luiz enrique santos de castro - biblioteca.unilasalle.edu.br · 4.1 espectroscopia no infravermelho...
TRANSCRIPT
LUIZ ENRIQUE SANTOS DE CASTRO
ANÁLISES DE ÓLEO DIESEL POR ESPECTROSCOPIA NO INFRAVERMELHO PRÓXIMO EM COMPARAÇÃO COM TÉCNICAS
PADRONIZADAS
CANOAS, 2008
LUIZ ENRIQUE SANTOS DE CASTRO
ANÁLISES DE ÓLEO DIESEL POR ESPECTROSCOPIA NO INFRAVERMELHO PRÓXIMO EM COMPARAÇÃO COM TÉCNICAS
PADRONIZADAS
Trabalho de conclusão apresentado para a banca examinadora do curso de Química do Centro Universitário La Salle - Unilasalle, como exigência parcial para obtenção do grau de Bacharel em Química, sob orientação do Prof. Dr. Paulo F. B. Gonçalves.
CANOAS, 2008
TERMO DE APROVAÇÃO
LUIZ ENRIQUE SANTOS DE CASTRO
ANÁLISES DE ÓLEO DIESEL POR ESPECTROSCOPIA NO INFRAVERMELHO PRÓXIMO EM COMPARAÇÃO COM TÉCNICAS
PADRONIZADAS
Trabalho de conclusão aprovado como requisito parcial para obtenção do grau de Bacharel no Curso de Química do Centro Universitário La Salle - Unilasalle, pelo
avaliador:
Prof. Dr. Paulo F. B. Gonçalves Unilasalle
Canoas, 09 de julho de 2008.
Dedico esse trabalho a minha esposa Denisia Castro e minha filha Mariane Castro onde encontrei apoio e compreensão durante esta jornada.
Muito obrigado!
AGRADECIMENTOS
Agradeço ao ser supremo em primeiro lugar por direcionar meu caminho até
esta etapa.
A minha esposa Denisia por compartilhar nossos conhecimentos, e logo
também estará realizando esta etapa profissional, a minha filha Mariane que
demonstra que o futuro está chegando e que é lindo.
A REFAP S/A por deixar a realização do estágio e análises permitindo a
realização deste trabalho.
Aos colegas da REFAP/Desenvolvimento, em especial a colega Romina que
aceitou alterar sua rotina, possibilitando aperfeiçoar meu conhecimento.
A colega Lúcia da REFAP/RH que buscou informações necessárias que
possibilitaram a realização das análises para este trabalho.
A colega Lúcia Rejane Pugens, pela revisão ortográfica.
Ao professor Paulo F. B. Gonçalves, que através de suas sugestões e
orientações, contribuiu para a realização deste trabalho.
A Aerenton Ferreira Bueno, que forneceu informações importantes para
realização do tratamento matemático dos resultados.
A todos que com maior ou menor participação contribuíram para a realização
deste trabalho.
RESUMO Este estudo foi realizado com a finalidade de verificar a possibilidade da utilização da técnica de infravermelho próximo (NIR) junto com a técnica de calibração multivariada para análises de óleo diesel. Foi utilizado um espectrofotômetro FT-IR para obtenção dos espectros NIR, e a técnica dos Mínimos Quadrados Parciais como estatística para calibração multivariada, usando um intervalo de espectral definido. Foram desenvolvidas calibrações para previsão das características de curva de destilação, ponto de fulgor, densidade e índice de cetano. Para este estudo foram analisadas amostras de óleo diesel do processo de produção. O comportamento das calibrações foi avaliado através da validação externa, seguido de uma comparação estatística dos resultados. Os resultados foram obtidos em uma cela de transmitância de Seleneto de Zinco com caminho ótico de 0,5 mm, no intervalo entre 4500 e 4000 cm-1 (cerca de 2200 a 2500 nm). A validação, através de um conjunto independente de amostras, indicou a possibilidade da utilização da técnica, entretanto, o controle de temperatura do local das análises e a temperatura da amostra devem apresentar a menor variação possível, e as análises que são influenciadas por quantidades pequenas de contaminantes ou aditivos, não apresentaram uma correlação satisfatória. Palavras-chave: NIR. Diesel. PCA.
ABSTRACT This study has been carried out trying to check the possibility of using the near infrared (NIR) technique with the multivariate calibration technique for diesel analyses. An FT-IR spectrophotometer has been used to obtain the NIR spectres, and the technique of the partial least square fit (PLS) has been used as statistics for multivariate calibration, using a defined spectral range. Calibrations for forecasting the distillation curve characteristics, flash point, density and cetane number have been developed. For this study, samples of diesel of the production process have been analyzed. The behavior of these calibrations was evaluated through the external validation, followed by a statistical comparison of the results. The results have been obtained in a transmittance cell of zinc selenide with optical path of 0,5 mm, in an interval of 4500 to 4000 cm-1. The validation indicated the possibility of using the technique through an independent set of samples. However, the temperature control of the analyses place and the sample temperature should present the smallest possible variation, and the analyses influenced by small quantities of contaminants and additives did not have a satisfactory correlation. Keywords: NIR. Diesel. PCA.
SUMÁRIO
1 INTRODUÇÃO ........................................................................................................9
2 CARACTERIZAÇÕES DO PROBLEMA ...............................................................10
2.1 Qualidade de ignição ........................................................................................10
2.2 Capacidade de evaporação ..............................................................................11
2.3 Lubrificação e facilidade de nebulização ........................................................11
2.4 Densidade ..........................................................................................................11
2.5 Facilidade de escoamento à baixa temperatura .............................................11
3 OBJETIVO ............................................................................................................13
4 CONCEITOS BÁSICOS ........................................................................................14
4.1 Espectroscopia no infravermelho ....................................................................14
4.2 O espectro no infravermelho próximo .............................................................18
4.3 Espectrofotômetros de infravermelho .............................................................19
4.3.1 Dispersivo.........................................................................................................19
4.3.2 Transformada de Fourier com interferômetro de Michelson.............................20
5 METODOLOGIA ...................................................................................................22
5.1 Preparação das amostras .................................................................................22
5.2 Equipamento ......................................................................................................22
5.3 Desenvolvimento de metodologia e adequação do e quipamento para
análise de óleo diesel .............................................................................................24
5.4 Execução das análises .....................................................................................25
6 QUIMIOMETRIA ....................................................................................................27
6.1 Pré-processamento de dados ..........................................................................27
6.1.2 Normalização vetorial .......................................................................................28
6.2 Descrição dos métodos quimiométricos aplicados .......................................28
6.2.1 Regressão dos componentes principais...........................................................28
6.2.2 Regressão por mínimos quadrados parciais ....................................................29
6.2.3 Validação cruzada............................................................................................30
6.3 Validação por grupo de teste ...........................................................................30
7 RESULTADOS E DISCUSSÃO .............................................................................31
8 CONCLUSÃO ........................................................................................................46
REFERÊNCIAS .........................................................................................................47
APÊNDICE A - Conjunto de Validação .....................................................................50
1 INTRODUÇÃO
O acompanhamento das propriedades da qualidade do óleo diesel durante o
processo de produção em refinarias brasileiras, que apresentam características de
processo que busca maximizar a produção, representa uma significativa parcela de
valor agregado.
De todas as técnicas disponíveis atualmente, a espectroscopia no
infravermelho próximo (NIR1) se destaca pela versatilidade, podendo inclusive
substituir uma série de análises de propriedades físicas e químicas de derivados de
petróleo, análises estas geralmente baseadas em métodos padronizados por
normas da American Society for Testing Materials – ASTM. (BUENO, 2004). A
experiência do autor com o uso da técnica NIR em uma refinaria brasileira indica
que, após a implantação do equipamento, os custos de utilização da
espectrofotometria NIR correspondem a apenas cerca de 10% dos custos com as
análises de referência efetivadas via métodos ASTM.
