。
【００１６】また、具体的には、上記定数及び各係数
は、入力された複数の官能データの分散、共分散及び加
重平均等を求めて、これらから与えられる所定の連立方
程式を解くことによって求められる。
は、入力された複数の官能データの分散、共分散及び加
重平均等を求めて、これらから与えられる所定の連立方
程式を解くことによって求められる。
【００１７】以下、図面に示す実施の形態に基づいてこ
の発明を詳述する。なお、これによってこの発明が限定
されるものではない。この発明の説明のために、一実施
例として甘味料の甘味質の総合的な官能評価をする場合
を取り上げる。ただし、この発明は、その他の食品の官
能評価、経済指標の評価等、レーダーチャートに各評価
項目が表示されることが多いが、レーダーチャートのみ
では総合的な官能評価をすることが困難な対象に適用す
ることができる。
の発明を詳述する。なお、これによってこの発明が限定
されるものではない。この発明の説明のために、一実施
例として甘味料の甘味質の総合的な官能評価をする場合
を取り上げる。ただし、この発明は、その他の食品の官
能評価、経済指標の評価等、レーダーチャートに各評価
項目が表示されることが多いが、レーダーチャートのみ
では総合的な官能評価をすることが困難な対象に適用す
ることができる。
【００１８】なお、レーダーチャートというのは、各試
料の各評価項目に関する官能テストの結果を表示するひ
とつの表示手段に過ぎず、この表示には、レーダーチャ
ート以外に「表形式」や「グラフ形式」その他の表示方
法を使用しても何らさしつかえなく、レーダーチャート
のみに限定されるものでないことはいうまでもない。
料の各評価項目に関する官能テストの結果を表示するひ
とつの表示手段に過ぎず、この表示には、レーダーチャ
ート以外に「表形式」や「グラフ形式」その他の表示方
法を使用しても何らさしつかえなく、レーダーチャート
のみに限定されるものでないことはいうまでもない。
【００１９】図２に、１２種類の甘味料について３０人
程度の試験者に対し官能評価試験を行った結果を示す。
対象となる甘味料は、砂糖，スクラロース，アスパルテ
ーム，サッカリンナトリウム，ソルビトール，ブドウ
糖，果糖，ステビア，ソーマチン，甘草，「アスパルテ
ーム＋ソーマチン，甘味度が１：１」，「ステビア＋甘
草：甘味度が１：１」の１２種類である。各試験者は、
各甘味料に対し、９つの評価項目について採点を行う。
９つの評価項目とは、苦味，後引き，しつこさ，くせ，
渋味，刺激，すっきり感，まろやかさ，こく味である。
採点は、砂糖の評価項目を「＋３．０」とし、これとの
比較で各甘味料について、０から＋６．０の評価点数を
付けることで行った。
程度の試験者に対し官能評価試験を行った結果を示す。
対象となる甘味料は、砂糖，スクラロース，アスパルテ
ーム，サッカリンナトリウム，ソルビトール，ブドウ
糖，果糖，ステビア，ソーマチン，甘草，「アスパルテ
ーム＋ソーマチン，甘味度が１：１」，「ステビア＋甘
草：甘味度が１：１」の１２種類である。各試験者は、
各甘味料に対し、９つの評価項目について採点を行う。
９つの評価項目とは、苦味，後引き，しつこさ，くせ，
渋味，刺激，すっきり感，まろやかさ，こく味である。
採点は、砂糖の評価項目を「＋３．０」とし、これとの
比較で各甘味料について、０から＋６．０の評価点数を
付けることで行った。
【００２０】このそれぞれの評価点数が官能データとし
て官能評価システムに入力される。また、入力される９
種類の官能データは、判別分析法でいう説明変数（ｘ1
〜ｘ9）に対応するものである。一方、総合的な官能評
価は、与えられた甘味料に対して「甘味質が良い」ある
いは、「甘味質が悪い」という評価をするものであるの
で、判別分析法でいう従属変数（Ｚ）は、「甘味質の良
・悪」が対応する。
て官能評価システムに入力される。また、入力される９
種類の官能データは、判別分析法でいう説明変数（ｘ1
〜ｘ9）に対応するものである。一方、総合的な官能評
価は、与えられた甘味料に対して「甘味質が良い」ある
いは、「甘味質が悪い」という評価をするものであるの
で、判別分析法でいう従属変数（Ｚ）は、「甘味質の良
・悪」が対応する。
【００２１】前記した１２種類のうち、「ステビア＋甘
草」を除く１１種類の甘味料については、長年にわたる
使用実績によりすでに甘味質の良・悪について広く定着
した判断がされている。すなわち、砂糖，スクラロー
ス，アスパルテーム，ソルビトール，ブドウ糖，果糖，
「アスパルテーム＋ソーマチン」の７種類は「甘味質が
良い」とされ、サッカリンナトリウム，ステビア，ソー
マチン，甘草の４種類は「甘味質が悪い」とされてい
る。
草」を除く１１種類の甘味料については、長年にわたる
使用実績によりすでに甘味質の良・悪について広く定着
した判断がされている。すなわち、砂糖，スクラロー
ス，アスパルテーム，ソルビトール，ブドウ糖，果糖，
「アスパルテーム＋ソーマチン」の７種類は「甘味質が
良い」とされ、サッカリンナトリウム，ステビア，ソー
マチン，甘草の４種類は「甘味質が悪い」とされてい
る。
【００２２】「ステビア＋甘草」については、今回の官
能評価時点ではまだ甘味質の評価は不明である。したが
って、「ステビア＋甘草」を除く１１種類の甘味料の官
能データを用いて判別分析を行い、後述するような判別
関数を求めた。
能評価時点ではまだ甘味質の評価は不明である。したが
って、「ステビア＋甘草」を除く１１種類の甘味料の官
能データを用いて判別分析を行い、後述するような判別
関数を求めた。
【００２３】ここで、判別関数は、ある試料についての
９つの評価項目の評価点数（ｘ1〜ｘ9）から従属変数
（Ｚ）「甘味質の良・悪」の値を求めるものである。従
属変数Ｚ＞０のとき、「甘味質が良い」と判定され、Ｚ
＜０のとき「甘味質が悪い」と判定される。
９つの評価項目の評価点数（ｘ1〜ｘ9）から従属変数
（Ｚ）「甘味質の良・悪」の値を求めるものである。従
属変数Ｚ＞０のとき、「甘味質が良い」と判定され、Ｚ
＜０のとき「甘味質が悪い」と判定される。
【００２４】図７に、図１に示した官能評価試験の結果
を表したレーダーチャートを示す。これは、甘味料のう
ち、アスパルテームと「ステビア＋甘草」のレーダーチ
ャートであり、それぞれの９つの評価項目についての評
価点数をプロットしたものである。このレーダーチャー
トによれば、目視において、アスパルテームと「ステビ
ア＋甘草」とはほぼ同じ面積であり、「こく」と「く
せ」の点で評価点数が異なるものの形状も類似してい
る。
を表したレーダーチャートを示す。これは、甘味料のう
ち、アスパルテームと「ステビア＋甘草」のレーダーチ
ャートであり、それぞれの９つの評価項目についての評
価点数をプロットしたものである。このレーダーチャー
トによれば、目視において、アスパルテームと「ステビ
ア＋甘草」とはほぼ同じ面積であり、「こく」と「く
せ」の点で評価点数が異なるものの形状も類似してい
る。
【００２５】一般にアスパルテームは「甘味質は良い」
と判断されているので、このレーダーチャートの目視か
らは、「ステビア＋甘草」もアスパルテームと同様に
「甘味質は良い」と判断できそうであるが、客観的かつ
明確に「甘味質は良い」と判断するのは困難である。な
お、レーダーチャートは、ＣＰＵを中心とするマイクロ
コンピュータを用いれば、容易に作成することができ
る。
と判断されているので、このレーダーチャートの目視か
らは、「ステビア＋甘草」もアスパルテームと同様に
「甘味質は良い」と判断できそうであるが、客観的かつ
明確に「甘味質は良い」と判断するのは困難である。な
お、レーダーチャートは、ＣＰＵを中心とするマイクロ
コンピュータを用いれば、容易に作成することができ
る。
【００２６】以下に、甘味質の評価に利用する判別関数
の一実施例について説明する。まず、試験者による官能
評価試験の結果（評価点数）をキーボード等の入力手段
を用いてパソコンなどのマイクロコンピュータシステム
に入力し、ＲＡＭあるいはハーデディスク等のデータ記
憶手段に記憶させる。そして、マイクロコンピュータシ
ステムの中心となるＣＰＵは、予めプログラムされた所
定の手順に基づいて判別関数の定数及び係数を求め、判
別関数を生成する。この意味において、ＣＰＵは判別関
数生成手段を構成する。なお、生成された判別関数は、
ＲＡＭ，ハードディスク等の記憶手段に記憶される。
の一実施例について説明する。まず、試験者による官能
評価試験の結果（評価点数）をキーボード等の入力手段
を用いてパソコンなどのマイクロコンピュータシステム
に入力し、ＲＡＭあるいはハーデディスク等のデータ記
憶手段に記憶させる。そして、マイクロコンピュータシ
ステムの中心となるＣＰＵは、予めプログラムされた所
定の手順に基づいて判別関数の定数及び係数を求め、判
別関数を生成する。この意味において、ＣＰＵは判別関
