Explorar
Comunidades en español
Anunciar en Engormix

Tecnología NIR, sus Usos y Aplicaciones

Publicado: 21 de septiembre de 2015
Por: Fabiana Salomón. Industry Sales Manager FOSS
El conocimiento de la composición de un producto es una información vital en diferentes órdenes para el fabricante porque puede producir, por ejemplo, un alimento con un balance de componentes adecuados, para un nutricionista para conocer exactamente los requerimientos nutricionales del alimento, y para el analista la posibilidad de certificar la calidad del producto.
Los métodos analíticos clásicos, llamados a menudo como métodos de química húmeda, han servido durante décadas a este propósito, pero los mismos no responden de una manera rápida a la necesidad de información requerida por el usuario o a la diversidad de parámetros que se esperan conocer, por ejemplo a menudo la materia prima para la elaboración de un alimento balanceado es utilizada para la formulación antes de tener los resultados de los análisis químicos, además de lo costoso que significa contar con el equipamiento para determinar todos los parámetros de rutina.
Las fuentes de error en toda técnica analítica son introducidas a través de la obtención y preparación de la muestra, el trabajo del analista y el método de referencia utilizado. En definitiva terminan resultando costosos y lentos.
Como una alternativa cada vez más difundida en diferentes ámbitos, aparece la tecnología de Infrarrojo Cercano (NIR, Near Infrared).
Donde la misma se caracteriza por tener poca o ninguna preparación de muestra, es un ensayo no destructivo, no se utilizan reactivos, es de operatoria simple y se caracteriza por ser un método rápido, confiable y preciso.
La Tecnología de Infrarrojo esta basada en una combinación sofisticada de espectros y poderosos metodos matematicos. La luz IR es reflejada sobre la muestra y se modifica sutilmente segun la muestra.
La modificacion espectral es convertida en informacion mostrando la composicion de la muestra. Esta conversion de algortimos son las llamadas calibraciones.
El espectro Infrarrojo Cercano (NIR) se encuentra justo sobre la región visible del espectro electromagnético.
Tecnología NIR, sus Usos y Aplicaciones - Image 1 
Los mecanismos por los cuales la luz actúa sobre la muestra son Trasmitancia y Reflectancia.
La trasmitancia tiene un grado de penetración mayor en la muestra por arriba de los 30 mm (especialmente a bajos rangos) y todo el paso óptico de la muestra es integrado en la medición espectral.
Con la reflectancia solo 0.1-1 mm de la superficie puede ser penetrada que es más favorable para el procesamiento de muestras molidas.
Un mecanismo alternativo es una combinación de ambos mecanismos llamado transreflectancia.
 
Tecnología NIR, sus Usos y Aplicaciones - Image 2
 
Tecnología NIR, sus Usos y Aplicaciones - Image 3
 
Las bandas O-H, N-H, C-H, S-H son muy reactivas al NIR. El Hidrógeno (como elemento) no presenta cambios ante esta energía en su momento dipolar, por lo tanto no absorbe energía NIR sin embargo si lo hace su enlace con el oxígeno. Para que una molécula tenga absorción en la región infrarroja, el constituyente de interés debe tener uniones o bandas del tipo O-H, C-H, N-H, o S-H.
De esta manera, podemos cuantificar parámetros nutricionales básicos como proteína, humedad, materia seca, grasa, almidón, fibras que son fundamentales a la hora de hacer una formulación de un alimento o bien controlar la calidad del mismo y disponer de algunos más avanzados como aminoácidos totales y/o digestibles en ingredientes, pigmentos/color, adulterantes/contaminantes.
De esta manera se abren grandes posibilidades de contar con controles en nuestro proceso productivo a través de diferentes soluciones que usan la tecnología NIR que son adecuadas para cada punto del proceso desde un equipo de mesada de laboratorio hasta controlar en forma on line nuestra producción. 
Tecnología NIR, sus Usos y Aplicaciones - Image 4
Temas relacionados
Autores:
Fabiana Salomón
Foss
Seguir
Recomendar
Compartir
¿Quieres comentar sobre otro tema? Crea una nueva publicación para dialogar con expertos de la comunidad.
Crear una publicación
Fabiana Salomón
Foss
13 de julio de 2016

Estimado Fernando

Muchas gracias por su opinion.
Respeto su enorme trayectoria y sus comentarios siempre enriquecen.
Naturalmente que sobre algunos puntos tenemos diferentes opiniones pero estoy segura que el interes de todos los que aportamos comentarios es usar eficientemente esta tecnologia.

