Análisis gráfico de correlaciones entre niveles de aceptación del consumidor, longevidad y ensilaje de fragancias, a través de redes neuronales artificiales y análisis de componentes principale
DOI:
https://doi.org/10.33448/rsd-v9i6.3192Palabras clave:
Perfumes; Fragancias; Redes neuronales artificiales; Indicadores de rendimento; PCA.Resumen
La industria de fragancias y saborizantes (F&F) genera millones de dólares en todo el mundo y es responsable de las características olfativas de los productos de higiene personal, perfumes, cosméticos, productos para el hogar y todos los productos que contienen un aroma producido artificialmente. La investigación y el desarrollo de nuevas fragancias se concentran entre las 5 casas de fragancias más grandes del mundo y, por esa razón, existe una gran preocupación por mantener el secreto entre los procesos creativos de estas empresas. Este mercado de competencia feroz limita la capacidad de innovación en la creación de nuevos productos a lo que generalmente tiene éxito en el mercado y las estadísticas de aceptación de los que se han propuesto entre los competidores. Estas compañías están cada vez más restringidas a innovar dentro de un universo previamente lanzado, produciendo flankers, versiones de productos ya establecidos en el mercado. Por lo tanto, este artículo tiene como objetivo analizar gráficamente los datos de una biblioteca virtual de perfumería, modelada utilizando una red neuronal de varias capas y una red neuronal de retropropagación resistente, validada a través del análisis de componentes principales. El análisis gráfico proporciona una interpretación de las correlaciones entre los niveles de aceptación del consumidor para un perfume y los indicadores de rendimiento para esa fragancia. Este estudio reitera la existencia de correlaciones entre el perfil de consumo del usuario y las propiedades de las fragancias, apoyando futuros estudios de formulación exclusiva de composiciones personalizadas individualmente para grupos o individuos, demostrando un uso potencial en la ingeniería de perfumes.
Citas
Aggarwal, C. C., Al-Garawi, F., & Yu, P. S. (2001). Intelligent Crawling on the World Wide Web with Arbitrary Predicates.
Branca, A., Simonian, P., Ferrante, M., Novas, E., & Negri, R. M. (2003). Electronic nose based discrimination of a perfumery compound in a fragrance. Sensors and Actuators B: Chemical, 92(1–2), 222–227. https://doi.org/10.1016/S0925-4005(03)00270-3
Carles, J. (1968). A method of creation and perfumery- Part 1. Soap , Perfumery & Cosmetics.
Cleto, P., Ferreira, R., Gomes, R., & Rodrigues, M. T. (2010). Reconhecimento de Acordes Musicais: Uma Abordagem Via Perceptron Multicamadas. Mecánica Computacional, 29(93), 9169–9175. Retrieved from https://cimec.org.ar/ojs/index.php/mc/article/view/3659
Devecchi, R. (2015). O marketing olfativo no varejo ! São Paulo. Retrieved from http://www.raiingredients.com.br/extra1.pdf
Dias, S. M., & da Silva, R. R. (1996). Perfumes- Uma Química Inesquecível. Química Nova Na Escola.
Haykin, S. (1990). Neural Networks and Learning Machines. Hamilton, Ontario, Canada.
Hongyu, K., Sandanielo, V. L. M., & Oliveira Junior, G. J. (2015). Principal Component Analysis: theory, interpretations and applications. Engineering and Science, 5(1), 83–90. https://doi.org/10.18607/ES20165053
Ludwig Junior, O., & Costa, E. M. M. (2007). Redes Neurais - Fundamentos e Aplicações com Programas em C (1st ed.). Rio de Janeiro: Editora Ciência Moderna.
Mata, V. G., Gomes, P. B., & Rodrigues, A. E. (2005a). Engineering perfumes. AIChE Journal, 51(10), 2834–2852. https://doi.org/10.1002/aic.10530
Mata, V. G., Gomes, P. B., & Rodrigues, E. (2005b). Effect of Nonidealities in Perfume Mixtures Using the Perfumery Ternary Diagrams (PTD) Concept. Industrial & Engineering Chemistry Research, 4435–4441. https://doi.org/10.1021/ie048760w
Menczer, F., Pant, G., & Srinivasan, P. (2003). Topical web crawlers: Evaluating adaptive algorithms. Retrieved from https://www.researchgate.net/publication/228755990_ Topical_web_crawlers_Evaluating_adaptive_algorithms
Morais, E. C. (2010). Reconhecimento de Padrões e Redes Neurais Artificiais em Predição de Estruturas Secundárias de Proteínas. Universidade Federal do Rio de Janeiro. Retrieved from https://www.cos.ufrj.br/uploadfile/1277729485.pdf
Reis, T. (2013). Algoritmo Rastreador Web Especialista Nuclear.
Soares, A., Dorlivete, P., Shitsuka, M., Parreira, F. J., & Shitsuka, R. (2018). METODOLOGIA DA PESQUISA CIENTÍFICA. Santa Maria, RS. Retrieved from https://repositorio.ufsm.br/bitstream/handle/1/15824/Lic_Computacao_Metodologia-Pesquisa-Cientifica.pdf?sequence=1
Sobrinho, J. L. V. (2019). Rastreador Web Não Supervisionado para Aquisição, Enriquecimento e Predição de Dados de Usuários de Redes Sociais por Intermédio de Métodos de Inteligência Computacional.
Teixeira, M. A., Barrault, L., Rodr, O., Carvalho, C. C., & Rodrigues, E. (2014). Perfumery Radar 2 . 0 : A Step toward Fragrance Design and Classi fi cation. Industrial & Engineering Chemistry Research.
Teixeira, M. A., Rodríguez, O., Gomes, P., Mata, V., & Rodrigues, A. E. (2013). Perfume engineering : design, performance and classification. Elsevier Science.
Teixeira, M. A., Rodríguez, O., Gomes, P., Mata, V., Rodrigues, A. E., Teixeira, M. A., … Rodrigues, A. E. (2013). Chapter 3 – Performance of Perfumes. In Perfume Engineering (pp. 61–94). https://doi.org/10.1016/B978-0-08-099399-7.00003-1
Teixeira, M. A., Rodríguez, O., & Rodrigues, A. E. (2010). Perfumery radar: A predictive tool for perfume family classification. Industrial and Engineering Chemistry Research, 49(22), 11764–11777. https://doi.org/10.1021/ie101161v
Vera G. Mata, *, Paula B. Gomes, and, & Rodrigues, A. E. (2005). Effect of Nonidealities in Perfume Mixtures Using the Perfumery Ternary Diagrams (PTD) Concept. https://doi.org/10.1021/IE048760W
Verzbickas, A., Mocelin, E. F., Neto, M. B. de S., & Siega, R. T. (2013). RELATÓRIO WEB CRAWLERS.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.