Escolar Documentos
Profissional Documentos
Cultura Documentos
Sumrio
1. INTRODUO ............................................................................................... 1
1.1 MOTIVAES DO TRABALHO
2.4 QUIMIOMETRIA
10
18
3.2 OBJETIVOS
20
20
22
38
4.2 OBJETIVOS
39
39
40
48
50
51
51
55
ndice de Figuras
Figura 1 Representao esquemtica do comportamento harmnico e
anarmnico......................................................................................................... 5
Figura 2 Representao vetorial do NAS ...................................................... 11
Figura 3 Butirmetro de Gerber..................................................................... 19
Figura 4 Espectros das 123 amostras de queijo muarela ............................ 22
Figura 5 Coeficientes de regresso para o modelo de determinao de
gordura em queijo muarela ............................................................................. 24
Figura 6 - Coeficientes de regresso para o modelo de determinao de
umidade em queijo muarela ........................................................................... 24
Figura 7 Grfico de resduos vs. valores preditos para o modelo de
determinao de gordura amostras de calibrao () e de validao () ..... 27
Figura 8 - Grfico de resduos vs. valores preditos para o modelo de
determinao de umidade amostras de calibrao () e de validao () .... 27
Figura 9 Curva de valores de referncia vs. norma do NAS para o modelo de
determinao de gordura - amostras de calibrao () e de validao () ...... 29
Figura 10 - Curva de valores de referncia vs. norma do NAS para o modelo de
determinao de umidade - amostras de calibrao () e de validao () ..... 29
Figura 11 Erros relativos das amostras de validao para o modelo de
determinao de gordura ................................................................................. 30
Figura 12 - Erros relativos das amostras de validao para o modelo de
determinao de umidade ................................................................................ 31
Figura 13 Efeitos do teste de robustez, de acordo com um planejamento 22 32
Figura 14 - Erro amostral especfico de predio para as amostras de validao
para o modelo de determinao de gordura - valores de referncia () e valores
preditos (*) ........................................................................................................ 34
Figura 15 - Erro amostral especfico de predio para as amostras de validao
para o modelo de determinao de umidade - valores de referncia () e
valores preditos (*) ........................................................................................... 34
Figura 16 Carta de controle para estabilidade do modelo de determinao de
gordura ............................................................................................................. 35
ndice de tabelas
Tabela 1 - Otimizao dos modelos PLS pela deteco de amostras anmala
(modelos finais esto destacados em negrito) ................................................. 25
Tabela 2 - Figuras de mrito, estimadas para os modelos PLS de determinao
de gordura e umidade ...................................................................................... 28
Tabela 3 - Otimizao dos modelos PLS para determinao de umidade em
queijo minas artesanal pela deteco de amostras anmalas (modelo final est
destacado em negrito)...................................................................................... 42
Tabela 4 - Figuras de mrito estimadas para o modelo PLS de determinao de
umidade em queijo minas artesanal ................................................................. 43
Tabela 5 Otimizao do modelo PLS para determinao de umidade em doce
de leite pela deteco de outliers (modelo final est destacado em negrito) ... 53
Tabela 6 - Figuras de mrito estimadas para o modelo PLS de determinao de
umidade em doce de leite ................................................................................ 54
1. Introduo
1.1 Motivaes do trabalho
O presente projeto originou-se atravs de uma parceria firmada com IMA
(Instituto Mineiro de Agropecuria), o qual possua um equipamento de
infravermelho prximo adquirido com a inteno de se desenvolver e aplicar
algumas tcnicas quimiomtricas nas anlises de rotina do laboratrio. O IMA
um rgo estadual responsvel pela anlise de alimentos, bebidas, solos, entre
outros. No que diz respeito analise de alimentos, o IMA analisa,
semanalmente, um grande nmero de amostras, dos mais diferentes tipo,
como queijos, linguias, doces, iogurtes, mel, cachaa e leite fluido
pasteurizado.