Mis saludos para usted
Atte

Fernando Morgado
Interlab Diagnostica Ltda. (Chile)
13 de julio de 2016

Estimada :

Hola. Ojalà ande mas seguido por estos lados, siempre es bueno tener mas aportes y experiencias de personas relacionadas a NIR.

No mucho que decir, quizás dos cosas

La primera es indicar que la rotaciòn de una copa de medición ( celda) no mejora la repetibilidad, sino mas bien la empeora. La repetibilidad es peor cuando se gira una muestra y mucho mejor cuando la medición es estàtica, en ningún caso mejor.

La repetibilidad depende de la muestra también, por ejemplo la repetibilidad de una muestra de harina de pescado es peor que la de una harina de carne o y mejor que un queque de prensa. También la repetibilidad depende del modelo matemático, del SEC del mismo. Por ejemplo la repetibilidad en el resultado de Humedad en la misma matriz puede ser mucho mejor que la de Proteína. Girar la muestra es para aumentar el àrea de medición y que esta sea màs representativa de la muestra, no se gira para aumentar la repetibilidad. Si se sabe que una muestra es 100% homogénea no tiene sentido hacer mediciones con giro.

Mis saludos
Fernando Morgado

Fabiana Salomón
Foss
12 de julio de 2016

Estimado Fernando y demas participantes

Muchas gracias por sus aportes y también por sus comentarios sobre mi presentación, la cual entiendo que conoce el contexto en donde fue dada la misma, el congreso es de Nutrición Animal, no es un Foro de NIR.
Dicho esto entenderá que no es posible hablar de matrices de longitudes de onda, distancias espectrales, métodos quimiometricos etc etc, de todas maneras tomo su experiencia para sumar aunque`prefiero no calificar ni descalificar su comentario no me parece apropiado.
Para otros comentarios de usuarios que han manifestado algunas dudas quisiera aportar que la efectividad del resultado depende como lo han discutido en párrafos anteriores de varios factores, entre ellos el hardware del equipo donde es apreciable que los equipos tengan una buena precisión y exactitud de longitud de onda, luego claro esta la variabilidad del producto que se quiera cuantificar, esto implica que la base de datos este compuesto por variedad de especies y/o concentraciones y ciclos biológicos. geografias etc., un dato no menor son los datos de laboratorios con los cuales se desarrollan los modelos de predicción, la analítica de los mismos deben ser exacta y las técnicas deben trabajar dentro del error de aceptable de las mismas, y ademas el desvío del dato del laboratorio debe ser chequeado con muestras ciegas por duplicado o triplicado y de ser posible con diferentes analistas, cualquier desvio en la incertidumbre admitida para la tècnica redunda directamente en el error de predicción o de calibración del modelo a desarrollar.
Hay como se mencionó anteriormente diferentes opciones que se usan a la hora de desarrollar un modelo, que tienen diferentes alternativas de tratamientos matemáticos y espectrales para poder mejorar la predicción, aunque todos son similares, estos tratamientos disponibles difieren de acuerdo al software de desarrollo de cada fabricante que lo hacen mas o menos amigables para su uso.
Con respecto a la ISO, la norma hace referencia que debe existir una superficie de contacto entre el producto a medir y la luz que incide sobre la muestra, generalmente esta superficie de separación es cuarzo dado que la misma debe estar libre de marcas que pueden afectar a la lectura, de alli que se recomienden equipos que lean de abajo, lo normal ademas es que haya una rotacion de la copa de medicion para mejorar la repetibilidad.
Algo también a tener en cuenta y que afecta a la calidad del resultado es la molienda de la muestra, el modelo de predicción fue desarrollado con un protocolo de molienda, el mismo debe ser respetado en las futuras mediciones de muestras , los cambios de granulometría afectan a la predicción. Siempre es mejor trabajar con muestras molidas siempre y cuando en este proceso no se produzcan perdidas ya sea de humedad o de material grasa por ejemplo, aunque hay una fuerte tendencia en realizar mediciones sobre muestras enteras ( granos, alimentos pelletizados), durante el desarrollo se utilizan herramientas que atenuan ( no eliminan) el efecto de la heterogeneidad de la muestra.
Hay matrices que son mas amigables para la tecnología, granos y subproductos, carnes, lácteos, vinos con una diversidad de parámetros que se pueden cuantificar excelentemente a través de diferentes opciones, un NIR que trabaje con un diodo array, o con un monocromador de espectro continuo o un FTNIR y otras como las discutidas mas arriba que tienen muy buenos resultados en algunos parámetros y en otros no tanto como las matrices de harinas de pescado, o harinas de carne por ejemplo, incluso en alimentos balanceados con diversos cambios de formulación que por disponibilidad de materias primas los usuarios suelen tener mayor trabajo a la hora de desarrollar y/o ajustar con un set independiente de muestras sus modelos de predicción.
A menudo también son interesantes los modelos de cualificación para aquellos analitos que son poco amigables para el Infrarrojo cercano aunque se arman modelos con bases espectrales únicamente que les permiten hacer un screening rapido sobre la calidad de un producto.
Los precios son variables y en general altos, en algunos casos de acuerdo al valor agregado que se le puede dar al producto que se produce o a la optimización del proceso este costo es fácilmente amortizable pero se debe evaluar la adquisición para cada prestación en particular, actualmente hay una diversidad enorme de equipos y prestaciones.

Quedo a sus ordenes.

Fabiana A Salomón
Sales Manager
FOSS

Fernando Morgado
Interlab Diagnostica Ltda. (Chile)
11 de julio de 2016
Estimado Ingeniero Càrdenas : Asi es, cambia todo cambia, dice la canción de Mercedes Soza. Cuando se conoce el fundamente del PLS ( partial least Square) que es la matemática màs usada para crear Modelos matemáticos, se entiende claramente el porqué en algún momento los resultados NIR para algunas muestras empiezan a ser no correctos y se entiende que NO es el Instrumento el que està trabajando mal. Como regla en harina de Pescado sòlo se deberían aceptar como resultados creíbles aquello que muestras una distancia de mahalanobis no mayor a 5. Para equipos que usan espectro residual, este debería ser cuidadosamente calculado. Toda aquella muestra marcada como outlier debería ser enviada al laboratorio e incorporada en el Modelo. A veces la anchoveta es capturada con camaroncillos , siendo ambos procesados para hacer la harina y también se observan mayores diferencias, la razón, el espectro final de la muestra es la suma en este caso de Anchoveta+camaroncillo entonces el Modelo matemático no tiene esos score calculados y la predicción falla Saludos desde Chile Fernando Morgado
Fernando Morgado
Interlab Diagnostica Ltda. (Chile)
11 de julio de 2016
Estimados : Creo que el objetivo de este foro no es comercial, lo cual es una làstima ya que siempre es interesante saber porque se obtienen mejores o peores resultados. Insisto que ninguna predicción NIR para análisis cuantitativo trabaja con comparaciones espectrales con espectros almacenados. Eso podría ser màs o menos valido para análisis discriminante cualtitativo. En todo caso , el como se obtenga el resultado da lo mismo, lo importante es el resultado. Es importante también aclarar que cuando se analizan resultados obtenidos por NIR por un profesional, no necesariamente todos los equipos NIR darán esos resultados. Por ejemplo lo indicado por el ingeniero Càrdenas, cuyos errores considero altos, se debe a que utilizan como información de absorbancia un número pequeño de datos ( 256 longitudes de Onda) y sòlo en el rango NIR hasta 1650 nm. Es conocido que el uso de las bandas de absorción sobre 1650 ( N-H, C-H,OH) dan modelos con errores SEC y SEP màs bajos, usando exactamente las mismas muestras y mismo datos de referencia para contruir el Modelo matemático. En realidad obtener resultados en 6 segundos o 30 segundos a mi modo de ver , da lo mismo, Otro tema es no cumplir la norma ISO que exije las mediciones NIR sean por debajo de la muestra y no por el lado expuesto al aire, ya que eso , dependiendo del tipo de muestra puede afectar, por algo es una Norma. Respecto a los precios, estos los pone cada distribuidor y no es`algo que se pueda tratar en un foro, pero sin duda lo que indica el Sr Guzmán es real, pero, hay opciones interesantes en el mercado. Finalmente insisto que los equipos no se ajustan. Para mejorar una prediciòn sòlo hay un par de caminos posibles, aumentar el número de datos en el Modelo, mejorar los valores de referencia usado, dimensionar la posibilidad de corrección de Bias, Slope incluso skew. Hay variables que definitivamente no funcionan por NIR. El Ingeniero Càrdenas menciona Histamina. Si se ve el error SEC de su Modelo de Histamina estoy casi seguro que es de alrededor de 250 a 300 ppm, con ese error no se puede trabajar. Quedo a su disposición y como siempre , es muy grato compartir experiencias y puntos de vista. Atte Fernando Morgado interlab.cl
Fernando Morgado
Interlab Diagnostica Ltda. (Chile)
8 de julio de 2016
Saludos. En términos generales a los Instrumentos NIR no se le ingresa ningún dato, se entiende que con los años se ha instaurado es ese concepto, pero en realidad ningún dato se pone en el equipo. Un NIR sòlo adquiere espectros , con mayor o menor número de puntos, mayor o menor exactitud fotométrica, etc, dependiendo del Instrumento, pero es lo único que hace. Como bien dice el Ingeniero Càrcamo los sistemas NIR requieren de un Modelo matemático para entregar un resultado numérico. Lo mismo es necesario en otras técnicas, un HPLC entrega resultado de concentración porque se construye un simple curca de calibración , lo mismo un GC o cualquier otro instrumento fotométrico. Sin Modelo matemático que muestre la relación entre la absorbancia y la concentración no hay resultado. En NIR es màs complejo porque la correlación entre Absorbancia y Concentración es màs compleja. Para muchas técnicas se usan un sert de estándares para el Modelo Matemàtico ( simples curvas de 5 puntos) , ene ste caso se tiene un sòlo valor