科學技術「脳を紡ぐ」生地からデジタル化した改造

?8萬種以上のファブリックから「針をすくい取る」――この五百強企業は人工知能を利用して「紡織脳」を作った。

生地の業界自體は図案に基づく業界であり、人工知能に基づく畫像認識技術もこの分野で大いに有効である。

どのように8萬種以上の生地資料から「ニードル」を取得しますか？萬単位の生地の中で微小な傷を見つけるにはどうすればいいですか？6月30日から7月1日まで2018年雪浪大會に來ました。製造分野についてもっと多くの話題があります。あなたと一緒に頭の嵐が起こりたいです。

資源の観點から言えば、データは太陽光にとって新しい生産資料であり、その最終価値は他の生産資料の価値を最大化することである。これは阿里巴集団技術委員會の主席で、雪浪小鎮名譽鎮の王堅博士が江蘇省日光集団を訪問した際に述べた一つの観點です。

「その他生産資料」というのは目下の太陽光集団にとって、最も典型的なのは布地です。陽光グループ黨委員會書記、陳麗芬理事長によると、データの不通は陽光デジタル化の改造に影響する大きな障害である。もし服裝と生地、部門と部門、國內販売と外國販売の間のデータを通したら、太陽光集団、ひいては紡績業界全體にとって、発生する作用は全部計り知れないものです。

提案に値するのは、「計り知れない」という言葉が陳麗芬の現場によって3回強調されました。データは太陽の光に対して生まれ変わるような意味を持っています。

現在、國內の紡績業界のほとんどの企業は中小企業に屬しています。これらの企業は情報技術、インターネットを十分に活用する技術人材が不足しています。新技術の急激な発展に伴って、一部の企業は獨特のビッグデータシステムと相応の技術変化を通じて、業界神話を創造しました。大規模なオーダーメードを実現する服裝生産プロセスもあります。データの価値が拡大され、將來は紡績ビッグデータを利用して産業チェーンを最適化し、製品市場の需要と合理的な価格を予測することがより切実になります。

太陽の光もこのデータ革命の大きな流れの中で手探りで前進します。調査現場では、陳麗芬は王堅博士（雪浪制數）に対して、太陽光が現在解決されなければならない三つの痛みのシーンを提出しました。実際には、これも多くの紡織服裝企業の共通問題を代表しています。

ファブリックから始まるデジタル改造

　　ファブリック業界自體は図案に基づく業界であり、人工知能に基づく畫像認識技術もこの分野で大いに有効である。

1986年に創始された時、日光グループは肩を並べても名もない町で毛織工場（本名江陰市精毛織工場）を営んでいました。今の年の太陽光はすでに世界的に有名な毛織生産企業と高級服裝生産基地で、製品の50%は國內市場で、50%は海外市場です。しかし、原材料コストの上昇と人口ボーナスの消失に伴い、技術はこれらの企業の革新を突破するための選択肢に変更されました。

陽光集団のデジタル化改造は、まず布地から始めたと言えます。

紡績業界では、注文をした後、まずサンプルの技術を設計して、それから原材料を受け取ります。プロセスによって各工道で生産します。普通は染色、複素精梳、紡績、織布、布、染色、完成品検査などの工程を経て、サンプルの生産が終わったら、お客様に確認してもらいます。ですから、サンプルを作るのは実際には「標準を制定する」過程です。サンプルが確認されれば、プロセス全體、工程ごとに固化されます。

陳麗芬さんの紹介によると、サンプルの平均コストは大體2000元です。問題は、サンプルを作るのは一回ではなく、お客様が繰り返し確認することです。毛糸の染色から整理まで、一ヶ月ぐらいかかります。二回打つと二ヶ月です。このように一年に六千回ぐらいのサンプルを作ります。コストは1200萬ぐらいです。直接原価以外に、サンプル作成にはもう一つの「ステルスコスト」があります。流れの生産プロセスをかき亂して、効率が低下します。

「『図で探してみます』ということができれば、システムから前の生地の基礎データ、書類データを見つけて、近いデータでも直接に呼び出せます。納期は少なくとも一ヶ月短縮できます。