数生成手段を構成する。なお、生成された判別関数は、
ＲＡＭ，ハードディスク等の記憶手段に記憶される。
【００２７】入力される評価点数は、次のような説明変
数（ｘ1〜ｘ9）に対応するものである。ｘ1：苦味があ
る、ｘ2：後引きがある、ｘ3：しつこい、ｘ4：くせが
ある、ｘ 5：渋味がある、ｘ6：刺激がある、ｘ7：すっ
きりしない、ｘ8：まろやかでない、ｘ9：こくがないの
９つを、説明変数とする。従属変数Ｚは、次の多変数の
線型一次式で表わされる。 Ｚ＝ａ1ｘ1＋ａ2ｘ2＋ａ3ｘ3＋ａ4ｘ4＋ａ5ｘ5＋ａ6ｘ6
＋ａ7ｘ7＋ａ8ｘ8＋ａ9ｘ9＋ａ0 これが求める判別関数の一般式である。ここで、ａ0は
定数、ａ1からａ9は係数である。図３は、入力された説
明変数から計算される平均値と分散マトリクスを示した
ものである。平均値は、１１種全体のものと、「甘味質
が良い」とされている７つの甘味料ごとと、「甘味質が
悪い」とされている４つの甘味料ごとのものが求められ
る。
数（ｘ1〜ｘ9）に対応するものである。ｘ1：苦味があ
る、ｘ2：後引きがある、ｘ3：しつこい、ｘ4：くせが
ある、ｘ 5：渋味がある、ｘ6：刺激がある、ｘ7：すっ
きりしない、ｘ8：まろやかでない、ｘ9：こくがないの
９つを、説明変数とする。従属変数Ｚは、次の多変数の
線型一次式で表わされる。 Ｚ＝ａ1ｘ1＋ａ2ｘ2＋ａ3ｘ3＋ａ4ｘ4＋ａ5ｘ5＋ａ6ｘ6
＋ａ7ｘ7＋ａ8ｘ8＋ａ9ｘ9＋ａ0 これが求める判別関数の一般式である。ここで、ａ0は
定数、ａ1からａ9は係数である。図３は、入力された説
明変数から計算される平均値と分散マトリクスを示した
ものである。平均値は、１１種全体のものと、「甘味質
が良い」とされている７つの甘味料ごとと、「甘味質が
悪い」とされている４つの甘味料ごとのものが求められ
る。
【００２８】この平均値及び分散マトリクスを、判別分
析法に基づく連立方程式にあてはめれば、図４（ａ）に
示すような判別関数の定数ａ0及び係数（ａ1〜ａ9）が
求められる。 ａ0＝３５７２．０４３３，ａ1＝１７６．１８３２， ａ2＝１７０．６６２４， ａ3＝６５．５０８４， ａ4＝１０５．０４３３， ａ5＝−１９４．８４３６， ａ6＝−９１３．７４２０，ａ7＝−５２９．６００７， ａ8＝３２．３９４３， ａ9＝−２９．６８７５。
析法に基づく連立方程式にあてはめれば、図４（ａ）に
示すような判別関数の定数ａ0及び係数（ａ1〜ａ9）が
求められる。 ａ0＝３５７２．０４３３，ａ1＝１７６．１８３２， ａ2＝１７０．６６２４， ａ3＝６５．５０８４， ａ4＝１０５．０４３３， ａ5＝−１９４．８４３６， ａ6＝−９１３．７４２０，ａ7＝−５２９．６００７， ａ8＝３２．３９４３， ａ9＝−２９．６８７５。
【００２９】したがって、係数を整数値で表すと判別関
数Ｚは図４（ｂ）のように表わされる。 Ｚ＝１７６ｘ1＋１７１ｘ2＋６６ｘ3＋１０５ｘ4−１９
５ｘ5−９１４ｘ6−５３０ｘ7＋３２ｘ8−３０ｘ9＋３
５７２ この式の右辺の説明変数（ｘ1〜ｘ9）に、各甘味料につ
いての評価点数を代入すれば、その甘味料の「甘味質の
良・悪」（Ｚの値）が判別できる。この評価演算も、Ｒ
ＡＭ等に記憶されたプログラムに従ってＣＰＵが行う。
この意味で、ＣＰＵは演算手段を構成する。
数Ｚは図４（ｂ）のように表わされる。 Ｚ＝１７６ｘ1＋１７１ｘ2＋６６ｘ3＋１０５ｘ4−１９
５ｘ5−９１４ｘ6−５３０ｘ7＋３２ｘ8−３０ｘ9＋３
５７２ この式の右辺の説明変数（ｘ1〜ｘ9）に、各甘味料につ
いての評価点数を代入すれば、その甘味料の「甘味質の
良・悪」（Ｚの値）が判別できる。この評価演算も、Ｒ
ＡＭ等に記憶されたプログラムに従ってＣＰＵが行う。
この意味で、ＣＰＵは演算手段を構成する。
【００３０】図４（ｃ）に、各甘味料について図１に示
した真の甘味質と、判別関数値（従属変数Ｚの値）及び
判別関数で求められた判別結果を示す。たとえば、砂糖
は、図１により、一般的に真の甘味質は良いとされてお
り、従属変数値Ｚ＝２１７．７９６５１６４であり、Ｚ
＞０であるため、「甘味質は良い」と判別されたことを
示す。また甘草は、真の甘味質は悪いとされており、従
属変数値Ｚ＝−２２０．０６９６０７５であり、Ｚ＜０
であるため、「甘味質は悪い」と判別されたことを示
す。
した真の甘味質と、判別関数値（従属変数Ｚの値）及び
判別関数で求められた判別結果を示す。たとえば、砂糖
