Tldr : nous avons trouvé une différence statistique entre l'utilisation du TOC et de la distribution des doigts, et entre tapotement de la paume et la répartition des doigts - mais aucune différence significative entre tapotement de la paume et TOC. Mais nous allons continuer nos recherches et avoir quelques idées sympas pour la prochaine expérience.

La version longue ? Commençons en juin de l'année dernière, où nous voulions répondre à ce qui nous semblait être une question assez simple : "Les outils de distribution distribuent-ils?"

Pour tester cela, nous avons fabriqué un outil à insérer dans un panier VST de 58 mm rempli de café (moulu sur un moulin Mazzer sur un réglage expresso typique) en divisant le café « là où il repose » en segments à l'intérieur de l'outil. Même si les segments intérieurs et extérieurs avaient une forme différente, ils avaient un volume égal. L'outil pourrait ensuite être basculé et, avec un couvercle personnalisé, nous pourrions retirer chaque section individuelle et les peser à l'aide d'une balance analytique précise au 1/10 000e (!!!) de gramme. Nous en savons plus sur cet outil et nos premières idées pour cette expérience ici.

UN outil de diffusion qui distribue efficacement devrait, en principe, distribuer une quantité égale de café dans chaque segment.

Nous avons utilisé cet outil sur trois styles de distribution différents : la distribution au doigt, le TOC (les deux en suivant le protocole conseillé par Sasa Sastic) et tapotement de la paume. 10 échantillons de chaque méthode ont été prélevés.

Au départ, nous avions prévu 20 échantillons chacun, mais c'était un peu ambitieux. Chaque échantillon a produit 10 points de données : la dose elle-même, le gaspillage entre l'extérieur de l'outil et la courbe du panier, et les huit segments eux-mêmes. Cela a abouti à 300 mesures prises sur deux jours. Ces résultats ont ensuite été analysés statistiquement dans SPSS, un outil d'analyse statistique conçu par IBM.

Nous avons dû organiser les données de manière significative pour l'analyse, nous avons donc d'abord fait la moyenne des mesures de segment de chaque échantillon, en les condensant en un seul nombre. Cela a abouti à une taille moyenne de segment des 10 mesures pour chaque méthode de distribution. La figure 1, quant à elle, montre la moyenne de ces chiffres.

Il s’agit uniquement de statistiques descriptives, car nous n’avions rien à quoi les comparer de manière significative individuellement. Cependant, nous pourrions comparer la moyenne de segment pour chaque méthode de distribution à la moyenne totale indiquée dans la figure 1, ce qui nous donne ce que l'on appelle « l'écart absolu moyen » (MAD), dont nous faisons ensuite à nouveau la moyenne. Il s'agit d'une bonne mesure de la dispersion des données, un nombre inférieur indiquant une moindre dispersion, donc une distribution meilleure, voire uniforme, de chaque segment. La figure 2 montre ces résultats.

Notre analyse initiale a montré que ces résultats étaient normalement distribués et que les valeurs aberrantes ont été supprimées. Bien que cela ait affecté l'hypothèse de tailles d'échantillon égales, l'analyse de variance que nous avons utilisée (ANOVA) est considérée comme assez robuste pour des écarts modérés par rapport à cette hypothèse. Nous pourrions alors poursuivre avec une ANOVA unidirectionnelle, une analyse statistique de la variance. Le test de Levene, une mesure testant si les variances dans la population échantillonnée sont égales, n'était pas significatif, nous pourrions donc également supposer l'égalité des variances.

Cette ANOVA unidirectionnelle n’était pas significative. Il s’agissait d’une mesure non concluante pour tenter de discerner quelle méthode de distribution issue de l’expérience était la plus efficace. Huer.

Mais! Nous avons obtenu une multitude de données grâce à cette expérience, nous avons donc pu essayer un angle différent.

Comme nous avons enregistré la dose totale pour chaque échantillon, ainsi que le gaspillage, nous avons pu soustraire le gaspillage de la dose et diviser le résultat par huit, ce qui nous donne une approximation de ce qui pourrait être considéré comme une « distribution parfaite » pour chaque segment, pour chaque échantillon. Nous soustrayons ensuite ce nombre de la taille moyenne des segments pour chaque échantillon correspondant, ce qui nous donne la différence entre la « distribution parfaite » et la « distribution réelle ». En convertissant ces nombres en valeurs absolues, on pourrait dire que plus ce nombre est bas, meilleure est la distribution. La figure 3 montre ces résultats.

