Trước khi mở roast log, cần mô tả sai lệch bằng thuộc tính cụ thể: mùi, vị, hậu vị, độ cân bằng hoặc đặc tính khác đã được đánh giá bằng phương pháp phù hợp. Một nhận xét chung như “cốc không ngon” không tạo ra biến đầu vào tốt cho truy nguyên. Nghiên cứu về lỗi rang cho thấy các profile khác nhau có thể tạo những khác biệt rõ về aroma, đánh giá mô tả và mức chấp nhận của người tiêu dùng. Điều đó cho thấy bước đầu tiên phải là biến cảm nhận thành thông tin có cấu trúc.
Chuỗi dữ liệu cần được nối
Mã mẫu phải liên kết được với mã mẻ rang, nguyên liệu đầu vào và thời điểm sản xuất. Roast log cần giữ đường nhiệt, thời gian, tốc độ thay đổi nhiệt và các sự kiện vận hành. Sau rang cần có dữ liệu làm nguội, xay hoặc pha nếu những công đoạn này nằm trong phạm vi điều tra. Kết quả kiểm tra và dữ liệu cảm quan phải giữ cùng mã định danh. Khi mỗi công đoạn nằm trong một hệ thống riêng mà không có khóa chung, truy nguyên trở thành công việc ghép thủ công và nguy cơ sai lệch tăng.
Không quy mọi lỗi về rang
Một profile bất thường có thể là nguyên nhân, nhưng một profile bình thường không chứng minh nguyên nhân nằm ở nơi khác. Hạt xanh khác biệt, độ ẩm, bảo quản hoặc quá trình xay cũng có thể tạo sai lệch. Ngay cả trong cùng một profile, thiết bị và điều kiện vận hành có thể tạo kết quả khác. Vì vậy, truy nguyên nên bắt đầu bằng việc loại trừ từng nhóm nguyên nhân bằng dữ liệu đối chứng thay vì tìm một điểm nhiệt độ bất thường rồi kết luận.
Phân tích đa biến để khoanh vùng
Khi nhiều biến cùng thay đổi, phân tích đa biến có thể giúp xác định mẻ nào hoặc nhóm điều kiện nào khác biệt so với vùng bình thường. Catelani và cộng sự đã dùng NIR kết hợp kiểm soát quá trình đa biến để phát hiện sớm các nhiễu được đưa vào mẻ rang. Trong bài toán truy nguyên, tư duy tương tự có thể giúp khoanh vùng nhưng không thay thế kiểm tra vật lý. Một biến đóng góp lớn trong mô hình chỉ là dấu hiệu thống kê; nguyên nhân kỹ thuật cần được xác nhận bằng dữ liệu và kiểm tra thực tế.
Dữ liệu đối chứng quyết định sức mạnh của kết luận
Nếu chỉ lưu mẻ có vấn đề, rất khó biết điểm khác biệt nào thực sự bất thường. Các mẻ bình thường có cùng loại nguyên liệu và điều kiện tương tự tạo ra vùng tham chiếu. Khi một cốc lệch, có thể so sánh cả đường nhiệt lẫn dữ liệu đầu vào với những mẻ đối chứng. Điều này làm giảm nguy cơ coi một đặc điểm vốn phổ biến là nguyên nhân. Đối chứng cũng giúp nhận ra trường hợp nhiều nguyên nhân cùng xuất hiện.
Giới hạn của mô hình truy nguyên
Không phải sai lệch cảm quan nào cũng có một nguyên nhân duy nhất. Dữ liệu có thể thiếu, cảm quan có thể biến thiên và nhiều công đoạn có thể cùng tác động. Vì vậy, mô hình truy nguyên nên trả về một tập giả thuyết cần kiểm tra thay vì một phán quyết tuyệt đối. Giá trị của nó nằm ở việc rút ngắn đường điều tra và làm cho bằng chứng giữa các công đoạn được nối lại.
Lập sơ đồ truy nguyên
Một sơ đồ truy nguyên có thể bắt đầu ở thuộc tính cảm quan, đi qua mẫu phục vụ, mẻ rang, nguyên liệu và các điều kiện trước rang. Mỗi nút nên có dữ liệu định danh và thời gian. Các mũi tên không nên được hiểu là quan hệ nhân quả tự động; chúng chỉ biểu diễn đường dữ liệu cần kiểm tra. Cách biểu diễn này giúp nhóm điều tra nhìn thấy nơi nào đang thiếu bằng chứng. Nếu một đoạn của chuỗi không có dữ liệu, kết luận cần dừng ở mức giả thuyết.
Ưu tiên kiểm tra theo bằng chứng
Không phải mọi biến trong roast log đều cần kiểm tra cùng lúc. Có thể bắt đầu từ những biến có khác biệt rõ so với mẻ đối chứng, sau đó xem chúng có liên quan đến sự kiện cảm quan hay không. Một biến chỉ đáng ưu tiên khi nó vừa khác biệt, vừa có khả năng giải thích về mặt quá trình. Cách này tránh tình trạng mô hình thống kê trả về hàng chục biến nhưng không giúp người vận hành biết nên kiểm tra gì trước.
