Automation of the picoSpin 80 1H NMR benchtop spectrometer for high-throughput determination of the research octane number of fuels
Aplikace | 2016 | Thermo Fisher ScientificInstrumentace
Rychlé a spolehlivé stanovení výzkumného oktanového čísla (RON) je klíčové pro kontrolu kvality motorových paliv. Tradiční metody založené na CFR motoru nebo plynové chromatografii jsou časově náročné. Low-field 1H NMR ve spojení s plně automatizovaným vzorkovačem umožňuje výrazné zkrácení doby analýzy a zvýšení propustnosti laboratoře bez ztráty přesnosti.
Cílem studie bylo navrhnout a ověřit plně automatizované řešení pro vysokopropustné stanovení RON paliv za použití benchtop spektrometru picoSpin 80 (82 MHz) řízeného softwarovým prostředím MAESTRO a vzorkovačem GERSTEL MPS. Výsledná data byla vyhodnocena pomocí multivariační chemometrie (PCA a PLS).
Benchtop spektrometr picoSpin 80 (1H, 82 MHz, T = 34 °C) s průtokovou divizí (aktivní objem 0,2 µL) byl spojen PEEK kapilárou s robotickým vzorkovačem GERSTEL MPS 3 (1 000 µL stříkačka, 32 pozic pro 10 mL lahvičky, LC ventil, Fast Wash station). Vzorky se připravovaly mícháním paliva s TMS jako interním referenčním standardem a vstřikovaly se objemem 700 µL. NMR experiment typu one-pulse se sběrem 64 skenů a relaxačním zpožděním 7 s probíhal plně automaticky po spuštění signálem z MAESTRO. Spektra byla zpracována v MestReNova, chemometrie v MATLAB R2015b.
Analýza 47 vzorků paliv odhalila v alifatické i aromatické oblasti signály charakteristické pro přítomnost aditiv (etanol, MTBE, ETBE). PCA efektivně rozlišila skupiny s RON 98–102, nižší RON (95–97) byly geograficky blíže kvůli variabilnímu obsahu etanolu. PLS regresní model validovaný metodou leave-one-out dosáhl většiny predikcí s odchylkou do 0,5 RON a průměrnou přesností s lineární funkcí y = 0,97x + 2,49.
Automatizované propojení picoSpin 80 a GERSTEL MPS řízené MAESTRO poskytuje rychlou, robustní a vysoce propustnou metodu pro stanovení RON paliv pomocí low-field 1H NMR. Kombinace spektrální akvizice bez deuterovaných rozpouštědel a multivariační chemometrie nabízí alternativu k tradičním technikám snižující dobu analýzy a zvyšující efektivitu QC laboratoří.
NMR
ZaměřeníPrůmysl a chemie
VýrobceThermo Fisher Scientific
Souhrn
Význam tématu
Rychlé a spolehlivé stanovení výzkumného oktanového čísla (RON) je klíčové pro kontrolu kvality motorových paliv. Tradiční metody založené na CFR motoru nebo plynové chromatografii jsou časově náročné. Low-field 1H NMR ve spojení s plně automatizovaným vzorkovačem umožňuje výrazné zkrácení doby analýzy a zvýšení propustnosti laboratoře bez ztráty přesnosti.
Cíle a přehled studie
Cílem studie bylo navrhnout a ověřit plně automatizované řešení pro vysokopropustné stanovení RON paliv za použití benchtop spektrometru picoSpin 80 (82 MHz) řízeného softwarovým prostředím MAESTRO a vzorkovačem GERSTEL MPS. Výsledná data byla vyhodnocena pomocí multivariační chemometrie (PCA a PLS).
Použitá metodika a instrumentace
Benchtop spektrometr picoSpin 80 (1H, 82 MHz, T = 34 °C) s průtokovou divizí (aktivní objem 0,2 µL) byl spojen PEEK kapilárou s robotickým vzorkovačem GERSTEL MPS 3 (1 000 µL stříkačka, 32 pozic pro 10 mL lahvičky, LC ventil, Fast Wash station). Vzorky se připravovaly mícháním paliva s TMS jako interním referenčním standardem a vstřikovaly se objemem 700 µL. NMR experiment typu one-pulse se sběrem 64 skenů a relaxačním zpožděním 7 s probíhal plně automaticky po spuštění signálem z MAESTRO. Spektra byla zpracována v MestReNova, chemometrie v MATLAB R2015b.
Hlavní výsledky a diskuse
Analýza 47 vzorků paliv odhalila v alifatické i aromatické oblasti signály charakteristické pro přítomnost aditiv (etanol, MTBE, ETBE). PCA efektivně rozlišila skupiny s RON 98–102, nižší RON (95–97) byly geograficky blíže kvůli variabilnímu obsahu etanolu. PLS regresní model validovaný metodou leave-one-out dosáhl většiny predikcí s odchylkou do 0,5 RON a průměrnou přesností s lineární funkcí y = 0,97x + 2,49.
