MONITORAMENTO DA PRODUÇÃO DE ETANOL CELULÓSICO POR ESPECTROSCOPIA NO INFRAVERMELHO PRÓXIMO

MONITORAMENTO DA PRODUÇÃO DE ETANOL CELULÓSICO POR ESPECTROSCOPIA NO INFRAVERMELHO PRÓXIMO

PINTO, A. S. S.; PEREIRA, S. C.; RIBEIRO, M. P. A.; FARINAS, C. S.

Artigo:

O monitoramento do processo de fermentação alcoólica é essencial para o controle de sua eficiência. Contudo, ainda não há métodos bem definidos que sejam rápidos e práticos. O presente estudo utilizou espectroscopia no infravermelho próximo (NIR) associada à análise multivariada para monitorar a produção de etanol celulósico a partir de bagaço e palha de cana-de-açúcar. Analisaram-se os espectros obtidos a partir de amostras sintéticas e reais. Os espectros foram modelados utilizando-se a Regressão por Mínimos Quadrados Parciais (PLS) através do software Matlab. A quantidade de variáveis latentes foi definida com base nos resultados da Validação Cruzada (leave-one-out). Diversos conjuntos de amostras foram analisados a fim de garantir o melhor modelo de previsão, sendo que este foi modelado com dados sintéticos e reais. Assim, obtiveram-se erros de previsão na validação externa de 1,68% para etanol e de 3,68 % para glicose, considerando-se 13 variáveis latentes para ambos compostos.

O monitoramento do processo de fermentação alcoólica é essencial para o controle de sua eficiência. Contudo, ainda não há métodos bem definidos que sejam rápidos e práticos. O presente estudo utilizou espectroscopia no infravermelho próximo (NIR) associada à análise multivariada para monitorar a produção de etanol celulósico a partir de bagaço e palha de cana-de-açúcar. Analisaram-se os espectros obtidos a partir de amostras sintéticas e reais. Os espectros foram modelados utilizando-se a Regressão por Mínimos Quadrados Parciais (PLS) através do software Matlab. A quantidade de variáveis latentes foi definida com base nos resultados da Validação Cruzada (leave-one-out). Diversos conjuntos de amostras foram analisados a fim de garantir o melhor modelo de previsão, sendo que este foi modelado com dados sintéticos e reais. Assim, obtiveram-se erros de previsão na validação externa de 1,68% para etanol e de 3,68 % para glicose, considerando-se 13 variáveis latentes para ambos compostos.

Palavras-chave:

DOI: 10.5151/chemeng-cobeq2014-1549-18713-137621

Referências bibliográficas

• [1] BRERETON, R. G.. Applied Chemometrics for Scientists. Inglaterra, John Wiley Andamp; Sons Ltd, 2007.
• [2] CHONGQING L., HONG HANG W..Near-infrared spectroscopy with a fiber-optic probe for state variables determination in solid-state fermentation.Process Biochem. 43(5): 511-516, 2008.
• [3] HAALAND, D. M., THOMAS, E. V. Partial least-squares methods for spectral analyses. 1. Relation to other quantitative calibration methods and the extraction of qualitative information. Anal. Chem, v. 60, p. 1193-1202, 1988.
• [4] MILANEZ, A. Y.; NYKO D.; GARCIA, J. L. F.; REIS, B. L. S. F. S.. O déficit de produção de etanol no Brasil entre 2012 e 2015: determinantes, consequências e sugestões políticas. BNDES Setorial, março de 2012.
• [5] MORITA H., HASUNUMA T., VASSILEVA M., TSENKOVA R., KONDO A. Near Infrared Spectroscopy as High-Throughput Technology for Screening of Xylose-Fermenting Recombinant Saccharomyces cerevisiae Strains. Anal Chem., v. 83, p. 4023–4029, 2011.
• [6] PEREIRA, S. C.; RODRÍGUEZ-ZÚÑIGA; GOMES, B. L.; MARTELLI, F. H.; BARROS, G. O. F.; SILVA, W. T. L.; FARINAS, C.S.. Bioethanol Production from sugarcane bagasse pretreated by steam explosion: chemical and Morphological insights. Publicado em XIX Simpósio Nacional de Bioprocessos, 2013.

Como citar:

PINTO, A. S. S.; PEREIRA, S. C.; RIBEIRO, M. P. A.; FARINAS, C. S.; "MONITORAMENTO DA PRODUÇÃO DE ETANOL CELULÓSICO POR ESPECTROSCOPIA NO INFRAVERMELHO PRÓXIMO", p-2165-2172. In: Anais do XX Congresso Brasileiro de Engenharia Química - COBEQ 2014 [= Blucher Chemical Engineering Proceedings, v.1, n.2]. São Paulo: Blucher, 2015.
ISSN 23591757, DOI 10.5151/chemeng-cobeq2014-1549-18713-137621