Aplicação de espectrômetro de infravermelho próximo ultracompacto e quimiometria para a análise de gordura hidrogenada de soja

• Ano de defesa: 2017
• Autor(a) principal: Pereira, Juliana Mendes Garcia
• Orientador(a): Bona, Evandro
• Banca de defesa: Bona, Evandro, Killner, Mario Henrique Montazzolli, Souza, Wyrllen Everson de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Tecnológica Federal do Paraná; Campo Mourao; Medianeira
• Programa de Pós-Graduação: Programa de Pós-Graduação em Tecnologia de Alimentos
• País: Brasil
• Palavras-chave em Português: Ácidos graxos; Óleos vegetais; Alimentos; Fatty acids; Vegetable oils; Food
• Área do conhecimento CNPq: CNPQ::CIENCIAS AGRARIAS::CIENCIA E TECNOLOGIA DE ALIMENTOS::TECNOLOGIA DE ALIMENTOS
• Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/3140

O processo industrial de hidrogenação do óleo de soja, mesmo sendo bem estabelecido e difundido, geralmente tem seu controle de qualidade realizado através de metodologias demoradas, que consomem diversos reagentes, necessitam de preparo de amostra e produzem diversos resíduos químicos. A partir disso, surge a necessidade do desenvolvimento de metodologias instrumentais mais rápidas, de baixo custo e que não gerem quantidades expressivas de resíduos químicos. O objetivo desse trabalho foi avaliar a aplicação da espectroscopia de infravermelho próximo (NIRS) em conjunto com o método de regressão por mínimos quadrados parciais (PLSR) e regressão por vetores suporte (SVR) no controle do processo de hidrogenação do óleo de soja. Foram construídos modelos para prever a quantidade de ácidos graxos saturados (SFA), ácidos graxos insaturados (UFA), ácidos graxos monoinsaturados (MUFA), ácidos graxos trans (TFA), ácidos graxos poli-insaturados (PUFA) e para o índice de iodo (IV). Os valores previstos pelos modelos PLSR e SVR foram comparados aos valores experimentais obtidos via cromatografia gasosa com detector por ionização de chama (GC-FID). Como os espectros NIRS apresentam uma grande quantidade de variáveis, também foi avaliada uma metodologia para a seleção das características espectrais mais importantes. Foram obtidos bons modelos multivariados para IV, MUFA, PUFA, TFA para o PLSR e bons modelos para IV e UFA utilizando-se SVR. A seleção de variáveis usando o vetor informativo de correlação também foi eficiente mantendo a performance dos modelos e reduzindo em até 78% a quantidade de variáveis utilizadas para o PLSR e 85% para o SVR. Os valores obtidos para a raiz quadrada do erro quadrático médio de validação cruzada (RMSECV), raiz quadrada do erro quadrático médio da calibração (RMSEC), raiz quadrada do erro médio quadrático de previsão (RMSEP) e o coeficiente de determinação de ajuste do modelo (r2) permaneceram bastante próximos tanto para o PLSR quanto para o SVR. O desvio residual da predição (RPD) apresentou-se adequado para o controle de qualidade do processo de hidrogenação para IV e PUFA no PLSR e para PUFA no SVR. Quanto ao desvio padrão relativo (RSD), todos os valores estão acima dos 5% para os modelos PLSR, embora modelos com valores entre 10 e 20% ainda apresentem boa capacidade preditiva. Já para o SVR o RSD apresenta valores aceitáveis, ou seja, menores que 5% tanto para IV quanto para UFA. No comparativo com a espectroscopia FTIR-ATR para as mesmas amostras, foram obtidos resultados melhores em relação ao RMSECV, RMSEC e RMSEP para espectros de infravermelho médio. Porém os valores de r2 apresentaram-se bem próximos, o que garante a utilização dos modelos obtidos usando os espectros NIRS. Vale salientar que foi utilizado um espectrômetro NIR ultracompacto (900-1600 nm), que é mais adequado para a análise de volumes maiores e mais representativos da amostra, apresenta baixo custo e é de fácil montagem. Uma vez que o equipamento NIRS não tem partes móveis, este pode ser utilizado em qualquer ambiente, inclusive in locu. Assim, através dos resultados obtidos, foi demonstrado que a metodologia NIRS tanto em conjunto com PLSR quanto com o SVR podem ser utilizados para monitorar o processo de hidrogenação industrial de óleo de soja.