NIR and Raman: Complementary Techniques for Raw Material Identification

NIR a Raman: komplementární techniky pro identifikaci surovin

Význam tématu

Spektrální metody pro identifikaci surovin (Raw Material Identification, RMID) hrají klíčovou roli v oblasti farmacie, potravinářství a chemické výroby. Rychlá, spolehlivá a nedestruktivní identifikace surovin před jejich použitím snižuje riziko kontaminace, minimalizuje zmetky a zkracuje dobu zpracování. Implementace spektroskopických technik na vstupu surovin i v průběhu výrobního procesu je zároveň důležitou součástí iniciativ Process Analytical Technology (PAT), protože umožňuje kontroly přímo na místě (at-line/on-line) s minimálními požadavky na odběr vzorků a odbornou obsluhu.

Cíle a přehled studie / článku

Cílem technické poznámky bylo porovnat a ukázat komplementaritu FT‑NIR a Raman spektroskopie při identifikaci běžných farmaceutických surovin (27 materiálů představujících API, excipienty, lubrikanty a soli). Studie testovala praktickou použitelnost obou technik při měření přes běžné obaly (polyethylenové sáčky) a navrhla optimální pracovní postup: rychlé screeningové rozpoznání NIR a následné potvrzení či řešení problematických vzorků pomocí Raman spektroskopie.

Použitá metodika a instrumentace

• Instrumentace:
  • Thermo Scientific Antaris II FT‑NIR (Integrating Sphere, Method Development Sampling, MDS)
  • Software RESULT pro provoz NIR a TQ Analyst pro chemometrickou klasifikaci
  • Thermo Scientific DXR SmartRaman se 780 nm laserem a Universal Platform Sampling příslušenstvím
• NIR měření: 16 skenů, rozlišení 4 cm−1, rozsah 10 000–4 000 cm−1; vzorky snímány přes polyethylenové sáčky položené na integrující sféře; předzpracování spekter zahrnovalo multiplicative signal correction (MSC) pro korekci dráhy, první derivaci a vyhlazení Norrisovým algoritmem (segment 9; gap 7). Klasifikace probíhala metodou diskriminační analýzy (Discriminant Analysis).
• Raman měření: 780 nm laser, autoexposure nastaven tak, aby S/N ≥ 100 (sběr dat až do ~2 minut); identifikace probíhala primárně pomocí vyhledávání v databázích knihoven spekter (library search) s kvantifikovaným skóre shody.
• Sada testovaných materiálů: 27 položek zahrnujících organické látky (acetaminofen, kyselina acetylsalicylová, sacharóza, laktóza, mannitol aj.), excipienty (mikrokřemičitá celulóza, polyethylenglykol), lubrikanty (magnesium/stearát), a anorganické soli (CaCO3, MgSO4, MnSO4, NaHPO4 atd.).

Hlavní výsledky a diskuse

• Většina testovaných surovin byla NIR spektroskopií rychle a jednoznačně identifikována. FT‑NIR poskytuje výhodu hlubšího pronikání světla do vzorku, menší citlivosti na obaly ze skla či plastu a možnosti měření bez vybalování vzorku.
• Pro vyhodnocení kvality chemometrické metody použili autoři Mahalanobisovu vzdálenost k určení, jak blízko je spektrum k typickému spektru dané třídy. Většina tříd měla značné rozestupy k nejbližší chybné třídě, což indikuje nízké riziko chybných identifikací.
• Nicméně čtyři materiály měly Mahalanobisovu vzdálenost k nejbližší chybné třídě menší než 3 jednotky, což značí vyšší riziko mylné klasifikace. Zvlášť problematický byl CaCO3, které v NIR prakticky nevykazovalo vlastní absorpce a spektrum bylo ovlivněno obalem (polyethylenový sáček). Podobně magnesium stearate vykazoval spektrální podobnost s polyethylenem.
• Raman spektroskopie úspěšně identifikovala všechny čtyři problematické vzorky pomocí knihovního vyhledávání. Uvedená skóre shody byla: CaCO3 95.5; magnesium stearate 88.2; MgSO4 96.3; MnSO4 99.4. Raman tak kompenzuje slabiny NIR zejména u materiálů s nízkou NIR absorpcí (nepolární vazby, anorganické soli) nebo tam, kde je nutné detailní chemické rozlišení díky ostřejším a lépe rozlišeným pásům.
• Shrnutí komplementarity: NIR lépe zachytí polární vazby s větším statistickým průměrováním vzorku (větší plochy měření, lepší průnik světla) a je vhodné pro rychlý screening; Raman poskytuje vyšší chemickou specifičnost (zejména pro nepolární C–C páteřní vazby a anorganické materiály) a je vhodný pro potvrzení či identifikaci neznámých materiálů.

Přínosy a praktické využití metody

• Nedestruktivita a možnost měření přes obaly umožňuje bezpečné, rychlé ověření na příjmové rampě, v mezioperačních bodech i v laboratořích bez potřeby složného přípravy vzorku.
• Rychlost: FT‑NIR poskytuje výsledky do ~15 sekund; běžné NIR měření ve studii trvalo cca 15 s (16 skenů). Raman s autoexposure může trvat až do ~2 minut, ale vrací detailnější chemickou informaci.
• Workflow doporučený autory: primární screening NIR (rychlý, jednoduchý, vhodný pro obsluhu s minimálním zaškolením) a sekundární analýza Ramanem u vzorků s nízkou jistotou (malé Mahalanobisovy vzdálenosti či podezření na materiály s nízkou NIR aktivitou).
• Praktické výhody zahrnují snížení nákladů na destruktivní testování, možnost archivace fyzických vzorků a lepší integraci do PAT a QA/QC procesů.

Budoucí trendy a možnosti využití

• Integrace obou technik do jediných pracovních postupů a rozšíření databází spekter pro snížení rizika falešné identifikace. Kombinace výsledků NIR a Raman v jednom rozhodovacím modelu (multimodální chemometrie nebo strojové učení) zvýší robustnost RMID.
• Další automatizace a uživatelsky orientované funkce (autoexpozice, automatická kalibrace, cloudové knihovny) zjednoduší nasazení v provozech s omezenou odbornou obsluhou.
• Miniaturizace a přenosné/ruční přístroje umožní širší použití přímo na rampě či v terénu; zároveň se očekává zlepšení poměru signál/šum u kompaktních Raman systémů a rychlejší online analýzy NIR.
• Pokročilé algoritmy předzpracování a učení (deep learning) mohou zlepšit rozlišovací schopnost i u materiálů s malými spektrálními rozdíly nebo tam, kde signál silně ovlivňuje obal.

Závěr

Studie ukazuje, že kombinace FT‑NIR a Raman spektroskopie poskytuje efektivní, rychlou a nedestruktivní strategii pro identifikaci širokého spektra surovin v průmyslovém prostředí. NIR slouží jako rychlý screening vhodný pro rutinní kontrolu, zatímco Raman je silným doplňkem pro řešení problematických případů a pro detailní chemickou identifikaci. Doporučený postup sníží riziko chybných identifikací, zlepší efektivitu provozu a usnadní implementaci PAT iniciativ.

Reference

1. Strother T. NIR and Raman: Complementary Techniques for Raw Material Identification. Thermo Fisher Scientific, Technical Note 51768, 2009.