Predicting zippers: the power of ML in the small textile companyies

Abstract

The textile industry has begun to embrace algorithm and Machine Learning (ML) predictions over the past decade to improve their sales performance and overall efficiency. In this project, ML models are applied in a zipper dataset to try to find an accurate prediction about future sales trends for a small company called Kreband. Furthermore, an analysis of the zippers features is applied to see which is the impact in the ML model and how the company can reduce costs and gain efficiency to compete against the multinational companies.Durant la darrera dècada, la indústria tèxtil ha començat a descobrir els algorismes i les prediccions de l’aprenentatge automàtic per millorar el seu rendiment. En aquest projecte, s’apliquen diferents models d’aprenentatge automàtic a un conjunt de dades de per tal de trobar la predicció més precisa possible sobre les vendes de cremalleres per l’empresa Kreband. A més, s’usa un anàlisi de les característiques de cada tipus de cremalleres per veure quin és l’impacte en el model i així ajudar a l’empresa a reduir les despeses i guanyar eficiència per poder competir davant les grans companyies multinacionals.Durante la última década, la industria textil ha empezado a descubrir los algoritmos y predicciones del aprendizaje automático para mejorar su rendimiento. En este proyecto, se aplican diferentes modelos de aprendizaje automático a un conjunto de datos para encontrar la predicción más precisa sobre las ventas de cremalleras por la empresa Kreband. Además, se usa un análisis de las características de cada tipo de cremalleras para ver cuál es el impacto en el modelo y así ayudar a la empresa a reducir los gastos y ganar eficiencia para poder competir frente a las grandes compañías multinacionales.