​​Reducción de la subjetividad en el proceso de clasificación de color de teñido de lotes de producción textil mediante machine learning​

Abstract

Uno de los principales retos en la producción textil es reproducir lo mejor posible la tonalidad del color en la tela, tonalidad que se obtiene a partir de una muestra dada por el cliente. El procedimiento de evaluación del color normalmente tiene mucha subjetividad debido a la apreciación visual que hace el analista humano de calidad al evaluar un lote de teñido. Cuando se rechaza un lote de teñido y la diferencia de color no es muy evidente, se producen demoras en la decisión final, esta es la problemática en la empresa EcoTextil.

Se investigó flujos de trabajo incluyendo algoritmos de aprendizaje supervisado para la clasificación de las partidas de teñido según tonalidad, reduciendo la subjetividad humana en la evaluación de la tonalidad del color. Para el diseño de los flujos de trabajo de clasificación se utilizó la Metodología Fundamental para la Ciencia de Datos de IBM (Rollins, 2015).

Los flujos de trabajo automatizados propuestos fueron clasificados en flujos de alto, regular y bajo rendimiento, los flujos de alto rendimiento tienen en promedio un valor F1 de 0.92 que es mayor al valor F1 del flujo de trabajo actual, evaluación humana, que es de 0.82.

La utilización de los flujos de trabajo automatizados propuestos significa un ahorro de 30,000 soles al año por reducción de horas hombre, unos 60,000 soles al año por reducción de reprocesos innecesarios, 144,000 soles al año por reducción de tiempos muertos y unos 30,000 soles al año por reducción de saldos de producción.

One of the main challenges in textile production is to reproduce as best as possible the color tone in the fabric, a tone that is obtained from a sample given by the client. The color evaluation procedure normally has a lot of subjectivity due to the visual appreciation that the human quality analyst makes when evaluating a dye lot. When a batch of dyeing is rejected and the color difference is not very evident, there are delays in the final decision, this is the problem at the EcoTextil company.

Workflows including supervised learning algorithms for the classification of dye batches according to hue were investigated, reducing human subjectivity in the evaluation of color hue. For the design of the classification workflows, the Fundamental Methodology for Data Science was used.

The proposed automated workflows were classified into high, regular and low performance flows, high performance flows have an average F1 value of 0.92, which is higher than the F1 value of the current workflow, human evaluation, which is 0.82.

The use of the proposed automated workflows means a saving of 30,000 soles per year due to the reduction in man hours, about 60,000 soles per year due to the reduction of unnecessary reprocessing, 144,000 soles per year due to the reduction of downtime and about 30,000 soles per year for reduction of production balances.