Upload
dinhhanh
View
212
Download
0
Embed Size (px)
Citation preview
UNIVERSIDADE ESTADUAL DE CAMPINAS
INSTITUTO DE QUÍMICA
NATAN DA ROCHA LOPES
AUTENTICAÇÃO DE CACHAÇAS DE SALINAS EMPREGANDO PRÉ
CONCENTRAÇÃO POR “RING OVEN” E ESPECTROSCOPIA DE EMISSÃO
ÓTICA EM PLASMA INDUZIDO POR LASER (LIBS).
CAMPINAS
2018
NATAN DA ROCHA LOPES
AUTENTICAÇÃO DE CACHAÇAS DE SALINAS EMPREGANDO PRÉ
CONCENTRAÇÃO POR “RING OVEN” E ESPECTROSCOPIA DE EMISSÃO
ÓTICA EM PLASMA INDUZIDO POR LASER (LIBS).
Dissertação de Mestrado apresentada ao Instituto de
Química da Universidade Estadual de Campinas como
parte dos requisitos exigidos para a obtenção do título
de Mestre em Química na área de Química Analítica
Orientador: Prof. Dr. Celio Pasquini
ESTE EXEMPLAR CORRESPONDE À VERSÃO FINAL DA DISSERTAÇÃO
DEFENDIDA PELO ALUNO NATAN DA ROCHA LOPES, E ORIENTADA PELO
PROF. DR. CELIO PASQUINI.
CAMPINAS
2018
Banca Examinadora
Prof. Dr. Celio Pasquini (Orientador)
Prof. Dr. Douglas Fernandes Barbin (FEA – UNICAMP)
Prof. Dr. Ivo Milton Raimundo Junior (IQ – UNICAMP)
A ata de defesa com as respectivas assinaturas dos membros encontra-se no
processo de vida acadêmica do aluno
Este exemplar corresponde a redação final da
Dissertação de Mestrado defendida pelo aluno
NATAN DA ROCHA LOPES, aprovada pela
Comissão Julgadora em 19 de janeiro de 2018
Agradecimentos
Gostaria de agradecer ao Prof. Celio pela oportunidade de me orientar e por todo
conhecimento adquirido nesses anos trabalho.
Aos meus pais por me apoiarem incondicionalmente nessa etapa da minha vida.
A Camila por todo companheirismo e apoio em todos os momentos.
Ao grande Denílson Show, que me ajudou com sua paciência a mexer no MatLab.
A todos os meus amigos companheiros de laboratório (Alianda, Eduardo, Eliane,
Emanueli, Rafaeis (Acayaba, Gaspar, Ribessi), e outros que não estou lembrando o
nome agora.
Aos meus amigos Eric e Gabriel por todos os momentos de descontração.
Ao Diego e a Cris por toda disponibilidade e me ajudar sempre que foi preciso.
Ao Fernando e o Prof. Felipe de Salinas pela disponibilidade de me ajudar no Festival.
A APACS, por fornecerem gentilmente todas as amostras de cachaças de Salinas.
A Luciene da Amburana por me ceder gentilmente amostras de cachaças de sua loja.
A UNICAMP e o Instituto de Química por fornecerem e disponibilizar toda
infraestrutura para que esse trabalho fosse realizado.
A CAPES pela bolsa concedida.
Um agradecimento especial para minha tia Regina Célia, que faleceu esse ano, por
me incentivar desde pequeno a ser curioso e me ajudar a me tornar a pessoa que eu
sou.
Resumo
As cachaças artesanais produzidas na região de Salinas MG estão entres as mais
bem-conceituadas do país. São mais de 50 marcas diferentes, distribuídas nos mais
variados preços. Essa popularidade conquistada pela região trouxe também um
grande risco de falsificação das bebidas. Desta forma, este trabalho tem como objetivo
utilizar a técnica de pré concentração, ring oven, aliada a espectroscopia de emissão
em plasma induzido por laser, (LIBS), para produzir modelos quimiométricos capazes
de autenticar a procedência geográfica de cachaças. As técnicas quimiométricas
utilizadas foram: análise de componentes principais (PCA), modelagem independente
e flexível por analogia de classes (SIMCA), análise discriminante linear (LDA) e a
regressão por mínimos quadrados parciais para análise discriminatória (PLS-DA).
Foram utilizadas 101 amostras de cachaças diferentes, sendo dividas em dois grupos
contendo 45 da região de Salinas MG e 56 de outras regiões do Brasil. As medidas
foram feitas em triplicata, pré concentrando 600 L de cachaça em papel de filtro. Os
espectros foram obtidos utilizando o equipamento LIBS através do modo de aquisição
integrate on chip. Para cada anel medido integrou-se 140 pulsos de laser, utilizando
como parâmetros de medida 2 s no tempo de atraso, 1 s de integração no tempo
de integração e um ganho eletrônico no ICCD de 50. Os espectros foram pré tradados
com um filtro de suavização de Savitzky-Golay com janela de 21 pontos, uma
normalização pela linha de emissão do padrão interno de lítio e uma seleção de
variáveis. Depois de pré-tratados, esses espectros foram utilizados nas técnicas
quimiométricas para a produção de modelos. Para o modelo SIMCA, LDA e PLS-DA,
a taxa de acerto foi de 100% utilizando conjunto de validação externa. Logo foi
possível autenticar as cachaças produzidas em Salinas MG de forma satisfatória.
Abstract
The artisanal cachaças produced in the region of Salinas MG are among the most well-
known in the country. There are more than 50 different brands, distributed in the most
varied prices. This region popularity also brought a great risk of adulterated products
in this way. The objective of this work is to use a pre-concentration technique, ring
oven, together with laser induced breakdown spectroscopy (LIBS), to produce
chemometric models capable of authenticating the geographical origin of cachaças.
For this, we used chemometric techniques such as: principal component analysis
(PCA), soft and independent modeling by class analogy (SIMCA), linear discriminant
analysis (LDA) and a partial least squares regression for discriminatory analysis (PLS-
DA). A total of 101 samples of different cachaças, were divided in two groups
containing 45 from region of Salinas MG and 56 from regions of Brazil. The
measurements were made in triplicate, pre-concentrating 600 L of cachaça in filter
paper. Spectra were obtained using the LIBS equipment through the integrate on chip
acquisition mode. For each ring measured, 140 laser pulses were integrated, using as
measurement parameters 2 s in the delay time, 1 s integration time and an electronic
gain in the ICCD of 50. The spectra were pre-treated with a Savitzky-Golay smoothing
filter with 21-point window, a normalization by the internal lithium standard emission
line and a selection of variables. After pretreatment, these spectra were used in the
chemometric techniques for the production of models. For the SIMCA, LDA and PLS-
DA model, an acceptance rate of 100% was achieved using external validation set.
This it, was possible to authenticate the cachaças produced in Salinas MG satisfactory.
Sumário
1. Introdução ........................................................................................................... 10
1.1. História da cachaça no Brasil ....................................................................... 10
1.2. Indicação Geográfica ................................................................................... 13
1.3. Região de Salinas ........................................................................................ 14
1.4. Técnica de pré-concentração por Ring Oven ............................................... 16
1.5. Espectroscopia de emissão ótica por plasma induzido por laser (LIBS) ...... 18
1.6. Quimiometria ................................................................................................ 20
1.6.1. Técnicas de pré-processamento............................................................ 20
1.7. Modelos de classificação não supervisionados ............................................ 21
1.7.1. Análise de componentes principais ....................................................... 21
1.8. Modelos de classificação supervisionados ................................................... 22
1.8.1. Modelagem flexível e independente por analogia de classe (SIMCA) ... 22
1.8.2. Análise discriminante linear (LDA) ......................................................... 23
1.8.3. Análise discriminante pelos mínimos quadrados parciais (PLS-DA) ..... 23
1.9. Utilização de quimiometria na análise de cachaças ..................................... 24
2. Objetivos ............................................................................................................. 26
3. Parte Experimental ............................................................................................. 27
3.1. Sistema de ring oven .................................................................................... 27
3.2. Análise por espectroscopia de emissão ótica em plasma induzido por laser
(LIBS) ..................................................................................................................... 28
3.3. Amostras ...................................................................................................... 30
3.4. Pré-tratamento dos dados espectrais........................................................... 31
4. Resultados e Discussão ..................................................................................... 33
4.1. Modificações no aparato do Ring Oven ....................................................... 33
4.2. Definição do volume a ser pré concentrado ................................................. 35
4.3. Fator de pré concentração (K) ..................................................................... 36
4.4. Presença de sacarose nas cachaças analisadas ......................................... 37
4.5. Aquisição dos espectros LIBS ...................................................................... 38
4.5.1. Modo de aquisição de dados ................................................................. 38
4.5.2. Espectros LIBS ...................................................................................... 39
4.6. Análise exploratória dos dados empregando dados pré-tratados ................ 44
4.7. Modelagem Flexível e Independente por Analogia de classes (SIMCA) ...... 47
4.8. Análise Discriminante Linear (LDA).............................................................. 48
4.9. Análise Discriminante por Mínimos Quadrados Parciais (PLS-DA) ............. 50
4.10. Autenticação das Cachaças da região de Salinas .................................... 51
5. Conclusão ........................................................................................................... 54
Referências................................................................................................................55
10
1. Introdução
1.1. História da cachaça no Brasil
A história da cachaça, por muitas vezes, está entrelaçada com a história do
Brasil. Muitos dos momentos vividos no passado pelo país têm ligações íntimas com
a bebida genuinamente brasileira. A cachaça foi criada a partir dos resíduos da
produção de açúcar, durante o ciclo da cana de açúcar. O caldo azedo era destilado,
produzindo um líquido incolor e ardente com aspecto de água, características que
deram seu nome de aguardente1.
Rapidamente a bebida ganhou popularidade aumentando sua produção e
importância econômica. O tráfico de escravos foi umas das principais atividades que
impulsionaram a produção de aguardente na colônia portuguesa sendo o principal
produto utilizado no comércio de negros. Porém, essa grande popularidade alcançada
pelo destilado diminuiu o consumo dos vinhos produzidos em Portugal. Uma vez que
a cachaça produzida no Brasil não sofria com a alta carga de impostos cobrada pela
Coroa Portuguesa. Esse fato proporcionou a proibição da fabricação e
comercialização do destilado de cana no Brasil2.
A proibição da fabricação e comercialização da cachaça levou à algumas
revoltas populares, sendo a mais importante delas a Revolta da Cachaça, ocorrida no
Rio de Janeiro, nos anos de 1660 e 1661. A partir do movimento, a proibição da venda,
produção, consumo e exportação da aguardente de cana foi revogada, fazendo com
que a bebida voltasse a se ser produzida em larga escala. Apesar de muito popular,
nos séculos posteriores, a cachaça foi perdendo espaço no mercado mundial por ser
considerada bebida de escravos e com isso foi marginalizada. Ela só voltou a ter um
destaque como bebida típica brasileira na Semana de Arte Moderna de 1922, cujo
principal foco era resgatar e valorizar a identidade do povo brasileiro, criticando o
modelo de sociedade europeu instalado no Brasil naquela época2.
