Machine learning aplicado a la industria textil

La Paz. 2021

El proyecto comenzó con una pregunta: ¿podemos mejorar la toma de decisiones en la industria textil con machine learning? Elegimos este sector por su importancia para Bolivia y por las dificultades que señalaba el equipo, entre ellas la competencia de productos importados y el comercio informal. Nuestro objetivo fue explorar la predicción de la productividad con un conjunto de datos disponible públicamente.

Mercadería Ilegal que ingresa al País
Ropa usada
Prendas chinas

Porque vimos estos problemas y creemos que Bolivia puede mejorar su competitividad escogimos al sector de la industria textil para aplicarle Machine Learning.

DESARROLLO

Encontramos el dataset en Kaggle, este tenía las siguientes variables (están traducidas al español al lado):

fecha – Fecha ()

smv – valor promedio por trabajo

day – Dia (Lun-Dom)

wip – trabajos en cola

quarter – 5 periodos / mes

over time – sobrehora

department – departamento

incentive – incentivo

teamno – # de equipo

idle time – tiempos ociosos

no of workers – # de trabajadores

idleman – # de trabajadores ociosos

no of style change – # de cambios

actual productivity – productividad actual

targeted_productivity – productividad esperada

Tras explorar las variables del conjunto de Kaggle, detectamos valores ausentes en SMV. Examinamos su distribución y decidimos sustituir esos valores por la media para preparar los datos para el modelado.

Comenzamos planteando un problema de regresión, pero los resultados iniciales no fueron satisfactorios. Decidimos reformular la variable objetivo como categorías y probar modelos de clasificación. Normalizamos los datos y examinamos la matriz de correlación que se muestra a continuación.

Después probamos distintos modelos de clasificación. AdaBoost obtuvo el mejor resultado predictivo en nuestra evaluación.

Logramos un 0.82 de accuracy lo cual fue simplemente increible despues de ver como otros métodos no llegaban ni al 0.50, decidimos probar con varios modelos adicionales como Random Forest, pero la precisión era menor (no por mucho)

Al final nos quedamos con Adaboost y logramos un trabajo excelente.

CONCLUSIONES

Con los modelos de regresión de acuerdo al rendimiento (scores de 0.5) calculado, no se acomodan al dataset propuesto, se realizó un tratamiento al target para volver un problema de clasificación.
Los modelos de clasificación aplicados al dataset dieron resultados favorables en especial Adaboost con un score de 0.82
El proceso nos permitió aprender a reformular un problema de regresión como uno de clasificación. Las métricas de ambas tareas no son directamente comparables.

Saturdays.AI

Autoría