は、図１により、一般的に真の甘味質は良いとされてお
り、従属変数値Ｚ＝２１７．７９６５１６４であり、Ｚ
＞０であるため、「甘味質は良い」と判別されたことを
示す。また甘草は、真の甘味質は悪いとされており、従
属変数値Ｚ＝−２２０．０６９６０７５であり、Ｚ＜０
であるため、「甘味質は悪い」と判別されたことを示
す。
【００３１】図４（ｃ）を見ると、１１種の甘味料すべ
てについて、真の甘味質と判別関数で求められた判別結
果とは一致していることがわかる。すなわち、利用した
１１種の甘味料については、誤差判別率は０％である。
このことは、甘味質が未知である甘味材料について、官
能データを用いて判別関数値を求めれば、誤差判別をす
ることなく、ほぼ１００％の確度で甘味質の良悪を判断
できることを意味する。
てについて、真の甘味質と判別関数で求められた判別結
果とは一致していることがわかる。すなわち、利用した
１１種の甘味料については、誤差判別率は０％である。
このことは、甘味質が未知である甘味材料について、官
能データを用いて判別関数値を求めれば、誤差判別をす
ることなく、ほぼ１００％の確度で甘味質の良悪を判断
できることを意味する。
【００３２】図４（ｃ）の最下欄には、総合的な甘味質
が未知である「ステビア＋甘草」の官能データに基づい
て求めた判別関数値についても示している。「ステビア
＋甘草」については、判別関数値Ｚ＝−３６４．４２と
なり、「甘味質は悪い」という判別結果が得られた。
が未知である「ステビア＋甘草」の官能データに基づい
て求めた判別関数値についても示している。「ステビア
＋甘草」については、判別関数値Ｚ＝−３６４．４２と
なり、「甘味質は悪い」という判別結果が得られた。
【００３３】また、図４（ｃ）には、各甘味料について
の評価項目間のばらつきを示す標準偏差と、各甘味料の
レーダーチャートの面積も示している。図５は、各甘味
料についてのレーダーチャートの面積と判別関数値
（Ｚ）との関係を示したグラフである。図６は、各甘味
料についての標準偏差と判別関数値（Ｚ）との関係を示
したグラフである。まず、図４（ｃ）において、「ステ
ビア＋甘草」のレーダーチャートの面積は４３．７８で
あり、アスパルテームの４１．５２に近く、「ステビア
＋甘草」の標準偏差値は０．２５６であり、アスパルテ
ームの０．３０１よりも優れていると言える。したがっ
てレーダーチャートの面積及び標準偏差との比較におい
ては、「甘味質が良い」とされているアスパルテームと
同様に、「ステビア＋甘草」も「甘味質が良い」と判断
可能である。しかし、前記のとおり判別関数によれば、
「ステビア＋甘草」は「甘味質は悪い」と判断された。
の評価項目間のばらつきを示す標準偏差と、各甘味料の
レーダーチャートの面積も示している。図５は、各甘味
料についてのレーダーチャートの面積と判別関数値
（Ｚ）との関係を示したグラフである。図６は、各甘味
料についての標準偏差と判別関数値（Ｚ）との関係を示
したグラフである。まず、図４（ｃ）において、「ステ
ビア＋甘草」のレーダーチャートの面積は４３．７８で
あり、アスパルテームの４１．５２に近く、「ステビア
＋甘草」の標準偏差値は０．２５６であり、アスパルテ
ームの０．３０１よりも優れていると言える。したがっ
てレーダーチャートの面積及び標準偏差との比較におい
ては、「甘味質が良い」とされているアスパルテームと
同様に、「ステビア＋甘草」も「甘味質が良い」と判断
可能である。しかし、前記のとおり判別関数によれば、
「ステビア＋甘草」は「甘味質は悪い」と判断された。
【００３４】また、図５において、このグラフよりレー
ダーチャートの面積が小さいほど、判別関数値（Ｚ）が
高く、すなわち「甘味質が良い」と判断できる。このグ
ラフによれば、両者の間にはほぼ２次元多項式の関係が
成立しているが、甘味質の良・悪の判断の境界付近に位
置するアスパルテーム（面積４１．５２）と「ステビア
＋甘草」（面積４３．７８）では判別関数値が明らかに
異なり、甘味質の良・悪の判断が明確に分かれる。この
ことは、レーダーチャートの面積のみでは、明確に甘味
質の良・悪の判断はできないことを意味する。
ダーチャートの面積が小さいほど、判別関数値（Ｚ）が
高く、すなわち「甘味質が良い」と判断できる。このグ
ラフによれば、両者の間にはほぼ２次元多項式の関係が
成立しているが、甘味質の良・悪の判断の境界付近に位
置するアスパルテーム（面積４１．５２）と「ステビア