No Brasil essa técnica não pode ser utilizada para certificação de produtos
derivados de petróleo, por não ser reconhecida para fins de certificação pela
Agência Nacional do Petróleo. Desta forma as empresas têm que utilizar métodos
padronizados por normas brasileiras ou internacionais.
Entretanto, esta técnica permite a otimização do processo de produção de óleo
diesel, reduzindo o tempo para obtenção dos resultados de 80 minutos para 15
minutos e tempo técnico envolvido de 60 minutos para 8 minutos.
1 NIR – Near Infrared
2 CARACTERIZAÇÕES DO PROBLEMA
O óleo diesel é uma mistura complexa de hidrocarbonetos, predominantemente
alcanos normais, isoalcanos e cicloalcanos. Tendo como definição, derivado de
petróleo utilizado em máquinas de combustão interna por compressão. O
combustível adequado para o motor dos veículos de combustão interna provocada
por compressão, deve apresentar as seguintes características. (PETROBRAS,1998):
a) Apresentar ótima qualidade de ignição.
b) Vaporizar-se completamente no interior da câmara de combustão.
c) Não produzir resíduos e cinzas por combustão.
d) Proporcionar queima limpa e completa.
e) Escoar perfeitamente em baixas temperaturas.
f ) Não ser corrosivo.
g) Não conter água e sedimentos.
h) Oferecer segurança no manuseio e estocagem.
2.1 Qualidade de ignição
O início da combustão ocorre pela auto-ignição do combustível, quando
injetado na câmara que contém ar a alta temperatura e pressão.
(PETROBRAS,1998). Os métodos para determinar a qualidade de ignição são o
número de cetano e o índice de cetano cujo procedimento encontra-se no (ASTM D
613) e no (ASTM D 4737).
11
2.2 Capacidade de evaporação
A capacidade de vaporização do óleo diesel deve permitir produzir as
quantidades corretas de vapor do produto, de modo seguro, para atender as
necessidades da máquina, desde a partida até o seu completo aquecimento.
(PETROBRAS, 1998). Os métodos para determinar a capacidade de evaporação
são a destilação atmosférica e o ponto de fulgor cujo procedimento encontra-se no
(ASTM D 86) e no (ASTM D 93).
2.3 Lubrificação e facilidade de nebulização
O óleo diesel também exerce a função de lubrificante no sistema de injeção,
para isto a viscosidade não pode ser demasiadamente baixa. Por outro lado, a
viscosidade indica a facilidade de nebulização do óleo diesel quando de sua injeção
na câmara de combustão. (PETROBRAS, 1998). O método para determinar a
viscosidade encontra-se no (ASTM D 445).
2.4 Densidade
A densidade indica a quantidade de massa do produto por unidade de volume
do mesmo, referida a uma condição padrão. Variação muito grande na densidade
pode influir na operação do motor, valores elevados de densidade levam a
enriquecer de combustível a mistura, levando a combustão incompleta, e valores
muito baixos empobrecem de combustível as misturas causando perda de potência
e dirigibilidade, o método para determinar a densidade encontra-se no (ASTM D
4052).
2.5 Facilidade de escoamento à baixa temperatura
O óleo diesel possui em sua constituição determinadas substâncias, que
facilitam a ignição, mas que podem vir a cristalizar em baixas temperaturas,
dificultando o escoamento tornando problemática as partidas. O método para
12
determinar a capacidade de escoamento à baixa temperatura é ponto de
entupimento cujo procedimento encontra-se no (ASTM D 6371).
3 OBJETIVO
Este trabalho tem por objetivo o estudo da aplicação da espectroscopia no
infravermelho próximo (NIR), aliada a técnica de quimiometria para a comparação
dos resultados com as técnicas padronizadas para avaliar as propriedades do óleo
diesel.
4 CONCEITOS BÁSICOS
4.1 Espectroscopia no infravermelho
A radiação eletromagnética é um distúrbio em forma de onda ou fóton de
energia propagada à velocidade da luz. Para explicar as propriedades da radiação
eletromagnética são utilizados dois modelos complementares. Um é o modelo
clássico de onda, que utiliza parâmetros como comprimento de onda, freqüência,
velocidade e amplitude e o outro é o modelo de partículas, que explica a radiação
eletromagnética como um fluxo de partículas discretas chamadas de fótons. O
modelo de partículas serve para explicar os fenômenos de absorção e emissão de
energia radiante.
Embora a radiação eletromagnética seja composta por um campo elétrico e
outro magnético, o componente elétrico é o de maior interesse na espectroscopia,
pois ele é o que mais interage com a matéria, sendo responsável por fenômenos
como transmissão, reflexão, refração e absorção de radiação.
A figura 1 apresenta uma representação bidimensional do campo elétrico da
radiação eletromagnética.
Figura 1 - Representação do vetor elétrico da radiação eletromagnética Fonte: Bueno, 2006, p. 3.
15
A radiação eletromagnética se estende por uma ampla faixa de comprimentos
de onda ou freqüências, gerando um espectro eletromagnético. Embora seja
contínuo, o espectro eletromagnético é dividido em regiões, com base nos métodos
necessários para gerar e detectar os diversos tipos de radiação.
A região do espectro infravermelho abrange o intervalo de comprimento de
onda de 780 nm a 1000 µm, em número de onda 12800 a 10 cm-1. Essa região é
dividida em três partes, que recebem nomes de acordo com a sua proximidade do
espectro visível. A tabela 1 apresenta as características das três regiões do espectro
infravermelho.
Tabela 1 - Divisão do espectro infravermelho
Região Comprimento de
Onda (λ)
Número de Onda
(ν ), cm-1
Freqüência (ν ), Hz
Próximo (NIR) 780 a 2500 nm 12800 a 4000 3,8 x 1014 a 1,2 x 1014
Médio (MID) 2,5 a 50 µm 4000 a 200 1,2 x 1014 a 6,0 x 1012
Distante (FAR) 50 a 1000 µm 200 a 10 6,0 x 1012 a 3,0 x 1011
Fonte: Skoog et al. 2002, p. 343.
Assim, o infravermelho próximo (NIR), é a radiação eletromagnética
caracterizada pelo intervalo de comprimento de onda de 780 a 2500 nm.
Para entender a interação da radiação NIR com uma molécula, é preciso
estudar o comportamento vibracional das ligações químicas. O modelo do oscilador
harmônico é utilizado para ilustrar a vibração da ligação de uma molécula diatômica.
Nesse modelo, um átomo participante de uma ligação química se desloca em
relação ao outro átomo numa determinada freqüência, definida pela força da ligação
e pelas massas dos átomos envolvidos, conforme a Lei de Hooke, demonstrada pela
equação a seguir. (BUENO, 2004).
µπν k
2
1= (1)
Onde k é a constante de força da ligação e µ é a massa reduzida:
16
21
21
mm
mm
+=µ (2)
E onde m1 e m2 são as massas dos átomos envolvidos.
A energia potencial desse sistema pode ser calculada a qualquer posição de
deslocamento dos átomos envolvidos e é dada pela equação abaixo.
²2
1)²r(
2
1e kxrkE =−= (3)
Onde k é a constante de força da ligação, r é a distância entre os dois núcleos
atômicos, re é a distância internuclear de equilíbrio e x é o deslocamento dos
átomos. Embora esse modelo possa dar uma visão do que acontece com as
vibrações moleculares, ele apresenta falha quando aplicado a moléculas reais. Por
exemplo, a medida que dois átomos se aproximam num movimento de vibração
molecular, existem forças de repulsão de Coulomb entre os dois núcleos atômicos,
fazendo que a energia potencial aumente mais intensamente do que no modelo do
oscilador harmônico. Uma molécula em vibração não apresenta um perfil de energia
contínuo, mas possui níveis energéticos discretos ou quantizados.