O preconceito com a cachaça só foi totalmente extinto em 1997 com o
decreto n° 2.314 que regulamentava a Lei n° 8.918, de julho de 19943, e determina
para o destilado de cana de açúcar produzido no Brasil, métodos de padronização,
classificação, produção, inspeção e fiscalização. Assim, a cachaça se torna um
produto genuinamente brasileiro com especificações e padrões legais para a sua
produção. O termo cachaça é utilizado para todo destilado proveniente
11
exclusivamente do mosto fermentado da cana de açúcar que possui um teor alcóolico
entre 38 a 48% a 20 °C, podendo ter uma concentração de açúcar de até seis gramas
por litro expressos em sacarose. A criação de parâmetros de qualidade para esse
produto veio para ratificar a cachaça como patrimônio da cultura brasileira e
padronizar a produção da bebida em todo país.
Atualmente, a cachaça ocupa a terceira posição no ranking de bebida
destilada consumida no mundo, perdendo apenas para a vodca e o shoju (bebida
coreana destilada do arroz). São produzidos cerca de 1,7 bilhão de litros da bebida,
ficando 99% da produção no mercado interno brasileiro. Apesar das leis vigentes para
a produção de cachaça, a qualidade obtida não é suficiente para que se consiga um
volume maior da bebida para exportação. No ano de 2016, o volume de cachaça
exportado foi de 8,69 milhões de litros, gerando uma receita de U$ 13,94 milhões de
dólares. Os principais destinos da cachaça brasileira são Alemanha, Estados Unidos,
Paraguai, Uruguai e França, sendo o total de 8.384.642 litros exportados em 20164
(Figura 1).
Figura 1 - Exportação da cachaça no ano de 2016 em percentual de volume4
A produção da cachaça começa pelo tipo de cana-de-açúcar, na extração
do caldo para a produção do fermentado. Normalmente, o grau brix encontrado na
cana-de-açúcar é entre 20 e 22, porém, para a fermentação é necessário um grau
26,82%
20,51%
10,12%
7,52%
7,17%
3,80%
3,51%3,42%
2,30%
2,16%12,67%
Alemanha
Paraguai
EstadosUnidosPortugal
França
Espanha
Itália
Bolívia
Chile
Uruguai
Outros países
12
entre 16 e 18. Essa diluição é feita através da adição de água potável livre de cloro
para que não influencie nas propriedades química do mosto. Outro aspecto importante
é o tipo de fermento utilizado na fermentação do mosto, a utilização de diferentes tipos
de leveduras modifica as características sensoriais fazendo com que o produto final
seja único. Os principais fermentos utilizados são: fermento natural ou caipira,
fermento prensados, fermento misto e fermento seco5.
A cachaça é destilada basicamente de duas maneiras. A primeira
utilizando colunas contínuas de destilação, que é responsável por quase toda
produção anual, aproximadamente 70% (cerca de 1,2 bilhão de litros). Essa forma de
destilação é utilizada principalmente nos Estados de São Paulo, Ceará e Pernambuco.
Os outros 30%, são obtidos empregando-se alambiques de cobre, produzindo uma
cachaça completamente artesanal, responsável por cerca 500 milhões de litros por
ano, principalmente nos estados de Minas Gerais, Rio de Janeiro e Goiás (Figura 2)6.
Figura 2 - Percentual de produção de cachaças em litros por estado no Brasil6.
O produto destilado é caracterizado por três partes: cabeça, coração e
cauda. A cabeça da cachaça corresponde a primeira fração retirada no processo de
destilação, cerca de 5 a 10% do volume total destilado, seu teor alcóolico varia entre
70 a 55% v/v e contêm principalmente substâncias voláteis presente no mosto, como
SP44%
CE12%
PE12%
RJ8%
MG8%
GO8%
PR4%
PB2%
BA2%
13
o metanol, aldeídos e alguns ésteres. O coração é a cachaça propriamente dita, com
o teor alcóolico variando em 38 a 48% v/v, atingindo 80% do volume total destilado. A
última parte do destilado é a cauda, seu teor alcóolico varia entre 20 a 30% v/v é rico
em compostos menos voláteis, como ácidos orgânicos e compostos fenólicos. A
cabeça e a cauda são descartadas, sendo aproveitado somente o coração, que após
o processo de destilação vai para as dornas de madeira ou inox onde ficam
armazenadas esperando para serem engarrafas5.
A facilidade da produção da cachaça constitui o principal obstáculo para
que haja uma elevação na qualidade do produto. Na maioria dos casos, atualmente,
a cachaça produzida e comercializada se origina de alambiques clandestinos sem
fiscalização e controle de qualidade. Esse fato é um dos fatores que diminui o volume
de cachaça exportado pelo Brasil, pois não havendo fiscalização o produto não passa
no rigoroso controle de qualidade estrangeiro. Outra prática que também diminui a
qualidade da cachaça é a estandardização (ou padronização), que consiste em um
produtor comprar cachaça de outros produtores menores da região, para aumentar
seu volume de comercialização. Muitas vezes esses produtores menores não
possuem controle de qualidade rigoroso e a cachaça comprada é de baixa qualidade,
mesmo passando pelos processos de padronização do comprador, o produto final não
apresentará uma boa qualidade.
1.2. Indicação Geográfica
Segundo o Instituto Nacional de Propriedade Industrial, INPI, a indicação
geográfica, IG, é utilizada para identificar a origem de produtos quando o local tenha
se tornado conhecido, ou quando determinada característica ou qualidade do produto
pode ser atribuída a sua origem. Este é o órgão responsável por reconhecer se a
localidade receberá ou não o selo de reconhecimento. Em países como Itália, França
e Portugal este selo é dado para produtos associados a cultura e tradição local, como
vinhos e queijos que possuem qualidade reconhecida, muitas vezes,
internacionalmente. Pela legislação brasileira há dois tipos de selos diferentes: a
indicação de procedência (IP) e denominação de origem (DO). A diferença entre os
dois selos se dá no que diferencia o produto em questão. A indicação de procedência
é concedida a uma região que possui um produto com qualidade reconhecida e que
preserva as tradições do local na sua fabricação, produção ou extração. Já a
14
denominação de origem é dada quando o produto comercializado possui
características exclusivas dadas pelo fator geográfico onde é produzido7.
No Brasil existem também vários produtos que possuem estes selos, como
os vinhos produzidos na Serra Gaúcha (Pinto Bandeira, Monte Belo Sul e Vale dos
Vinhedos), queijos produzidos em Minas Gerais (Serra da Canastra) e vários outros
produtos. Destes, citados apenas os vinhos produzidos no Vale dos Vinhedos
receberam o selo de DO, e os outros produtos citados receberam o selo de IP. Quando
o produto em questão é a cachaça, existem três regiões que possuem o selo de
indicação geográfica (procedência), são elas: a região de Paraty, Rio de Janeiro,
região de Abaíra, na Bahia e a região de Salinas em Minas Gerais8.
1.3. Região de Salinas
A cidade de Salinas fica localizada em Minas Gerais, na mesorregião do
Norte de Minas (Figura 3). A agropecuária é a principal atividade econômica. Porém,
a cachaça é o produto típico da região reconhecido mundialmente.
Figura 3 – Localização geográfica da cidade de Salinas MG, situada na região do
Norte de Minas Gerais.
A produção de cachaça começou no final do século XIX, apenas para
consumo nas próprias fazendas e no comércio local. Com o passar do tempo a
qualidade da cachaça artesanal foi ganhando popularidade na região e passou a ser
comercializada por tropeiros que passavam pela cidade. O grande fator que
impulsionou a produção de cachaça na região foi a utilização da variedade “Java” de
15
cana-de-açúcar. A adaptação da planta ao solo e clima do local fez com que o número
de produtores aumentasse consideravelmente9.
Um dos mais importantes produtores foi Anísio Santiago, proprietário da
Fazenda Havana, dono da cachaça mais conhecida da região: a cachaça Havana
(Figura 4). Anísio Santiago começou sua produção no início da década de 1940 e
continua até os dias de hoje. Anísio foi o primeiro na região a legalizar a produção de
cachaça, seguido dos demais produtores da região, nas décadas posteriores. A
legalização da produção de cachaça ajudou a construir a fama da cachaça da região.
Figura 4 – Rótulos das cachaças produzidas na Fazenda Havana de Anísio
Santiago10.
Atualmente, a região conta com aproximadamente 100 produtores de
cachaça distribuídos em pouco mais de 50 marcas, porém, somente 30 desses
produtores são devidamente registrados. Juntos produzem cerca de 5 milhões de
litros do destilado por ano10.
Para preservar e autenticar a qualidade da cachaça de Salinas foi criado
em 2001 a Associação dos Produtores de Cachaças artesanais de Salinas (APACS).
Atualmente, a associação representa 18 produtores que comercializam 27 marcas
diferentes. A principal conquista da associação foi adquirir, em 2012, o selo de
indicação geográfica, na modalidade indicação de procedência para a cachaça
produzidas pelos associados. A delimitação da área em que o produto é produzido é
dada pela totalidade do município de Salinas, além de parte dos municípios de Fruta
16
do Leite, Rubelita, Novorizonte, Santa Cruz de Salinas e Taiobeiras (Figura 5)10.
Figura 5 – (a) Mapa da região na qual a cachaça produzida recebe o índice de procedência. (b) O selo de indicação de procedência da cachaça de Salinas10.
O índice de procedência adquirido pela associação combate diretamente a
falsificação da cachaça produzida em Salinas, região que é vítima recorrente deste
crime. Quadrilhas são presas todos os anos por falsificar cachaças da região11,12.
1.4. Técnica de pré-concentração por Ring Oven
Uma das grandes limitações encontradas na química analítica é a detecção
de analitos em baixa concentração. Mesmo com o avanço das principais técnicas
analíticas, a dificuldade para analisar e/ou quantificar analitos em concentrações na
ordem de partes por milhão (ppm) ou parte por bilhão (ppb) é grande. Para contornar
esta dificuldade, são utilizadas técnicas que visam concentrar as espécies químicas
de interesse (analitos) fazendo com que sua detecção passe a ser possível através
do método analítico escolhido ou disponível. Essas técnicas são conhecidas como
técnicas de pré-concentração.
A técnica de pré-concentração por ring oven foi proposta por Weisz13 em
1954. Como não existe um nome na língua portuguesa para a técnica, neste texto
será utilizado o nome em inglês. Ela consiste em aplicar a amostra líquida contendo o
analito em um papel de filtro, ou outro tipo de substrato, de forma que a amostra migre
por capilaridade na direção da parede do forno ficando concentrado em uma linha bem
definida na forma circular (anel). Como a quantidade de amostra utilizada é muito
pequena, o ring oven pode ser considerado um tipo de spot test. A técnica é versátil,
pois pode ser utilizada para análises de substâncias orgânicas e inorgânicas, tendo
a) b)
17
apenas a limitação que os analitos pré-concentrados não sejam voláteis, devido a
temperatura de trabalho que, para amostras aquosas, situa-se por volta de 110 °C.
O aparato proposto inicialmente por Weisz consistia em um bloco cilíndrico
feito de alumínio com 35 mm de altura e 55 mm de diâmetro com uma cavidade central
com 22 mm de diâmetro aquecido por uma resistência elétrica (Figura 6). Este
componente era conhecido por bloco de aquecimento. A temperatura era controlada
através da corrente passada por uma resistência ligada ao forno. Para a adição da
amostra, era utilizada uma micropipeta centrada ao bloco de aquecimento. O aparato
ainda contava com uma lâmpada embaixo do forno para acompanhar o gotejamento
da amostra e a formação do anel13.
Figura 6 – (A) Desenho esquemático do ring oven de Weisz. (B) Ring oven comercial da época13.
O substrato utilizado por Weisz era o papel de filtro quantitativo, pois as
interações das ligações de hidrogênio das cadeias de celulose que o compõe e as
interações intermoleculares com o solvente utilizado na amostra, geram o efeito de
capilaridade. O analito de interesse é arrastado juntamente com o solvente por este
efeito, quando a amostra é gotejada no papel e assim é feita a pré-concentração.
Apesar da técnica ser semelhante à cromatografia em papel, ela não é considerada
18
um tipo de cromatografia, pois não ocorre a separação de substâncias por diferença
de migração e sim o arraste de todas as espécies para um ponto em comum.
O ring oven caiu em desuso a partir da década de 1970, devido ao
surgimento de técnicas de absorção e emissão atômica mais modernas. Porém, o
desenvolvimento de técnicas analíticas multielementares e micro-analíticas abriu uma
porta para a utilização da técnica novamente. A possibilidade de análise direta na
região do anel com técnicas de microanálise, como a espectroscopia por emissão
ótica em plasma induzido por laser (LIBS) ou espectroscopia Raman, traz um grande
potencial para a utilização do ring oven, pois elimina boa parte do preparo de amostras
necessários aos métodos mais utilizados de emissão e absorção atômica14.
1.5. Espectroscopia de emissão ótica por plasma induzido por laser (LIBS)
A espectroscopia de emissão ótica por plasma induzido por laser (LIBS –
do inglês Laser Induced Breakdown Spectroscopy) vem sendo amplamente estudada
nos últimos anos. O grande interesse mostrado pelos pesquisadores sobre a técnica
está associado à simplicidade das análises, uma vez que sua utilização não exige
nenhum ou muito pouco preparo da amostra, fornecendo respostas rápidas para
diversos problemas analíticos15.
A análise por LIBS, consiste em incidir um pulso de laser sobre um ponto
na área da amostra a ser analisada. Como a energia no local onde o pulso de laser
incidiu é muito alta, o material é ablado e ionizado formando um plasma, com
temperatura entre 10000 e 20000 K, excitando átomos, íons e moléculas, que após o
tempo de relaxação, voltam ao seu estado fundamental e emitem radiação
eletromagnética. Essa radiação emitida será coletada e pode ser associada à
composição qualitativa e quantitativa da amostra analisada15.
O LIBS é uma técnica multielementar que possui inúmeras aplicações
quando se refere a análises qualitativas. Por necessitar de quantidades muito
pequenas de amostras (ng ou g), a técnica é considerada não-destrutiva e associada
ao fato de necessitar de pouco ou nenhum preparo de amostras, podem ser utilizadas
diretamente em qualquer tipo de amostras (sólidas, líquidas e gasosas). Para análises
quantitativas seu uso é mais limitado, pois como a área analisada é pontual, a precisão
e o limite de detecção expresso em concentração são muito prejudicados. Há a
necessidade de uma definição do número de pontos e da área em que serão incididos
19
os pulsos de laser para que se tenha uma representatividade maior da amostra para
a produção de resultados quantitativos16.
A instrumentação LIBS é relativamente simples, sendo basicamente
necessários uma fonte de laser pulsante de alta energia, uma lente de focalização na
amostra, uma lente de coleta da radiação emitida, um monocromador e um detector
como pode ser observado no esquema representado na Figura 7.
Figura 7 – Diagrama representando a instrumentação do LIBS. a - fonte e sistema de
refrigeração do laser; b – laser pulsado; c – sinal de acionamento do detector dado
pelo pulso de laser; d – espelho dicroico; e – fibra ótica; f1 – lente de focalização com
9,7 de distância focal ; f2 - lente de coleta da radiação; g – amostra; h – seletor de
comprimento de onda; i – detector; j – computador para a aquisição dos dados14.
Embora LIBS seja uma técnica com inúmeras aplicações, existe uma
dificuldade muito grande para se analisar amostras no estado líquido. Por exemplo, o
pulso de laser ao atingir a superfície de um líquido forma ondas de choque que
projetam a amostra para as lentes de focalização e coleta de radiação, levando à
necessidade de limpeza constante17.
Porém o maior problema na análise de líquidos está na formação do
plasma. Além das ondas de choque, são produzidas bolhas que atrapalham as
medidas dos pulsos subsequentes. Isso faz com que a precisão da medida diminua e
afete a repetibilidade das medidas. Uma das formas utilizadas para minimizar este
problema é a transferência da amostra líquida para um suporte sólido, dessa forma se
consegue obter o espectro de emissão da amostra no estado sólido e pode-se
também, se necessário, pré-concentrar os analitos. Assim, melhora-se a repetibilidade
20
e o limite de detecção da técnica. Os principais suportes sólidos utilizados são
membranas poliméricas de troca iônica e papel de filtro quantitativo18,19.
1.6. Quimiometria
1.6.1. Técnicas de pré-processamento
A quimiometria surgiu para atender a necessidade de interpretar e extrair
informações relevantes da imensa quantidade de dados produzidos pelo avanço das
técnicas analíticas instrumentais. Associado ao avanço da área computacional e com
elementos estatísticos, a quimiometria vem se desenvolvendo desde o início da
década de 1970. Na atualidade muitos ramos da química aplicam esta técnica em
todas as áreas do conhecimento como em planejamentos e otimização de
experimentos, análises exploratórias e de classificação, além da produção de modelos
de regressão (quantitativos).
Para analisar esta grande quantidade de dados é necessário a organização
dos mesmos em forma de matrizes. Os dados são divididos em dois grupos, as
variáveis dependentes, que são as respostas obtidas a partir de uma técnica analítica,
e as variáveis independentes que são as propriedades ou concentrações das
amostras analisadas20. As linhas das matrizes de dados representam as amostras e
as colunas contêm os valores das suas variáveis dependentes e independentes.
A informação de interesse é obtida através da análise das variáveis
dependentes e muitas vezes elas não estão explícitas, sendo necessário utilizar
métodos de pré-tratamento para que se consiga a informação necessária. Esses
métodos visam eliminar variações experimentais que não são úteis para a análise dos
dados, como, ruídos e variação de linha base. Dentre os métodos utilizados temos a
suavização (ou alisamento) e a normalização dos dados.
A suavização dos dados é utilizada para minimizar os efeitos dos ruídos em
espectros, como aqueles obtidos por LIBS associados ao ring oven. Esta
transformação é feita percorrendo os dados espectrais através de janelas de largura
(em número de pontos) definidas. Um dos métodos utilizados para o alisamento dos
espectros é o de Savitzky-Golay, que faz o ajuste dos dados através de polinômios, a
janela escolhida percorre cada variável do espectro, substituindo seu valor pelo
resultado do polinômio naquele no mesmo ponto. A janela e o grau do polinômio
21
utilizados são definidos a partir das características dos dados que se deseja suavizar,
devendo sempre ter cuidado com o tamanho da janela utilizada, pois informações
poderão ser suprimidas quando janelas muito amplas são utilizadas21.
A normalização é utilizada com o intuito de eliminar variações que podem
ocorrer no processo de medida a fim de se obter um conjunto de dados na mesma
escala. Os métodos para normalizar os espectros são, pela média (fazendo a média
de todas as variáveis do espectro), pela área (calculando a área sobre todas as
variáveis), ou pela divisão de uma variável conhecida e pré-determinada.
1.7. Modelos de classificação não supervisionados
1.7.1. Análise de componentes principais
A análise de componentes principais, PCA (do inglês Principal Components
Analysis), é o principal método não supervisionado utilizado pelos usuários da
quimiometria. Esta análise tem como finalidade diminuir, de maneira controlada, a
quantidade de variáveis, preservando a informação analítica presente nos dados
originais. Esta compressão acontece pela correlação normalmente existente entres as
variáveis analisadas, fazendo com que possam ser representadas por poucas
variáveis ortogonais entre si (as componentes principais, PCs).
O número de componentes principais que é necessário para descrever um
conjunto de dados é denominado “posto químico” ou “direção intrínseca” do conjunto
de dados. A separação dos grupos é feita quando se define o número de PCs que
serão utilizadas no modelo, cada componente principal captura uma parcela da
informação presente no conjunto de dados. A PC1 é a componente que explica a
maior parte da variabilidade (e, portanto, da informação) presente nos dados originais,
porém, é comum que as informações de interesse sejam capturadas também pelas
componentes de maior ordem22.
Estas PCs são descritas por meio de três matrizes: escores, loadings e
erro, que objetivam representar a matriz de dados originais. Os escores (T) indicam
as coordenadas de cada amostra no novo sistema de variáveis PCs, os loadings (P)
indicam a importância de cada variável na definição da PC e os erros (E) representam
a variabilidade que as PCs não conseguiram capturar, normalmente associada à
22
ruídos presentes nos resultados experimentais. A Equação 1 indica matematicamente
como esta decomposição é feita23.
TX T P E Equação 1
onde X é a matriz de dados originais.
De uma maneira prática, os escores são responsáveis por indicar como as
amostras se agrupam quando se busca verificar a existência de classes entre as
amostras do conjunto analisado enquanto os loadings fornecem informações sobre
quais variáveis são responsáveis para que esta separação ocorra.
