Desenvolvimento de uma rede neural artificial para maximizar a reprodutibilidade de tingimento de tecidos de poliamida

Abstract

A indústria têxtil brasileira é desempenha um papel essencial da economia do país, posicionando-se mundialmente como o quinto maior polo têxtil e o quarto no segmento de vestuário. No entanto, um dos desafios críticos enfrentados por esse segmento é o reprocessamento das malhas, gerando atrasos na entrega, impactos na qualidade e um aumento dos custos e do impacto ambiental. Diante disso, o objetivo desse estudo é identificar o reprocesso no tingimento de uma indústria têxtil por meio de padrões pré-estabelecidos utilizando uma rede neural. Para tanto, essa pesquisa foi realizada em parceria com uma empresa do setor, e concentrou-se na coleta, preparação e processamento de dados, além do treinamento e validação da rede neural. Especificamente, o foco incidiu sobre a produção de poliamida, onde cerca de 95% dos reprocessos são classificados como indefinidos, dificultando a identificação e solução precisa desses problemas. Utilizando dados de processo, uma rede neural foi treinada, a qual demonstrou capacidade de generalização, proporcionando previsões precisas. Esse estudo mostrou o potencial dessa abordagem para otimizar os processos industriais têxteis, sugerindo a expansão do conjunto de variáveis de entrada e a integração do modelo ao sistema de Business Intelligence da empresa, visando benefícios em qualidade, eficiência e custo. Estes resultados representam um passo inicial na utilização de aprendizado de máquina na indústria têxtil, indicando possibilidades futuras de aprimoramento e integração mais ampla dos resultados.

Abstract: The Brazilian textile industry plays an essential role in the country's economy, positioning itself worldwide as the fifth largest textile hub and the fourth in the clothing segment. However, one of the critical challenges faced by this sector is the reprocessing of fabrics, leading to delivery delays, quality impacts, and increased costs and environmental footprint. Therefore, the objective of this study is to identify the reprocess in the dyeing of a textile industry by means of pre-established patterns using a neural network. To this end, this research was carried out in partnership with a company in the sector, and focused on data collection, preparation and processing, as well as training and validation of the neural network. Specifically, the focus was on polyamide production, where about 95% of reprocesses are classified as undefined, making it difficult to accurately identify and solve these problems. Using process data, a neural network was trained, which demonstrated the ability to generalize, providing accurate predictions. This study showcased the potential of this approach to optimize textile industrial processes, suggesting the expansion of the input variable set and integration of the model into the company's Business Intelligence system, aiming for quality, efficiency, and cost benefits. These results represent an initial step in the use of machine learning in the textile industry, indicating future possibilities for improvement and broader integration of results.