A grande maioria das anlises fiscais exigidas pela legislao dizem
respeito composio fsico-qumica dos alimentos (umidade, gordura,
protena e cinzas). Essas determinaes so realizadas por mtodos
consagrados na Bromatologia, como dessecao em estufa, mtodo de Gerber
e mtodo de Kjeldahl. Estes mtodos tm como principalmente vantagem o seu
amplo uso, no demandarem equipamentos sofisticados, nem conhecimentos
avanados, sendo facilmente executados por pessoal pouco experiente.
Porm, estes mtodos so demorados e, em alguns casos, uma anlise pode
durar por at 6 horas ou mais, como no caso da determinao de umidade em
queijos muarela. Adicionalmente, esses mtodos normalmente envolvem a
utilizao de reagentes e solvente perigosos, como H2SO4 concentrado,
solues de NaOH em elevadas concentraes (50% p/p) e solventes
orgnicos, o que, alm de oferecer riscos aos operadores, ainda gera resduos
de difcil tratamento ao trmino das anlises.
A substituio de alguns mtodos clssicos por modelos quimiomtricos
tem como objetivo aperfeioar o processo de anlise das amostras, reduzindo
o seu tempo, alm de diminuir o seu custo e reduzir a gerao de resduos.
Desenvolver
modelos
de
calibrao
multivariada
para
2. Reviso bibliogrfica
2.1 Interao luz/matria
A interao entre luz e matria tem despertado a curiosidade dos
homens ao longo da historia. Por volta de 130 a.C, Ptolomeu descreveu a
refrao da luz por uma gama de materiais transparentes e, em 1305, Von
Freiburg simulou a estrutura do arco-ris utilizando esferas de vidro preenchidas
com gua. Por todo o sculo XVIII, a interao luz-matria foi estudada, e
pesquisadores como Snell, Huyguens, Newton, Bradley e Priestly formularam
leis sobre a refrao e a reflexo da luz, assim como a proposio de sua
natureza dual (partcula/onda). Porm, a descoberta da radiao no
infravermelho creditada ao cientista ingls William Herschell [1], em 1800. A
teoria moderna sobre a luz, baseada na ondulao de um campo
eletromagntico, foi desenvolvida por JC Maxwell (1831 1879) [2].
Os
primeiros
experimentos
modernos
utilizando
tcnicas
1
2
1
2
1
2
k
2
m
ou
combinao
tem
intensidade
inferior
suas
anlogas
5
e/ou
quantitativos
provenientes
da
interao
de
ondas
(qualquer molcula contendo C-H, N-H, S-H ou ligaes O-H) e, na maioria dos
casos, com uma preparao mnima da amostra [4].
Desde os primrdios, o uso das informaes dos espectros do
infravermelho NIR para efeitos de anlise baseou-se na abordagem
multivariada para a calibrao. Hoje essa interdependncia ainda mais
importante, devido ao crescente poder dos microcomputadores e da qualidade
dos espectrofotmetros NIR, que permitem que milhares de dados sejam
obtidos em questo de segundos. Como a tecnologia NIR prope uma medida
direta da amostra sem pr-tratamento, ela tambm no apresenta nenhum fator
inibitrio para aquisio de dados, contribuindo para a gerao de grandes
conjuntos durante a fase de calibrao [4].
2.4 Quimiometria
De acordo com a definio da ICS (International Chemometrics Society),
a quimiometria a disciplina qumica que emprega mtodos matemticos e
estatsticos para planejar ou selecionar experimentos de forma otimizada e
para fornecer o mximo de informao qumica com a anlise dos dados
obtidos. O crescimento e desenvolvimento da quimiometria esto intimamente
relacionados
com
desenvolvimento
popularizao
dos
amostra (um espectro de NIR, por exemplo), com uma propriedade especifica.
Existem alguns mtodos consagrados na literatura, como a regresso linear
mltipla (MLR), regresso de componentes principais (PCR), quadrados
mnimos parciais (PLS), redes neurais artificiais (ANN) e mquinas de suporte
de vetores (SVM).
Dentre estes mtodos, os que mais se destacam so o PCR e o PLS,
devido principalmente sua ampla gama de aplicaes e sua facilidade de
uso. Ambos os mtodos so capazes de lidar com grande colinearidade e
rudos, assim como conseguem trabalhar com mais variveis que amostras,
superando as principais limitaes da RLM, no tratamento quantitativo de
dados espectrais [6, 7].