1.8. Modelos de classificação supervisionados
1.8.1. Modelagem flexível e independente por analogia de classe (SIMCA)
A modelagem flexível e independente por analogia de classes (SIMCA, do
inglês, soft independent modeling of class analogy), é uma técnica de classificação
baseada em PCA. Cada classe é modelada separadamente delimitando um espaço
multidimensional que será utilizado como base para a classificação de cada amostra.
Desta forma, as amostras futuras desconhecidas serão classificadas pelas
semelhanças que apresentarem com cada classe. Uma das vantagens desse método
é que se alguma amostra externa não possuir nenhuma semelhança com as classes
modeladas, ela será classificada como não sendo de nenhuma classe, indicando a
existência de outras classes além das que estão sendo modeladas.
A classificação ou não de uma amostra na classe modelada por SIMCA é
feita por meio do uso de parâmetros estatísticos, como a variância residual de cada
amostra (Si) e a variância residual total (So). Através de métodos matemáticos calcula-
se a distância entre a amostra desconhecida e a classe modelada. Um teste F é feito
com as variâncias encontradas comparando-se o Fcal com o Ftab, se Fcal<Ftab a amostra
pertence à classe estudada.
Na prática, a definição da classe da amostra é dada pela distância relativa
entre a amostra (Si/So) e o centro da classe que foi modelada (Hi). Este critério pode
ser observado na análise do gráfico Si/So x Hi onde são definidos limites com 95% de
confiança para cada classe. Além dos gráficos Si/So x Hi, podem ser empregados o
23
gráfico de Coomans e a tabela de classificação que mostram os resultados da
classificação empregando-se um modelo SIMCA24.
1.8.2. Análise discriminante linear (LDA)
A análise discriminante linear (LDA, do inglês, Linear Discriminant Analysis)
é um método de classificação que se baseia na separação das classes através da
distância entre os centros de cada classe. O modo de calcular essa distância entre os
grupos pode variar, dentre outras, entre linear, quadrática e Mahalanobis. A diferença
entre a distância de Mahalanobis e a outras distâncias, consideradas como Euclidiana,
é a utilização da matriz de correlação dos dados para a produção da equação de
discriminação25. Em LDA, uma amostra desconhecida será obrigatoriamente
classificada em um grupo pré-estabelecido, pois a base da modelagem das classes
se dá pela distância em que a amostra se encontra de cada grupo, logo a amostra
pertencerá a classe em que ela estiver mais próxima.
Uma desvantagem no uso da LDA é a necessidade de o número de
amostras ser maior que o número de variáveis presentes no modelo. Esta limitação
dificulta o uso desta técnica em dados espectroscópicos, pois o número de variáveis
neste tipo de técnica analítica é muito elevado26. A maneira mais simples utilizada
para contornar essa dificuldade é reduzir a dimensão dos dados utilizando PCA e
realizar a LDA com base nos valores de scores.
1.8.3. Análise discriminante pelos mínimos quadrados parciais (PLS-DA)
A análise discriminante pelos mínimos quadrados parciais (PLS-DA, do
inglês partial least squares – discriminant analysis), é um método de classificação que
usa como princípio a regressão por mínimos quadrados parciais (PLS). O PLS tem
como princípio decompor através de algoritmos matemáticos as variáveis
dependentes (X) e independentes (Y), buscando o máximo de covariância possível
entre essas matrizes. Essas componentes que são extraídas nesta decomposição
recebem o nome de variáveis latentes e serão utilizadas para obter os melhores
valores da matriz Y através de uma regressão inversa27.
No PLS-DA, o modelo de classificação é produzido pelo princípio da
regressão PLS. As variáveis independentes (X) são decompostas juntamente com as
24
variáveis dependentes (Y) de maneira que a matriz (Y) seja composta pelas classes
de interesse. Atribui-se o valor 1 para uma classe e 0 para a outra28. Desta forma o
modelo será produzido pela maior variabilidade existente nas amostras dentro de cada
grupo, o que diferencia o PLS-DA dos outros métodos citados, o SIMCA e LDA.
Assim como no PLS, por uma regressão inversa, as variáveis latentes
fornecerão valores próximos a 0 e 1 para previsão de amostras externas ao modelo,
como esses valores não serão exatos existe a necessidade de estabelecer um limite
(threshold) para classificar a amostra como pertencente ou não da classe indicada.
Este limite é dado combinando-se funções de densidade de probabilidade de cada
classe e a teoria Bayesiana. Quanto mais próximos dos valores definidos, 0 e 1, a
regressão encontrar, maior será o poder de discriminação do modelo produzido.
1.9. Utilização de quimiometria na análise de cachaças
Vários trabalhos na literatura utilizam técnicas de análise quimiométricas
para determinar propriedades da cachaça. Através dos métodos quimiométricos
citados anteriormente, associados a diferentes técnicas de análise, são produzidos
trabalhos que fornecem resultados que contribuem para a melhora das características
do destilado tipicamente brasileiro. Uma pequena amostra dos trabalhos mais
relevantes produzidos sobre o tema será mostrada a seguir.
Galinaro et alii (2007)29 utilizaram PCA, LDA e PLS para distinguir cachaças
produzidas com cana-de-açúcar queimadas e não queimadas antes da colheita. A
distinção foi feita quantificando hidrocarbonetos policíclicos aromáticos (HPA) através
de cromatografia líquida acoplada com detector de fluorescência. O resultado
encontrado quando utilizados os métodos PCA e PLS foi distinção com acerto de 60%
entre as classes propostas, já com o uso do LDA a taxa de acertos das classes ficou
acimas de 92%.
Fernandes et alii (2005)30 utilizaram o PCA associado com espectroscopia
de emissão atômica por plasma acoplado indutivamente (ICP-OES) para categorizar
cachaças de acordo com sua origem de produção. O critério para separação foi as
concentrações de metais presentes na cachaça. A caracterização esperada era a
separação pelo estado de procedência da cachaça, porém, esta não foi conseguida.
O que se conseguiu foi a criação de três classes, Nordeste, Central e Sul, indicando
apenas a região que as cachaças foram produzidas.
25
Serafim et alii (2016) 31 utilizaram vários parâmetros da qualidade da
cachaça, como teor de álcoois superiores e ácido acético, teor de aldeídos e cetonas,
teor de etilcarbamato e as concentrações de ferro, chumbo e cobre, aliado a técnicas
quimiométricas, como, PCA, SIMCA, PLS-DA e KNN para classificar cachaça
produzidas em seu respectivos estados. Foram utilizadas amostras de 5 estados, São
Paulo (SP), Minas Gerais (MG), Ceará (CE), Rio de Janeiro (RJ) e Paraíba (PB). A
análise por PCA indicou que as cachaças de MG e SP têm o perfil químico semelhante
assim como a de PB e RJ, já as cachaças de CE são bem distintas das demais.
Quando utilizadas técnicas de classificação, o melhor resultado obtido foi o KNN,
acertando 86% das amostras externas.
Granato et alii (2014)32 utilizaram marcadores químicos associados com
PCA, HCA e LDA, para a separação de cachaças produzidas em alambiques e em
colunas de destilação. O PCA não foi útil nesse estudo, pois houve sobreposição de
todas as amostras utilizadas. Já o HCA foi satisfatório na separação de apenas duas
regiões produtoras. O LDA além de conseguir distinguir a produção por alambique ou
coluna, foi eficiente na separação entre cachaça envelhecida ou não em toneis de
madeira.
Até o presente momento, não foi encontrado na literatura nenhum trabalho
publicado visando distinguir as cachaças produzidas na região de Salinas MG, apenas
tentativas de classificação por estados ou regiões brasileiras.
26
2. Objetivos
Utilizar a técnica de pré-concentração ring oven e o perfil de espécies
inorgânicas obtido por LIBS aliadas à análise multivariada para autenticar as cachaças
produzidas na região de Salinas (MG).
Modificar o sistema de pré-concentração por ring oven para melhorar o
desempenho do método analítico associado à espectroscopia de emissão ótica por
plasma induzido por laser (LIBS).
27
3. Parte Experimental
3.1. Sistema de ring oven
A técnica de pré-concentração por ring oven, foi proposta por Weisz
(1970)13 e modificada por Pasquini e Cortez (2013)14, sendo então utilizada para a
análise de íons metálicos empregando-se a técnica LIBS. O sistema é representado
pelo esquema da Figura 8:
Figura 8- Desenho esquemático do sistema ring oven: A- Amostra de cachaça que
será pré-concentrada. B- Bomba Peristáltica. C- Injetor proporcional. D- Forno para o
aquecimento. E- Controlador de temperatura. F- Descarte33.
O forno é composto por duas peças de metal, sendo uma delas o suporte
fixado em uma plataforma e outra móvel utilizada para a fixação do papel. O papel
filtro (Whatman 40) é recortado com um diâmetro maior do forno (suporte fixo) que
mede cerca de 31 mm. O papel com diâmetro adequado é fixado no forno e espera-
se um tempo para que o equilíbrio térmico entre a parte móvel do forno, que foi retirada
para a fixação do papel e o suporte fixo, seja atingido.
Com o auxílio de uma bomba peristáltica e um injetor, a amostra é aspirada
para um tubo com o volume desejado. Após o preenchimento do volume, a amostra é
empurrada pelo ar até o ponto de gotejamento sobre o papel de filtro. A vazão de
gotejamento é mantida constante em 46,5 L min-1. Após o gotejamento de toda
amostra contida no tubo para o papel é realizada a etapa de lavagem com 150 L de
ácido clorídrico 0,05 mol L-1, com a função de transportar os íons metálicos que ficam
adsorvidos no papel para a área de pré-concentração.
28
Os parâmetros do processo para a pré-concetração das cachaças foram
definidos a partir de trabalhos realizados por Cortez e Pasquini (2013)14 e Farias Filho
(2016)34. O único parâmetro que foi modificado em relação aos trabalhos anteriores
foi a vazão de gotejamento da amostra de cachaça. Esta mudança ocorreu devido as
modificações propostas no aparato do ring oven utilizado no trabalho. Esta
modificação se deu revestindo a parede do forno, que fica em contato com o papel,
com Teflon®. Tal mudança foi realizada para que o anel seja formado no encontro da
parede do forno com o papel deixando assim o processo mais parecido com o ring
oven de Wiesz, mas evitando-se possíveis contaminações. A utilização do Teflon® foi
necessária pelo fato de ser um polímero com alta temperatura de fusão e ser inerte
ao entrar em contato com o ácido usado na etapa de lavagem, dessa forma,
eliminando a contaminação do anel produzido com metal proveniente da oxidação da
parede do forno. Com esta modificação, o anel produzido apresentou diâmetro fixo de
22 mm com tempo médio gasto para a produção de cada anel de 18 minutos. Após a
produção do anel, o papel de filtro foi guardado dentro do dessecador até o momento
da análise por LIBS.
