Chemie und Prozesstechnik
Filtern
Erscheinungsjahr
- 2019 (3)
Dokumenttyp
- Vortrag (3) (entfernen)
Sprache
- Deutsch (1)
- Englisch (1)
- Mehrsprachig (1)
Referierte Publikation
- nein (3)
Schlagworte
- NMR-Spektroskopie (2)
- FTIR (1)
- Microplastics (1)
- Multivariate data analysis (1)
- Online-Referenzmethode (1)
- Prozessanalytik (1)
- Raman-Spektroskopie (1)
Organisationseinheit der BAM
- 1 Analytische Chemie; Referenzmaterialien (3) (entfernen)
Eingeladener Vortrag
- nein (3)
Der Vortrag zeigt aktuelle Entwicklungen und Betätigungsfelder des Fachbereichs Prozessanalytik zum Thema Automation in der Analytik. Dies Umfasst die Laborautomation am Beispiel der Probenpräparation für die Röntgenfluoreszenzanalyse und moderne Synthesekonzepte in der organischen Chemie. Außerdem wird die Rolle der Prozessanalytik in der kontinuierlichen Produktion thematisier. Als Anschauungsgegenstand dienen die Überwachung einer Hydroformylierung mittels Raman- und NMR-Spektroskopie und der Einsatz eines NMR-Sensors in einer modularen Produktionsanlage im Pilotmaßstab.
In der Prozessindustrie findet die optische Spektroskopie (z. B. NIR- und Raman-Spektroskopie) als Online-Analytik zunehmend Anwendung zur Überwachung che-mischer Qualitäts¬attribute in der Produktion. Ihr ganzes Potential entfalten die Methoden aber meist nur in Kombination mit einer aufwendigen, multivariaten Kalibrierung. Diese muss alle relevanten Zustände des Systems abdecken und bedarf einer geeigneten Referenz¬analytik. Moderne instrumentelle Analysengeräte weisen eine hohe Empfind¬lich¬keit und Robustheit auf, sind aber dennoch stark von Fehler und Variabilität der Probennahme beeinflusst, was sich auf die Richtigkeit und Qualität des multivariaten Modells auswirkt.
Diese Probleme lassen sich verringern, indem die Referenzanalytik ebenfalls online erfolgt. Eine mögliche Lösung stellt die hochauflösende NMR-Spektroskopie als quanti¬tative Online-Referenzanalytik dar. Insbesondere kom¬pakte NMR-Spektrometer auf Basis von Permanent¬magneten sind für diesen Zweck geeignet. Ausschlusskriterien für herkömmlicher NMR-Systeme, wie der große Wartungs-aufwand (Kryotechnik) und der Platz¬bedarf, werden damit vermieden.
Im Rahmen des EU-Projekts CONSENS wurde die Nutzung einer Online-Referenz¬analytik mit NMR-Spektroskopie am Beispiel einer industriellen Pilotanlage erfolgreich realisiert. Untersuchungsgegenstand war die kontinuierliche Synthese eines Aus¬gangsstoffs für die pharmazeutische Industrie. Die enthaltenen metallorganischen Verbindungen sind für die bisher genutzte HPLC Analytik unzu-gänglich und die Analyse ausgewählter Proben erfolgte nach dem Quenchen der Lösung oft mit einem großen zeitlichen Abstand zur Probennahme. Konzen-trationswerte auf Basis von Online-NMR-Spektren standen hingegen mit einer zeitlichen Auflösung von drei Spektren pro Minute über den gesamten Reaktionsverlauf hinweg zur Verfügung. Außerdem konnten durch die NMR-Spektroskopie intermediär auftretende Spezies erstmal quantitativ bestimmt und diese Daten für die Kalibrierung eines NIR-Spektrometers genutzt werden.
µ-FTIR spectroscopy is a widely used technique in microplastics research. It allows to simultaneously characterize the material of the small particles, fibers or fragments, and to specify their size distribution and shape. Modern detectors offer the possibility to perform two-dimensional imaging of the sample providing detailed information. However, datasets are often too large for manual evaluation calling for automated microplastic identification. Library search based on the comparison with known reference spectra has been proposed to solve this problem.
To supplement this ‘targeted analysis’, an exploratory approach was tested. Principal component analysis (PCA) was used to drastically reduce the size of the data set while maintaining the significant information. Groups of similar spectra in the prepared data set were identified with cluster analysis. Members of different clusters could be assigned to different polymer types whereas the variation observed within a cluster gives a hint on the chemical variability of microplastics of the same type. Spectra labeled according to the respective cluster can be used for supervised learning. The obtained classification was tested on an independent data set and results were compared to the spectral library search approach.