NIR and Raman: Complementary Techniques for Raw Material Identification

Význam tématu

Raw Material Identification (RMID) je klíčový prvek řízení jakosti ve farmacii, potravinářství a chemickém průmyslu. Rychlé, spolehlivé a nedestruktivní ověření identity vstupních surovin snižuje riziko kontaminace procesů, omezuje plýtvání materiálem a časem a umožňuje širší nasazení testování v rámci Process Analytical Technology (PAT). Spektroskopické metody, především NIR a Raman, splňují kritéria rychlosti, jednoduchosti obsluhy a možnosti měření přímo v obalu bez destrukce vzorku.

Cíle a přehled studie

Studie porovnávala výkonnost FT-NIR a Raman spektroskopie při identifikaci 27 běžných farmaceutických surovin (aktiva, excipienty, lubrikanty, anorganické soli). Cílem bylo nalézt optimální, efektivní postup RMID v typickém provozním prostředí, přičemž primární strategií bylo použít NIR pro rychlou první kontrolu a v případě nejednoznačných výsledků doplnit analýzu Ramanem.

Použitá metodika

Metodika NIR (Antaris II FT-NIR):

• Instrument: Thermo Scientific Antaris II MDS (integrating sphere).
• Měření: 16 skenů, spektrální rozsah 10 000–4 000 cm-1, rozlišení 4 cm-1.
• Přístup: měření přes polyethylenové sáčky (možné i přes jiný průhledný obal).
• Preprocessing a modelování: multiplicative signal correction (MSC) pro korekci dráhy, první derivace pro odstranění baseline posunů, Norris smoothing (segment 9; gap 7), diskriminační analýza v softwaru TQ Analyst.
• Diagnostika: vyhodnocení shody pomocí Mahalanobisovy vzdálenosti k rozhodnutí o klasifikaci.

Metodika Raman (DXR SmartRaman):

• Instrument: Thermo Scientific DXR SmartRaman s Universal Platform Sampling příslušenstvím.
• Excitace: laser 780 nm, autoexposure k dosažení S/N ≥ 100 (akvizice až do 2 minut).
• Vyhodnocení: porovnání s databázovými spektry (library search) a výpočet skóre shody (100 = perfektní shoda).
• Poznámky: použití automatizovaných funkcí (autoexposure, Smart backgrounds, automatická kalibrace) minimalizuje potřebnou úroveň obsluhy.

Použitá instrumentace

• Thermo Scientific Antaris II FT-NIR (Method Development Sampling, integrating sphere).
• Thermo Scientific DXR SmartRaman (780 nm laser, Universal Platform Sampling accessory).
• Software: Thermo Scientific RESULT (NIR operace), TQ Analyst (chemometrie), DXR software pro knihovní vyhledávání.

Hlavní výsledky a diskuse

Vyhodnocení 27 standardních materiálů ukázalo, že většina položek byla NIR metodou jednoznačně identifikována s velkou separací od nejbližší nesprávné třídy (vysoké Mahalanobisovy vzdálenosti). Nicméně čtyři materiály měly Mahalanobisovu vzdálenost k nejbližší chybné třídě menší než 3, což indikovalo vyšší riziko chybné klasifikace: calcium carbonate (0,40), magnesium stearate (2,57), anhydrous magnesium sulfate (1,36) a manganese sulfate (2,57).

Specifické poznatky:

• Calcium carbonate: v NIR prakticky neprojevuje absorpce v měřeném rozsahu, takže NIR spektrum bylo dominováno signálem polyethylenového sáčku a došlo k úplné chybné klasifikaci.
• Magnesium stearate: jeho spektrální rysy mohou být podobné PET/PE obalům, což vede k možné záměně při měření přes sáček.
• Polyatomické anorganické soli (např. anhydrát MgSO4) často neposkytují dostatečné NIR informace a mohou být mezi sebou zaměnitelné.

Ramanová analýza těchto čtyř problematických vzorků pomocí DXR SmartRaman a knihovního porovnání vedla k jednoznačné identifikaci u všech čtyř případů. Získaná skóre shody byla vysoká: calcium carbonate 95,5; magnesium stearate 88,2; magnesium sulfate 96,3; manganese sulfate 99,4. Raman poskytl ostré, dobře rozlišitelné pásy zejména pro nepolární vazby a strukturální informace uhlíkového skeletu, což doplnilo slabé NIR signály u anorganik a látek s malou NIR aktivitou.

Přínosy a praktické využití metody

Hlavní přínosy kombinovaného přístupu NIR + Raman:

• Rychlost: NIR umožňuje analýzu do ~15 s (FT přístroje), standardní NIR měření ~15 s; Raman s automatickým režimem může dosáhnout S/N ≥ 100 během několika desítek sekund až 2 minut.
• Nedestruktivita: měření lze provádět přes běžné průhledné obaly, vzorky zůstávají archivovatelné.
• Diferencovaná citlivost: NIR je vhodné pro homogenní, hrubě granulované a organické materiály s dobrou prostupností světla; Raman exceluje u anorganik, nepolárních vazeb a v matricích s vysokým obsahem vody.
• Operativní nasazení: NIR s intuitivním softwarem umožňuje obsluhu i personálem bez hlubokého spektroskopického výcviku; Raman doplňuje workflow pro složitější případy.

Praktické implementace: rutinní RMID by měla používat NIR jako první krok pro rychlou kontrolu na příjmu a v průběhu procesu a zavést pravidlo přepnutí na Raman při nízké Mahalanobisově vzdálenosti nebo jiných varovných znacích nejednoznačnosti.

Budoucí trendy a možnosti využití

Očekávané směry rozvoje a praktického uplatnění:

• Integrace robustnějších chemometrických přístupů a strojového učení pro zlepšení diskriminace tříd při NIR, včetně adaptivních modelů nasazených v provozu.
• Prohlubování a standardizace knihoven Raman spekter, včetně metadat (balení, fyzikální forma), pro snížení rizika chybných identifikací.
• Vyšší automatizace a síťové propojení nástrojů (RTD, LIMS, PAT systémy) pro online/at-line RMID a okamžité rozhodování v rámci výrobního procesu.
• Další miniaturizace a rozvoj přenosných/benchtop přístrojů pro rychlou kontrolu na příjmu a v terénu.
• Pokračující zkvalitňování obslužného softwaru, který zjednodušuje složitější Raman procedury pro méně zkušené uživatele.

Závěr

Kombinace FT-NIR a Raman spektroskopie poskytuje komplementární a prakticky využitelný přístup k RMID v průmyslových provozech. NIR nabídne rychlé, jednoduché a nedestruktivní prvotní třídění vzorků, zatímco Raman poskytne doplňující kvalitativní informace a spolehlivé identifikace u materiálů s malou NIR aktivitou nebo u anorganických solí. Implementace obou technik v pracovním postupu zvyšuje celkovou robustnost RMID a umožňuje rychlé rozhodnutí od příjmu surovin až po linku výroby.

Reference

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