Introducción a la espectroscopia cualitativa
Mientras que la quimiometría cuantitativa se centra en predecir concentraciones numéricas (como porcentajes de humedad, grasa o proteína), la quimiometría cualitativa tiene como objetivo responder preguntas de clasificación estructural: ¿Qué es este material? ¿Coincide con las especificaciones de la etiqueta? ¿Ha sido adulterado o diluido?
En plantas de fabricación de alto rendimiento y almacenes de materias primas, verificar la identidad del material en el muelle de recepción es la primera línea de defensa en cribado químico y farmacéutico contra errores de producción. Análisis de Componentes Principales. Usando las herramientas de quimiometría en el caliXherramientas quimiométricas. Usando las herramientas de quimiometría en el caliXSuite espectral, Los modelos PCA se construyen fácilmente (PCA) es la principal herramienta matemática utilizada para crear bibliotecas espectrales sólidas y no destructivas para una identificación cualitativa instantánea.
Cómo funciona PCA con conjuntos de datos espectrales
Un espectro típico de NIR contiene cientos de canales de longitud de onda altamente correlacionados. Las proyecciones de estos canales son difíciles de analizar en forma cruda. PCA es una técnica de reducción de dimensionalidad que proyecta el espacio espectral de alta dimensión en un pequeño conjunto de ejes ortogonales llamados Componentes principales (PC).
- PC1:Capta la mayor dirección de variación en los datos espectrales (a menudo asociada con diferencias físicas, como el tamaño de las partículas).
- PC2:Capta la segunda dirección de variación más grande, ortogonal a PC1 (normalmente asociada con variaciones químicas, como cambios de concentración química).
- CP3, CP4...:Capture grados de variación decrecientes, aislando variaciones químicas finas del ruido aleatorio de los instrumentos.
Al mapear cada espectro como una coordenada (llamada "puntuación") a lo largo de estas PC, un espectro complejo se simplifica a un solo punto en un gráfico de puntuación 2D o 3D. Los espectros de materiales similares se agrupan, mientras que los valores atípicos se destacan.
"PCA aísla las características significativas de un espectro del ruido aleatorio, convirtiendo cientos de mediciones de longitud de onda en un conjunto compacto de coordenadas que definen grupos de materiales".
Construyendo un límite de clasificación
Para clasificar los materiales entrantes, debemos definir límites matemáticos alrededor de nuestros grupos de referencia en el gráfico de puntuación. la caliXSuite utiliza una prueba estadística doble:
- T² de Hotelling (Distancia interior Modelo):Mide la distancia desde el centro del clúster dentro del espacio modelo de PC. Representa qué tan típica es una muestra de la población de referencia.
- Q Residuales (Distancia exterior Modelo):Mide la varianza residual que no captura el modelo PCA. Si una muestra entrante tiene Q residuales altos, contiene características químicas (por ejemplo, un adulterante o una sustancia diferente) que el modelo nunca ha visto.
| Métrico | Límite estadístico | Criterio de aprobación | Acción indicada en caso de error |
|---|---|---|---|
| T² de Hotelling | Elipse de confianza del 95% | Las coordenadas de muestra se encuentran dentro del límite elíptico. | Fuera de especificaciones:El material coincide con la clase de referencia pero tiene propiedades atípicas (por ejemplo, humedad o densidad incorrecta). |
| Q residuos | Límite de umbral del 99% | El ruido residual cae por debajo del techo acústico | Material desconocido:Se detectó una estructura química inexplicable. Marcar por contaminación, sustitución o error del proveedor. |
Implementación de modelos de clasificación PCA
Una vez que se construye un modelo de clasificación en caliXSuite, se puede exportar directamente al software ProChem que se ejecuta en los terminales de muelle de recepción. Cuando un operador coloca una bolsa de materia prima debajo de un sensor en línea, el sistema escanea el material, proyecta el espectro en el modelo PCA, calcula las estadísticas T² y Q y muestra un resultado simple PASA/FALLA en menos de tres segundos. Esto reemplaza horas de ensayos de cromatografía, evitando que materiales incorrectos ingresen a la línea de producción.
Referencias
- Hotelling, H. (1931). "La generalización de la proporción de estudiantes"Anales de estadística matemática, 2(3), 360-378.
- "Análisis Cualitativo e Identificación de Materias Primas mediante Análisis de Componentes Principales. Utilizando las herramientas de quimiometría en el caliXherramientas quimiométricas. Usando las herramientas de quimiometría en el caliXSuite espectral, Los modelos PCA se construyen fácilmente en espectroscopia NIR",Revista de quimiometría, 2021.
- Jackson, JE y Mudholkar, GS (1979). "Procedimientos de Control de Residuales Asociados al Análisis de Componentes Principales. Utilizando las herramientas de quimiometría en el caliXherramientas quimiométricas. Usando las herramientas de quimiometría en el caliXSuite espectral, Los modelos PCA se construyen fácilmente",Tecnometria, 21(3), 341-349.
