アリババの紡績業進出：20万人の科学者を集めて&#34 ;脳を紡ぐ&34 ;、紡績アパレル業界の変革をリード！

デジタル化改造の前に、生地は陽光グループの生産資料であり、デジタル化改造の後に、生地+データこそ真の創造価値の源泉である。

生地業界自体はパターンベースの業界であり、人工知能に基づく画像認識技術もこの分野で大いに可能である。

8万品目以上の生地資料からどのように「針をすくう」のか。

万単位の生地に小さな傷を見つけるにはどうすればいいですか。

「資源の観点から言えば、データは日光にとって新しい生産資料であり、その最終的な価値は他の生産資料の価値を最大化することである」これはアリババグループ技術委員会主席、雪浪町名誉町長の王堅博士が江蘇陽光グループを訪問した際に述べた見方である。

いわゆる「その他の生産資料」とは、目下のサンシャイングループにとって、最も典型的なのは生地である。陽光グループ党委員会書記、董事長の陳麗芬氏によると、データ不通は陽光デジタル化改造に影響する大きな障害である。服装と生地、部門と部門、国内販売と外国販売の間のデータを打ち通せば、サンシャイングループ、ひいては紡績業界全体にとって、発生した役割は計り知れない。

江蘇陽光グループ会長陳麗芬

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で3回強調されたことだ！データは太陽光にとって生まれ変わるような意味を持っていることがわかります。

現在、国内の紡績業界全体では、ほとんどの企業が中小企業に属しており、これらの企業の多くは情報技術、インターネットを十分に応用する技術人材が不足しており、データの孤島現象が深刻で、産業チェーンの各段階の連動効率が低下し、在庫の滞留、納期の遅延などの現象が見られる。新技術の急速な突進に伴い、独特のビッグデータシステムと相応のプロセス変化を通じて、業界神話を創造し、大規模なカスタマイズ化を実現するアパレル生産プロセスもあり、データの価値が拡大され、将来的に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、製品市場の需要予測と合理的な価格設定がより切実になっている。

太陽の光もこのデータ革命の流れの中で模索している。調査研究の現場で、陳麗芬氏は王堅博士（雪浪制数）に対して日光が現在早急に解決しなければならない3つの痛点シーンを提案したが、実際にはこれも多くの紡績アパレル企業の共通性問題を代表している：

　どうすれば試料のサンプリングを減らすことができますか？

二どのように在庫を下げるか。

三アパレル業界のカスタマイズ生産をどのように実現しますか。

生地から始めるデジタル化改造

生地業界自体はパターンベースの業界であり、人工知能に基づく画像認識技術もこの分野で大いに可能である。

1986年の創始時、陽光グループはまだ本籍が無名の町営毛織工場（本名は江陰市精毛織工場）であったが、今ではその年の陽光はすでに世界的に有名な毛織生産企業と高級衣料生産基地であり、製品は50%国内市場、50%海外市場である。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不二の選択に変更された。

サンシャイングループのデジタル改造は、生地から始まったと言える。

紡績業界では、注文後にまずサンプリングが必要で、まずサンプルの技術を設計し、それから原材料を受け取り、プロセスの流れに基づいて各工道で生産し、一般的に染色、復精櫛、紡績、製織、修理、染色、完成品検査などの工程を経て、サンプル生産が完了したら顧客に提出して確認する。したがって、サンプリングは実際には「標準を制定する」プロセスであり、サンプルが確認されると、プロセス全体、プロセスごとに硬化します。

陳麗芬氏によると、1つのサンプリングの平均コストは約2千元。問題は、サンプリングは一度ではなく、お客様が繰り返し確認することがあることです。毛糸の染色から後処理まで、1つのサンプリング差は1ヶ月もかからず、2回打つと2ヶ月になります。このように1年に6000回程度のサンプリングでは、コストを計算すると1200万前後になります。直接コストのほかに、サンプリングにはもう1つの「隠しコスト」があります。つまり、パイプライン全体の生産プロセスを乱したことによる効率の低下です。

「『図で図を探す』ことができれば、システムから前の生地の基礎データ、ファイルデータを見つけて、近いデータでも直接呼び出すことができて、納期を少なくとも1ヶ月短縮することができます」。

陳麗芬氏が言及した「図で図を探す」とは、実際にはユーザーからもらったサンプル画像を持って、人工知能の画像認識機能を通じて倉庫の中で花色、花型、材質の類似度が最も高い生地を見つけることだ。

