聞力生:東華大學教授はなぜ「データ化の転換」ではなく「デジタル化の転換」と呼ばれているのかを解読した。

一、服裝製造業の転換はなぜ「デジタル化の転換」と呼ばれているのか

「データ化の転換」ではなく

デジタル化とは、多くの複雑で推定しにくい情報を一定の方法でコンピュータが処理できるバイナリコードに変え、機械が情報を読み取り、処理することができ、コンピュータ內のデジタル雙晶を形成することを指す。デジタル化は、すべてが「0、1」ビット値で表されるように汎化できるため、「ビット化」とも呼ばれる。

データ化はデジタル化された情報を分析して筋道を立て、知能と多次元の分析を通じて遡及を検索し、意思決定に有力なデータサポートを提供する。データの表現方式はデジタルで、だからデータの概念はデジタルの概念より大きくて、これによってデジタル化がデータ化をもたらしたと言って、データ化はデジタル化のプロセスの1つの方向で、しかしデジタル化はまたデータ化に取って代わることができなくて、デジタル化はデータ化に応用することができて、そこで、服裝企業の転換は“デジタル化の転換”と呼ばれます。

二、なぜデータは服裝知能製造の資産だと言うのか

データ資産の概念は、情報資源とデータ資源の概念から進化したものである。1970年代、人々は情報を人力、物質、財務と自然などの重要な資源と見なした。1990年代、政府と企業のデジタル化の転換に伴ってデータ資源が生まれた。もちろん、この時、情報の數字がデータになって一定の規模に集結した後、データ資源と呼ばれた。21世紀初頭、ビッグデータ技術の興起と応用によりデータ資産が発生し、データ管理、データ応用、デジタル経済の発展によりデータ資産が普及した。したがって、データ資産は、データ権限(所有権、使用権、探索権を指す)を含むデータセットであり、価値、測定可能、読み取り可能、取引可能である。

2020年4月9日、中國共産黨中央國務院が発表した「より完全な要素市場化配置體制メカニズムの構築に関する意見」では、生産要素には土地、労働力、資本、技術、データの5種類が含まれていることを明確に指摘し、この5つの要素も資産であり、すなわち土地資産、労働力資産、資本資産、技術資産およびデータ資産である。

ここ數年、世界のデータの年平均成長率は20%以上だった。データ資産の伸び率は技術、人力、資金、土地資産の伸び率をはるかに上回っている。國際データ會社IDCが発表した統計データによると、2018年の中國のデータ発生量は世界の約23%を占め、EMEA(ヨーロッパ、中東、アフリカ)の約30%を下回った。

図1グローバルデータ分布ドメイン

國際データ會社(IDC)が発表した「データ時代2025」によると、世界で毎年発生するデータは2018年の33 ZB(1 ZB=10兆バイト)から175 ZBに増加し、毎日491 EB(1 EB=1.1529 e+18バイト)のデータを発生することに相當する。IDCの予測によると、2020年には世界のデータ量が44 ZBに達し、2035年には1.9萬ZBに達する。図2を參照。

図2グローバルデータ増分傾向

上図から,グローバルデータ増分傾向は新しいモル法則に合致することが分かった。2004年、世界のデータ総量は30 EBで、2005年には50 EBに達した。2015年までにデータは急速に増加し、驚くべき7900 EBに達し、2020年には35000 EBに達した。これは、過去2年間に発生したデータが人類文明全體で発生したすべてのデータの90%であることを示しています。

これは、世界のデータ資産の増加を意味します。資本資産の所有者として、データ資産を使用してこそ、データの価値を體現することができる。データの価値は以下の要素と関連している:データの応用頻度が高く、集積が多く、データの価値が高い;逆に、データの時効が長く、共有が多く、データ価値が低い。

アパレル製造業にとって、いつ、どのようなデータを、どのような方法で人と機械に伝えるかは、製造の科學性、リアルタイム性と有効性を最も合理的に最適化する鍵であり、データの全自動化の流れの本質はデータで企業の運行を駆動することであり、図3はこの過程を解釈した。

