Grao en Química |
Asignaturas |
Química Analítica Avanzada y Quimiometría |
Contenidos |
|
|
|
Datos Identificativos | 2022/23 | |||||||||||||
Asignatura | Química Analítica Avanzada y Quimiometría | Código | 610G01015 | |||||||||||
Titulación |
|
|||||||||||||
Descriptores | Ciclo | Periodo | Curso | Tipo | Créditos | |||||||||
Grado | 1º cuatrimestre |
Cuarto | Obligatoria | 6 | ||||||||||
|
Tema | Subtema |
Tema 1. Introducción al análisis de trazas | Importancia del análisis de trazas y campos de aplicación. El proceso analítico en el análisis de trazas: requerimientos especiales. Importancia y requisitos básicos del muestreo. Estrategias de muestreo. Conservación y tratamiento de la muestra: fuentes de error. Aseguramiento de la calidad en el análisis de trazas. |
Tema 2. Análisis de trazas inorgánicas | Introducción. Destrucción de matrices orgánicas. Descomposición y disolución de matrices inorgánicas. Procesos de separación y preconcentración en análisis de trazas inorgánicas. Especiación de elementos traza. Aplicaciones analíticas. |
Tema 3. Análisis de trazas orgánicas | Introducción. Métodos de extracción de muestras sólidas. Métodos de extracción de muestras líquidas. Purificación, fraccionamiento y concentración de extractos orgánicos. Aplicaciones analíticas. |
Tema 4. Automatización en el laboratorio analítico | Objetivos de la automatización. Ventajas y desventajas de la automatización. Clasificación de los sistemas analíticos automáticos. Robotización del laboratorio. Miniaturización. Análisis de procesos. |
Tema 5. Introducción a la quimiometría | Definición de quimiometría. La quimiometría en el proceso analítico. Concepto de incertidumbre y cálculos básicos. |
Tema 6. Inferencia estadística y calibración univariable | Test estadísticos de inferencia en los laboratorios analíticos: ensayos de hipótesis y análisis de varianza. Aplicaciones al laboratorio y al control de producción. Métodos de calibración. Calibración univariante por regresión lineal de mínimos cuadrados. Validación del modelo de calibración. Intervalos de confianza. |
Tema 7. Diseño y optimización de experimentos | Diseño experimental: principios básicos. Tipos de diseños: diseños factoriales, diseños factoriales fraccionados y diseños Plackett-Burman. Optimización secuencial: método simplex. Diseños de superficie de respuesta. |
Tema 8. Análisis multivariable de datos | Introducción. Clasificación de métodos de reconocimiento de pautas. Métodos no supervisados: análisis de agrupaciones, análisis de componentes principales. Métodos supervisados: método SIMCA, método del vecino más próximo (KNN). |
Prácticas de laboratorio | El alumno aplicará los conceptos teóricos desarrollados a lo largo del curso aplicando las metodologías analíticas necesarias para resolver un problema real en el campo medioambiental, industrial, agroalimentario, clínico.. |
|