Modelos preditivos para o setor têxtil: estudo de Caso de uma empresa de confecções do polo Agreste de Pernambuco.

• Pimentel, Henrique Pablo Pinheiro dos Santos ^[1] ; Silva, Edson Moura ^[1] ; Andrade, Ermeson Carneiro de ^[1] ; Araújo, Danilo Ricardo Barbosa de ^[1]
  1. [1] Universidade Federal Rural de Pernambuco

     Universidade Federal Rural de Pernambuco

     Brasil

     
• Localización: Revista dos Mestrados Profissionais, ISSN-e 2317-0115, Vol. 11, Nº. 2, 2022, págs. 221-234
• Idioma: portugués
• DOI: 10.51359/2317-0115.2022.256847
• Títulos paralelos:
  • Forecasting for the Textile Sector: Case Study for a Clothing Company at the Agreste Pole of Pernambuco
• Enlaces
  • Texto completo
• Resumen
  • English

    The textile sector has shown constant growth in recent years and Brazil occupies the  fourth  position  inthe  world  in  the  clothing  niche.  The  growing  demand  for  textiles reinforces  the  importance  of  technologies  and  intelligent  systems  that  contribute  to  the continued expansion of the sector. In this sense, this paper analyzes different approaches for predicting important variables for a textile company, in order to allow the use of the predictive models  obtained  as  auxiliaries  in  future  optimization  and  planning  tools.  A  system  with graphical interface was developed to facilitate the visualization and manipulation of the data and  the  proposal  was  evaluated  on  the  data  of  a  partner  company  of  the  Polo  Agreste considering the technique with better performance according to previous studies. The results obtained reinforce that the approach is promising, presenting a mean square error of 1.20×10-2for the prediction of the value produced and 4.37×10-2for the production cost.

  • português

    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.

• Referencias bibliográficas
  • 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: 09/01/2022.
  • 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...
  • JAVA SWING. Disponível em: https://www.devmedia.com.br/java-swing-conheca-oscomponentes-jtextfield-e-jformattedtextfield/30981. Acesso em...
  • JIERULA, Alipujiang et al. Study on accuracy metrics for evaluating the predictions of damage locations in deep piles using artificial neural...
  • 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....
  • KAPUT, Mike. AI for sales: What you need to know. Marketingaiintitute, 2022. Disponível em: https://www.marketingaiinstitute.com/blog/ai-in-sales....
  • 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....
  • LUIS, Anderson. Indústrias têxteis no Brasil: Perspectiva para 2022. Labra, 20/04/2022. Disponível em: https://blog.labra.com.br/industrias-texteis-no-brasil....
  • 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...
  • 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...
  • 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: 07/10/2021.
  • TKINTER. Disponível em: https://docs.python.org/pt-br/3/library/tk.html. Acesso em: 09/01/2022.
  • 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...
  • WONG, Wai Keung; CHAN, C. K. An artificial intelligence method for planning the clothing manufacturing process. Journal of the Textile Institute,...
  • YASIR, Muhammad et al. Machine learning–assisted efficient demand forecasting using endogenous and exogenous indicators for the textile industry....
  • YULDOSHEV, Nuritdin; TURSUNOV, Bobir; QOZOQOV, Saidmuhtor. Use of artificial intelligence methods in operational planning of textile production....