Fevereiro 2015 vol. 1 num. 2 - XX Congresso Brasileiro de Engenharia Química

Artigo - Open Access.

Idioma principal

MODELAGEM QUIMIOMÉTRICA BASEADA EM JANELA MÓVEL DE REGRESSÃO POR MÍNIMOS QUADRÁTICOS PARCIAIS ASSOCIADA COM OTIMIZAÇÃO COLÔNIA DE FORMIGAS

RANZAN, C. ; STROHM, A. ; TRIERWEILER, L. F. ; HITZMANN, B. ; TRIERWEILER, J. O. ;

Artigo:

O principal objetivo da otimização de processos é a obtenção de alta produtividade e lucro em processos, sejam químicos ou bioquímicos. Para isso, técnicas de controle, altamente correlacionadas com nossas capacidades de caracterizar processos, devem ser aplicadas. Sensores ópticos associados com modelagem quimiométrica são considerados uma escolha natural para medidas não intrusivas e de alta sensibilidade. Este trabalho esta focado na caracterização de farinhas (operação usual e obrigatória na indústria de alimentos) através de um método proposto para monitoração usando dados de infravermelho próximo reflexivo (NIR). Dados de espectroscopia são avaliados através da combinação dos métodos de regressão de mínimos quadráticos parciais em janelas móveis e otimização de colônia de formigas. Resultados de predição de proteína são comparados com modelos PLSR padrão, apresentando uma melhora na capacidade preditiva de cerca de 30% usando CSMWPLS-ACO, confirmando a eficiência da proposta de caracterização e da estratégia quimiométrica.

Artigo:

Download (PDF)

Palavras-chave:

DOI: 10.5151/chemeng-cobeq2014-1067-21266-176312

Referências bibliográficas
  • [1] Brown, S. D. (2013). Transfer of Multivariate Calibration Models. Reference Module in Chemistry, Molecular Sciences and Chemical Engineering, Elsevier. Cariou, V., S. Verdun and E. M. Qannari (2014). "Quadratic PLS regression applied to external preference mapping." Food Quality and Preference 32, Part A(0): 28-34.
  • [2] Champe, P. C. and R. A. Harvey (2005). Biochemistry. Philadelphia, Lippincott/Williams Andamp; Wilkins. Chi, Q., Z. Fei, Z. Zhao, L. Zhao and J. Liang (2014). "A model predictive control approach with relevant identification in dynamic PLS framework." Control Engineering Practice 22(0): 181-193.
  • [3] Deneubourg, J. L., S. Aron, S. Goss, J. M. Pasteels and G. Duerinck (1986). "Random behaviour, amplification processes and number of participants: How they contribute to the foraging properties of ants." Physica D: Nonlinear Phenomena 22(1–3): 176-186.
  • [4] Dorigo, M., M. Birattari and T. Stuetzle (2006). "Ant colony optimization - Artificial ants as a computational intelligence technique." Ieee Computational Intelligence Magazine 1(4): 28-39.
  • [5] Dorigo, M. and C. Blum (2005). "Ant colony optimization theory: A survey." Theoretical Computer Science 344(2-3): 243-278.
  • [6] Du, Y. P., Y. Z. Liang, J. H. Jiang, R. J. Berry and Y. Ozaki (2004). "Spectral regions selection to improve prediction ability of PLS models by changeable size moving window partial least squares and searching combination moving window partial least squares." Analytica Chimica Acta 501(2): 183-191.
  • [7] Hasegawa, T. (2001). Handbook of Vibrational Spectroscopy. J. Chalmers and P. R. Griffiths. Chichester, UK, Wiley: 2293.
  • [8] Jiang, J.-H., R. J. Berry, H. W. Siesler and Y. Ozaki (2002). "Wavelength Interval Selection in Multicomponent Spectral Analysis by Moving Window Partial Least-Squares Regression with Applications to Mid-Infrared and Near-Infrared Spectroscopic Data " Anal. Chem. 74: 3555 - 3565.
  • [9] Joe Qin, S. (1998). "Recursive PLS algorithms for adaptive data modeling." Computers Andamp; Chemical Engineering 22(4–5): 503-514.
  • [10] Mullen, R. J., D. Monekosso, S. Barman and P. Remagnino (2009). "A review of ant algorithms." Expert Systems with Applications 36(6): 9608-9617.
  • [11] Ranzan, C., A. Strohm, L. Ranzan, L. F. Trierweiler, B. Hitzmann and J. O. Trierweiler (2014). "Wheat flour characterization using NIR and spectral filter based on Ant Colony Optimization." Chemometrics and Intelligent Laboratory Systems 132(0): 133-140.
  • [12] Sato, H., M. Kiguchi, F. Kawaguchi and A. Maki (2004). "Practicality of wavelength selection to improve signal-to-noise ratio in near-infrared spectroscopy." NeuroImage 21(4): 1554-1562.
  • [13] Skoog, D. A., F. J. Holler and S. R. Crouch (2007). Principles of instrumental analysis. Belmont, CA, Thomson Brooks/Cole. Sratthaphut, L. and N. Ruangwises (2012). "Genetic Algorithms-Based Approach for Wavelength Selection in Spectrophotometric Determination of Vitamin B12 in Pharmaceutical Tablets by Partial Least-Squares." Procedia Engineering 32(0): 225-231.
  • [14] Sun, D.-W. (2008). Infrared Spectroscopy for Food Quality Analysis and Control, Elsevier. Technology, I.-I. A. f. C. S. a. (1986). Procedure for near infrared (NIR) reflectance analysis of ground wheat and milled wheat products. 202.
  • [15] Technology, I.-I. A. f. C. S. a. (1995). Determination of Protein by Near Infrared Reflectance (NIR) Spectroscopy. 159.
  • [16] Xu, L. and I. Schechter (1996). "Wavelength selection for simultaneous spectroscopic analysis. Experimental and theoretical study." Anal Chem 68: 2392–2400.
Como citar:

RANZAN, C.; STROHM, A.; TRIERWEILER, L. F.; HITZMANN, B.; TRIERWEILER, J. O.; "MODELAGEM QUIMIOMÉTRICA BASEADA EM JANELA MÓVEL DE REGRESSÃO POR MÍNIMOS QUADRÁTICOS PARCIAIS ASSOCIADA COM OTIMIZAÇÃO COLÔNIA DE FORMIGAS", p. 11978-11985 . In: Anais do XX Congresso Brasileiro de Engenharia Química - COBEQ 2014 [= Blucher Chemical Engineering Proceedings, v.1, n.2]. São Paulo: Blucher, 2015.
ISSN 2359-1757, DOI 10.5151/chemeng-cobeq2014-1067-21266-176312

últimos 30 dias | último ano | desde a publicação


downloads


visualizações


indexações