このような簡単な行動は、テクニカルサポートがなければ想像もできないほどの作業量になります。サンシャイングループの資料倉庫では、8万種類以上の生地資料が「横になって」いるので、そこから似たような生地を見つけるのは、海で針をすくうのと同じだ。

「だからお客様は絶えずサンプルを出して、会社は絶えずサンプルを出して、このように2回3回サンプルを出して、とても浪費しています。しかし、実際には倉庫には既製のものがあり、お客様は300メートルの生地を必要として、倉庫には300メートルがあり、まったくしなくてもいい」

陳麗芬はまた、先日起きたばかりの彼女に大きなショックを与えた事件について話した。あるブランド業者は特殊な生地を必要としているが、陳麗芬は倉庫にたくさんあることを覚えていて、調べに行った。でも倉庫に着いたら彼女は馬鹿になって、みんなはこの生地が確かにあると言っていますが、調べられません。システムが通じていないからです！生地倉庫とアパレル倉庫のシステムが通じておらず、内販倉庫と外販倉庫が通じておらず、コードが共有されていないため、検索が非常に困難になっています。

「どの布の外装にもQRコードが付いていますが、スキャンしてみて初めてどれなのか分かります。また、アパレル生産は多くの部分にわたっており、生地がアパレル倉庫に存在することもあれば、生地倉庫にあることもあれば、作業場の中のある中間段階にあることもあり、探すのは特に難しい。これは実は業界の共通点であるべきです」と陳麗芬はしようがない。

その後も記憶を頼りに生地を見つけたが、このことで陳麗芬は太陽光のデータを疎通させ、ET産業の脳に似た「紡績脳」のビッグデータ処理システムを構築することを決意した。このシステムには、生地の基礎データ、アーカイブデータだけでなく、生産プロセスデータ、レシピ、原料規格などの情報も含まれており、同時にアパレル会社、材料会社などの上下流企業を統合し、業界の共有サービスプラットフォームとして構築されている。

この8万種類以上の生地に対して、陳麗芬は将来的にFRIDチップラベルを貼ろうとしている。このように「図で図を探す」場合、写真をパソコンで比較するだけで、人工知能の画像認識技術によって、バックグラウンドにはこの生地がどこで生産されているのか、どんな花型なのかが表示されます。「100%の類似度が最も優れているか、90%、80%の類似度があり、60、70の類似度でも、パッとシステムから呼び出して、そのまま使用することができます」。

このような即効性のある効果は在庫の整理です。陳麗芬氏の試算によると、8万品種以上の生地在庫は少なくても300万メートルあり、1メートル100元の価格で計算すると、3億元になるという。

「このシステムを他の企業や業界、もたらす利益は計り知れない。」王堅博士は述べた。

アリババ技術委員会主席、雪浪町名誉町長の王堅博士が陽光グループを訪問

人工知能画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ある。

国内の現在の紡績業界では、生産された原始生地と最終製品の傷の検査は依然として人工検査段階にとどまっている。人工検査には速度が遅く、検査漏れ率が高く、連続性が悪いなど多くの欠陥が存在するため、機械を人の代わりに用いて欠点を探すことは業界の共通の訴えとなっている。

日光の内部では、傷のある仕事を探すには2人が必要だ。1人は探して、もう1人はマークをして、データを記録します。傷の検出には3つの関門がある：素地検査、中検査、最終検査。中検後は再修理を行う必要があります。その中で、ブランク検査の傷が最も多く、半分を濾過することができない。

陳麗芬氏は、日光の現在の数万キロの生地生産量によると、差は多くなく100万近くの欠点があり、これだけの品質検査を完成するには、現在日光差で7、80人の人力を多く使っていないと試算している。

「機械で人を代え、人工知能の画像認識技術を利用して欠点を探すなら、2人は少なくとも1人を省き、1人を残してマーキングをする。つまり50%の人手を省く」。

大規模な商品のシーンでは、どのようにして小ロットのカスタマイズ生産を実現しますか？

チタンメディアの前に製造企業を訪問したところ、製品の高度にカスタマイズされた企業は一般的に共通の問題に遭遇していることが分かった。注文ロットが多く、ロットが小さい製品を生産しているが、何か良い解決策があるのだろうか。これもサンシャイングループが直面している難題の1つです。