陳麗芬が言っている「図で図を探す」というのは、実際にはユーザーからのサンプル寫真を持って、人工知能の畫像認識機能を通じて倉庫の中で花柄と花型と材質の類似度が一番高い布地を探しています。

このように簡単に見える行動は、技術的なサポートがないと、仕事の量が想像できないほど大きいです。日光グループの資料倉庫で、「橫になる」のは大體8萬種類の生地資料がありますので、このような布地を探したいです。

「だからお客さんがどんどん來て、會社はどんどんサンプルを出してください。でも、実は倉庫の中には既製品があります。時にはお客さんが300メートルの布地を要求します。倉庫の中には300メートルもあります。全然しなくてもいいです。

陳麗芬さんは先日発生したばかりの彼女に大きな衝撃を與えた事件についても話しました。あるブランドの商人は特殊な布地が必要です。陳麗芬さんは倉庫にたくさんあると覚えています。しかし、倉庫に著いたら、彼女は目がくらんでいました。この生地は確かにあるとみんなが言っていますが、システムが通じていないので、ファブリック倉庫と服裝倉庫のシステムが通じていません。國內販売倉庫と外國販売倉庫は通じていません。コードが共有されていないので、検索はとても難しいです。

「各布の外裝には二次元コードがありますが、どれかはスキャンしてみます。その上服裝の生産は多くの環節に関連して、布地は時には服裝の倉庫が存在して、時には布地の倉庫で、あるいは職場の中のある中間の一環など、探し出すのはとても難しいです。これは業界の共通性の痛みです。」陳麗芬は仕方なく表しました。

その後も記憶によって布地を見つけましたが、このことは陳麗芬に太陽光のデータを流そうと決心させて、ET工業の大脳に似た「紡織大脳」データ処理システムを作りました。このシステムには、生地の基礎データ、書類データだけでなく、生産プロセスデータ、調合書、原料規格などの情報も含まれています。同時に、上下流企業の服裝會社、材料會社などを統合して、業界の共有サービスプラットフォームになります。

この8萬種以上の布地に対して、陳麗芬は將來すべて彼らにFRIDチップのラベルを貼るつもりです。このように「図で図を探す」場合、寫真をパソコンで比較するだけで、人工知能の畫像認識技術によって、バックグラウンドはこの生地がどこで生産されたのか、どんな花型かを示すことができます。「100%の類似度が一番いいか、90%、80%で、六、七十の類似度であっても、すぐにシステムから変えて、直接に使うことができます。」

このようにすぐに効果的に在庫を整理することです。陳麗芬の試算によると、8萬種以上のファブリック在庫を計算しても、少なくとも300萬メートルがあります。もし1メートル當たり100元の価格で計算すれば、つまり3億元です。

このシステムを他の企業に使えば、業界全體に至るまで、もたらす効果は計り知れない。王堅博士は述べた。

人工知能畫像認識技術のもう一つの典型的な応用シーンは瑕疵を探すことです。

國內の現在の紡績業界では、生産されたオリジナルの白地布と最終製品の欠點検査はまだ人工検査段階にとどまっています。人工検査は速度が遅い、検査漏れ率が高い、連続性が悪いなど多くの欠陥があるので、機械を使って人に代わって問題點を探すことが業界共通の訴求となります。

日の光の中で、ちょっとしたことを探す仕事は2人で完成します。一つは探して、もう一人はマークをして、データを記録します。欠點の検査は三つの関門があります。白地検査、中検、最終検査です。中検後は一回補修します。その中で、素地検査の欠點が一番多くて、ほぼ半分を濾過できます。

陳麗芬さんの試算によると、太陽の光の數萬キロの布地の生産量は大體100萬個近くの欠點があります。こんなに多くの品質検査を完成するには、今は太陽の光で7、80人の人力をほとんど使いました。

「機械で人を代用し、人工知能の畫像認識技術を利用して難點を探すなら、二人は少なくとも一人を省き、一人を殘してマークする。つまり50%の人力を節約するということです。」

大型商品の場合、小ロットのオーダー生産はどうやって実現しますか？

チタンメディアは前に製造企業を訪問した時、製品が個性的にカスタマイズされている企業は共通の問題に遭遇しました。注文ロットが多くて、ロットが小さい製品を生産しています。何かいい解決策がありますか？これも太陽光集団が直面した難題です。

太陽の光の中では、大型商品の生産は一貫して回り道ができない。

いわゆる大商品とは、出荷量が多い商品のことです。これらのお客様は比較的安定しています。契約書のサインは三五年ですが、注文ロットが多く、納期が短いのが特徴です。この一方で、元の生産プロセスに大きな迷惑をかけています。

陽光のお客様は海航、東航、國航、廈航などの航空會社を含みます。これらの航空會社は毎週のように次の注文をします。東航にとっては、一ヶ月に何回も注文して、一つの注文が少ないなら3-5セット、多くは十數セットで、しかも航空會社は人員の移動が大きいので、キャビンアテンダントの訓練は最大二ヶ月で持ち場につくということです。これは2ヶ月以內に納品しなければならないということです。これによって、流れ線の上で、東航の注文書で、また海航の注文書です。

しかし、これらの大型商品にも一つのメリットがあります。デザインは長期不変で、基本的にS、M、Lの3つの普通の番號を維持します。陳麗芬氏によると、データを利用して大商品の年間注文の數量、頻度、異なる規格の服裝の數量、頻度が一番多いデザインなどを分析できれば、日光は前もって商品を準備することができます。データが安定している場合は、一年間の在庫さえ用意できる場合があります。

「このように注文を毎月一回から年に一回まで下げることができます。生産ラインの効率も大幅に向上します。もちろん、データが相手の出荷量がますます少なくなり、注文ロットも減少していることを示したら、相手が変更したいのではないかと注意します。例えば海航、歴史データは3年に一回交換すると示していますが、3年目になると自動的に備品を減らすことができます。

固定化生産のもう一つの痛みは職業服です。プロポーションも陽の光の主力商品です。2000年からは、ウェニティの高級注文服やポンペイの職業服などのブランドが相次いで発売されています。その中で、ポンペイの服裝は年間150萬セット以上を販売しています。

普通の服と比べて、職業服の最大の特徴は、各人のサイズや體型が全く違っていることです。これによって、數量體、製板、裁斷などの工程に対する要求が極めて厳しいです。特に量體、ディテールは非常に厳しく、ポケットの広さから襟元の縫製の精密さまで、數十萬本のデータが蓄積されています。

このような細かい量體データは、裁斷も十分に正確でなければならないという意味です。日光では裁斷は二回に分けて行われます。例えば、今は1萬セットの服を生産しています。年齢は18歳から60歳までです。男裝だけで60種類のサンプルが必要です。このように男性用の女性服を合わせて120個ぐらいのサンプルがあります。裁斷する時、まず似たような規格をファイルに保存して、各ファイルはもう二回で裁斷します。毛を切る時は、見本と1センチから0.5センチの余剰を殘してからカットします。このようにセットすると5センチぐらいの布が切ります。

一年に250萬セットの生産量で計算すれば、一センチの節約は25000メートルの布で、一メートル100元であれば、250萬円のコストです。5センチで1250萬円の損失です」陳麗芬は述べた。

生地の消耗以外に、人力損失も無視できません。この面では主に三つの點があります。一つは熟練した裁斷です。手が屆かないです。その次はスピードが遅いです。それに、人工裁斷の精度が足りないので、生産ができます。服裝の合體率は大幅に割引されます。

陳麗芬の紹介によると、現在の數量體のデータは太陽光でまだ十分な分析と処理が得られていません。未來はこれらのデータに対する統合と発掘を通じて、標準化されたレイアウトの規格を形成し、また自動裁斷の技術を借りて適切な裁斷を実現すれば、大幅に減少するということです。ファブリックコストを節約する。

だからこれは典型的なデータ資源で他の資源を交換する問題です。王堅博士は言う。「資源の観點から見れば、データ通信が企業全體の資源利用効率に反映されないと、デジタル化は情報化のための情報化になる」

陳麗芬は太陽光のデジタル化の革新の試みを望んで、データと技術をすべて沈殿してくることができて、1つの紡織の大脳を形成して、全業界のためにサービスを提供することができて、全體の業界の競爭力を昇格させます。