Classificação e predição da viscosidade de óleos vegetais usando medidas de RMN e análise multivariada.

• Ano de defesa: 2009
• Autor(a) principal: PÊ, Patrícia Rodrigues.
• Orientador(a): DUARTE, Maria Elita Martins. , MEDEIROS, Everaldo Paulo de.
• Banca de defesa: PEDROZA, Juarez Paz., GOMES, Josivanda Palmeira.
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande
• Programa de Pós-Graduação: PÓS-GRADUAÇÃO EM ENGENHARIA AGRÍCOLA
• Departamento: Centro de Tecnologia e Recursos Naturais - CTRN
• País: Brasil
• Palavras-chave em Português: Medidas RMN; Análise multivariada; Classificação da viscosidade de óleos; Óleos vegetais - viscosidade; Qualidade de óleos vegetais; Óleos vegetais - qualidade; Vegetable oils - quality; Vegetable oils - viscosity
• Área do conhecimento CNPq: Engenharia Agrícola.
• Link de acesso: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/1984

Os óleos vegetais são fontes alimentares de alto valor calórico e de ácidos graxos essenciais. Além disso, a similaridade de suas moléculas com o petrodiesel é uma das vantagens para a produção de biodiesel. No cenário mundial sua valorização vem crescendo como fator de agregação de valor de dupla competição entre alimento e de uso energético. Com isto, surge naturalmente a necessidade de mecanismos que garantam a qualidade desses produtos. Para tanto, as ferramentas disponíveis destroem a amostra, possuem baixa frequência de processamento e geram grande volume de resíduos. Objetivou-se, neste contexto, desenvolver modelos exploratórios e de calibração multivariada com medidas não destrutivas e rápidas de RMN *H de baixo campo e de PCA (Principal Components of Analisys), HCA (Hierarchical Clusters Analisys), SIMCA (Soft Independent Modelling of Class Analogy), MLR (Multiple Linear Regression), PCR (Principal Components Regression) e PLS (Partial Least Squares). Os sinais de RMN *H foram obtidos de um total de n = 65 amostras de sete classes de óleo vegetal (algodão, n = 15; soja, n = 15; azeite de oliva, n = 15; arroz, n = 5; girassol, n = 5; milho, n = 5 e canola, n = 5). As medidas foram realizadas em triplicatas autênticas usando 150,0 mL de cada amostra. A partir dos sinais obtidos foram empregadas técnicas de PCA, HCA, SIMCA, MLR, PCR e PLS. Na PCA, o gráfico dos escores evidencia a formação de classes distintas com boa separação para algodão, soja e oliva; em 4 PCs se obtém 98,4 % de variância explicada. A validação dos resultados da PCA foi executada com uma HCA, em que o comportamento observado é explicado pela composição de ácidos graxos de cada classe de óleo vegetal. Com essas informações preliminares foram desenvolvidos modelos SIMCA para o qual selecionaram-se amostras ao acaso, para constituir os conjuntos de treinamento, validação e predição. Os modelos SIMCA previram 100% de acerto para as classes de algodão, soja e oliva. Os modelos PCR e PLS para predição da viscosidade foram mais robustos em relação à MLR. Os erros relativos de predição da viscosidade em relação à medida de referência foram sempre menores que 6,3%. Diante essas observações, a RMN H1 de baixo campo e análise multivariada permitem a classificação de óleos vegetais e a predição de sua viscosidade de forma direta, não destrutiva, não invasiva, sem o uso de reagentes, sem a geração de resíduos e com maior rapidez (30 s).