Identificación de aceros por espectroscopia de rompimiento inducido por láser (LIBS) y análisis de componentes principales

U. Contreras^a, M.A. Meneses–Nava^a, D. Torres–Armenta^a, J. Robles–Camacho^b y O. Barbosa–García^a

^a Grupo de Propiedades Ópticas de la Materia, Centro de Investigaciones en Óptica A.C., Loma del Bosque 115, 37150 León, México.

^b Laboratorio de Arqueometría del Occidente, Instituto Nacional de Antropología e Historia, Centro INAH Michoacán, Madero Oriente 799, Morelia, 58000, México.

Recibido el 18 de enero de 2012. ]]> Aceptado el 27 de marzo de 2012.

Resumen

En la actualidad existe una producción de mas de 100 000 aceros diferentes de acuerdo a su composición química y propiedades mecánicas; sin embargo, una vez en el mercado, no existe técnica alguna capaz de identificar y clasificar cualquier acero según su clase o grado. En este trabajo se describe un método capaz de identificar y clasificar aceros a través de la determinación de su composición química. El método propuesto se basa en un análisis de espectroscopia atómica procedente de la técnica LIBS así como del análisis multivariado de los espectros de emision. Para aceros pertenecientes a diferentes clases se detectaron diferencias espectrales considerables debidas a su composición elemental, lo que hace posible su identification de una manera rápida. En el caso de dos aceros analizados de una misma clase, pero de distinto grado, la información espectral no es suficiente para una discriminación satisfactoria a simple vista ya que las diferencias en composición son relativamente bajas (< 0.5 %); sin embargo, con el análisis de componentes principales (PCA) se logro la discriminación de las 4 muestras de acero (de acuerdo a su clase y grado).

Descriptores: Espectroscopia de rompimiento inducido por laser; LIBS; PCA; aceros; metodos multivariados.

Abstract

Nowadays there exist more than 100 000 different types of steels according to their chemical and physical properties. Nevertheless there is not a unique method capable to identify or classify any sample of steel according to its class or grade. In this work it is described a method capable to identify and classify steels due to the chemical composition determination. The proposed method is based in the analysis ofatomic spectra by Laser Induced Breakdown Spectroscopy (LIBS) and Principal Component Analysis (PCA). For steels from different classes it is possible to discriminate them due to their chemical composition. For steels from the same class but different grade, the information on the spectra is not sufficient for a satisfactory discrimination because of the relatively low difference in composition (< 0.5 %); however, discrimination ofall analyzed samples is possible using PCA.

Keywords: Laser induced breakdown spectroscopy; LIBS; PCA; Steels; multivariate analysis.

DESCARGAR ARTÍCULO EN FORMATO PDF

Referencias

1. R.E. Hummel, Understanding materials Science (Springer, 2nd Edition, 2004)        [ Links ]

2. J.E. Bringas, Handbook of comparative world steel standards 3^rd ed. (ASTM International. West Conshohocken, PA. 2004).         [ Links ]

3. Atlas Steels Australia. Stainless Steel – Sorting and Identification Tests. Available via http://www.azom.com/article.aspx?ArticleID=1234 Accessed Sept 20 2011.         [ Links ]

4. V. Sturm, J. Vrenegor, R. Noll y M. Hemmerlin, J. Anal. At. Spectrom. 19 (2004) 451.         [ Links ]

5. C. Aragon, J. A. Aguilera, J. Campos, Applied spectroscopy 47 (1993)606.         [ Links ]

6. H. Balzer, H. Holters, V. Sturm y R. Noll, 385 (2006) 234.         [ Links ]

7. H. Balzer, H. Holters, V. Sturm y R. Noll, Spectrochimica Acta PartB 60 (2005) 1172.         [ Links ]

8. S. Yao, J. Lu, K. Chen, S. Pan, J. Li, M. Dong, Applied Surface Science 257 (2011)3103.         [ Links ]

9. Yu. Ralchenko, A.E. Kramida, J. Reader, and NIST ASD Team. NIST Atomic Spectra Database (ver. 4.1.0), [Online]. Available via http://physics.nist.gov/asd3 Accessed Sept 21 2011. National Institute of Standards and Technology, Gaithersburg, MD.         [ Links ]

10. F. De Lucia y J.L. Gottfried, Materials Today 14 (2011) 274.         [ Links ]

11. A. Kumar, S. Sreedhar, I. Barman, N. Dingari, S. Rao, P. Kiran, S. Tewari y G. Kumar, Talanta 87 (2011) 53.         [ Links ]

12. B.G. Richard, Chemometrics. Data Analysis for the Laboratory and Chemical Plant (John Wiley & Sons LTD England; 2003).         [ Links ]

13. I.T. Jolliffe Principal Component Analysis (Second Edition. Springer–Verlag New York, Inc. 2002).         [ Links ]

14. J.P. Singh, Laser Induced Breakdown Spectroscopy (Elsevier, The Netherlands; 2007).         [ Links ]

15. B. Ortac, M. Baumgartl, J. Limpert y A. Tunnermann, Optics Letters 34 (2009) 1585.         [ Links ]