Um método para detecção de adulterações de misturas de biodiesel/diesel (B5) com óleo de soja empregando espectrometria UV-Vis é proposto. O estudo envolve 90 amostras compreendendo misturas B5 com e sem a adição de óleo de soja (0,5 a 2,5% v/v). Uma discriminação apropriada foi obtida utilizando classificadores SIMCA (modelagem independente e flexível por analogia de classe), KNN (K-vizinhos mais próximos), PLS-DA (análise discriminante por mínimos quadrados parciais) e SPA-LDA (análise discriminante linear com algoritmo de projeções sucessivas).

A method for detecting adulterations of biodiesel/diesel blends (B5) with soybean oil using UV-Vis spectrometry is proposed. The study involves 90 samples comprising B5 blends with and without the addition of soybean oil (0.5 to 2.5% v/v). Suitable discrimination was achieved by using SIMCA (soft independent modeling of class analogy), KNN (K-nearest neighbors), PLS-DA (partial least squares discriminant analysis) and SPA-LDA (linear discriminant analysis with spectral variables selected by the successive projections algorithm) classifiers.

O objetivo deste estudo foi classificar amostras de comprimidos contendo dipirona, cafeína e orfenadrina usando espectroscopia no infravermelho próximo e técnicas quimiométricas. O conjunto de dados foi de 300 espectros de amostras de três comprimidos por lote e quatro diferentes produtores. O pré-processamento foi realizado pelo algoritmo Savitzky-Golay com primeira derivada, janela de 17 pontos e polinômio de segunda ordem. A classificação dos comprimidos foi conduzida usando modelos quimiométricas baseados na análise de componentes principais (PCA), modelagem independente flexível por analogias de classes (SIMCA), algoritmo genético- (GA-LDA) e algoritmo das projeções sucessivas-análise discriminante linear (SPA-LDA). Pela análise PCA, observou-se agrupamentos para cada conjunto de comprimidos. Para o modelo SIMCA, utilizou-se 15 e 30 medidas espectrais para o conjunto de treinamento dos medicamentos similares e de referência, respectivamente. Para o modelo GA-LDA, utilizou-se 12 variáveis, enquanto que o modelo SPA-LDA selecionou somente dois comprimentos de onda, 1572 e 1933 nm. Os modelos classificaram corretamente todas as amostras. A metodologia permitiu uma classificação rápida e não destrutiva das amostras e sem necessidade de determinações analíticas convencionais.

The objective of this study was to classify samples of tablets containing dipyrone, caffeine and orphenadrine using near infrared (NIR) spectroscopy and chemometric techniques. The data set had 300 spectra of samples from three tablets per batch and four different manufacturers. The pre-processing was accomplished by Savitzky-Golay algorithm with the first derivative, window with 17 points and second-order polynomial. The tablet classification was performed using chemometric models based on principal component analysis (PCA), soft independent modeling of class analogies (SIMCA), genetic algorithm- (GA-LDA) and successive projection algorithm-linear discriminant analysis (SPA-LDA). For PCA analysis, clusters were observed for each group of tablets. The SIMCA model was built using 15 and 30 spectral measures for the training set of similar drugs and reference drugs, respectively. The GA-LDA model used 12 variables, whereas SPA-LDA selected only two wavelengths, 1572 and 1933 nm. The methodology allowed a quick and non-destructive classification of the tablets and without the need for conventional analytical determinations.

Classification of biodiesel by oilseed type using pattern recognition techniques is described. The spectra of the samples were performed in the Visible region, requiring noise removal by use of a first derivative by the Savitzky-Golay method, employing a second-order polynomial and a window of 21 points. The characterization of biodiesel was performed using HCA, PCA and SIMCA. For HCA and PCA methods, one can observe the separation of each group of biodiesel in a spectral region of 405-500 nm. SIMCA model was used in a test group composed of 28 spectral measurements and no errors are obtained.