Modelos de Padrões de Qualidade de Fios de Algodão baseado em Redes Neurais Artificiais que relacionam a matéria-prima ao processo de produção e ao produto final

Abstract

A técnica de Redes Neurais Artificiais (RNAs) é utilizada para a resolução de diversos tipos de problemas característicos da Inteligência Computacional (IC) com a utilização de dados/variáveis relacionadas entre si, cada uma com sua maior ou menor influência na solução de um determinado problema. Neste trabalho utilizam-se dados de uma indústria de produção do fio de algodão que tem como matéria prima a fibra de algodão e seus ajustes no processo. Os dados foram organizados cronologicamente e após a adequação, pode-se determinar as variáveis a serem utilizadas na definição das redes como solução para determinar modelos padrões para a previsão da qualidade do fio. Foram criadas redes neurais do tipo MultiLayer Perceptron e dois tipos de treinamento, o Backpropagation e o Levenberg-Marquardt. Como resultado, obteve-se modelos de padrões de qualidade que a partir dos dados das características das fibras e ajustes das máquinas, resultam na previsão da qualidade do fio a ser produzido.

The technique of artificial neural networks (ANNs) is used to solve several types of problems characteristic of Computational Intelligence (CI) with the use of related data/variables, each with its greater or lesser influence on the solution of a given problem. In this work we use data from a cotton yarn production industry, whose raw material is cotton fiber and its adjustments in the process. The data were organized chronologically and after the adequacy, it is possible to determine the variables to be used in the definition of the networks as a solution to determine standard models for predicting the yarn quality. MultiLayer Perceptron neural networks and two types of training, Backpropagation and Levenberg-Marquardt, were created. As a result, models of quality standards were obtained which, based on the data of the characteristics of the fibers and adjustments of the machines, resulted in the prediction of the quality of the yarn to be produced.