Os possíveis níveis de energia vibracional são definidos pela equação a seguir.
νυυ hE )2
1( += (4)
Onde υ é o numero quântico vibracional, ν é a freqüência de vibração
fundamental, h é a constante de Plank. A radiação infravermelha não é energética
o suficiente para causar as transições eletrônicas. Contudo, para absorver esta
radiação, a molécula precisa sofrer uma variação no momento de dipolo como
conseqüência do movimento vibracional e rotacional. Moléculas homo-nucleares
como oxigênio (O2), nitrogênio (N2) ou cloro (Cl2) não sofre variações efetivas no
momento de dipolo, conseqüentemente essas substâncias não absorvem na região
do NIR. Os tipos de vibração são classificados em duas categorias descritas como
estiramentos e deformações angulares. (ARAUJO, 2007). As vibrações de
estiramento ou axiais podem ser assimétricas ou simétricas conforme figura 2.
17
Figura 2 - Vibrações de estiramento Fonte: Skoog et al., 2002, p.349. Já nas vibrações de deformação angular são quatro as possibilidades,
descritas como tesoura (scissoring), balanço (rocking), sacudida (wagging) e torção
(twisting) (SKOOG et al., 2002), demonstrada na figura 3.
Figura 3 - Vibrações de deformação angular Fonte: Skoog et al. 2002, p. 349. Além destas duas categorias, podem ocorrer interações ou acoplamentos entre
elas se estas envolvem ligações de um mesmo átomo central. Estas interações
aparecem em menor intensidade quando comparadas com os modos normais de
vibração e são chamadas de “sobretons” e “bandas de combinação” figura 4. Os
sobretons são bandas com valores de freqüência correspondentes a múltiplos
inteiros daqueles das vibrações normais ou fundamentais que ocorrem na região do
infravermelho médio. Por exemplo, seja ν o valor da freqüência de um dado modo
normal de vibração, os sobretons vão aparecer com valores aproximados de 2ν ,
3ν , e assim sucessivamente. (LUZ, 2003).
18
Figura 4 - Bandas de combinações e sobretons Fonte: Bueno, 2006, p. 13. 4.2 O espectro no infravermelho próximo
Para se obter um espectro de absorção, faz-se incidir radiação NIR num certo
intervalo de número de onda (ou freqüência) sobre uma amostra contida numa
célula, e mede-se a radiação transmitida. Quando a luz é absorvida por uma
substância a energia radiante "P0" do feixe diminui, com correspondente aumento da
energia da própria substância, sendo que o restante da luz que atravessa essa
substância é definido por "P" e a razão entre "P" e " P0 " é chamada de transmitância
"T" , o qual assume valores entre 0 e 1. (MENDHAM et al., 2002).
A absorbância de uma substância é definida por:
TP
PA log)log( 0 −== (5)
E se nenhuma luz é absorvida então:
P = P0 (6)
19
A absorbância é uma propriedade diretamente proporcional à concentração da
substância, que pode ser descrita pela lei de LAMBERT-BEER dada pela Equação
7.
bcA λλ ε= (7)
Onde ελ é a absortividade molar, b é o caminho óptico e c a concentração da
amostra. Contudo, esta lei é válida apenas para radiação monocromática onde a
espécie absorvente não está participando de um equilíbrio que seja dependente da
concentração. (SKOOG et al., 2002).
A absortividade molar é característica de uma substância e indica a quantidade
de luz que é absorvida num determinado comprimento de onda por um mol de
substância. (SKOOG et al., 2002). Já o princípio da refletância vem sendo aplicado
na quantificação de sólidos pulverizados onde esta amostra sólida é finalmente
moída e irradiada com uma ou mais bandas estreitas de radiação com comprimento
de onda de 1µm a 2,5µm. Nesses sistemas, ocorre uma refletância difusa na qual a
radiação penetra na camada superficial das partículas excitando-as e se espalhando
em todas as direções. As maiores vantagens deste método são a rapidez e
simplicidade na preparação da amostra, bem como a precisão dos resultados.
(SKOOG et al., 2002).
4.3 Espectrofotômetros de infravermelho
Dois tipos de espectrofotômetros são empregados na espectroscopia de
infravermelho, o dispersivo e o de transformada de Fourier com interferômetro de
Michelson.
4.3.1 Dispersivo
Os instrumentos do tipo dispersivo têm características peculiares como
registradores de feixe duplo, sendo menos exigente quanto ao desempenho das
fontes e detectores além de se utilizarem redes de difração para dispersar a
radiação. (SKOOG et al., 2002).
20
Geralmente os projetos ópticos dos instrumentos dispersivos não diferem
grandemente dos espectrofotômetros ultravioleta/visível, exceto na disposição da
amostra que neste se localiza entre a fonte e o monocromador. (HARRIS, 2005).
Existe um atenuador em forma de pente que serve para controlar a
intensidade do feixe de referência com a finalidade de igualar esta à do feixe que
passa pela amostra. Este pente tem dentes em forma de triangulo que ao ser
deslocado obstrui a passagem do espectro. (HARRIS, 2005).
4.3.2 Transformada de Fourier com interferômetro de Michelson
Os instrumentos baseados em transformada de Fourier apareceram pela
primeira vez no mercado no inicio dos anos 70. (SKOOG et al.,2006). Estes
instrumentos caracterizam-se por efetuarem medição do chamado interferograma da
amostra, que consiste em um sinal resultante da superposição de radiações
luminosas de igual freqüência, porém defasadas, que produzem interferências
construtivas e destrutivas em sua amplitude. A obtenção de defasagem entre dois ou
mais raios luminosos é geralmente obtida através da divisão de um mesmo raio
seguido da superposição das ondas assim defasadas. O interferômetro de
Michelson é o dispositivo normalmente utilizado na obtenção deste sinal luminoso
defasado. Este interferômetro caracteriza-se por dividir o feixe de luz em dois feixes
de igual potência, o qual é geralmente constituído por um espelho semiprateado
similar aos espelhos de “um só lado”. O divisor de feixes permite que uma fração do
feixe que o atinge passe através do espelho enquanto outra fração é refletida.
Através de reflexão parcial para um espelho móvel e em seguida os reúne de forma
a gerar combinações que possam ser medidas em função da diferença do caminho
percorrido pelos dois. (SKOOG et al., 2006). A transformada de Fourier é um
processo matemático extensamente utilizado hoje em dia em espectrometria de
ressonância magnética nuclear, espectrometria de infravermelho, etc., na forma do
engenhoso processo de cálculo digital simplificado, denominado FT (Fourier
Transform). A simplificação introduzida por esse algoritmo reduz as operações
necessárias de N2 multiplicações complexas para N log2 N multiplicações (N é o
número de pontos da função a ser transformada). Essencialmente a transformada
de Fourier consiste em, dada uma quantidade h como função do tempo [h(t)],
21
determinar a correspondente quantidade H como função da freqüência [H(f)],
geralmente como um número complexo que também indica a fase, e vice-versa:
dada H(f), determinar h(t). Por exemplo, onde h(t) é uma coleção de N números que
indicam a intensidade em função do tempo de certa função periódica; a
transformada de Fourier correspondente será outra coleção de N números que
indicarão a intensidade de cada freqüência presente na função periódica original
figura 5. Inversamente, se forem conhecidas às intensidades das freqüências, a
transformada fornecerá a função h(t). (CONSTANTINO; SILVA, 2000).
Figura 5 - Transformada de Fourier de um domínio do tempo para um domínio de freqüência Fonte: BRERETON, 2003, p 148.
