Kombinierter Einsatz von compact 1H NMR-, NIR- und Raman-Spektroskopie mit multivariater Datenanalyse in der Prozessanalytik

Legner, Robin GND

In dieser Arbeit wurde die Anwendung von dimensionsreduzierten compact und benchtop spektroskopischen Methoden hinsichtlich ihrer Eignung für ein ressourceneffizientes Prozessmonitoring in Echtzeit und einer automatisierten offline Analytik mit hohem Probendurchsatz gezeigt. Dabei wurde unter den jeweils 12 Aspekten der Green Chemistry und Green Analytical Chemistry gearbeitet, die einen nachhaltig geführten Prozess inklusive dem ressourceneffizienten Einsatz einer Echtzeitanalytik fordern. Die Kombination automatisierter Analysen mit direkter Datenverarbeitung und multivariaten Analysenmethoden wurde ebenfalls erfolgreich implementiert und ermöglichte die simultane Erfassung von kritischen Prozessparametern. Die Analysen wurden mittels compact 1H NMR-, handheld Raman- und benchtop Raman- sowie NIR-Spektrometern durchgeführt. Mit Hilfe einer Modellreaktion wurde die Kopplung eines Mikroreaktionssystems mit diesen spektroskopischen Methoden getestet und die erhaltene Datenqualität mit einer Reaktionsführung in einer Glasapparatur verglichen. Die quantitative kinetische Betrachtung ermöglichte die Extraktion von aussagekräftigen c-t-Diagrammen, die für eine spätere autonome Prozesssteuerung als Basis dienen können. Derartige Konzentrationsprofile wurden univariat, wenn möglich, und mit multivariater Kurvenauflösung ermittelt. Die univariat und multivariat ermittelten Geschwindigkeitskonstanten zeigten mit allen spektroskopischen Methoden für die jeweiligen Reaktionsführungen im Mikroreaktions-system und Dreihalskolben vergleichbare Parameter. Mit einer gemittelten Geschwindigkeitskonstante von 0,017 min-1 im Dreihalskolben verlief die Reaktion viermal schneller als im Mikroreaktionssystem. Das Mikroreaktionssystem wurde um einen Kartuschenreaktor für eine heterogene Biokatalyse erweitert. Die lipasenkatalysierte Hydrolyse diente als Modellreaktion für Green Chemistry und Green Analytical Chemistry. Die inline angekoppelten Methoden NIR- und Raman-Spektroskopie und das online Monitoring mittels 1H NMR-Spektroskopie ermöglichten die univariate und multivariate Beschreibung des Prozesses. Die extrahierten c-t-Diagramme aller drei spektroskopischen Techniken wurden durch ein Reaktionskinetikmodell erster Ordnung beschrieben. Die univariate und multivariate Datenanalyse lieferten vergleichbare Geschwindigkeitskonstanten von 2,2 ∙ 10-3 min-1. Bedingt durch geringe Intensitäten und Überlagerungen von charakteristischen Signalen wurde die 2D-Heterokorrelationsspektroskopie für die Identifizierung relevanter Spektralbereiche erfolgreich eingesetzt. Hierfür wurden aus den 1H NMR- und schwingungsspektroskopischen Daten unter Verwendung von Kovarianz-Transformationen Korrelationsspektren generiert. Diese Methode ermöglichte die Zuordnung von Edukt- und Produktsignalen und die Extraktion spezifischer Spektralbereiche für die univariate Generierung von c-t-Diagrammen. Für das Prozessmonitoring eines kontinuierlichen Fermentationsprozesses wurden NMR- und handheld Raman-Spektrometer über die Durchflusszelle eines Autosamplers mit dem Reaktionssystem gekoppelt. Dies ermöglichte eine Analyse mit hohem Probendurchsatz und einer frei wählbaren Probenvorbereitung und eines Samplings von Referenzproben für chromatographische Analysen. Nach der erfolgreichen Machbarkeitsstudie mit einer einstufigen ethanolischen Gärung wurde die Reaktionsapparatur und Prozessführung optimiert und ein zweistufiger Prozess in Echtzeit überwacht. Die Hauptkomponentenanalyse lieferte eine qualitative Beschreibung des Reaktionsverlaufes, wobei kritische Prozessparameter wie die Ethanol-, Fructose-, Glucose- und Glycerinkonzentration ermittelt werden konnten. Für die Quantifizierung wurden PLS-1 und PLS-2-Analysen angewandt und hinsichtlich ihrer Vorhersagegenauigkeit verglichen. Die simultane Konzentrationsvorhersage aller Prozessmedien mit PLS-2 zeigte bedingt durch die Korrelation der Zielparameter mit den