de concentración y un sòlo valor de Absorbancia, con eso es muy simple construir una curva y calcular una pendiente para medir muestra desconocidas. Si lo piensan , en una calibración para un NIR se dispone de un Valor de Concentración por muestra y para cada muestra se registran múltiples absorbancias a multiples longitudes de onda ( no una sola). Es lo que se llaman modelos matemáticos Multivariados. Todos los que trabajan en NIR usan matemáticas de correlación Partial Least Square, MRL, etc. Todo este trabajo de obtener un Modelo matemático no tiene ninguna relación con el espectrofotómetro NIR. En algunos equipo se hace en un software separado, en otros en una parte del software integrado el equipo. Finalmente se obtiene una Modelo matemático, que es simplemente un archivo pequeñito, muchos de ellos de sòlo algunos Kb de peso. Esos archivos se ponen en alguna parte del programa de uso de rutina del NIR. Cuando ya existe este Modelo matemático o calibración , el equipo adquiere el espectro ( hasta allì la función del NIR como Instrumento) y luego el software aplica el Modelo matemático al espectro y entrega un resultado. NO SON COMPARACIONES ESPECTRALES CON UNA BASE DE DATOS. Como dice el Ingeniero un buen Modelo matemático requiere de dos cosas. Variabilidad espectral y abarcar rango. Por ejemplo un Modelo matemático creado sòlo con muestras de Harina de Jurel no funcionarà bien para muestras de Harina de merluza, ya que los score de calculo que dispone el modelo , no incluyen harina de Merluza. El Modelo puede haber sido calculado con muchas muestras, pero por ejemplo si sòlo considerò muestras con valores de Proteína entre 64% y 67%, posiblemente sus resultados sean erróneos en muestras fuera de este rango. La materia prima para construir un Modelo matemático son los espectros y los datos de referencia químicos de un set de muestras. Hay equipos con mejor calidad y rango espectral que otros y hay laboratorios de referencia mejores que otros. Finalmente, el ingeniero también tiene razón al indicar que los productos cambian en el tiempo. Generalmente un usuario NIR construye un modelo y nunca màs agrega a èl variabilidades espectrales nuevas ( estacionales) y cambios en las materias primas, En algún momento el NIR da resultados erróneos y la primera accicòn es decir que el Instrumento està malo, lo cual no es así, es el Modelo matemático que ya no es representativo de las muestras que se està midiendo Un equipo NIR de 1 millón de dólares darà malos resultados si los modelos matemáticos están mal construidos o no son robustos. Hay equipo NIR muy malos en el mercado, sin duda, pero hay otros muy buenos que no dan buenos resultados porque los Modelos matemáticos han sido errneamente construidos o no son actualizados en el tiempo Mis saludos a todos Atte Fernando Morgado Bioquìmico ( Interlab.cl) Especialista en Análisis NIR
Lilia Marin Martinez
Proteinas Marinas y Agropecuarios SA de CV - Protmagro
10 de octubre de 2015
Gracias explicación explícita y puntual Saludos
Fernando Morgado
Interlab Diagnostica Ltda. (Chile)
8 de octubre de 2015
Estimada Soledad : Los equipos NIR sòlo sirven para adquirir un espectro NIR, de una muestra determinada, es lo ùnico que hacen Instrumentalmente. Son espectrofòmetros como lo es un UV, un Visible, un raman, un Absorciòn atomica entre otros. Muchas veces los usuarios creen que son, por ejemplo, analizadores de proteina en Grano, cuando en realidad su ùnica funciòn es adquirir un espectro. Que puedan medir Proteina en Grano es porque existe un Modelo Matemàtico que usa la informaciòn espectral de la muestra medida y la convierte en un resultado numèrico. Cuando el usuario obtiene un mal resultado cree que su Instrumento no sirve o està malo, lo cual no es asì. La parte màs importante en el uso de un NIR es la creaciòn de los modelos matemàticos, lo que muchos llaman ¨ calibrar un Instrumento¨. Los NIR no se calibran, no se ajusta optica, detectores ni nada de hadware. Calibrar es crear un Modelo matematico de Predicciòn, usando los espectros adquiridos y datos quimicos de referencia de esos espectros, para el paràmetro de Interès. Si el Modelo es erroneo, por las razones que sea, el NIR, darà malos resultados, aunque sea un equipo de 1 millòn de dolares. Por todo lo anterior no se puede tratar superficialmente o en forma errònea los conceptos teòricos relacionados a Modelos Matemàticos, ya que es la parte màs importante en la implementaciòn de anàlisis NIR cuantitativo. Agradezco tu mensaje. Atte Fernando Morgado , Chile
Fernando Morgado
Interlab Diagnostica Ltda. (Chile)
2 de octubre de 2015