5 METODOLOGIA
5.1 Preparação das amostras
Amostras de óleo diesel foram coletadas em frascos de vidro de 1000 mL
foram preenchidos entre 700 e 800 mL. Para a realização das análises por
espectrofotometria na região do infravermelho foi necessário preservar a integridade
da amostra o máximo possível. As amostras foram filtradas, em algodão hidrófilo,
para a remoção da umidade e guardadas em frasco de vidro âmbar de 250mL. Os
frascos foram preenchidos com no mínimo 80% do volume total, e armazenados sob
refrigeração à temperatura inferior a -5°C, para mi nimizar ao máximo as
degradações das amostras por decomposição térmica. As análises foram realizadas
no menor tempo possível a partir da coleta da amostra. A outra parcela da amostra
foi utilizada para realização das análises pelos métodos padronizados. Estas
amostras servirão para compor o grupo de calibração e validação.
5.2 Equipamento
O equipamento utilizado para análises na região do infravermelho foi o
espectrofotômetro FT-IR THERMO NICOLET 6700, figura 6, controlado através do
software OMNIC® versão 7.3 da THERMO®. Neste aparelho realizam-se leituras em
comprimentos de onda que vão de 25000 nm a 78 nm, que correspondem ao
número de onda entre 400 cm-1 a 12800 cm-1, respectivamente. A célula utilizada
para a amostra possui um sistema de aquecimento que permite variações de
temperatura de ambiente até 300°C e possui sistema de espaçamento entre 0,015
mm a 0,5 mm, conforme ilustração na figura 7, que utiliza uma janela de
transmitância de seleneto de zinco (ZnSe) figura 8. Desta forma consegue-se variar
23
a quantidade de amostra, com espaçador, e permite trabalhar com diferentes
viscosidades alterando a temperatura, possibilitando a obtenção de um melhor
espectro vibracional.
Figura 6 - Espectrofotômetro FT-IR NICOLET 6700 Fonte: Thermo Nicolet, 2006.
Figura 7 - Célula de amostra com aquecimento e espaçador entre 0,015 e 0,5 mm Fonte: Thermo Nicolet, 2006.
Figura 8 - Janela de transmitância de ZnSe Fonte: Thermo Nicolet, 2006.
24
O espectrofotômetro necessita operar com um sistema de ar seco, com a
finalidade de minimizar o depósito de partículas e umidade nos espelhos e no
detector. Para conseguir esta condição foi utilizado o secador de ar comprimido AIR
POINT®, onde o ar é filtrado com pressão de 20 psi.
5.3 Desenvolvimento de metodologia e adequação do e quipamento para
análise de óleo diesel
O desenvolvimento de metodologia e adequações para uso com as amostras
de óleo diesel foi iniciado com a realização de ensaios com uma amostra definida,
variando-se o espaçamento do compartimento de amostra, verificando-se a faixa do
espectro de infravermelho cujas leituras eram as mais adequadas e alterando
parâmetros de configuração do equipamento. Foi definido que o melhor
espaçamento para as amostras analisadas era de 0,5 mm, na faixa do espectro
entre 3600 cm-1 e 10800 cm-1. A temperatura utilizada para a amostra foi de 30
±0,5°C e as configurações mais adequadas utilizaram número de varreduras (scan)
de 64 (para minimizar a influência do ruído no sinal), resolução de 8 cm-1, que foi a
mais adequada para o tempo de análise de 48 segundos, conforme figura 9.
Figura 9 - Parâmetros de configuração Fonte: Autoria própria, 2008.
25
5.4 Execução das análises
Depois de definida as condições e parâmetros de análise, iniciou-se a coleta de
espectros das amostras. As amostras foram filtradas em algodão hidrófilo, para
garantia da remoção de umidade. A aquisição dos dados espectrais foi realiza
utilizando o mesmo tratamento dado às amostras de calibração e de validação. A
resolução do equipamento foi ajustada para prover suficiente informação espectral
sem degradar a relação sinal-ruído ou aumentar excessivamente o tempo de
análise. Durante a realização das análises a temperatura da sala oscilou entre 22°C
e 28°C. Esta variação causou um deslocamento na lin ha base (background),
conforme pode ser visualizado na figura 10.
Figura 10 - Espectros de background Fonte: Autoria própria, 2008.
Este deslocamento causou desvio nos espectros das amostras e esta
interferência tornou-se significativa na região do primeiro sobretom, número de onda
entre 5500 cm-1 e 6250 cm-1, que apresentou valor muito próximo do zero de
absorbância, entretanto não sendo tão significativo o deslocamento na região de
combinação de vibrações, número de onda entre 4000 cm-1 e 4500 cm-1, figura 11.
26
Figura 11 - Espectro da mesma amostra em temperatura ambiente de 22°C e 27°C Fonte: Autoria própria, 2008.
Após o estabelecimento da metodologia de análise, foram coletados os
espectros de 97 amostras de óleo diesel sendo 73 amostras para calibração e 24
amostras para validação. Que recebeu tratamento matemático através do software
Unscrambler® versão 7.8 da CAMO®, que possibilita comparar com os resultados
obtidos das metodologias padronizadas.
6 QUIMIOMETRIA
Quimiometria é o uso de técnicas estatísticas e matemáticas para extrair
informações relevantes de dados analisados, neste caso espectro de NIR. A
quimiometria e a técnica de NIR têm desenvolvido uma simbiose onde a
espectroscopia de NIR alcança identificações quantitativas mais robustas
modelando e estendendo sua aplicação, causando novos desafios a quimiometria
que motivam a melhoria de suas técnicas. (PASQUINI, 2003).
O uso do espectro de infravermelho NIR com o propósito de informação analítica
tem confiado na calibração multivariada, criando um modelo que relaciona
concentração ou propriedades com os espectros de absorção de um conjunto de
amostra conhecidas. Os tratamentos matemáticos tiveram como referência a norma
(ASTM E 1655).
6.1 Pré-processamento de dados
Existem diversos tipos de pré-processamento de dados, que tem como objetivo
a melhora do modelo de calibração. (BRERETON, 2003). Para remover variações
nas linhas bases espectrais, podem ser utilizados cálculos de derivadas. A aplicação
da primeira derivada remove desvios constantes (independentes do comprimento de
onda), enquanto que a segunda derivada remove deslocamentos lineares nas linhas
de base. Deve-se usar o tratamento com derivadas com cautela, pois o mesmo
promove uma perda na relação sinal-ruído espectral. (BUENO, 2006).
28
6.1.1 Correção linear da linha base
Esta correção transforma a variação da linha base em uma linha base
horizontal. A técnica consiste em apontar duas variáveis que devem definir a nova
linha básica, ambas são definidas como zero, e a diferença das variáveis são
transformada em uma linear interpolação/extrapolação, tomando cuidado para não
selecionar variáveis que tenham fundamento espectroscópico.
6.1.2 Normalização vetorial
Na normalização vetorial, a média dos espectros é calculada e em seguida é
subtraída dos espectros individuais. Esses espectros individuais são então divididos
pela raiz quadrada da soma dos quadrados dos valores obtidos na subtração.
Apresenta como principal vantagem reduzir as diferenças entre medidas de uma
mesma amostra.
Neste trabalho foram utilizados: o ajuste da linha base dos espectros das
amostras e a normalização vetorial.
6.2 Descrição dos métodos quimiométricos aplicados
A base fundamental da maioria dos métodos modernos para tratamento de
dados multivariados é o PCA2, que consiste numa manipulação da matriz de dados
com objetivo de representar as variações presentes em muitas variáveis, através de
um número menor de fatores. Constrói-se um novo sistema de eixos (denominados
rotineiramente de fatores, componentes principais, variáveis latentes ou ainda
autovetores) para representar as amostras, no qual a natureza multivariada dos
dados pode ser visualizada em poucas dimensões. (FERREIRA et al,1999).
