Chapitre III Parta Version Corr PDF

S.
DUMAS
Le 20 juin 2003
_______________________________________________________________________________________
Dosage du polymorphisme : spectromtrie IRTF et chimiomtrie
100
Application aux formes polymorphes du CL20 (Hexaazahexanitroisowurtzitane / HNIW)
S.DUMAS
Le 20 juin 2003
SOMMAIRE
INTRODUCTION
VII - ETUDE BIBLIOGRAPHIQUE
7.1 - Les avantages des instruments TF par rapport aux spectromtres dispersifs
7.2 - Utilisation des techniques infrarouge dans le domaine des explosifs
7.3 - Apport des techniques chimiomtriques
7.3.1 - Analyse de donnes et mthodes chimiomtriques

7.3.2 - Lanalyse quantitative et lapport des mthodes chimiomtriques au traitement
des spectres infrarouges
7.3.3 - Les mthodes de prdictions quantitatives multivaries ou talonnages (calibrations)
7.3.3.1 - Rgression linaire et Mthode des moindres carrs
7.3.3.2 - La rgression linaire multiple et lanalyse multicomposants
7.3.4 - Les mthodes de compression de donnes

7.3.5 - La mthode des moindres carrs partiels PLS
7.3.5.1 - Le modle
7.3.5.2 - Loffre logicielle
7.3.6 - Exemples dapplications de la mthode des moindres carrs partiels en analyse

quantitative
CONCLUSION
VIII - ETUDE EXPLORATOIRE - DEMARCHE EXPERIMENTALE
8.1 - Domaine dtalonnage et choix des mlanges talons

8.2 - Conception de la matrice dtalonnage
8.3 - Matrice dtalonnage et plan de mlanges avec contraintes
8.4 - Construction de la matrice dtalonnage partir des points informatifs
8.5 - Rponses exprimentales
8.6 - Exprimentation
8.6.1 - Ralisation des mlanges talons

8.6.2 - Techniques dchantillonnage et de saisie des spectres IR
8.6.2.1 - Appareillage et Logiciels dexploitation des donnes

8.6.2.2 - Echantillonnage
8.6.2.3 - Saisie des spectres
_______________________________________________________________________________________
102
S.DUMAS
Le 20 juin 2003
8.7 - Exploitation des rsultats
8.7.1 - Mthodes danalyse dveloppes en Externe
8.7.1.1 - Exportation et mise en forme des donnes spectrales

8.7.1.2 - Exploitation des donnes spectrales
8.7.1.3 - Analyse des modles retenus
8.7.2 - Mthodes danalyse dveloppes en Interne avec Turbo Quant

8.7.3 - Analyse de lots industriels
8.7.3.1 - Etude prliminaire

8.7.3.2 - Analyse dun chantillonnage de 14 lots industriels
8.7.3.3 - Discussion des rsultats pour lanalyse de la forme
8.7.3.4 - Discussion des rsultats pour lanalyse de la forme , et
8.7.4 - Conclusion
IX - DEVELOPPEMENT DE LA METHODE DANALYSE QUANTITATIVE :
APPROCHE DEFINITIVE
9.1 - Travaux prliminaires
9.1.1 - Analyse thermique diffrentielle

9.1.2 - Sensibilit spectrale de la forme
9.1.3 - Influence de limpuret pentanitre
9.1.4 - Conclusion
9.2 - Mise au point dune nouvelle technique de prparation de la pastille de KBr
9.2.1 - Facteurs exprimentaux et rponses

9.2.2 - Matrices dexpriences et plans dexprimentations
9.2.3 - Mise en uvre de lexprimentation
9.2.3.2 - Rsultats exprimentaux
9.2.4 - Exploitation des rsultats
9.2.4.1 - Granulomtrie aprs broyage (Y1)

9.2.4.2 - Granulomtrie aprs mlangeage (Y2)
9.2.4.3 - Epaisseur de la pastille et nergie du faisceau IR absorbe (Y3 et Y4)
9.2.5 - Variabilit spectrale

9.2.6 - Conclusion
9.4 - Construction de la Matrice dtalonnage partir des points informatifs
9.6 - Exprimentation du second plan dexpriences


_______________________________________________________________________________________
103
S.DUMAS
Le 20 juin 2003


CONCLUSION
X - COMPARAISON Moyen IR / Proche IR
10.1 - Applications
10.3 - Etalonnage
10.4 - Rsultats et discussion
10.5 - Conclusion
XI - VALIDATION INDUSTRIELLE
11.1 - Analyse de lots industriels
11.1.1 - Analyse dun chantillonnage de 10 lots industriels

11.1.2 - Discussion des rsultats pour lanalyse de la forme polymorphe
11.1.3 - Discussion des rsultats pour lanalyse des formes polymorphes , et
11.1.4 - Comparaison partie exploratoire plan n1 (mthode TQ3) et partie approche
dfinitive plan n2 (mthode TQ4)
11.1.5 - Conclusion
11.2 - Transfert de la mthode sur le site de production
11.2.1 - Introduction
11.2.2 - Dmarche exprimentale
11.2.2.1 - Domaine dtalonnage

11.2.2.2 - Construction de la matrice dtalonnage partir des points informatifs
11.2.3 - Exprimentation
11.2.3.1 - Ralisation des mlanges talons

11.2.3.2 - Techniques dchantillonnage et saisie des spectres IR
11.2.4 - Exploitation des rsultats
11.2.4.1 - Mthodes danalyse dveloppes avec QUANT+

11.2.4.2 - Mthodes danalyse dveloppes avec TURBO QUANT
_______________________________________________________________________________________
104
S.DUMAS
Le 20 juin 2003
CONCLUSION
XII - SUIVI DE LA METHODE
12.1 - Introduction
12.2 - Etude exploratoire
12.2.1 - Discussion
12.2.2 - Conclusion
12.3 - Mise au point du contrle
12.3.1 - Suivi de la mthode de dosage (TQ4)

12.3.2 - Etude de lorigine des fluctuations
12.3.2.1 - Elaboration et ralisation de la matrice dtalonnage sans talon interne

12.3.2.2 - Mthode danalyse dveloppe avec TQ sans talon interne
12.3.2.3 - Recherche dun talon interne
12.3.2.4 - Matrice dtalonnage avec ltalon interne
12.3.2.5 - Mthode danalyse dveloppe avec ltalon interne
CONCLUSION GENERALE
PERSPECTIVES
Rfrences bibliographiques
ANNEXES
_______________________________________________________________________________________
105
S.DUMAS
Le 20 juin 2003
INTRODUCTION
Rappelons que le cahier des charges industriel implique la commercialisation dun
produit dont la teneur en forme soit suprieure 95% avec estimation de la teneur des autres
formes et des impurets prsentes. Il est donc ncessaire de mettre en uvre une mthode de
dosage possdant une prcision suffisante correspondant aux impratifs techniques et commerciaux.
Le choix de la spectromtrie moyen Infra-rouge ayant t fait, il sagit ds lors de mettre au point, doptimiser et de valider une mthode danalyse quantitative. Les outils chimiomtriques ont t mis profit pour concevoir notre exprimentation dune part et pour traiter
linformation exprimentale obtenue avec les spectres saisis aussi bien pour ltalonnage de la
mthode de dosage que pour sa validation.
VII - ETUDE BIBLIOGRAPHIQUE

A lorigine la spectromtrie IR en mode dispersif est une technique trs utilise dans
les laboratoires de synthses pour identifier rapidement les fonctions des structures obtenues.
Dans les annes 80, lapport de la transforme de Fourier (TF) coupl aux outils informatiques a donn une deuxime jeunesse cette technique. En effet le dveloppement des spectromtres transforme de Fourier construits autour dun interferomtre de type Michelson et
dun calculateur, lis aux progrs de la technologie dans le domaine des dtecteurs, de
loptique, de llectronique et de la microinformatique, lui ont permis de devenir lune des
techniques industrielles danalyse de routine les plus couramment utilises.
7.1 - Les avantages des instruments TF par rapport aux spectromtres dispersifs
Les spectromtres transforme de Fourier sont caractriss par :
- une grande simplicit mcanique, seul le miroir mobile de linterferomtre tant en mouvement ;
- une dtection simultane de toutes les frquences travers linterfrogramme, do une
grande rapidit de mesure (obtention dun spectre en 1sec comparer aux 10min ncessaires
un appareil dispersif pour la mme rsolution) ;
- une absence de fentes, le dtecteur reoit toute lnergie transmise par lchantillon. Cet
avantage est particulirement utile dans le cas dchantillons trs absorbants et pour les techniques de rflexion (ATR, rflexion diffuse) ;
_______________________________________________________________________________________
106
S.DUMAS
Le 20 juin 2003
- un rapport signal/bruit quivalent celui dun appareil dispersif obtenu en un seul balayage.
Ce rapport peut encore tre amlior par coaddition (accumulation) des spectres : grande
nergie et faible rapport S/B conduisent une haute sensibilit ;
- une grande prcision sur la frquence (0,01cm-1) grce un laser He-Ne qui sert reprer
avec prcision le dplacement (la position) du miroir mobile chaque balayage ;
- une absence de lumire parasite qui permet une rponse photomtrique variant linairement
jusqu une densit optique de 3.
- une absence dchauffement de lchantillon qui peut tre soumis beaucoup moins longtemps la radiation IR que dans le cas dun dispersif classique. Cet avantage est prcieux
dans le cas des molcules nergtiques telles le CL20.
- enfin on nobserve aucun spectre dmission de lchantillon qui est plac optiquement
aprs linterfromtre. Les radiations IR mises par lchantillon ne sont pas modules et par
consquent non dtectes.
En rsum, par rapport aux appareils dispersifs qui effectuent un balayage des longueurs dondes et ce, dautant plus lentement que la rsolution dsire est plus grande, les
appareils transforme de Fourier saisissent de manire simultane lintgralit de
linformation spectrale. Il en rsulte une grande rapidit dacquisition des spectres et un accroissement considrable de la sensibilit par addition de spectres, do le dveloppement des
techniques de couplage et des tudes cintiques. La prcision des mesures des frquences, une
bonne qualit des mesures dabsorbance et les possibilits de retraitement des spectres numriss via le dveloppement des techniques danalyse de donnes ont donn un nouvel essor
lanalyse quantitative IR. Pour une information dtaille sur lIRTF, parmi les nombreux ouvrages consacrs la spectromtrie IRTF on peut se rfrer celui de GRIFFITHS et
HASETH [1].
7.2 - Utilisation des techniques infrarouge dans le domaine des explosifs
Lemploi de la spectroscopie IRTF pour tudier les propergols remonte 1979 quand
W.W.SCHWARZ et O.C.SMITH [2] explicitent la raison du choix de cette technique analytique pour ce type dtude. Depuis, la spectromtrie infrarouge a t utilise pour ltude de
matriaux nergtiques tels que les propergols, notamment pour :
- lanalyse, la dtermination et lidentification des rsidus solides et des produits gazeux issus de leur dcomposition ;
_______________________________________________________________________________________
107
S.DUMAS
Le 20 juin 2003
- la mesure dabsorption durant la combustion, le suivi de lvolution des profils gazeux en fonction des profils de concentration et de temprature ;
- ltude de la cintique de dcomposition, de la mesure de la vitesse de formation, la
dtermination des paramtres dArrhnius Ea et A (pour ces types danalyses, linfrarouge est
parfois associ dautres techniques : spectromtrie de masse, chromatographie gazeuse[312]) ;
- pour raliser des contrles qualit, de conformit dun produit (cas du contrle de
propergols composites en association avec lHPLC [13]) ;
- pour tudier la stabilit thermique dun explosif dans des formulations [14] ;
- pour lidentification de produits inconnus issus dune synthse de produits (elle est
alors souvent associe la spectromtrie de masse) [15] ;
- pour la dtermination de proprits optiques de matriaux [16-18], ou de donnes
spectrales (elle est alors associe la spectromtrie RAMAN) [19] ;
- pour ltude dinteractions telles que les interactions entre le perchlorate
dammonium et des agents liants [20] ;
- pour la ralisation du diagramme de phase de produits nergtiques ou pour des tudes de solubilit [21, 22]
- pour lidentification de formes polymorphes [23-25]. H. OSTMARK et coll. [26] ont

analys et identifi les quatre formes polymorphes du CL20 ;
- pour ltude cintique dune raction telle que la raction entre un HTPB et un IPDI
[27] ;
- pour la dtermination de la proportion dun matriau pouvant tre extrait dune matrice : dtermination de la quantit de PAG pouvant tre extraite du liant dans un propergol
[28] ;
La spectromtrie IRTF moderne permet le couplage dun grand nombre de techniques
dobservation, de sparation et/ou danalyses thermiques. J.C.BOULOU [29] signale les potentialits du couplage IRTF-Analyse Thermique Diffrentielle via les apports technologiques
associs la sensibilit et la stabilit des spectromtres.
- lintrt du couplage IRTF/TG (thermogravimtrie) pour lanalyse des gaz dgags
de combustibles solides est illustr par les travaux dI.PITKANEN et coll. [30]. Ce couplage
permet lobtention dinformations sur lvolution de la masse de lchantillon et permet une
identification qualitative des gaz dgags lors de sa dgradation thermique.
_______________________________________________________________________________________
108
S.DUMAS
Le 20 juin 2003
- pour ltude du comportement la combustion dun compos, V.V.SERUSHKIN et

V.I.KOLESOV [5] ainsi que N.BINKE et coll. [31] ont utilis la calorimtrie diffrentielle
balayage (DSC) associe au couplage IRTF/ATG.
- le couplage CPV-IRTF a t utilis par M.BENCHABANE et G.NADEAU [32] dans
le cas de petits chantillons de propergols solides base de nitrate dammonium brls dans
une chambre ferme.
- le couplage HPLC-IRTF a t utilis pour la dtermination de traces de solut dans
un solvant. Daprs G.K.FERGUSON et J.A.HASETH [33] la dtermination de la composition chimique des produits de combustion de propergols et les limites de dtections sont bonnes.
- le couplage Microscopie-IRTF a t utilis par J.D.LOUDEN et coll. [34] et par
B.VOGELSANGER et coll. [35] pour ltude de profils de diffusion de produits.
- la microscopie infrarouge est un accessoire dchantillonnage universel et souple.

Elle est dsigne pour lanalyse de petits chantillons, de films monomolculaires sur substances aqueuses par exemple. Daprs F.J.BERGIN et coll. [36] cette technique prsente
lavantage dtre rapide et non destructive.
- la ralisation de thermolyse rapide confine (CRT) associe la spectromtrie IRTF
permet notamment dtudier la dcomposition thermique de matriaux par la mesure des produits gazeux dgags qui rend possible une ventuelle dtermination de la vitesse de dcomposition du produit en phase condense [37-39].
- A.ISHITANI et coll. [40] prsentent lassociation de la spectroscopie lectronique
pour lanalyse chimique et de la spectromtrie IRTF pour lanalyse de ltat de surface.
- S.DESILET et F.PERREAULT [13] comparent le couplage HPLC-IRTF avec la
spectroscopie RMN 1H pour le contrle de propergols composites base de GAP (glycidyl
azide polymre).
- lassociation des diffrentes mthodes dchantillonnage IRTF (microscopie, ATR,
couplage Dsorption-CPV-IRTF ) a permis R.A.PESCE RODRIGUEZ [41] de caractriser
des propergols solides avec des rsultats comparables ceux de la thermogravimtrie.
- T.LINDBLOM [42] aborde les diffrentes utilisations de la spectroscopie IRTF dans
lindustrie des explosifs tout en argumentant par des exemples.
_______________________________________________________________________________________
109
S.DUMAS
Le 20 juin 2003
7.3 - Apport des techniques chimiomtriques
Nologisme apparu aux dbut des annes 70, nous pouvons dfinir la Chimiomtrie
comme lensemble des mthodes mathmatiques appliques la gense, la collecte et au
traitement de linformation exprimentale, leur mise en uvre tant rendue possible grce
loutil informatique. Leur utilisation systmatique et raisonne constitue la base de la Mthodologie de la Recherche Exprimentale pratique dans notre Laboratoire.
7.3.1 - Analyse de donnes et mthodes chimiomtriques
Lensemble des techniques danalyse de donnes relevant de la Chimiomtrie est prsent dune part par lorganigramme report figure 54, dautres part par le tableau 9 qui rassemble les techniques et les domaines dapplications correspondants. Nous pouvons ainsi justifier le choix de la mthode PLS pour ltude du polymorphisme du CL20.
Figure 54 : techniques danalyse de donnes
_______________________________________________________________________________________
110
S.DUMAS
Le 20 juin 2003
Tableau 9 : mthodes chimiomtriques
THEMES
METHODES
DOMAINES DAPPLICATIONS
Analyse
de donnes
- analyse statistique
- analyse factorielle
-analyse en composantes principales (ACP)
- rgression PLS PCR
- rseaux neuronaux
- relations structure-proprits
Analyses NIR, IR-TF, UV

Chromatographies HPLC
Spectromtrie de Masse, Fluorescence
Cintique, Proprits physicochimiques
Analyses des eaux, Archologie, Biotechnologie, Gochimie
Huiles essentielles, Pharmacie, Pollution
- rgression RLM, PCR, PLS

UV, IR-TF, NIR
- rseaux neuronaux
Fluorescence
- ACP
Mdicament,
- validation croise
Analyse chimique
Certains outils sont prsents dans ce tableau sans tre comments dans le texte, car ils nont pas servi pour
ltude du CL20
Calibration
7.3.2 - Lanalyse quantitative et lapport des mthodes chimiomtriques au traitement des spectres infrarouges [43]
Comme nous lavons vu, le dveloppement des techniques spectroscopiques IR quantitatives est d aux possibilits offertes par lIRTF associes au dveloppement permanent des
systmes informatiques. La qualit des analyses quantitatives a beaucoup progress en raison
dune meilleure prcision des appareils (spectre acquis numriquement, appareils rapport
S/B lev, bonne linarit sur un large domaine). Cest cette numrisation des spectres qui
autorise lemploi de toutes les techniques danalyse de donnes rendues possibles par loffre
logicielle actuelle. A noter quavec cette numrisation les possibilits de traitements correctifs
des spectres (correction de la ligne de base, drive dordre 1 3 etc.) sont nombreuses.
Ces mthodes chimiomtriques permettent lanalyse multicomposants et lexploitation
de la plus grande partie de linformation sans mettre dhypothses trop restrictives sur le plan
de la thorie spectrale. En amont, elles permettent loptimisation des essais en garantissant la
qualit spectrale recueillie. En aval, dans le cas des analyses quantitatives, elles permettent la
description des donnes sous forme synthtique (moyennes, variances) et la quantification
des rsultats (mthodes prdictives) laide des mthodes de rgression permettant la compression des donnes comme la rgression en composantes principales (PCR) et la mthode
des moindre carrs partiels (PLS).
_______________________________________________________________________________________
111
S.DUMAS
Le 20 juin 2003
Nous concevons alors mieux limportance de ces mthodes dans lextraction de

linformation quantitative contenue dans les spectres IR, dans la mesure ou les spectromtres
IRTF gnrent rapidement une multitude de donnes spectrales que les spectroscopistes ont
du mal traiter, par exemple pour notre tude, nous avons eu traiter environ 200 spectres
chacun dentre eux tant dcrit par de lordre de 200 valeurs dabsorbances !
7.3.3 - Les mthodes de prdictions quantitatives multivaries ou talonnages (calibrations)
Dune manire gnrale, Etalonner (Calibrer) consiste utiliser des donnes empiriques et une connaissance antrieure pour dterminer comment prvoir une information quantitative inconnue Y partir de mesures disponibles X, via une certaine fonction mathmatique de transfert. Dans le cas dune mthode danalyse quantitative, il sagit de la phase
dtalonnage qui va conditionner la qualit de la mthode. Quand on veut prdire une proprit Y (ici une concentration en un analyte donn) partir d'un ensemble de variables Xj (ici
les absorbances aux longueurs dondes chantillonnes), les problmes les plus frquents que
l'on rencontre sont :
- le manque de slectivit : aucune des variables Xj n'est suffisante elle seule pour
expliquer Y. Ici, pour lanalyse dun milieu complexe en spectroscopie infrarouge quantita-
tive, aucune absorbance une longueur d'onde dtermine n'apporte une information suffisante en soi sur l'un des constituants du mlange, on est donc condamn prendre en compte
l'ensemble des variables Xj.
- les colinarits (ou dpendances) : il peut y avoir redondance d'information entre
certaines des variables Xj (on dit aussi qu'il y a intercorrlation). Ce phnomne est inhrent
lanalyse spectrale puisque bien videmment les absorbances chantillonnes sur un mme
pic sont corrles. De ce fait on ne peut pas postuler que chaque variable Xj apporte une information unique concernant Y tel que le suppose la mthode de rgression linaire multiple
traditionnelle. Cette redondance, qui est ici subie, a pour avantage de diminuer la sensibilit
de Y au "bruit" et de faciliter la dtection des points aberrants, qualits essentielles que doivent prsenter les mthodes dtalonnage.
- le manque de connaissance : notre comprhension "a priori" des mcanismes vrais
cachs derrire les donnes peut tre partielle ou mme fausse . En spectroscopie, on ne peut
_______________________________________________________________________________________
112
S.DUMAS
Le 20 juin 2003
pas savoir priori quels phnomnes d'interfrences peuvent se produire dans un milieu o les
diffrents composs peuvent prsenter des possibilits d'interactions.
Etalonner, avons nous dit, c'est utiliser des donnes exprimentales et une connaissance antrieure pour dterminer comment prvoir une information quantitative inconnue Y
partir de mesures disponibles X, via une certaine fonction mathmatique de transfert. Le
modle mathmatique postul peut tre une droite si Y varie linairement avec X, sinon ce
peut tre un polynme de degr convenable. Dans le cas dune analyse spectrale quantitative,
on est en gnral dans les conditions dapplication de la loi de Beer-Lambert pour laquelle
labsorbance A une longueur donde donne est une fonction linaire de la concentration c
en analyte dans le domaine considr :
A = k.c .
Thoriquement, si on a doser un seul analyte, on se trouve face un problme dtalonnage

classique pour lequel on dispose alors de deux approches :
1. ltalonnage direct avec Absorbance = a Concentration + b
2. ltalonnage inverse avec Concentration = a Absorbance + b.
Ces deux approches ne sont pas quivalentes dans la mesure o les incertitudes sur les
concentrations talons et celles sur les absorbances mesures exprimentalement sont de nature trs diffrente.
Le prsent travail ressort de ltalonnage inverse.
Dans le cas de ltalonnage inverse qui nous intresse ici : si Y reprsente la teneur en
analyte et X le rsultat donn par la mthode danalyse (ici labsorbance une longueur
donde donne), on postule Y = aX + b. Lexprimentateur ne peut dterminer les coefficients a et b de ce modle qu partir de donnes exprimentales quil acquiert pendant la
phase dtalonnage. Ces donnes sont toujours en nombre limit, elles ne reprsentent donc
quun chantillon de la population de toutes les teneurs en analyte que lon pourrait tudier. Il
en dcoule que lon ne peut avoir quune estimation des coefficients a et b du modle postul.
7.3.3.1 - Rgression linaire et Mthode des moindres carrs
Cette estimation des coefficients est ralise par rgression linaire au sens des moindres carrs. Cette mthode consiste mesurer l'efficacit d'un ajustement par la somme des
_______________________________________________________________________________________
113
S.DUMAS
Le 20 juin 2003
carrs des carts r (carts appels "rsidus") entre la valeur vraie de la concentration en anai
lyte et sa valeur estime par la courbe dtalonnage. Faire un ajustement c'est minimiser la
"distance" S = [Y - f(X )] = r . Dans le cas de lanalyse dun seul compos partir
2
dune seule bande dabsorption, la concentration nest lie qu une seule variable,
labsorbance de la bande considre : [Analyte] = a Absorbance + b.
On parle alors danalyse monovarie et de rgression linaire simple.
Dans le cas o on utilise plus dune bande dabsorption et/ou que lon est en prsence de plusieurs composs, la concentration est lie plusieurs variables, les absorbances des bandes
considres, on parle alors danalyse multivarie et de rgression linaire multiple :
[Analyte] = a Absorbance1 + b Absorbance2 ++ cste.
De mme, pour une absorbance une longueur donde donne, quand on est en prsence de
i
plusieurs composs, nous avons :

A = a [Analyte1] + b [Analyte2] ++ cste.
i
Que la rgression soit simple ou multiple, il sagit toujours du mme outil de calcul.
Expression matricielle de la Rgression : dans le cas d'une seule variable X, le modle s'crit : = + X + r avec r = terme derreur reprsentant la partie du phnomne non
0
explique par le modle. En posant X =1, le modle devient : = X + X + r. Pour cha0
cune des valeurs X de la variable X, l'estimation de sera Y = b + b X ; pour n points

i
dtalonnage (pour n valeurs talons de X), si on adopte la notation matricielle, on pourra

crire de manire compacte le systme de n quations linaires qui lient les rponses observes aux variables choisies par Y = X + r avec :
X
X
X = X:
:
X
01
02
0i
0n
X
X
:
X
:
X
1
2
1
1
= 1:
:
1
X
X
:
X
:
X
Y
Y
Y = Y:
:
Y
matrice du modle
r
r
r = r:
:
r
1
2
0
1
vecteur des
vecteur des vecteur des coefficients
rponses erreurs (rsidus)
du modle
De manire gnrale, si on a k facteurs, on aura pour un modle additif :

= + X + X + . . .+ X + . . . + X + r
0
Y = b +b X +b X + . . .+ b X + . . . + b X
0
_______________________________________________________________________________________
114
S.DUMAS
Le 20 juin 2003
Pour n essais on va obtenir un systme de n quations k+1 inconnues : de la mme

manire que pour dfinir une droite il faut deux points au minimum, dans le cas gnral il faut
n k+1. Dans la notation ci-dessous on constate que la matrice du modle X reprsente la
matrice des coefficients des inconnues de ce systme d'quations (les X sont des nombres, ce
ij
sont les valeurs des variables explicatives, ici les absorbances, pour les essais considrs, les
inconnues sont les b ).
i
X X X
X X X
X = X: X: X:
: : :
X X X
01
11
21
02
12
22
0i
1i
2i
0n
1n
2n
On a donc un systme
criture matricielle :
:
:
:
:
:
:
X
X
:
X
:
X
j1
j2
ji
: X
: X
: :
: X
: :
: X
k1
k2
ki
jn
kn
Y
Y
:
Y= :
Y
:
Y
r1
r2
r =
:
ri
:
rn
par rapport aux coefficients du modle avec toujours pour
linaire
Y = X + r. En symbolisant par X' la matrice transpose de X, si X'X
n'est pas singulire (c'est dire s'il est possible de calculer la matrice inverse correspondante),
on aura l'estimation du vecteur des coefficients du modle au sens des moindres carrs par :
B = (X'X) X'Y
-1
Consquence
: ce calcul matriciel qui implique linversion dune matrice nest possible (donc
la rsolution de ce systme dquations nest possible) que sil nexiste aucune corrlation
entre les colonnes de la matrice X, cest dire aucune corrlation entre les variables X .
i
7.3.3.2 - La rgression linaire multiple et lanalyse multicomposants

Toute mthode danalyse quantitative multicomposants classique repose donc sur la
rgression linaire multiple or
dans le cas de
deux obstacles sopposent
lanalyse spectrale
lutilisation de cette technique
: le grand nombre de variables explicatives X et leurs cori
rlations.
Le nombre : lorsquon analyse un mlange de composs,
longueur d'onde dtermine n'apporte une information
suffisante
aucune absorbance
une
en soi sur l'un des consti-
tuants du mlange. En effet, dans le cas gnral, plusieurs composs si ce nest tous, absorbent plus ou moins une frquence donne. Pour obtenir une information suffisante, prcise
_______________________________________________________________________________________
115
S.DUMAS
Le 20 juin 2003
et pertinente, il est
absolument ncessaire
dutiliser les absorbances dun grand nombre de
longueurs d'ondes (le maximum thorique tant chaque point dchantillonnage du spectre),
ce sont ces
absorbances
qui sont
les variables explicatives Xi
de la concentration en analyte
Y recherche.
i
Si nous prenons lanalyse des formes polymorphes du CL20 dans ce contexte, pour la
fentre spectrale 1200-600cm qui semble tre la zone informative permettant de les diffren-1
cier, avec seulement une rsolution de 8cm , on obtient un chantillonnage de 75 absorbances

-1
(donc de 75 variables explicatives X ). Il en rsulte que, pour en dduire une courbe

i
dtalonnage dont lquation comporterait 76 coefficients estimer (75 coefficients

dabsorbance + 1 constante), il faudrait disposer au minimum dun systme de 76 quations
obtenues partir de 76 mlanges talons de composition connue !
Les corrlations : pour un analyte et une bande dabsorption donns, les variations
dun grand nombre dabsorbances successives sont naturellement
fortement corrles
entre
elles puisque quand lintensit de cette bande crot ou dcrot, les absorbances de deux points
voisins varient de la mme manire (et ceci, intervalles rpts dans le spectre !).
Compression
des donnes : pour surmonter ces deux contraintes, nous devons utiliser
une technique mathmatique qui nous permette de condenser
toute
linformation exprimen-
tale en un nombre plus rduit de nouvelles variables explicatives non corrles entres-elles.
7.3.4 - Les mthodes de compression de donnes
L'ide gnrale est de postuler que l'information contenue dans un grand nombre de
variables exprimentales contrles (ou variables relles) peut tre concentre dans quelques
variables sous-jacentes que l'on peut dfinir comme des variables latentes (que l'on trouve
galement appeles scores dans la littrature anglo-saxonne ou "composants" ou "facteurs de
rgression" et mme "facteurs" tout court). Ce sont ces variables latentes ou scores qui seront
utilises dans l'quation de rgression.
Par exemple le point exprimental i est dfini par les k variables relles Xj dcrites par
le vecteur ligne x' = (x , x ,......, x ), ces k variables relles sont "concentres" en A variables
1
latentes t : t , t ,...., t avec une relation linaire entre ces nouvelles variables et les "vraies" :
1
(t , t ,...., t )' = h [(x , x ,......, x )'].

1
_______________________________________________________________________________________
116
S.DUMAS
Ce sont ces
Le 20 juin 2003
nouvelles
variables qui sont utilises comme
rgresseurs
dans l'quation de r-
gression vis vis des rponses tudies. Si maintenant on considre un ensemble de j rpon-
ses (y , y ,......, y ), on postule la relation :

1
(y , y ,......, y )' = h [(t , t ,...., t )'] + f'

1
relation dans laquelle f' reprsente la partie de y qui ne peut pas tre explique par les variables t. C'est l'ensemble des deux fonctions h et h qui forme le prdicteur dsir de y :
1
y = f ( x )
avec f(x) = h (h (x)).

2
En rsum, la compression des donnes d'un grand nombre de variables x en quelques varia-
bles latentes t simplifie la calibration statistique en rduisant le nombre de paramtres du modle estimer pour la rgression entre X et Y. La compression des donnes permet galement
de simplifier l'interprtation des rsultats en mettant en vidence les principales relations entre
les X : les quelques premiers facteurs t , par exemple les deux premiers, peuvent "ouvrir une
i
fentre" deux dimensions sur l'espace k dimensions des Xj.

Pour revenir aux relations entre X et Y, il est habituel de les approcher par un modle
linaire via au minimum, un centrage des variables : partir des variables centres X = x - x
et Y = y - y dans le cas o les systmes d'unit sont homognes (par ex. compositions centobs.
obs.
simales en % pour les X, units d'absorbance pour les Y, ce qui est le cas dune analyse spectrale quantitative), partir des variables centres rduites X = (x - x )/ et Y = (y - y )/
obs.
obs.
quand les variables naturelles sont caractrises par des units diffrentes.
Remarque : ne pas oublier que ces oprations de centrage ne sont pas neutres, l'opration de
centrage simple a pour consquence d'augmenter le "poids" des variables les plus disperses
alors que le passage aux variables centres rduites donne la mme chelle de variation toutes les variables, donc celles qui varient trs peu et qui, de ce fait, peuvent n'avoir "physiquement" aucune influence sur le phnomne tudi.
Le modle de compression linaire des donnes peut alors tre crit sous la forme matricielle suivante qui est la plus gnrale possible :
T = XV
(1) suivi de
Y = TQ' + F
(2)
_______________________________________________________________________________________
117
S.DUMAS
Le 20 juin 2003
V reprsente le systme de relation linaire qui existe entre les variables t et les
variables x, la matrice Q' reprsente le vecteur des coefficients du modle linaire reliant Y
aux variables latentes (aux scores) t, F reprsentant toujours la part de variation de Y non exLa matrice
plique par le modle (bruit).

Aprs la dtermination de V et l'estimation de Q, on obtient le prdicteur de Y par la
Y = XVQ (avec X et Y centrs). Si on avait utilis les variables non centres, il

(5)
(4) et b ' = y ' - x' B
aurait fallu crire : Y = 1b0 + XB (3) ou B = VQ
0
relation :
Il est important de noter que, contrairement au prdicteur de la rgression multilinaire

classique (RML), les coefficients bkj (k pour les X et j pour les Y) ne sont pas estims indpendamment
par les mthodes de compression de donnes. L'explication provient de ce que
nous avons rsolu les problmes de dpendances (de corrlation) entre certaines variables X
par l'extraction des variables latentes et de ce fait nous avons rendu l'estimation des bkj fonction des estimations de V et Q .
Notons galement que toutes les mthodes de compression de donnes convergent
vers la RML quand le nombre A de variables latentes prises en compte devient gal au nombre k des variables relles. Bien entendu, dans ce dernier cas, on a perdu la notion de compression, il en rsulte que la valeur optimale de A est infrieure k.
Il existe un certain nombre de mthodes pour extraire les variables latentes t des va-
riables x, en d'autres termes pour calculer la matrice V. Les performances de ces mthodes varient avec les structures des donnes, elles sont donc fonction des problmes traiter. Leur
choix dpend en principe de la connaissance que l'on a des phnomnes sous-jacents mis en
jeu, des relations que l'on peut supposer entre les X, du niveau de bruit etc. Nous ne mentionnerons ici que la mthode relevant de notre contexte : la mthode des moindres
tiels
carrs par-
(PLS ou Partial Least Square regression).

Pour la mthode PLS, les A variables latentes rsument
ensemble
les informations is-
sues de X pertinentes pour modliser Y, il en rsulte que les deux tableaux de donnes X et Y
sont utiliss
dans l'estimation de V (lorsquil ny a quune rponse Y, PLS et PCR sont qui-
valents). Rappelons que la mthode PCR, elle, n'utilise que les informations apportes par X
_______________________________________________________________________________________
118
S.DUMAS
Le 20 juin 2003
pour estimer V, les donnes Y ne servent qu' slectionner les composantes principales de X
retenues pour le modle final.
Lanalyse du CL20 correspondant au dosage de quatre composs (les concentrations des
4 formes polymorphes reprsentent le tableau des Y), nous avons utilis la mthode PLS.
7.3.5 - La mthode des moindres carrs partiels PLS
Cest le domaine des tudes socio-conomiques qui connat les premiers dveloppements de la mthodes des moindres carrs partiels (PLS). Lalgorithme NIPALS propos par
H.WOLD [44] est lorigine du dveloppement de la rgression PLS. Son utilisation remonte
aux annes 80 avec les travaux de S.WOLD et coll. [45-46]. La mthode PLS est depuis largement utilise, principalement dans le domaine des industries chimiques, ptrolires et
agroalimentaires [47].
Un grand nombre de travaux et douvrages dcrivent la mthode PLS dans le domaine
qui est le leur. On retiendra ceux de : S.WOLD et coll. [48], de K.ESBENSEN et coll. ( Mul-
tivariate Analysis in Practice (1994)), de A.HOSKULDSSON ( Prediction Methods in science and

Technology, Vol 1 Basic Theory (1996)). Pour aborder lutilisation de la mthode PLS en spectroscopie infrarouge quantitative, nous retenons particulirement louvrage de H.MARTENS
et T.NAES consacr la Calibration multivarie [49] et la mise au point de M.P.FULLER et
coll. [43].
Comme nous lavons expos dans le cadre gnral de la rgression linaire, cette mthode prdictive est construite spcifiquement pour ltude de la comprhension et de la description des relations souvent trs complexe entre X et Y en labsence dun modle thorique.
Elle prend en compte la multicolinarit, ce que ne fait pas la rgression multiple classique.
Cette mthode reprend la philosophie de base de la rgression en composantes principales mais, dans la mthode PLS, la dcomposition en composantes principales est ralise
simultanment
et de manire
interdpendante
entre les
deux
tableaux X et Y : la matrice Y
sert de "guide" la dcomposition de X. Reprenons sous forme schmatique les diffrentes

matrices que l'on manipule :
_______________________________________________________________________________________
119
S.DUMAS
Le 20 juin 2003
1..............k
1
:
:
:
n
1..............j
1
:
:
:
n
1..............A
1
:
:
Matrice des variables explicatives :
n
(les absorbances)
Matrice des variables expliquees

(les concentrations en allotropes)
Matrice des scores : projection des

individus (spectres talons) dans l'espace des
composantes principales (des absorbances)
La matrice des "scores" T [50] reprsente les coordonnes des individus dans le nouveau sys-
tme de coordonnes dfini par les composantes principales de X. Les relations entre les va-
riables X et Y et leurs propres composantes, sont des relations linaires matrialises par des
"matrices de passage" appeles "loadings" [50] : ce sont les coefficients de rgression de cha-
que variable stocks dans des matrices P et Q ; P est obtenue partir de X et Q partir de Y ;
notons E et F les matrices des rsidus E = X- X prd. , F = Y- Yprd. : le nombre optimal de

facteurs (de composantes prises en compte) est celui qui conduit aux rsidus les plus faibles.
Lensemble du processus correspond la figure 55 :
1..............k
1..............k
1
:
:
:
n
1
:
:
:
n
TP
Matrice des
absorbances
Matrice des rsidus

(partie des absorbances
non explique par TP)
1..............A
Coefficients du modle reliant les variables latentes aux absorbances

Coefficients du modle reliant les variables latentes aux concentrations
1
:
:
:
n
1..............j
1..............j
1
1
:
:
- :
:
:
:
n
n
Matrice des concentrations
en allotropes
1..............k
1
:
:
:
n
TQ
Matrice des coordonnes

en variables latentes
1..............j
=
1
:
:
:
n
Matrice des rsidus

(partie des concentrations
non explique par TQ)
Figure 55 : processus
_______________________________________________________________________________________
120
S.DUMAS
Le 20 juin 2003
En rsum : la mthode PLS diffre de la mthode PCR par l'utilisation active des variables Y pendant la dcomposition linaire de X. En quilibrant les informations issues de X
et de Y, la mthode
minimise
l'impact d'importantes fluctuations dans X dues des effets
"d'interfrents", variations non pertinentes dans le modle de calibration. C'est ainsi que pour
des jeux de donnes peu prcis, on peut obtenir des rsultats acceptables avec la mthode PLS
alors que la mthode PCR s'avre inutilisable (elle ne conduit aucune corrlation significative).
Dans la mthode PLS, si on dsire bien avoir une matrice T des scores orthogonale, la
matrice V est difficile interprter et comparer celle de la mthode PCR. De plus, une matrice supplmentaire de loadings est ncessaire : la matrice W. Soit Amax le nombre maximum
de composantes (de facteurs PLS) que l'on a calculer : ce nombre doit tre suprieur au
nombre de phnomnes que l'on suppose exister dans X de manire se rserver quelques
degrs de libert pour modliser des phnomnes inconnus.
Selon le nombre de rponses tudier, il existe deux algorithmes : l'algorithme PLS1
est utilis quand nous n'avons qu'une rponse modliser, l'algorithme PLS2 est mis en uvre quand il y a simultanment plusieurs rponses estimer (par exemple les concentrations
de plusieurs composs prsents dans l'chantillon analyser). Il nest pas ncessaire
dexposer, mme sommairement, ces algorithmes ici. Pour une analyse dtaille se reporter
louvrage de M.TENENHAUS [51].
Pour valuer lefficacit de la mthode PLS, de nombreux travaux ont t consacrs
la comparaison des rsultats des diverses mthodes chimiomtriques pour une mme analyse
[52-54]. En particulier D.M.HAALAND et coll. [55] montrent que la construction dune calibration multivarie avec la mthode PLS peut tre explique par la mthode des moindres
carrs classique (CLS).
Des variantes de la mthode PLS sont dveloppes pour essayer encore
damliorer les rsultats. B.K.LAVINE [56] et L.NORGAARD et coll. [57] donnent des
exemples dapplication des variantes iPLS et ALS.
_______________________________________________________________________________________
121
S.DUMAS
Le 20 juin 2003
7.3.5.1 - Le modle
Il sagit en gnral dun simple modle additif du premier degr dont les coefficients
sont estims par la mthode des moindres carrs partiels. Ce modle qui doit reprsenter le
mieux possible la ralit est de bonne qualit sil est robuste, une bonne validit et une
bonne prdictivit (figure 56). Pour quun modle soit robuste, il doit tenir compte de toutes
les variabilits quil est possible davoir au cours de lanalyse (lieu, temprature, oprateur). De nombreux facteurs influent sur les qualits du modle : largeur de bande, fentre
spectrale, rsolution [58-61].
TOP MODELE
ROBUSTESSE
VALIDITE
Validation croise
PREDICTIVITE
Jeu de tests (PRESS)

Validation externe
Espace structurel
Quantification
Description
Plan dexpriences
Figure 56 : le modle
Validation croise ou cross validation : opration qui consiste enlever un talon de la matrice dtalonnage de taille m et
laborer le modle PLS avec les m-1 talons restants. Puis, on applique le modle ltalon rejet. On rpte lopration pour
les m talons de la matrice. Chaque talon possde alors une valeur relle et une valeur estime. Lcart entre ces deux valeurs est appels erreur ou rsidus et not r . Le calcul de la somme des carrs des rsidus permet de dfinir le PRESS.
PRESS : Predictive Residual Error Sum of Squares = (r ). Une valeur de PRESS faible indique une bonne prdiction.
Validation externe : opration qui consiste effectuer de nouveaux talons, dont on connat la valeur relle et tester le
modle labor en les analysant, par comparaison des valeurs prdites avec les valeurs relles. Ltude des diffrents descripteurs (coefficient de corrlation, rgression, variance, rsidus) permet destimer la validit des modles.
i
7.3.5.2 - Loffre logicielle

Le march des logiciels scientifiques offre des produits de plus en plus conviviaux et
puissants. Parmi les logiciels gnralistes de statistiques offrant une bonne approche de la
mthode PLS, on peut retenir : SIMCA, UNSCRAMBLER, LUMIERE, STATBOX. En ce
_______________________________________________________________________________________
122
S.DUMAS
Le 20 juin 2003
qui concerne linfrarouge, la plupart des constructeurs dappareils incluent un module

danalyse quantitative utilisant la mthode PLS dans le logiciel grant le spectromtre (par
exemple TURBO QUANT chez Nicolet, QUANT+ chez Perkin-Elmer ou le module de OPUS
chez Bruker). Nanmoins, pour rendre accessible cette analyse quantitative un oprateur non
familier de lanalyse multivarie, il sagit presque toujours dun logiciel bote noire qui
masque les outils mathmatiques et les mthodes chimiomtriques mises en uvre. Cela peut
tre dangereux car on peut trs aisment obtenir des rsultats aberrants non dtects par un
analyste nayant pas un minimum de connaissances thoriques en analyse multivarie. Pour
pallier ce problme, il existe des manuels dutilisation des outils chimiomtriques pour
lanalyse quantitative de spectres [62, 63].
Un certain nombre de travaux [64-67] impliquant une analyse quantitative infrarouge
mentionnent lutilisation des logiciels dont nous nous sommes servis pour effectuer la quantification du CL20 (OMNIC - TURBO QUANT et SIMCA).
7.3.6 - Exemples dapplications de la mthode des moindres carrs partiels en analyse quantitative
Les exemples rapports par M.TENENHAUS [51] illustrent les avantages de la rgression PLS par rapport aux mthodes anciennes, la varit des domaines dapplication et
lefficacit de cette mthode de rgression dans le cas des donnes spectroscopiques. De
nombreuses tudes danalyse quantitative rcemment publies dans diffrents domaines (dtergence, agroalimentaire, mdecine) utilisent la mthode des moindres carrs partiels [43,
50, 68-73]. Dans le cas prcis de lanalyse quantitative infrarouge nous avons retenu les travaux suivants [74-79].
Il semble que la mthode PLS ait t peu utilise dans le domaine des explosifs et plus
prcisment, notre connaissance, aucune tude quantitative du polymorphisme du CL20 par
spectromtrie infrarouge na t dcrite dans la littrature.
CONCLUSION
En conclusion de cette tude bibliographique, lobjet de notre travail tant de mettre au
point, doptimiser et de valider une mthode danalyse quantitative du CL20 polymorphe, le
_______________________________________________________________________________________
123
S.DUMAS
Le 20 juin 2003
choix de la spectromtrie IRTF associe aux ressources des mthodes chimiomtriques nous
parat tout fait judicieux avec une chance raisonnable de succs.
En faisant la synthse des informations rassembles dans cette tude bibliographique,
on peut dresser lorganigramme gnral de la mthode danalyse spectrale quantitative que
nous devons dvelopper (figure 57).
Spectres MIR
(4000-400 cm )
-1
PRETRAITEMENT
REGRESSION
Correction ligne de base

Drive dordre 1 3
SNV = standard Normal Variate
MODELE
PCR
RLM
PLS
Figure 57 : analyse spectrale quantitative
VIII - ETUDE EXPLORATOIRE - DEMARCHE EXPERIMENTALE

8.1 - Domaine dtalonnage et choix des mlanges talons
Ltalonnage doit tre construit partir dun jeu dchantillons de taille suffisante, dcrivant tout le domaine dintrt y compris les limites, les extrapolations tant toujours dangereuses
. De plus, pour prendre en compte des
phnomnes dinterfrences
composs, donc pour esprer une prcision maximale du modle,

tre
absent
aucun
possibles entre
composant ne doit
du jeu de calibration, ce qui interdit le "0%". Nous avons retenu une concentra-
tion de 1% minimum pour chacun des composs.

