Beneficios de la espectroscopía NIR: Parte 3

Cómo implementar NIRS en su flujo de trabajo de laboratorio

Aquí, describimos cómo implementar un método NIR en su laboratorio, ejemplificado por un caso real. Comencemos haciendo algunas suposiciones:

Figura 1. Flujo de trabajo para la implementación del método de espectroscopia NIR.

Paso 1: crear un set de calibración

La espectroscopía NIR es un método secundario, lo que significa que requiere «entrenamiento» con un conjunto de espectros correspondientes a los valores de los parámetros obtenidos de un método primario (como la titulación). En el próximo ejemplo para analizar la humedad y la viscosidad intrínseca, se conocen los valores de los análisis primarios. Estas muestras del conjunto de calibración deben cubrir el rango completo de concentración esperado de los parámetros probados para que el método sea robusto. Esto refleja otras técnicas (por ejemplo, HPLC) en las que la curva estándar de calibración necesita abarcar el rango de concentración esperado completo. Por lo tanto, si espera que el contenido de humedad de una sustancia esté entre 0.35% y 1.5%, entonces el conjunto de entrenamiento / calibración también debe cubrir este rango.

Después de medir las muestras en el analizador NIRS DS2500, debe vincular los valores obtenidos de los métodos primarios (valoración de Karl Fischer y viscosimetría) en las mismas muestras a los espectros NIR. Simplemente ingrese los valores de humedad y viscosidad utilizando el paquete de software Metrohm Vision Air Complete (Figura 2). Posteriormente, este conjunto de datos (el conjunto de calibración) se utiliza para el desarrollo del modelo de predicción.

Figura 2. Visualización de 10 mediciones NIR vinculadas con valores de referencia de viscosidad intrínseca y humedad obtenidos con titulación KF y viscosimetría

Paso 2: crear y validar modelos de predicción

Ahora que el set de calibración se ha medido en el rango de valores esperados, se debe crear un modelo de predicción. No se preocupe: todos los procedimientos están completamente desarrollados e implementados en el paquete de software Metrohm Vision Air Complete.

Primero, inspeccione visualmente los espectros para identificar regiones que cambian con una concentración variable. A menudo, la aplicación de un ajuste matemático, como la primera o segunda derivada, mejora la visibilidad de las diferencias espectrales (Figura 3).

Figura 3. Ejemplo del efecto de intensificación en la información de espectros mediante el cálculo matemático: a) sin ninguna optimización matemática y b) con la segunda derivada aplicada destacando la diferencia de espectros a 1920 nm e intensificando los picos cerca de 2010 nm.

Análisis de datos: univariados versus multivariados

Una vez identificado visualmente, el software intenta correlacionar estas regiones espectrales seleccionadas con valores obtenidos del método primario. El resultado es un diagrama de correlación, que incluye las respectivas cifras de mérito, que son el Error estándar de calibración (SEC, precisión) y el coeficiente de correlación (R2) que se muestra en el ejemplo de humedad en la Figura 4. El mismo procedimiento se lleva a cabo para otros parámetros (en este caso, viscosidad intrínseca).

Este proceso es nuevamente similar a los procedimientos de trabajo generales con HPLC. Al crear una curva de calibración con HPLC, típicamente la altura del pico o la intensidad del pico (superficie) se vincula con una concentración estándar interna conocida. Aquí, solo se usa una variable (altura de pico o superficie), por lo tanto, este procedimiento se conoce como «análisis de datos univariados».

Por otro lado, la espectroscopía NIR es una tecnología de «análisis de datos multivariados«. NIRS utiliza un rango espectral (por ejemplo, 1900–2000 nm para el agua) y, por lo tanto, se utilizan múltiples valores de absorbancia para crear la correlación.

Figura 4. Gráfico de correlación y Figuras de Mérito (FOM) para la predicción de agua en muestras de polímeros utilizando espectroscopía NIR. La función «conjunto dividido» en el paquete de software Metrohm Vision Air Complete permite la generación de un conjunto de datos de validación, que se utiliza para validar el modelo de predicción.

¿Cuántos espectros se necesitan?

El número ideal de espectros en un conjunto de calibración depende de la variación en la muestra (tamaño de partícula, distribución química, etc.). En este ejemplo, utilizamos 10 muestras de polímeros, que es un buen punto de partida para verificar la viabilidad de la aplicación. Sin embargo, para construir un modelo robusto que cubra todas las variaciones de la muestra, se requieren más espectros de muestra. Como regla, aproximadamente 40–50 espectros de muestra proporcionarán un modelo de predicción adecuado en la mayoría de los casos.

Este conjunto de datos que incluye 40–50 espectros también se utiliza para validar el modelo de predicción. Esto se puede hacer usando el paquete de software Metrohm Vision Air Complete, que divide el conjunto de datos en dos grupos de muestras:

1. Set de calibración 75%
2. Set de validación 25%

Como antes, se crea un modelo de predicción utilizando el conjunto de calibración, pero las predicciones ahora se validarán utilizando el conjunto de validación. Los resultados para estas muestras de polímeros se muestran arriba en la Figura 4.

Los usuarios que no tienen experiencia con la creación de modelos NIR y que aún no se sienten seguros con ella pueden confiar en el soporte de Scanco & Metrohm, que es conocido por su servicio de alta calidad. Le ayudarán con la creación y validación del modelo de predicción.

Paso 3: Análisis de rutina

La belleza de la técnica NIRS se aprecia ahora que el modelo de predicción ha sido creado y validado.

Las muestras de polímeros con contenido de humedad desconocido y viscosidad intrínseca desconocida ahora se pueden analizar con solo presionar un botón. El analizador NIRS DS2500 mostrará los resultados de esos parámetros en menos de un minuto. Por lo general, el espectro en sí no se muestra durante este paso, solo el resultado, a veces resaltado por un cuadro amarillo o rojo para indicar resultados con una advertencia o error como se muestra en la Figura 5.

Figura 5. Descripción general de una selección de resultados pronosticados por NIR, con indicaciones claras de aprobación (sin recuadro) y falla (recuadro rojo).

Posibilidades de visualización.

Por supuesto, la opción también existe para mostrar los espectros, pero para la mayoría de los usuarios (especialmente para los trabajadores por turnos), estos espectros no tienen significado y no pueden derivar información de ellos. En estas situaciones, solo los valores numéricos son importantes junto con una clara indicación de pasa / falla.

Otra posibilidad de visualización es el gráfico de tendencias, que permite el ajuste proactivo de los procesos de producción. Los límites de advertencia y acción también se resaltan aquí (Figura 6).

Figura 6. Gráfico de tendencias de los resultados del análisis de contenido de humedad NIR. Las líneas paralelas indican límites definidos de advertencia (amarillo) y acción (rojo).

Resumen

La mayor parte del esfuerzo necesario para implementar NIR en el laboratorio está en el comienzo del flujo de trabajo, durante la recolección y medición de muestras que abarcan el rango completo de concentración. La creación y validación del modelo de predicción, así como la implementación en el análisis de rutina, se realiza con la ayuda del paquete de software Metrohm Vision Air Complete y se puede completar en un corto período de tiempo. Además, nuestros especialistas de Metrohm NIRS lo ayudarán con gusto con la creación del modelo de predicción si necesita asistencia.

En este punto, tenga en cuenta que hay casos en los que la espectroscopía NIR se puede implementar directamente sin ningún desarrollo de modelo de predicción, utilizando precalibraciones Metrohm. Estos son procedimientos operativos robustos y listos para usar para ciertas aplicaciones (por ejemplo, viscosidad de PET) basadas en espectros de productos reales.