GCMS
Další informace
WebinářeO násKontaktujte násPodmínky užití
LabRulez s.r.o. Všechna práva vyhrazena. Obsah dostupný pod licencí CC BY-SA 4.0 Uveďte původ-Zachovejte licenci.

Analysis of Packaging Materials using a Mass Spectral Based Chemical Sensor

Aplikace | 2004 | GERSTELInstrumentace
GC/MSD, HeadSpace, GC/SQ
Zaměření
Potraviny a zemědělství, Průmysl a chemie, Materiálová analýza
Výrobce
Agilent Technologies, GERSTEL

Souhrn

Význam tématu


Kontrola kvality obalových materiálů je klíčová pro ochranu chuti a vůně potravin či dalších citlivých výrobků. Tradiční senzorické testy jsou časově náročné a subjektivní, proto se prosazuje využití chemických senzorů s hmotnostní spektrometrií pro rychlé, objektivní a automatizované sledování výroby přímo na výrobní lince.

Cíle a přehled studie


Cílem bylo ověřit použitelnost hmotnostně spektrálního chemického senzoru (HS ChemSensor) pro tři aplikace:
  • Rozlišení speciálních papírů s nízkou a vysokou emisí pachů.
  • Rozlišení šarží granulátu polyethylenu (PE) s přijatelnou a nepřijatelnou (off-odor) kvalitou.
  • Detekce stopových množství tri(propylenglykol)diakrylátu (TPGDA) v materiálech mléčných a džusových kartonů v ppb rozsahu.

Použitá metodika a instrumentace


Pro analýzy byl využit systém GERSTEL Headspace ChemSensor spojený s Agilent MSD (Mass Selective Detector) a dále porovnán s klasickým HS-GC/MS (GERSTEL MPS2). Pro chemometrické zpracování se využily metody SIMCA (PCA) a K-Nearest Neighbors (KNN).

  • Odebírání vzorků: statická hlava v nádobkách 10–20 mL, různé teploty a časy inkubace podle materiálu.
  • Režimy MSD: scan a selektivní ion monitoring (SIM) pro cílové fragmenty (např. m/z 55, 113 u TPGDA).
  • Datové zpracování: Gerstel ChemSensor makra generovala ASCII fingerprinty, SIMCA definovala třídy a mezitřídní vzdálenosti, KNN klasifikovalo neznámé vzorky.

Hlavní výsledky a diskuse


  • Papíry: SIMCA i KNN modely přesně oddělily čtyři typy papírů na „nízký“ a „vysoký“ pach s mezitřídními vzdálenostmi výrazně nad hodnotou 3.
  • PE granulát: identifikovány šarže s off-odor pomocí charakteristických iontů m/z 44 a 74. KNN s K=4 úspěšně přiřadil neznámé vzorky ke správné kategorii.
  • TPGDA v kartonech: v režimu SIM detekovány fragmenty m/z 55 a 113 v dávkách od 75 do 100 ppb. SIM přinesl vyšší citlivost než scan režim. Případné zvýšení citlivosti lze očekávat při využití SPME nebo SBSE obohacení.

Přínosy a praktické využití metody


Metoda umožňuje:
  • Rychlou (řádově minuty) a objektivní inspekci šarží papíru a polymerů bez chromatografické separace.
  • Snížení závislosti na senzorických panelech a GC/MS ve výběrových kontrolách.
  • Snadné reportování výsledků a možnost integrace přímo ve výrobním provozu.

Budoucí trendy a možnosti využití


Další rozvoj lze očekávat v oblasti:
  • Optimalizace SIM‐MSD parametrů (scan rate, počet iontů, dwell time) pro zvýšení citlivosti.
  • Využití technik SPME nebo SBSE pro obohacení stopových látek.
  • Rozšíření aplikací na další monomery, plasty a aditiva v potravinářských a farmaceutických obalech.
  • Implementace strojového učení pro automatickou detekci anomálií v reálném čase.