Vai trò của hồ sơ mẫu
Một cốc được đánh giá sau pha cần giữ thông tin về cách chuẩn bị mẫu nếu mục tiêu là truy nguyên. Cùng một cà phê có thể biểu hiện khác khi tỷ lệ nước, kích thước xay hoặc nhiệt độ pha thay đổi. Nếu những biến này không được ghi, truy nguyên từ cốc về rang có thể nhầm một sai lệch pha chế thành sai lệch rang. Phạm vi điều tra phải được xác định trước để biết công đoạn nào nằm trong chuỗi.
Khi nhiều nguyên nhân cùng xảy ra
Một mẻ có thể vừa lệch profile vừa có vấn đề ở khâu xay hoặc pha. Trong trường hợp đó, cố tìm một nguyên nhân duy nhất có thể làm mất thông tin. Mô hình nên cho phép nhiều giả thuyết cùng tồn tại và xếp theo bằng chứng. Sau mỗi bước kiểm tra, giả thuyết có thể được loại bỏ hoặc củng cố. Cách này gần với điều tra nguyên nhân hơn là chấm điểm một biến bất thường.
Tài liệu tham khảo
- Giacalone, D. et al. (2019). Common roasting defects in coffee: aroma composition, sensory characterization and consumer perception. Food Quality and Preference, 71, 463–474. DOI: 10.1016/j.foodqual.2018.03.009.
- Catão, E. C. et al. (2022). Coffee-roasting variables associated with volatile organic profiles and sensory evaluation using multivariate analysis. Applied Food Research, 2, 100223. DOI: 10.1016/j.afres.2022.100223.
- Grancieri Debona, D. et al. (2025). Comprehensive evaluation of volatile compounds and sensory profiles of coffee throughout the roasting process. Food Chemistry, 478, 143586. DOI: 10.1016/j.foodchem.2025.143586.
- Catelani, T. A. et al. (2018). Real-time monitoring of a coffee roasting process with near infrared spectroscopy using multivariate statistical analysis. Talanta, 179, 292–299. DOI: 10.1016/j.talanta.2017.11.010.
Before opening the roast log, you need to describe the deviation using specific attributes: smell, taste, aftertaste, balance, or another characteristic already assessed with a suitable method. A general comment like “the cup isn't good” doesn't create a useful input variable for tracing back. Research on roasting defects shows different profiles can create clear differences in aroma, descriptive evaluation, and consumer response.
The data chain needs to be linked
The sample code must be linkable to the roast-batch code, the input raw material, and the production time. The roast log needs to keep the heat curve, time, rate of temperature change, and operating events. After roasting, cooling, grinding, or brewing data is needed if those steps fall within the scope of the investigation. Test results and sensory data must keep the same identifiers. When each step is linked, tracing back becomes far more feasible than trying to recall the process from memory.
Don't attribute every defect to roasting
An abnormal profile can be a cause, but a normal profile doesn't prove the cause lies elsewhere. Different green beans, moisture, storage, or the grinding process can also create a deviation. Even within the same profile, equipment and operating conditions can produce different results. So tracing back should start by ruling out each group of possibilities rather than jumping straight to roasting as the assumed cause.
Multivariate analysis for narrowing down
When many variables change at once, multivariate analysis can help identify which batch or group of conditions differs from the normal zone. Catelani and colleagues used NIR combined with multivariate process control to detect early disturbances introduced into a roast batch. A similar way of thinking can help narrow down an investigation, though it doesn't replace direct checking of the suspected cause.
Control data determines the strength of the conclusion
If only problem batches are kept, it's very hard to know which difference is actually abnormal. Normal batches with the same raw material and similar conditions create a reference zone. When a cup deviates, you can compare both the heat curve and input data against these control batches. This reduces the risk of treating a commonly occurring characteristic as the cause. Controls also help calibrate how unusual an observed difference really is.
Limits of the traceback model
Not every sensory deviation has a single cause. Data can be missing, sensory evaluation can vary, and multiple steps can act together. So a traceback model should return a set of hypotheses to check rather than an absolute verdict. Its value lies in shortening the investigation path and making evidence between steps comparable.
Mapping the traceback path
A traceback diagram can start at the sensory attribute, pass through the served sample, the roast batch, the raw material, and pre-roast conditions. Each node should have identification and timing data. Arrows shouldn't automatically be read as causal relationships; they only represent the data path that needs checking. This representation helps the investigating team see where evidence is still missing.
Prioritizing checks based on evidence
Not every variable in the roast log needs checking at once. You can start with variables showing a clear difference from control batches, then see whether they relate to the sensory event. A variable only deserves priority when it's both different and mechanistically plausible as an explanation. This approach avoids a statistical model returning dozens of variables with weak individual meaning.
References
- Giacalone, D. et al. (2019). Common roasting defects in coffee: aroma composition, sensory characterization and consumer perception. Food Quality and Preference, 71, 463–474. DOI: 10.1016/j.foodqual.2018.03.009.
- Cataão, E. C. et al. (2022). Coffee-roasting variables associated with volatile organic profiles and sensory evaluation using multivariate analysis. Applied Food Research, 2, 100223. DOI: 10.1016/j.afres.2022.100223.
- Grancieri Debona, D. et al. (2025). Comprehensive evaluation of volatile compounds and sensory profiles of coffee throughout the roasting process. Food Chemistry, 478, 143586. DOI: 10.1016/j.foodchem.2025.143586.
- Catelani, T. A. et al. (2018). Real-time monitoring of a coffee roasting process with near infrared spectroscopy using multivariate statistical analysis. Talanta, 179, 292–299. DOI: 10.1016/j.talanta.2017.11.010.