Orientador: Ronei Jesus Poppi / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Quimica / Made available in DSpace on 2018-08-08T23:09:23Z (GMT). No. of bitstreams: 1 Rocha_WericksonFortunatodeCarvalho_M.pdf: 1597999 bytes, checksum: b9442a7ba3c5fb6665bc87f6c0abf34f (MD5) Previous issue date: 2007 / Resumo: Este trabalho teve como objetivo realizar a validação de modelos de calibração multivariada através do cálculo de figuras de mérito e de cartas de controle multivariadas do medicamento Nimesulida por meio do infravermelho próximo. Foram preparadas 69 amostras sintéticas contendo o princípio ativo (Nimesulida) na faixa 10,38-39,47% (m/m) em excipiente (lactose, povidona-KV29- 32, celulose 200, lauril sulfato de sódio, croscarmelose sódica e estereato de magnésio). Destas, 49 amostras foram utilizadas para a calibração e 20 para a validação as quais foram separadas através do algoritmo de Kennard-Stone.O tratamento utilizado nos espectros foi a correção do espalhamento multiplicativo. Na sequência, foram obtidos os seguintes valores para as figuras de mérito: limite de detecção (0,61), limite de quantificação (2,03), exatidão (RMESC 0,66 %(m/m), RMESCV 0,92 %(m/m), RMESP 1,05 %(m/m) de Nimesulida), seletividade média (0,0056), sensibilidade (0,0036), inverso da sensibilidade analítica (0,20 %(m/m)-1 de Nimesulida) e razão sinal ruído (181,11). Na segunda parte do trabalho foram utilizadas 113 amostras sintéticas para construção das cartas de controle multivariadas. Foram desenvolvidas três cartas de controle e calculado os limites de controle para cada carta. Os valores encontrados foram: - carta NAS (Superior = 6,54x10; Inferior = 5,25x10), carta interferente (7,45) e carta resíduo (2,38x10). Através dessas cartas de controle multivariadas foi possível identificar as amostras que estavam dentro e fora de controle. Obteve-se 64 amostras fora de controle e 20 amostras dentro de controle de acordo com o planejamento experimental realizado. Sendo assim, foi possível identificar, de forma qualitativa, as amostras de Nimesulida que estavam dentro e fora de controle. Portanto, a dissertação desenvolvida sugere um novo método analítico que pode ser usado para controle de qualidade em fármacos e para validação de modelos de calibração multivariada, pois os resultados obtidos, indicam que o modelo desenvolvido pode ser utilizado na indústria farmacêutica como uma alternativa ao método-padrão / Abstract: This study was mainly intended to elaborate the validation of multivariate calibration models based on the determination of figures of merit and multivariate control charts constructed with data from Nimesulide tablets upon near-infrared spectroscopy use. A total of 69 synthetic samples were prepared containing the active principle (Nimesulide) in the range of 10,38-39, 47% (m/m) in excipients (Cellulose,Sodium Lauryl Sulphate, Magnesium Stearate, Carmellose Sodium,Povidone and Lactose). It was used 49 samples for the calibration and 20 for the validation that were separated by the Kennard-Stone algorithm. It was used the multiplicative scatter correction on the spectra set. Then, the following values for figures of merit were calculated: limit of detection (0,61) , limit quantification (2,03) , accuracy (RMESC 0,66 %(m/m), RMESCV 0,92%(m/m), RMESP 1,05%(m/m) of Nimesulide), mean selectivity (0,0056), sensitivity (0,0036), inverse analytical sensitivity (0,20 %(m/m)- 1 of the Nimesulide) and signal-to-noise ration (181, 11). In the second application, 113 synthetic samples were used for the construction of multivariate control charts. Three control charts were designed and the control limits for each chart were calculated. The values found were: - chart NAS (upper = 6,54x10; below = 5,25x10), chart interferent (7,45) and chart residual (2,38x10). From these charts it was possible to identify the samples that were in and out of control. It was obtained 64 samples out of control and 20 samples in control, according to the experimental design. Therefore, it was possible to identify, in a qualitative way, the Nimisulide samples that were in control and the ones that were out of control. Hence it follows that, this research project suggests a new analytical method that can be used for quality control in drugs and also for the validation of multivariate calibration models. Thus, the results obtained indicate that this model can be used in pharmaceutical industries as an alternative to the standard procedure / Mestrado / Quimica Analitica / Mestre em Química

Submitted by JOSIANE SANTOS DE OLIVEIRA (josianeso) on 2017-05-19T12:43:37Z No. of bitstreams: 1 Davenilcio Luiz de. Souza_.pdf: 539499 bytes, checksum: cf86851f0b7523f3b7d78589539fdbcb (MD5) / Made available in DSpace on 2017-05-19T12:43:37Z (GMT). No. of bitstreams: 1 Davenilcio Luiz de. Souza_.pdf: 539499 bytes, checksum: cf86851f0b7523f3b7d78589539fdbcb (MD5) Previous issue date: 2017-03-13 / Nenhuma / Os crimes de lavagem de dinheiro têm provocado grandes perdas aos países e a seus sistemas financeiros, o volume de dados em transações digitais representa dificuldade para a detecção deste tipo de ilícito. As auditorias em dados financeiros mostram-se limitadas na identificação de fraudes, pois em grande parte, ainda são realizadas com dados coletados por amostragem e incapazes de identificar as situações de delito em tempo real. Este trabalho, visando auxiliar no atendimento a esta lacuna, tem por objetivo propor um método estatístico de monitoramento por Cartas