＋甘草」（面積４３．７８）では判別関数値が明らかに
異なり、甘味質の良・悪の判断が明確に分かれる。この
ことは、レーダーチャートの面積のみでは、明確に甘味
質の良・悪の判断はできないことを意味する。
【００３５】また、図６によれば、全体的には、標準偏
差が小さいほど、判別関数値（Ｚ）が高く、すなわち
「甘味質が良い」という傾向があるが、フドウ糖と「ス
テビア＋甘草」についてはこの傾向からは大きくはずれ
ている。したがって、標準偏差からは、明確な甘味質の
良悪の判断は困難であるといえる。
差が小さいほど、判別関数値（Ｚ）が高く、すなわち
「甘味質が良い」という傾向があるが、フドウ糖と「ス
テビア＋甘草」についてはこの傾向からは大きくはずれ
ている。したがって、標準偏差からは、明確な甘味質の
良悪の判断は困難であるといえる。
【００３６】以上の実施例の結果より、従来から用いら
れているレーダーチャートの面積の大小、あるいは標準
偏差によれば、甘味質の良悪のおおよその傾向はつかめ
るが、明確な判断は困難である。一方、この発明のよう
に、得られた甘味質に対する官能データから判別関数を
求め、甘味質が未知の甘味料についてこの判別関数を適
用することによってその甘味質についての明確な判断が
可能である。
れているレーダーチャートの面積の大小、あるいは標準
偏差によれば、甘味質の良悪のおおよその傾向はつかめ
るが、明確な判断は困難である。一方、この発明のよう
に、得られた甘味質に対する官能データから判別関数を
求め、甘味質が未知の甘味料についてこの判別関数を適
用することによってその甘味質についての明確な判断が
可能である。
【００３７】
【発明の効果】この発明によれば、与えられた官能デー
タから判別分析法による判別関数を求めているので、総
合的な官能評価を容易かつ明確に行うことが可能とな
る。
タから判別分析法による判別関数を求めているので、総
合的な官能評価を容易かつ明確に行うことが可能とな
る。
【図１】この発明の基本構成ブロック図である。
【図２】この発明の一実施例である官能評価試験の結果
（官能データ）を示した図である。
（官能データ）を示した図である。
【図３】この発明の一実施例として用いた甘味料の官能
データから求められた平均値及び分数マトリクスを示し
た図である。
データから求められた平均値及び分数マトリクスを示し
た図である。
【図４】この発明の一実施例における判別関数と判別関
数により求めた判別結果を示した図である。
数により求めた判別結果を示した図である。
【図５】この発明の一実施例として用いた甘味料につい
てのレーダーチャートの面積と判別関数との関係を示し
たグラフである。
てのレーダーチャートの面積と判別関数との関係を示し
たグラフである。
【図６】この発明の一実施例として用いた甘味料ついて
の標準偏差と判別関数値との関係を示したグラフであ
る。
の標準偏差と判別関数値との関係を示したグラフであ
る。
【図７】この発明の一実施例として用いた甘味料の官能
データから求められたレーダーチャートである。
データから求められたレーダーチャートである。
１ 入力手段 ２ データ記憶手段 ３ 評価手段 ４ 判別関数記憶手段 ５ 判別関数生成手段 ６ 出力手段 ７ レーダーチャート生成手段
Claims (5)
- 【請求項１】 複数種類の官能データを入力する入力手
段と、 入力された官能データを記憶するデータ記憶手段と、 総合的な官能評価の基準となる判別関数を予め記憶する
判別関数記憶手段と、 前記データ記憶手段に記憶された未知の試料の官能デー
タに前記判別関数を適用してその未知の試料に対する総
合的な官能評価を行う評価手段と、 官能評価の結果を出力する出力手段とからなることを特
徴とする官能評価システム。 - 【請求項２】 総合的な官能評価が明確な試料の官能デ
ータを用いて前記判別関数を求める判別関数生成手段を
さらに備えたことを特徴とする請求項１記載の官能評価
システム。 - 【請求項３】 前記入力手段に入力される官能データ
が、食品に対する複数の評価項目データである請求項１
又は２に記載した官能評価システム。 - 【請求項４】 前記判別関数生成手段によって求められ
る判別関数が、入力された官能データを変数とする線型
一次関数で表わされることを特徴とする請求項２記載の
官能評価システム。 - 【請求項５】 前記データ記憶手段に記憶された官能デ
ータに対するレーダーチャートを生成するレーダーチャ