Přínosy a praktické využití metody
- Rychlost analýzy cca 7 min na vzorek vs. 25 min (CFR motor) nebo 45–90 min (GC).
- Vysoká propustnost >200 vzorků za 24 h.
- Žádná potřeba deuterovaných rozpouštědel, nízký objem vzorku.
- Plná automatizace workflow minimalizuje zásahy obsluhy a riziko chyb.
Budoucí trendy a možnosti využití
- Integrace dalších modulů (např. GC/GC-MS) pro rozšířenou analytiku.
- Větší vzorkovací kapacita vícezásobníkových systémů.
- Pokročilá chemometrie či strojové učení pro zlepšení predikce a klasifikace.
- Aplikace na široké spektrum biopaliv a směsí s odlišným složením.
Závěr
Automatizované propojení picoSpin 80 a GERSTEL MPS řízené MAESTRO poskytuje rychlou, robustní a vysoce propustnou metodu pro stanovení RON paliv pomocí low-field 1H NMR. Kombinace spektrální akvizice bez deuterovaných rozpouštědel a multivariační chemometrie nabízí alternativu k tradičním technikám snižující dobu analýzy a zvyšující efektivitu QC laboratoří.
Reference
- DIN EN 228:2014 – Kraftstoffe für KFZ – Unverbleite Ottokraftstoffe – Anforderungen und Prüfverfahren.
- ASTM D2885-13 – Standard Test Method for Determination of Octane Number of Spark-Ignition Engine Fuels by On-Line Direct Comparison Technique.
- D. Gruden, Umweltschutz in der Automobilindustrie, Teubner, 2008.
- W. Chew, P. Sharratt, Trends in process analytical technology, Anal. Methods, 2 (2010) 1412–1438.
- S. Wold, M. Sjöström, L. Eriksson, PLS-regression: A basic tool of chemometrics, Chemom. Intell. Lab. Syst. 58 (2001) 109–130.
Obsah byl automaticky vytvořen z originálního PDF dokumentu pomocí AI a může obsahovat nepřesnosti.
Podobná PDF
Hydrogen content determination by picoSpin NMR
2017|Thermo Fisher Scientific|Aplikace
APPLICATION NOTE AN52979 Hydrogen content determination by picoSpin NMR Author Abstract Daniel Frasco Thermo Fisher Scientific Madison, WI, USA Nuclear Magnetic Resonance (NMR) is an important tool for measuring hydrogen content in fuel. However, time domain NMR instruments (described below)…
Klíčová slova
nmr, nmrhydrogen, hydrogencontent, contenthmdso, hmdsopicospin, picospinerror, errorpetroleum, petroleumtheoretical, theoreticalrelative, relativefuels, fuelsdetermining, determiningnuclear, nuclearmesitylene, mesitylenespectrometer, spectrometerfield
Enhancing real-time monitoring and quality control of refined fuels with the Thermo Scientific™ MarqMetrix™ All-In-One Process Raman Analyzer
2025|Thermo Fisher Scientific|Aplikace
Application note Enhancing real-time monitoring and quality control of refined fuels with the Thermo Scientific™ MarqMetrix™ All-In-One Process Raman Analyzer Authors Summary Thomas Dearing, Ph.D. – Senior Staff Raman spectroscopy has evolved from a specialized technique into a premier Scientist,…
Klíčová slova
raman, ramanapi, apimarqmetrix, marqmetrixron, ronfuel, fuelmon, monprocess, processrefined, refinedcetane, cetanespectroscopy, spectroscopyproperties, propertiesanalyzer, analyzerreal, realone, onemonitoring
Petrochemical Application of Low Field Benchtop NMR: Characterization of Polyols and Epoxy Resins
2014|Thermo Fisher Scientific|Prezentace
Petrochemical Application of Low Field Benchtop NMR: Characterization of Polyols and Epoxy Resins Gulf Coast Conference – October 2014 Katherine M. Paulsen, Ph.D. October 14, 2014 The world leader in serving science 1 Overview of Petrochemical Industry http://en.wikipedia.org/wiki/Petrochemical 2 Opportunity…
Klíčová slova
polyols, polyolspolyol, polyolepoxy, epoxygasoline, gasolinepolyurethanes, polyurethanesnmr, nmrresin, resinserving, servingcontent, contentpetrochemical, petrochemicalleader, leaderprotons, protonsethylene, ethyleneoxide, oxideresins
410000053-A Quantitative Analysis of a Water-soluble Polymer Using the i-Raman EX Spectrometer Introduction Vibrational spectroscopy is a well-established, powerful tool for polymer characterization.[1,2] Infrared and Raman spectroscopy are complementary techniques that provide a molecular fingerprint and are capable of both…
Klíčová slova
metrohm, metrohmraman, ramanchemometric, chemometricpolymer, polymerspectroscopy, spectroscopypca, pcaprincipal, principalfunctionalized, functionalizedmultivariate, multivariatefunctionalization, functionalizationclassification, classificationmodel, modelregression, regressionanalysis, analysisinitial