Modelagem multivariada para determinação de propriedades físico-químicas de petróleo e para quantificação de edulcorantes artificiais em adoçantes de mesa

O desenvolvimento de metodologias de análise que sejam rápidas, robustas e de baixo custo é um dos grandes focos da química analítica moderna. A aplicação de técnicas espectroscópicas associadas à modelagens multivariadas, com o intuito de realizar inferências quantitativas, vem apresentando grande...

Nível de Acesso:openAccess
Publication Date:2015
Main Author: Duarte, Lucas Mattos lattes
Orientador/a: Oliveira, Marcone Augusto Leal de lattes
Co-advisor: Izumi, Celly Mieko Shinohara lattes
Banca: Aguiar, Paula Fernandes de lattes, Sousa, Rafael Arromba de lattes
Format: Dissertação
Language:por
Published: Universidade Federal de Juiz de Fora
Programa: Programa de Pós-graduação em Química
Department: ICE – Instituto de Ciências Exatas
Assuntos em Português:
PLS
Áreas de Conhecimento:
Online Access:https://repositorio.ufjf.br/jspui/handle/ufjf/315
Resumo Português:O desenvolvimento de metodologias de análise que sejam rápidas, robustas e de baixo custo é um dos grandes focos da química analítica moderna. A aplicação de técnicas espectroscópicas associadas à modelagens multivariadas, com o intuito de realizar inferências quantitativas, vem apresentando grande crescimento ao longo dos últimos anos. O presente trabalho visa o desenvolvimento de metodologias analíticas, por meio da aplicação de diferentes técnicas espectroscópicas, aliadas à regressão por Mínimos Quadrados Parciais (PLS), para duas aplicações diferentes. A primeira consiste na determinação de algumas propriedades físico-químicas de petróleo e a segunda na determinação da concentração de quatro edulcorantes artificiais em amostras de adoçantes de mesa. Em relação ao petróleo, este é formado basicamente por diferentes famílias de hidrocarbonetos, apresentando uma enorme gama de compostos. A composição complexa da matriz faz com que sua avaliação envolva um grande número de análises físico-químicas, o que torna sua caracterização de alto custo e demorada, podendo chegar a um ano. Nessa primeira parte, foram construídos modelos de PLS a partir de dados de Ressonância Magnética Nuclear para o núcleo de Hidrogênio (1H-RMN), para determinar as propriedades gravidade API, resíduo de carbono (RC) e temperatura inicial de aparecimento de cristais (TIAC), além de simular a curva de temperaturas de ebulição para as frações destiladas (SimDis). As curvas obtidas por essa metodologia foram chamadas de “curva de Pontos de Ebulição Estimadas por Quimiometria (PEEQ)”. Na segunda parte do trabalho, foram construídos modelos multivariados pela aplicação de PLS aos dados de espectroscopia Raman e de Infravermelho Próximo (NIR), para quantificação de Aspartame (ASP), Ciclamato (CIC), Sacarina (SAC) e Acesulfame-K (ACSK), em amostra de adoçante de mesa em pó. Para tanto, o método de referência utilizado para fornecer a informação de concentração referentes aos analitos, foi a Cromatografia Líquida com detecção por Espectrometria de Massas (LC-MS). Os modelos de NIR-PLS foram mais eficazes na previsão de ASP, CIC e SAC, enquanto o modelo de Raman-PLS respondeu melhor para o ACSK. Todos os modelos, pra ambas as partes, foram avaliados com base nos seguintes parâmetros de modelagem: número de Variáveis Latentes (LVs), Coeficiente de Correlação para a Validação Cruzada e para Previsão (R2vc e R2p, respectivamente), Raiz quadrada do Erro Quadrático Médio para Validação Cruzada e para Previsão (RMSECV e RMSEP, respectivamente). Por fim, os resíduos de cada modelo construído foram submetidos a testes estatísticos para avaliação de erros sistemáticos e erros de tendência.
The development of analytical methods that are fast, robust and low cost is one of the major focuses of modern analytical chemistry in order to perform quantitative inferences. The application of spectroscopic techniques associated with multivariate modeling has shown significant growth over the last years. This work aims at the development of analytical methodologies, by application of different spectroscopic techniques combined with regression by Partial Least Squares (PLS), for two different applications. The former involves the determination of some physicochemical properties of crude oil and the latter the determination of concentration of four artificial sweeteners in solid tabletop sweeteners samples. Petroleum is basically formed by different hydrocarbons families with a huge range of compounds. Due to the complex composition of the matrix a large number of high costs and time-consuming physicochemical analyses are required. In this first part, PLS models were built from 1H Nuclear Magnetic Resonance data (1H-RMN), in order to determine the following properties: API gravity, Carbon Residue (CR), Wax Appearance Temperature (WAT) and Simulated Distillation (SimDis). The curves obtained by this methodology were called Boiling Points Estimated by Chemometrics (BPEC). In the second part of this work, multivariate models were built by the application of PLS algorithm to Raman spectroscopy data and Near Infrared (NIR) spectroscopy to quantify Aspartame (ASP), Cyclamate (CIC), Saccharin (SAC) and Acesulfame-K (ACSK) in tabletop sweetener powder forms. Therefore, the reference method used to provide information regarding the concentration of analytes was the Liquid Chromatography coupled with Mass Spectrometry (LC-MS). The NIR-PLS models were more effective for the prediction of ASP, CIC and SAC, while Raman-PLS model presented better results to ACSK. All models, for both studies, were evaluated based on the following modelling parameters: number of Latent Variables (LVs), correlation coefficient for Cross Validation and Prediction (R2vc and R2p, respectively), Root Mean Square Error for Cross Validation and Prediction (RMSECV and RMSEP, respectively). Finally, the residuals of each model built were submitted to statistical tests for evaluation of systematic errors and tendency errors.