Modelos preditivos para o setor têxtil: estudo de Caso de uma empresa de confecções do polo Agreste de Pernambuco.
DOI:
https://doi.org/10.51359/2317-0115.2022.256847Palavras-chave:
indústria têxtil, inteligência artificial, prediçãoResumo
O setor têxtil tem apresentado crescimento constante nos últimos anos e o Brasil ocupa a quarta posição mundial no nicho de vestuário. A crescente demanda de têxteis reforça a importância de tecnologias e sistemas inteligentes que contribuam para a continuidade de expansão do setor. Neste sentido, este artigo analisa diferentes abordagens para predição de variáveis importantes para uma empresa têxtil, de modo a permitir o uso dos modelos preditivos obtidos como auxiliares em futuras ferramentas de otimização e planejamento. Foi desenvolvido um sistema com interface gráfica para facilitar a visualização e manipulação dos dados e a proposta foi avaliada sobre os dados de uma empresa parceira do Polo Agreste considerando a técnica de predição com melhor desempenho nos estudos anteriores. Os resultados obtidos reforçam que a abordagem é promissora, apresentando um erro quadrático médio de 1,20×10-2 para a predição do valor total produzido e 4,37×10-2 para o custo de produção.Referências
ABIT - Associação Brasileira da Indústria Têxtil e de Confecção. Perfil do Setor. 2022.
Disponível em: https://abit.org.br/cont/perfil-do-setor. Acesso em: 19/10/2022
BOCK, Tim. What is a Correlation Matrix. Displayr, 16/08/2018. Disponível em:
https://www.displayr.com/what-is-a-correlation-matrix/. Acesso em: 10/07/2022
CAY, Ahmet et al. Prediction of the air permeability of woven fabrics using neural networks.
International Journal of Clothing Science and Technology, v. 19, n. 1, p. 18-35, 2007.
CSV. Disponível em: https://docs.python.org/pt-br/3/library/csv.html. Acesso em
/01/2022.
DOLLIN, Tansim. Top 10 benefits: Take your business to the next level with an AI chatbot.
Nice, 2021. Disponível em: https://www.nice.com/blog/top-10-benefits-take-your-businessto-the-next-level-with-an-ai-chatbot. Acesso em: 25/07/2022.
FERNÁNDEZ-CARAMÉS, Tiago M.; FRAGA-LAMAS, Paula. Towards the Internet of
smart clothing: A review on IoT wearables and garments for creating intelligent connected etextiles. Electronics, v. 7, n. 12, p. 405, 2018.
JAVA SWING. Disponível em: https://www.devmedia.com.br/java-swing-conheca-oscomponentes-jtextfield-e-jformattedtextfield/30981. Acesso em 09/01/2022
JIERULA, Alipujiang et al. Study on accuracy metrics for evaluating the predictions of
damage locations in deep piles using artificial neural networks with acoustic emission data.
Applied Sciences, v. 11, n. 5, p. 2314, 2021.
HUANG, He; LIU, Qiurui. Intelligent retail forecasting system for new clothing products
considering stock-out. Fibres & Textiles in Eastern Europe, n. 1 (121), p. 10--16, 2017.
KAGGLE. US Clothing Retail Sales Dataset, 2022. Disponível em:
https://www.kaggle.com/datasets/anuraggupta29/us-clothing-retail-sales-dataset. Acesso em:
/09/2022.
KAPUT, Mike. AI for sales: What you need to know. Marketingaiintitute, 2022. Disponível
em: https://www.marketingaiinstitute.com/blog/ai-in-sales. Acesso em: 25/07/2022.
KERAS. Disponível em: https://keras.io/ Acesso em 07/10/2021.
KOTLIN. Disponível em: https://kotlinlang.org. Acesso em 09/01/2022.
LIMA, Ramalho. Representante de importadoras defende zerar taxas de importações.
Tecmundo, 24/07/2019. Disponível em: https://www.tecmundo.com.br/mercado/144135-
representante-importadoras-defende-zerar-taxa-importacoes.htm. Acesso em: 20/08/2022
LUIS, Anderson. Indústrias têxteis no Brasil: Perspectiva para 2022. Labra, 20/04/2022.
Disponível em: https://blog.labra.com.br/industrias-texteis-no-brasil. Acesso em: 15/07/2022
PDFTABLE. Disponível em: https://pdftables.com/pdf-to-excel-api. Acesso em 09/01/2022.
PYTHON. Disponível em: https://www.python.org. Acesso em 09/01/2022.
SARKAR, Dipanjan; BALI, Raghav; SHARMA, Tushar. Practical machine learning with
python. A Problem-Solvers Guide To Building Real-World Intelligent Systems. Berkely:
Apress, 2018.
SUZUKI, Kenji (Ed.). Artificial neural networks: industrial and control engineering
applications. BoD–Books on Demand, 2011.
SIKKA, Monica Puri; SARKAR, Alok; GARG, Samridhi. Artificial intelligence (AI) in
textile industry operational modernization. Research Journal of Textile and Apparel, 2022.
TABULAS-PY. Disponível em: https://pypi.org/project/tabula-py/. Acesso em 09/01/2022.
TENSORFLOW. Disponível em: https://www.tensorflow.org/?hl=pt-br Acesso em
/10/2021.
TKINTER. Disponível em: https://docs.python.org/pt-br/3/library/tk.html. Acesso em
/01/2022.
TUMELERO, Naína. Um guia rápido sobre metodologia de pesquisa. Mettzer, 25/09/2019.
Disponivel em: https://blog.mettzer.com/metodologia-de-pesquisa/. Acesso em: 17/07/2022
WEI, Xiong. The application and development of artificial intelligence in smart clothing. In:
IOP Conference Series: Materials Science and Engineering. IOP Publishing, 2018. p. 012017.
WONG, Wai Keung; CHAN, C. K. An artificial intelligence method for planning the clothing
manufacturing process. Journal of the Textile Institute, v. 92, n. 2, p. 168-178, 2001.
YASIR, Muhammad et al. Machine learning–assisted efficient demand forecasting using
endogenous and exogenous indicators for the textile industry. International Journal of
Logistics Research and Applications, p. 1-20, 2022.
YULDOSHEV, Nuritdin; TURSUNOV, Bobir; QOZOQOV, Saidmuhtor. Use of artificial
intelligence methods in operational planning of textile production. Journal of process
management and new technologies, v. 6, n. 2, p. 41-51, 2018.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2022 Revista dos Mestrados Profissionais
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Os trabalhos submetidos são de responsabilidade exclusiva de sua autoria, que preserva o seu direito autoral.
É permitida a citação dos trabalhos publicados sem prévia autorização desde que seja explícita a menção à fonte da RMP