Pour la prsente tude, aprs concertation avec les personnes concernes par lanalyse
du CL20, en absence de toute information sur la composition relle des lots industriels, il a
t dcid que les teneurs x , x et x respectivement en chacune des formes polymorphes ,
2
et seraient comprises entre 1 et 10% ce qui implique que la teneur x en forme soit com1
prise entre 70 et 97%. Do le tableau des contraintes sur les composants du mlange :
pour : 0,70 x
pour : 0,01 x
pour : 0,01 x
pour : 0,01 x
0,97
0,10
0,10
0,10
Pour une premire approche, la taille de la matrice de calibration peut tre choisie
laide dune rgle empirique propose par certains auteurs (en particulier par ceux qui ont
_______________________________________________________________________________________
124
S.DUMAS
Le 20 juin 2003
dvelopp le logiciel Nicolet) : pour doser N composants, il faut disposer d'un ensemble minimum de 3N+2
chantillons de calibration (dont un certain nombre serviront d'chantillons
de validation). Pour notre problme nous devons donc disposer dun minimum de 14 chantillons de compositions diffrentes.
Le tableau des compositions de ces chantillons sappelle la matrice dtalonnage.
8.2 - Conception de la matrice dtalonnage
La matrice dtalonnage doit rpondre la condition de non corrlations entre les

variations de composition des diffrents mlanges talons. Pour ce faire nous pouvons envisager deux approches :
Approche statistique classique via des Mlanges alatoires
: pour que les concentra-
tions varient de faon non corrle, elles sont dtermines de faon alatoire pour l'ensemble
du jeu d'chantillons.
Approche
chimiomtrique
via
des
Mlanges
structurs
: on utilise un plan
dexpriences spcifique aux problmes de mlanges [80, 81] pour structurer la composition
de la matrice dtalonnage. Ces plans conduisent, par nature, des variations des concentrations informatives aussi peu corrles que possible. Cest cette mthodologie que nous avons
.
utilise
Les contraintes sur les concentrations des constituants du mlange des formes polymorphes du CL20 se matrialisent par un ensemble de troncatures du domaine exprimental
qui conduisent un polydre nomm polydre des contraintes. Par extension de la stratgie
de Scheffe aux domaines contraints [81], les mlanges les plus informatifs correspondent aux
sommets, aux milieux des artes, aux centres de gravit des faces et au barycentre du polydre. Pour les contraintes dfinies ci-dessus nous obtenons 8 sommets, 12 artes, 6 faces et un
barycentre, soit un ensemble de 27 points informatifs. Cest parmi ces points informatifs que
lon doit choisir les points dtalonnage (ou de calibration). Pour 4 composants il est encore
possible de reprsenter le polydre des contraintes, le domaine exprimental tant trois dimensions (figure 58).
_______________________________________________________________________________________
125
S.DUMAS
Le 20 juin 2003
X 1 ( )
Domaine des pseudo-composants
Z1
2
3
X 2 ( )
X4 ( )
Z2
Z4
Z3
X3 ()
Figure 58 : domaine exprimental dtalonnage
Comme mis part le barycentre, tous les points informatifs sont situs la priphrie du polydre, pour valider le modle dtalonnage, il est judicieux de choisir des points
tests internes au domaine.
Les points tests les plus pertinents (ici les compositions des chan-
tillons de validation) se situent aux barycentres des polydres dtermins par chaque sommet
et les milieux des artes issues de ce sommet. A partir des 8 sommets du polydre des
contraintes, nous disposons de 8 points tests internes potentiels ce qui, avec les 27 points prcdemment dfinis, constitue un ensemble de 35 points informatifs dont les coordonnes en
variables naturelles et en pseudo-composants sont rassembles dans le tableau 10.
Pour relier une absorbance donne aux concentrations des analytes et prendre en
compte toutes les interfrences spectrales possibles entre les quatre formes du CL20, nous
avons postul, a priori, un modle cubique rduit [80, 81]. Pour 4 constituants, ce modle
comporte 14 coefficients estimer, do un minimum de 14 points dtalonnage. Comme
nous disposons dun ensemble de 35 mlanges informatifs candidats la construction de la
matrice dtalonnage, nous devons slectionner parmi eux les meilleurs points. Cette slection
dpend
la fois du modle postul, du critre de
dcision
et du nombre N de mlanges que
lon se propose dutiliser.

Pour le prsent travail nous avons utilis le critre de D-optimalit [82, 83] : pour une
taille N donne de la matrice dtalonnage, la matrice du modle X est choisie de telle ma-
nire que parmi toutes les CN35 possibles, le dterminant de la matrice XX soit maximum. Le
nombre optimum N de mlanges talons (avec N 14) a t dtermin partir de la courbe de
variation du dterminant rduit en fonction de N (figure 59). Tous calculs faits, il en est rsul-
_______________________________________________________________________________________
126
S.DUMAS
Le 20 juin 2003
t une matrice dtalonnage constitue de 21 mlanges
talons
informatifs dont les coordon-
nes sont rassembles dans le tableau 11.

Tableau 10 : coordonnes des points informatifs dtalonnage
N Exp Epsilon
Compositions naturelles
Alpha Beta Gamma
1
0.9700 0.0100 0.0100 0.0100
2
0.8800 0.1000 0.0100 0.0100
3
0.8800 0.0100 0.1000 0.0100
Sommets
4
0.7900 0.1000 0.1000 0.0100
5
0.8800 0.0100 0.0100 0.1000
6
0.7900 0.1000 0.0100 0.1000
7
0.7900 0.0100 0.1000 0.1000
8
0.7000 0.1000 0.1000 0.1000
9
0.9250 0.0550 0.0100 0.0100
10
0.9250 0.0100 0.0550 0.0100
11
0.9250 0.0100 0.0100 0.0550
12
0.8350 0.1000 0.0550 0.0100
Milieux
13
0.8350 0.1000 0.0100 0.0550
des
14
0.8350 0.0550 0.1000 0.0100
artes
15
0.8350 0.0100 0.1000 0.0550
16
0.7450 0.1000 0.1000 0.0550
17
0.8350 0.0550 0.0100 0.1000
18
0.8350 0.0100 0.0550 0.1000
19
0.7450 0.1000 0.0550 0.1000
20
0.7450 0.0550 0.1000 0.1000
21
0.8800 0.0100 0.0550 0.0550
Centres de
22
0.8800 0.0550 0.0100 0.0550
gravit des 23
0.8800 0.0550 0.0550 0.0100
faces
24
0.7900 0.1000 0.0550 0.0550
25
0.7900 0.0550 0.1000 0.0550
26
0.7900 0.0550 0.0550 0.1000
Barycentre 27
0.8350 0.0550 0.0550 0.0550
28
0.9025 0.0325 0.0325 0.0325
29
0.8575 0.0775 0.0325 0.0325
30
0.8575 0.0325 0.0775 0.0325
Points tests 31
0.8125 0.0775 0.0775 0.0325
internes
32
0.8575 0.0325 0.0325 0.0775
33
0.8125 0.0775 0.0325 0.0775
34
0.8125 0.0325 0.0775 0.0775
35
0.7675 0.0775 0.0775 0.0775
Gomtriquement, les 8 sommets sont identifis sur la figure 1.
Z1
1.0000
0.6667
0.6667
0.3333
0.6667
0.3333
0.3333
0.0000
0.8333
0.8333
0.8333
0.5000
0.5000
0.5000
0.5000
0.1667
0.5000
0.5000
0.1667
0.1667
0.6667
0.6667
0.6667
0.3333
0.3333
0.3333
0.5000
0.7500
0.5833
0.5833
0.4167
0.5833
0.4167
0.4167
0.2500
Pseudo-composants
Z2
Z3
0.0000
0.3333
0.0000
0.3333
0.0000
0.3333
0.0000
0.3333
0.1667
0.0000
0.0000
0.3333
0.3333
0.1667
0.0000
0.3333
0.1667
0.0000
0.3333
0.1667
0.0000
0.1667
0.1667
0.3333
0.1667
0.1667
0.1667
0.0833
0.2500
0.0833
0.2500
0.0833
0.2500
0.0833
0.2500
0.0000
0.0000
0.3333
0.3333
0.0000
0.0000
0.3333
0.3333
0.0000
0.1667
0.0000
0.1667
0.0000
0.3333
0.3333
0.3333
0.0000
0.1667
0.1667
0.3333
0.1667
0.0000
0.1667
0.1667
0.3333
0.1667
0.1667
0.0833
0.0833
0.2500
0.2500
0.0833
0.0833
0.2500
0.2500
Z4
0.0000
0.0000
0.0000
0.0000
0.3333
0.3333
0.3333
0.3333
0.0000
0.0000
0.1667
0.0000
0.1667
0.0000
0.1667
0.1667
0.3333
0.3333
0.3333
0.3333
0.1667
0.1667
0.0000
0.1667
0.1667
0.3333
0.1667
0.0833
0.0833
0.0833
0.0833
0.2500
0.2500
0.2500
0.2500
Figure 59 : variation du dterminant rduit de XX en fonction du nombre de points
_______________________________________________________________________________________
127
S.DUMAS
Le 20 juin 2003
Tableau 11 : matrice dtalonnage (thorique)
N Exp Epsilon Alpha Beta Gamma
Sommets
Milieux
des
artes
Centres de
gravit des
faces
Z1
Pseudo-composants
Z2
Z3
Z4
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
0.9700
0.8800
0.8800
0.7900
0.8800
0.7900
0.7900
0.7000
0.9250
0.9250
0.9250
0.8350
0.8350
0.8350
0.8350
0.7450
0.8350
0.8350
0.7450
0.7450
0.0100
0.1000
0.0100
0.1000
0.0100
0.1000
0.0100
0.1000
0.0550
0.0100
0.0100
0.1000
0.1000
0.0550
0.0100
0.1000
0.0550
0.0100
0.1000
0.0550
0.0100
0.0100
0.1000
0.1000
0.0100
0.0100
0.1000
0.1000
0.0100
0.0550
0.0100
0.0550
0.0100
0.1000
0.1000
0.1000
0.0100
0.0550
0.0550
0.1000
0.0100
0.0100
0.0100
0.0100
0.1000
0.1000
0.1000
0.1000
0.0100
0.0100
0.0550
0.0100
0.0550
0.0100
0.0550
0.0550
0.1000
0.1000
0.1000
0.1000
1.0000
0.6667
0.6667
0.3333
0.6667
0.3333
0.3333
0.0000
0.8333
0.8333
0.8333
0.5000
0.5000
0.5000
0.5000
0.1667
0.5000
0.5000
0.1667
0.1667
0.0000
0.3333
0.0000
0.3333
0.0000
0.3333
0.0000
0.3333
0.1667
0.0000
0.0000
0.3333
0.3333
0.1667
0.0000
0.3333
0.1667
0.0000
0.3333
0.1667
0.0000
0.0000
0.3333
0.3333
0.0000
0.0000
0.3333
0.3333
0.0000
0.1667
0.0000
0.1667
0.0000
0.3333
0.3333
0.3333
0.0000
0.1667
0.1667
0.3333
0.0000
0.0000
0.0000
0.0000
0.3333
0.3333
0.3333
0.3333
0.0000
0.0000
0.1667
0.0000
0.1667
0.0000
0.1667
0.1667
0.3333
0.3333
0.3333
0.3333
23
0.8800
0.0550
0.0550
0.0100
0.6667
0.1667
0.1667
0.0000
La gnration des points informatifs et la construction de la matrice D-optimale ont t ralises laide
du Logiciel NEMROD
Points Tests : parmi les 8 points tests internes potentiels, nous en avons retenu 4 (les points 31
34) qui quilibrent les niveaux bas et haut des formes et (tableau 12).
Tableau 12 : points tests
N Exp Epsilon Alpha Beta Gamma
31
0.8125 0.0775 0.0775 0.0325
Points tests 32
0.8575 0.0325 0.0325 0.0775
internes
33
0.8125 0.0775 0.0325 0.0775
34
0.8125 0.0325 0.0775 0.0775
Z1
0.4167
0.5833
0.4167
0.4167
Pseudo-composants
Z2
Z3
0.2500 0.2500
0.0833 0.0833
0.2500 0.0833
0.0833 0.2500
Z4
0.0833
0.2500
0.2500
0.2500
Globalement, la rponse exprimentale est le spectre infrarouge de la substance examine, spectre saisi selon un protocole exprimental dfini, fix par la mthode danalyse. En
ralit, il sagit dun problme multirponses : il y a autant de rponses individuelles (absor-
_______________________________________________________________________________________
128
S.DUMAS
Le 20 juin 2003
bances) quil y a de frquences spectrales tudies. De plus, pour lexploitation numrique, on

peut envisager ou non un traitement mathmatique prliminaire du spectre brut enregistr par
le spectromtre : par exemple correction de la drive de ligne de base et/ou utilisation de la
drive premire du spectre (ou dordre suprieur).
Nous avons ralis 25 mlanges informatifs : les 21 points de la matrice dtalonnage

et les 4 points tests de validation. Compte tenu que lon ne dispose pas de mthode de dosage
alternative valide pour constituer une matrice dtalonnage partir dchantillons industriels,
ltalonnage ne peut se faire qu partir de mlanges reconstitus partir des formes polymorphes pures. Ces formes polymorphes ont t synthtises au laboratoire de synthse du
CRB partir du lot de CL20 rf. 5 titrant 99,1% (avec en particulier 0,7% dimpuret pentanitre). Les mthodes de synthse des formes polymorphes appartiennent au savoir-faire du
groupe SNPE.
Les rfrences des chantillons des formes polymorphes du CL20 utilises pour effectuer les mlanges talons sont rassembles dans le tableau 13. Leur puret chimique a t dtermine par HPLC (mthode de normalisation interne corrige, valide par des travaux antrieurs) ; les teneurs observes tant trs proche de 100%, les diffrentes formes polymorphes
sont considres comme pures. Quant la puret monomorphique, elle a t estime uniquement par IR (contrle de conformit du spectre IR de chaque forme synthtise par rapport
aux spectres de rfrence issus de travaux antrieurs).
Tableau 13 : rfrences des substances talons
CL20
Rfrence
A2 amorphe
B2 amorphe
G2 amorphe
E2 amorphe
Puret chimique
99,2 (0,7 % penta)
99,2 (0,7 % penta)
99,2 (0,7 % penta)
99,1 (0,7 % penta)
_______________________________________________________________________________________
129
S.DUMAS
Le 20 juin 2003

Peses : balance de prcision METTLER TOLEDO modle AG245.
Matriel pour la ralisation des pastilles : utilisation de mortiers et pilons dagate de marque
MERCK, pastilleuse 13mm de marque SPECTRA TECH ; presse de marque BECKMAN (10
tonnes sur un moule de 13mm engendrent une pression de 750 453MPa, donne constructeur).
Spectromtrie : spectromtre IRTF Nicolet 710 (figure 60) quip dun dtecteur DTGS.
Logiciels Nicolet : OMNIC 3.1 pour lacquisition et le traitement primaire des spectres et
TURBO QUANT 5.0 pour lanalyse spectrale quantitative (mthode PLS).
Figure 60 : spectromtre Nicolet 710
Traitements externes des donnes : logiciels EXCEL et SIMCA-S (version 6). Ce dernier
est un logiciel statistique gnraliste permettant, outre lutilisation des mthodes classiques,
dexploiter des donnes exprimentales par la mthode de rgression des moindres carrs partiels (PLS, algorithme PLS1 ou 2) [51].
_______________________________________________________________________________________
130
S.DUMAS
Le 20 juin 2003
Les mlanges synthtiques sont obtenus par pese des formes polymorphes pures
conformment aux compositions donnes par la matrice dtalonnage et par dispersion dans
du KBr cristallis anhydre (conserv ltuve, de granulomtrie et de qualit adaptes la
spectromtrie IR). Chaque mlange est ralis selon la mthode dchantillonnage dont la
gense ressort de travaux antrieurs :
prendre 100mg de mlange des formes polymorphes du CL20, ajouter 900mg de

KBr, puis broyer et mlanger manuellement pendant 20min. Pour pallier
lhygroscopie du KBr, mettre sous vide au dessiccateur (sous P O ) pendant 24
2
heures.
prendre 80mg de ce mlange primaire (CL20+KBr), ajouter 920mg de KBr, puis
ritrer le processus prcdent (20min de broyage-mlangeage, 24h de dessicca-
tion).
les pastilles proprement dites sont ralises partir de 300mg de cette dispersion
finale dans le KBr (sous vide, laide dune pastilleuse de 13mm de diamtre et
dune presse hydraulique).

pour chaque mlange talon, on fabrique 3 pastilles selon ce protocole.
Rappels : lIRTF tant une technique spectrale mono-faisceau, chaque spectre est la rsultante
de labsorption due lchantillon et de celle de lenvironnement (systme optique, atmosphre du banc optique et du compartiment chantillon, diffusion de la pastille et absorption du
dispositif dchantillonnage). Il en rsulte que le spectre de la substance tudie est obtenu
par soustraction du spectre du bruit de fond appel Background.
Le Background est ralis en prsence dune pastille de 300mg de KBr pur (broy
pendant 5min pour atteindre un niveau granulomtrique voisin de celui de lchantillon et
pastill dans les mmes conditions que les talons).
Que ce soit pour le Background ou pour les chantillons, les spectres ont t saisis en
transmission de 4000 400cm laide dun porte pastille de 13mm, avec les paramtres de
-1
rglage suivants du spectromtre : gain = 2 ; rsolution = 4cm ; nombre de scans = 100.

-1
_______________________________________________________________________________________
131
S.DUMAS
Le 20 juin 2003
Protocole de mesure
: la surface de la pastille tant environ 4 fois plus grande que
celle du faisceau infrarouge, labsorption mesure nest due qu une partie du CL20 prsent
(la mesure de lintgralit de la prise dessai nest pas effectue). Pour pallier la fois le manque dhomognit possible dune pastille donne et la dispersion probable des homognits
entre pastilles diffrentes, la platine du porte pastille est lgrement dcentre et chaque pastille est mesure deux fois avec une rotation de 90 de la pastille entre les deux mesures.
Cette procdure tant rpte pour chacune des trois pastilles dun talon donn, nous
disposons dun ensemble de
rptition
6 spectres par talon
qui peuvent tre considrs comme une
des points dtalonnage.
8.7- Exploitation des rsultats
Comme nous lavons expos dans la partie thorique, seule la mthode de rgression
PLS est utilisable pour une analyse spectrale quantitative. Cette mthode, mathmatiquement
complique, est dlicate mettre en uvre et matriser par un utilisateur nayant pas les
connaissances thoriques ncessaires. Pour pallier cette difficult, les auteurs des logiciels
intgrs aux spectromtres (tels que par exemple OMNIC et TURBO QUANT chez Nicolet)
ont travaill particulirement leur ergonomie pour en faire des outils bote noire, utilisables par tout technicien suprieur charg de lanalyse IR avec le minimum de formation. Il
en rsulte que lon
na plus
aujourdhui
accs tous
les paramtres considrs comme in-
termdiaires ou trop techniques du point de vue mathmatique. Le compromis est trs

acceptable pour une grande majorit de travaux pour lesquels les diffrences spectrales entre
les composs doser sont suffisantes, cest dire quand il sagit dune analyse de composs
chimiquement diffrents.
Ce nest plus du tout le cas pour le prsent problme o nous avons affaire une seule
structure chimique, les diffrences structurelles entre les formes polymorphes ne se traduisant
que par quelques diffrences vibrationnelles dans la zone spectrale 1200-600cm-1. Or, pour
utiliser une technique qui vraisemblablement est aux limites de ses possibilits et pour dterminer
les limites exactes
de la mthode danalyse qui en dcoule, il nous a paru insuffisant
et dangereux de se contenter des possibilits offertes par le logiciel bote noire dun fabri-
cant dappareil, bien que, in fine, ce sera ce logiciel qui devra tre utilis en routine. Do la
mthode de travail que nous avons choisie :
_______________________________________________________________________________________
132
S.DUMAS
Le 20 juin 2003
Linformation spectrale sera
exporte
pour pouvoir tre exploite de manire ex-
plicite avec tous les outils ncessaires en particulier pour identifier les zones spectrales les
plus informatives et les modles les plus performants. Les paramtres optimaux seront ensuite
imports
dans le logiciel TURBO QUANT pour
optimiser
la mthode danalyse qui sera
utilise en routine, directement partir du spectromtre servant saisir les spectres.


Par nature un point dun spectre est dfini par ses deux coordonnes : frquence en
abscisse et absorbance correspondante en ordonne. Il y aura autant de couples frquenceabsorbance quil y a de points chantillonns. Une saisie tous les 2cm entre 4000 et 400cm
-1
-1
implique l'enregistrement de 1869 points !

Tout spectromtre IRTF cre un fichier de donnes dont le format est spcifique au fabricant avec une structure adapte au logiciel dexploitation. Pour rendre les donnes transportables, les fabricants ont dfini un format normalis type texte (.CSV) sous lequel on peut
sauvegarder les spectres partir du logiciel de lappareil (ici OMNIC). Sous ce format, le
spectre dfini ci-dessus se prsentera sous la forme dun tableau numrique comportant 2 colonnes et 1869 lignes. Si certains logiciels gnralistes de statistique ayant prvu le traitement
des donnes spectrales acceptent directement limportation des donnes au format CSV, pour
les autres il est ncessaire de
prsenter
les donnes sous un
format acceptable
que ce soit
pour la nature des variables affectes aux lignes et aux colonnes ou pour le format au sens
informatique du terme. En revanche, tous les logiciels de traitement de donnes acceptent
limportation des donnes partir dun fichier EXCEL.
Lutilisation du logiciel SIMCA a ncessit une conversion, via EXCEL, des donnes
brutes issues du spectromtre Nicolet 710. De plus, pour pouvoir tre trait par ce logiciel, le
tableau de donnes final doit prsenter les individus en lignes et les variables explicatives en
colonnes
: par exemple, si pour ltablissement dun modle dtalonnage nous devons analy-
ser lensemble des 21 mlanges talons, cela correspond au traitement de 21x6 = 126 spectres,
dont nous devons prsenter les donnes sous la forme dun tableau dabsorbances constitu de
126 lignes (1 par spectre) et 1869 colonnes (1 par frquence chantillonne du spectre). Enfin,
pour avoir la matrice des rponses (les concentrations en formes polymorphes), nous devons
ajouter encore 4 colonnes pour les teneurs en chacune des formes polymorphes.
_______________________________________________________________________________________
133
S.DUMAS
Le 20 juin 2003
Nous devions satisfaire enfin une dernire contrainte, celle du tableur EXCEL qui
limite 256
le nombre de
colonnes
dun tableau (la limitation en nombre de lignes de plu-
sieurs milliers est sans objet pour notre travail). Pour ce faire nous devons supprimer des frquences pour passer de 1869 moins de 256.
Mise en forme prliminaire
Pour lensemble du prsent travail nous avons saisi environ 200 spectres que nous devons exploiter, do environ 200 fichiers convertir. La premire tche consiste partir des
fichiers spectraux bruts et les convertir en fichier texte sous OMNIC. Ces derniers sont ensuite repris sous EXCEL pour tre convertis en fichiers unitaires numriques partir desquels
toutes les oprations de transformations sont possibles : ces fichiers primaires unitaires
EXCEL comportent 2 colonnes de 1869 lignes (avec 1 colonne des frquences et 1 des absorbances).
Dans un deuxime temps, ces fichiers unitaires sont rassembls en un seul fichier secondaire pour former un tableau o chaque ligne correspond une frquence et chaque colonne aux absorbances dun spectre dun mlange donn (pour 200 spectres on obtient un
tableau de 1869 lignes et 200 colonnes).
Enfin, pour obtenir le tableau de donnes complet (tableau 14) rassemblant les variables explicatives (les absorbances) et les variables expliques (les concentrations en formes
polymorphes), nous rajoutons 4 lignes correspondant aux teneurs en chacune des formes polymorphes de chaque mlange tudi (matrice des compositions).
Tableau 14 : structure du tableau de donnes complet
Lignes
Frquences
(cm-1)
1
..
1869
1870
1871
399
..
4000
Forme
Forme
1872
1873
Forme
Forme
Absorbances
N
ml.

Matrice des absorbances

Matrice des concentrations

_______________________________________________________________________________________
134
S.DUMAS
Le 20 juin 2003
Rduction du nombre de frquences informatives
Pour pouvoir tre trait laide du logiciel SIMCA, ce tableau de donnes doit tre
transpos : si, toujours pour 200 spectres, il ny a aucun problme pour crire les 201 colonnes sous la forme de 201 lignes, il nen est pas de mme pour les 1873 lignes qui deviendraient les 1873 colonnes du tableau transpos, car EXCEL naccepte que 256 colonnes. Il
faut rduire significativement le nombre de frquences informatives. Pour ce faire nous allons
procder en deux tapes :

liminer les zones spectrales non informatives (cest dire ne prsentant aucune
bande dabsorption ou seulement des bandes non significatives) ;
rduire la rsolution du spectre : passer de 2 8cm par exemple permet de divi-1
ser par 4 le nombre de frquences informatives (une rsolution de 8cm est parfai-1
tement raisonnable pour une analyse quantitative).

Pour la premire tape, une analyse (visuelle) des spectres montre que nous pouvons
supprimer deux zones spectrales qui ne prsentent aucune absorption significative : la zone
40003200cm et la zone 28001800cm . Cette suppression de 1800cm saccompagne de
-1
-1
-1
la suppression denviron 934 lignes du tableau prcdent. Cette suppression nimplique aucune manipulation particulire si ce nest de slectionner les groupes de lignes incrimins.
Il reste environ 939 lignes (dont 935 frquences et 4 teneurs en chacun des formes polymorphes de chaque mlange), dont on ne peut diminuer le nombre quen diminuant la rsolution. Diminuer la rsolution de 2 4cm consiste supprimer une ligne sur deux. Comme
-1
il est exclu de le faire manuellement sur un tableau de 935 lignes, nous avons imagin une
stratgie de tri adapte la structure de nos fichiers que nous avons programme sous la
forme dune MACRO EXCEL.
En ritrant une seconde fois cette procdure, nous avons divis par 4 le nombre initial de frquences
potentiellement
informatives : finalement nous avons obtenu un tableau de
239 lignes et 213 colonnes. Ce tableau de donnes peut maintenant tre transpos pour conduire un tableau de 239 colonnes et 213 lignes, parfaitement compatible avec les contraintes
dEXCEL (< 256 colonnes).
_______________________________________________________________________________________
135
S.DUMAS
Le 20 juin 2003

Identification des zones spectrales dintrt
Cette rduction importante, mais raisonne, du nombre initial de variables explicatives

(les absorbances), ne suffit toujours pas pour faire une rgression multilinaire classique puisque nous avons toujours plus de descripteurs (239) que dindividus (213). De plus, compte
tenu que nous avons 6 spectres par mlange, les 213 individus ne correspondent en ralit
qu trente cinq quations rellement diffrentes. Do la ncessit dutiliser la mthode de
rgression des moindres carrs partiels PLS.
Bien que la mthode de rgression PLS tolre un certain niveau de corrlation entre les
variables explicatives et quelle permette de limiter les consquences des interfrences spectrales et du bruit exprimental, il est nanmoins important dliminer au maximum les
donnes qui napporteraient que du bruit.
Pour
identifier
les zones
rellement
informatives utilisables pour lanalyse quantita-
tive nous devons utiliser lintersection des zones spectrales correspondant simultanment la
variance maximale
entre lensemble des spectres ET la corrlation maximale entre absor-
bances et compositions centsimales.

Comme chaque frquence tudie correspond une colonne du tableau EXCEL, il est
facile de calculer la variance de chacune delle et de tracer lhistogramme des variances. De la
mme manire, lutilitaire danalyse dEXCEL permet de calculer et dafficher la matrice de
corrlation entre variables. On identifie de cette manire les frquences qui prsentent le
maximum de corrlations avec les concentrations en formes polymorphes.
La
runion
et/ou
lintersection
des frquences identifies selon les deux approches
constituent les fentres spectrales qui prsentent le maximum de probabilit dtre des zones
. Bien entendu le compromis
informatives
nest pas
univoque. On peut envisager un certain
nombre de combinaisons de frquences priori informatives.
_______________________________________________________________________________________
136
S.DUMAS
Le 20 juin 2003
Choix des mlanges de calibration et des mlanges de validation
La matrice de calibration (dtalonnage) est constitue normalement des mlanges 1

20 et 23, les points 31 34 reprsentant les points de validation (points tests internes). Toute
mthode de rgression linaire, la mthode PLS ne faisant pas exception la rgle, est trs
sensible aux points scartant le plus du modle : ces points doivent-ils alors tre considrs
comme aberrants ? (sont-ils des outliers selon la terminologie anglaise trop souvent utilise par les analystes). Nous mentionnerons nos choix au cas par cas.
La matrice dtalonnage donne des
valeurs thoriques
des concentrations en formes
polymorphes quil est souvent impossible de raliser exactement exprimentalement. La matrice des
concentrations relles
est connue partir des donnes reportes dans le cahier de
laboratoire de lexprimentateur. En toute rigueur, seules les concentrations relles doivent

tre utilises dans les calculs, nanmoins les valeurs thoriques disponibles dans les fichiers
de dpart peuvent constituer une approximation suffisante.
Modles de calibration
Nous avons ralis
9 modles
prvisionnels des quantits de chaque forme polymor-
phe du CL20. Chaque modle a t construit en fonction des frquences et des mlanges retenus pour le calcul. Ces modles, obtenus laide du logiciel SIMCA, sont rfrencs de MS1
MS9. Les modles MS1 MS4 correspondent lutilisation des concentrations thoriques
des mlanges du plan dexpriences, les modles MS5 MS9 correspondent lutilisation des
concentrations ralises exprimentalement qui en diffrent quelque peu (on ne peut que peser exactement des quantits de matires approchant les valeurs thoriques que lon dsire).
Les modles MS1 MS8 sont tablis partir de tous les spectres des mlanges 1 20
et 23 alors que le modle MS9 correspond lexclusion des spectres de la pastille 3 du mlange 7, cette dernire semblant tre un point aberrant.
Aucun traitement des spectres na t effectu pour laborer ces modles (travail en
absorbances brutes).
Modles
MS1
MS2
MS3
MS4
Rf. fichiers
M1 Variance
M2 Corrlation
M3 Runion
M2 Intersection
Conditions de modlisation (concentrations thoriques)
Suppression des frquences ayant les plus petites variances

Suppression des frquences ayant une corrlation avec les concentrations <1
Suppression de lensemble des zones M1 + M2.
Suppression des zones communes M1 et M2.
_______________________________________________________________________________________
137
S.DUMAS
Modles
Le 20 juin 2003
Rf. fichiers
MS8
M5
M6 Variance2
M7 Runion Variance-Corrlation
M8 Intersection Variance-Corrlation
MS9
M9 Intersection
MS5
MS6
MS7
Conditions de modlisation (concentrations relles)
Suppression des frquences idem M4.

Suppression des frquences ayant une variance < 0,006
Suppression de lensemble des zones M2 + M6.
Suppression de lensemble des zones de variance < 0,006
et de corrlation < 1.
idem M8 mais suppression du spectre du mlange 73.
Nombre des composantes retenues pour chaque modle
Le critre de dtermination du nombre optimal de composantes utiliser dans le modle dtalonnage correspond la minimisation de la somme des carrs des rsidus obtenus
par validation croise du modle test (PRESS, Q2 ou test quivalent). Les rsultats sont donns tableau 15.
Tableau 15 : nombre de composantes retenus
Modles
MS1
MS2
MS3
MS4
Nb de composantes
9
8
6
9
Modles
MS5
MS6
MS7
MS8
MS9
Examen des rsidus
Nb de composantes
9
9
8
8
8
[84]
Parmi les outils danalyse de la qualit de ltalonnage que nous avons utiliss,
lexamen de la distribution des rsidus via la droite de Henry prsente lavantage de la simplicit (mthode purement graphique : valeur estime = f(valeur relle)). En effet, comme
pour toute rgression, si le modle dtalonnage postul ajuste correctement le phnomne
physique, les carts entre les valeurs prdites par le modle et les valeurs exprimentales relles (carts appels rsidus) sont normalement distribus. La prsence de rsidus anormalement levs (scartant significativement de la droite de Henry) peut correspondre des
points dtalonnage aberrants (outliers). Aprs une tude critique de leur aberration, les
points jugs aberrants doivent tre limins de la matrice dtalonnage.

La rgression partir des concentrations thoriques (modles MS1 MS4) ne prsentant quun intrt acadmique, nous ne reportons ici que ltalonnage partir des concentrations exprimentales. Tous traitements effectus, nous prsentons ici les trois modles les plus
performants : MS7, MS8 et MS9. Dans le tableau 16, nous avons rassembl les rsultats des
dosages des points tests internes destins valider les 3 modles postuls. Comme pour un
_______________________________________________________________________________________
138
S.DUMAS
Le 20 juin 2003
modle donn et pour un mlange test donn nous disposons de 6 spectres, nous avons 6 valuations de sa composition : pour chacune des formes polymorphes nous pouvons rendre la
valeur moyenne de sa concentration estime et un cart type reprsentant la variabilit de ces
estimations individuelles.
Compte tenu quune rgression PLS passe par des dtours mathmatiques complexes,
il nest pas possible de donner ici, de manire accessible, un vritable intervalle de confiance
sur une teneur prdite. Nanmoins, nous pouvons examiner deux indicateurs statistiques sim-
ples : le coefficient de variation qui rapporte lcart type dune mesure sa valeur moyenne
et lerreur
relative
sur une teneur en rapportant le rsidu moyen la valeur thorique de la
teneur. Ces indicateurs simples sont rassembls dans le tableau 17.

Tableau 16 : validation des modles partir des points tests internes
M- Pts
thodes valid
MS7
MS8
MS9
Compositions relles
(%) (%) (%) (%)
Compositions estimes par les Mthodes de dosage

(%)
(%)
(%)
(%)
31
81.3
7.7
7.7
3.3
80.2
0.7
8.6
0.2
7.3
0.6
3.9
0.3
32
85.6
3.3
3.3
7.7
85.1
0.7
4.6
0.4
1.1
0.5
9.1
0.5
33
81.3
7.7
3.3
7.7
80.5
0.4
8.7
0.3
1.7
0.6
9.0
0.3
34
81.3
3.3
7.7
7.7
79.8
0.9
3.3
0.3
7.8
1.2
9.0
0.3
31
81.3
7.7
7.7
3.3
81.1
0.7
8.0
0.4
7.2
0.6
3.5
0.5
32
85.6
3.3
3.3
7.7
85.0
0.9
4.2
0.4
1.6
0.3
9.1
0.6
33
81.3
7.7
3.3
7.7
81.0
0.7
8.5
0.4
1.7
0.4
8.7
0.5
34
81.3
3.3
7.7
7.7
78.2
1.1
3.6
0.2
8.4
1.1
9.8
0.3
31
81.3
7.7
7.7
3.3
80.9
0.8
8.1
0.4
7.1
0.5
3.8
0.5
32
85.6
3.3
3.3
7.7
84.5
0.8
4.2
0.4
1.7
0.3
9.5
0.5
33
81.3
7.7
3.3
7.7
80.8
0.6
8.5
0.4
1.6
0.4
9.0
0.5
34
81.3
3.3
7.7
7.7
78.0
1.1
3.5
0.2
8.6
1.1
9.9
0.3
Une premire analyse globale montre que les trois modles retenus prsentent un intrt quivalent et qu'ils peuvent servir de base un dveloppement de mthodes avec TURBO
QUANT. Lexamen du tableau 17 montre que dans
tous les cas
on obtient une
qualit
de
prdiction satisfaisante pour la teneur en forme . Pour les autres formes polymorphes, dune
manire gnrale, les coefficients de variation et les erreurs relatives sont particulirement
levs pour des teneurs de 3,3%, beaucoup plus acceptables pour celles de 7,7%.
On remarque galement que la forme polymorphe semble mieux estime que et ,
la forme paraissant de loin la plus mal estime.
_______________________________________________________________________________________
139
S.DUMAS
Le 20 juin 2003
Tableau 17 : coefficients de variation et erreurs relatives
Forme
Teneurs thoriques
M-
Pts.
thodes valid
MS7
MS8
MS9
31
32
33
34
31
32
33
34
31
32
33
34
Forme
Forme
Forme
(%)
C.var
%
Er.rel
%
C.var
%
Er.rel
%
C.var
%
Er.rel
%
C.var
%
Er.rel
%
3.3
7.7
7.7
7.7
3.3
7.7
7.7
7.7
3.3
7.7
7.7
7.7
0.8
0.8
0.5
1.2
0.9
1.1
0.8
1.4
1.0
1.0
0.8
1.4
1.3
0.5
0.9
1.9
0.2
0.7
0.3
3.8
0.5
1.3
0.6
4.1
2.5
10.6
3.6
9.4
5.1
12.4
4.9
5.8
4.8
11.5
5.1
6.7
11.0
39.7
12.5
0.6
4.4
28.2
10.5
8.2
5.1
27.6
10.9
5.5
7.8
13.6
17.6
15.5
7.8
9.1
12.7
14.3
7.0
8.2
13.3
13.9
5.3
66.1
47.3
1.6
6.1
51.2
50.0
8.7
7.4
49.1
51.2
11.8
7.9
6.9
3.2
3.6
14.2
8.3
5.8
4.0
14.8
6.5
6.6
4.2
17.6
18.1
16.6
16.8
6.7
18.6
13.5
26.9
14.5
23.9
16.6
28.2
(%)
(%)
(%)
81.3
85.6
81.3
81.3
81.3
85.6
81.3
81.3
81.3
85.6
81.3
81.3
7.7
3.3
7.7
3.3
7.7
3.3
7.7
3.3
7.7
3.3
7.7
3.3
7.7
3.3
3.3
7.7
7.7
3.3
3.3
7.7
7.7
3.3
3.3
7.7
Les premiers dveloppements ont t bass sur les modles MS7 et MS9 obtenus avec
SIMCA, en essayant dapprocher au mieux leurs fentres spectrales avec TURBO QUANT.
Dans ce contexte, nous avons retenu trois slections spectrales qui ont conduit aux mthodes
rfrences dans ce document par TQ1, TQ2 et TQ3 (leurs correspondances avec les fichiers de
travail sont reportes dans le tableau 18). Nanmoins, la diffrence des modles dvelopps
avec SIMCA, pour ces modles TQ1, TQ2 et TQ3 nous avons intgr le spectre de
la forme
pure la matrice dtalonnage (donc le point [] = 100%, correspondant un point 0 pour ,

et ), ce qui se justifie dans la mesure o les chantillons industriels ont des teneurs proba-
blement >
97%
. Comme avec SIMCA, aucun traitement des spectres na t ralis pour la-
borer ces modles (travail en absorbances brutes).

Tableau 18 : correspondances des mthodes avec les documents internes
Mthode Rfrence interne
TQ1 CL20 T Q PLS-3
TQ2 CL20 T Q PLS-6
TQ3 CL20 T Q PLS-6+
Fentres spectrales
-1
5 fentres spectr. : 3713 3567 ; 1160 1076 ; 1027 1006 ; 985 935 ; 773 - 742 cm .
8 fentres spectr. :
les 5 prcdentes + 692 653 ; 624 604 et 536 507 cm
-1
.
-1
5 fentres spectr. : 1160 1076 ; 1027 1006 ; 985 935 ; 773 742 ; 695 599 cm .
Pour chacun des composs analyss, un premier indicateur sur la validit du modle
dtalonnage est donn par le coefficient de rgression R2. Nous avons rassembl ces indicateurs dans le tableau 19.
_______________________________________________________________________________________
140
S.DUMAS
Le 20 juin 2003
Tableau 19 : coefficients de rgression obtenus pour les modles retenus
TQ1
TQ2
0.996
0.988
0.996
0.994
0.996
0.990
0.996
0.995
TQ3
0.997
0.990
0.996
0.995
Dans le tableau 20, nous avons rassembl les rsultats des dosages des points tests internes destins valider les 3 modles postuls. Comme pour les modles dvelopps avec
SIMCA, pour chacune des formes polymorphes nous pouvons rendre la valeur moyenne de sa
concentration estime et un cart type reprsentant la dispersion de ces estimations individuelles.
Tableau 20 : validation des modles partir des points tests internes
MPts
thodes valid
31
TQ1
32
33
34
31
TQ2
32
33
34
31
TQ3
32
33
34
Compositions relles
(%) (%) (%) (%)
81.3
85.6
81.3
81.3
81.3
85.6
81.3
81.3
81.3
85.6
81.3
81.3
7.7
3.3
7.7
3.3
7.7
3.3
7.7
3.3
7.7
3.3
7.7
3.3
7.7
3.3
3.3
7.7
7.7
3.3
3.3
7.7
7.7
3.3
3.3
7.7
3.3
7.7
7.7
7.7
3.3
7.7
7.7
7.7
3.3
7.7
7.7
7.7

(%)
(%)
(%)
(%)
82,9
86,7
81,9
80,3
82,3
86,2
81,5
80,7
81,1
85,1
81,2
81,2
0,3
0,4
0,5
0,3
0,3
0,4
0,4
0.3
0,4
0,5
0,3
0,4
8.1
3,7
8,2
3,9
7,9
3,5
8.0
4,0
7,8
3,2
7,9
4,0
0,1
0,2
0,1
0,1
0,1
0,2
0,1
0,1
0.1
0,2
0,1
0,1
7,2
3,3
3,7
8.2
7,6
3,7
3,9
8,1
7,6
3,7
3,9
7,8
0,3
0,4
0,6
0,2
0,3
0,4
0,5
0,2
0,3
0,4
0,3
0,3
2,8
7,1
7.0
7,4
2,7
6,9
6,8
7,2
3,3
7,5
7,4
7,2
0,2
0,2
0,2
0,1
0,1
0,1
0,2
0,1
0,2
0,2
0,1
0,2
De la mme manire que prcdemment, nous examinons les deux indicateurs coefficient de variation et erreur relative que nous avons rassembls dans le tableau 21.
Comme pour les modles dvelopps avec SIMCA, lexamen de ce tableau montre
que dans tous les cas on obtient une qualit de prdiction satisfaisante pour la teneur en forme
. De mme, pour les autres formes polymorphes, dune manire gnrale, les coefficients de
variation et les erreurs relatives sont particulirement levs pour des teneurs de 3,3%, beaucoup plus acceptables pour celles de 7,7%. On peut galement remarquer la bonne prdiction
globale pour le mlange test N34.
_______________________________________________________________________________________
141
S.DUMAS
Le 20 juin 2003
(%)
81.3
85.6
81.3
81.3
81.3
85.6
81.3
81.3
81.3
85.6
81.3
81.3
31
TQ1
32
33
34
31
TQ2
32
33
34
31
TQ3
Forme
Teneurs thoriques
M- Pts.
thodes valid
32
33
34
(%)
7.7
3.3
7.7
3.3
7.7
3.3
7.7
3.3
7.7
3.3
7.7
3.3
(%)
7.7
3.3
3.3
7.7
7.7
3.3
3.3
7.7
7.7
3.3
3.3
7.7
Forme
C.var Er.rel C.var Er.rel

%
%
%
%
0.4 2.0 1.7 4.7
0.5 1.3 5.5 11.5
0.6 0.8 1.3 6.2
0.3 1.2 1.5 19.4
0.4 1.2 1.6 2.3
0.5 0.7 4.5 6.1
0.5 0.3 1.0 3.8
0.4 0.8 0.9 21.8
0.5 0.3 1.2 0.6
0.6 0.6 6.4 2.7
0.3 0.1 1.0 1.9
0.5 0.1 0.6 22.4
(%)
3.3
7.7
7.7
7.7
3.3
7.7
7.7
7.7
3.3
7.7
7.7
7.7
Forme
C.var
%
3.9
13.3
18.2
1.9
3.9
13.0
13.9
2.7
4.2
12.1
8.5
3.9
Forme
Er.rel C.var Er.rel

%
%
%
7.0 6.1 16.7
1.2 2.6 8.3
12.1 1.9 9.2
6.8 1.2 3.8
1.9 3.3 17.3
10.9 1.7 10.6
19.4 1.9 11.9
5.5 1.4 7.1
1.0 7.3 0.6
12.1 2.6 2.1
17.6 1.8 3.9
1.0 1.9 6.2
Si les performances des modles TQi sont globalement suprieures celles des modles MSi, cela ne provient pas d'une diffrence de performance des logiciels o de leur utilisation, mais du fait que la matrice d'talonnage n'est pas la mme : la matrice utilise pour dvelopper les TQi correspond l'ajout du spectre de la forme pure. La rflexion qui a conduit cet ajout s'est rvl judicieuse, dans la mesure o elle a amlior la qualit globale des
, en particulier pour les formes et .
estimations
8.7.3 - Analyses de lots industriels
8.7.3.1 - Etude prliminaire

Nous avons utilis ces modles dtalonnage pour une premire approche de lanalyse
de lots industriels. Nous reportons dans le tableau 22 les rsultats obtenus pour 5 de ces lots.
Tableau 22 : teneurs en forme
Rfrences des
lots industriels
Teneurs en estimes par les trois mthodes

TQ1
%
3
6
7
8
15
de lots industriels
97.8
100.3
98.3
98.1
97.9
TQ2
%
TQ3
%
0.9 97.9 1.1 95.8 1.9

1.0 101.7 0.9 100.1 1.2
0.9 100.1 0.3 98.7 0.3
1.1 100.0 1.8 98.9 1.3
1.6 99.6 1.3 99.6 1.6
_______________________________________________________________________________________
142
S.DUMAS
Le 20 juin 2003
Bien que lon ne dispose pas danalyses de rfrence pour juger de la validit de ces
rsultats, ils convergent pour suggrer que les lots industriels ont des teneurs en forme plus
leves que ce que lon supposait au dpart de cette tude (probablement >98%).
8.7.3.2 - Analyse dun chantillonnage de 14 lots industriels
A lissue de ces rsultats,
un
nombre plus important
deux modles
nous avons retenu seulement
pour examiner
. Nous avons retenu la transposition Turbo
de lots industriels
Quant du modle MS8 et le modle TQ3 qui nous paraissent prsenter les meilleurs compromis globaux. Nous reportons dans le tableau 23 les analyses chimiques, granulomtriques et
les rsultats obtenus pour lanalyse de la forme des 14 lots industriels que nous avons tudis et dans le tableau 24 les rsultats obtenus pour lanalyse des trois autres formes.
Tableau 23 : teneurs en forme
Rfrences des Puret

lots industriels chimique
%
1
2
3
4
5
6
7
8
9
10
11
12
13
14
-
non mesur
98.9
98.6
99.2
98.9
98.9
99.2
99.2
99.1
98.5
98.4
98.6
98.9
98.5
98.5
impuret
pentanitre %
1.0
1.2
0.2
0.5
0.7
0.6
0.7
0.8
1.1
1.2
1.2
1.0
1.3
1.3
de 14 lots industriels
Granulomtrie
m
Teneurs en estimes
MS
TQ
34.5
29.4
35.0
28.0
99.5
98.4
94.4
94.6
0.7
0.6
2.6
2.0
98.1
98.3
95.8
96.4
111.0
5.5
27.0
300.0
31.0
32.0
151.0
-
99.8
98.1
97.0
91.3
99.4
99.6
0.4
1.9
1.9
0.6
1.0
0.7
100.1
98.7
98.9
90.3
100.9
99.5
36.0
94.6
95.9
1.5
1.5
97.2
98.7
>100.0
>100.0
0.3
0.4
1.9
1.9
1.2
1.2
0.3
1.3
0.6
0.7
1.0
0.9
_______________________________________________________________________________________
143
S.DUMAS
Le 20 juin 2003
Tableau 24 : teneurs en formes
Rfrences des
lots industriels
1
2
3
4
5
6
7
8
9
10
11
12
13
14
Teneurs en estimes
MS8
%
0.0
0.0
<1.0
<1.0
1.4
0.5
1.4
0.4
TQ3
%
1.1
1.5
2.1
1.6
Teneurs en estimes
0.2
0.2
0.8
0.6
2.1
, et de 14 lots industriels
0.5
MS8
%
3.0
3.0
3.7
2.5
1.8
0.4
0.5
2.4
1.7
0.2
1.4
%
<1.0
0.0
<1.0
<1.0
1.7
<1.0
0.8
0.0
0.0
0.0
<1.0
1.4 0.5 0.0
0.0
<1.0
<1.0
<1.0
2.2 0.4 2.3 1.6
8.6 0.5 11.1 0.3 1.9 0.5
0.0
1.6 0.5 1.7 0.3
0.0
1.9 0.3 1.4 1.3
1.6
0.0
0.0
TQ3
Les lots 13 et 14 sont obtenus par recristallisation du 9.
0.0
0.0
0.0
0.0
0.0
0.0
Teneurs en estimes
MS8
TQ3
%
%
0.0
1.0 0.1
0.0
1.5 0.3
1.7 1.4 <1.0
2.4 1.5 <1.0
2.3
0.0
2.0
0.0
0.0
0.0
0.0
1.3
0.4
<1.0
0.7
<1.0
0.0
0.0
0.0
0.9 <1.0
<1.0
<1.0
<1.0
<1.0
8.7.3.3 - Discussion des rsultats pour lanalyse de la forme

Pour un mme lot, la comparaison directe des diffrences observes entre les estimations des deux mthodes danalyse
nest pas possible
arithmtiquement
car il faut tenir
compte des carts types observs sur ces estimations. Par exemple, pour les diffrences apparentes les plus leves qui sont observes pour les lots 5 et 12 (les estimations du modle MS8
tant les plus faibles), statistiquement il y a plus de 92% de probabilit que ces diffrences ne
soient pas significatives. On peut dire globalement quil ny a probablement pas de diffrences
, statistiquement parlant, entre les deux mthodes.
Attention : indpendamment de la remarque prcdente,

pas une comparaison des performances des talonnages
pas effectus
partir de la
mme matrice
dtalonnage
toute comparaison ventuelle
nest
internes ou externes car ils ne sont
, la mthode TQ3 incluant la forme
pure dans la matrice dtalonnage.

Examen des lots 1, 5 et 12 :
nanmoins, pour les lots 5 et 12, nous avons fait
lhypothse que la diffrence observe entre les estimations de la teneur en des 2 modles
pouvait correspondre un problme
, consquence du mlan-
dhtrognit des pastilles
geage-broyage qui est effectu manuellement. Nous avons remarqu que plus la granulomtrie de lchantillon est leve, plus lhomognit de la pastille est difficile obtenir. La non
homognit des pastilles peut se traduire par une modification des spectres qui, associe au
_______________________________________________________________________________________
144
S.DUMAS
Le 20 juin 2003
fait que les zones spectrales choisit pour les 2 modles ne sont pas identiques, se traduit par
une diffrence des estimations. Pour en revenir une diffrence ventuelle de comportement
des lots 1 et 12, lexamen du tableau 23 nous permet de remarquer que la granulomtrie du lot
12 est particulirement leve (34,5m pour le lot 1 et 151m pour le lot 12) alors que ces
lots ne se diffrentient ni par leur puret chimique, ni par leur teneur en impuret pentanitre.
Examen du lot 9 :
la teneur en forme du lot 9 ([] 90-91%) est beaucoup plus fai-
ble que celles des autres lots alors que sa teneur en forme est la plus leve ([] 9-11%).
Or la forme est la forme hydrate du CL20, elle se forme majoritairement ds quil y a prsence deau dans un lot de CL20. Il en rsulte que le taux deau du lot 9 est de 5 6 fois celui
dun lot de CL20 normal, do labaissement concomitant de la teneur en forme .
Examen des lots 13 et 14 :
rappelons que ces lots sont obtenus par traitement du lot 9
dans le but den diminuer lhydratation en liminant un maximum de forme . Les

obtenus aprs traitement paraissent
aberrants
rsultats
dans la mesure o la teneur estime en forme
est >100% et que celles en impurets , et sont nulles. On peut expliquer les rsultats obtenus par le fait que les formes , et ont t limines en partie ou totalement au cours du
traitement
(en particulier la forme ). Quoi quil en soit, aprs traitement, les concentrations
finales en chacune des formes sont
hors domaine
. Les estimations obtenues
dtalonnage
rsultent de lextrapolation des modles, elles traduisent simplement le haut degr de puret
des lots traits en forme .
Influence de la concentration en impuret pentanitre
: en examinant le tableau 14,
on peut constater que dun lot lautre la teneur en impuret pentanitre peut varier de 0,2
1,3%.
En particulier les lots 13 et 14 prcdents ont une teneur de 1,3%, double de celle des
talons qui ont servis la matrice dtalonnage. Or rappelons que cette dernire a t conue
sous lhypothse dune teneur
nest pas respecte,
quasi constante
il en dcoule une
en impuret pentanitre.
insuffisance prvisionnelle
Si cette condition
des modles
dtalonnage
(ce qui dans le cas ci-dessus sajoute aux effets de la recristallisation).
_______________________________________________________________________________________
145
S.DUMAS
Le 20 juin 2003
8.7.3.4 - Discussion des rsultats pour lanalyse des formes , et

Un examen superficiel pourrait suggrer que lon obtienne en moyenne des estimations des teneurs en forme plus faibles avec le modle MS8 quavec le modle TQ3, que ce
serait linverse pour la forme et quil ny aurait pas de diffrences pour la forme .
Comme pour la forme ,
la
comparaison directe
estimations des deux mthodes danalyse
nest
des diffrences observes
pas possible
entre les
arithmtiquement car il faut
tenir compte des carts types observs sur ces estimations. L encore, on peut dire globalement quil ny a pas de diffrences, statistiquement parlant, entre les deux mthodes.
8.7.4 - Conclusion
Ce premier dveloppement dune mthode danalyse du polymorphisme du CL20 nous

a permis de
valider
la mthodologie dtalonnage base sur une
approche chimiomtrique
que nous avons utilise. A partir des rsultats de ltalonnage externe (traitement des donnes avec SIMCA), il a t possible dobtenir un talonnage interne acceptable (utilisation
de TURBO QUANT intgr au logiciel du spectromtre). En effet, pour les chantillons appartenant au domaine dtalonnage, les carts entre valeurs prdites et valeurs relles sont de
lordre de grandeur de la dispersion exprimentale des mesures : la qualit de cet talonnage
peut donc tre qualifie dacceptable dans le domaine de concentrations utilis.
Pour lensemble des
lots industriels
talonnage, il sest avr que
leur
teneur
que nous avons analyss partir de ce premier
en forme
tait beaucoup plus
leve
que nous le
pensions et que de plus, certaines formes polymorphes pouvaient tre absentes (ou tout au
moins non quantifiables). Il en rsulte que les domaines dtalonnage des formes , et que
nous avions fixs entre 1 et 10% ne correspondent pas aux teneurs relles, ils doivent tre
recentrs sur ces dernires (de 0,1 2% ?), ce qui implique un nouvel talonnage.
Parmi les sources de variabilit affectant la prcision du dosage spectromtrique, nous
devons galement nous interroger sur linfluence de limpuret pentanitre. Nous avons fait
lhypothse a priori que le procd industriel conduisait une teneur approximativement
constante de lordre de 0,7% (facteur constant de notre matrice dtalonnage). Si cette hypothse est invalide par la ralit industrielle,
cette impuret
doit
faire partie des lments
, elle doit donc tre prise en compte dans la matrice dtalonnage.
quantifier
_______________________________________________________________________________________
146
S.DUMAS
Le 20 juin 2003
Enfin, il est probable que

dispersion
la
granulomtrie
de dpart de lchantillon
influe
sur la
des caractristiques des pastilles : plus la granulomtrie est leve, plus la disper-
sion des caractristiques est leve. Pour pallier cette difficult et minimiser linfluence de la
variabilit intrinsque du geste manuel, il faut envisager lutilisation dun vibro-broyeur.
Malgr les limites de cette premire tentative,
les
rsultats
sont
trs encourageants.
Notons surtout que, pour la premire fois, le groupe SNPE dispose dune mthode danalyse
polymorphique quantitative de lots industriels de CL20.
IX - DEVELOPPEMENT DE LA METHODE DANALYSE QUANTITATIVE :
APPROCHE DEFINITIVE
9.1 - Travaux prliminaires
Avant de procder un second talonnage, il nous a paru ncessaire dacqurir des informations supplmentaires concernant les talons dont nous disposons (via une tude ATD),
les limite de dtection en IR et linfluence ventuelle de la teneur en impuret pentanitre sur
le comportement du modle dtalonnage.
9.1.1 - Analyse thermique diffrentielle
Toutes les mesures ont t effectues avec un appareil DSC20 8C.min , la masse de
-1
lchantillon a vari de 6,4 9,3mg selon ltude. Comme valeurs de rfrence des tempratures et des enthalpies de transition, nous avons retenu celles issues des travaux de M.F.FOLTZ
[23] (annexe 7).
Forme
(ref A2) : pour cet chantillon le pic de transition est dcal par rapport aux
valeurs de la littrature : nous observons une temprature de transition de 154,2C avec une
enthalpie de 35,1J.g pour 172,5C et 12,5J.g reports dans la littrature. Nous avons exa-1
-1
min un second chantillon de forme (ref A3) : nous avons observ un thermogramme
complexe prsentant quatre zones de transition avec deux pics simples et deux massifs
- deux pics vers 86 et 100C avec respectivement des enthalpies < 0,4J.g ,
-1
- un premier massif M dans lintervalle de temprature 135-158C constitu de 3 pics

1
140,1C, 144,6C et 151,7C avec respectivement des enthalpies de 0,7J.g , 0,5 et 1,1J.g
-1
-1
(soit une enthalpie totale de 2,3J.g ),

-1
_______________________________________________________________________________________
147
S.DUMAS
Le 20 juin 2003
- un second massif M dans lintervalle de temprature 163-203C constitu de 2 pics

2
174,7C et 184,8C avec respectivement des enthalpies de 2,0 et 5,8J.g (soit une enthalpie
-1
totale de 7,8J.g ).
-1
Forme (ref B2) : pour cet chantillon le pic de transition est dcal par rapport aux
valeurs de la littrature : nous observons une temprature de transition de 146,3C avec une
enthalpie de 4,2J.g pour 145,5C et 1,37J.g reports dans la littrature. Nous avons exami-1
-1
n un second chantillon de forme (ref B3) : nous observons alors deux tempratures de
transition 142,4 (pic principal) et 174,3C (pic secondaire) avec respectivement des enthalpies de 2,2 et 1,45J.g .
-1
Forme (ref G3) : nous n'observons aucune diffrence avec les valeurs de
M.F.FOLTZ. Il semblerait que lchantillon analys soit pur.

Forme (ref E3) : nous observons une temprature de transition 169,7C avec une
enthalpie de 24,4J.g alors que la littrature signale 168,2C et 17,4J.g . Ces faibles carts
-1
-1
peuvent tre probablement attribus une lgre diffrence en taux dimpuret(s).

Les plus grandes diffrences entre les caractristiques thermiques de nos chantillons
et celles de la littrature tant observes pour la forme qui est une forme hydrate du CL20,
nous avons pens que cela pouvait provenir dune dshydratation dans la mesure o 1% deau
implique une enthalpie de 23J.g . Afin dtudier cette hypothse nous avons fait des analyses
-1
comparatives ATD et IR de ltalon (ref A3) avant et aprs traitement thermique sous vide
100C jusqu poids constant. Aprs traitement thermique de lchantillon (ref A4) :
- en ATD nous nobservons plus quun seul massif contenant 3 pics 169,2C, 176,1
et 180,7C avec respectivement des enthalpies de 0,8J.g , 1,52 et 3,34J.g (soit une enthalpie
-1
-1
totale de 5,6J.g ). Un trs petit pic observ 146,8C avec une enthalpie de 0,1J.g suggre
-1
-1
la prsence dune faible quantit de forme estime 0,6%. Le traitement thermique de

lchantillon a entran la disparition des deux premiers pics et du massif M et une modifica1
tion du massif M avec lapparition dun troisime pic, un domaine de temprature qui passe
2
de 163-203C 156-194C et une baisse denthalpie totale de 7,8 5,7J.g .

-1
- en spectroscopie IR nous nobservons aucune modification spectrale.
_______________________________________________________________________________________
148
S.DUMAS
Le 20 juin 2003
- le dosage de leau des chantillons avant et aprs ce traitement thermique donne respectivement 1,9 et 1,1%, soit une perte de 0,8% deau (le taux thorique deau dans la forme
est 1%).
Pour vrifier galement linfluence dune hydratation ventuelle de ltalon , nous
avons effectu un dosage deau et obtenu 0,4%. Cette teneur est de lordre du 1/5 de celle de
ltalon (1,9%). Ces rsultats sont cohrents avec les enthalpies totales observes pour nos
chantillons (3,7J.g pour et 10,8J.g pour ).
-1
-1
Nous nous sommes ensuite intress linfluence ventuelle du gradient de temprature en ATD, en examinant le comportement dun talon avec un gradient de 1C.min la
-1
place des 8C.min de lanalyse ATD de dpart. Si nous navons pas constat de variation
-1
significative de lenthalpie (32 pour 30,2J.g ), nous avons observ un abaissement du do-1
maine de temprature de transition de (119-190C pour un maximum du pic 162,2C pour

8C.min , alors que le domaine est de 111-184C et le max du pic 145C pour 1C.min ).
-1
-1
Enfin, nous avons mesur la rptabilit de lanalyse ATD partir de 3 analyses de

ltalon (ref E3) dans des conditions identiques.
Conclusion
Nous confirmons que la dshydratation peut tre responsable du comportement de

ltalon en ATD. Il en rsulte que le taux deau contenu dans cette forme doit tre un facteur de bruit pour lanalyse quantitative infrarouge.
9.1.2 - Sensibilit spectrale de la forme
Nous avons examin les variations spectrales de la forme (ref A3) en y ajoutant respectivement 10 et 20% de forme (ref B3) : les variations spectrales induites sont dtectables
visuellement. Les spectres IR obtenus sont reports figure 61.
_______________________________________________________________________________________
149
S.DUMAS
Le 20 juin 2003
Figure 61 : spectres IR de alpha seul, bta seul et mlange alpha +10% bta
9.1.3 - Influence de limpuret pentanitre
Pour vrifier linfluence du compos pentanitr sur la mthode de dosage du CL20

dont il est limpuret majoritaire, nous avons choisi le lot 8 de CL20 qui contient 0,8% de
_______________________________________________________________________________________
150
S.DUMAS
Le 20 juin 2003
driv pentanitr auquel nous avons successivement ajout 0,7%, 1,2% et 2,2% de cette impuret. Nous avons analys ces trois chantillons laide du modle dtalonnage TQ3. Le spectre de limpuret pentanitre est report figure 62, les rsultats des dosages sont reports dans
le tableau 25.
0.11
pentanitr
0.10
0.09
0.08
0.07
bs
A
0.06
0.05
0.04
0.03
0.02
0.01
-0.00
1200
1100
1000
900
800
700
600
500
cm-1
Figure 62 : spectre IR de limpuret pentanitre
Tableau 25 : teneurs en formes , , et aprs ajout de limpuret pentanitre

Taux
Analyses du lot 8 en fonction des ajouts
de limpuret pentanitre
total
de
Alpha
Bta
Gamma
Epsilon
penta %
0.4 0.0
<1.0
98.9 1.3
0.8% 2.2
0.2 0.0
<1.0
99.1 0.7
1.5% 2.0
<1.0
<1.0
98.7 0.7
2.0% <1.0
0.2 0.0
1.2 0.1 98.2 0.5
3.0% 1.3
Malgr les grandes incertitudes sur les trs faibles teneurs des formes , et , ces
rsultats suggrent nanmoins une corrlation ngative entre teneur en impuret pentanitre
et estimation de la teneur en forme
: cette dernire diminue quand la teneur en impuret
augmente.
Pour pallier ce phnomne, il est ncessaire dintgrer la teneur en impuret pentanitre
la matrice dtalonnage.
_______________________________________________________________________________________
151
S.DUMAS
Le 20 juin 2003
9.1.4 - Conclusion
A partir des informations issues de ces travaux prliminaires, nous pouvons dfinir le
domaine dtalonnage dfinitif qui va faire lobjet du second volet de nos travaux. Par rapport
au premier volet, il apparat ncessaire, non seulement de modifier les contraintes de concentration sur les formes msomorphes, mais aussi de tenir compte de la prsence du driv pentanitr.
Lanalyse de nouveaux lots industriels du CL20 montre que les teneurs en formes polymorphes , et sont extrieures au domaine dtalonnage pralablement tudi ;
dvelopper
une mthode danalyse
domaine dintrt
rel.
valable,
il est ncessaire de
faire un talonnage
pour
dans le
La nouvelle gamme dtalonnage en chacun des composants a t
choisie de manire correspondre la variabilit des lots industriels. Les limites retenues sont
les suivantes :
pour
pour
pour
pour
pour penta
:
:
:
:
:
90,0 x1 98,8%
0,3 x2 4,0%
0,3 x3 2,0%
0,3 x4 2,0%
0,3 x5 2,0%
9.2 - Mise au point dune nouvelle technique de prparation des pastilles de KBr
Nous avons dcid tout dabord de rexaminer notre procdure de prparation de la
pastille de KBr afin
den
minimiser
. Cet examen nous a permis
la variabilit exprimentale
didentifier deux sources de variabilit : lhomognisation du mlange KBr+CL20 et le rapport entre le diamtre de la pastille et la section du faisceau infrarouge, ce dernier nanalysant
que le quart de la surface de la pastille. Pour pallier ces dfauts, nous avons dcid dutiliser :
- un vibro-broyeur billes afin de
maximiser lhomognit
des dispersions dans le
KBr tout en librant loprateur de gestes longs et fastidieux ;

- une mini pastilleuse de 5mm de diamtre, de marque SPECAC, pour obtenir des pastilles presque entirement scrutes par le faisceau infrarouge dont le diamtre est de 4mm. Ces
caractristiques gomtriques permettent dviter la saisie de deux spectres avec rotation intermdiaire de la pastille.
Le vibro-broyeur utilis (RETSCH type MM200, figure 63) comprend 2 bols de

broyage en agate de 5ml contenant chacun 2 billes en agate de 7mm de diamtre.
_______________________________________________________________________________________
152
S.DUMAS
Le 20 juin 2003
Principe : le broyage par impact des
substances se fait au moyen de billes
qui excutent des mouvements 3
dimensions dans les bols
Figure 63 : schma et principe du vibro-broyeur MM200
Cette modification de la mthode de prparation des pastilles implique une mise au

point prliminaire destine identifier les conditions minimisant la dispersion des rsultats.
Lexprimentation correspondant cette tude a t structure selon la mthodologie des
plans dexpriences.
Lchantillon de CL20 utilis pour la ralisation des expriences a t synthtis au
laboratoire TCMP du CRB. Ce produit qui va nous servir de rfrence (G4) est amorphe, il
titre 99,56% de CL20 et contient 0,22% dimpuret pentanitre. Lexamen de son spectre IR
suggre quil sagit dune forme de type gamma. Comme prcdemment, les purets polymorphique et chimique ont t contrles.
9.2.1 - Facteurs exprimentaux et rponses
On dsire prparer deux pastilles, lune contenant le mlange KBr+CL20 tudier,

lautre ne contenant que du KBr pur destine mesurer le bruit de fond de la mesure (background). Afin que les produits servant les prparer aient la mme histoire , en ralit des
granulomtries aussi voisines que possible, on introduit le mlange KBr+CL20 dans le premier bol du vibro-broyeur et du KBr pur dans le deuxime.
La concentration en CL20, le taux de remplissage des bols, la frquence de broyage et
la dure de broyage sont quatre facteurs exprimentaux que nous avons choisi dtudier. Pour
atteindre la teneur finale en CL20, ce premier broyat est dilu 10 fois par du KBr, en utilisant
le mme vibro-broyeur. Comme pour la premire phase, dure de mlangeage et frquence
_______________________________________________________________________________________
153
S.DUMAS
Le 20 juin 2003
des bols sont deux facteurs exprimentaux tudier. Enfin, pour la ralisation de la pastille,
on peut faire varier la pression et la dure de pastillage.
Pour contrler lhygroscopie du KBr, chaque mlange est conserv 24h au dessiccateur (sous vide, en prsence de silicagel ). Pour raliser une pastille, on prlve 45mg de produit broy. En rsum, le protocole de prparation de la pastille laisse apparatre trois tapes,
chacune pouvant faire lobjet dune tude par plans dexpriences :

le broyage
le mlangeage-dilution
le pastillage
Les rponses mesures sont les proprits qui dcrivent lvolution des produits
broys et les caractristiques de la pastille obtenue :

la granulomtrie aprs le broyage,

la granulomtrie aprs le mlangeage ;
lpaisseur de la pastille
lnergie absorbe par la pastille
labsorbance lors de la saisie du spectre IR
9.2.2 - Matrices dexpriences et plans dexprimentations

Pour le broyage :
les facteurs retenus sont au nombre de 4 : la frquence et la dure de
broyage, le taux de remplissage des bols et la concentration en CL20. Le domaine de variation choisi pour ces facteurs est dcrit dans le tableau 26.
Facteurs
X1
X2
X3
X4
Tableau 26 : facteurs et domaine exprimental pour le broyage

Niveau -1
Niveau 0
Frquence de broyage (Hz)

