廣東番禺開發(fā)區(qū)的一家服裝廠內(nèi)，工人們正在埋頭為Shein的快時尚外銷服裝趕工。吊掛在屋頂上的衣架在工位間穿梭，在一個工位上，工人每次快速完成一個流水線操作后，就拍一下縫紉設(shè)備上的大按鈕，進行計件。
這一幕正漸漸出現(xiàn)在更多服裝工廠里。隨著人工智能和數(shù)字化技術(shù)的加入，龐雜的服裝加工行業(yè)正在發(fā)生一些變化。
廣東番禺開發(fā)區(qū)的一家服裝廠內(nèi)，工人們正在埋頭為Shein的快時尚外銷服裝趕工。吊掛在屋頂上的衣架在工位間穿梭，在一個工位上，工人每次快速完成一個流水線操作后，就拍一下縫紉設(shè)備上的大按鈕，進行計件。
這一幕正漸漸出現(xiàn)在更多服裝工廠里。在中國服裝加工廠中，正在發(fā)生一些變化。
01從半年到兩周
一些工廠每天都接到新款服裝訂單，也會接到一些“翻單”需求。“翻單”就是對之前一些生產(chǎn)過的服裝進行補貨。但這些翻單需求通常很急，很多要在7天內(nèi)交貨。這與過去服裝廠的情況完全不同。
傳統(tǒng)上，每年10月是全球各大時裝周的忙碌時節(jié)。在巴黎時裝周、上海時裝周上，會發(fā)布明年春夏的潮流款式。之后，各種渠道召開洽談訂貨會，訂單將在品牌方匯集成一個個大訂單，再下單到加工廠。
從時裝周到服裝上市，這個周期通常有半年。對工廠來說，這是一種很舒適的狀態(tài)。每個季度做的款式和數(shù)量是確定的，可以有條不紊地組織生產(chǎn)。
但現(xiàn)在，快時尚品牌、電商渠道崛起后，連鎖品牌影響力在減弱，人們的審美也不再千篇一律，流行趨勢更迭加速。如果一款服裝再生產(chǎn)幾萬件，很可能會變成庫存。
庫存是國內(nèi)外服裝巨頭們最害怕的問題?？鞎r尚品牌ZARA曾以小批量、多款式上新的方式橫掃服裝產(chǎn)業(yè)。爆款貨快速返單，滯銷產(chǎn)品打折快速清庫存。ZARA創(chuàng)造過行業(yè)的新記錄，它的新品從工廠到上架，達到了驚人的2周。但即便這樣，庫存依然是它的心頭大患。
過去十余年里，服裝業(yè)銷毀庫存的案例頻發(fā)。奢侈品牌Burberry，2018年燒毀的庫存多達數(shù)千萬元；在國內(nèi)曾經(jīng)打造了增長神話的美特斯邦威、拉夏貝爾，庫存更是高達幾十個億，直接導致企業(yè)資金鏈斷裂，拉夏貝爾甚至被迫退市。
“生產(chǎn)大單將會越來越少。”飛榴科技聯(lián)合創(chuàng)始兼首席產(chǎn)品官劉珂博士告訴數(shù)智前線，“服裝更多會以小批量、多批次的柔性快返生產(chǎn)方式。”飛榴科技是一家服裝行業(yè)智能化的企業(yè)。
不僅那些快時尚的品牌如安踏、海瀾之家、太平鳥，包括一些MCN機構(gòu)新銳設(shè)計師的小眾設(shè)計，都呈現(xiàn)了這樣的趨勢。企業(yè)先下一個只有幾千件甚至幾百件的小訂單，通過消費者的反應(yīng)，再迅速進行翻單和補貨。
02服裝廠換款的困難
小批量、碎片化訂單給服裝加工廠帶來了巨大的挑戰(zhàn)。
按照傳統(tǒng)作業(yè)邏輯，新款版樣到達工廠后，需要經(jīng)歷一系列復雜的工作流程。首先由成熟的樣衣工，將衣服從圖樣變成一件可以仿制的衣服，工藝工程師把制衣過程拆解成一道道較為簡單的工序，一件羽絨服或連衣裙，可能要上百工序，幾十個裁片；然后班組長按照工序安排工人，倉庫和裁剪房準備物料。
這些事要靠人腦來做，跑通人、機、料一個流程通常要一到兩周。
現(xiàn)在，小單快返的趨勢，工廠上新款、翻單的頻次越來越密集，從A款服裝轉(zhuǎn)到B款，也涉及很多問題，僅靠人腦來安排，變得越來越困難，時間也“耗費”不起了。
人工智能系統(tǒng)也在這個時候進入了中大型服裝廠。AI汲取了大品牌、大工廠的供應(yīng)鏈管理經(jīng)驗和精益生產(chǎn)理念，并在交期、人員技能、設(shè)備、工序、小組等約束條件下，對全廠范圍內(nèi)進行資源的配置，算出最優(yōu)的生產(chǎn)和排產(chǎn)規(guī)劃。
“AI其實模仿了工藝工程師拆款的能力，組長分配工序的能力，裁剪房算料、安排二次工藝的能力，同時監(jiān)控流水線上的動態(tài)波動，解決瓶頸工序，讓生產(chǎn)更加順滑。”劉珂博士說。比如，一個工序上員工還不熟練，或者生病了，AI會實時算出新的分配方案。
這樣，即使換款，人工智能還是能及時算出新款服裝的方案。而且，它還能根據(jù)員工的“學習曲線”，安排員工最擅長的工序，生產(chǎn)效率能有所提升，員工的工資還會提高。
在人工智能的幫助下，這些工廠逐漸具備了應(yīng)對復雜生產(chǎn)狀況的能力，從而適應(yīng)小單快返。