3.2. Análise por espectroscopia de emissão ótica em plasma induzido por laser
(LIBS)
As análises foram realizadas no equipamento LIBS (Figura 9) composto por
um laser Nd: YAG 1064 nm, com frequência de 20 Hz, duração de pulso de 5,5 ns e
energia máxima 90 mJ por pulso. O arranjo óptico é constituído por um espelho
dicroico colocado a 45° para o direcionamento do laser em uma lente de fluoreto de
cálcio com distância focal de 10 cm a partir do anel, porém a distância até a amostra
utilizada foi de 9,7 cm para evitar a formação do plasma no ar. Foi utilizada uma fibra
ótica de diâmetro de 100 m e faixa espectral de operação entre 160 e 1200 nm para
o transporte da radiação até um policromador echelle e depois para o detector ICCD
resfriado por uma placa de Peltier à temperatura de -10° C. A captura da radiação é
feita por uma lente e transportada para o policromador através de uma fibra ótica. A
incidência do pulso de laser sobre o anel foi assegurada empregando-se um laser
emitindo radiação vermelha (635 a 650 nm) acoplado temporariamente na outra
extremidade da fibra óptica, empregada na coleta da radiação emitida pelo micro-
29
plasma. O modo de aquisição dos espectros foi o Integrate on chip, opção dada pelo
software do detector, na qual as intensidades de emissão são integradas no arranjo
bidimensional de sensores (CCD) antes de serem transmitidas para o
microcomputador de controle e aquisição de dados do sistema echelle.
Figura 9 – Equipamento LIBS utilizado na obtenção dos espectros das amostras de cachaça após pré-concentração por ring oven33.
Um recurso inserido na aquisição de espectros LIBS por Farias Filho
(2016)34 foi o dispositivo para automatização da medida dos anéis. Como o ring oven
fornece anéis simétricos e bem definidos, foi acoplado ao sistema uma plataforma
giratória com controle de velocidade que simplifica e acelera o processo de leitura dos
anéis no modo intregrate on chip. Os parâmetros utilizados para a medidas dos anéis
foram de 2,0 s para o tempo de delay, 1,0 s para o tempo de integração e o ganho
do intensificador de 50, além de 7 segundos no tempo total de exposição.
30
Esses parâmetros que são os responsáveis pela aquisição dos espectros
LIBS. O tempo de delay é o tempo que a câmera demora para coletar a radiação em
relação ao pulso de laser dado. O tempo de integração é o tempo que a câmera fica
aberta coletando a radiação de interesse. O ganho do intensificador é um ganho
eletrônico para aumentar a intensidade das linhas de emissão. O tempo de exposição
é o que permite a amostragem de todo perímetro do anel. Dessa forma, é o tempo
que o equipamento fica disponível para que se possa fazer a medida, neste caso, uma
volta completa no anel pré-concentrado sem que haja sobreposição de pontos.
3.3. Amostras
As amostras coletadas neste trabalho tiveram origens diversas. Algumas
cachaças de Salinas foram doadas gentilmente pela APACS e coletadas na sede da
associação em Salinas (MG), outras, foram obtidas por doação no estande de
apresentação dos produtores no festival realizado na cidade. Das amostras 47
amostras colhidas, 30 são marcar associadas a APACS e as outras 17 não são. Todas
as amostras coletadas desta região são produzidas de forma artesanal, utilizando
alambiques de cobre.
O grupo de amostras “Não Salinas” é composto por cachaças produzidas
em diferentes estados do Brasil. No total, são 11 estados diferentes e mais algumas
outras regiões de Minas Gerais produtoras de cachaça. Uma parte dessas amostras
foi cedida gentilmente por uma distribuidora de bebidas da região, outra parte foi
adquirida através da compra no comércio da região. O número de estados
representados foi uma tentativa de englobar a maior variedade de fatores que possam
afetar a composição química dos metais que são encontrados na cachaça brasileira
(Figura 10). Esse grupo contém ao todo 63 amostras de cachaças diferentes,
produzidas tanto de maneira industrial (coluna de aço inox) quanto de forma artesanal.
Dessas, 25 são de regiões diferentes de Minas Gerais, como por exemplo, sul de
Minas, Serra da Bocaina, Zona da Mata, além da região metropolitana de Belo
Horizonte.
31
Figura 10 – Mapa do Brasil mostrando a quantidade de amostras de cachaças por
estado empregadas para a produção de modelos quimiométricos.
A única região que não foi representada neste conjunto foi a região Norte,
devido à dificuldade de se encontrar cachaças produzidas nesta região.
3.4. Pré-tratamento dos dados espectrais
Todas as cachaças foram adicionadas de um padrão interno de lítio. 9,2 L
da solução contendo 1,08 g L-1 de lítio (na forma de nitrato) foram adicionados em 5
mL das amostras de cada cachaça. Após a adição do padrão interno, foram
confeccionados anéis em triplicata empregando-se 600 L da amostra, totalizando
303 anéis.
32
Cada anel fornece, quando analisados por LIBS, um espectro contendo
25.669 variáveis distribuídas em uma faixa espectral de 200 a 1000 nm. Aplicando a
média entre as triplicatas de cada cachaça, obtém-se uma matriz com 101 linhas,
referentes a cada amostra e 25669 colunas, referentes a média das intensidades
coletadas pelo ICCD.
As cachaças foram divididas em dois grupos, Salinas composta por 45
amostras e Não Salinas composta por 56 amostras. Os modelos foram produzidos
utilizando todo espectro e realizando-se seleção prévia de variáveis. Nesta seleção
foram escolhidos os sinais de emissão com maior intensidade após avaliação visual
dos espectros originais, totalizando 69 linhas de emissão e o total de 3030 variáveis
no subconjunto selecionado, incluindo o pico de emissão do lítio (670,78 nm),
empregado como referência interna.
Os pré tratamentos utilizados nos espectros foram a aplicação de um filtro
de Savitzky-Golay (janela de 21 pontos e polinômio de segundo grau) para a
suavização dos espectros, depois foi feita a seleção de variáveis e em seguida foi
utilizado um pré-tratamento para alinhamento de cada um dos picos (peak alignment),
para minimizar o efeito de deslocamento do pico de emissão em relação ao
comprimento de onda, causado pela medida instrumental. Por último, para cada
espectro, foi realizada a normalização pela intensidade máxima da linha de emissão
do lítio, para minimizar qualquer tipo de variação no sinal analítico que possa ocorrer
no processo de pré-concentração e de medida automatizada dos anéis.
33
4. Resultados e Discussão
4.1. Modificações no aparato do Ring Oven
Para a realização deste trabalho foi efetuado uma modificação no aparato
do ring oven utilizado por Farias Filho (2016)34. No trabalho anterior a produção do
anel era feita utilizando apenas o calor fornecido pelo forno, sem que houvesse
contato da amostra pré concentrada com a parede do forno. Com a substituição da
parede de metal pelos anéis de teflon, este contato pode passar a existir fazendo com
que a produção do anel seja mais rápida. No procedimento realizado no trabalho
anterior, o tempo médio para a pré concentração de uma amostra de 600 L era de
aproximadamente trinta minutos. Com as modificações feitas o tempo gasto diminuiu
para quinze minutos, havendo um ganho significativo de tempo na análise das
amostras. Outra vantagem na modificação proposta é a produção de anéis mais
simétricos e bem definidos, com diâmetro fixo em 22 mm como mostra a Figura 11.
Figura 11 – Anel produzido pelo aparato do ring oven modificado.
As modificações foram propostas com o intuito de eliminar a contaminação
dos anéis por metais. Quando a frente de difusão entra em contato com a parede do
forno a alta temperatura e o ácido clorídrico utilizado na etapa de lavagem do anel
oxida o alumínio metálico da parede do forno o que causa a contaminação do anel pré
concentrado, além de desgastar sua parede. Desta forma, foi necessário encontrar
um material com alto ponto de fusão, já que a temperatura de trabalho gira em torno
de 110º C e que fosse inerte quando é feita a lavagem com ácido. Por esses motivos
34
foi utilizado o Teflon® para substituir o contato do forno com o papel utilizado como
substrato para a pré concentração mostrado na Figura 12.
Figura 12 Modificações realizadas no aparato do ring oven com a adição dos anéis de
teflon.
Na confecção dos anéis, foi notado em algumas amostras de cachaça, a
presença de uma mancha durante o processo de pré concentração, como pode ser
observado na Figura 13. Esta mancha é proveniente do tipo de madeira que foi
utilizada no processo de envelhecimento de cada cachaça.
Figura 13 – Mancha deixada no papel após a pré concentração de algumas amostras de cachaça.
Este fato não causou nenhuma interferência na análise dos metais, pois,
para o processo de arraste de íons é utilizada a lavagem com ácido, que garante que
Anéis de Teflon
35
os metais de interesse sejam concentrados nos limites do anel. Isso acontece porque
o papel é formado pelas fibras de celulose que contém em sua estrutura grupos
hidroxilas, responsáveis pelos fenômenos de adsorção e dessorção no papel. O efeito
eletrostático desses grupos dá a celulose uma afinidade por prótons que em solução
aquosa formam, com os íons metálicos, os chamados aquo-complexos que ficam
retidos pelos grupos hidroxilas. Quando se utiliza a lavagem ácida a interação que
acontecia com o metal passa a acontecer com os íons H+, liberando o íon metálico
para se descolocar com o solvente.
4.2. Definição do volume a ser pré concentrado
A avaliação do volume de cachaça a ser pré-concentrado foi realizada a
partir da maior quantidade de informação (número de linhas de emissão detectadas)
proveniente dos espectros LIBS sem que houvesse perda pela saturação de outras
linhas de emissão no espectro. Foram utilizados três volumes diferentes 50, 300 e 600
L e avaliadas as intensidades de algumas linhas de emissão presentes no espectro.
Acredita-se que a classificação das cachaças se dá pela composição do
solo em que a cana-de-açúcar empregada em sua fabricação é cultivada, logo
quantidades pequenas de metais deveriam, em princípio, ser detectadas. Outra fonte
de metais seria proveniente do material de construção do alambique, que neste caso
invariavelmente, em se tratando de cachaças artesanais, é feito de cobre. Foram
escolhidas 4 linhas para esta avaliação, a do Ca (393,4 nm), Ni (585,8 nm), Al
649,3nm) e Mn (714,8) cujas intensidades estão representadas na Figura 14:
36
Figura 14 - Espectros de emissão obtidos a partir de anéis resultantes de volumes
pré-concentrados de 50, 300 e 600 L de uma amostra de cachaça. Ca (393,4 nm),
Ni (585,8 nm), Al (649,3 nm) e Mn (714,8 nm).
