CONFERÊNCIAS

PALESTRANTE:
Fabricio Alejandro Chiappini (Universidad Nacional del Litoral - Santa Fé - Argentina)

TÍTULO:

Artificial neural networks for multivariate calibration in non-linear systems

In the last decades, the generation of multidimensional spectroscopic data for monitoring industrial processes has become increasingly popular. These strategies constitute non-invasive and relatively low-cost methodologies that can provide information of multiple components present in complex matrices, enabling the implementation of rapid methods for the on-/at-line prediction of key process variables. However, the presence of non-linearities in industrial process data is quite often, since signals are directly obtained from complex, non-diluted and saturated samples, where the analytes of interest are exposed to strong matrix effects. In this sense and regarding multidimensional data modelling, an attractive alternative to cope with nonlinearity in multivariate calibration has been the use of artificial neural networks (ANN), which are nowadays frequently reported in the literature. The aim of this conference is to present some fundamentals about ANN data modelling for calibration purposes, with specific emphasis in multilayer perceptron (MLP), and discuss some relevant aspects regarding model development and validation. In particular, recent advances in analytical figures of merit (AFOM) of ANN-based methods will be presented.

PALESTRANTE:
Hector Goicoechea (Universidad Nacional del Litoral – Santa Fé - Argentina)

TÍTULO:

Advantages of second- and third-order data modeling for classification applications

This talk outlines some of the challenging aspects of applying second- and third-order data modeling in classification issues analyzing selected examples of current applications. The main analytical platforms used for classification are briefly discussed from the application point of view, and the utilization of the generated data is illustrated.

After a critical discussion of the advantages concerning the general features of the available algorithms and their underlying models, examples are presented and discussed in detail with the purpose of illustrating the high potentiality of higher-order data modeling in the classification field. In addition, advanced data pre-processing tools, prior to multivariate analysis, are explained, and relevant tools are displayed.1

Analysing illustrative examples it can be seen how the ability in terms of discrimination power, in some particular cases, can be improved by using higher-order data, especially when they are arranged in a three-way structure vs. first-order data.

Azcarate, S.; de Araújo Gomes, A.; Muñoz de la Peña, A.; Goicoechea, H. Trends Anal. Chem. (TRAC) 2018, 107 151.

PALESTRANTE:
Maria Fernanda Pimentel Avelar (UFPE)

TÍTULO:

Quimiometria na Indústria 4.0

O conceito de Indústria 4.0 tornou-se popular a partir de 2011, quando foi revelado na Feira de Hannover (Alemanha). Propõe uma mudança de paradigma em relação à forma de produção, com a descentralização do controle dos processos produtivos e proliferação de dispositivos inteligentes interconectados, ao longo de toda a cadeia de produção e logística. Existem princípios para o desenvolvimento e implantação da indústria 4.0, que a Quimiometria pode atuar e contribuir, tais como: aquisição e tratamento de dados de forma praticamente instantânea, permitindo a tomada de decisões em tempo real; aumento da virtualização, propondo a existência de uma cópia virtual das fabricas inteligentes, que permita a rastreabilidade e monitoramento remoto de todos os processos por meio de sensores instalados ao longo da planta industrial. Nessa apresentação, serão abordados os princípios da Indústria 4.o, bem como exemplificados trabalhos na área de quimiometria que atendem aos critérios da quarta revolução industrial.

PALESTRANTE:
Jez William Batista Braga (UnB)

TÍTULO:

Detecção de amostras anômalas (outliers) e sua relevância para modelos de discriminação por mínimos quadrados parciais (PLS-DA)

Atualmente o uso de modelos de discriminação tem se popularizado para a resolução de diversos problemas de classificação ou identificação, tais como: discriminar entre variedades de uma determinada espécie de planta, entre tipos de biodiesel em relação à sua fonte ou processo de síntese, produtos autênticos de falsificados, identificação da procedência em produtos de origem certificada, etc. Dentre os diversos modelos de discriminação presentes na literatura, o PLS-DA é um dos que tem apresentado maior destaque. A eficiência desses modelos de discriminação é geralmente comprovada com a determinação de figuras de mérito para um conjunto de amostras independente das que foram utilizadas na fase de treinamento. Contudo, um aspecto que muitas vezes não é ressaltado na maioria dos trabalhos é a verificação da presença de amostras anômalas (“outliers”) na fase de treinamento e, sobretudo, na validação ou aplicação em rotina do método. Tendo em vista que todos os modelos de calibração, discriminação ou classificação são locais, modelam uma um espaço amostral que é dependente das amostras de treinamento/calibração, a identificação de outliers é de extrema importância, pois tem a intenção de verificar se as amostras pertencem ao espaço amostral contemplado pelo modelo. Nessa palestra será apresentada uma breve revisão dos principais métodos de detecção de outliers utilizados em PLS-DA e discutida sua extrema relevância para evitar erros de discriminação e conclusões erradas com esses modelos.