Dure de broyage (min.)
Taux de remplissage des bols (%)
[CL20] dans le KBr (%)
Notre
objectif est de raliser un
10
5
13
6
criblage
des facteurs
15
10
15
8
Niveau 1
20
15
17
10
potentiellement influents :
pour chacune des rponses tudies, il sagit seulement didentifier les facteurs fortement,
moyennement ou faiblement influents. Pour ce faire, on postule un modle polynomial du
_______________________________________________________________________________________
154
S.DUMAS
Le 20 juin 2003
premier degr reliant leffet des facteurs Xi (exprims en variables codes 1, +1) sur la variation de la rponse Y tudie :
Y=b +b X
0
Le maximum de prcision sur lestimation des coefficients dun tel modle est obtenu
en structurant les essais selon une matrice dHadamard de 8 essais. De plus nous rptons 3
fois un essai au centre du domaine exprimental (valeur code 0) : la valeur moyenne obtenue
pour ce neuvime essai permet de vrifier (ou non) la linarit du modle (mise en vidence
dune courbure ventuelle de la fonction de rponse) ; dautre part la rptition permet
destimer la variance exprimentale de cette nouvelle procdure. La matrice dexpriences, le
plan dexprimentation associ et la granulomtrie obtenue sont reports tableau 27.
Tableau 27 : matrice dexpriences, plan dexprimentation et rsultats du broyage
NExp
X1
X2
X3
X4
1
2
3
4
5
6
7
8
9
10
11
1
-1
-1
1
-1
1
1
-1
0
0
0
1
1
-1
-1
1
-1
1
-1
0
0
0
1
1
1
-1
-1
1
-1
-1
0
0
0
-1
1
1
1
-1
-1
1
-1
0
0
0
Pour le mlangeage :
Frqu.
broyage
(Hz)
20
10
10
20
10
20
20
10
15
15
15
Dure Rempliss.
broyage des bols
(min)
(%)
15
15
5
5
15
5
15
5
10
10
10
[CL20]
(%)
17
17
17
13
13
17
13
13
15
15
15
6
10
10
10
6
6
10
6
8
8
8
Granulo.
obtenue
(m)
92
275
343
154
321
142
72
365
343
290
329
les facteurs retenus sont la frquence, la dure de mlangeage
et la granulomtrie du broyat diluer. Ce dernier facteur est impos par la premire phase du
protocole le broyage, les valeurs de la granulomtrie tant converties en variables codes de 1 1. Le domaine de variation choisi pour ces facteurs est dcrit dans le tableau 28.
Tableau 28 : facteurs et domaine exprimental pour le mlangeage
Facteurs
X5
X6
G1
Frquence de mlangeage (Hz)

Dure du mlangeage (min.)
Granulomtrie du broyat (m)
Niveau -1
10
5
72
Niveau 0
15
10
218.5
Niveau 1
20
15
365
_______________________________________________________________________________________
155
S.DUMAS
Le 20 juin 2003
La matrice dexpriences et le plan dexprimentation sont constitus de 11 essais. A

noter que pour ltude des facteurs X5 et X6 ltude est effectue par un plan factoriel rpt.
La matrice dexpriences, le plan dexprimentation et les rsultats sont reports tableau 29.
Tableau 29 : matrice dexpriences, plan dexprimentation et rsultats du mlangeage
NExp.
X5
X6
G1
1
2
3
4
5
6
7
8
9
10
11
1
-1
-1
1
-1
1
1
-1
0
0
0
1
-1
1
1
1
-1
-1
-1
0
0
0
-0.86
0.39
0.85
-0.44
0.70
-0.52
-1.00
1.00
0.85
0.49
0.75
Frqu. Dure Granulo. Granulo.

mlang. mlang. broyat obtenue
(m)
(m)
(Hz)
(min)
20
10
10
20
10
20
20
10
15
15
15
15
5
15
15
15
5
5
5
10
10
10
92
275
343
154
321
142
72
365
343
290
329
103
315
242
85
327
147
127
332
288
255
248
La variable code sans dimension X (codage entre 1 et 1) et la variable naturelle U correspondante exprime
dans son systme dunit sont lies par la relation : X = (U U )/U avec U = valeur de la variable U au
centre de son domaine de variation [cest dire (U + U )/2] et U = demi-tendue de la variation de la
variable U [cest dire (U - U )/2].
j
ij
j max
j max
ij
j min
j min
Pour le pastillage : pour cette tape les facteurs retenus sont la granulomtrie aprs
mlangeage (facteur impos par la phase de mlangeage-dilution du protocole) note G2, la

pression de pastillage et la dure dapplication de la pression. Le domaine de variation choisi
pour ces facteurs est dcrit dans le tableau 30.
Tableau 30 : facteurs et domaine exprimental pour le pastillage
Facteurs
G2
X7
X8
Granulomtrie aprs mlangeage (m)

Pression de pastillage (tonne)
Dure dapplication de la pression (s)
Niveau -1
85
1
30
Niveau 0
208.5
1.5
60
Niveau 1
332
2
90
Ces trois facteurs sont tudis en 11 essais avec la mme stratgie que les trois prcdents. La matrice dexpriences, le plan dexprimentation et les rsultats sont reports tableau 31.
_______________________________________________________________________________________
156
S.DUMAS
Le 20 juin 2003
Tableau 31 : matrice dexpriences, plan dexprimentation et rsultats du pastillage

NExp.
Granulo.
Press. Past. Dure.
Epais.
Energie
G2
X7
X8
mlang. (m)
(tonne)
Past. (s) Past. (mm) absorbe
-0.85 -1
-1
103
1.0
30
0.83
9.58
1
0.86
1
-1
315
2.0
30
0.83
9.64
2
0.27
-1
1
242
1.0
90
0.83
9.61
3
-1.00
1
-1
85
2.0
30
0.84
9.65
4
0.96
1
1
327
2.0
90
0.83
8.92
5
-0.50
1
1
147
2.0
90
0.82
9.58
6
-0.66 -1
1
127
1.0
90
0.83
9.65
7
1.00
-1
-1
332
1.0
30
0.82
9.55
8
0.64
0
0
288
1.5
60
0.82
9.25
9
0.38
0
0
255
1.5
60
0.82
9.32
10
0.32
0
0
248
1.5
60
0.83
9.39
11
9.2.3 - Mise en uvre de lexprimentation
La quantit de CL20 dans le KBr dpend la fois du pourcentage de CL20 et du taux

de remplissage : en associant ces deux facteurs on obtient au total 5 concentrations diffrentes
; dans une premire tape nous avons donc ralis ces 5 pr-mlanges (tableau 32).
Pour un pr-mlange donn, la frquence de broyage est constante, seule la dure du broyage
varie.
NExp.
1
6
2
3
7
4
5
8
9-11
Tableau 32 : prparation de la pastille : premire tape (broyage)

PrRemplissage [CL20]
Masse
Masse KBr
Dure
Frquence
mlange
(%)
(%)
CL20 (mg)
(mg)
broy (min) Broy (Hz)
17
6
68.85
1078.65
15
20
1
2
4
3
5
17
17
17
13
13
13
13
15
6
10
10
10
10
6
6
8
114.75
1032.75
87.75
789.75
52.65
824.85
80.80
929.20
5
15
5
15
5
15
5
10
20
10
10
20
20
10
10
15
La seconde tape consiste diluer 10 fois chaque pr-mlange dans le KBr (100mg de
pr-mlange+900mg de KBr), toujours laide du vibro-broyeur (tableau 33).
Tableau 33 : prparation de la pastille : deuxime tape (dilution-mlangeage)
NExp.
Prmlange
1
[CL20] Masse (1) Masse KBr Dure mlang. Frquence mlang.

(%)
(mg)
(mg)
(min)
(Hz)
1
0.6
100
900
15
20
6
0.6
5
20
2
1.0
100
900
5
10
2
3
1.0
15
10
7
1.0
100
900
5
20
4
4
1.0
15
20
5
0.6
100
900
15
10
3
8
0.6
5
10
9-11
0.8
100
900
10
15
5
_______________________________________________________________________________________
157
S.DUMAS
Le 20 juin 2003

Pour obtenir le maximum de prcision sur les absorbances dues aux seuls analytes prsents dans le mlange, le background (bruit de fond) doit tre le plus reprsentatif possible
des conditions de prparation ; on lobtient partir de la pastille prpare avec le KBr pur
ayant subi les mmes cycles de broyage que lchantillon analys.
Compte tenu de la taille de la pastille, il suffit de saisir un seul spectre par pastille.
Par contre il est toujours ncessaire de
avons choisi deffectuer
5 rptitions
rpter
la mesure dun chantillon analyser
: nous
(5 pastilles). Ces 5 prlvements tant issus du mme
bol, le background correspondant est commun aux 5 mesures.

Les pastilles sont ralises partir de 45mg de la dispersion finale dans le KBr. Les
spectres ont t saisis en transmission de 4000 400cm laide dun porte pastille de 5mm,
-1
avec les paramtres de rglage du spectromtre suivants : gain = 1 ; rsolution = 4cm ; nom-1
bre de scans = 100.

9.2.3.2 - Rsultats exprimentaux
Les rsultats obtenus ont t regroups dans diffrents tableaux (tableaux 34, 35 et annexe 8). Les granulomtries sont mesures une heure aprs le broyage. La granulomtrie du
KBr de dpart varie de 366 286m. La granulomtrie du CL20 utilis (lot G4) pour la rali-
sation de ce plan est de 96m.
Tableau 34 : prparation de la pastille : premire tape (broyage)
Bol 2
Bol 1
NExp.
1
6
2
3
7
4
5
8
9
10
11
Pr-
[CL20]
[CL20]
Masse CL20
Masse KBr
mlange
tho (%)
exp (%)
exp (mg)
exp (mg)
6
6
10
10
10
10
6
6
8
8
8
6.0
6.0
10.0
10.0
10.0
10.0
6.0
6.0
8.0
8.0
8.0
68.9
68.9
114.8
114.7
87.8
87.8
52.6
52.7
80.8
80.8
80.8
1078.6
1078.6
1032.7
1032.7
789.8
789.7
824.9
824.8
929.3
929.3
929.3
BG = background
Masse KBr
tho pour
BG* (mg)
1147.5
1147.5
1147.5
1147.5
877.5
877.5
877.5
877.5
1010.0
1010.0
1010.0
Masse KBr
exp pour
BG* (mg)
1147.5
1147.6
1147.5
1147.5
877.5
877.5
877.5
877.4
1010.0
1009.9
1009.9
_______________________________________________________________________________________
158
S.DUMAS
Le 20 juin 2003
Tableau 35 : prparation de la pastille : deuxime tape (mlangeage)
Bol 2
Bol 1
NExp.
Pr-
[CL20]
[CL20]
Masse (1)
Masse KBr
mlange
tho (%)
exp (%)
exp (mg)
exp (mg)
0.6
0.6
1.0
1.0
1.0
1.0
0.6
0.6
0.8
0.8
0.8
0.6
0.6
1.0
1.0
1.0
1.0
0.6
0,6
0.8
0.8
0.8
99.9
100.0
99.9
99.9
100.0
100.0
99.9
100.0
100.0
100.0
99.9
900.1
900.0
900.0
900.0
900.0
900.0
900.0
899.9
900.0
899.9
900.1
1
6
2
3
7
4
5
8
9
10
11
Masse KBr
Masse KBr
(1) exp pour ajout exp pour
BG (mg)
BG (mg)
100.0
100.0
99.9
100.1
100.0
100.1
100.1
100.1
100.1
99.9
99.9
900.0
900.0
900.0
900.0
900.0
900.1
900.1
900.0
900.1
900.0
900.1
9.2.4 - Exploitation des Rsultats
9.2.4.1 - Granulomtrie aprs broyage (Y1)

Rappelons que pour un plan de criblage, le modle postul est un polynme du premier degr. Cette granulomtrie ntant fonction que des 4 premiers facteurs, ce polynme
scrit :
Y1 = b0 + b1X1 + b2X2 + b3X3 + b4X4
Les coefficients de ce modle sont estims par rgression linaire partir des variables
codes et des seuls essais de la matrice dHadamard (essais 1 8), ils sont reports numriquement et sous forme graphique dans le tableau 36. Les variables codes tant sans dimension, les effets des facteurs sont alors indpendants des units choisies et directement comparables entre eux.
Tableau 36 : rsultats de la rgression linaire pour la granulomtrie aprs broyage (Y1)
Coefficients
b0
b1
b2
b3
b4
Rsultats de la rgression linaire pour la

granulomtrie aprs broyage (Y 1)
Valeur
(constante)
220.1
(frquence broy.) -105.5
(dure broy.)
-30.5
(taux remplissage) -7.4
([CL20])
-9.5
b1
-105,5
-30,5
b2
-7,4
b3
-9,5
b4
-120
-100
-80
-60
-40
-20
_______________________________________________________________________________________
159
S.DUMAS
Le 20 juin 2003
Lexamen de ces rsultats montre que la granulomtrie aprs broyage dpend essentiellement de la frquence de broyage (facteur X1) et dans une moindre mesure de la dure
du broyage (X2). Leffet de la frquence de broyage b1 = -105,5 signifie quen moyenne, la
granulomtrie du broyat diminue de 2x105,5 = 211m quand la frquence de broyage passe
de 10 20Hz. De la mme manire, la granulomtrie du broyat diminue de 2x30,5 = 61 m
quand la dure de broyage passe de 5 15min. Le taux de remplissage du bol (X3) et la
concentration en CL20 (X4) ont des effets ngligeables dans leur domaine de variation.
Lobjectif recherch tant de minimiser la granulomtrie (ce qui va de pair avec une
maximisation de lhomognit du mlange) il faut donc choisir une frquence de broyage de
20Hz et une dure de broyage de 15min.
Information apporte par les points au centre (essais 9-11)
Valeur moyenne de la rponse au centre du domaine exprimental = 320,7m ;

Variance exprimentale estime partir des rptitions = 754,3 soit un cart-type de 27,5m.
Courbure de la surface de rponse = 320,7 220,1 = 100,6. Lcart entre la valeur prdite par
le modle au centre du domaine exprimental (b0) et la valeur exprimentale tant de lordre
de 4 carts-types, il existe une courbure de la surface de rponse.
Le but de ltude ntant pas dobtenir un modle prdictif mais simplement de peser les facteurs, il nest pas ncessaire de poursuivre ltude en postulant un modle quadratique.
9.2.4.2 - Granulomtrie aprs mlangeage (Y2)
Pour cette rponse qui concerne le deuxime stade de la prparation de la pastille, la
granulomtrie
G1
obtenue la fin du premier stade de broyage devient un
facteur dentre.
Le modle postul devient :

Y2 = b0 + b5X5 + b6X6 + b7G1
Comme pour la rponse Y1, les coefficients de ce modle sont estims partir des
seuls essais de la matrice dHadamard (essais 1 8), ils sont reports numriquement et sous
forme graphique dans le tableau 37.
_______________________________________________________________________________________
160
S.DUMAS
Le 20 juin 2003
Tableau 37 : rsultats de la rgression linaire pour la granulomtrie aprs mlangeage (Y2)
Rsultats de la rgression linaire pour la

granulomtrie aprs mlangeage (Y2)
Coefficients
b0 (constante)
b1 (frquence mlangeage)
b2 (dure mlangeage)
b3 (granulo. broyat)
Valeur
224.5
-95
-20.5
-1
b1 -95
-20.5
b2
-1
b3
-100
-80
-60
-40
-20
Comme pour la granulomtrie aprs broyage, la granulomtrie aprs mlangeage dpend essentiellement de la frquence (facteur X5) et de la dure (X6). En moyenne, la granulomtrie finale diminue de 2x95 = 190m quand la frquence passe de 10 20Hz et de
2x20,5= 41m quand la dure passe de 5 15min. La granulomtrie dentre na pas
dinfluence sur la granulomtrie finale. Ce rsultat montre que, du point de vue granulomtrique, cette phase de mlangeage nest en ralit quune phase de broyage du KBr neuf qui reprsente 90% de la charge du bol du vibro-broyeur, le broyat issu de la premire phase nen
reprsentant que 10%.
Lobjectif recherch tant le mme que celui de ltape prcdente, il faut choisir une
frquence de mlangeage de 20Hz et une dure de mlangeage de 15min.
Information apporte par les points au centre (essais 9-11)
Valeur moyenne de la rponse au centre du domaine exprimental = 263,7m ;

Variance exprimentale estime partir des rptitions = 456,3 soit un cart-type de 21,4m.
Courbure de la surface de rponse = 263,7 224,5 = 39,2. Lcart entre la valeur prdite par
le modle au centre du domaine exprimental (b0) et la valeur exprimentale tant de lordre
de 1,5 cart-type, il ny a pas de courbure de la surface de rponse.
9.2.4.3 - Epaisseur de la pastille et nergie du faisceau IR absorbe (Y3 et Y4)
Pour ces rponses qui concernent les caractristiques de la pastille obtenue in fine,
lexamen du tableau 31 et de lannexe 8 montre quelles ne varient pas de manire significative dun essai lautre.
_______________________________________________________________________________________
161
S.DUMAS
Le 20 juin 2003
Que ce soit pour lpaisseur ou pour lnergie absorbe, la dispersion des 8 essais de la
matrice dexprience est identique celle obtenue par rptition du point au centre :
ponses sont
insensibles aux variations des facteurs dans
Ce rsultat signifie que
les r-
le domaine tudi.
la mthode dchantillonnage
utilisant le vibro-broyeur
dans
les conditions dfinies ci-dessus, est une mthode robuste.

9.2.5 - Variabilit spectrale
Nous avons ralis les 11 spectres obtenus partir des pastilles issues de
lexprimentation prcdente. Pour une concentration donne en CL20, on devrait observer
des spectres rigoureusement superposables, or comme ctait le cas pour les spectres de notre
premire tude danalyse quantitative, nous nobservons pas un bon retour la ligne de base.
Ce phnomne ne peut tre expliqu que par une stabilit photomtrique insuffisante de no.
tre spectromtre
Un exemple de spectre obtenu est report figure 64 (mlange 4). Les densits optiques
obtenues pour les 11 mlanges, pour les trois frquences les plus intenses du spectre, sont
rassembles dans le tableau 38.
Figure 64 : spectre IR du mlange 4
Toutes les densits optiques tant <1,5, nous pouvons appliquer la loi de BEER
LAMBERT quel que soit le mlange retenu pour la ralisation de la nouvelle matrice
dtalonnage.
_______________________________________________________________________________________
162
S.DUMAS
Le 20 juin 2003
Tableau 38 : rsultats des calculs de densits optiques pour les
trois bandes principales observes sur le spectre
bandes
Spectres du
mlange N
1
2
3
4
5
6
7
8
9
10
11
3039.26
cm
-1
0.36
0.14
0.18
0.53
0.18
0.24
0.55
0.10
0.19
0.20
0.22
1608.34
cm
-1
1278.57
0.82
0.17
0.23
1.21
0.26
0.45
1.24
0.13
0.31
0.32
0.36
cm
-1
0.82
0.16
0.21
1.20
0.24
0.44
1.28
0.12
0.29
0.30
0.35
9.2.6 - Conclusion
Les frquences de broyage et de mlangeage sont fortement influentes sur les granulomtries obtenues, les dures de broyage et de mlangeage ltant plus faiblement. Le taux
de remplissage, la concentration en CL20, la pression de pastillage et la dure de pression
nont que peu dinfluence dans les domaines de variation choisis pour notre tude.
Pour la ralisation des expriences du nouveau plan dtalonnage, pour chacune des
tapes, il faudra utiliser le vibro-broyeur 20Hz pendant 15min. Pour les niveaux des facteurs
peu influents, loprateur les fixera en fonction de leur facilit de mise en uvre pourvu que
les valeurs choisies appartiennent au domaine exprimental tudi et quelles soient fixes
une fois pour toute. Le protocole retenu est schmatis par la figure 65.

Rappelons que, les contraintes sur les concentrations des constituants du mlange des
formes polymorphes du CL20 se matrialisent par un ensemble de troncatures du domaine
exprimental qui conduisent un polydre nomm polydre des contraintes. Dans lespace
des mlanges nos contraintes dfinissent un polydre caractris par 16 sommets, 32 artes,
24 faces de dimension 2, 8 faces de dimension 3 et un barycentre, soit un ensemble de 81
points informatifs. Pour 5 composants il nest plus possible de reprsenter le polydre des
contraintes. Nous disposons galement de 16 points tests internes potentiel proposs par le
logiciel utilis NEMROD (centres de gravit des polydres dlimits par chaque sommet et
_______________________________________________________________________________________
163
S.DUMAS
Le 20 juin 2003
les milieux des artes qui en sont issues), ce qui avec les 81 points prcdemment dfinis
constitue un ensemble de 97 points informatifs. Cest parmi ces points informatifs que lon
choisira les points dtalonnage
90 mg chantillon
+ 1035 mg KBr
1125 mg KBr
Broyage
15 min 20 Hz
100 mg
+ 900 mg KBr Dilution
Pastille
chantillon
5 mm
30s /1 t
15 min 20 Hz
45 mg
Pastillage
100 mg
+ 900 mg KBr
Pastille
background
5 mm
45 mg
30s /1 t
Figure 65 : protocole dchantillonnage