Les résultats ont été relativement uniformes, le TOC étant encore une fois légèrement en tête du peloton avec une moyenne de segment inférieure. Cependant, une autre ANOVA unidirectionnelle pour ces résultats n’était pas non plus significative.

Nous avons donc calculé le MAD de la différence moyenne entre la distribution parfaite et la distribution réelle, l'avons analysé via une autre ANOVA unidirectionnelle (figure 4) et nous avons réussi ! Nous avons eu un résultat significatif ! L'analyse a montré que 93% de la variance pouvait être expliquée par la méthode de distribution… Ce qui signifie qu'il n'y a pratiquement aucune différence entre les méthodes de distribution, dans le sens où elles tous varier.

Mais! L'analyse post hoc des résultats a montré que les résultats significatifs se limitaient au post-TOC et tapotement de la paume méthodes. En utilisant la différence moyenne MAD entre la distribution parfaite et la distribution réelle, cela a été montré en utilisant un OCD après la distribution des doigts vous a rapproché d'une distribution parfaite. Il a également montré l'utilisation tapotement de la paume plutôt de la distribution des doigts vous a également rapproché d'une distribution parfaite. Ça faisait pas montrer en utilisant le TOC sur tapotement de la paume c'était mieux, ou alors tapotement de la paume avec le TOC, c'était mieux. Dans cette comparaison, il n’y avait pas de différence significative entre les deux.

Hmmm. Nous devions plonger plus profondément, il restait donc un dernier angle que nous pouvions prendre. Comme nous avions des mesures pour le extérieur segment de chaque échantillon et mesures pour le intérieur segment de chaque échantillon, nous pourrions affirmer qu’une méthode de distribution efficace aurait peu ou pas de différence entre les mesures des segments interne et externe. La moyenne de ces chiffres pour chaque échantillon nous donnerait un chiffre où un nombre inférieur signifierait une meilleure distribution, voire une distribution uniforme. La figure 5 montre ces résultats.

Nous avons encore eu du succès ! Une autre ANOVA unidirectionnelle a montré une différence significative entre les moyennes. Cette fois, 76% de la variance pourrait être expliquée par la méthode de distribution. Mais! Une analyse post hoc a de nouveau montré que cette différence se situait entre le pré-TOC et le TOC, et le pré-TOC et le TOC. tapotement de la paume - encore pas entre le TOC et tapotement de la paume. Ici tapotement de la paume avait une différence moyenne plus faible (ainsi qu'une variance plus faible), mais cette différence de deux 1/100ème de gramme était pas statistiquement significatif. Une autre ANOVA unidirectionnelle de la différence moyenne MAD entre les segments interne et externe (figure 6) était également insignifiante.

Il y avait quelques limites à cette expérience qui méritent d'être mentionnées. Nous aurions évidemment préféré un échantillon de plus grande taille. Cependant, la conception de cette expérience ne se prêtait pas à un échantillonnage facile. En ce sens, il peut être plus pratique de concevoir une expérience axée sur la même segmentation des palet, mais sous le panier alors que le tir coule à flots. L'idée de « distribution parfaite », c'est-à-dire des tailles de segments égales, resterait avec cette conception. Il y a aussi la variable pratique du bourrage qui était absente de cette expérience. Il semble logique que des pressions à la baisse soient exercées sur le palet affecterait la distribution. Nous espérons nous concentrer sur ces deux considérations à l’avenir.

Alors — un résumé soigné de ces résultats ? Plus de 300 mesures et six ANOVA plus tard, nous avons trouvé une différence statistiquement significative entre l'utilisation de l'OCD ou tapotement de la paume sur la répartition des doigts. Cependant, l’OCD n’est pas plus une forme de distribution efficace que tapotement de la paume. Sur cette base, nous allons continuer nos recherches et nos expérimentations pour trouver une réponse concluante à cette question : « les outils de distribution distribuent-ils ?