A nica diferena entre esses dois mtodos a forma pela qual as
componentes principais so calculadas. O PLS relaciona a informao contida
no bloco Y , das variveis independentes (concentrao do analito ou outras
propriedades), com o bloco X, das variveis dependentes (espectrais), durante
a decomposio dos dados, utilizando os dois simultaneamente. Isto leva a
uma pequena perda da ortogonalidade das componentes principais, e com
isso, elas recebem a denominao especfica de variveis latentes. O PCR
decompe X separadamente e depois correlaciona seus escores com Y [6].
de
onda,
intensidade
relativa
em
determinada
razo
! = "# + $ =
+ 4
% & + $ 5
melhor relao linear possvel entre os escores desses dois blocos obtida
atravs de pequenas rotaes das variveis latentes dos blocos de X e Y. Os
valores preditos para novas amostras (Y) podem ser ento calculados de
acordo com a equao 4, com base nos escores T*.
! =
,# 7
10
erro de predio maior do que trs vezes o RMSEC, ela deve ser removida
[19, 21].
Os dois primeiros testes acima descritos foram aplicados a ambos os
conjuntos de calibrao e de validao, enquanto que o terceiro teste s foi
aplicado ao conjunto de calibrao. Amostras anmalas no conjunto de
validao tambm foram detectados pelo teste de resduos padronizados
Jacknife. Este teste estima a varincia dos resduos da regresso
independente do ponto avaliado, o que dispensa a necessidade de se calcular
vrias regresses a cada novo ponto excludo [22].
2.5.2 Sinal Analtico Lquido (NAS) e curva pseudounivariada
O NAS (do ingles Net Analyte Signal) um conceito multivariado
proposto por Lorber em 1986 [23], que pode ser definido como a parte do sinal
analtico que exclusivamente relacionada com o analito/propriedade de
interesse, e ortogonal ao espao gerado pelos interferentes (Figura 2).
57 .8 8
11
> 234 estimado atravs de uma regresso linear entre o vetor ns, o qual
5
234
/01
contm a norma do vetor .
de cada amostra, e o vetor das concentraes
6A
?@5 B 9
> 234 ?@ + F 10
DE = 5
2.5.3.1 Exatido
De acordo com o Vocabulrio Internacional de Metrologia (VIM), o
conceito de exatido utilizando normalmente foi atualizado. Ele foi substituido
pelos termos veracidade ou acurcia, que definida como o grau de
concordncia entre a mdia de um nmero infinito de valores medidos
repetidos e um valor de referncia. E a juno da veracidade com a preciso
agora chamada de exatido, a qual definida como o grau de concordncia
entre um valor medido e um valor verdadeiro de um mensurando [35].
A veracidade e a preciso podem ser estimadas de forma semelhante
para mtodos univariados e multivariados. A veracidade foi avaliada atravs
dos erros relativos de predio para cada amostra. No entanto, a veracidade de
mtodos multivariados usualmente estabelecida atravs de parmetros mais
especficos no mencionados nas orientaes tradicionais de anlise de
alimentos, tais como RMSEC (raiz do erro quadratico mdio de calibrao) e
RMSEP (raiz do erro quadratico mdio de predio). O RMSEP mais robusto
que o RMSEC, uma vez que estimado a partir de amostras de validao
externas ao conjunto de calibrao.
A preciso foi avaliada em dois nveis, repetitividade e preciso
intermediria. A repetitividade foi estimada pela anlise de trs amostras
diferentes, pelo mesmo analista, seis repeties para cada amostra. A preciso
intermediria foi estimada por trs diferentes analistas que determinaram as
mesmas trs amostras em seis replicatas, no mesmo dia.
2.5.3.2 Linearidade
Uma vez que no h curvas de calibrao para modelos multivariados, a
linearidade costuma ser estimada atravs do coeficiente de correlao (r) entre
os valores de referncia e os valores preditos. Mas um valor de r perto de 1
no considerado suficiente para assegurar a linearidade do mtodo [33].
essencial ainda que se verifique previamente se os resduos do ajuste
apresentam comportamento aleatrio.