A observação da Figura 14 indica que o volume de 600 L fornece, como
esperado, uma sensibilidade maior, visto que as intensidades dos picos são maiores
empregando-se este volume. Logo, para a continuidade deste trabalho, este foi o
volume utilizado na pré concentração das amostras de cachaça. Para volumes
maiores os as linhas de emissão de metais em maiores concentrações ultrapassam a
faixa de trabalho do ICCD, inviabilizando a utilização desses volumes.
4.3. Fator de pré concentração (K)
O fator de pré concentração, K, do ring oven é dado pela razão do volume
da amostra a ser pré concentrado, Vamostra, pelo volume do anel que será produzido
no papel pelo analito de desejo, Vanel.
amostra
anel
VK
V Equação 2
O volume do anel, Vanel, é encontrado subtraindo o volume do cilindro
formado pela parte externa do anel e o cilindro da parte interna do anel. O volume de
um cilindro é dado por:
37
2V r h , logo o volume do anel é dado por:
2 2
int( )anel extV r r h , onde rext é igual ao raio formado pela parte externa
do anel de pré concentração, rint é igual ao raio formado pela parte interna do anel de
pré concentração e h é a espessura do papel utilizado, que pode ser observado na
Figura 15:
Figura 15 – Esquema de um anel obtido por pré-concentração indicando o raio externo
e interno para o cálculo do fator de pré concentração.
Considerando o diâmetro externo do anel produzido 22 mm, o diâmetro
interno de 21,6 mm e a espessura do papel de 0,21 mm, encontra-se que Vanel = 2,87
L. Logo o valor de K é igual a aproximadamente 208 vezes para um anel preparado
de 600 L de amostra. Para os volumes de 50 e 300 L, os valores de K são,
respectivamente, 17 e 104.
4.4. Presença de sacarose nas cachaças analisadas
A legislação brasileira prevê que cachaças com concentrações de até 6 g
L-1 de sacarose, não precisam da indicação, no rótulo, de cachaça adoçada. Este foi
um fator limitante da produção de anéis para este trabalho. Além da pré-concentração
dos metais, toda matéria não volátil presente na cachaça foi pré concentrada,
incluindo a sacarose, se presente.
Mesmo estando em concentração baixa o açúcar começa a cristalizar no
papel atrapalhando a formação de um anel simétrico e bem definido, como mostrado
na Figura 16. No trabalho realizado por Faria Filho et ali (2016)34, esta dificuldade não
38
ocorreu, pois, o volume utilizado foi de 60 L e o fator de pré concentração foi de
aproximadamente 15, logo a quantidade de açúcar não foi suficiente para atrapalhar
a produção dos anéis.
Figura 16 – Anel produzido a partir de uma cachaça com sacarose
Devido a este problema, o número de amostras utilizadas neste trabalho foi
alterado, eliminando-se as cachaças que continham açúcar. No total foram utilizadas
101 amostras de cachaça, excluindo nove das 110 cachaças inicialmente coletadas.
4.5. Aquisição dos espectros LIBS
4.5.1. Modo de aquisição de dados
O modo de aquisição de espectros foi o Integrate on chip que foi proposto
por Farias Filho et al(2016)34 para quantificação do teor de cobre em amostras de
cachaça. Esta opção de aquisição dos dados acelera o processo de leitura dos anéis
quando comparada com o modo accumulate. Para a determinação de sódio, cobre e
ferro Cortez e Pasquini (2013)14 demoravam cerca de 15 minutos para coletar 60
pulsos de laser em cada anel no modo accumulate. Já no modo Integrate on chip
Farias Filho (2016)34 analisava cada anel com 120 pulsos em pouco menos de 1
minuto.
Para analisar os anéis neste modo, a frequência de pulsação do laser foi
associada com a velocidade de rotação de uma plataforma onde o papel de filtro
contendo o anel era colocado. Como a frequência do laser é de 20 Hz o tempo entre
um pulso e outro é de 50 ms. Para que não haja sobreposição entre os pulsos, foi
39
estabelecida a distância de 0,5 mm entre os pontos de incidência sucessivos. Desta
forma consegue-se calcular a velocidade angular através das equações:
t
Equação 3
S
r
Equação 4
Foi encontrado que a velocidade de rotação da plataforma deve ser de 0,91
rad s-1, ou 8,7 rpm. Para determinar o número de pulsos que serão integrados para
cada anel deve-se relacionar a frequência do laser com o comprimento do anel (69,1
mm), desta forma, o número de pulsos coletados é de 140 por volta. Como o papel
utilizado é submetido à condições de alta temperatura e um pH muito baixo, sua
resistência é comprometida e assim só é possível coletar os primeiros 140 pulsos da
primeira volta.
4.5.2. Espectros LIBS
Estabelecida as condições experimentais, foram produzidos os anéis por
pré concentração. Foram produzidos 303 anéis a partir das 101 amostras de cachaça
diferentes, sendo cada amostra medida em triplicata. As medidas e confecção dos
anéis foram feitas de forma aleatória. Posteriormente, os espectros gerados foram
separados em dois grupos, Salinas e Não Salinas que contêm 45 e 56 cachaças,
respectivamente. Os espectros médios de cada triplicata são mostrados na Figura 17.
40
Figura 17 – Espectros médios das triplicas de cada uma das 101 amostras de cachaça
analisadas.
Com os espectros coletados e os grupos separados, foi possível realizar
uma análise exploratória preliminar dos dados empregando PCA. O primeiro modelo
foi produzido utilizando-se apenas os espectros brutos, sem pré tratamento. O gráfico
de escores está representado na Figura 18, onde a PC1 (Componente Principal 1)
explica 65,16% da variância espectral, PC2 3,38% e a PC3 2,43%.
41
Figura 18 – Gráfico de escores PC1xPC2xPC3 dos dados brutos onde () representa
o grupo de Salinas e (■) Não Salinas.
Analisando o gráfico de escores nota-se que há uma tendência na
separação dos grupos, porém insuficiente para definir uma fronteira clara entre os dois
grupos de amostras. Por isso, foi necessário aplicar alguns pré-tratamentos nos
espectros afim de minimizar fontes de variabilidade não-informativas e tentar
aumentar o grau de discriminação entre classes.
Para minimizar ruídos presentes nos espectros foi utilizado um filtro de
Savitzky-Golay com janela de 21 pontos e polinômio de segundo grau. A escolha do
número de pontos da janela se deu por uma avaliação visual do espectro, observando
a diminuição dos ruídos experimentais sem que informações dos picos menos
intensos fossem comprometidas. Ou seja, os picos e a resolução espectral foram, na
medida do possível, preservados.
Em seguida, foi realizada a normalização dos espectros pela intensidade
máxima da linha de emissão do lítio. Como em todas as cachaças foi adicionado uma
quantidade fixa de lítio, a normalização do espectro, por esse método, diminuiu a
variação experimental no sinal do LIBS causada por fatores instrumentais (energia do
42
pulso, por exemplo) e/ou por deformações do anel que podem desviá-lo, durante a
medida, do ponto de incidência do pulso do laser.
A principal causa desta variação se dá pela pequena deformação na
produção do anel. Ao ser umedecido, o papel se deforma, devido à alta temperatura
e a lavagem com ácido. Este fato faz com que alguns pulsos de laser não incidam
sobre o anel provocando uma diferença na intensidade das linhas de emissão dos
metais nos espectros coletados. Quando é utilizado o padrão interno essa variação é
diminuída, pois a variação do sinal analítico é proporcional a linha de emissão do
padrão interno registrada em 670,78 nm.
Porém, ao tentar normalizar o espectro pela linha de emissão do lítio, foi
notado um problema adicional. Quando selecionado o pico do lítio para a
normalização observou-se que os espectros coletados não estavam alinhados como
pode ser observado na Figura 19. Este desalinhamento causa erro na normalização,
pois como é utilizado a intensidade máxima da linha do lítio esse deslocamento fará
com que outro ponto do seu pico de emissão seja utilizado para a normalização. A
provável causa para este deslocamento é uma alteração na calibração do
policromador echelle devido ao longo período de tempo em que o equipamento fica
em funcionamento durante a análise. Para contornar este problema foi utilizado uma
ferramenta do PLS Toolbox chamada de peak alignment (alinhamento de pico) que
tem a função de alinhar todos os espectros como demonstrado na Figura 19.
Ao analisar o restante do espectro, notou-se que esse desalinhamento
estava presente em todos os outros picos de emissão como exemplificado na Figura
19. Primeiramente, tentou-se alinhar todos os picos de emissão de uma só vez, porém
o resultado obtido não foi satisfatório, ficando ainda vários picos desalinhados. Para
contornar este problema, as linhas foram tratadas separadamente, havendo assim a
necessidade de uma seleção de variáveis. O critério utilizado para seleção foi a
utilização de linhas de emissão que estivessem acima do ruído espectral. Desta forma,
o número de variáveis espectrais utilizada diminuiu de 25669 para 3030, sendo
escolhidos 69 linhas de emissão pertencentes a 12 elementos químicos diferentes:
Ca, Na, Mn, K, Si, Fe, Ni, Cu, Mg, Zn e Al.
43
Figura 19 – Picos de emissão do lítio (670,78 nm), do cobre (324,7 nm) e do cálcio
(393,6 nm) sem a aplicação do peak alingment (A, C e E) e com a aplicação do peak
alingment (B, D e F).
44
Depois de alinhados e normalizados, os picos selecionados foram
concatenados em uma só linha da matriz de dados, resultando em um espectro
composto pelos segmentos, que pode ser observado na Figura 20.
Figura 20 – Espectro pré-tratados com filtro de Savitzky-Golay com janela de 21
pontos, normalizados pela intensidade máxima do pico do lítio (670,78 nm) com os
picos de maior intensidade selecionados e seus respectivos elementos e após
alinhamento.
Com esse conjunto de dados foram produzidos os modelos quimiométricos
de classificação propostos no trabalho.
4.6. Análise exploratória dos dados empregando dados pré-tratados
Com os dados pré-tratados, iniciou-se a confecção de modelos visando
verificar a separação das classes. Primeiramente, foi realizada a análise de
componentes principais (PCA), para explorar a capacidade de separação das classes
após os pré tratamentos realizados. O gráfico de escores da PC1 x PC2 e PC1xPC3,
pode ser observado na Figura 21, 84% da variabilidade espectral é explicada pela
PC1, 7% pela PC2 e 3% pela PC3, totalizando 94% explicada pelas três primeiras
PCs.
45
Figura 21 – Gráfico de escores das 101 amostras de cachaças nas coordenadas PC1
x PC2 (A) e PC1 x PC3 (B) indicando a separação entre as classes Salinas (■) e Não
Salinas (●) com os dados pré tratados com suavização com filtro de Savitzky Golay
(janela 21 pontos), seleção de picos de emissão e normalização pela intensidade
máxima do pico do lítio (670,78 nm) após alinhamento dos picos.