PALESTRANTE:
Fabiola Manhas Verbi Pereira (UNESP)

TÍTULO:

Planejamento de Experimentos: uso de tutorial, vídeos e programa livre

O uso de tutorial em planejamento de experimentos pode contribuir para o direcionamento no processo de aprendizagem e aplicações desta ferramenta em dados químicos. Uma das maiores dificuldades encontradas pelo experimentador é que não há fórmulas ou um guia de como iniciar a avaliação dos dados e proceder nas tomadas de decisão. Assim a proposta de um tutorial com sugestões de estratégias para o início de um delineamento experimental e refinamento foram elaboradas, bem como a interação do experimentador com rotinas computacionais disponibilizadas para uso em programa livre. Nesta apresentação serão evidenciadas experiências com usuários que desconheciam as ferramentas e que passam a utilizá-las com melhor propriedade do conhecimento. Variações de planejamentos experimentais podem ser calculadas com estas rotinas, como exemplos Composto Central, Doehlert e Box-Behnken. Um total de seis etapas serão mostradas: (i) triagem das variáveis, (ii) proposição de modelos, (iii e iv) Tabela Anova, (iv) avaliação dos coeficientes e (vi) validação do modelo proposto. Resultados provenientes de minha linha de pesquisa que envolve a interação entre técnicas quimiométricas, fluorescência de raios X e bioenergia também serão apresentados.

PALESTRANTE:
José Licarion Pinto Segundo Neto (UFPE)

TÍTULO:

Quimiometria em cromatografia: Quando a separação física não é alcançada

O desenvolvimento de uma metodologia cromatográfica validada demanda o investimento de tempo, reagentes e mão de obra qualificada e pode ser invalidada por uma amostra com uma composição distinta das usadas na etapa de validação. Além de ser susceptível a interferências, eluições longas geralmente são usadas para separar fisicamente todos os constituintes na coluna, em especial aqueles com estruturas semelhantes. A quimiometria pode simplificar o desenvolvimento de uma metodologia de análise cromatográfica desde o preparo da amostra até a eluição, ao separar os analitos dos interferentes de forma guiada por modelos de superfície de resposta. Uma outra vertente da quimiometria também auxilia no desenvolvimento de uma análise cromatográfica ao resolver matematicamente interferências com a vantagem de segunda ordem. A vantagem de segunda ordem vem sendo usada para realizar quantificações exatas, mesmo na presença de interferências possibilitando aplicar o método desenvolvido a vários produtos (metodologias multiproduto). Usar abordagens quimiométricas para separar interferências matematicamente em substituição a separação físico-química na coluna ou por etapas de preparo de amostra, possibilita incluir muitas vantagens experimentais na metodologia desenvolvida. O intuito dessa palestra é apresentar alguns fundamentos e estudos de casos que tornem claro as vantagens da modelagem multivias para o desenvolvimento de metodologias de análise cromatográfica. Os estudos de casos que serão apresentados buscam resolver interferências em dados cromatográficos de segunda e terceira ordem onde há coeluição de muitos constituintes e em caso de interferência de constituintes com espectros idênticos.