Esta verificao frequentemente realizada por inspeo visual de um
grfico dos resduos, o que pode ser considerado bastante subjetivo. A fim de
adotar critrios mais objetivos para avaliar a linearidade, o presente trabalho
13
adaptou a metodologia utilizada por Souza & Junqueira [22] para o mtodo
univariado dos mnimos quadrados ordinrios. Assim, o comportamento
aleatrio foi verificada atravs da aplicao dos testes de Ryan-Joiner (RJ), de
Brown-Forsythe (BF) e de Durbin-Watson (DW) para os resduos do modelo, a
fim de avaliar a sua normalidade, homocedasticidade, e independncia,
respectivamente . O principal teste o de DW [36], usado para verificar a
ausncia de autocorrelao, em que o desvio padro dos dados ordenados
residuais (SD) comparado com o desvio padro das diferenas sucessivas
(SDsd) do mesmo conjunto de dados. Se os dados so aleatoriamente e
normalmente distribudos e homoscedsticos, no deve haver diferena
estatstica entre o SD e o SDsd . Um valor DW estimado, variando de 0 a 4,
com mdia 2. Se o valor calculado converge para 2, isto significa que no h
autocorrelao. Se estes valores afasta-se para 0 ou 4, a autocorrelao
aumenta de maneira positiva ou negativa, respectivamente. Os valores de 1,5 e
2,5 podem ser utilizados como os limites de aceitao superiores e inferiores.
Como
alternativa,
os
parmetros
da
curva
de
calibrao
||LMNO ||
11
||.1 ||
medida que cada amostra tem uma SEL diferente, um valor mdio utilizado
para caracterizar o mtodo. J que mtodos multivariados no necessitam de
resoluo de sinal, tambm importante ressaltar que a SEL no til para
14
HIP =
HIP
13
R
2W
1X
D1
T U
DE1
:V
14
15
onde D1
T U
[\D1T
DE1 ] (S;<]
15
:V 1
HYa3b
16
_cHId
_`YV3b =
HYV3b
17
_cHI`
efg
descrita por Faber e Bro [40]. Esta estratgia permite a estimativa da incerteza
de medida para cada amostra, com base em seu leverage (h). Esta equao
no utiliza a incerteza do mtodo de referncia para o clculo da incerteza
multivariada, e justamente por isso, escolhemos esta abordagem. A incerteza
para cada amostra calculada de acordo com a equao abaixo, onde MSEC
o erro mdio de calibrao, e
i ]
18
i .
pelas
diretrizes
do
Ministrio
da
Agricultura,
Pecuria
18
geral,
os
mtodos
analticos
para
determinao
de
3.2 Objetivos
Desenvolver modelos PLS robustos para a determinao de gordura e
umidade em queijos muarela utilizando NIR e PLS, e valid-los de acordo com
a legislao vigente, tentando harmonizar o guia do MAPA com a realidade
multivariada.
3.3 Material e mtodos
3.3.1 Equipamentos e softwares
Os espectros foram obtidos em um espectrofotmetro Perkin Elmer FTIR
400 (Waltham, EUA), equipado com um acessrio de reflectncia difusa. Os
20
C-H,
os
picos
em
2308
2348
nm,
atribudos
23
24
Amostras de calibrao
Amostras de validao
Variveis latentes
RMSEC (%)
RMSEP (%)
Amostras de calibrao
Amostras de validao
Variveis latentes
RMSEC (%)
RMSEP (%)
Gordura
82
41
7
3,1
3,2
Umidade
82
41
4
1,8
2,2
77
41
8
2,1
3,0
74
37
8
1,8
2,1
-----------
77
41
8
1,0
1,8
74
41
8
0,8
1,7
73
35
6
0,6
0,9
VLs,
explicando
99,1%
da
varincia
em
89,8%
em
Y.
26
evidente
nas
distribuies
residuais.
No
entanto,
27
Figuras de Mrito
Paramtros
Veracidade
Erros relativos
(mx/mn.)