Comme nous disposons dun ensemble de 97 mlanges informatifs candidats la
construction de la matrice dtalonnage, nous devons slectionner parmi eux les meilleurs
points. Compte tenu de la loi de BEER LAMBERT, le modle dtalonnage est un modle
linaire. Pour un tel modle, les points les plus informatifs sont les sommets du polydre des
contraintes, ici les 16 sommets. Ces points tant par nature la priphrie du domaine exprimental tudi, il est ncessaire de choisir des points lintrieur du domaine pour valider le
modle (et/ou pour laffiner) : nous avons retenu le barycentre et les 16 points tests internes
dfinis 9.3. Tous calculs faits,
il en est rsult une matrice dtalonnage constitue de
33
mlanges talons informatifs dont les coordonnes sont rassembles dans le tableau 39.
Nous avons galement retenu les points 34 41 (centre des faces de dimension 3) qui
ne sont pas indispensables, mais qui serviront pour la validation du modle.
_______________________________________________________________________________________
164
S.DUMAS
Le 20 juin 2003
Tableau 39 : coordonnes des points informatifs dtalonnage et de validation
Sommets
Centre de gravit
Points tests
internes
Faces de dimension 3
C
A
L
I
B
R
A
T
I
O
N
C
A
L
I
B
R
A
T
I
O
N
V
A
L
I
D
A
T
I
O
N
N Exp
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
Alpha
0.003
0.003
0.003
0.003
0.003
0.003
0.003
0.003
0.04
0.04
0.04
0.04
0.04
0.04
0.04
0.04
0.0215
0.0123
0.0123
0.0123
0.0123
0.0123
0.0123
0.0123
0.0308
0.0308
0.0308
0.0308
0.0308
0.0308
0.0308
0.0308
0.0308
0.003
0.0215
0.0215
0.0215
0.04
0.0215
0.0215
0.0215
Bta
0.003
0.02
0.003
0.02
0.003
0.02
0.003
0.02
0.003
0.02
0.003
0.02
0.003
0.02
0.003
0.02
0.0115
0.0073
0.0158
0.0073
0.0158
0.0073
0.0158
0.0073
0.0158
0.0073
0.0158
0.0073
0.0158
0.0073
0.0158
0.0073
0.0158
0.0115
0.003
0.0115
0.0115
0.0115
0.02
0.0115
0.0115
Gamma
0.003
0.003
0.02
0.02
0.003
0.003
0.02
0.02
0.003
0.003
0.02
0.02
0.003
0.003
0.02
0.02
0.0115
0.0073
0.0073
0.0158
0.0158
0.0073
0.0073
0.0158
0.0158
0.0073
0.0073
0.0158
0.0158
0.0073
0.0073
0.0158
0.0158
0.0115
0.0115
0.003
0.0115
0.0115
0.0115
0.02
0.0115
Pentanitr
0.003
0.003
0.003
0.003
0.02
0.02
0.02
0.02
0.003
0.003
0.003
0.003
0.02
0.02
0.02
0.02
0.0115
0.0073
0.0073
0.0073
0.0073
0.0158
0.0158
0.0158
0.0158
0.0073
0.0073
0.0073
0.0073
0.0158
0.0158
0.0158
0.0158
0.0115
0.0115
0.0115
0.003
0.0115
0.0115
0.0115
0.02
Epsilon
0.988
0.971
0.971
0.954
0.971
0.954
0.954
0.937
0.951
0.934
0.934
0.917
0.934
0.917
0.917
0.9
0.944
0.966
0.9575
0.9575
0.949
0.9575
0.949
0.949
0.9405
0.9475
0.939
0.939
0.9305
0.939
0.9305
0.9305
0.922
0.9625
0.9525
0.9525
0.9525
0.9255
0.9355
0.9355
0.9355
Comme pour le premier plan de mlange, les rponses exprimentales sont les absorbances du spectre infrarouge. Il y a autant de rponses individuelles que de frquences spectrales tudies.
L encore, lexploitation numrique peut ncessiter un traitement mathmatique prliminaire du spectre brut enregistr par le spectromtre : correction de la drive de la ligne de
base et/ou utilisation de la drive premire du spectre.
_______________________________________________________________________________________
165
S.DUMAS
Le 20 juin 2003
9.6 - Exprimentation du second plan dexpriences
Nous avons ralis 41 mlanges informatifs : les 33 points de la matrice dtalonnage

et les 8 points tests de validation (centre de faces de dimension 3). Comme pour le plan n1,
ce sont des mlanges synthtiques obtenus partir dchantillons des formes polymorphes
pures du CL20, en ajoutant cette fois limpuret pentanitre. Ces formes polymorphes ont t
synthtises au laboratoire de synthse du CRB partir du lot de CL20 rf G1 titrant 99,48 %
(avec en particulier 0,3% dimpuret pentanitre). Les mthodes de synthse des formes polymorphes appartiennent au savoir-faire du groupe SNPE.
Les rfrences et les caractristiques des chantillons des formes polymorphes du
CL20 utiliss pour effectuer les mlanges talons sont rassembles dans le tableau 40. Leur
puret chimique a t dtermine par HPLC (mthode de normalisation interne corrige) ; les
teneurs observes tant trs proche de 100%, les diffrentes formes polymorphes sont considres comme pures. Cette puret monomorphique a t contrle par IR et diffraction X
(travaux effectus en collaboration avec Mr TOUPET [85]) (annexe 9) (contrle de conformit du spectre IR de chaque forme synthtise par rapport aux spectres de rfrence issus de
travaux antrieurs). Le spectre IR de chacune des formes polymorphes est donn figure 66.
Tableau 40 : rfrences et caractristiques des substances talons
CHN
TAUX
DENSITE PURETE
GRANULO
Azote Carbone Hydro.
Rfrences -METRIE Eau Solvant (g.cm )
Chimique
(%)
(%)
(%)
(m)
)
(%)
(%) (
(
E1
: 0.08
2.03
99.48
39.3 17.0
1.51
53.0
0.03 AE
(epsilon)
T : 0.23
(PN : 0.35)
G1
1.91
99.48
39.2 16.7
1.47
77.0
0.07
(gamma)
(PN : 0.31)
A1
38.5 17.2
1.65
152.0
1.19 A : 0.92 1.88-1.87 (PN99.48
(alpha)
: 0.31)
B1
1.99
99.49
38.9 17.3
1.58
C : 0.43
5.6
0.07 THF
: 0.33
(bta)
(PN : 0.31)
AE : Actate dthyle T : Tolune
A : Actone
THF : Ttrahydrofurane C : Chloroforme
-3
rfrence
thorie)
(2.04)
(38.4)
(16.5)
(1.38)
(1.92)
(38.4)
(16.5)
(1.38)
(1.97)
(38.4)
(16.5)
(1.38)
(1.98)
(38.4)
(16.5)
(1.38)
_______________________________________________________________________________________
166
S.DUMAS
Le 20 juin 2003
ALPHA (A1)
EPSILON (E1)
GAMMA (G1)
BETA (B1)
Figure 66 : spectres IR des 4 formes polymorphes du CL20 utiliss pour la ralisation du plan n2
Zone spectrale 1750-400cm-1

Seule quelques diffrences sont noter par rapport lappareillage utilis pour le premier plan de mlanges.
Peses : balance de prcision METTLER TOLEDO modle AG245 et microbalance
METTLER TOLEDO modle M3.
Matriel pour la ralisation des pastilles : utilisation dun vibro-broyeur de marque RETSCH
type MM200 (2 bols en agate de 5 ml contenant chacun 2 billes en agate de 7 mm de diamtre) et dune pastilleuse 5mm de marque SPECAC.
_______________________________________________________________________________________
167
S.DUMAS
Le 20 juin 2003
Les mlanges synthtiques sont obtenus par pese des formes polymorphes pures et de
limpuret pentanitre conformment aux compositions donnes par la matrice dtalonnage
et par dispersion dans du KBr cristallis anhydre (sachet individuel de 500mg, conserv
ltuve, de granulomtrie et de qualit adaptes la spectromtrie IR). Afin de rduire la variabilit lors de la fabrication des pastilles, chaque mlange est ralis selon le protocole de
prparation de la pastille dtermin partir du plan de criblage prcdent (9.2.6) :
chaque tape 2 pastilles sont prpares dans les mmes conditions : lune contenant le mlange CL20+PN+KBr, lautre ne contenant que du KBr pur pour la ralisation du Background. Le mlange et le KBr pur auront ainsi des caractristiques de granulomtrie et dhygroscopie aussi proches que possible et les pastilles
obtenues partir de chacun deux auront des pouvoirs diffusants voisins.

introduire dans le premier bol du vibro-broyeur le mlange suivant : 90mg de
CL20 (+++)+PN et 1035mg de KBr. Dans le deuxime bol mettre 1125mg
de KBr pur. Rgler la frquence sur 20Hz et la dure sur 15min. Une fois le
broyage termin, et pour pallier lhygroscopie du KBr, mettre les produits broys
sous vide au dessiccateur (sous P O ) pendant 24 heures.

2
prendre 100mg de produits broys (mlange et KBr pur), ajouter 900mg de KBr,
puis ritrer le processus prcdent (frquence 20Hz et 15min de broyage-
mlangeage, 24h de dessiccation sous vide et P O ).

2
les pastilles proprement dites sont ralises partir de 45mg de cette dispersion
finale dans le KBr (sous vide, laide dune pastilleuse et dune presse hydrauli-
que (pression : 1 tonne pendant 30s)).

pour chaque mlange talon, en raison de la dispersion spectrale observe, on
fabrique 5 pastilles selon ce protocole. Comme ces 5 prlvements sont issus du
mme bol, le background correspondant est commun aux 5 mesures. Une pastille
de KBr pur est effectue par mlange.
Que ce soit pour le Background ou pour les chantillons, les spectres ont t saisis en
transmission de 4000 400cm laide dun porte pastille de 5mm, avec les paramtres de
-1
rglage suivants du spectromtre : gain = 1 ; rsolution = 4cm ; nombre de scans = 100.

-1
_______________________________________________________________________________________
168
S.DUMAS
Le 20 juin 2003
Nous disposons dun ensemble de 5 spectres par talon qui peuvent tre considrs
comme une rptition des points dtalonnage.

La mthode de travail applique est identique celle utilise pour le premier plan
dexprience cest dire : linformation spectrale sera exporte pour pouvoir tre exploite de
manire explicite avec tous les outils ncessaires en particulier pour identifier les zones
spectrales les plus informatives et les modles les plus performants. Les paramtres optimaux
seront ensuite imports dans le logiciel TURBO QUANT pour
optimiser
la mthode
danalyse qui sera utilise en routine, directement partir du spectromtre servant saisir les
spectres.

Les conditions opratoires nayant pas changes, nous nous sommes galement retrouv avec un tableau de donnes similaire celui du premier plan. Pour lobtenir nous avons
appliqu les mmes tapes que pour le premier plan (mise en forme prliminaire, rduction du
nombre de frquences informatives). La seule diffrence est le nombre de spectre qui nest
plus de 212 mais de 208, soit un tableau de 239 descripteurs (colonnes) et 208 individus (lignes).
Contrairement au premier plan, les spectres obtenus prsentent tous une forte drive de
la ligne de base. Cest pourquoi nous avons effectu plusieurs essais de traitements, do la
ralisation de 4 tableaux EXCEL construit comme prcdemment :

un tableau contenant les absorbances brutes ;

un tableau ne contenant que les donnes spectrales ayant subi une correction de ligne de
base automatique dans la zone de frquences allant de 1800 600cm ;
-1

un tableau contenant les absorbances transformes en variables centres ;

un dernier tableau contenant les drives premires des spectres.
Chaque tableau est ensuite transfr dans le logiciel SIMCA et sert de base de donnes
pour laborer les modles laide de la rgression PLS (algorithmes PLS 1 et 2) [51].
_______________________________________________________________________________________
169
S.DUMAS
Le 20 juin 2003

Identification des zones spectrales informatives
La dmarche suivie pour identifier les zones rellement informatives est la mme que
celle du premier plan dexpriences (utilisation de la variance maximale et/ou de la corrlation maximale) avec suppression des zones de frquences juges comme tant non informatives partir des donnes du premier plan (suppression des mmes zones que pour le modle
MS9 du premier plan).
Choix des mlanges de calibration et des mlanges de validation
La matrice de calibration (dtalonnage) est constitue normalement des mlanges de

1 33, les points 34 41 reprsentants les points de validation. Les points aberrants (outliers)
scartant des modles crs laide de la rgression PLS seront mentionns au cas par cas.
Les concentrations thoriques ntant pas toujours ralisables, la matrice des concentrations relles est connue partir des donnes reportes dans le cahier de loprateur. Ce sont
en toute rigueur les concentrations relles qui doivent tre employes dans les calculs.
Modles de calibration
Les essais de modles effectus partir des variables centres ou de la correction de la

ligne de base entre 1800 et 600cm-1 nont pas donns de rsultats satisfaisants (valeur de R2
(X et Y) cum et de Q2cum faibles quand elles existent, les prdictions obtenues sont assez
loignes de la ralit).
Dautres modles furent labors, soit partir des donnes brutes sans aucune suppression, soit en prenant en compte simultanment 2, 3 ou 4 composs, sans que nous obtenions de rsultats acceptables.
Finalement les modles retenus sont labors partir des absorbances brutes et des
drives premires de tous les spectres des mlanges 1 33. En fonction des frquences et des
mlanges retenus pour le calcul, 10 modles ont t dfinis (6 pour les absorbances et 4 pour
les drives premires). Ces modles sont rfrencs de MS10 MS15 pour les absorbances et
de MS16 MS19 pour les drives premires. Les modles MS1115 et MS1719 sont construits
partir de lalgorithme PLS1 (un seul compos intervient dans la rgression). Les 2 modles
restant (MS10 et 16) sont labors partir de lalgorithme PLS2 (lensemble des composs interviennent dans la rgression).
_______________________________________________________________________________________
170
S.DUMAS
Le 20 juin 2003
Modles labors partir des absorbances brutes :

Zones de frquences supprimes : 399.19 553.47cm
, 576.61cm , 599.75 615.18cm , 669.18 692.32cm ,

761.74 808.03cm , 838.88cm , 892.88cm , 1070.30 1108.87cm , 1147.44cm , 1155.15cm , 1394.28
1509.99cm , 1695.12 1795.40cm .
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
Remarque : la runion des zones de corrlation maximale entre absorbances et concentrations,

na pas permis damliorer le modle par rapport seule la variance maximale entre les spectres.
Modles
MS10
Rf. fichiers
M : M variance maximale
entre les spectres, avec demande de composantes suppl.
M : M avec Y=epsilon
M : M avec Y=alpha
M : M avec Y=bta
M : M avec Y=gamma
M : M avec Y=PN
Suppression des frquences ayant les plus petites variances <0.005
MS11
MS12
MS13
MS14
MS15
10
11
12

Modles labors partir des drives premires :

Zones de frquences supprimes : 476.33 553.47cm
, 584.33cm , 599.75 630.61cm , 653.75cm , 676.89

707.75cm , 730.89cm , 738.60cm , 754.03cm , 769.46 808.03cm , 854.31cm , 862.02cm , 900.59cm ,
916.02cm , 923.74cm , 954.59 970.02cm , 993.16cm , 1016.30 1031.73cm , 1070.30 1085.73cm ,
1101.15cm , 1108.87cm , 1124.30cm , 1132.01cm , 1147.44 1170.58cm , 1186.01 1232.29cm , 1371.14
1540.85cm , 1648.84 3004.55cm , 3058.55 3197.40cm .
-1
-1
-1
-1
-1
MS16
MS17
MS18
MS19
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
Modles
-1
-1
-1
-1
-1
-1
Rf. fichiers
M
M
M
M
Suppression des frquences communes

:corrlations variance zone commune

: M6 avec Y = alpha
: M6 avec Y = bta
: M6 avec Y = epsilon
15
16
17
Nombre de composantes retenues pour chaque modle
Le critre de dtermination du nombre optimal de composantes utiliser dans le modle dtalonnage correspond la minimisation de la somme des carrs des rsidus par validation croise du modle test (PRESS, Q ou test quivalent) (tableaux 41 et 42).
2
_______________________________________________________________________________________
171
S.DUMAS
Le 20 juin 2003
Tableau 41 : modles labors partir des absorbances brutes
Modles
Nb de composantes
8
12
8
MS10
MS11
MS12
Modles
Nb de composantes
9
8
8
MS13
MS14
MS15
Tableau 42 : modles labors partir des drives premires
Modles
Nb de composantes
12
8
MS16
MS17
Modles
Nb de composantes
4
4
MS18
MS19
Examen des rsidus
Parmi les outils danalyse de la qualit de ltalonnage que nous avons utilis
lexamen de la distribution des rsidus via la droite de Henry prsente lavantage de la simplicit (mthode purement graphique) [84].
A partir des absorbances :
les tableaux 43 et 44 ci dessous rassemblent les rsultats de
la validation partir des points 34 41. Comme nous disposons de 5 spectres pour un mlange donn, nous pouvons rendre la valeur moyenne de sa concentration estime et un cart
type reprsentant la dispersion de ces estimations individuelles.
Tableau 43 : validation des modles partir des absorbances
Pts
Mthodes valid
MS10
MS1114
34
35
36
37
38
39
40
41
34
35
36
37
38
39
40
41
Compositions relles
PN
(%)
(%)
96.3
0.3
1.1
1.1
1.2
96.2
0.3
1.1
0.4
0.8
0.1
<1.0
0.4
2.0
0.2
95.3
2.1
0.3
1.1
1.1
95.3
0.3
2.6
0.3
0.3
0.1
0.3
0.1
1.4
0.1
95.3
2.1
1.1
0.3
1.2
94.6
0.4
2.6
0.3
1.2
0.1
0.2
0.2
1.4
0.1
95.2
2.1
1.1
1.2
0.3
94.6
0.2
2.4
0.2
1.1
0.2
1.1
0.1
0.8
0.2
92.6
4.0
1.1
1.1
1.2
93.1
0.4
4.0
0.3
1.3
0.2
0.6
0.2
1.2
0.1
93.6
2.1
2.0
1.1
1.2
93.5
0.5
2.3
0.4
1.6
0.2
1.4
0.1
1.2
0.1
93.6
2.1
1.1
2.0
1.2
94.2
0.6
2.6
0.2
1.0
0.2
0.7
0.4
1.5
0.2
93.6
2.1
1.1
1.1
2.0
94.1
0.3
2.4
0.3
1.1
0.2
0.8
0.2
1.7
0.1
96.3
0.3
1.1
1.1
1.2
96.1
0.2
0.6
0.0
1.0
0.2
0.3
0.2
2.0
0.2
95.3
2.1
0.3
1.1
1.1
95.1
0.2
2.4
0.2
0.5
0.2
0.7
0.1
1.4
0.1
95.3
2.1
1.1
0.3
1.2
94.5
0.4
2.4
0.3
1.3
0.1
0.4
0.1
1.4
0.1
95.2
2.1
1.1
1.2
0.3
94.5
0.2
2.5
0.1
1.1
0.2
1.2
0.1
0.9
0.2
92.6
4.0
1.1
1.1
1.2
92.8
0.4
4.0
0.3
1.4
0.2
0.9
0.1
1.2
0.1
93.6
2.1
2.0
1.1
1.2
93.5
0.5
2.4
0.3
1.5
0.2
1.5
0.2
1.3
0.1
93.6
2.1
1.1
2.0
1.2
94.0
0.5
2.6
0.3
0.9
0.2
1.0
0.3
1.7
0.2
93.6
2.1
1.1
1.1
2.0
94.0
0.4
2.2
0.4
1.1
0.2
0.9
0.2
1.7
0.1
(%)
(%) (%) (%)
(%)
(%)
(%)
PN (%)
_______________________________________________________________________________________
172
S.DUMAS
Le 20 juin 2003
Rappelons que compte tenu quune rgression PLS passe par des dtours mathmatiques complexes, il nest pas possible de donner ici, de manire accessible, un vritable intervalle de confiance sur une teneur prdite. Nanmoins, nous pouvons examiner deux indicateurs statistiques simples : le coefficient de variation qui rapporte lcart type dune mesure
sa valeur moyenne et lerreur relative sur une teneur en rapportant le rsidu la valeur thorique de la teneur. Ces indicateurs sont rassembls dans le tableau 44. Une premire analyse
montre que ces deux modles peuvent servir de base un dveloppement de mthodes avec
TURBO QUANT.
Tableau 44 : coefficients de variation et erreurs relatives partir des absorbances
Forme
Teneurs thoriques
Mthodes
MS10
MS1114
Pts.
valid
34
35
36
37
38
39
40
41
34
35
36
37
38
39
40
41
Forme
Forme
(%)
(%)
(%)
(%)
PN
(%)
C.var
%
Er.rel
%
C.var
%
Er.rel
%
96.3
0.3
1.1
1.1
1.2
0.3
0.2
34.3
276.3
95.3
2.1
0.3
1.1
1.1
0.3
0.0
10.7
23.7
95.3
95.2
92.6
93.6
93.6
93.6
2.1
2.1
4.0
2.1
2.1
2.1
1.1
1.1
1.1
2.0
1.1
1.1
0.3
1.2
1.1
1.1
2.0
1.1
1.2
0.3
1.2
1.2
1.2
2.0
0.5
0.2
0.4
0.5
0.6
0.3
0.8
0.6
0.5
0.2
0.7
0.5
10.4
10.3
8.2
18.9
6.1
12.1
24.0
11.5
1.0
10.4
20.7
12.6
7.5
13.4
13.1
11.4
17.5
14.6
96.3
0.3
1.1
1.1
1.2
0.2
0.2
5.3
115.3
15.9
95.3
2.1
0.3
1.1
1.1
0.2
0.3
7.5
15.1
41.3
95.3
95.2
92.6
93.6
93.6
93.6
2.1
2.1
4.0
2.1
2.1
2.1
1.1
1.1
1.1
2.0
1.1
1.1
0.3
1.2
1.1
1.1
2.0
1.1
1.2
0.3
1.2
1.2
1.2
2.0
0.4
0.2
0.4
0.5
0.5
0.4
0.9
0.8
0.2
0.2
0.4
0.4
11.4
4.1
7.7
13.1
11.0
16.4
12.8
19.4
0.2
11.9
22.3
6.1
9.4
16.2
12.9
10.1
24.5
16.1
21.3
3.6
22.6
24.1
14.7
2.8
C.var
%
Forme
Forme PN
Er.rel
%
C.var
%
Er.rel
%
C.var
%
Er.rel
%
16.5
27.9
<1.0
108.1
10.1
71.2
19.5
11.0
39.6
72.8
5.0
21.6
5.2
2.2
12.8
18.0
8.8
2.4
85.0
12.5
30.6
9.7
50.3
28.7
34.8
13.2
50.5
23.8
63.5
29.8
8.1
28.2
9.4
7.6
11.3
6.9
22.8
137.9
1.5
2.8
26.0
17.0
12.3
78.5
74.3
10.8
73.6
61.7
21.2
39.4
9.3
24.7
19.3
11.0
14.9
15.6
28.8
22.0
30.8
2.0
22.2
30.4
49.4
18.7
8.4
21.5
8.3
8.3
14.7
6.5
22.1
164.4
7.8
15.9
43.7
14.8
Lexamen de ce tableau montre que les modles retenus (MS10 et MS1114) prsentent
des performances variables avec la forme polymorphe considre :
- la prdiction sur est trs fiable pour les 2 modles (erreur relative moyenne de 0,4%
avec MS10 et MS1114) ;
- et sont assez bien estims lexception des trs faibles teneurs (0,3%), lerreur
relative moyenne pour tant de 14,9% avec MS10 et 12,6% avec MS1114 ; pour
respectivement de 11 et 14,5%) ;
- est le mieux prdit pour une teneur de 0,3% : valeur moyenne des 5 spectres de
0,3% avec une erreur relative de 11% avec MS10. Dans lensemble est mieux estim
que .
- est le plus mal prdit des 4 formes polymorphes, mme en excluant la teneur de
0,3% : erreur relative moyenne de 42,3 avec MS10 et de 27% avec MS1114. Pour ce
_______________________________________________________________________________________
173
S.DUMAS
Le 20 juin 2003
dernier compos les coefficients de variation et les erreurs relatives sont particulirement levs quelle quen soit la teneur ;
- comme les autres composs, l'impuret pentanitre est mal prdite pour une teneur de
0,3% en prsentant, en excluant cette teneur, une erreur relative moyenne de 23,3%
avec MS et de 28,9% avec MS
10
1114
A partir des drives premires : les tableaux 45 et 46 ci dessous rassemblent les rsultats obtenus pour la validation (mlange 34 41). Comme prcdemment nous disposons
de 5 spectres par mlange do le calcul de la valeur moyenne de la concentration estime et
dun cart type reprsentant la dispersion. Le tableau 46 donne les rsultats des calculs du
coefficient de variation et de lerreur relative sur une teneur.
Tableau 45 : validation des modles partir des drives premires
Mthodes
MS16
MS1719
Pts
valid.
34
35
36
37
38
39
40
41
34
35
36
37
38
39
40
41
Compositions relles
PN
(%)
(%)
(%)
(%)
(%)
PN(%)
(%)
(%)
(%)
(%)
96.3
0.3
1.1
1.1
1.2
95.0
1.0
1.3
1.3
1.0
0.3
1.0
0.2
1.7
0.6
95.3
2.1
0.3
1.1
1.1
95.0
0.6
2.1
0.4
0.4
0.2
1.1
0.4
1.5
0.4
95.3
2.1
1.1
0.3
1.2
93.6
0.4
2.8
0.2
1.2
0.1
1.1
0.3
1.2
0.1
95.2
2.1
1.1
1.2
0.3
94.0
0.5
2.4
0.5
1.3
0.2
1.1
0.3
1.3
0.3
92.6
4.0
1.1
1.1
1.2
93.2
0.6
2.8
0.4
1.6
0.2
0.9
0.3
1.5
0.3
93.6
2.1
2.0
1.1
1.2
93.0
0.7
2.8
0.4
1.5
0.2
1.1
0.3
1.6
0.4
93.6
2.1
1.1
2.0
1.2
93.3
0.7
2.6
0.9
1.1
0.2
1.2
0.2
1.7
0.5
93.6
2.1
1.1
1.1
2.0
94.1
0.8
2.0
0.5
1.1
0.3
1.3
0.5
1.6
0.3
96.3
0.3
1.1
95.0
0.7
1.3
1.2
0.9
0.3
95.3
2.1
0.3
95.1
0.6
2.2
0.5
0.4
0.3
95.3
2.1
1.1
93.6
0.5
2.7
0.2
1.2
0.1
95.2
2.1
1.1
94.1
0.5
2.3
0.4
1.3
0.2
92.6
4.0
1.1
93.2
0.7
2.9
0.5
1.5
0.2
93.6
2.1
2.0
93.1
0.9
2.6
0.4
1.5
0.2
93.6
2.1
1.1
93.4
0.8
2.7
0.7
1.1
0.2
93.6
2.1
1.1
94.1
0.4
2.1
0.5
1.1
0.3
Lexamen de ces 2 tableaux (tableaux 45-46) suggre que les erreurs relatives obtenues partir des drives premires sont plus importantes que celles observes partir des
absorbances brutes. Ceci nous incite ne retenir que les modles labors avec les absorbances brutes comme base de travail pour le dveloppement dune mthode avec Turbo Quant, en
particulier le modle MS .
10
_______________________________________________________________________________________
174
S.DUMAS
Le 20 juin 2003
Tableau 46 : coefficients de variation et erreurs relatives partir des drives premires
Forme
Teneurs thoriques
Mthodes
MS16
MS1719
Pts.
valid
34
35
36
37
38
39
40
41
34
35
36
37
38
39
40
41
Forme
Forme
(%)
(%)
(%)
(%)
PN
(%)
C.var
%
Er.rel
%
C.var
%
Er.rel
%
96.3
0.3
1.1
1.1
1.2
1.0
1.3
99.3
341.3
32.2
95.3
2.1
0.3
1.1
1.1
0.6
0.4
19.5
2.41
56.4
95.3
95.2
92.6
93.6
93.6
93.6
2.1
2.1
4.0
2.1
2.1
2.1
1.1
1.1
1.1
2.0
1.1
1.1
0.3
1.2
1.1
1.1
2.0
1.1
1.2
0.3
1.2
1.2
1.2
2.0
0.4
0.6
0.7
0.8
0.7
0.8
1.8
1.3
0.6
0.7
0.3
0.5
7.1
22.1
15.9
15.4
34.2
25.5
34.7
14.4
30.2
31.9
25.0
6.4
9.4
19.6
12.2
14.2
14.9
25.6
8.2
14.0
40.1
24.8
2.5
2.4
96.3
0.3
1.1
0.8
1.4
94.4
318.7
32.0
15.0
95.3
2.1
0.3
0.7
0.2
21.7
1.7
56.5
45.1
95.3
95.2
92.6
93.6
93.6
93.6
2.1
2.1
4.0
2.1
2.1
2.1
1.1
1.1
1.1
2.0
1.1
1.1
0.5
0.6
0.7
0.9
0.8
0.5
1.8
1.2
0.7
0.5
0.2
0.5
6.8
18.9
15.8
14.6
27.2
22.2
26.0
9.9
28.6
23.6
26.8
0.6
10.4
17.9
16.5
16.0
19.3
26.0
10.0
17.6
35.6
23.7
0.9
2.4
C.var
%
Er.rel
%
Forme
Forme PN
C.var
%
Er.rel
%
C.var
%
Er.rel
%
14.4
18.9
10.3
36.1
45.9
34.7
34.4
3.2
27.4
30.1
26.6
25.5
28.4
22.5
14.7
41.2
269.2
13.6
15.6
3.3
38.9
16.0
10.8
26.4
17.9
27.6
28.2
20.0
6.4
264.4
30.6
35.7
46.9
22.9
La rgression PLS est galement effectue partir des 33 spectres (rpt chacun 5
fois) des chantillons de rfrence laide du logiciel TURBO QUANT version 5.0, en utilisant lensemble des concentrations des diffrents constituants.
Huit modles ont t tests, mais deux seulement ont t retenus. Pour le premier modle retenu, rfrenc TQ4, le choix des fentres spectrales informatives a t effectu en ne
slectionnant que les zones de plus grande variance entre les spectres et de plus grande corrlation entre les concentrations et les absorbances. Le critre additionnel de choix retenu est la
minimisation du PRESS. Le deuxime modle rfrenc TQ5 a t labor partir du modle
MS10 (absorbances pures) obtenu avec SIMCA, en faisant voluer le paramtre fentres
spectrales pas pas jusqu obtenir les zones les plus appropries au logiciel TURBO
QUANT. Comme avec SIMCA nous avons essay :
de dissocier les rponses (rgression type PLS1), les rsultats taient identiques que lon
ait Y=5 ou Y=3 rponses. Ce qui nous a permis de constater que le logiciel TURBO
QUANT travaillait avec lalgorithme PLS1.

