鹿優數科ODM縱向一體化完成關鍵里程碑 -柔性成衣模塊上線

　　山東鹿優數字科技有限公司(鹿優數科)致力于成為紡織服裝產業ODM的領軍者及賦能者，認識到純粹在生產關系上做文章例如“撮合”“聚單”價值已經很小，解決不了紡織服裝行業生產不夠柔性的問題。2021年度鹿優數科成功在面料生產力側實現了數字化驅動研發和數字化驅動工藝，形成了超6000個差異化新面料及超20000個可復制印染數字工藝包。此外，鹿優數科從生產力側入手建設了智能印染工廠作為中央廚房，通過“中央廚房+云工廠”模式解決面料柔性生產的核心痛點問題;鹿優數科同時從標準化入手：染色面料與成衣作為產業鏈非標的產品，如何標準化就是行業增長的第二曲線，鹿優堅定的在商品標準化、工藝標準化、產能標準化等上下苦功夫。

　　當前服裝產業的痛點明顯，首先服裝行業整體仍是以產定銷，基于訂貨機制的產銷數據不互通等多種因素使得高庫存成為服裝行業第一大問題，行業平均庫存率超過30%，亟待解決;服裝工廠整體仍處于“人機協同”階段，人工依然是主要生產成本，時至今日全自動化生產設施在適用面及經濟性上都存在嚴重問題，而用工成本持續攀升已造成合規經營服裝生產企業幾乎無利潤，急需管理升級，提高效率;服裝行業數字化程度不足10%，究其原因是產業大數據積累非常少，深層次問題則是尚未建立紡織產業的數據標準，未標準化的數據無法進行數據分析和建模;缺乏有效的質量控制工具和手段，無法保證快反產品質量。

　　鹿優數科在紡織服裝產業數字化方面的探索遵循1個原則：數字化創造需求增量，而不是簡單吸收存量需求;數字化優化存量供給，而不是簡單新增供給。因此鹿優數科在縱向一體化柔性成衣模塊依然秉持ODM業務模式，通過推款創造新的需求，通過“中央板房+ 中央BOM+云工廠”形成“專業化分工+網絡協同”優化成衣供給實現柔性生產能力。

　　鹿優的中央板房-需求轉化的起點。板房的功能是將服裝設計效果圖向平面結構圖轉化成為成衣生產用的毛樣(生產紙樣)，紙樣的好壞向前決定了客戶是否順利下單，向后決定了服裝生產的工藝成本。此外對于傳統服裝品牌來說，拓展品類有時候就意味著要重新組建打樣團隊。樣衣的生產類似服裝定制，費用在 500-3000 元不等，研發周期在 48-72 小時。除了研發資源匹配及成本的問題，更致命的問題在于設計需求溝通難以精準化。設計師往往與工業背景的制版師、樣衣師之間存在語言不通的問題，從而導致信息傳遞失準，最終樣衣需要重復修改、反復研發，造成資源浪費，整個過程中的磋商成本極高。鹿優數科的中央板房建設了可將設計師的設計語言翻譯成樣衣師和制版師能夠讀懂的工業化語言并建設數據庫：例如AI自動推薦長袖T恤與長袖衛衣在袖長與大身的不同最優尺寸比例，從而降低溝通成本;鹿優數科的中央板房向各生產單元輸出“數字工藝包-紙樣”，形成可復制的縫制生產標準。

　　鹿優的中央裁剪及中央后道系統-關鍵品質工段。服裝生產企業的前道裁剪單元及后道工序的設備投資強度最高，同時裁剪及后道往往因為產能不足而出現“前后道產能閑置”，一般縫制工廠通過投資低成本但低效的機械裁床和“后道”委托外廠加工的方式來組織生產，在品質及效率上可能存在較大風險。鹿優數科通過平臺整合且分層分類縫制加工廠資源，投資前道智能電腦裁床及自研后道專機設備，將裁剪和后整打造成為平臺共享產能，有效控制品質，大幅度提升效率，降低成本。

　　鹿優的示范智能成衣云工廠及“G-work”模式-AI賦能的網絡協同模式。通過“設備+工人+工藝”的三位一體AI智能實現訂單柔性快反，基于工人大數據(歷史經手工序，歷史工序操作效率值，擅長工序排序)，設備大數據(與生產品類及效率相關的設備參數，可根據加工面料差異實現智能調機)，工藝大數據(版型數據、工時數據等)，根據學習曲線模型和參數，AI自動計劃排產和生成人機工位圖，并通過MES現場監控，實現動態生產平衡。接下來鹿優將考慮通過BOT及TOT等模式建設智能成衣工廠群，提供成套IOT縫制設備，認證工人通過手機靈活接單就近入廠生產，彈性交付，參照“WE-WORK”模式實現“G-Work(Garment-Work)”。鹿優云工廠的產能重心在于全球價值鏈重新分布后的東南亞。

　　鹿優的款式開發能力-ODM核心關鍵能力。把握供應鏈主動權的核心策略是ODM，通過設計推款協同品牌客戶的企劃及設計部門在供應鏈周期更早階段介入，將可以有效降低后期供應鏈快速反應的壓力。鹿優聚攏行業離散的設計師工作室(非獨立設計師個人)實施眾包，依托自建的“中央板房”及“犀布面料圖書館”等基礎設施，鏈通款式開發的“供需”，打造柔性化的設計打版能，提效降本。

　　鹿優數科的柔性成衣模塊始終保有價值創造的本心，實施3個月以來已經實現生產周期縮短2倍，平均效率提升3倍以上，庫存下降80%，大幅降低了成衣供應鏈成本，而經濟效益上鹿優數科成衣模塊2022年1月上線3個月即已實現盈虧平衡，規模復制性值得期待!