Závěr


Hmotnostně spektrální ChemSensor prokázal schopnost rychle a spolehlivě klasifikovat obalové materiály z hlediska nepříjemných pachů a detekovat stopové kontaminanty. Metoda nabízí efektivní alternativu ke konvenčním GC/MS technikám a otevřela cestu k průmyslovým aplikacím online kontroly kvality.

Reference


  1. Kolb B., Ettre L. S. Static Headspace–Gas Chromatography Theory and Practice. Wiley-VCH, New York, 1997.
  2. Marek T., Grollmann U. DIC Technical Review, 1999, 5, 93.

Obsah byl automaticky vytvořen z originálního PDF dokumentu pomocí AI a může obsahovat nepřesnosti.

PDF verze ke stažení a čtení
 

Podobná PDF

Toggle
Classification of Coffees from Different Origins by Chemical Sensor Technology
AppNote 13/2002 Classification of Coffees from Different Origins by Chemical Sensor Technology Inge M. Dirinck, Isabelle E. Van Leuven, Patrick J. Dirinck Laboratory for Flavor Research, Catholic Technical University St. Lieven, Gebr. Desmetstraat 1, B-9000 Gent, Belgium Arnd C. Heiden…
Klíčová slova
robusta, robustaarabica, arabicacoffee, coffeechemsensor, chemsensorkenya, kenyaclassification, classificationjava, javanoir, noirafrican, africanvietnam, vietnamsoft, softvarieties, varietiescoffees, coffeesgrain, grainbrazil
Use of a Mass Spectral Based Chemical Sensor to Discriminate Food and Beverage Samples: Olive Oils and Wine as Examples
AppNote 1/2004 Use of a Mass Spectral Based Chemical Sensor to Discriminate Food and Beverage Samples: Olive Oils and Wine as Examples Vanessa R. Kinton, Jacqueline A. Whitecavage Gerstel, Inc., 701 Digital Drive, Suite J, Linthicum, MD 21090, USA Arnd…
Klíčová slova
chemsensor, chemsensortca, tcaolive, oliveoils, oilsabundance, abundancegerstel, gerstelunknown, unknowndegassed, degassedknn, knnpure, pureppb, ppbwine, winefaster, fasterppt, pptwere
Wine Discrimination using a Mass Spectral Based Chemical Sensor
AppNote 2/2003 Wine Discrimination using a Mass Spectral Based Chemical Sensor Vanessa R. Kinton, Edward A. Pfannkoch Gerstel, Inc., Caton Research Center, 1510 Caton Center Drive, Suite H, Baltimore, MD 21227, USA M. Abdul Mabud, Sumer M. Dugar Alcohol &…
Klíčová slova
wines, winesvarietal, varietalabundance, abundancemerlot, merlotwine, winechemsensor, chemsensorpure, puregerstel, gerstelheadspace, headspaceobtained, obtainedmultivariate, multivariatepca, pcaprincipal, principalcabernet, cabernetfingerprint
Fast Analysis of Food and Beverage Products using a Mass Spectrometry Based Chemical Sensor
AppNote 1/2003 Fast Analysis of Food and Beverage Products using a Mass Spectrometry Based Chemical Sensor Arnd C. Heiden, Bita Kolahgar, Carlos Gil Gerstel GmbH & Co.KG, Eberhard-Gerstel-Platz 1, D-45473 Mülheim an der Ruhr, Germany Vanessa R. Kinton Gerstel, Inc.,…
Klíčová slova
robusta, robustachemsensor, chemsensorarabica, arabicagerstel, gersteltung, tungdiscrimination, discriminationjava, javaling, lingcoffees, coffeesdiscriminated, discriminatedanalysed, analysedclassification, classificationdifferent, differentcoffee, coffeesamples
Další projekty
LCMS
ICPMS
Sledujte nás
Další informace
WebinářeO násKontaktujte násPodmínky užití
LabRulez s.r.o. Všechna práva vyhrazena. Obsah dostupný pod licencí CC BY-SA 4.0 Uveďte původ-Zachovejte licenci.