de jongler entre absorbances pures et drives premires. Six modles ont t construits pour finalement nen retenir quun. Le choix a t effectu selon les critres statistiques habituels : meilleur coefficient de corrlation, meilleurs rsultats de calibration, validation croise et externe, PRESS.
_______________________________________________________________________________________
175
S.DUMAS
Le 20 juin 2003
Le tableau 47 rsume les fentres spectrales retenues et la correspondance des modles

TQ4 et TQ5 avec les fichiers de travail.
Tableau 47 : fentres spectrales et correspondances
Mthode
Rfrence interne
TQ4 PLS02c1 Y=5
TQ5 PLS02c1 Y=5 SIMCA4
Fentres spectrales
-1
4 fentres spectr. : 415- 1232; 1359- 1550 ; 1634-1908 ; 2669-3112cm .

7 fentres spectr. : 553-599 ; 615-669 ; 692-761 ; 808-1070 ; 1108-1394 ; 1510-1
1695 ; 2800-3200cm .
Pour chaque modle la calibration fut ralise partir des mlanges 1 33, la validation interne sur les mlanges 37-38 et 41, et la validation externe sur les mlanges 34 41.
Pour le modle TQ4, partir des 4 fentres spectrales informatives retenues (figure 67)
et la possibilit de travailler soit partir des absorbances brutes, soit des drives premires,
on a 16 possibilits (algorithme de Yates). Une seule possibilit a t retenue (tableau 48).
Pour le modle TQ5, le choix sest fait avec lil du spectroscopiste en regardant
lallure du spectre (drive de la ligne de base ). Le tableau 48 rsume les combinaisons retenues.
Tableau 48 : correspondances entre fentres spectrales - absorbances ou drives premires
Mthode
TQ4
TQ5
Fentres
spectrales
1
2, 3 et 4
1, 2, 4 et 7
3, 5 et 6
2669-3112 cm1
(D1)
Absorbances
Drives premires
1359-1550 cm-1
(D1)
415-1232 cm-1
(SR)
1634-1908 cm-1
(D1)
Figure 67 : fentres informatives retenues pour la mthode TQ4
_______________________________________________________________________________________
176
S.DUMAS
Le 20 juin 2003
Les graphiques des PRESS nous ont permis de dterminer le nombre optimal de facteurs pour chaque rponse (tableau 49). Une premire indication sur la validit des modles
est donne par le coefficient de rgression R2. Le tableau 50 rassemble ces coefficients. A
lissue de ce travail nous avons retenu le modle TQ4 toujours partir des mmes critres
statistiques. La comparaison entre valeurs thoriques et valeurs estimes par le modle TQ4
est reprsente graphiquement figure 68.
Tableau 49 : nombre de facteurs retenus
Nombre de facteurs TQ4
Nombre de facteurs TQ5
9
10
10
10
9
PN
Tableau 50 : coefficients de rgression R
9
10
10
10
10
obtenus pour les modles retenus
TQ5
TQ4
0.972
0.979
0.956
0.979
0.935
PN
0.971
0.976
0.937
0.985
0.942
Remarque : ces coefficients sont relativement plus faibles que ceux obtenus avec le premier
plan dtalonnage. On peut expliquer ce rsultat par lextension des limites des domaines de
concentrations vers les basses teneurs et lexistence dun cinquime compos (limpuret pentanitre).
s
l5
u
lc4
a
c
s
l
u
c
l 2
a
c
Forme
Forme
1.5
%
%
2
1
Erreur relative
10%
Erreur relative
0.5
10%
0
0
0.5
1.5
2.5
3.5
0.5
s
l
u
c
l 2
a
c
1.5
%
1.5
% thoriques
% thoriques
s
l
u
c
l 2
a
c
Forme
Impuret PN
1.5
%
1
Erreur relative
0.5
10%
Erreur relative
0.5
20%
0
0
0.5
1.5
% thoriques
0.5
1.5
% thoriques
_______________________________________________________________________________________
177
S.DUMAS
Le 20 juin 2003
s
96
im
ts 95.5
e
Forme
%95
94.5
94
93.5
93
Erreur relative 1%
92.5
92
92
93
94
95
96
97
% th oriques
Figure 68 : validation du modle TQ4
Comme avec SIMCA, nous pouvons rendre une valeur moyenne et un cart type. Le
tableau 51 rassemble les rsultats des dosages obtenus pour les points tests, dans le tableau 52
nous avons rassembl coefficients de variation et erreurs relatives.
Tableau 51 : validation des modles
M- Pts
Compositions relles
tho- valid.
des
(%) (%) (%) (%)
TQ4
TQ5
34
35
36
37
38
39
40
41
34
35
36
37
38
39
40
41
96.3
95.3
95.3
95.2
92.6
93.6
93.6
93.6
96.3
95.3
95.3
95.2
92.6
93.6
93.6
93.6
0.3
2.1
2.1
2.1
4.0
2.1
2.1
2.1
0.3
2.1
2.1
2.1
4.0
2.1
2.1
2.1
1.1
0.3
1.1
1.1
1.1
2.0
1.1
1.1
1.1
0.3
1.1
1.1
1.1
2.0
1.1
1.1
1.1
1.1
0.3
1.2
1.1
1.1
2.0
1.1
1.1
1.1
0.3
1.2
1.1
1.1
2.0
1.1
PN
(%)
1.2
1.1
1.2
0.3
1.2
1.2
1.2
2.0
1.2
1.1
1.2
0.3
1.2
1.2
1.2
2.0

(%)
(%)
(%)
PN(%)
(%)
95.5
94.9
94.5
94.5
92.4
93.3
93.4
93.9
96.0
94.8
94.2
94.4
92.3
93.0
93.1
93.8
0.1
0.2
0.3
0.3
0.5
0.4
0.3
0.5
0.2
0.3
0.6
0.3
0.4
0.5
0.4
0.4
1.4
2.2
2.5
2.3
4.3
2.0
2.5
2.4
0.5
2.2
2.3
2.5
4.3
2.3
2.7
2.2
0.4
0.3
0.3
0.2
0.4
0.4
0.3
0.3
0.2
0.2
0.3
0.1
0.3
0.2
0.3
0.4
1.0
0.3
1.3
1.2
1.1
1.7
1.0
1.0
0.9
0.4
1.2
1.1
1.0
1.6
1.0
0.8
0.1
0.2
0.1
0.2
0.2
0.1
0.2
0.2
0.2
0.3
0.2
0.2
0.2
0.1
0.2
0.1
0.9
1.1
0.5
1.0
1.3
1.3
1.4
1.0
0.8
1.0
0.6
1.0
0.8
1.6
1.5
1.0
0.2
0.4
0.1
0.1
0.2
0.3
0.2
0.2
0.2
0.4
0.4
0.3
0.1
0.4
0.4
0.1
1.5
1.6
1.1
1.0
1.1
1.6
1.7
1.8
1.8
1.7
1.6
1.0
1.5
1.5
1.8
2.0
0.1
0.1
0.3
0.2
0.1
0.2
0.1
0.2
0.2
0.1
0.2
0.2
0.1
0.2
0.1
0.2
A partir du modle retenu TQ4 et laide du test de GRUBBS [86] dont nous rsumons la thorie dans lannexe 10, nous avons recherch les points aberrants ou pouvant
tre considrs comme tels. Il sagit en fait de dtecter une(des) pastille(s) ventuellement
dfectueuse(s) . Les rsultats numriques du test sont donns en annexe 10, nous nen reportons ici que la reprsentation graphique (figure 69). Si aucune pastille nest juge aberrante, 2 ont t juges douteuses. Ntant pas aberrantes, ces 2 pastilles ont t prises en
compte dans les calculs.
_______________________________________________________________________________________
178
S.DUMAS
Le 20 juin 2003
Forme
Teneurs thoriques
Mthodes
Pts.
valid
(%)
(%)
(%)
(%)
PN
(%)
34
96.3
95.3
95.3
95.2
92.6
93.6
93.6
93.6
96.3
95.3
95.3
95.2
92.6
93.6
93.6
93.6
0.3
2.1
2.1
2.1
4.0
2.1
2.1
2.1
0.3
2.1
2.1
2.1
4.0
2.1
2.1
2.1
1.1
0.3
1.1
1.1
1.1
2.0
1.1
1.1
1.1
0.3
1.1
1.1
1.1
2.0
1.1
1.1
1.1
1.1
0.3
1.2
1.1
1.1
2.0
1.1
1.1
1.1
0.3
1.2
1.1
1.1
2.0
1.1
1.2
1.1
1.2
0.3
1.2
1.2
1.2
2.0
1.2
1.1
1.2
0.3
1.2
1.2
1.2
2.0
35
TQ4
36
37
38
39
40
41
34
TQ5
35
36
37
38
39
40
41
Forme
Forme
Forme
Forme PN
C.var Er.rel C.var Er.rel C.var Er.rel C.var Er.rel C.var

Er.rel%
%
%
%
%
%
%
%
%
%
0.1
0.2
0.3
0.3
0.6
0.4
0.3
0.5
0.2
0.3
0.7
0.3
0.5
0.6
0.4
0.4
0.9
0.5
0.8
0.7
0.2
0.3
0.2
0.3
0.3
0.6
1.2
0.8
0.3
0.7
0.5
0.2
25.9
12.1
11.0
7.6
9.7
18.3
10.3
14.3
37.4
7.3
13.2
4.5
6.9
9.5
11.2
18.3
351
3.4
20.6
9.9
7.2
6.3
16.3
13.2
60.9
3.8
10.6
20.4
7.6
10.3
27.2
6.7
12.9
53.9
11.2
15.0
15.1
7.2
20.5
17.9
21.3
59.1
13.8
14.4
15.7
9.2
18.3
14.8
13.4
12.9
20.0
6.4
0.8
15.1
10.8
13.1
17.2
37.7
7.7
0.2
10.0
20.0
7.7
23.0
25.4
32.8
17.8
14.0
16.4
22.0
17.3
17.1
22.4
46.4
64.3
26.9
11.9
24.7
27.2
6.7
17.9
1.4
59.1
14.9
14.1
14.6
28.9
5.1
29.4
13.5
100
18.5
31.4
40.0
24.7
6.1
6.8
5.9
28.9
18.2
8.4
11.5
4.0
10.5
8.6
8.5
11.9
19.8
6.7
10.7
7.8
9.6
32.2
38.5
4.1
148.6
7.2
34.3
42.6
11.1
57.3
48.4
34.6
150.9
24.9
26.0
56.6
1.0
Notions importantes : les graphiques reports figure 69 reprsentent la valeur de la variable de GRUBBS (Ga ou Gb) la plus forte : Ga = [xmax - moy(x)]/s et Gb = [moy(x) xmin]/s
avec x la variable et s lcart type. On compare les valeurs exprimentales de Ga et Gb aux
valeurs thoriques de la statistique de GRUBBS avec dans notre cas : si
donne est aberrante, si 1,715 < Gi <1,764 alors la donne est douteuse.
Mlange 36
1.8
1.7
1.6
1.5
1.4
1.3
1.590
1.590 1.542
1.521
alpha
bta
gamma
epsilon
PN
1.7
1.525
1.6
1.426 1.425
1.3
1.2
1.1
1.1
Mlange 36
1.651
alpha
bta
gamma
epsilon
PN
1.4
1.2
1.0
Mlange 37
1.8
1.5
1.184
Gi >1,764 alors la
1.0
1.118
Mlange 37
_______________________________________________________________________________________
179
S.DUMAS
G
1.762
1.8
1.7
1.6
Le 20 juin 2003
Mlange 38
1.703
1.519
1.5
1.4
Mlange 39
alpha
bta
gamma
epsilon
PN
1.8
1.7
1.6
1.430
1.4
1.396
1.261
1.3
1.118
1.521
1.459
1.5
1.377
1.3
1.2
alpha
bta
gamma
epsilon
PN
1.309
1.2
1.1
1.1
1.0
1.0
Mlange 41
G
1.8
1.659
1.7
1.6
1.5
1.515 1.487
1.4
1.3
1.302
alpha
bta
gamma
epsilon
PN
1.373
1.2
1.1
1.0
Figure 69 : test de GRUBBS appliqu aux rsultats de la mthode TQ4
Lexamen des tableaux 51 et 52 montre un comportement similaire du modle TQ4

celui des modles dvelopps avec SIMCA :
dans tous les cas on obtient une qualit de prdiction trs satisfaisante pour la teneur en
forme (valeur moyenne des 5 spectres trs proche de la valeur relle, erreur relative
moyenne de 0,6% et coefficient de variation moyen de 0,3%).

pour et , dune manire gnrale (except la teneur 0,3%) la prdiction est assez satisfaisante (les valeurs moyennes des 5 spectres sont assez proches de la valeur relle, sans
tenir compte de la teneur 0,3% lerreur relative moyenne est de 11,7% pour et de 14,8%
pour , les coefficients de variation moyen sont de 13% pour les deux formes polymor-
phes).
par contre la forme est assez bien estime contrairement aux rsultats de SIMCA (les
valeurs moyennes des spectres sont proches de la ralit et la prcision moyenne est de
15,7%), mais avec une mauvaise rptabilit (coefficient de variation moyen de 24,4% le
plus lev des 4 formes polymorphes).
_______________________________________________________________________________________
180
S.DUMAS
Le 20 juin 2003
Les performances obtenues avec les modles TQi et SIMCA sont identiques. Nous obtenons une trs bonne prvision sur le compos epsilon. Pour les autres formes polymorphes
et limpuret pentanitre, la prdiction reste acceptable, except pour les trs faibles teneurs
(seuil de quantification IRTF pour ces composs). Globalement la mthode de dosage des
formes polymorphes et du pentanitr TQ labore laide du moyen infrarouge et de la r4
gression PLS est acceptable. Nous lavons donc applique lanalyse de lots industriels. Un
rsum des descripteurs statistiques de la mthode TQ retenue est donn tableau 53.
4
Tableau 53 : descripteurs statistiques de la mthode retenue
Composs
0.972
0.979
0.956
0.979
0.935
Forme
Forme
Forme
Forme
Impuret
PN
Nb de composantes
9
10
10
10
9
PRESS (
41.9
9.1
31.4
80.5
23.5
2
i
rsid.
0.5
0.2
0.4
0.7
0.4
CONCLUSION
Nous avons montr la ncessit dtudier la technique dchantillonnage (pastille KBr)
afin den assurer la fiabilit et la robustesse. Pour ce faire, nous avons effectu un plan de
criblage pour dterminer les facteurs influents sur la mthode de prparation de la pastille.
Afin de mettre au point une technique de dosage de la puret polymorphique dans
linfrarouge moyen (IRTF MIR) par rgression PLS, nous avons ralis plusieurs talonnages avec diffrents domaines de contraintes pour chacun des composs prsents. Outre les 4
formes polymorphes du CL20, la prise en compte de limpuret pentanitre sest avre tre
un facteur important pour le dosage.
La mthode TQ retenue a t optimise, elle est fiable et robuste pour lestimation de
4
la forme polymorphe qui est notre compos dintrt, elle est moins prcise mais nanmoins
acceptable pour la prdiction des 3 autres formes et de limpuret pentanitre. En rpondant
au cahier des charges fix par le groupe SNPE : doser avec prcision la forme dans le domaine 95-98,8% et une estimation du taux des 3 autres formes polymorphe et de limpuret
pentanitre avec la prcision demande par les impratifs techniques et commerciaux, ce modle peut servir de mthode de dosage de rfrence pour tous les lots de CL20.
Nous en concluons que notre objectif a t atteint.
_______________________________________________________________________________________
181

Chapitre III Parta Version Corr PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Chapitre III Parta Version Corr PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

S.

7.3.1 - Analyse de donnes et mthodes chimiomtriques

7.3.4 - Les mthodes de compression de donnes

7.3.6 - Exemples dapplications de la mthode des moindres carrs partiels en analyse

8.1 - Domaine dtalonnage et choix des mlanges talons

8.6.1 - Ralisation des mlanges talons

8.6.2.1 - Appareillage et Logiciels dexploitation des donnes

8.7 - Exploitation des rsultats

8.7.1 - Mthodes danalyse dveloppes en Externe

8.7.1.1 - Exportation et mise en forme des donnes spectrales

8.7.2 - Mthodes danalyse dveloppes en Interne avec Turbo Quant

8.7.3.1 - Etude prliminaire

9.1 - Travaux prliminaires

9.1.1 - Analyse thermique diffrentielle

9.2 - Mise au point dune nouvelle technique de prparation de la pastille de KBr

9.2.1 - Facteurs exprimentaux et rponses

9.2.4 - Exploitation des rsultats

9.2.4.1 - Granulomtrie aprs broyage (Y1)

9.2.5 - Variabilit spectrale

9.6.1 - Ralisation des mlanges talons

9.6.2.1 - Appareillage et Logiciels dexploitation des donnes

9.7 - Exploitation des rsultats

9.7.1 - Mthodes danalyse dveloppes en Externe

9.7.1.1 - Exportation et mise en forme des donnes spectrales

9.7.2 - Mthodes danalyse dveloppes en Interne avec Turbo Quant

11.1 - Analyse de lots industriels

11.1.1 - Analyse dun chantillonnage de 10 lots industriels

11.2 - Transfert de la mthode sur le site de production

11.2.2.1 - Domaine dtalonnage

11.2.3.1 - Ralisation des mlanges talons

11.2.4 - Exploitation des rsultats

11.2.4.1 - Mthodes danalyse dveloppes avec QUANT+

12.3 - Mise au point du contrle

12.3.1 - Suivi de la mthode de dosage (TQ4)

12.3.2.1 - Elaboration et ralisation de la matrice dtalonnage sans talon interne

VII - ETUDE BIBLIOGRAPHIQUE

- pour lidentification de formes polymorphes [23-25]. H. OSTMARK et coll. [26] ont

- pour ltude du comportement la combustion dun compos, V.V.SERUSHKIN et

- la microscopie infrarouge est un accessoire dchantillonnage universel et souple.

7.3 - Apport des techniques chimiomtriques

Figure 54 : techniques danalyse de donnes

Analyses NIR, IR-TF, UV

- rgression RLM, PCR, PLS

Nous concevons alors mieux limportance de ces mthodes dans lextraction de

Thoriquement, si on a doser un seul analyte, on se trouve face un problme dtalonnage

plusieurs composs, nous avons :

explique par le modle. En posant X =1, le modle devient : = X + X + r. Pour cha0

cune des valeurs X de la variable X, l'estimation de sera Y = b + b X ; pour n points

dtalonnage (pour n valeurs talons de X), si on adopte la notation matricielle, on pourra

De manire gnrale, si on a k facteurs, on aura pour un modle additif :

Pour n essais on va obtenir un systme de n quations k+1 inconnues : de la mme

par rapport aux coefficients du modle avec toujours pour

Y = X + r. En symbolisant par X' la matrice transpose de X, si X'X

7.3.3.2 - La rgression linaire multiple et lanalyse multicomposants

deux obstacles sopposent

lutilisation de cette technique

: le grand nombre de variables explicatives X et leurs cori

en soi sur l'un des consti-

dutiliser les absorbances dun grand nombre de

les variables explicatives Xi

cier, avec seulement une rsolution de 8cm , on obtient un chantillonnage de 75 absorbances

(donc de 75 variables explicatives X ). Il en rsulte que, pour en dduire une courbe

dtalonnage dont lquation comporterait 76 coefficients estimer (75 coefficients