spektroskopischen Daten eine genauere Vorhersage. So zeigte der RMSEP für die Ethanolkonzentration auf Basis der NMR-Daten einen Wert von 0,029 mol∙L-1 für die einstufige- und 0,018 mol∙L-1 für die zweistufige Prozessführung. Im Vergleich zu den mittleren quadratischen Fehlern auf Basis der Raman-Daten zeigte sich für beide Prozesse mit einem RMSEP von 0,012 mol∙L-1 und 0,013 mol∙L-1 eine genauere Vorhersage. Trotz der geringen Konzentration von Glucose und Glycerin lagen die maximalen Vorhersagefehler beider Verfahren und Prozessführungen bei 0,012 mol∙L-1. Neben Prozessmonitoring in Echtzeit wurden die compact und benchtop Spektrometer ebenfalls für diskontinuierliche offline Analysen von Kraftstoffen eingesetzt. Dabei wurden mit den eingesetzten spektroskopischen Methoden 252 Ottokraftstoffe sowie eine Auswahl an Einzelkomponenten analysiert. Eine multivariate Klassifizierung ermöglichte eine qualitative Zuordnung der Hauptbestandteile kommerzieller Otto- und Dieselkraftstoffe. Anschließend erfolgte die Klassifizierung aller analysierter Kraftstoffproben, wobei die gängigen Qualitätsstufen Super, Super Plus und Premium in Abhängigkeit von der Oktanzahl getrennt werden konnten. Quantitative Bestimmungen der Oktanzahl gelangen mit multivariaten Regressionsverfahren wie PLS-1. Für alle spektroskopischen Methoden wurde die jeweilige Vorhersagegenauigkeit verglichen. Das Modell auf Basis der benchtop Raman-Daten zeigte mit einem RMSEP von 0,36 ROZ den geringsten Vorhersagefehler. Ebenso erzielte dieses Verfahren die höchste Vorhersagepräzision, sodass 95 % der Validierungsproben auf Basis von Dreifachmessungen innerhalb der Wiederholbarkeitsgrenze lagen. Die PLS-2 wurde für die simultane Vorhersage der Oktanzahl und relevanter Additivkonzentrationen angewendet. Hierbei zeigten benchtop Raman- und NMR-Modelle die niedrigsten Vorhersagefehler, sodass 70 % der Validierungsproben innerhalb der Wiederholbarkeitsgrenze bestimmt wurden. Aufgrund der vorhandenen Korrelation der Zielparameter mit den spektroskopischen Daten erwies sich der RMSEP auf Basis der separaten oder simultanen Vorhersagen als vergleichbar. So führte die PLS-2-Analyse auf Basis der benchtop Raman-Daten für die Ethanol-konzentration zu einer Verbesserung um 7 % im Vergleich zum PLS-1 Modell. Mindestens 72 % der Validierungsproben wurden mittels PLS-2 innerhalb der Wiederholbarkeitsgrenze für alle vier Zielparameter bestimmt. Ein Vergleich von Ergebnissen aus mobilen und benchtop Raman-Spektrometern zeigte die Vorteile und Limitierungen der flexiblen vor-Ort Analytik. Direkt analysierte kommerziell erworbene Tankstellenproben konnten mit dem generierten PCA-Modell erfolgreich in die jeweiligen Qualitätsstufen eingeordnet werden. Eine halbquantitative Aussage über die Oktanzahl dieser entnommenen Proben ergab übereinstimmende Werte mit den Angaben der Produktdatenblätter der jeweiligen Hersteller. Eine weitere Optimierung der Vorhersagegenauigkeit der Kraftstoffparameter wurde durch low-, mid- und high-level Datenfusion der jeweiligen spektroskopischen Methoden erreicht. Hierbei führte eine höhere Vorhersagegenauigkeit bei gleichzeitiger Steigerung der Robustheit der Modelle zu signifikant besseren Ergebnissen für alle Zielparameter auf Basis der mid-level Datenfusion. Die Kombination der NIR-, NMR- und Raman-spektroskopischen Daten ermöglichte durch entsprechende Datenvorbehandlung und Modellbildung die genauesten Vorhersagen mit 97 % der Validierungsproben innerhalb der Wiederholbarkeitsgrenze und 63 % der Proben unterhalb der Reproduzierbarkeitsgrenze von 0,2 ROZ. Dimensionsreduzierte Spektrometer eignen sich durch ihren kompakten Aufbau und der damit einhergehenden Mobilität sehr gut zur ressourcenschonenden Prozessanalytik in Echtzeit. Sie können ebenfalls hohen Probendurchsatz in der at- und offline-Analytik leisten. Nachteile hinsichtlich der moderaten Auflösung und Empfindlichkeit dieser Systeme können durch die Kombination mit geeigneter automatisierter Datenvorbehandlung und anschließenden chemometrischen Verfahren kompensiert werden.

