Hernandez Rivera, Samuel P.Plata Enriquez, Jorge Luis2025-04-212025-04-212025-02-27https://hdl.handle.net/20.500.11801/7308The study investigates the use of Quantum Cascade Laser Spectroscopy (QCLS) combined with Multivariate Analysis (MVA) to enhance Process Analytical Technology (PAT) in pharmaceutical manufacturing and explosives detection. It focuses on QCLS in three optical configurations: Mid-Infrared Attenuated Total Reflection (ATR), Diffuse Reflectance Backscattering (DRBS), and Grazing Angle Probe (GAP), addressing specific challenges in the pharmaceutical and explosives sections. In the pharmaceutical section, the research analyzes low-concentration acetaminophen tablets in nine formulations ranging from 0.0% to 3.0% w/w of active pharmaceutical ingredient (API) concentration. The tablet blends include excipients such as mannitol, croscarmellose, cellulose, and magnesium stearate, which add complexity and are well-managed by QCLS. This non-contact spectroscopic analysis spans a spectral range of 770–1890 cm-1 . Various regression models, including Partial Least Squares (PLS), Support Vector Machine Regression (SVM), Decision Tree Regression, and Linear Regression, were employed to assess API distribution and potential inhomogeneities that may impact drug efficacy. Model performance was estimated based on Root Mean Square Error (RMSE) and Coefficient of Determination (R²), with SVM and PLS showing superior predictive accuracy, thereby enhancing precision in pharmaceutical analysis. For explosives detection, the study employed Infrared (IR) and Raman spectroscopy to identify highly energetic materials (HEMs) such as TNT, DNT, PETN, and RDX on metallic surfaces and solid samples, simulating real-world conditions. Reference spectra were used for IR and Raman detections, and comparative quantitative analyses were performed based on the spectral correlation index. Supervised multivariate analyses, including Partial Least Squares Discriminant Analysis (PLS-DA), were applied to enhance detection accuracy and sensitivity. The results demonstrated the effectiveness of vibrational spectroscopy in accurately detecting HEMs, highlighting its vital role in public safety. The application of QCLS in this study demonstrates its ability to handle complex analytical challenges effectively. In pharmaceutical analysis, the high power and precision of QCLS, combined with MVA, led to robust discrimination methodologies crucial for ensuring drug safety and efficacy. Similarly, in explosives detection, the same technological principles have significantly advanced security protocols. This research underscores the transformative potential of combining QCLS with MVA in PAT, promising to elevate precision and safety standards across multiple industries.El estudio investiga el uso de la Espectroscopía por Láser de Cascada Cuántica (QCLS) combinada con Análisis Multivariante (MVA) para mejorar la Tecnología Analítica de Procesos (PAT) en la fabricación farmacéutica y la detección de explosivos. Se centra en QCLS en tres configuraciones ópticas: Reflectancia Total Atenuada en Infrarrojo Medio (ATR), Retrodispersión de Reflectancia Difusa (DRBS) y Sonda de Ángulo Rasante (GAP), abordando desafíos específicos en cada sector. En la industria farmacéutica, la investigación analiza tabletas de acetaminofén de baja concentración, en este caso, en nueve formulaciones que varían del 0.0% al 3.0% w/w en concentración del ingrediente farmacéutico activo (API). La inclusión de excipientes como manitol, croscarmelosa, celulosa y estearato de magnesio añade complejidad, bien gestionada por QCLS. Este análisis espectroscópico sin contacto abarca un rango espectral de 770–1890 cm-1 . Se utilizaron diversos modelos de regresión, incluidos Mínimos Cuadrados Parciales (PLS), Regresión de Máquina de Vectores de Soporte (SVM), Regresión de Árbol de Decisión y Regresión Lineal, para evaluar la distribución de API y las posibles inhomogeneidades que afectan la eficacia del medicamento. El rendimiento de los modelos se evaluó en base al Error Cuadrático Medio (RMSE) y al Coeficiente de Determinación (R²), mostrando SVM y PLS una precisión predictiva superior, lo que mejora la precisión en el análisis farmacéutico. Para la detección de explosivos, el estudio empleó espectroscopía Infrarroja (IR) y de Raman para identificar materiales altamente energéticos (HEMs) como TNT, DNT, PETN y RDX en superficies metálicas y muestras sólidas, simulando condiciones del mundo real. Se utilizaron espectros de referencia para detecciones en modos IR y Raman, y se realizaron análisis cuantitativos comparativos basados en el índice de correlación espectral. Se aplicaron análisis multivariantes supervisados, incluido el Análisis Discriminante PLS (PLS-DA), para mejorar la precisión y sensibilidad de la detección. Los resultados demostraron la efectividad de la espectroscopía vibracional en la detección precisa de HEMs, destacando su papel vital en la seguridad pública. La aplicación de QCLS en este estudio muestra su capacidad para manejar eficazmente desafíos analíticos complejos. Esta investigación subraya el potencial transformador de combinar QCLS con MVA en PAT, prometiendo elevar los estándares de precisión y seguridad en múltiples industrias.en-USAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/QCLChemometricsMachine LearningPharmaceuticalRaman spectroscopyInfrared spectroscopyTwo-dimensional electronic-vibrational spectroscopyDrugs - AnalysisIndustrial safetyDissertation(c) 2025 Jorge Plata Enriquez