Indústria têxtil melhora a qualidade dos produtos com Inteligência Artificial

Case Adar
Resumo

ENTRE EM CONTATO CONOSCO

 

Indústria têxtil melhora a qualidade dos produtos com Inteligência Artificial

 

Saiba como a indústria têxtil pode melhorar a inspeção visual dos tecidos utilizando Inteligência Artificial

 

Atuando em diferentes segmentos do mercado têxtil, o grupo Adar, Artec e Texliving, confeccionam produtos têxteis de alta qualidade, tanto para o mercado da moda como o de decoração.

Em 2022 a produção de malhas manteve a alta qualidade esperada, na qual 96% do material produzido não apresentou falhas. Entretanto, o mercado de malhas para magazine vem exigindo qualidade ainda maior. “Tem empresas que pedem uma taxa máxima de defeitos de 20 pontos, enquanto a taxa referência do mercado é de 35 pontos”, informou a Diretora de Gente e Gestão do Grupo Adar, Cleide Guimarães.

Com o intuito de atender à exigência do mercado e manter o alto nível dos produtos, o Grupo Adar entrou em contato com a Macnica DHW para desenvolver um projeto inovador para o processo de controle e qualidade da produção, utilizando Inteligência Artificial (AI).

Desta forma, a inspeção visual dos tecidos produzidos, que hoje é realizada por seres humanos, passíveis de falha, serão substituídos por uma solução de inteligência artificial de monitoramento por vídeo do material produzido, o que diminuirá ainda mais a presença de falhas nas peças de tecidos entregues pela Artec.

O primeiro passo deste projeto foi o desenvolvimento de uma Prova de Conceito (PoC), onde se comprovou que a solução AI desenvolvida atende os requisitos do processo de controle de qualidade do Grupo Adar.

Problema

O problema abordado nesta PoC consistia em identificar defeitos em tempo real nos tecidos que se encontram em fase final de produção, ou seja, na saída da rama.

Case Adar Esta etapa do controle de qualidade é feita hoje por um ser humano, e na maioria das vezes alguns defeitos passam de forma despercebida, chegando ao cliente final e, consequentemente, gerando a necessidade de trocas, insatisfação do cliente, retrabalho e aumento de custo.

            Quando um cliente final abre um chamado de devolução de material por um problema de qualidade, normalmente é necessário fazer a verificação, seja por vídeo ou presencial, enviando um técnico in loco para avaliar a mercadoria junto ao cliente. Ou seja, é necessário abrir tudo e verificar se realmente a reclamação procede, o que acarreta um alto custo de deslocamento e retrabalho, completou o Diretor de Compras do Grupo Adar, Julio Denig.

Desafio

O objetivo desta PoC era validar o desenvolvimento de um sistema de inteligência artificial capaz de reconhecer e localizar defeitos nos tecidos em tempo real, diretamente na saída da rama.

            Dessa forma, será possível automatizar todo o processo de inspeção do material produzido, sem necessidade de inspeção humana. Além disto, a solução AI irá padronizar o reconhecimento de falhas e tornar mais eficiente e rápido todo processo, minimizando os problemas e custos ocasionados pela chegada de materiais defeituosos ao cliente final.

Realização

Para solucionar o problema de identificação de falhas em tecidos é necessário o desenvolvimento de um sistema completo, ou seja, uma ou mais câmeras de alta resolução, um dispositivo de processamento de alto desempenho e um software desenvolvido especialmente para rodar o sistema de inteligência artificial que fará a identificação das falhas a partir das imagens recebidas.

No primeiro momento foi alinhado entre a Artec e Macnica DHW os pré-requisitos da solução inteligente na parte da revisão da produção para identificar defeitos. Em seguida, o especialista da Macnica DHW, Neimar Duarte, esteve in loco na Artec para acompanhar todo o fluxo/processo de acabamento e uma parte do tingimento dos tecidos. Durante a visita também foram coletadas imagens dos tecidos e dos defeitos para treinar uma rede neural e, posteriormente, validar a solução de inteligência artificial que estava sendo desenvolvida para a identificação de falhas em tecidos.

No desenvolvimento do software da solução AI, no modelo de Machine Learning (ML), o time de desenvolvedores da Macnica DHW buscou modelos a serem treinados e bibliotecas para otimizar o treinamento do modelo e também realizou a coleta in loco de imagens dos tecidos para treinar o modelo ML.

Setup montado no Grupo Adar para coleta de imagens boas e ruins do processo para treinamento e validação da solução AI.
Setup montado no Grupo Adar para coleta de imagens boas e ruins do processo para treinamento e validação da solução AI.

Após a definição destes parâmetros, foi desenvolvida a solução AI dedicada para o Grupo Adar. A solução usou a biblioteca Anomalib da Intel, que permite criar modelos ML na plataforma PyTorch. Um diferencial da solução Anomalib é que esta rede de AI deve ser treinada apenas com imagens boas do processo, desta forma, toda imagem que estiver fora do padrão de qualidade será identificada e o defeito apontado na imagem.

Resultados

O Diretor Industrial da Artec Malhas, Marcelo Oliveira, destacou que a solução trará ainda mais confiança e fidelização dos clientes, além da detecção dos problemas e a classificação dos tecidos que permitirá internamente uma ação imediata. “A garantia de que nossos produtos serão entregues com total qualidade eliminará muitos prejuízos que acabamos tendo”, adicionou Marcelo.

 

            Os resultados atingidos pela PoC foram muito promissores. O sistema de inteligência artificial desenvolvido, baseado na biblioteca Anomalib, mostrou ser capaz de detectar e reconhecer os defeitos do tecido com muita precisão, mesmo em resoluções aquém da desejada.

            Na PoC foram realizados testes com os três tipos de tecidos lisos e em todos foram alcançados resultados similares e positivos.

            Os próximos passos do projeto são:

  • Incluir nos testes os tecidos estampados para comparar os novos resultados obtidos com os atuais.
  • Otimizar os modelos para aumentar a velocidade de processamento e permitir processamento em tempo real dos dados adquiridos.
  • Usar uma câmera de qualidade melhor para obter imagens mais precisas e em alta definição, e treinar novas redes neurais com estas imagens de maior resolução.
Pontos fortes da Macnica
  • Know-how em desenvolvimento de hardware e software de soluções de Inteligência Artificial, utilizando modelos ML e ferramentas Intel.
  • Conhecimento sobre as tecnologias disponíveis no mercado, tanto de software, quanto de hardware, para montar a melhor solução completa para o cliente.
Breve Descrição
Para solucionar o problema de identificação de falhas em tecidos a Macnica DHW desenvolveu um sistema completo com câmeras de alta resolução, dispositivo de processamento de alto desempenho e o software que roda a inteligência artificial que fará a identificação das falhas a partir das imagens das câmeras.