Aplicação de Ferramentas Quimiométricas para Categorização de Vinhos através dos seus Componentes Químicos

Abstract

O vinho é uma bebida que existe há vários séculos. Nas últimas décadas houve um grande aumento no mercado do vinho aumentando o número de produtores e a diversidade de tipos de vinho, resultado das diferenças químicas e físicas dos solos e clima das regiões. Muitas dessas características químicas dos vinhos são colocadas em bases de dados, sendo útil para se perceber a relação que existe entre os vinhos e as suas regiões de origem. O uso de métodos quimiométricos, como a Análise de Componentes Principais (PCA) e a Análise Hierárquica de Agrupamento (HCA), é fundamental para a análise de bases de dados multivariáveis, isto é, que apresentam múltiplas variáveis, sendo no caso dos vinhos as características químicas presentes. Conjuntamente com o PCA e HCA, é importante o desenvolvimento de métodos para identificação e eliminação de pontos que não façam parte de nenhum grupo, denominados outliers, para permitir uma análise de PCA e HCA mais apurada. O trabalho presente nesta dissertação teve como objetivo a análise multivariada de correlação (PCA) e similaridade (HCA) de uma base de dados composta por 178 vinhos provenientes da mesma região de Itália possuindo três tipos de cultivo distintos, assim como o desenvolvimento de um método para limpeza de dados (outliers). O interesse principal foi verificar se as características químicas dos vinhos são suficientes para que se conseguisse correlacionar um determinado vinho com o cultivo aplicado. Os resultados obtidos mostraram que como a utilização das técnicas de PCA, HCA foi possível determinar a formação de grupos pertencentes a um mesmo método de cultivo e que a implementação da eliminação dos outliers melhorou a qualidade dos dados na identificação de grupos, sem que alterasse significativamente os resultados finais quando comparados com a análise sem eliminação de outliers para o estudo de PCA e de HCA com todas as variáveis, havendo alterações significativas nos resultados quando comparado com o estudo de HCA com as cinco dimensões obtidas do estudo de PCA.

Wine is a beverage that has existed for several centuries. In the last decades there was a significant increase in the wine market, which lead to an increase in the number of producers and in the type of wine diversity, resulting from the physical and chemical differences between soils and the production region weather. Plenty of the chemical characteristics of the wine are placed on databases, being that this information is useful to understand the correlation between the wines and their production regions. The usage of chemometric methods, such as Principal Component Analysis (PCA) and Hierarchical Cluster Analysis (HCA), is essential for the analysis of multivariable databases, that is, those that present multiple variables and, in the case of wines the chemical characteristics. Alongside with PCA and HCA, it is important to develop methods to identify and eliminate datapoints that do not belong to any data group, the denominated outliers, to allow a more focused analysis of PCA and HCA.The work presented in this dissertation aims to perform a multivariable correlation (PCA) and similarity (HCA) analysis in a database composed by 178 wines from the same region of Italy using three distinct culture methods, as well as the development of a data cleaning (outliers) method. The main interest of this work was to verify if the wine chemical characteristics are sufficient to correlate a wine with the applicated culture method.The obtained results demonstrated that the performance of the PCA and HCA technics allow the formation of groups belonging to the same culture method and that the implementation of noise (outliers) elimination improved the data quality in the identification of groups, without significantly altering the final results when compared to the results obtained for the analysis without outlier removal for the PCA and HCA studies with all the variables. There was however significant variations in the results when compared to those obtained with the HCA study performed with the five variables obtained from the PCA study.