얼마전 COMPAK 본사의 LAB실을 방문해 평소 궁금하던 테스트를 진행해 볼 수 있었고 그에 대한 테스트 자료를 정리해 컬럼으로 기고할 수 있었다. 처음 이러한 내용을 접하시는 분들은 어려우실지도 있겠지만, 아직 읽어보지 못하신 분들이라면 먼저 편히 읽어보시길 바란다.

블랙워터이슈 - COMPAK 신모델 그라인더 2종 PK100, PKF, EK43, Ditting PEAK 그라인더 분쇄 입도 테스트

| COMPAK COFFEE GRINDER 본사COMPAK 신모델 그라인더 2종 PK100, PKF, EK43, Ditting ...

블랙워터이슈

먼저 해당 테스트는 COMPAK 본사에서 진행된 테스트이지만 나 스스로는 언제나 원하는 데이터 도출을 위한 의도적인 데이터 마사지는 하등의 이득이 될 것이 없다 생각하는 입장이다. 따라서 COMPAK 측에서는 좋든 싫든 순수하게 나온 결과를 그대로 두고 사측에 결과와 그에 대한 의견을 전할 예정이었다. 예상을 깨고(?) COMPAK의 두 모델이 순수하게 입자 분포 결과에 있어서는 경쟁 모델이 추구하는 균일성 측면에서 더 훌륭한 결과를 낳아 브리핑하기 다소 수월했던 측면이 있어 사실 좀 다행이란 생각도 들었다. 

본론으로 돌아가 해당 테스트는 타사의 그라인더를 포함해 직접 테스팅 할 수 있었고, 분석 소프트웨어의 파라메터를 내가 수정해서 필요한 자료를 만들어 볼 수도 있어서 더욱 의미가 컸던 시간이었다. 이 글은 그 파라메터와 관련된 내용, 즉 Matt Perger와 EK43의 등장 이후 크게 각광 받았던 Particle Distribution 그래프에 대한 부분에 대한 자료 해석에 대한 내용을 다룰 예정이다. 

자료해석

포스팅의 의도대로 몇몇의 분들이 우리에게 익숙하던 로그스케일 기반의 자료와 정수 스케일 기반의 자료의 해석의 측면에서 의문점을 제시해주시기도 했고, 바라던대로 정확히 이해를 해주신 분들도 계셨다. 

먼저 맷 퍼거, Hemro와 진행했던 EK43 레포트 3부작은 로그스케일 기반의 그래프가 대중적으로 더 많이 알려졌다. 하지만 당연히 로그스케일 그래프만 존재하는 것은 아니다. 찾기가 굉장히 힘들었지만, 실제로 독일의 Hemro 社는 아래에 보이는 것 처럼 정수 스케일 그래프 분석 결과도 당시 소수의 장소에서 공개하기도 했던 적이 있었다.    

EK43 과 타社 그라인더의 입도 분포 그래프, 상단 :  로그스케일, 하단 : 정수 스케일 적용시

데이터의 분포가 넓은 경우에는 전체 데이터의 영역을 균형감 있게 이해하기 위해서 로그스케일은 유용하다. 특히 커피 분쇄에 있어서도 로그스케일은 장점이 많다. 단순히 정수 그래프로만 입도 그래프를 나타낸다면, 볼륨과 사이즈 그래프 분석에서는 바로 위 사진에서 보듯 미분의 영역은 분간이 어려울 정도로 작게 표시가 된다. 하지만 대게 표면적은 100um 이하에서 절대적으로 큰 비율을 차지하고 있기에 분포 곡선에서도 로그 스케일을 활용하는 것은 나름 의미가 있다. 하지만, 문제는 이 그래프를 로그 스케일이라는 것을 감안하지 않고 해석하는 경우다. 실제로는 위 로그스케일을  X 축이 등간을 이루는 선형 그래프로 이 그래프를 해석하는 오류를 범하는 분들이 아주 많다.

따라서 위 그래프 중 로그스케일의 경우 100um 이상의 데이터에서 보라색 그래프가 가장 균일한 분포 범위를 갖는 것 처럼 잘못 이해하는 경우가 생긴다. 쉽게 말해 로그 스케일은 작은 수치를 크게 왜곡하고, 큰 수치를 작게 왜곡하여 표시한다. 따라서 정확한 범위의 크기를 살펴보기 위해서는 선형 스케일로 변환하여 해석해야 옳게 이해할 수 있는 것이다. 

데이터를 얻어도 자료를 올바르게 해석하기 위해서는 다양한 배경 지식이 필요하다. 

레이저 회절 기능을 활용한 입자 분포 분석을 커피에 적용했던 역사는 꽤나 깊다. EK43이 등장하고 PSD 그래프가 나오기 훨씬 이전부터 이러한 그래프들은 활용되어 왔다. 그럼에도 불구하고 여전히 제대로 그래프를 이해하고 입자들의 역할과 기여도에 대한 부분을 제대로 이해하고 있는 프로바리스타분들 역시 극소수에 가깝다. 

지난 포스팅과 이번 포스팅은 사실 그라인더간의 비교를 나타내는 자료가 아니라, 커피 그라인더에 있어 입도 분포의 해석에 대한 이해를 돕기 위한 목적이 더 크다. 그저 자료 해석에 대한 올바른 관점을 제시하는데 도움이 되길 바랄 뿐이다.