ート生成手段をさらに備えたことを特徴とする請求項１
から４に記載したいずれかの官能評価システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9065792A JPH10260959A (ja) | 1997-03-19 | 1997-03-19 | 官能評価システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9065792A JPH10260959A (ja) | 1997-03-19 | 1997-03-19 | 官能評価システム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH10260959A true JPH10260959A (ja) | 1998-09-29 |
Family
ID=13297244
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP9065792A Pending JPH10260959A (ja) | 1997-03-19 | 1997-03-19 | 官能評価システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH10260959A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015064828A (ja) * | 2013-09-26 | 2015-04-09 | 日本電信電話株式会社 | 対話傾向得点化装置、方法及びプログラム |
| JP2015156854A (ja) * | 2014-01-21 | 2015-09-03 | 株式会社東洋新薬 | 容器詰め飲料 |
| JP2022047369A (ja) * | 2020-09-11 | 2022-03-24 | Tdk株式会社 | 味覚推定モデルの作成方法、味覚推定システム、及び、味覚推定プログラム |
| JP2022055690A (ja) * | 2020-09-29 | 2022-04-08 | Tdk株式会社 | 飲食物評価システム及び飲食物評価プログラム |
-
1997
- 1997-03-19 JP JP9065792A patent/JPH10260959A/ja active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015064828A (ja) * | 2013-09-26 | 2015-04-09 | 日本電信電話株式会社 | 対話傾向得点化装置、方法及びプログラム |
| JP2015156854A (ja) * | 2014-01-21 | 2015-09-03 | 株式会社東洋新薬 | 容器詰め飲料 |
| JP2022047369A (ja) * | 2020-09-11 | 2022-03-24 | Tdk株式会社 | 味覚推定モデルの作成方法、味覚推定システム、及び、味覚推定プログラム |
| JP2022055690A (ja) * | 2020-09-29 | 2022-04-08 | Tdk株式会社 | 飲食物評価システム及び飲食物評価プログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Briggs | Estimation of the standard error and confidence interval of the indirect effect in multiple mediator models | |
| Rudnitskaya et al. | Instrumental measurement of beer taste attributes using an electronic tongue | |
| Zwick et al. | Comparison of five rules for determining the number of components to retain. | |
| James et al. | Functional linear discriminant analysis for irregularly sampled curves | |
| Shamil et al. | Flavour release and perception in reduced-fat foods | |