Após os pré-tratamentos consegue-se observar claramente a distinção das
duas classes estudadas. As principais componentes responsáveis pela separação das
classes são a PC1 e a PC2, visto que para a classe Salinas há valores de escores
negativos para ambas PCs e para a classe Não Salinas valores positivos para as
mesmas PCs. É possível analisar quais são as variáveis mais significativas para a
separação observando os gráficos de loadings obtidos no PCA feito, como exibido na
Figura 22.
46
Figura 22 – Gráfico de loadings das PC1 (A) e PC2 (B) no modelo PCA produzido com
as 101 amostras de cachaça.
Nota-se que as principais linhas de emissão responsáveis pela separação
das classes são as linhas correspondentes ao elemento cálcio (389,7 nm; 393,3 nm
;396,6 nm e 422,3 nm), sódio (589,0 nm; 589,9 nm; 635,8 nm e 656,3 nm). Estes
elementos apresentam diferenças relacionadas a região de produção da cachaça. O
cálcio está associado diretamente a composição do solo no qual a cana-de-açúcar foi
plantada. Para um melhor desenvolvimento, a cana-de-açúcar necessita de um pH de
5,5 até 6,5. Através de uma pesquisa de campo verificou-se que na região de Salinas
os produtores não utilizam qualquer tipo de correção de pH para o plantio da mesma,
mostrando que o nível de acidez no solo da região é baixo o que pode ter um excesso
47
de cálcio na região. Já o sódio pode estar ligado a composição do solo, da água, ou
ainda alguma ação antrópica no processo de fabricação da cachaça. Essas evidências
indicam que não é a presença ou ausência de um metal que distingui as classes e sim
a quantidade dos metais presentes na cachaça.
Visto que, com os pré tratamentos realizados, consegue-se obter uma boa
separação entre as classes, foi iniciada a produção de modelos com os métodos mais
usuais de classificação, Modelagem Flexível e Independente por Analogia de Classes
(SIMCA), Análise Discriminante Linear (LDA) e Análise Discriminante por Mínimos
Quadrados Parciais (PLS-DA).
4.7. Modelagem Flexível e Independente por Analogia de classes (SIMCA)
Para a produção do modelo, utilizou-se a matriz de dados pré tratada com
a suavização por filtro de Savitzky-Golay (janela de 21 pontos), normalizada pela linha
de emissão do lítio (670,78 nm) e alinhada com a ferramenta peak alingment.
Para a produção do modelo, as amostras foram separadas por meio do
algoritmo Kennard-Stone em dois grupos: calibração com 71 amostras (30 cachaças
de Salinas e 41 cachaças de outras localidades) e validação com 30 amostras (15 de
Salinas e 15 de outras localidades. As tabelas 1 e 2 a seguir mostram os resultados
obtidos na produção e validação do modelo.
Tabela 1 – Matriz de confusão para a validação cruzada para o modelo feito com 8 PCs para a classe de Não Salinas e 3 PCs para a classe de Salinas com um nível de significância de 95%.
Classe TVP* TFP* TVN* TFN* Erro Sensibilidade Especificidade
Salinas 1,00 0,03 0,97 0,00 0,00 1,00 0,97
Não Salinas 0,97 0,00 1,00 0,03 0,03 0,97 1,00
Coeficiente de correlação de Matthew 0,97
*TVP – Taxa de verdadeiro positivo **TFP – Taxa de falso positivo *** TVN – Taxa de verdadeiro negativo ****TVP – Taxa de falso negativo
48
Tabela 2 – Matriz de confusão para os conjuntos de validação externa
Classe TVP TFP TVN TFN Erro Sensibilidade Especificidade
Salinas 1,00 0,00 1,00 0,00 0,00 1,00 1,00
Não Salinas 1,00 0,00 1,00 0,00 0,00 1,00 1,00
Coeficiente de correlação de Matthew 1,00
Tabela 3 - Classificação do conjunto de validação externa quanto as suas classes
Classe Modelo de Classificação
Salinas Não Salinas
Salinas 15 0
Não Salinas 0 15
O modelo SIMCA, no nível de 95% de significância classificou (e, portanto,
autenticou) claramente as amostras externas de validação dos modelos construídos.
4.8. Análise Discriminante Linear (LDA)
Para confecção de modelos LDA, é necessário que o número de amostras
seja maior que o número de variáveis utilizado. Isso torna a utilização deste algoritmo
no conjunto de dados estudado neste trabalho inviável, pois mesmo a matriz reduzida
utilizada para confecção de modelos apresenta 3030 variáveis e o conjunto de dados
é composto por apenas 101 amostras. Porém, o UNSCRAMBLER 10.4, permite que
os scores produzidos pela PCA das variáveis, sejam utilizados para a produção do
modelo. Essa técnica é conhecia por PCA-LDA.
Para a produção do modelo as amostras foram separadas em dois
conjuntos: um de calibração, contendo 71 amostras de cachaça (30 de Salinas e 41
de Não Salinas) e um outro de validação com 30 amostras (15 de Salinas e 15 de Não
Salinas). Para a separação destes subconjuntos utilizou-se o algoritmo de Kennard-
Stone. O modelo produzido com 4 PCs, a matriz de confusão proveniente da validação
cruzada e o conjunto de validação externa estão representados respectivamente na
Figura 23, na Tabela 4 e na Tabela 5.
49
Figura 23 – Modelo produzido utilizando 71 amostras cachaça, sendo, 30 de Salinas
(■) e 41 de Não Salinas (●) e com as 4 primeiras PC calculando a distância entre os
grupos pelo método quadrático.
Tabela 4 - Matriz de confusão para a validação cruzada para o modelo feito com 4 PCs através do método de PCA-LDA.
Classe TVP TFP TVN TFN Erro Sensibilidade Especificidade
Salinas 1,00 0,00 1,00 0,00 0,00 1,00 1,00
Não Salinas 1,00 0,00 1,00 0,00 0,00 1,00 1,00
Coeficiente de correlação de Matthew 1,00
Tabela 5 – Acertos na classificação das amostras sendo de Salinas ou Não Salinas na validação externa do modelo PCA-LDA.
Classe Modelo de Classificação
Salinas Não Salinas
Salinas 15 0
Não Salinas 0 15
Com esses resultados pode-se afirmar que o modelo confeccionado
utilizando a técnica PCA-LDA é capaz de distinguir a região de produção de Salinas
daquelas produzidas em grande parte do restante do país por meio do seu perfil
espectral, gerado pela presença dos elementos empregados neste trabalho e dentro
do atual conjunto de amostras representando o restante do país.
50
4.9. Análise Discriminante por Mínimos Quadrados Parciais (PLS-DA)
O modelo foi construído a partir do espectro com seleção de variáveis pré
tratados com suavização por filtro de Savitzky-Golay (janela de 21 pontos),
normalização das linhas de emissão pelo pico do lítio e alinhamento dos picos. Para
a pseudo-variável representando a classe de Salinas foi utilizado o valor 1 e para
classe Não Salinas o valor 0.
Para a produção deste modelo as amostras também foram separadas em
dois conjuntos: um de calibração, contendo 71 amostras de cachaça (30 de Salinas e
41 de Não Salinas) e um outro de validação com 30 amostras (15 de Salinas e 15 de
Não Salinas). Para produzir os subconjuntos de amostras utilizou-se o algoritmo de
Kennard-Stone para seleção de amostras. Os resultados obtidos com o modelo
produzido estão nas tabelas 6, 7 e 8 a seguir.
Tabela 6 – Matriz de confusão para validação cruzada para o modelo PLS-DA produzido com 4 fatores.
Classe TVP TFP TVN TFN Erro Sensibilidade Especificidade
Salinas 1,00 0,03 0,97 0,00 0,00 1,00 0,97
Não Salinas 0,97 0,00 1,00 0,03 0,03 0,97 1,00
Coeficiente de correlação de Matthew 0,97
Tabela 7 – Matriz de confusão para o conjunto de validação externa do modelo PLS-DA
Classe TVP TFP TVN TFN Erro Sensibilidade Especificidade
Salinas 1,00 0,00 1,00 0,00 0,00 1,00 1,00
Não Salinas 1,00 0,00 1,00 0,00 0,00 1,00 1,00
Coeficiente de correlação de Matthew 1,00
Tabela 8 - Classificação do conjunto de validação externa quanto as suas classes
Classe Modelo de Classificação
Salinas Não Salinas
Salinas 15 0
Não Salinas 0 15
51
O modelo classificou na validação cruzada uma amostra de fora de Salinas
como sendo de Salinas, porém na validação externa a taxa de acerto foi de 100%
indicando que o PLS-DA é adequado para a classificação de cachaças da região de
Salinas, empregando os dados obtidos por meio da técnica de pré-concentração ring
oven e da espectroscopia por LIBS.
4.10. Autenticação das Cachaças da região de Salinas
Todos os métodos de classificação utilizados produziram resultados
excelentes para a classificação das cachaças da região de Salinas, tanto na validação
cruzada quando na validação externa. Porém, o método mais indicado para a
autenticá-las, de acordo com Oliveri (2012)35, é o SIMCA. Quando são comparadas
as cachaças produzidas em Salinas com as produzidas no restante do Brasil, não se
tem apenas duas classes envolvidas na produção de modelos e sim vários grupos de
regiões diferentes sendo comparadas com as da região de interesse, Salinas.
Nos métodos discriminantes (PLS-DA e LDA) o modelo calcula a distância
entre os centros dos grupos que estão sendo analisados. Como o grupo de Não
Salinas não é bem definido a utilização desses métodos se torna inviável, pois a
definição do centro deste grupo pode induzir a classificação errônea de algumas
amostras. Quando se utiliza o modelo SIMCA, pode-se definir apenas o grupo de
interesse, logo amostras que diferem significativamente deste grupo são consideradas
como não pertencentes a ele e consequentemente pertencem ao grupo de fora da
região de interesse. Isto pode ser observado na Figura 24 e na Figura 25.
52
Figura 24 – Gráfico Si/So x Hi da validação interna com o modelo SIMCA produzido
com 30 cachaças provenientes da região de Salinas. Onde as amostras (■), amostras
produzidas na região de Salinas; (●) Amostras provenientes de outras regiões (Não
Salinas).
Figura 25 – Gráfico Si/So x Hi da validação externa (30 amostras) com o modelo
SIMCA produzido com 30 cachaças provenientes da região de Salinas. Onde as
amostras (■), amostras produzidas na região de Salinas; (●) Amostras provenientes
de outras regiões (Não Salinas).
