Caractérisation de la stabilité des produits pétroliers lourds par spectroscopie proche infrarouge et chimiométrie

Abstract

La espectroscopia NIR, que tiene la ventaja de ser rápida, no destructiva de muestras y relativamente bien repetible, sería una excelente alternativa analítica para reemplazar los métodos de referencia utilizados como son IP375 (TSE - Sedimento Total Existente) e IP390 (TSP - Potencial de Sedimento Total). Una primera etapa del trabajo consistió en enriquecer una base de datos existente. Posteriormente, la base espectral NIR fue visualizada por Análisis de Componentes Principales después de un preprocesamiento de suavizado por el método de Savitzky-Golay. Los resultados muestran que se trata de un caso complejo de predicción. En un segundo paso, se desarrollaron dos modelos de regresión de mínimos cuadrados parciales. La primera teniendo en cuenta todos los datos disponibles. El segundo modelo solo considera muestras “frescas”. Finalmente, los dos modelos se comparan estadísticamente. Este estudio primero nos permitió mostrar que el modelo es más eficiente cuando el dominio de predicción se restringe a valores < 1% y que se calibra teniendo en cuenta solo muestras “frescas”. Con respecto al modelado de TSP, al ser el número de datos más limitado, la representatividad de la base espectral no es suficiente para conducir a un modelo preciso y robusto.

La spectroscopie PIR qui a l’avantage d’être rapide, non destructive des échantillons et relativement bien répétable serait une excellente alternative analytique à ces méthodes. Une première étape du travail de stage a consisté en l’enrichissement d’une base de données existante. Par la suite, la base spectrale PIR a été visualisée par Analyse en Composantes Principales après une prétraitement de lissage par la méthode Savitzky - Golay. Les résultats montrent qu’il s’agit d’un cas complexe de prédiction. Dans une deuxième étape, deux modèles de régression Partial Least Square ont été développés. Le premier en prenant en compte l’ensemble des données disponibles. Le deuxième modèle ne considère que des échantillons ‘’frais’’. Finalement, les deux modèles sont comparés statistiquement. Cette étude nous a tout d’abord permis de montrer que le modèle est plus performant lorsque le domaine de prédiction est restreint aux valeurs < 1% et qu’il est calibré en ne prenant en compte que des échantillons FRAIS. En ce qui concerne la modélisation de TSP, le nombre de données étant plus limité, la représentativité de la base spectrale n’est pas suffisante pour aboutir à un modèle précis et robuste.