In this study, the application of dimension-reduced compact and benchtop spectroscopic methods was demonstrated with regard to their suitability for resource efficient real-time process monitoring and automated offline analytics with high sample throughput. Compliance with the 12 aspects of Green Chemistry and Green Analytical Chemistry required a sustainably managed process including the resource-efficient use of real-time analytics. The combination of automated analyses with direct data processing and multivariate analysis methods was successfully implemented and enabled the simultaneous acquisition of critical process parameters. The analyses were performed using compact 1H NMR, handheld Raman, benchtop Raman and NIR spectrometers. Using a model reaction, the coupling of a microreaction system with these spectroscopic methods was tested and the obtained data quality compared to a reaction monitoring in a glass apparatus. The quantitative kinetic observation enabled the extraction of meaningful c-t diagrams, which may serve as basis for later autonomous process control. Such concentration profiles were determined univariate, if possible, and with multivariate curve resolution. The univariate and multivariate determined rate constants showed comparable results throughout the spectroscopic methods for the reactions in the microreaction system and the three-neck flask. With an average rate constant of 0.017 min-1 in the three-neck flask, the reaction was four times faster than in the microreaction system. The microreaction system was extended by a cartridge reactor for heterogeneous biocatalysis. The lipase-catalyzed hydrolysis served as a model reaction for Green Chemistry and Green Analytical Chemistry. The inline coupled methods NIR and Raman spectroscopy and the online monitoring by 1H NMR spectroscopy enabled the univariate and multivariate description of the process. The extracted c-t diagrams of all three spectroscopic techniques were described by a first order reaction kinetics model. The univariate and multivariate data analysis provided comparable reaction rate constants of 2.2 ∙ 10-3 min-1. Due to low intensities and superposition of characteristic signals, 2D hetero correlation spectroscopy was successfully used for the identification of relevant spectral ranges. For this purpose, correlation spectra were generated from the 1H NMR and vibration spectroscopic data using covariance transformations. This method allowed the assignment of reactant and product signals and the extraction of specific spectral ranges for the univariate generation of c-t diagrams. For process monitoring of a continuous fermentation process, NMR and handheld Raman spectrometers were coupled to the reaction system via the flow cell of an autosampler. This permitted a high sample throughput analysis with the desired sample preparation and a sampling of reference samples for chromatographic analysis. After the successful feasibility study with a one-stage ethanol fermentation, the reaction apparatus and process control were optimized and a two-stage process was monitored in real-time. The PCA provided a semi quantitative description of the reaction process, allowing critical process parameters such as ethanol, fructose, glucose and glycerol concentrations to be determined. For the quantitation, PLS-1 and PLS-2 analyses were applied and compared regarding their prediction accuracy. The simultaneous concentration prediction of all process media using PLS-2 showed a more accurate prediction due to the correlation of the target parameters with the spectroscopic data. Thus, the RMSEP of the ethanol concentration prediction showed a value of 0.029 mol∙L-1 for the one-stage and 0.018 mol∙L-1 for the two-stage process based on the NMR data. In comparison to the mean