6.2.1 Regressão dos componentes principais
O método da regressão dos componentes principais utiliza as variações
espectrais para calcular as equações de calibração. Como as variações mais
significativas no conjunto de calibração são as mudanças no espectro relacionadas
2 PCA – Principal Component Analysis
29
às diferentes concentrações das amostras, é possível calcular um conjunto que
represente as mudanças nas absorbâncias em todo o espectro. Essas variações são
conhecidas como autovetores (componentes principais ou fatores) e as constantes
utilizadas para multiplicar os espectros são conhecidas como scores (pesos). Uma
das formas de calcular os autovetores do espectro é através do método de análise
dos componentes principais (PCA). Este modelo foi introduzido na química na
década de 1960 e consiste em um processo de simplificação dos dados, que torna
possível encontrar relações entre objetos. O PCA apresenta como vantagens a
detecção de outliers (amostras que não respondem bem ao modelo de calibração) e
a possibilidade de classificação e predição de resultados. (OLIVEIRA, 2006)
O PCA é basicamente um processo de eliminação que permite criar um
conjunto de autovetores que representem as mudanças comuns a todos, geralmente
os dados são centrados na média. Quando os dados são processados pelo método
são criadas duas matrizes principais, os autovetores e os scores.
6.2.2 Regressão por mínimos quadrados parciais
O método da regressão por mínimos quadrados parciais (PLS) vem ganhando
destaque nos últimos anos, pois apresenta muitos benefícios. Os algoritmos PLS
utilizam técnicas de decomposição espectral, este método considera a informação
das concentrações das amostras de calibração na decomposição, o que resulta em
pesos maiores para espectros com concentrações do analito mais altas e dois
conjuntos de vetores e scores, um para os dados espectrais e outro para as
concentrações os passos de decomposição ocorrem simultaneamente e como
resultado as equações do modelo são complexas. A quantidade adequada de
componentes principais ou fatores pode ser analisado pelo cálculo da soma dos
quadrados dos resíduos dos erros de predição PRESS3, para cada fator possível. O
PRESS é calculado a partir da construção de um modelo de calibração com um
determinado número de fatores. O modelo elaborado é usado para a determinação
da concentração em amostras conhecidas. A soma do quadrado das diferenças
entre as concentrações obtidas no modelo e a concentrações conhecidas.
(OLIVEIRA, 2006).
3 PRESS – Prediction Residual Error Sum of Squares
30
6.2.3 Validação cruzada
Na validação cruzada de um modelo de calibração, uma amostra, ou mais de
uma, são retiradas do conjunto das amostras de calibração. Os modelos de
calibração são então elaborados com as amostras remanescentes para diferentes
números de componentes principais, com a concentração da amostra que foi
retirada determinada em cada modelo. Os valores das concentrações obtidas pelos
modelos são usados para o cálculo do PRESS. Esse processo é repetido até que
todas as amostras tenham suas concentrações determinadas. O modelo final é
aquele que apresenta menor valor de PRESS com um determinado número de
componentes principais.
6.3 Validação por grupo de teste
Um novo conjunto de amostras é utilizado para validar um modelo de
calibração. Neste caso, as amostras que compõem o grupo de teste são diferentes
daquelas usadas na calibração, o que possibilita maior confiança em relação ao
nível de exatidão e a estabilidade do modelo com amostras desconhecidas. Os
espectros das amostras do grupo de teste devem ser obtidos com os mesmos
parâmetros dos obtidos para calibração.
7 RESULTADOS E DISCUSSÃO
Os resultados foram avaliados através de um conjunto de validação externa,
composto por 24 amostras. Para avaliar a qualidade das estimativas do modelo de
calibração foi utilizado o erro padrão de previsão SEP, sendo a diferença entre os
valores estimados e os valores de referência.
1
))ˆ(
ˆ(1
21
−
−−−
=∑
∑
=
=
nn
yyyy
SEP
n
i
n
iii
ii
(8)
Onde iy é o valor previsto do modelo para o conjunto de calibração, iy é o
valor da propriedade determinado através do método de referência para o conjunto
de validação e n o número de amostra do conjunto de validação.
A validação do conjunto de resultados segue a norma (ASTM D 6122), que
correlaciona o erro padrão de previsão (SEP) com a metade da reprodutibilidade,
pelo fato do SEP trabalhar apenas com um desvio padrão e a reprodutibilidade com
dois desvios padrão. Onde reprodutibilidade é definida como, a diferença entre dois
resultados independentes, obtidos por operadores diferentes trabalhando em
laboratórios diferentes em material de teste idênticos, ou realizados com grande
diferença de tempo, na operação correta e normal do método de teste, exceda os
valores unicamente em um caso em vinte.
O conjunto de espectros das 97 amostras coletados pelo espectrofotômetro de
FT-IR na região do infravermelho próximo, de numero de onda entre 3600 e
10800cm-1 é demonstrado na figura 12.
32
Figura 12 - Espectros das amostras coletadas de 3600 a 10800 cm-1 Fonte: Autoria própria, 2008.
Observando o conjunto de espectros da figura anterior e utilizando as
informações da figura 4, as regiões que possuem informações são as combinações
de vibração C-H de número de onda entre 4000 – 4500 cm-1 e a região de primeiro
sobretom C-H de número de onda entre 5500 – 6250 cm-1, escolhendo para
modelagem a região de combinação de vibrações que apresenta a melhor relação
sinal ruído, figura 13.
Figura 13 - Espectro das amostras de 4000 a 4500 cm-1 Fonte: Autoria própria, 2008.
Os espectros de combinação de vibração C-H, receberam pré-tratamento
matemático da linha base “baseline” e normalização para permitir uma melhor
correlação dos resultados, figura 14.
33
Figura 14 - Espectro das amostras de 4000 a 4500 cm-1 “baseline” e normalizada. Fonte: Autoria própria, 2008.
Na figura 15 é apresentado a análise dos componentes principais (PCA) das 97
amostras pelo software de modelagem matemática.
Figura 15 - Avaliação do PCA das 97 amostras Fonte: Autoria própria, 2008.
A figura 16 mostra a regressão das amostras de calibração para a propriedade
densidade (ASTM D 4052), onde apresentou correlação de 0,978852 e erro padrão
de previsão SEP (desvios) de 1,460472.
34
Figura 16 - Regressão matemática da densidade ASTM D 4052 Fonte: Autoria própria, 2008.
Na figura 17 é apresentado para cada amostra de validação o erro padrão de
previsão SEP (desvios) calculado pelo Software, em relação à reprodutibilidade
(repro.) da densidade D 4052. Apresentando boa correlação, entretanto, não ficando
dentro da reprodutibilidade da metodologia padrão. Como a reprodutibilidade do
método padrão é bastante restritiva, no acompanhamento de produção é aceitável
esta correlação.
Densidade (Reprodutibilidade x SEP)
-3
-2
-1
0
1
2
3
0 5 10 15 20 25
Amostras
Des
vios
Repro (Densidade)(+)
Repro (Densidade)(-)
SEP (+)
SEP (-)
Figura 17 - Comparação da densidade D 4052 (reprodutibilidade x SEP) Fonte: Autoria própria, 2008.
A figura 18 mostra a regressão das amostras de calibração para a propriedade
ponto inicial de destilação (ASTM D 86), onde apresentou correlação de 0,941454 e
erro padrão de previsão SEP (desvios) de 4,653239.
35
Figura 18 - Regressão matemática da destilação ponto inicial da destilação ASTM D 86 Fonte: Autoria própria, 2008.
Na figura 19 é apresentado para cada amostra de validação o erro padrão de
previsão SEP (desvios) calculado pelo Software, em relação à reprodutibilidade
(repro.) do ponto inicial da destilação4(PIE) D 86. Apresentando boa correlação, com
a maioria dos resultados dentro da variação da reprodutibilidade.
