Publicação: Modelagem preditiva da estabilidade de formulações cosméticas multicomponentes: um estudo comparativo de modelos de aprendizado de máquina
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Programa
Área do conhecimento
CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICA
Título da Revista
ISSN da Revista
Título de Volume
Orientador
Coorientador
Resumo
A estabilidade físico-química é um atributo crítico no desenvolvimento de formulações
cosméticas multicomponentes, e sua avaliação depende, tradicionalmente, de ensaios empíricos
demorados. Neste contexto, o presente trabalho teve como objetivo comparar o desempenho de
modelos de aprendizado de máquina baseados em árvores, como os de Árvore de Decisão,
Floresta Aleatória e XGBoost, na classificação da estabilidade de formulações de shampoo,
utilizando as frações mássicas dos ingredientes como variáveis preditoras. Como base de dados,
empregou-se o conjunto experimental de 812 formulações disponibilizado na literatura, do qual
se selecionou a estabilidade como variável-alvo binária (estável ou não-estável). A metodologia
envolveu a preparação e a análise exploratória dos dados, seguida de divisão estratificada em
treino e teste, validação cruzada e otimização de hiperparâmetros por busca em grade
(GridSearchCV). A análise exploratória evidenciou elevada esparsidade, forte assimetria e
ausência de separabilidade linear entre as classes, o que justificou o emprego de modelos não
lineares. O desempenho foi avaliado por meio das métricas F1-score, acurácia, precisão e
recall, além da análise dos erros por matrizes de confusão. Observou-se uma progressão
consistente do desempenho com o aumento da complexidade dos modelos: a Árvore de
Decisão, usada como referência, obteve F1-score de 0,66 e acurácia de 68%, enquanto os
modelos de conjunto Random Forest e XGBoost elevaram essas métricas de forma equivalente,
com F1-score de teste de 0,71 e acurácia de aproximadamente 77%. Diante da equivalência
estatística entre os dois modelos no conjunto de teste, adotou-se como critério de seleção o
desempenho médio na validação cruzada, no qual o Random Forest apresentou o melhor
resultado (F1-score de 0,70), sendo selecionado como modelo final. A análise de importância
das variáveis indicou os espessantes e os polímeros condicionantes como os ingredientes mais
influentes sobre a estabilidade, em consonância com o caráter combinatório do sistema. Os
resultados ilustram o potencial de modelos preditivos baseados em árvores como ferramenta de
apoio ao desenvolvimento de formulações cosméticas mais ágil e orientado por dados.
Abstract
Physicochemical stability is a critical attribute in the development of multicomponent cosmetic
formulations, and its assessment traditionally relies on time-consuming empirical tests. In this
context, the present study aimed to compare the performance of tree-based machine learning
models, such as Decision Tree, Random Forest and XGBoost, in the classification of shampoo
formulation stability, using ingredient mass fractions as predictor variables. As a database, the
experimental dataset of 812 formulations available in the literature was employed, from which
stability was selected as the binary target variable (stable or unstable). The methodology
involved data preparation and exploratory data analysis, followed by stratified splitting into
train and test sets, cross-validation and hyperparameter optimization through grid search
(GridSearchCV). The exploratory analysis revealed high sparsity, strong asymmetry and the
absence of linear separability between classes, which justified the use of non-linear models.
Performance was evaluated using F1-score, accuracy, precision and recall metrics, as well as
error analysis through confusion matrices. A consistent progression in performance was
observed with increasing model complexity: the Decision Tree, used as a reference, achieved
an F1-score of 0.66 and accuracy of 68%, while the ensemble models, Random Forest and
XGBoost, improved these metrics to an equivalent extent, reaching a test F1-score of 0.71 and
accuracy of approximately 77%. Given the statistical equivalence between the two ensemble
models on the test set, the mean cross-validation performance was adopted as the selection
criterion, in which Random Forest achieved the best result (F1-score of 0.70), being selected as
the final model. Feature importance analysis indicated thickeners and conditioning polymers as
the most influential ingredients on stability, consistent with the combinatorial nature of the
system. The results illustrate the potential of tree-based predictive models as a tool to support
more agile and data-driven cosmetic formulation development.
Palavras-chave
Modelagem preditiva, Formulações cosméticas, Estabilidade, Aprendizado de máquina, Predictive modeling, Decision trees, Cosmetic formulations, Stability, Machine learning
Citação
SILVA, Larissa Alvilino Ferreira da. Modelagem preditiva da estabilidade de formulações cosméticas multicomponentes: um estudo comparativo de modelos de aprendizado de máquina. 2026. 36 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Química) - Universidade Federal de Uberlândia, Uberlândia, 2026.
DOI
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto