Como a IA otimizou as operações de uma marca de tapetes de luxo

Um fabricante de tapetes de luxo personalizados necessitava de otimizar o fluxo das encomendas, desde o pedido do cliente até ao produto final. As etapas críticas — desde a recepção do design e a vetorização até ao agendamento da produção — estavam distribuídas por processos manuais e sistemas desconectados. Esta configuração gerava fricção desnecessária, atrasava a tomada de decisão e limitava a capacidade de cumprir compromissos exigentes em termos de prazos de entrega.

A abordagem estruturou-se em três iniciativas principais que transformaram o funcionamento operacional no dia a dia:

‍

1. Estimativa do tempo de produção

Na primeira iniciativa, foram introduzidos modelos preditivos para estimar os tempos de produção com maior precisão e visibilidade ao longo da cadeia de valor. Foram treinados três modelos de machine learning com dados históricos para prever o tempo total de produção, a cadência de injecção e o esforço de vetorização.

Integração com o ERP: As previsões passaram a estar disponíveis diretamente no ERP, através de modelos re-treinados mensalmente. Estão igualmente disponíveis cálculos sob pedido sempre que é criada uma nova encomenda.

Os modelos de machine learning reduziram o MAPE (Mean Absolute Percentage Error) em 10 pontos percentuais, melhorando a precisão de 31% para 21% face à linha de base da empresa.

Como resultado, as equipas comerciais e de planeamento podem orçamentar e negociar com maior confiança, enquanto a produção beneficia de previsões integradas no ERP que reforçam o equilíbrio de carga e as discussões de planeamento de capacidade.

‍

2. Planeamento integrado da produção

Na segunda iniciativa, foi introduzido um modelo de otimização para conferir maior rigor e transparência ao planeamento produtivo. A empresa fabrica tapetes através de processos de injecção/tufting, guiados por robôs que se deslocam num plano X/Y para injetar fio segundo um padrão pré-definido. O modelo aloca encomendas pelas linhas de produção disponíveis e determina a afectação e sequenciação de robôs e screens, respeitando restrições como disponibilidade de fio, compatibilidade de equipamento e calendários de produção.

A etapa de alocação de encomendas determina que linha ou máquina deve processar cada tapete, enquanto a afetação de robô/screen define qual o robô específico e o respetivo screen de injeção que executará cada design nessa linha.

O sistema permite ainda aos planeadores testar cenários e comparar estratégias alternativas, analisando funções-objectivo como eficiência produtiva, balanceamento de carga entre linhas de fabrico e nível de serviço. A otimização igualou ou superou consistentemente o planeamento de referência.

• As conclusões atempadas melhoraram em +3,7 pontos percentuais.
• Os planos são gerados em cerca de 90 minutos, permitindo execuções diárias ou semanais dentro das restrições operacionais.

Atualmente, os planeadores recorrem a este modelo de otimização para gerar planos de produção orientados por dados e sensíveis a restrições, reduzindo atrasos, aumentando a visibilidade e libertando tempo anteriormente dedicado a ajustamentos manuais.

‍

‍

3. Validação automatizada da vetorização

A vetorização consiste na preparação dos trajetos que o tapete seguirá durante a produção, convertendo os designs em instruções executáveis. Trata-se de um processo intensivo em trabalho manual, dependente de revisões para detetar problemas como ângulos desalinhados ou camadas em falta. Foi desenvolvido um sistema que automatiza a identificação de não conformidades em ficheiros de design, executando validações baseadas em regras sobre G-Code e gerando sobreposições visuais contínuas para que os designers visualizem os problemas em tempo real:

• As regras detetam erros comuns (por exemplo, ângulos abaixo de determinados limiares, sobreposições, elementos em falta).
• A interface permite configurar limiares de deteção e selecionar os tipos de erro a sinalizar.
• O resultado consiste num ficheiro de design anotado e num resumo das ocorrências detetadas, reduzindo a ambiguidade nos ciclos de correção.

O processamento de um tapete complexo demora agora, em média, cerca de 30 minutos, significativamente menos do que o processo manual de revisão, que tipicamente varia entre 3–4 horas e pode prolongar-se por vários dias no caso de designs mais intrincados. Adicionalmente, a ferramenta padroniza o controlo de qualidade na preparação do design, estabelecendo uma base mais consistente para a fiabilidade nas fases subsequentes de planeamento e produção.

‍