Desenvolvimento de modelos quimiométricos utilizando o algoritmo de otimização colônia de formigas

Abstract

O objetivo principal da otimização de processos é a obtenção de alta produtividade e lucro, seja em processos químicos ou bioquímicos. Para alcançar isto, se faz necessária a utilização de técnicas e estratégias de controle, individualizadas e apropriadas para cada situação. Uma vez que se dispõe de atuadores e manipuladores de variáveis para as mais diversas aplicações (desde extremos de temperatura e pressão, até casos onde as características do meio o tornam inapropriado à utilização de sondas), a restrição na utilização de controle avançado recai sobre o déficit de coleta e caracterização dos estados do processo frente à suas variáveis de interesse. Muitas vezes, as características do meio inviabilizam a utilização de sensores, como em casos com alto risco de contaminação. Também existem os casos onde apenas técnicas laboratoriais são viáveis para a caracterização de certas variáveis, e nestes casos, usualmente, o tempo de resposta dos métodos é muito elevado, limitando a ação de controle e impossibilitando a operação do processo em ramos de maior produtividade. Neste contexto, sensores óticos associados a métodos quimiométricos são considerados a evolução natural das técnicas para caracterização de processos. Baixo tempo morto, medidas não intrusivas, baixo custo, simples manutenção, alta sensibilidade e seletividade, são algumas das características inerentes a este tipo de sensor. Neste trabalho, são estudadas e associadas técnicas de espectroscopia vibracional (Infravermelho Próximo e Fluorescência 2D) com metodologias quimiométricas baseadas em elementos espectrais puros. É apresentada a metodologia de caracterização denominada Modelagem Quimiométrica com Componentes Espectrais Puros (PSCM), onde modelos multilineares são ajustados para predição de determinadas variáveis de interesse, através de elementos constituintes de medidas de espectroscopia, selecionados com a utilização do método de otimização de Colônia de Formigas. Como casos de estudo são utilizados o procedimento de determinação do teor de proteínas em amostras de farinha de trigo e centeio utilizando Espectroscopia de Infravermelho Próximo (NIR), e a caracterização das variáveis de estado do processo fermentativo de glicose com a levedura Saccharomyces cerevisiae, através de medidas de Espectroscopia de Fluorescência 2D. A metodologia apresentada é comparada com as técnicas quimiométricas usuais (Análise de Componentes Principais (PCA), Regressão de componentes Principais (PCR), Regressão por Mínimos Quadráticos Parciais (PLSR), Regressão PLS com Janela Móvel (MWPLSR) e PLS com Janela Móvel Variada (CSMWPLS)), permitindo incrementos significativos na qualidade de predição das variáveis de interesse, para ambos os processos, além de apresentar uma nova opção para a seleção e filtragem de dados espectrais, baseada em informações qualitativas do ajuste de modelos, denominada trilha de feromônios.

The aim of process optimization is obtaining higher productivity and profit in chemical or bio-chemical process. For that, one must apply control techniques specially designed for each situation. Once there actuators are available for several applications (from extremes of temperature and pressure, even cases where the medium characteristics are not suitable for probes), the restriction on advanced control is due to the lack of measurements. In some applications, measurements are difficult because of high contamination risks. In other cases, only laboratory methods are available, resulting in big time delay, limiting automatic control and, therefore, operation on regions of high production and profit. At this context, optical sensors associated with chemometric methods are the natural evolution for process characterization tools. Low time delay, non-intrusive measurements, low costs, easy maintenance, high sensibility and selectivity, are some examples of the characteristics usually associated with those sensors. In this work, it is studied and associated techniques of vibrational spectroscopy (Near Infrared and 2D Fluorescence) with chemometric methodologies based on pure spectral elements. This work presents the method called Pure Spectral Chemometric Modeling (PSCM), where multi linear models are adjusted for infer specific interest variables through spectral elements, selected using the optimization algorithm ACO (Ant Colony Optimization). Study cases are: (i) determination of protein content amount presented by wheat and rye flour samples using Near Infrared; and, (ii) characterization of significant variables of Saccharomyces cerevisiae fermentative process with glucose as substrate, measured with 2D Fluorescence Spectroscopy. Presented methodology is compared with usual chemometric methodologies (Principal Component Analysis (PCA), Principal Component Regression (PCR), Partial Least Squares (PLS), Moving Window Partial Least squares Regression (MWPLSR) and Changeable Size Moving Window Partial Least Squares (CSMWPLS)), showing significant improvement on prediction, for both cases. The proposed method is also a new option for pre-selection of spectral data, only based on qualitative information of assisted modeling process, called pheromone trail.