53
Sabendo que Si/So é a distância relativa entre a amostra e Hi é a distância
entre o centro da classe modelada, nos gráficos de Si/So x Hi para a validação interna
e externa, nota-se que o grupo de Salinas é um conjunto de amostras com
características mais bem definidas, apesar da validação interna apresentar uma
amostra do grupo de Não Salinas no espaço destinado as amostras de Salinas. Porém
na validação externa, não houve erro quanto a classificação de nenhuma amostra. A
dispersão apresentada no grupo de Não Salinas indica o porquê da não utilização de
métodos discriminantes, baseado em duas classes, em trabalhos que buscam a
autenticação de uma amostra qualquer.
Obviamente, o conjunto de amostras representando o restante do Brasil
ainda se apresenta bastante limitado, embora tenha se tentado torná-lo o mais
representativo possível utilizando amostras de vários estados brasileiros, inclusive de
regiões variadas do estado de Minas Gerais. O sucesso atingido com a validação
externa dos modelos de classificação construídos (inclusive o modelo SIMCA) permite
afirmar que a utilização da técnica de pré-concentração ring oven aliada ao LIBS
apresenta grande potencial para serem empregadas na constatação da origem das
cachaças de Salinas que são devidamente certificadas com selo de origem.
Esta constatação indica que além do selo de indicação de procedência, a
cachaça de Salinas pode adquirir o selo de denominação de origem, pois o produto
apresenta características singulares do local onde é produzido. Este selo agrega um
valor maior ao produto gerando benefícios para os produtores locais. Um estudo com
um número maior de amostras de cachaças no grupo de Não Salinas seria necessário
para afirmar com um grau maior de confiança que a cachaça produzida em Salinas
possui um perfil inorgânico diferente das cachaças produzidas no restante do Brasil.
Uma limitação na utilização desta característica da cachaça para a sua
autenticação é que ela não atesta a qualidade do produto em si, mas, provavelmente,
apenas indica a sua procedência. Muitos outros fatores são responsáveis pela
qualidade da cachaça produzida em Salinas como, por exemplo, as propriedades
organolépticas. Como a cachaça é uma bebida muito fácil de se produzir, qualquer
produtor de cana que tiver um alambique em sua propriedade é ser capaz de produzi-
la. Mesmo a cachaça não tendo a qualidade reconhecida da região, através da sua
composição de elementos inorgânicos ela terá alta probabilidade de ser classificada
como sendo de Salinas por este modelo.
54
5. Conclusão
A partir dos resultados obtidos, conseguiu-se avanços consideráveis na
utilização da técnica de pré-concentração por ring oven, associado ao LIBS.
Primeiramente, as modificações realizadas no aparato do ring oven
aceleram o processo de pré-concentração, deixando cerca de duas vezes mais rápido.
A pré-concentração de 600 L de amostra em solução aquosa, diminuiu para 15
minutos, sendo que, antes das modificações, demoravam 30 minutos. Os anéis
produzidos através do aparato modificado são mais bem definidos e reprodutíveis,
melhorando as análises através da mecanização utilizada para medidas feitas no
LIBS.
No que diz respeito a autenticação das cachaças produzidas em na
região de Salinas, a técnica se mostrou eficaz quando associada a quimiometria. Após
a utilização da suavização com filtro de Savitzky-Golay com janelas de 21 pontos,
normalização pelo linha de emissão do Li (670,78 nm), alinhamento dos picos de
emissão e uma seleção de variáveis, conseguiu-se separar as cachaças produzidas
na região das demais produzidas no Brasil com 100% de acertos através do método
SIMCA.
Desta forma, é possível afirmar que a utilização do perfil inorgânico da
cachaça, quando utilizado como referência para a distinção da região de Salina (MG)
das demais regiões produtoras de cachaça do Brasil, constitui um critério efetivo para
o combate a falsificação e assegurar a autenticidade das cachaças produzidas
naquela região.
55
Referências
1 Costa, E. R. C. & Portuguez, A. P. Por uma dose de cachaça brasileira: indicações geográficas e o decreto da cachaça como mecanismos de preservação do patrimônio cultural brasileiro. Observatorio de la Economía Latinoamericana (2015).
2 Oliveira, F. & Costa, S. Agricultura familiar no APL/cachaça da região de Salinas: caso de sucesso da cachaça Terra de Ouro. VI Simpósio Reforma Agrária e Questão Rurais NUPEDOR, 1-25 (2014).
3 Vol. Lei n. 8918 (Diário Oficial da República Federativa do Brasil, 1994). 4 IBRAC, I. B. d. C. Mercado Externo da Cachaça, Disponivel em
http://www.ibrac.net/index.php/servicos/estatisticas/mercado-externo, 2016). 5 Alcarde, A. R. Cachaça: Ciência, Tecnologia e Arte. 1ª edn, (2014). 6 Martinelli, D. P., Spers, E. E. & Costa, A. F. Ypióca–Introduzindo uma bebida
genuinamente brasileira no mercado global. 7 INPI, I. N. d. P. I. Indicação Geografica, disponivel em http://www.inpi.gov.br/menu-
servicos/indicacao-geografica/indicacao-geografica-no-brasil, 2009). 8 MAPA, M. d. A., Pecuária e Abastecimento. Lista de indicações geográficas
registradas no brasil, disponivel em http://www.agricultura.gov.br/assuntos/sustentabilidade/indicacao-geografica/lista-de-igs-registradas 2017).
9 Bruno Pedrosa, C. M. d. J., Antonio César Ortega. Cachaça “Região de Salinas”: Uma Indicação Geográfica de Procedência em Construção. (2016).
10 Salinas/MG, A. A. d. p. A. d. C. d. Apresenta informações sobre a APACS e suas atividades. Disponível em: < www.apacs.com.br >. Acesso em 2016. .
11 Evans, L. Preso acusado de ser o maior falsificador de cachaça de Minas, disponivel em https://www.em.com.br/app/noticia/economia/2013/05/12/internas_economia,386218/preso-acusado-de-ser-o-maior-falsificador-de-cachaca-de-minas.shtml, acessado em 05/05/2017, 2013).
12 Camilo, J. V. Fábrica de falsificação da cachaça Havana é descoberta no Caiçara, disponivel em http://www.otempo.com.br/cidades/f%C3%A1brica-de-falsifica%C3%A7%C3%A3o-da-cacha%C3%A7a-havana-%C3%A9-descoberta-no-cai%C3%A7ara-1.1480739 acessado 12/12/2017, 2017).
13 Weisz, H. Microanalysis by the Ring Oven Technique. 2ª edn, (1970). 14 Cortez, J. & Pasquini, C. Ring-oven based preconcentration technique for
microanalysis: simultaneous determination of Na, Fe, and Cu in fuel ethanol by Laser Induced Breakdown Spectroscopy. Analytical chemistry 85, 1547-1554 (2013).
15 Pasquini, C., Cortez, J., Silva, L. & Gonzaga, F. B. Laser induced breakdown spectroscopy. Journal of the Brazilian Chemical Society 18, 463-512 (2007).
16 Song, K., Lee, Y.-I. & Sneddon, J. Applications of laser-induced breakdown spectrometry. Applied Spectroscopy Reviews 32, 183-235 (1997).
17 Cremers, D. A. & Chinni, R. C. Laser-induced breakdown spectroscopy—capabilities and limitations. Applied Spectroscopy Reviews 44, 457-506 (2009).
18 Schmidt, N. E. & Goode, S. R. Analysis of aqueous solutions by laser-induced breakdown spectroscopy of ion exchange membranes. Applied spectroscopy 56, 370-374 (2002).
56
19 Sarkar, A., Aggarwal, S. K., Sasibhusan, K. & Alamelu, D. Determination of sub—ppm levels of boron in ground water samples by laser induced breakdown spectroscopy. Microchimica Acta 168, 65-69 (2010).
20 Ferreira, M. M., Antunes, A. M., Melgo, M. S. & Volpe, P. L. Quimiometria I: calibração multivariada, um tutorial. Química Nova 22, 724-731 (1999).
21 Savitzky, A. & Golay, M. J. Smoothing and differentiation of data by simplified least squares procedures. Analytical chemistry 36, 1627-1639 (1964).
22 Neto, J. M. M. & Moita, G. C. Uma introdução à análise exploratória de dados multivariados. Química Nova 21, 467-469 (1998).
23 Ferreira, M. Multivariate Qsar. Journal of the Brazilian Chemical Society 13, 742-753 (2002).
24 Berrueta, L. A., Alonso-Salces, R. M. & Héberger, K. Supervised pattern recognition in food analysis. Journal of chromatography A 1158, 196-214 (2007).
25 Brereton, R. G. Chemometrics for pattern recognition. (John Wiley & Sons, 2009).
26 Moreira, E. D. T., Pontes, M. J. C., Galvão, R. K. H. & Araújo, M. C. U. Near infrared reflectance spectrometry classification of cigarettes using the successive projections algorithm for variable selection. Talanta 79, 1260-1264 (2009).
27 Geladi, P. & Kowalski, B. R. Partial least-squares regression: a tutorial. Analytica chimica acta 185, 1-17 (1986).
28 Barker, M. & Rayens, W. Partial least squares for discrimination. Journal of chemometrics 17, 166-173 (2003).
29 Galinaro, C. A., Cardoso, D. R. & Franco, D. W. Profiles of polycyclic aromatic hydrocarbons in Brazilian sugar cane spirits: discrimination between cachaças produced from nonburned and burned sugar cane crops. Journal of agricultural and food chemistry 55, 3141-3147 (2007).
30 Fernandes, A. P. et al. Pattern recognition applied to mineral characterization of Brazilian coffees and sugar-cane spirits. Spectrochimica Acta Part B: Atomic Spectroscopy 60, 717-724 (2005).
31 Serafim, F., Pereira-Filho, E. R. & Franco, D. Chemical data as markers of the geographical origins of sugarcane spirits. Food chemistry 196, 196-203 (2016).
32 Granato, D., de Oliveira, C. C., Caruso, M. S. F., Nagato, L. A. F. & Alaburda, J. Feasibility of different chemometric techniques to differentiate commercial Brazilian sugarcane spirits based on chemical markers. Food research international 60, 212-217 (2014).
33 Filho, B. B. F. Mecanização das medidas em ring oven por espectroscopia de emissão óptica em plasma induzido por laser (LIBS): Determinação de cobre em cachaça e identificação da origem Doutor em Ciências thesis, Universidade Estadual de Campinas - Unicamp, (2014).
34 Pasquini, C. & Farias Filho, B. B. Mechanization of measurement of laser induced breakdown spectroscopy/ring-oven pre-concentration: determination of copper in cachaça. Analytical Methods 8, 7354-7360 (2016).
35 Oliveri, P. & Downey, G. Multivariate class modeling for the verification of food-authenticity claims. TrAC Trends in Analytical Chemistry 35, 74-86 (2012).