Estimada Faviana :
He visto cuidadosamente el video publicado y leìdo el breve resumen escrito.
Trabajo en el tema NIR hace 20 años, como distribuidor de estos instrumentos, asesor y consultor en todo lo relacionado.
En difusiòn cientìfica se debe ser cuidadoso en la forma de explicar como trabaja un tecnologìa.
La presentaciòn y texto tiene varios errores, que no tiene sentido detallar, sin embargo hay uno muy importante que no puedo dejar pasar, en beneficio del desarrollo de la tècnica y en beneficio de los usuarios finales.
Ningùn equipo NIR usado para anàlisis cuantitativo trabaja haciendo comparaciones espectrales contra lo que Usted llama una ^Biblioteca^, no importando si la matemàtica usada en la calibraciòn es una simple regresiòn Lineal Múltiple, un PLS ( Partial Least Square), PCR u otro. Los Modelos matemàticos no trabajan comparando espectros o buscando en la base de datos el espectro más parecido al espectro que haya registrado un Instrumento para una muestra de análisis.

Si permitimos que este concepto usado por Usted ( comparaciòn contra biblioteca) se difunda, difícilmente se podrà explicar a un usuario el porquè obtiene una mala predicciòn, si segùn è,l el espectro de la muestra medida en un equipo, està en lo que usted llama Biblioteca. 


Atentamente
Fernando Morgado Gnecco
Bioquìmico
Especialista Anàlisis NIR
Chile

Arturo Cárdenas
Grupo Cavenago
11 de julio de 2016
Ingº Morgado: Solo para saludarlo y agradecerle infinitamente por sus claros aportes en el tema al Foro. Un gran abrazo.
Súmate a Engormix y forma parte de la red social agropecuaria más grande del mundo.
Iniciar sesiónRegistrate