Uso do método Rancimat e ferramentas quimiométricas para discriminação de misturas ternárias de biodiesel e quantificação de seus componentes

Abstract

O biodiesel pode apresentar diferentes propriedades físico-químicas, a depender da composição química de ácidos graxos da matéria-prima. Com isso, alguns biodieseis produzidos a partir de determinadas oleaginosas podem não atender todas as especificações exigidas pelas normas regulamentadoras. Uma estratégia para se contornar tal problema é usar misturas de biodieseis de diferentes origens com objetivo de melhorar as características químicas e físicas do combustível e, assim, adequar as propriedades da mistura final. Neste trabalho, propõe-se o uso do método Rancimat combinado com análise por componentes principais (PCA) e mínimos quadrados parciais (PLS) para discriminação de misturas de biodiesel de soja, de sebo bovino e de algodão, e quantificação de seus componentes. As misturas ternárias de biodiesel de soja, de sebo bovino e de algodão foram preparadas com auxílio de um planejamento experimental de misturas. As curvas de condutividade das amostras foram obtidas no equipamento Rancimat a uma temperatura de 110°C e fluxo de ar constante de 12 L h-1. As análises por PCA das curvas de condutividade mostraram ser uma boa ferramenta na discriminação da origem da fonte graxa do biodiesel presente nas misturas. No entanto, devido à semelhança na composição química entre o óleo de soja e de algodão, o uso do PCA não foi capaz de distinguir as misturas com altos níveis de biodiesel dos respectivos óleos. Neste caso, essa identificação só foi possível através da análise por PLS. Na etapa de quantificação, foram construídos modelos de calibração multivariada (PLS) para cada componente das misturas de biodiesel. Os modelos foram criados utilizando todos os dados brutos obtendo-se valores de RMSEP (erro de previsão) iguais a 25,9% (v/v); 12,9% (v/v) e 24,3% (v/v) para biodiesel de soja, de sebo e de algodão, respectivamente. Modelos de calibração também foram construídos utilizando seleção de variáveis por algoritmo genético (PLS-GA). A calibração multivariada por PLS-GA mostrou-se ser mais eficaz na previsão dos teores de biodiesel de soja (RMSEP= 5,3% (v/v)), de sebo (RMSEP= 3,8% (v/v)) e de algodão (RMSEP= 5,7% (v/v)) se comparado com PLS utilizando-se dados brutos de condutividade, obtendo-se menores erros de previsão. Com isso, foi possível desenvolver um método, empregando-se o Rancimat combinado com PLS-GA, para discriminar e quantificar os componentes de misturas de biodiesel de diferentes matérias-primas.