太陽の光の中では、大型商品のカスタマイズ生産はずっと回り道ができない。

大型商品とは、出荷量が比較的多い製品であり、これらの顧客は比較的安定しており、契約書に署名すると3、5年になるが、特徴は注文ロットが多く、納期が短いことであり、この面では従来の生産プロセスに大きな悩みをもたらし、一方で研究開発情報の非対称性ももたらしている。

陽光の顧客には、海航、東航、国航、厦航などの航空会社が含まれている。これらの航空会社はほとんど毎週次の注文をしている。東航にとって、1ヶ月に何度も注文して、1つの注文が少ないと3-5セット、多いと10セット、しかも航空会社は人員の移動が大きいため、スチュワーデスの訓練は最大2ヶ月で就役して、これは2ヶ月以内に納品しなければならないことを意味して、これはパイプラインの上でしばらくは東航の単子で、しばらくはまた海航の単子で、全体の生産スケジュール、スケジュール、スケジューリングなどは絶えず調整しなければならず、効率が極めて低いだけでなく、納期が遅れるのも日常茶飯事だ。

しかし、これらの大物にもメリットがあります。デザインは長期的に変わらず、基本的にS、M、Lの3つの通常の番号を維持していることです。陳麗芬氏によると、データを利用して大型商品の年間注文数、頻度、異なる規格の服装の数、および使用頻度が最も多いデザインなどを分析できれば、日光は事前に準備することができるという。データが安定している場合は、1年間の在庫を用意することもできます。

「これで注文が月1回から年1回に下がることができ、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少なくなり、注文ロットも減少していることを示している場合は、相手がお金を変更したいのではないかと注意します。例えば、海航、履歴データが3年に1回交換することを示している場合は、3年目になると自動的に準備を減らすことができます」

カスタマイズ生産のもう一つの痛い点は職業服です。職業服も日光の主力製品である。2000年から、サンシャインはウィニ帝の高級オーダー服、ポンペイの職業服などのブランドを次々と発売し、その中でポンペイの服の年間販売は150万着を超えた。

普通の服装と比べて、職業服の最大の特徴は一人一人のサイズと体型が全く異なることであり、これにより、量体、製板、裁断などの工程に対する要求が極めて厳しい。特に量体は、細部のコントロールが非常に厳しく、ポケットの幅の狭さから、襟元の縫製の精密さまで、データは数十万本蓄積されている。

このような細かいボリュームデータは、トリミングも十分に正確でなければならないことを意味します。日光では、裁断は2回に分けて行われます。毛切りと精切りです。例えば、現在1万着の服を生産しており、年齢は18歳から60歳の間であれば、男装だけで60いくつかのモデルが必要であり、女装もまた、多くの特体がある。このように男装女装を合わせると120以上のサンプルが足りない。裁断するときは、まず似たような仕様をアーカイブし、1段ごとに2回の裁断で完成する必要があります。毛刈りをする場合は、テンプレートと1センチから0.5センチの残留を保持し、その後精刈りする。このようにセットすると5センチほどカットされます布地。

「年間250万セットの生産量で計算すると、1センチ節約すれば25000メートルの布で、1メートル100元で250万のコストになる。5センチで1250万の損失になる」と陳麗芬氏は述べた。

生地のロスだけでなく、人的ロスも無視できない。この点では主に3つの点があります。1つは熟練した裁断が人工的に手に入らないこと、2つ目は速度が遅いこと、さらに人工裁断の精度が足りないことで、服の合体率が大きく割引されます。

陳麗芬氏によると、現在のボリュームデータは日光ではまだ十分な分析と処理を得ていないが、将来的にはこれらのデータの統合と掘削を通じて、標準化されたレイアウト仕様を形成し、自動裁断技術を利用して1段階の精確な裁断を実現することを希望している。

「だからこれは典型的なデータ資源で別の資源を交換する問題だ」と王堅博士は言った。「資源の観点から見ると、データ通信が企業全体の資源利用効率に反映されなければ、デジタル化は情報化のための情報化のことになる」。

陳麗芬氏は、太陽光のデジタル革新の試みが、データと技術を沈殿させ、紡績脳を形成し、業界全体にサービスを提供し、業界全体の競争力を高めることができることを望んでいる。

人工知能で紡績業を「目覚めさせる」

6月30日、無錫2018雪浪大会で、江蘇省無錫経済開発区（太湖新城）と阿里雲は共同で2018雪浪製造AIチャレンジ試合を開始し、布の欠点の知能認識に焦点を当て、布の欠点認識におけるビッグデータと人工知能技術の応用探索を展開し、工業製造良品の向上を支援すると発表した。

布の傷検出の痛み

紡績業界はずっと私たちの国民経済の中で重要な地位を占めており、2016年の我が国の布の生産量は700億メートルを超え、生産量はずっと上昇傾向にある。人工知能とコンピュータ視覚技術を紡績業界に応用できれば、紡績業界に対する価値は間違いなく巨大になるだろう。

布の傷の検出は紡績である業界生産と品質管理の重要な一環であるが、これまで布の傷の検査はすべて人の目によって行われてきた。人工検査の速度が遅く、労働強度が大きく、主観的な要素の影響を受け、一致性が不足し、この方法は紡績生産プロセスの自動化の程度を深刻に低下させた。

調査によると、人工検査速度は一般的に15-20メートル/分で、この速度の下で、1人の検査員は0.8-1メートルの幅の検査しかできないため、布の検査と整理の一環は生産過程全体のボトルネックになった。人工検査には検査布労働者の経験に依存しすぎる欠点もあり、検査誤差や検査漏れがよく行われる。

今回の雪浪大会の主なフォーラムの舞台で、江蘇陽光グループの陳麗芬理事長も人工知能をこの分野に応用する必要性を共有した。

彼女は、日光の内部では、傷のある仕事を探すには一般的に2人が必要だと述べた。1人は探して、もう1人はマークをして、データを記録します。傷の検出には3つの関門がある：素地検査、中検査、最終検査。中検後は再修理を行う必要があります。その中で、ブランク検査の傷が最も多く、半分を濾過することができない。

陳麗芬氏は、日光の現在の数万キロの生地生産量によると、差は多くなく100万近くの欠点があり、これだけの品質検査を完成するには、現在日光差で7、80人の人力を多く使っていないと試算している。

「機械で人を代え、人工知能の画像認識技術を利用して欠点を探すなら、2人は少なくとも1人を省き、1人を残してマーキングをする。つまり50%の人手を省く」。

　　データは新しい生産データです

今回のAIチャレンジコンテストは、阿里雲天池が航空、電力、工業に続き、業界応用に根ざした人工知能コンテストである。江蘇省無錫経済開発区（太湖新城）は阿里雲天池競争プラットフォームを頼りに、布の傷の知能識別の最適なアルゴリズムを募集し、江蘇陽光グループは数千件の精密表示布サンプルデータを提供した。

阿里雲天池と一緒にAIチャレンジコンテストを開催することは、江蘇省陽光集団がハイテク技術を予防・治療分野に応用するためのもう一つの探索である。

江蘇陽光グループはずっと中国紡績業の模範となり、優れた技術と業界先頭に立ち、抗日戦争勝利70周年を記念する大閲兵解放軍三軍儀仗隊の新式礼賓服の設計、製作作業、及び「神舟11号」宇宙飛行士の秋冬常服生地の生産作業に参加したことがある。

江蘇陽光グループもデータの蓄積と応用を重視し、阿里雲チームと協力して、ET工業脳に基づく「紡績脳」ビッグデータ処理システムを構築し、それに基づいて一連の革新を完成した。

「資源の観点から言えば、データは陽光（グループ）にとって新しい生産資料であり、その最終的な価値は他の生産資料の価値を最大化することである」とアリババグループ技術委員会会長、雪浪町名誉町長の王堅博士は江蘇陽光グループを訪問して述べた。

今回の大会のデータ提供者として、江蘇省陽光グループは布サンプル、サンプリング環境、欠点判断基準、及び工芸専門家の専門指導を含む豊富で完全な生地サンプルを提供し、ソフト・ハードウェア環境の多くの方面から大会の支持を提供した。

20万人の科学者が集まり、阿里雲は「紡績脳」の構築を支援した

今回の布の欠点検出大会のデータは、紡績業における無地布の様々な重要な欠点をカバーしている。データには、元の画像とアーティファクトの寸法データの2つのセクションが含まれています。これらのデータは、20万人以上の世界トップクラスの科学者が天池に集まり、新たな生産性を幻にするだろう。

今回の大会を支えた阿里雲「天池」は世界最大規模の衆智プラットフォームで、世界から20万人以上のAIアルゴリズム科学者が集まっている。

阿里雲は参加チームに機械学習PAIプラットフォームを提供し、再試合チームは使用を申請することができる。決勝戦に進出した参加チーム案には、主なアルゴリズムとしてディープラーニングが含まれていなければならない。