図3企業が実行するデータの全自動フロー(ソース:ネットワーク)

資産のデータとして獨自の特徴がある:取引可能で、資源が豊富で、更新が頻繁で、カテゴリが多様であるなどの情報価値を持っている。流通して使用することができ、持続的に価値を生み出し、絶えず価値を創造する自然付加価値屬性を持っている。人類の生存と発展を満たす多次元性と、ゼロコストの無限共有と集積使用価値が高い。

中國の製造業のインテリジェント製造の著地需要は企業情報化、デジタル化、インテリジェント化の3段階戦略と結びつき、徐々に推進されている。企業情報化はデータ、知識収集の基礎であり、意思決定インテリジェント化のスタート段階でもある。企業のデジタル化の転換段階は企業の各分野のデータ知識を採集、洗浄、分析処理し、利用可能で価値のあるビッグデータ資産を形成する必要がある。企業インテリジェント化段階はビッグデータ資産を十分に応用して企業業務のインテリジェント化を実現し、つまり企業のインテリジェント製造を実現する。図4を參照。このように、企業が知能製造の3段階戦略を実現する過程で、データ価値は絶えず上昇している。それはデータがあってこそ大きなデータがあり、大きなデータがあってこそ人工知能があり、人工知能があってこそ知能製造を実現することができる。

図四企業情報化デジタル化インテリジェント化三段階戦略

データ資産の応用は製造業がインテリジェント製造に転換する鍵である。図5は、世界のビッグデータ2011-2027年の市場規模予測(億ドル)を示す。中國ビッグデータ産業生態連盟とサイディが発表した「2020中國ビッグデータ産業発展白書」は、2020年までに中國のビッグデータ産業全體の市場規模が6670.2億元に達し、2022年までに兆元を突破すると予測している。このデータによると、2025年までに中國のビッグデータ産業全體の市場規模は17568億元前後に達する(図6)。

図五2011-2027年世界ビッグデータ市場規模予測

図六2020-2025中國ビッグデータ産業規模

このことから、ビッグデータの発展は、企業のスマート製造の発展がビッグデータ技術と人工スマート技術を結合して実踐されていることを意味している。

三、服裝製造業はどのようにデータ資産をうまく使うか

ビッグデータ技術には、データ収集、保管、記憶、検索、共有、伝達、分析、可視化が含まれています。以下の3つの面が重要です。

製造業のビッグデータは主に製品データ、運営データ、バリューチェーンデータ、外部データである。その中で工業ビッグデータは主に機械設備データ、工業情報化データと産業チェーン関連データなどに由來し(図7參照)、もちろん大量のKey-Valueデータ、ドキュメントデータ、インタフェースデータ、ビデオデータ、畫像データ、オーディオデータなども含まれている。

よく用いられるデータ収集方式は,異なるタイプの工業センサやRFID無線周波數技術などが多い。

図七製造業工業ビッグデータソース

収集したデータは分析する必要がある。データ分析処理は1999年にEU SIG組織が提出した標準モデル「CRISP-DM」に遡ることができ、この標準の流れは:商業理解--目標を明確にし、需要を分析する;データの理解——収集、説明、探索、検査、データ;データ準備——データの選択、洗浄、構造、統合、フォーマット；モデルの構築——モデリング技術、パラメータの最適化、テスト計畫、モデルの構築を選択する。評価モデル——モデルの全面評価、評価結果、再審過程;結果の配置：分析結果、方案実施応用（図8）。

図8ビッグデータ分析標準フローCRISP-DM

分析後のデータを応用することこそ、ビッグデータの意義であり、服裝製造業では:

（1）加工設備狀態データ分析

分析後のデータの出力と展示を行い、従業員に生産過程におけるリアルタイム狀態、加工プロセスデータなどを第一時間に理解させ、迅速、タイムリー、科學的な対策を行うことができる。

（2）生産製造プロセスデータの最適化

主に2つの方面に現れます:1設備の技術パラメータの監視、採集した設備の技術パラメータ、例えば溫度、圧力など、設定した標準パラメータとリアルタイムの対比と管理制御を行って、それによって生産過程に対してリアルタイム、動態、厳格な技術制御を実現して、製品の品質の安定性を確保します;2加工プロセスの改善と最適化、製造プロセスの主なプロセスパラメータと完成後の製品合格率を総合的に分析し、加工プロセスの改善と最適化を容易にする。

（3）生産プロセスの遡及

製品加工製造の過程データを通じて製品製造の歴史の遡及を実現し、問題の再現、品質の遡及などの目的を達成する。

データ資産の安全は服裝製造業に3つの問題が存在し、1つはデータ資産が煩雑で、データリスクが量子化できないことである。第二に、データセキュリティのリスクが大きく、データ使用中に動的データ権限の管理制御がない。3つ目は、データセキュリティのリスクが広いことです。データのセキュリティをどのように保護するかが重要です。データ?セキュリティ?スキームの一部をここに示します。

(1)デルの「風よけ港」スキーム(Cyber Recovery Vault)。Air Gapゲートウェイ分離メカニズムとレプリカロックメカニズムを備え、ソフトウェアの接觸を遮斷し、ウイルス感染バックアップデータの確率を大幅に低減します。バックアップデータを本番側のストレージデバイスに格納した後、Cyber Recovery Vault領域ストレージデバイスとレプリケーションリンクを確立し、內部ネットワークと専用インタフェースを通じて、バックアップデータを本番センターからCyber Recovery Vault領域(データ分離保存ライブラリ)にレプリケーションする。Cyber Recovery Vaultエリアは、ネットワーク攻撃者に「隠れている」ことで、ソフトウェアがバックアップ資料に感染する確率を遮斷します。データの同期が完了するとAir Gapゲートが閉じられ、データアクセスパスが切斷されて無効になります。同時に、バックアップファイルが悪意的に削除されることを防止するために、システムは隔離されたリポジトリ內のデータをロックして、バックアップデータのコピーコピーが暗號化できない、改ざんできない、削除できないことを保証することができる。

(2)谷歌雲プラットフォーム。企業はデータ保護が保障されている場合にクラウドプラットフォームに移行することができます。谷歌雲プラットフォームはすでにプラットフォームの開放性とクラウドコンピューティングへの巨大な転換を完成し、企業により強力なデータ資産とより安全なデータ分析能力をもたらした。谷歌雲プラットフォームのオープンインフラストラクチャにより、お客様は自分のビジネスに最適なクラウドへのアクセスを選択できます。谷歌雲のインフラストラクチャ、データ、人工知能機械學習ソリューションがあれば、データをクラウドにアップロードし、分析処理するのは簡単です。

(3)安全管理制御システムを有する曙光ビッグデータプラットフォーム。曙光ビッグデータプラットフォームはビッグデータ技術を結合した大量のデータ知能分析処理解決方案であり、企業ユーザーが効率的、知能的、使いやすい一體化ビッグデータシステムを迅速に構築し、データ価値を掘り起こすのを助けることができる。曙光ビッグデータ分析プラットフォームは融合の技術アーキテクチャを採用し、ストレージ融合、計算融合、スケジューリング融合、多源データ融合、業務プロセス融合を深く実現し、體系化融合の全體システムを構築する(図九)。

図九曙光ビッグデータプラットフォームアーキテクチャ

（4）革新的な「オリオン自動化機械學習（AutoML）プラットフォーム」。このプラットフォームは主にお客様がデータ資産をよく使うことを助けて、データの決定能力を高めて、お客様に業務を運行することができます。このプラットフォームは未來のデータインテリジェントモデルに合致し、柔軟に選択、配置できる3層構造を持ち、企業の顧客向け、私有化配置を主とするシリーズ製品とソリューションである。Orionデータインテリジェントエンジンは主に3つの製品ユニットを含む:1 Orion IRC-インテリジェント資源スケジューリング管理、計算資源管理とデータ資産地図を提供する;②Orion DAC-知能データ融合管理、データ動態融合をサポートし、データサプライチェーンを実現する；③Orion AML---機械學習を自動化し、データに基づいて知能的な意思決定を行う。

(5)TalkingDataデータセーフティアイランドプラットフォーム。TalkingData「セーフティアイランド」は、業界をリードする信頼性の高いデータコンピューティング技術に基づいて、安全コンプライアンスのマルチデータ融通ワンストッププラットフォームを構築し、異なるビジネスシーン向けのデータ産業化応用と価値解放の新しいモデルを提供する。TalkingDataのデータサービスとデータ能力を顧客側にスムーズに応用するために開発された安全島ソリューションは、実は安全コンピューティングプラットフォームであり、その出発點は顧客がプラットフォーム上で安全コンプライアンスのデータ価値交換を実現させ、雙方のプライバシー問題を隔離し、顧客がデータ能力の不足を補うのを助けることである。本當にデータの価値を解放します。

四、データ資産の服裝知能製造における応用例

前述したように、データとインテリジェント製造との関連について説明します。インテリジェント製造を実現するには、本格的な人工インテリジェントが必要であり、本格的な人工インテリジェントは、ビッグデータ、先進的なアルゴリズムモデル、および超大きな計算能力(例えば、CPU/GPU/TPU)によって実現される(図10)。

図10の人工知能関連技術

インテリジェント設計、インテリジェント生産、インテリジェント管理および統合最適化などの內容は服裝のインテリジェント製造を構成し、ビッグデータ資産の本質はこれらのインテリジェント製造を実現することである。次に例を示します。

アパレル企業はビッグデータ戦略に頼ってアパレル業界の調査研究データの広さと深さを広げ、アパレル市場の構成、細分化市場の特徴、消費者の需要と競爭者の狀況などの要素はビッグデータから得ることができ、システムの情報データの収集、管理と分析を通じて、問題を解決する方案と提案を出し、企業製品の市場での位置づけの獨特性を保証する。企業製品の市場での受け入れ度を高める。服裝市場はビッグデータが與えた地域人口分布、消費レベル、製品認知、顧客消費習慣、仕事消費好みなどの要素に基づいて分析を行い、市場の位置づけを得、企業が服裝市場に進出または開拓するためにデータサポートを提供する。

例えば、データを整理することで、2019年のダブルデー期間中に1日に約474萬本のパンツを販売できることが分かった。この場合、5000萬本を超える年間中國人のパンツ市場について深く調査し、2020年には100~500元以內のパンツの投入を強化すべきだと予測した(図11)。

図十一秋ズボン価格分布(出典:CDA)

私たちの現在の服裝デザインは依然としてインテリジェント化されていない伝統的な服裝CADを採用しており、インテリジェントCADを採用すればデザイナーに代わることができます。例えば、2019年に米マサチューセッツ工科大學がAI技術のGANモデルを利用してアパレルデザインを行った。GANとは深さ學習モデルであり、全稱は「Generative Adversarial Networks」、中國語は「生成式対抗ネットワーク」である。GANは2つのニューラルネットワークを設計し,1つの生成,1つの判斷によってゲームを行う.例えばワンピースのデザインにおいて、研究者は約5000枚の過去のワンピースのファッションスタイルの畫像ビッグデータを収集し、1つはGANの生成モデルであり、1つはGANの対抗する判斷モデルであり、その後數日の訓練を通じて、新しいデザインのワンピースのファッションスタイルを得ることができ、図12を參照して、図中の左側は時代遅れの服裝畫像ビッグデータである。右側はAI技術がビッグデータを利用して生成した新しいファッション。

図12 GANデザインで衣裝を作る

図十三大データ技術の服裝加工技術パラメータへの応用調整

ミシンのパラメータは、縫製車速、縫い糸張力、縫い目形式、縫い目サイズなど、その動作に影響する。縫製前に予めパラメータを設定する必要があり、最適縫製パラメータはパラメータビッグデータと人工知能における機械視覚技術、機械學習と深さ學習技術によって得られ、それによって最良の服裝縫製品質を達成することができる(図13)。