Dest. PIE (Reprodutibilidade x SEP)
-6,000
-4,000
-2,000
0,000
2,000
4,000
6,000
0 5 10 15 20
Amostras
Des
vios
Repro (D-86)(+)
Repro (D-86)(-)
SEP (+)
SEP (-)
Figura 19 - Comparação da destilação PIE D 86 (reprodutibilidade x SEP) Fonte: Autoria própria, 2008.
A figura 20 mostra a regressão das amostras de calibração para a propriedade
destilação 10% recuperado (ASTM D 86), onde apresentou correlação de 0,960106
e erro padrão de previsão SEP (desvios) de 3,707732. 4 Ponto Inicial da Destilação – é a temperatura em que a primeira gota de amostra sai do tubo condensador, que está acoplado a um balão de destilação com amostra que recebe aquecimento.
36
Figura 20 - Regressão matemática da destilação 10% recuperado ASTM D 86 Fonte: Autoria própria, 2008.
Na figura 21 é apresentado para cada amostra de validação o erro padrão de
previsão SEP (desvios) calculado pelo Software, em relação à reprodutibilidade
(repro.) da destilação 10% recuperado D 86. Apresentando boa correlação,
entretanto, com a maioria dos resultados fora da variação da reprodutibilidade.
Dest. 10% ( Reprodutibilidade x SEP)
-6,000
-4,000
-2,000
0,000
2,000
4,000
6,000
0 5 10 15 20 25
Amostras
Des
vios
Repro (D-86)(+)
Repro (D-86)(-)
SEP (+)
SEP (-)
Figura 21 - Comparação da destilação 10% recuperado D 86 (reprodutibilidade x SEP) Fonte: Autoria própria, 2008.
A figura 22 mostra a regressão das amostras de calibração para a propriedade
destilação 50% recuperado (ASTM D 86), onde apresentou correlação de 0,971157
e erro padrão de previsão SEP (desvios) de 2,459432.
37
Figura 22 - Regressão matemática da destilação 50% recuperado ASTM D 86 Fonte: Autoria própria, 2008.
Na figura 23 é apresentado para cada amostra de validação o erro padrão de
previsão SEP (desvios) calculado pelo Software, em relação à reprodutibilidade
(repro.) da destilação 50% recuperado D 86. Apresentando boa correlação,
entretanto, com a maioria dos resultados fora da variação da reprodutibilidade.
Dest. 50% (Reprodutibilidade x SEP)
-4
-3
-2
-1
0
1
2
3
4
0 5 10 15 20 25
Amostras
Des
vios
Repro. D-86 (-)
Repro. D-86 (+)
Desvio (+)
Desvio (-)
Figura 23 - Comparação da destilação 50% recuperado D 86 (reprodutibilidade x SEP) Fonte: Autoria própria, 2008.
A figura 24 mostra a regressão das amostras de calibração para a propriedade
destilação 90% recuperado (ASTM D 86), onde apresentou correlação de 0,819506
e erro padrão de previsão SEP (desvios) de 4,535223.
38
Figura 24 - Regressão matemática da destilação 90% recuperado ASTM D 86 Fonte: Autoria própria, 2008.
Na figura 25 é apresentado para cada amostra de validação o erro padrão de
previsão SEP (desvios) calculado pelo Software, em relação à reprodutibilidade
(repro.) da destilação 90% recuperado D 86. Apresentando boa correlação,
entretanto, com a maioria dos resultados fora da variação da reprodutibilidade.
Dest. 90% ( Reprodutibilidade x SEP)
-8,000
-6,000
-4,000
-2,000
0,000
2,000
4,000
6,000
8,000
0 5 10 15 20
Amostras
Des
vios
Repro. D-86 (-)
Repro. D-86 (+)
Desvio (+)
Desvio (-)
Figura 25 - Comparação da destilação 90% recuperado D 86 (reprodutibilidade x SEP) Fonte: Autoria própria, 2008.
39
A figura 26 mostra a regressão das amostras de calibração para a propriedade
índice de cetano (ASTM D 976)5, onde apresentou correlação de 0,883215 e erro
padrão de previsão SEP (desvios) de 0,652297.
Figura 26 - Regressão matemática do índice de cetano ASTM D 976 Fonte: Autoria própria, 2008.
Na figura 27 é apresentado para cada amostra de validação o erro padrão de
previsão SEP (desvios) calculado pelo Software, em relação à reprodutibilidade
(repro.) do índice de cetano (ASTM D 976). Apresentando uma grande correlação,
obtendo todos os resultados dentro da reprodutibilidade.
Indice Cetano D-976 (Reprodutibilidade x SEP)
-2
-1,5
-1
-0,5
0
0,5
1
1,5
2
0 5 10 15 20 25
Amostras
Des
vios
Repro. (+)
Repro(-)
Desvio (+)
Desnvio (-)
Figura 27 - Comparação do índice de cetano D 976 (Reprodutibilidade x SEP) Fonte: Autoria própria, 2008.
5 D 976 – utiliza valores da densidade e dos 50% recuperado da destilação no cálculo.
40
A figura 28 mostra a regressão das amostras de calibração para a propriedade
índice de cetano (ASTM D 4737)6, onde apresentou correlação de 0,886343 e erro
padrão de previsão SEP (desvios) de 0,531445.
Figura 28 - Regressão matemática do índice de cetano ASTM D 4737 Fonte: Autoria própria, 2008.
Na figura 29 é apresentado para cada amostra de validação o erro padrão de
previsão SEP (desvios) calculado pelo Software, em relação à reprodutibilidade
(repro.) do índice de cetano (ASTM D 4737). Apresentando uma grande correlação,
obtendo todos os resultados dentro da reprodutibilidade.
Indice de Cetano D-4737 (Reprodutibilidade x SEP)
-2
-1,5
-1
-0,5
0
0,5
1
1,5
2
0 5 10 15 20
Amostras
Des
vios
Repro. (+)
Repro(-)
Desvio (+)
Desvio (-)
Figura 29 - Comparação do índice de cetano D 4737 (Reprodutibilidade x SEP) Fonte: Autoria própria, 2008.
6 D 4737 - utiliza valores da densidade e dos 10%, 50% e 90% recuperado da destilação no cálculo.
41
A figura 30 mostra a regressão das amostras de calibração para a propriedade
ponto de fulgor (ASTM D 93)7, onde apresentou correlação de 0,960522 e erro
padrão de previsão SEP (desvios) de 2,450452.
Figura 30: Regressão matemática do ponto de fulgor ASTM D 93 Fonte: Autoria própria, 2008.
Na figura 31 é apresentado para cada amostra de validação o erro padrão de
previsão SEP (desvios) calculado pelo Software, em relação à reprodutibilidade
(repro.) do ponto de fulgor D 93. Apresentando uma boa correlação, com a maioria
dos resultados dentro da reprodutibilidade.
Ponto de Fulgor D-93 (Reprodutibilidade x SEP)
-4
-3
-2
-1
0
1
2
3
4
0 5 10 15 20
Amostras
Des
vios
Repro. (+)
Repro(-)
Desvio (+)
Desvio (-)
Figura 31 - Comparação do ponto de fulgor D 93 (Reprodutibilidade x SEP) Fonte: Autoria própria, 2008.
7 D 93 – é a temperatura em que aplicando aquecimento seguindo a norma, ocorre a primeira ignição do vapor da amostra.
42
A figura 32 mostra a regressão das amostras de calibração para a propriedade
ponto de névoa (ASTM D 2500)8, onde apresentou correlação de 0,985731 e erro
padrão de previsão SEP (desvios) de 1,760473.
Figura 32 - Regressão matemática do ponto de névoa ASTM D 2500 Fonte: Autoria própria, 2008.
Na figura 33 é apresentado para cada amostra de validação o erro padrão de
previsão SEP (desvios) calculado pelo Software, em relação à reprodutibilidade
(repro.) do ponto de névoa D 2500. Apresentando uma boa correlação, com a
maioria dos resultados dentro da reprodutibilidade, entretanto, pode não ser
adequado para a otimização da produção de óleo diesel.