square errors based on the Raman data, the RMSEP of 0.012 mol∙L-1 and 0.013 mol∙L-1 indicated a more accurate prediction for both processes. Despite the low concentration of glucose and glycerol, the maximum prediction error for both methods and process control was 0.012 mol∙L-1. In addition to real-time process monitoring, the compact and benchtop spectrometers were used for discontinuous offline analyses of fuels. The spectroscopic methods were used to analyze 252 fuel samples and a selection of individual components. A multivariate analysis yielded a qualitative classification of the main components of commercial gasoline and diesel fuels. Subsequently, all analyzed fuel samples were classified, whereby the usual quality levels Super, Super Plus and Premium could be distinguished with respect to the octane number. Quantitative determinations of the octane number were obtained using multivariate regression methods such as PLS-1. For all spectroscopic methods, the prediction accuracy was compared. The model based on benchtop Raman data showed the lowest prediction error with an RMSEP of 0.36 RON. This method also achieved the highest prediction accuracy, so that 95 % of the validation samples based on triple measurements were within the repeatability limit. PLS-2 was used for simultaneous prediction of octane number and relevant additive concentrations. Benchtop Raman and NMR models showed the lowest prediction errors, so that 70 % of the validation samples were determined within the repeatability limit. Due to the existing correlation of the target parameters with the spectroscopic data, the RMSEP proved to be comparable on the basis of separate or simultaneous predictions. The PLS-2 analysis based on the benchtop Raman data for ethanol concentration led to an improvement of 7 % compared to the PLS-1 model. At least 72 % of the validation samples were determined by PLS-2 within the repeatability limit for all four target parameters. A comparison of results from mobile and benchtop Raman spectrometers showed the advantages and limitations of flexible on-site analysis. Directly analyzed commercially purchased gas station samples could be successfully attributed to the corresponding quality levels using the earlier established PCA model. A semi-quantitative statement on the octane number of the samples resulted in values identical to those given in the product data sheets of the manufacturers. A further optimization of the prediction accuracy of the fuel parameters was achieved by low-, mid- and high-level data fusion of the respective spectroscopic methods. A higher prediction accuracy and a simultaneous increase in the robustness of the models led to significantly better results for all target parameters based on mid-level data fusion. The combination of NIR-, NMR- and benchtop Raman-spectroscopic data preceded by appropriate data pretreatment and modeling yielded the most accurate predictions with 97 % of the validation samples within the repeatability limit and 63 % of the samples below the reproducibility limit of 0.2 RON. Due to their compact design and the associated mobility, dimensionally reduced spectrometers are very well suited for resource-saving process analysis in real time. They can also provide high sample throughput in at- and offline analysis. Disadvantages regarding the moderate resolution and sensitivity of these systems may be compensated by combining them with suitable automated data pretreatment and subsequent chemometric methods.

Cite

Citation style:
Legner, R., 2019. Kombinierter Einsatz von compact 1H NMR-, NIR- und Raman-Spektroskopie mit multivariater Datenanalyse in der Prozessanalytik. https://doi.org/10.17185/duepublico/70909
Could not load citation form.

Rights

Use and reproduction:
All rights reserved

Export