de Controle multivariadas, com base na Lei de Benford, para a detecção de suspeitas de fraude em lançamentos financeiros, entre eles os devidos à lavagem de dinheiro. Foi definido um modelo conceitual com distribuição de probabilidades representando dados oriundos de lançamentos financeiros, e adotada a suposição de que aderem a distribuição da Lei de Benford. Posteriormente foi considerada a distribuição empírica, estimada a partir dos próprios dados e dois procedimentos foram testados para verificar as suspeitas de fraude por lavagem de dinheiro utilizando a avaliação dos primeiros dígitos significativos: A Carta de Controle multivariada _2 e a Carta de Controle multivariada T2 de Hotelling. Foram simulados dados com auxílio do software R-Project até a ocorrência do 50.000o sinal. Foram avaliados casos simulados e reais, com o fim de exemplificar a operação do método. A partir da simulação, as duas Cartas de Controle testadas foram avaliadas quanto ao ARL, isto é, o número médio de observações até sinalizar que a série passou a operar em um estado fora de controle, o que significa a suspeita de lançamentos fraudulentos. Após aplicação do método de análise retrospectiva, com base nas proporções dos primeiros dígitos de Benford em lançamentos financeiros da campanha para Prefeito em 2016, não foram evidenciadas suspeitas de fraude nos dados obtidos junto ao sítio do Tribunal Superior Eleitoral (TSE). Em um conjunto de dados de uma instituição financeira, foram observados sinais de divergência entre as frequências dos primeiros dígitos nos lançamentos e nos valores esperados, porém os pontos além dos limites de controleidentificados encontram-se em um período próximo nas três análises realizadas, concentrando os dados de investigação para a auditoria financeira. A contribuição acadêmica deu-se pelo desenvolvimento de um modelo de aplicação de Cartas de Controle multivariadas e da Lei de Benford, com uma abordagem inovadora do controle estatístico de processos voltado à área financeira, utilizando recurso computacional acessível, de fácil processamento, confiável e preciso, que permite aprimoramento por novas abordagens acadêmicas. No que tange à contribuição à sociedade, se dá pelo uso do modelo por entidades que atuam com movimentações financeiras e pela comunidade, em dados de organizações civis e estatais divulgados nos canais de informação, de modo a proporcionar a prática cidadã pelo acesso à análise e a constatação da idoneidade dos fatos e dos dados. / Large losses are generated in the countryes financial systems, by money laundering. The volume of financial data is big issue to identify digital crime and money laundering. Audits in financial data have limitations in detecting fraud, in large part it is still performed in a traditional way, data are collected by sampling and often unable to identify a real-time crime situation. This research is aiming to serve in addressing this gap, to propose an monitoring statistical method, from multivariate control chart based on Benford’s law for detecting suspicious of fraud in financial data, including those due to money laundering. It was initially defined as a conceptual model in order to determine the type of probability distribution that represents data from financial launches. It was adopted an assumption that this type of data adheres to the Benford’s Law distribution. Subsequently, an empirical distribution was obtained, estimated from the own data. Two procedures were tested to verify a suspected money laundering fraud through the significant first-digit assessment: The Multivariate 2 Control Chart and the Multivariate Hotelling’s T2 Control Chart. Data were simulated using the R-Project software until the occurrence of the 50.000o signal. Finally, the simulation procedures were applied to real data in order to exemplify the method operationally. From the simulation, the two Control Charts tested were evaluated for ARL, that is, average number of observations until the signaling that the series started to operate in an out-of-control state, which it means suspicious of fraudulent launches. The application of the retrospective analysis method in the financial launchings of county’s campaign from 2016 Elections in five capitals of Brazil, based on the expected proportions from the first digit given by Benford’s Law, no suspicions fraud were evidenced in the data obtained from the site of Tribunal Superior Eleitoral (TSE). Considering the application in a set of data from a financial institution, signs of divergence between the frequencies of the first digits of the entries and the expected values were observed, but these points beyond the identified limits are close in all three analyzes. Indicating the period of the data which ones the audit will focus in a further investigation. Academic contribution is identified by developing a multivariate Control Chart together the Benford’s law in an application model with an innovative approach to the statistical process control aimed at the financial area,using accessible, easy to process, reliable and accurate computational resources that allow improvement through new academic approaches. As regard to the contribution to society, it is given the opportunity of applying the model by financial entities and the community in the data of civil and state organizations, disclosed in the information channels in order to provide access to analysis and verification of the suitability of facts and data by citizen practice.