Gordura
Umidade
Valores
-8,7 / 8,1 %
-3,5 / 2,9 %
0,7%
0,2%
0,3%
0,5%
0,4%
0,4%
3,2%
1,4%
Durbin-Watson
8,4%
4,0%
1,8
2,6%
1,2%
1,9
Inclinao
1,00 0,02
1,00 0,03
Intercepto
0,01 2,70
0,00 1,40
Coeficiente de
correlao (r) b
0,9442
0,9702
Faixa de trabalho
38,7 a 58,0 %
41,5 a 55,1 %
Seletividade
Sensibilidade
Sensibilidade analtica
(g)
1
0,07
0,009 c
0,11
0,012 c
1,8 %-1
2,4 %-1
0,60%
0,40%
DPR repetitividade
Preciso
DPR preciso
intermediria a
Linearidade
Vis
RPD
-0,7751,942 % 0,0010,933 %
RPD calibrao
RPD validao
2,1
2,0
2,9
2,4
28
29
30
31
Placa*Processamento
Processamento
Gordura
Umidade
Placa
0.5
1.5
2.5
Efeitos padronizados
32
33
40.00
30.00
20.00
10.00
0.00
-10.00
-20.00
-30.00
-40.00
Amostras
35
40.00
30.00
20.00
10.00
0.00
-10.00
-20.00
-30.00
-40.00
Amostras
37
38
4.2 Objetivos
O objetivo deste trabalho foi desenvolver um mtodo simples, robusto e
rpido para determinao do teor de umidade em queijos minas artesanal
usando NIRS e PLS. Esse mtodo deve ser usado para o controle de qualidade
destes queijos no IMA (Instituto Mineiro de Agropecuria). Este trabalho
tambm tem como objetivos a realizao das anlises sob o ambiente realista
do controle de qualidade, incluindo uma validao analtica completa e a
avaliao permanente do desempenho do mtodo atravs do monitoramento
da estabilidade ps-modelo.
4.3 Material e mtodos
4.3.1 Equipamentos e Softwares
Para a obteno dos espectros e tratamento dos dados, foram utilizados,
os mesmos equipamentos e softwares citados na sesso 3.3.1.
4.3.2 Materiais, reagentes e amostras
Noventa e cinco amostras de queijo minas foram coletadas entre 2009 e
2010. As amostras foram mantidas em uma temperatura inferior a 4 C e
analisadas aps um perodo de 30 minutos, para que a amostra atingisse a
temperatura ambiente. As condies para preparo da amostra e aquisio dos
espectros foram similares as utilizadas para as amostras de muarela,
descritas na sesso 3.3.2.
O mtodo de anlise de referncia foi realizado de acordo com a
literatura. O teor de umidade total nos queijos foi determinado utilizando o
mtodo gravimtrico, sem repeties [56]. Trs gramas de amostra foram
pesadas e misturou-se homogeneamente com a mesma quantidade de areia
fina pr-seca, a fim de se evitar a formao de crosta e para acelerar o
processo de secagem. As amostras foram, em seguida, secas a 105 C, at
atingirem um peso constante.
39
40
41
Amostras de calibrao
Amostras de validao
Variveis latentes
RMSEC (%)
RMSEP (%)
2
63
32
3
3.1
5.2
3
58
32
6
2.0
5.0
4
55
27
7
1.5
2.0
-----------
total
de
amostras),
todos
eles
por
altos
resduos
em
Y.
42
Figuras de Mrito
Paramtros
Valores
Veracidade
-6,5 / 9,8%
DPR repetitividade
Preciso
DPR preciso
intermediria a
Linearidade
1,0%
0,7%
1,0%
1,6%
Durbin-Watson
1,7%
1,5%
2,0
Inclinao
0,95 0,06
Intercepto
1,86 2,40
Coeficiente de correlao
(r) b
0,9773
Faixa de trabalho
28,5 a 55,5 %
Seletividade
Sensibilidade
0,120
0,058 c
Sensibilidade analtica ()
10,34 %-1
0,1%
Bias
0,8201,902 %
RPD
RPD calibrao
RPD validao
3,4
2,1
43
44
45
46
40.0
30.0
20.0
10.0
0.0
-10.0
-20.0
-30.0
-40.0
Amostras
Figura 25 Carta de controle da estabilidade do modelo para determinao de
umidade em queijo minas artesanal
quase 80 vezes mais rpido, mais simples, mais barato e no tem necessidade
de reagentes. Alm disso, a estabilidade do modelo foi monitorada durante um
ano, o que demonstra que as respostas do modelo permaneam aceitveis ao
longo do perodo de estudo.
