Made available in DSpace on 2014-07-29T15:12:44Z (GMT). No. of bitstreams: 1 Dissertacao Igor Savioli Flores.pdf: 6295982 bytes, checksum: fc292d2f3cff38bb44fed2c853eb8d47 (MD5) Previous issue date: 2011-02-25 / For the first time, the use of the ¹H NMR is proposed about the origin of biodiesel blended biodiesel: biodiesel. In this study, we used biodieseis pure and combined into a total of sixty-six samples originating from soybean, tallow, cotton, rapeseed, sunflower, babassu, jatropha and peanuts. The increased demand or potential use in Brazil was the selection criterion. The PCA, selected regions of the spectrum of ¹ H NMR, proved to be a good tool for determining biodieseis present in mixtures and therefore very useful to differentiate the origin of the source of the grease biodiesel. However, because of the great similarity between some spectral biodieseis evaluated, their identification was only possible with the integration of characteristic signals, combined with multivariate analysis. Moreover, the selection of specific regions of the spectrum allowed to predict the composition of methyl esters of fatty acids in mixtures. Thus, there is the possibility of qualitatively predicting the properties of unknown mixtures, such as viscosity and lubricity, from the known correlation with the composition of esters. In the quantification step, models were created multivariate calibration (PLS) for different mixtures with the use of only two latent variables. The main models had prediction error (RMSEP) of less than 1% and linear correlation coefficients above 99%. This shows the possibility of determining the level of biodiesel in blends present different between biodieseis. The models were created using the full spectral information and also with variable selection, which allows quantification of biodiesel even in the presence of possible interfering impurities or remnants of production. A factorial design showed that the influence of MRI parameters (Line-broadening, Date and Time Domain Size) on accuracy of multivariate calibration models (PLS) was performed. With this, you can optimize the response expected by multivariate calibration models. Being a useful procedure in the use of NMR for quantitative (qNMR). / Pela primeira vez o uso da RMN de ¹H é proposto na avaliação da origem do biodiesel em misturas de biodiesel provenientes de diferentes fontes. Nesse estudo 66 amostras constituídas de biodiesel de soja, sebo, algodão, mamona, girassol, babaçu, pinhão manso e amendoim foram empregados na forma pura e como misturas binárias. O critério de seleção das matérias-primas foi feito com base na maior demanda do biodiesel no Brasil, ou considerando a sua potencialidade de utilização. As análises de PCA das regiões selecionadas dos espectros de RMN de ¹H mostraram ser uma boa ferramenta na determinação de biodiesel presente em misturas e, portanto, muito útil na discriminação da origem da fonte graxa do biodiesel. No entanto, devido à grande semelhança espectral entre o biodiesel de amendoim e pinhão manso, essa identificação só foi possível com a integração de sinais característicos, aliada à análise multivariada. Além disso, a seleção de regiões específicas do espectro possibilitou avaliar a composição de ésteres em misturas. Dessa forma, há a possibilidade de predizer semiquantitativamente a concentração do biodiesel e o par de misturas. Na etapa de quantificação, foram criados modelos de calibração multivariada (PLS) para diferentes tipos de misturas com o uso de apenas duas variáveis latentes. Os principais modelos tiveram erro de previsão (RMSEP) inferior a 1% e coeficientes de correlação linear superiores a 99%. Isto mostra a possibilidade de determinação do teor de biodiesel presente em misturas diversas. Os modelos foram criados utilizando toda informação espectral e também com seleção de variáveis, o que permite a quantificação do biodiesel mesmo na presença de possíveis interferentes ou impurezas remanescentes da produção. Um planejamento fatorial que mostrou a influência dos parâmetros de RMN (Line-broadening, Data Size e Time Domain) sobre a exatidão dos modelos de calibração multivariada (PLS). Com isto, foi possível otimizar a resposta esperada pelos modelos de calibração multivariada, sendo esse um procedimento útil no uso da técnica de RMN para fins quantitativos (qNMR).