Ganhos:
- Capacidade de avaliar holisticamente os aspectos éticos, de privacidade de dados, de direitos autorais e de força de trabalho do uso de IA no setor têxtil
- Capacidade de projetar um sistema com pontos de aprovação humana designados que combine todo o módulo em um fluxo de trabalho de ponta a ponta
- Capacidade de estabelecer uma estrutura de governança, validação e melhoria contínua para o uso responsável de IA em uma organização
Exame do Módulo
1. Qual das alternativas a seguir é o princípio básico que determina o risco de um resultado de IA na engenharia têxtil?
- A) O risco de uma saída é igual ao dano que causaria se essa saída fosse defeituosa; a validação é dimensionada de acordo ✔
- B) A saída de IA é geralmente segura, pois é escrita com fluência e confiança
- C) A validação é desnecessária quando o modelo mais atual é usado
- D) Se a saída se referir a um padrão, nenhum controle adicional é necessário
Explicação: O risco de uma saída é igual ao dano que causará se essa saída estiver defeituosa. Embora um erro em uma ideia de moodboard seja inofensivo, um erro em uma receita de tingimento ou no cálculo da resistência do tecido pode levar ao desperdício de lote e a riscos de segurança ocupacional/contrato; portanto, a intensidade da verificação aumenta com danos potenciais.
2. Um engenheiro está cético em relação ao valor AI de '85 cN/tex para fio de algodão' para resistência do fio. Qual é a verificação mais rápida para confirmar esta suspeita?
- A) Coloque o valor diretamente no laudo e pergunte depois ao laboratório
- B) Faça uma comparação de ordem de grandeza com a faixa típica de fio de algodão (aproximadamente 12-22 cN/tex) ✔
- C) Fazer novamente a mesma pergunta do modelo e confiar na segunda resposta
- D) Aceite se o valor contiver uma referência a uma fonte
Descrição: É um controle de ordem de grandeza. A resistência do fio de algodão anelar é normalmente da ordem de 12-22 cN/tex; 85 cN/tex é o nível sintético/aramida de alto desempenho e é fisicamente irracional para algodão. Essa verificação leva segundos e detecta a maioria dos erros de unidade/tipo.
3. Qual das afirmações a seguir é verdadeira para 'Ne' (contagem de algodão britânica) entre os sistemas de contagem de fios?
- A) Quanto maior o fio, mais grosso ele fica.
- B) O que é um sistema direto, funciona na mesma direção do tex
- C) Que sistema indireto é esse; Quanto maior o número, mais fino é o fio ✔
- D) O que é definido apenas para fios sintéticos
Explicação: Que sistema de numeração indireta: quanto maior o número, mais fino é o fio. Tex e denier são sistemas diretos; Quanto maior o número, mais grosso é o fio. Não conhecer essa distinção leva a erros graves na interpretação dos números na saída da IA.
4. O que significa ter uma alta taxa de “falso negativo” em um modelo de processamento de imagem que detecta defeitos de tecido e por que isso é crítico?
- A) O tecido defeituoso é considerado perfeito e entregue ao cliente; ✔ O tipo de erro de qualidade mais perigoso
- B) Marcação desnecessária de tecido perfeito como defeituoso; apenas reduz a eficiência
- C) O modelo não encontra falhas; sempre um bom sinal
- D) Baixa resolução da câmera
Explicação: Um falso negativo ocorre quando um defeito verdadeiro é classificado como 'perfeito'. Isto significa que o tecido defeituoso vai para o cliente e incorre em custos de devolução/reputação. Em aplicações de qualidade crítica, o limite geralmente é definido para manter baixos os falsos negativos, e o aumento dos falsos positivos é eliminado pela inspeção humana.
5. O que significa o valor 'Delta E' (ΔE) no gerenciamento de cores?
- A) Custo por quilograma de tinta
- B) O critério que quantifica a diferença perceptual total entre duas cores ✔
- C) Transmitância luminosa do tecido
- D) Valor da temperatura de tingimento em graus
Descrição: Delta E é o critério que quantifica a diferença perceptiva total entre duas cores no espaço de cores CIELAB. Valores pequenos de ΔE indicam que as cores estão próximas; Nos têxteis, a tolerância de aceitação lote a lote é geralmente definida contratualmente em termos de ΔE. Portanto, a afirmação de que “a cor é mantida” requer medição.
6. Como é chamado quando duas amostras parecem iguais sob uma fonte de luz e diferentes sob outra fonte de luz, e por que isso é importante no gerenciamento de cores?
- A) Metamerismo; A confirmação de cores deve ser feita sob múltiplas fontes de luz padrão ✔
- B) Fluorescência; a cor parece a mesma em todas as condições
- C) Opacidade; a diferença de cor depende apenas da espessura
- D) Calibração; diz respeito apenas à tela
Descrição: Este fenômeno é denominado metamerismo. Duas cores com refletância espectral diferente podem combinar sob determinada iluminação e divergir em outra iluminação. Portanto, a confirmação de cores não deve ser feita em uma única fonte de luz, mas em múltiplas fontes (por exemplo, D65, TL84, A) em uma cabine de luz padrão.
7. Qual é a verificação legal mais crítica a ser feita antes do uso comercial de um padrão têxtil produzido com IA generativa?
- A) Reduzindo o número de cores do padrão
- B) Reduzindo o tamanho do arquivo do padrão
- C) Verificação de semelhança/violação e direitos autorais com designs protegidos existentes ✔
- D) Salve o padrão apenas em alta resolução
Explicação: É necessário verificar se o padrão produzido apresenta alguma semelhança/violação com designs, marcas registradas ou obras protegidas por direitos autorais existentes, e avaliar as incertezas em relação aos dados de treinamento e direitos de saída do modelo. A comercialização sem verificação de originalidade e violação cria o risco de litígio de direitos autorais.