5. Modelos em desenvolvimento
Alm dos modelos para determinao de umidade em queijos Minas
Artesanal e umidade e gordura em muarela, tambm foi desenvolvido um
modelo para a determinao de umidade em doces de leite. Este modelo ainda
no foi finalizado, pois depende de um maior nmero de amostras, o que, por
sua vez, depende do fluxo de amostras no IMA.
De acordo com a norma da ASTM [20], o nmero mnimo de amostras
para um modelo PLS utilizado NIRS calculado com base no nmero de
variveis latentes utilizadas no modelo. Sendo k = nmero de variveis
latentes, um modelo necessita de, no mnimo, 6*(k+1) amostras para o
conjunto de calibrao e 4k amostras para o conjunto de validao. Para
finalizar o modelo de doce de leite, seriam necessrias 56 amostras (36 no
conjunto de calibrao e 20 no conjunto de validao) Portanto, somente
resultados preliminares sero reportados.
Para o doce de leite so avaliados o teor de protenas, umidade,
gordura, cinzas e extrato seco. Somente para a umidade foi obtido um modelo
com resultados satisfatrios, os quais sero apresentados neste captulo.
Outras matrizes, tais como leite fluido e iogurte j possuem um nmero
de amostras suficientes para a construo de modelos preliminares, porm,
estas matrizes no forneceram bons resultados para os parmetros estudados,
portanto, esses resultados no sero apresentados.
Para o leite fluido foram propostos modelos para a determinao de
gordura, protena, acidez e extrato seco desengordurado, e para iogurte foram
desenvolvidos modelos para determinao de protenas, gordura, acidez e
amido. Ambas as matrizes apresentam um problema similar, que o grande
particionamento da varincia explicada em Y, ou seja, cada VL explica
pequena quantidade de varincia em Y, necessitando-se de um grande nmero
delas para explicar toda a varincia necessria para produzir um bom modelo.
49
50
51
52
2
34
16
5
1,7
1,8
3
32
16
5
1,4
1,9
4
30
16
5
1,2
1,9
29
13
5
1,1
1,4
53
Figuras de Mrito
Paramtros
Valores
Veracidade
6,5 / -9,8%
DPR repetitividade
Preciso
DPR preciso
intermediria a
Linearidade
---------
Durbin-Watson
----2,4
Inclinao
0,98 0,05
Intercepto
0,40 1,30
Coeficiente de correlao
(r) b
0,992
Faixa de trabalho
11,1 a 39,5 %
Seletividade
Sensibilidade
0,35
0,006 c
Sensibilidade analtica ()
147,35 %-1
0,1%
Bias
0,0541,402 %
RPD
RPD calibrao
RPD validao
6,7
6,6
54
55
6. Concluses gerais
A aplicao conjunta do NIRS e do PLS em mtodos de composio
centesimal de produtos lcteos apresentou excelentes resultados, com
predies estatisticamente similares s fornecidas pelas tcnicas clssicas de
referncia, com a vantagem de serem mais rpidas, mais simples, no
utilizarem solventes e reagentes e gerarem pouco ou nenhum resduo. A
tentativa de harmonizao entre a validao univariada e multivariada foi bem
sucedida, sendo a maioria das figuras de mrito exigidas pelas diretrizes
nacionais e internacionais estimadas de maneira coerente.
Os modelos tambm se apresentaram satisfatrios quando aplicados a
realidade de rotina de um laboratrio de controle fiscal. Os modelos aqui
apresentados para determinao de umidade e gordura em muarela e
umidade em queijo minas artesanal j esto implementados como mtodos
oficiais no IMA.