| Husson et al. | Confidence ellipse for the sensory profiles obtained by principal component analysis | |
| JP3739201B2 (ja) | 半導体チップの相関解析方法及び装置、半導体チップ歩留まり調整方法並びに記憶媒体 | |
| Li et al. | Applying sensory and instrumental techniques to evaluate the texture of French fries from fast food restaurant | |
| Delwiche et al. | A graphical method to evaluate spectral preprocessing in multivariate regression calibrations: Example with Savitzky–Golay filters and partial least squares regression | |
| Kermit et al. | Assessing the performance of a sensory panel–panellist monitoring and tracking | |
| JPH10260959A (ja) | 官能評価システム | |
| Cornish-Bowden | Detection of errors of interpretation in experiments in enzyme kinetics | |
| Kondo et al. | On the US firm and establishment size distributions | |
| JP7207380B2 (ja) | 味覚推定モデルの作成方法、味覚推定システム、及び、味覚推定プログラム | |
| Sijtsma | Contributions to Mokken's nonparametric item response theory | |
| Kovács et al. | Electronic tongue and sensory evaluation for sensing apple juice taste attributes | |
| Ovejero-Lopez et al. | Univariate and multivariate modelling of flavour release in chewing gum using time-intensity: a comparison of data analytical methods | |
| Martens et al. | Preference of cauliflower related to sensory descriptive variables by partial least squares (PLS) regression | |
| Lawless et al. | Scaling | |
| Riley | Presentation of statistical analyses | |
| Steiger | MULTICORR: A computer program for fast, accurate, small-sample testing of correlational pattern hypotheses | |
| EP3923228B1 (en) | Data analysis method, device and program | |
| Abdi et al. | Some new and easy ways to describe, compare, and evaluate products and assessors | |
| JP7136165B2 (ja) | 飲食物評価システム及び飲食物評価プログラム | |
| SCAMAN et al. | Evaluation of wine competition judge performance using principal component similarity analysis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |