QUIMIOMETRIA

MÓDULO: EVALUACIÓN DE LAS MATERIAS PRIMAS PARA LA PRODUCCIÓN DE MEDICAMENTOS

Definición

La quimiometría trata, específicamente, de todos aquellos procesos que transforman señales analíticas y datos en información.

Siebert: "La quimiometría es la aplicación de métodos matemáticos y estadísticos así como de los principios de la buena ciencia de la medida para extraer de forma eficiente información útil de datos químicos”

Utiliza métodos matemático, estadístico y

otros procedentes del campo de la lógica formal para conseguir sus fines,

tiene un campo interdisciplinario.

Objetivos

Diseñar o seleccionar los experimentos y

procedimientos más adecuados

Obtener la máxima información

Obtener conocimientos sobre sistemas químicos.

Su éxito depende de los problemas

químicos que sea capaz de interpretar y resolver.

Áreas de interés Reconociendo tendencias en los datos: Ejemplo

Empresa Fabrica 10 lotes

semanalmente Se eligen

12 muestras

representativas

de cada lote Cada muestra se

caracteriza por

7

parámetros

distintos

Se tiene un

Conjunto de

datos (120x7)

Se quiere conocer:

A) Si todo el conjunto de muestras es

homogéneo o no.

B) Si no es así, ¿existe alguna muestra particular, discrepante, o conjunto de muestras que se difieren del resto?

C) Si hay muestras características, ¿cuáles de los parámetros analizados son distintos del resto de las muestras?

D) ¿La información contenida en alguna de las variables es suplementaria del resto de variables?

Figura 1:

Representación

de la matriz de

datos X

La información se obtiene mediante:

Técnicas quimiométricas (pattern recognition)

Técnicas de agrupación o análisis cluster: busca agrupar elementos tratando de lograr la máxima homogeneicidad en cada grupo y la mayor diferencia entre los grupos. Utiliza algoritmos jerárquicos acumulativos y se representa en dendogramas.

Técnicas de representación: consiste en trasladar la máxima información contenida en el espacio multidimensional original al espacio de dimensionalidad reducida. Con ello se consigue extraer y representar información útil de un conjunto de datos multidimensional.

Relaciones entre conjuntos de datos.

Relacionar la composición de las muestras con su calidad. Pueden existir una o más

variables que quieran relacionarse con las variables que describen la composición. (AM)

El objetivo que se persigue es la relación entre las matrices X e Y.

La relación entre matrices mediante una ecuación

Modelos ‘ad hoc’ (sean válidos)

Y = X B + E

Y : conjunto de los datos de respuesta (variable dependiente).

X: conjunto de observaciones medidas (variable independiente).

B: la matriz de los coeficientes de regresión.

E: la matriz de los errores asociados.

El diseño de experiencias o experimentos es la parte de la quimiometría que estudia dónde, cómo y cuando deben realizarse las experiencias para que contengan la información necesaria.

Finalidad de la experiencia y factores

básicos que deben considerarse.

Tiempo previsto, disponibilidad del equipo y métodos necesarios.

Información bibliográfica previa.

o ¿Dónde y cómo realizar las experiencias?

Etapas del diseño experimental

Reconocer y delimitar el problema.

Seleccionar las variables de respuesta.

Elegir los factores, niveles y rangos.

Elegir el diseño experimental.

Realizar los experimentos.

Analizar estadísticamente los datos (ANOVA).

Interpretación.

Conclusiones y recomendaciones.

Razones importantes para un diseño experimental:

Screening. Cuales factores son importantes para

realizar exitosamente un proceso.

Optimización. Cómo mejorar un proceso.

Ahorro de tiempo. Predicción.

Modelos cuantitativos. Obtención de un modelo

matemático de un sistema

Diseños experimentales ejemplo:

Experimentos factoriales o fraccionales.

Matrices de Hadamard.

http://www.alfonsomartin.es/tdi/pdf/hadamard

Análisis de sistemas en evolución

Monitorizar y controlar la reacción química.

Sistema en evolución puede seguirse perfectamente ‘in situ’.

Técnicas multivariantes.

Métodos de dependencia: Suponen que las variables analizadas están divididas en dos grupos:

las variables dependientes

las variables independientes.

El objetivo consiste en determinar si el conjunto de

variables independientes afecta al conjunto de variables

dependientes y de qué forma.

Otras áreas de interés. los algoritmos genéticos

para la selección de variables o el modelado

mediante el uso de redes neuronales artificiales (ANN).

Redes neuronales métodos diseñados para el procesado de

datos

organización del conocimiento basado en la imitación del funcionamiento de los sistemas nerviosos biológicos

Algunas claves para el éxito

Conclusiones

La quimiometría contribuye, por tanto, a hacer

realidad diversas tendencias de la química analítica actual:

Rapidez.

Abaratamiento de costes.

Miniaturización o transportabilidad de

instrumentos.

Referencias

Mongay C. F., 2005. Quimiometría. Universidad de

Valencia. Ed. PUV.

http://www.alfonsomartin.es/tdi/pdf/hadamard

http://www.uoc.edu/in3/emath/docs/Cluster.pdf

https://www.uv.es/ceaces/multivari/cluster/CLUSTER2.htm

http://rodin.uca.es/xmlui/bitstream/handle/10498/

14704/31482491.pdf?sequence=1

http://www.uco.es/zootecniaygestion/img/pictorex/16_11_29_8_multivariante.pdf