7. Atividades futuras
Como todas os modelos desenvolvidos neste projeto so consturdos na
situao de calibrao natural (amostras no planejadas, cuja matriz no pode
ser simplesmente reproduzida em laboratrio), o desenvolvimento de novos
modelos depende do fluxo de amostras do IMA. Devido a essa incerteza,
outras matrizes, alm dos alimentos de origem animal sero estudadas,
utilizando tambm outras tcnicas.
Estudos preliminares j foram realizados sobre a viabilidade da
determinao
de
corantes
em
sucos
industrializados
utilizando
56
57
8 Referncias Bibliogrficas
1.
Burns, D.A. and E.W. Ciurczak, Handbook of near infrared analysis. 3rd
ed. 2008, Boca Raton: CRC Press. 836p
2.
Wu, D.S., Infrared Spectroscopy for food quality analysis and control. 1st
ed. 2009, Nova York: Academic Press. 415p.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
Alves, M.R., et al., Classification of PDO olive oils on the basis of their
sterol composition by multivariate analysis. Analytica Chimica Acta,
2005. 549: p. 166-178.
19.
Valderrama, P., J.W.B. Braga, and R.J. Poppi, Variable Selection, Outlier
Detection, and Figures of Merit Estimation in a Partial Least-Squares
Regression Multivariate Calibration Model. A Case Study for the
Determination of Quality Parameters in the Alcohol Industry by NearInfrared Spectroscopy. Journal of Agricultural and Food Chemistry, 2007.
55: p. 8331-8338.
20.
21.
22.
23.
24.
Lorber, A., K. Faber, and B.R. Kowalski, Net Analyte Signal Calculation
in Multivariate Calibration. Analytical Chemistry, 1997. 69: p. 1620-1626.
25.
26.
Valderrama, P., J.W.B. Braga, and R.J. Poppi, Estado da arte de figuras
de mrito em calibrao multivariada. Qumica Nova, 2009. 32: p. 12781287.
27.
28.
29.
30.
59
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
Faber, N.M. and R. Bro, Standard error of prediction for multiway PLS: 1.
Background and a simulation study. Chemometrics and Intelligent
Laboratory Systems, 2002. 61: p. 133-149.
41.
Harbutt, J., The World Cheese. 1st ed. 2009, Nova Iorque: DK Publishing.
42.
43.
44.
45.
46.
47.
Pierce, M.M. and R.L. Wehling, Comparison of sample handling and data
treatment methods for determining moisture and fat in Cheddar cheese
by near-infrared spectroscopy. Journal of Agricultural and Food
Chemistry, 1994. 42: p. 2830-2835.
48.
49.
50.
51.
Karoui, R., et al., A comparison and joint use of NIR and MIR
spectroscopic methods for the determination of some parameters in
European Emmental cheese. European Food Research and Technology,
2006. 223: p. 44-50.
52.
Lucas, A., et al., Prediction of Dry Matter, Fat, pH, Vitamins, Minerals,
Carotenoids, Total Antioxidant Capacity, and Color in Fresh and FreezeDried Cheeses by Visible-Near-Infrared Reflectance Spectroscopy.
Journal of Agricultural and Food Chemistry, 2008. 56: p. 6801-6808.
53.
54.
55.
56.
Pomeranz, Y. and C.E. Meloan, Food Analysis : Theory and Practice. 3rd
ed. 1994, New York: Chapman & Hall.
57.
58.
59.
60.
61.
62.
63.
64.
65.
66.
67.
68.
69.
Sena, M.M., M.G. Trevisan, and R.J. Poppi, PARAFAC: uma ferramenta
quimiomtrica para tratamento de dados multidimensionais. Aplicaes
na determinao direta de frmacos em plasma humano por
espectrofluorimetria. Qumica Nova, 2005. 28: p. 910-920.
70.
71.
72.
62
9 Anexos
Anexo 1 Projeto de Doutorado
Anexo 2 Resumos apresentados em Congressos
Anexo 3 Artigos submetidos e em fase de finalizao
63