Ponto de Névoa D- 2500 (Reprodutibilidade x SEP)
-3
-2
-1
0
1
2
3
0 5 10 15 20
Amostras
Des
vios
Repro. (+)
Repro(-)
Desvio (+)
Desvio (-)
Figura 33 - Comparação do ponto de névoa D 2500 (Reprodutibilidade x SEP) Fonte: Autoria própria, 2008.
8 D 2500 – é a temperatura em que aplicando resfriamento seguindo a norma, ocorre a primeira formação de névoa no fundo da amostra.
43
A figura 34 mostra a regressão das amostras de calibração para a propriedade
ponto de entupimento (ASTM D 6371)9, onde apresentou correlação de 0,551041 e
erro padrão de previsão SEP (desvios) de 14,3911.
Figura 34 - Regressão matemática do Ponto de Entupimento ASTM D 6371 Fonte: Autoria própria, 2008.
Na figura 35 é apresentado para cada amostra de validação o erro padrão de
previsão SEP (desvios) calculado pelo Software, em relação à reprodutibilidade
(repro.) do ponto de entupimento (ASTM D 6371). Apresentando uma péssima
correlação, com todos os resultados muito fora da reprodutibilidade, indicando que
não deve ser utilizada esta correlação, uma contribuição significativa para esta
diferença é que o produto recebeu aditivo em partes por milhão para melhorar esta
propriedade.
Ponto de Entupimento D - 6371 (Reprodutibilidade x SEP)
-30
-20
-10
0
10
20
30
0 2 4 6 8 10 12 14 16
Amostra
Des
vios
Repro. (+)
Repro(-)
Desvio (+)
Desvio (-)
Figura 35 - Comparação do ponto de entupimento D 6371 (Reprodutibilidade x SEP) Fonte: Autoria própria, 2008. 9 D 6122 - é a temperatura em que aplicando resfriamento seguindo a norma, ocorre o entupimento do filtro padrão de análise.
44
Na figura 36, é apresentado uma comparação da curva de destilação (ASTM D
86) da amostra de validação nº6, onde é verificada uma correlação aceitável entre o
valor predito pelo calculo matemático, e valor obtido na metodologia padrão.
Curva de Destilação Amostra nº6
180
230
280
330
380
0% 20% 40% 60% 80% 100%
Destilação
Tem
pera
tura
°C
Amostra nº6 Analisada
Amostra nº6 Calculada
Figura 36 - Curva de destilação da amostra nº6 Fonte: Autoria própria, 2008.
Na tabela 2, é apresentado a comparação entre os resultados obtidos pelos
métodos padrão e os obtidos pela modelagem matemática da amostra nº6. Onde
podemos verificar que a modelagem matemática mostrou ser eficiente para as
propriedades de destilação, índice de cetano, densidade e ponto de fulgor, obtendo
resultado calculado muito próximo do resultado analisado. Entretanto para análises
de ponto de névoa e ponto de entupimento, a modelagem não mostrou correlação
obtendo resultados muito diferentes do obtido pelos métodos padrão, indicando que
não é aconselhável a utilização em substituição aos métodos padrão no
acompanhamento da produção de óleo diesel.
45
Tabela 2 - Resultados da amostra nº 6
Propriedades Analisado Calculado Destilação PIE (D-86) 194,3°C 193,1°C
05% RECUPERADOS (D-86) 219,5°C 218,2°C 10% RECUPERADOS (D-86) 227,7°C 228,8°C 20% RECUPERADOS (D-86) 243,2°C 243,8°C 30% RECUPERADOS (D-86) 258,3°C 258,1°C 40% RECUPERADOS (D-86) 274,3°C 273,8°C 50% RECUPERADOS (D-86) 290,6°C 290,8°C 60% RECUPERADOS (D-86) 308,8°C 305,5°C 70% RECUPERADOS (D-86) 329,8°C 324,6°C 80% RECUPERADOS (D-86) 353,6°C 353°C 85% RECUPERADOS (D-86) 369,1°C 366,4°C 90% RECUPERADOS (D-86) 386,1°C 382,9°C
DENS. 20/4 g/Kg (D-4052) 867,7 867,7°C
IND.CETANO CALCULADO (D-976) 44,6 45,0
IND.CETANO CALCULADO (D-4737) 45,3 44,6 PONTO DE FULGOR D-93 81,5°C 80,5°C
PONTO DE NEVOA D-2500 7°C 15°C
PONTO ENTUPIMENTO D-6122 -1°C -20°C Fonte: Autoria própria, 2008.
Comparando os resultados analisados com os calculados da amostra nº6 para
as propriedades de destilação, índice de cetano, densidade e ponto de fulgor verifica
que a variação em percentual máxima é de 1,6%, já para a propriedade ponto de
névoa apresentou variação de 114% e para a propriedade ponto de entupimento
apresentou variação de 1900%.
8 CONCLUSÃO
Com os experimentos apresentados anteriormente pode-se concluir que a
técnica de espectrofotometria NIR é viável para acompanhamento do processo de
produção de óleo diesel. Entretanto, a técnica de espectrofotometria de NIR só pode
ser utilizada se estiver associada à utilização de software de modelagem matemática
como o Unscrambler®, que possibilita a realização da correlação de propriedades
físico-química com espectros de NIR. Os modelos matemáticos também mostraram
que para pequenas quantidades de aditivos não é adequado à utilização da técnica
NIR. Um ponto importante que pode ter interferido nos resultados foi a variação da
temperatura da sala e o controle de temperatura da amostra com variação de 1°C.
Um novo estudo poderia ser realizado, tomando o cuidado de manter a temperatura
ambiente com uma variação máxima de 2°C e um contro le de temperatura da
amostra com variação máxima de 0,2°C. Poderia també m trabalhar com celas de
caminho ótico maior, que possibilita trabalhar em outra região do espectro de NIR.
REFERÊNCIAS AMERICAN SOCIETY FOR TESTING MATERIALS. ASTM D 86: standard test method for distillation of petroleum products at atmospheric pressure. West Conshohoken, United States, 2007. AMERICAN SOCIETY FOR TESTING MATERIALS. ASTM D 93: standard test method for flash point by Pensky-Martens closed cup tester. West Conshohoken, United States, 2007. AMERICAN SOCIETY FOR TESTING MATERIALS. ASTM D 445: standard test method for kinematic viscosity of transparent and opaque liquids (and calculation of dinamic viscosity). West Conshohoken, United States, 2006. AMERICAN SOCIETY FOR TESTING MATERIALS. ASTM D 613: standard test method for cetane number of diesel fuel oil. West Conshohoken, United States, 2005. AMERICAN SOCIETY FOR TESTING MATERIALS. ASTM D 976: standard test method for calculated cetane index of distillate fuels. West Conshohoken, United States, 2006. AMERICAN SOCIETY FOR TESTING MATERIALS ASTM D 2500: standard test method for cloud point of petroleum products. West Conshohoken, United States, 2005. AMERICAN SOCIETY FOR TESTING MATERIALS. ASTM D 4052: standard test method for density and relative density of liquids by digital density. West Conshohoken, United States, 1996. AMERICAN SOCIETY FOR TESTING MATERIALS. ASTM D 4737: standard test method for calculated cetane index by four variable equation. West Conshohoken, United States, 2004. AMERICAN SOCIETY FOR TESTING MATERIALS. ASTM D 6122: standard pratices for validation of multivariate process infrared spectrophotometers, West Conshohoken, United States, 2001. AMERICAN SOCIETY FOR TESTING MATERIALS. ASTM D 6371: standard test method for cold filter plugging point of diesel and heating fuels. West Conshohoken, United States, 2005. AMERICAN SOCIETY FOR TESTING MATERIALS. ASTM E 1655: standard pratices for infrared multivariate quantitative analysis, West Conshohoken, United States, 2005.
48
ARAUJO, Augusto Maynard. Monitoramento de processos em tempo real via espectroscopia no infravermelho próximo. 2007. 89f. Dissertação (Mestrado em Engenharia de Processo) Universidade Tiradentes, Aracaju, 2007. BRERETON, Richard G. Chemometrics: Data analysis for the laboratory and chemical plant. West Sussex, England; Wiley, 2003. BUENO, Aerenton Ferreira. Fundamentos de espectroscopia no infravermelho próximo . Rio de Janeiro, PETROBRAS, 2006. BUENO, Aerenton Ferreira. Caracterização de petróleo por espectroscopia no infravermelho próximo . 2004. 112f. Dissertação (Mestrado em Química) – Universidade Estadual de Campinas, Campinas, 2004. CAMO SOFTWARE INC. UNSCRAMBLER versão 7.8. Oslo, Trondheim, Camo, 2002. 1 CD-ROM. CONSTANTINO, Mauricio Gomes; SILVA, Gil Valdo José da. A transformada de Fourier em basic. Química Nova , São Paulo, v.23, n.3, p. 413-417, 2000. FERREIRA, Márcia M.C.et al. Quimiometria I: calibração multivariada, um tutorial, Química Nova , São Paulo, v.22 n.5, p. 724-731, 1999. HARRIS, D. C. Análise química quantitativa. 6. ed. Rio de Janeiro: LTC, 2005. LUZ, E. R. Predição de propriedades de gasolinas usando espect roscopia FTIR e regressão por mínimos quadrados parciais . Dissertação de mestrado, Pontifícia Universidade Católica do Rio de Janeiro, Departamento de Química, Rio de Janeiro, 2003. MENDHAM, J. et al. Análise química quantitativa . 6. ed. Rio de Janeiro: LTC Editora, 2002. OLIVEIRA, Flavia Carneiro da Cunha. Modelos de calibração multivariada associados à espectroscopia vibracional para anális e de mistura diesel - óleos vegetais. 2006. 108f. Dissertação (Mestrado em Química) – Universidade de Brasília, Brasília, 2006. PASQUINI, Célio. Near infrared spectroscopy: fundamentals, practical aspects and analytical applications. Journal of the Brazilian Chemical Society , São Paulo, v. 14, n. 2, p. 198-219, 2003. PETROBRAS. Óleo diesel brasileiro . Rio de Janeiro, 1998. SKOOG, Douglas A. et al. Fundamentos de química analítica . 8. ed. São Paulo: Thomson, 2006.
49
SKOOG, Douglas A. et al. Princípios de análise instrumental . 5. ed. Porto Alegre: Bookman, 2002. THERMO ELETRON CORPORATION. OMNIC versão 7.3. Waltham, United States, Thermo, 2006. 1 CD-ROM. THERMO ELETRON CORPORATION. User’s guide Nicolet FT-IR. Waltham, United States, Thermo, 2006. 1 CD-ROM.
APÊNDICE A - Conjunto de Validação
Destilação D-86 em °C
PIE 5% 10% 50% 90% Densidade D-4052, g/mL
Ponto
de Fulgor
D-93 °C
I.C.C. D-4737 I.C.C. D-976
Ponto de
Névoa D-2500 °C
Ponto De
Entupimento D-6371 °C
Análise Cálculo Análise Cálculo Análise Cálculo Análise Cálculo Análise Cálculo Análise Cálculo Análise Cálculo Análise Cálculo Análise Cálculo Análise Cálculo Análise Cálculo
1 167,3 161,9 191,4 186,9 201,3 197,4 268,7 266,8 359,3 363,3 854,2 853,0 60,0 59,0 44,2 43,7 45,2 44,6 -2 -3 -17 -35
2 178,6 175,9 203,2 209,6 215,8 218,2 277,7 280,1 371,0 364,5 862,8 863,0 69,0 69,0 47,5 44,5 46,9 44,1 -3 -5 -17 -35
3 192,4 194,7 211,9 213,5 224,4 228,1 290,2 289,6 385,7 380,4 866,8 866,6 79,0 80,0 45,5 45,2 45,5 45,1 7 15 -14 -19
4 173,5 174,0 196,1 196,9 206,4 206,7 269,1 266,6 346,9 348,1 852,2 849,1 67,0 64,0 45,9 46,1 45,0 46,1 -5 -8 -21 -27
5 191,9 192,1 218,9 217,8 223,4 226,2 285,8 286,5 376,0 379,3 872,0 870,5 81,0 80,0 42,3 42,9 43,2 43,3 -15 -27 -22 -50
6 194,3 193,1 219,5 218,2 227,7 228,8 290,6 290,8 386,1 382,9 867,7 867,7 81,5 80,5 45,3 44,6 44,6 45,0 7 15 -1 -20
7 163,4 166,7 192,2 195,7 201,5 203,3 273,9 275,5 374,3 377,2 859,5 860,8 62,0 65,5 46,6 43,6 43,3 43,9 0 -1 -15 -33
8 166,5 164,6 187,6 188,5 199,1 202,2 267,5 272,8 361,8 374,2 861,1 862,3 64,0 63,5 41,9 42,6 42,8 42,2 -5 -12 -22 -34
9 159,3 161,2 190,1 191,2 208,2 206,9 270,4 266,7 366,7 363,6 854,4 854,1 60,0 58,5 45,5 44,1 44,2 44,0 -2 -6 -17 -38
10 166,8 171,8 195,0 193,8 209,0 204,0 282,9 280,5 373,9 378,1 861,6 862,9 68,0 67,5 44,1 44,3 45,7 44,2 -4 -9 -10 -27
11 173,5 168,6 185,8 186,3 207,3 202,7 275,8 274,5 375,9 370,8 858,9 859,0 68,0 65,5 42,5 44,5 41,5 44,2 -6 -14 -18 -31
12 151,8 151,2 193,7 194,1 223,9 226,5 278,2 288,8 370,3 379,4 865,6 866,5 59,0 79,5 44,6 45,2 43,3 44,9 -4 -9 -11 -21
13 171,9 166,9 194,1 195,1 204,6 203,4 271,5 272,1 353,4 369,1 858,5 858,0 68,0 63,5 43,6 44,0 44,5 44,0 -4 -9 -17 -33
14 152,3 146,6 184,2 185,1 196,8 197,8 254,2 252,9 356,8 363,7 846,2 843,5 53,0 49,5 43,6 43,8 44,4 44,8 0 0 -16 -32
15 160,2 146,5 177,9 171,8 191,4 193,0 254,3 256,3 372,3 360,4 848,8 846,4 58,0 49,5 43,4 44,0 43,6 44,5 -3 -5 -23 -31
16 168,5 177,1 189,2 189,1 208,9 205,8 278,6 279,1 351,6 377,6 864,2 863,2 67,0 70,0 42,9 44,1 44,1 44,0 -5 -8 -4 -34
17 158,0 153,0 197,4 177,2 217,4 213,6 255,7 254,8 383,9 363,7 846,6 845,4 70,0 51,0 44.3 44,3 43,8 44,3 -5 -8 xxx xxx
18 159,4 163,1 202,3 199,6 216,1 214,3 282,5 276,7 383,4 379,5 858,0 857,4 55,0 62,5 46,8 44,5 44,7 45,5 5 10 -10 -19
19 189,8 194,1 209,8 212,4 222,6 225,6 287,3 290,4 385,0 386,5 862,2 863,9 77,5 81,5 46,3 45,4 45,5 46,4 11 19 -8 -19
20 188,4 194,5 216,0 213,8 224,9 225,3 290,6 288,8 371,7 382,8 862,7 863,7 78,5 81,5 46,7 45,6 45,9 46,1 12 21 -5 -22