8. Qual é a abordagem mais robusta para validar os resultados da IA na previsão da demanda por SKU?
- A) Convertendo a previsão de ponto único fornecida pelo modelo na quantidade do pedido tal como está
- B) Backtesting com vendas passadas e avaliação da margem de erro através do filtro de julgamento de negócios ✔
- C) Escolher a estimativa mais alta e manter o excesso de estoque
- D) Dobrar a previsão se a tendência for a mais popular
Explicação: A previsão deve ser testada em relação à realização de vendas anteriores e filtrada por meio de julgamento de negócios com contexto como estoque, campanhas, sazonalidade, etc. Em vez de confiar cegamente em uma previsão de ponto único do modelo, a margem de erro e os cenários são avaliados.
9. Qual é o principal motivo para a ordem do lote de tinta de 'cor clara para cor escura' na programação da produção?
- A) Cores escuras são mais baratas
- B) Reduzindo o risco de contaminação de cores e tempos de limpeza da máquina ✔
- C) As cores claras duram mais
- D) É apenas uma preferência estética
Explicação: Se uma cor clara for tingida depois de uma cor escura na mesma máquina, o risco de limpeza/contaminação e de tempo adicional de lavagem aumenta. A classificação do claro para o escuro aumenta a eficiência, reduzindo o risco de manchas de cor e o tempo de limpeza da máquina. As recomendações de IA devem incluir esta restrição de processo.
10. Ao relatar a pegada ambiental de um tecido, qual é a atitude correta em relação a uma afirmação como “poliéster reciclado reduz o uso de água em 90%” produzida pela IA?
- A) Colocar a reivindicação como está na cópia de marketing
- B) Não utilizar a declaração sem verificação com limite do sistema, fonte de dados e certificado ✔
- C) Presumir que a afirmação é forte se o número for alto
- D) Arredonde o número e publique-o
Explicação: Tal afirmação não tem sentido sem especificar o limite do sistema (do berço ao portão ou do portão ao portão), a fonte de dados e o escopo; Deve basear-se em dados e certificação de ACV verificáveis. Caso contrário, podem surgir greenwashing e riscos legais. Embora os números da IA pareçam razoáveis, eles são obtidos de forma independente.
11. Qual deve ser o primeiro passo para verificar o código escrito pela IA ao analisar dados de produção usando pandas com Python?
- A) Se o código funcionou sem erros, aceite o resultado como correto
- B) Calcule manualmente a saída e verifique a unidade e a lógica em uma pequena amostra de dados ✔
- C) Adicionando o código diretamente ao relatório de produção
- D) Se o gráfico for bom, considere a análise concluída.
Observação: Mesmo que o código funcione, não é garantido que a lógica esteja correta; A verificação contábil manual deve ser feita na unidade, na correspondência de colunas e em várias linhas. Por exemplo, ao calcular a média da gramatura, o agrupamento incorreto ou a confusão de unidades podem produzir silenciosamente resultados incorretos. Numa amostra pequena, a verificação manual é a garantia mais rápida.
12. Qual é a melhor prática em termos de privacidade de dados ao enviar dados de produção têxtil para uma ferramenta de IA?
- A) Envie todas as informações reais do cliente e da prescrição como estão
- B) Anonimizar informações confidenciais e enviá-las com rótulos representativos e de acordo com a política corporativa ✔
- C) Presumir que a privacidade não é importante porque há muitos dados.
- D) Basta alterar o nome do arquivo e enviar o conteúdo como está
Explicação: Dados confidenciais, como nome do cliente, segredo da receita, preço e informações do fornecedor, devem ser anonimizados ou fornecidos com rótulos representativos (Cliente-A, Receita-1). Segredos comerciais e dados pessoais não devem ser transferidos para terceiros, violando políticas e acordos corporativos.
13. Um modelo de processamento de imagem relata 98% de precisão em uma linha de produção, mas deixa passar muitos defeitos em campo. Qual é a causa mais provável disso?
- A) A precisão é enganosa devido a dados desequilibrados; A sensibilidade (recall) da classe de defeito é baixa ✔
- B) O modelo está funcionando muito lentamente
- C) Porque a câmera é colorida
- D) 98% já está perfeito, o problema é da operadora
Explicação: Quando as amostras com defeitos são muito poucas no conjunto de dados (dados desequilibrados), o modelo pode alcançar alta precisão chamando tudo de 'perfeito', mas não consegue capturar os defeitos reais. Portanto, a precisão por si só é enganosa; A sensibilidade (recall) e a precisão da classe de defeito devem ser monitoradas.
14. De acordo com o princípio fundamental enfatizado ao longo do módulo, qual é o papel da IA na segurança e nas decisões têxteis críticas para os contratos?
- A) A IA pode tomar decisões críticas por conta própria porque é rápida
- B) IA é uma assistente; decisões críticas são verificadas por aprovação de engenheiros competentes e testes físicos ✔
- C) A saída de IA substitui o relatório assinado
- D) A confirmação humana é desnecessária quando o modelo mais atual é usado
Descrição: IA é assistente e acelerador; gera hipóteses, prepara rascunhos, captura padrões. No entanto, decisões críticas, como aprovação de receita de pintura, aceitação de qualidade, avaliação de resistência/segurança, exigem aprovação de engenheiro competente e testes físicos. Os resultados da IA não substituem a aprovação de especialistas.