PALESTRANTE:
Edvan Cirino da Silva (UFPB)

TÍTULO:

Algoritmos bio-inspirados para seleção de variáveis em modelagem multivariada

O desenvolvimento de diversas técnicas ou tecnologias tem sido inspirado nanatureza. A título de exemplo, pode-se citar o sonar, os aviões e os submarinos queforam inspirados no comportamento de, respectivamente, morcegos, pássaros e peixes.Nesse cenário destaca-se a técnica de otimização de enxame de partículas, a qual foiproposta Eberhart e Dr. Kennedy. Essa técnica foi inspirada no comportamento socialde aves reunidas ou de criação de peixes. Sua heurística consiste em utilizar umapopulação de partículas (e. g. pássaros) que percorrem o espaço de busca do problema aser otimizado, apresentando comportamento estocástico quanto à individualidade e àsociabilidade. A implementação dessa técnica no domínio computacional requer odesenvolvimento de algoritmos, geralmente específicos para cada problema a otimizar,que incorporam as operações matemáticas do comportamento estocástico bio-inspirado.No campo da quimiometria, a literatura tem reportado poucos trabalhos que exploram aotimização de enxame de partículas para fins de seleção de variáveis, especialmente emmodelagem multivariada de classificação. Nesse contexto, destacam-se o algoritmo deotimização por colônia de formigas (Ant Colony Optimization-ACO) e o algoritmo dosmorcegos (Bat algorithm) para seleção de variáveis em análise discriminante linear(Linear Discriminant Analysis-LDA). O algoritmo BA-LDA tem sido desenvolvidopelo nosso grupo de pesquisa no LAQA/DQ/CCEN/UFPB em colaboração com o Prof.Dr. Clarimar José Coelho do Laboratório de Computação Científica-LCC/PUC-Goiás.O algoritmo ACO-LDA foi desenvolvido pelo Prof. Dr. Adriano de Araujo Gomes doLQIA no Instituto de Química da UFRGS, contando com a colaboração de nosso grupo.Na palestra, que proferirei no XI Workshop de Quimiometria, serão apresentados osfundamentos desses algoritmos e os principais resultados de suas aplicações.

PALESTRANTE:
Marco F. Ferrão, UFRGS, Instituto de Química.

TÍTULO:

Aprendizagem de Máquina em Química Analítica

A partir dos anos 90, houve uma grande transformação na química analítica com a utilização extensiva das técnicas instrumentais como cromatografia e espectroscopia acopladas aos computadores, gerando a necessidade de novas metodologias para o tratamento dos dados, surgindo novas técnicas quimiométricas para o tratamento de dados multivariados em Química. A crescente quantidade de dados que os instrumentos científicos atuais de última geração são capazes de gerar, incluindo os voltados para a química analítica, tem forçado a comunidade científica a buscar novas metodologias para a análise desses dados, conhecidos como “big data”. Neste cenário, onde muito dos algoritmos disponíveis (softwares comerciais ou de código aberto) não estão totalmente adaptados para lidar com a grande quantidade de dados produzidos por instrumentos de alta resolução e que podem gerar dados extremamente complexos, difusos e não lineares. Também esses algoritmos não são totalmente adaptados para fornecer resultados de forma automatizada. Nesse caso, algoritmos de aprendizagem de máquina passam ser uma alternativa atraente para o tratamento desse tipo de dados. Serão apresentadas aplicações das Máquinas de Vetores de Suporte (Support Vector Machines - SVM), em especial para tratamento de dados espectroscópicos.

PALESTRANTE:
Ricardo Saldanha Honorato (Polícia Federal)

TÍTULO:

Uma Visão Multivariada da Química Forense

A investigação policial tende a ser, a cada dia, mais técnica e científica, valorizando sempre o exame dos vestígios materiais relacionados ao crime e ao criminoso. O perito criminal é o policial especializado que, através de emprego de métodos e técnicas apropriadas, recolhe, examina e interpreta os vestígios materiais ligados ao fato em apuração, visando estabelecer uma relação desses vestígios com o fato. A química analítica representa uma importante ferramenta para a Perícia Criminal.

Por outro lado, cada vez mais, surgem técnicas analíticas capazes de gerar uma quantidade enorme de informação, ou especificamente, de dados. Como consequência, a química analítica forense tem recorrido com frequência aos métodos multivariados de análise de dados.

Nesta Palestra, serão abordados exemplos de aplicações quimiométricas a casos reais forenses. Concomitantemente, será apresentada uma visão geral das técnicas quimiométricas e analíticas empregadas. Espera-se com o minicurso, divulgar a realidade da perícia criminal, principalmente quanto ao emprego de métodos multivariados de análise de dados em aplicações forenses.

Lucas Logo.png

Organização:

Contato

  (83) 9 9104-4754

  xiw.quimiometria.uepb@gmail.com

  /xiwquimiometria

© 2020 site criado por Lucas Veríssimo.