03工人的態(tài)度
傳統(tǒng)上，企業(yè)的管理信息系統(tǒng)都是從上到下推動的。無論是企業(yè)資源計劃ERP，還是流程管理BPM，都被稱為“一把手工程”。
對于工人來講，他們沒有感受到信息化的實惠，反而是工作量的增加。“我原來只管做衣服，現(xiàn)在還要在這個地方輸一個數(shù)，那個地方再輸一個數(shù)，這會很煩。”工人們說。
現(xiàn)在，在數(shù)字化和智能化中，一些行業(yè)人士達成了共識，它應(yīng)盡量是無聲無息的，不給一線人員添麻煩，而最重要的是，它要能讓一線多賺錢。
在一家服裝廠，飛榴科技的工程師們遇到了一位做了30年的老員工，她非常焦慮。當工廠開始了小單快返業(yè)務(wù)后，她被分配了一道新工序，她覺得自己不會做，又學得慢，“我手心里都是汗”。
現(xiàn)在，在工廠進行了AIOT改造后，每位工人面前配備了一個平板電腦，通過看標準動作視頻，她開始起步。系統(tǒng)根據(jù)她的進度，最初安排了三個人一起做這道工序。過了幾天，當熟練度上升后，她一個人就能做這道工序，滿足整個流水線的節(jié)拍時間。
根據(jù)每位工人的產(chǎn)量、質(zhì)量、返修量數(shù)據(jù)，系統(tǒng)會生成每個人的學習曲線，不同員工構(gòu)成一個學習矩陣。系統(tǒng)會按照員工技能進行工序分配。之前那種靠與班組長的關(guān)系吃飯的狀況，也不復存在。
一位00后“社恐的”年輕人，也因為工廠智能化，獲得了內(nèi)心的自由。她不喜歡去跟班組長套近乎。現(xiàn)在，如果她的干完了自己的工序，系統(tǒng)會自動推給她其他工序，避免了要找班組長要活的尷尬。這算得上是應(yīng)用了數(shù)字技術(shù)之后的意外之喜。
“這就像NBA打籃球一樣，教練原來想的只有這么兩三種方案。AI能提供更多的調(diào)整方案，板凳隊員也可以打中鋒，還可以試試前鋒和中鋒。”劉珂說。
劉珂他們最近對廣東一個新工廠進行了改造，這個工廠有4條產(chǎn)線、100多號工人。由于智能化的系統(tǒng)，不再設(shè)立班組長崗位，由一個車間主管，使用系統(tǒng)進行資源分配，這也解決了原先跨組之間的扯皮和內(nèi)卷。工廠的招工迅速就滿員了，一些想要試工的人，也只能等待其他機會了。
系統(tǒng)也會發(fā)現(xiàn)了一些隱藏的問題，比如識別出那些劃水或期望清閑一點的員工。“這種員工也不是不可用的。比如有時系統(tǒng)也可以把這些效率低的員工排到晚班，搭配那些愿意多掙錢的員工。”劉珂說。
不過，除了生產(chǎn)效率提升，收入增加，在工廠忙碌又嘈雜的流水線上，以效率最大化來架設(shè)的軟硬件產(chǎn)品，也容易遭遇一些輿論上的挑戰(zhàn)。
例如，工人的工作狀態(tài)并非始終能保持最高效率，數(shù)智前線在某知名的應(yīng)用數(shù)字化手段的服裝廠里就見到了一位厭惡智能技術(shù)的工人。他憂心忡忡，充滿不滿，“廠里給做得最快的人發(fā)了獎金，做得最慢的人計件工資比正常工資打了點折扣。幾年下來系統(tǒng)里記住的都是最快的記錄，手慢的人慢慢都被淘汰了。”
在記錄了個體最優(yōu)表現(xiàn)后，如果未來狀態(tài)下滑，對企業(yè)主而言，這些人將被如何對待？新技術(shù)進入生產(chǎn)環(huán)節(jié)，提升了生產(chǎn)效率后，能不能更大限度保護工人的利益，人能否在技術(shù)應(yīng)用之后有尊嚴、有出路呢？這些也是業(yè)界需要思考的問題。
04工廠的不同路徑
不同類型的工廠，對智能技術(shù)的接受速度和能力并不一樣。
大巨頭們通常自成體系。以優(yōu)衣庫在國內(nèi)的代工廠申洲國際為例，它是基于品牌內(nèi)部的供應(yīng)鏈體系來運轉(zhuǎn)的，外界很難有借鑒和調(diào)用的可能性。這也是多數(shù)大型服裝巨頭走的路徑，它們自成體系，智能化技術(shù)不會對外輸出，產(chǎn)業(yè)里的其他中小玩家，難以汲取到他們的先進經(jīng)驗。
此外，中國的服裝產(chǎn)業(yè)里還分布著大量的腰部工廠和百人以下的小企業(yè)，他們是這個行業(yè)里的大頭，甚至很多年收入不足10萬元。
劉珂博士告訴數(shù)智前線，繼大品牌轉(zhuǎn)型后，這些腰部工廠的轉(zhuǎn)型也非常有價值。他們面臨的生存壓力也最典型。受疫情影響，外貿(mào)訂單萎縮，用工成本增加，市場競爭又最為激烈，轉(zhuǎn)型對他們已不是可有可無的事，而是生死問題。
有數(shù)字化人士給數(shù)智前線粗略的算了一筆賬，進行數(shù)字化智能化轉(zhuǎn)型，這些工廠付出的成本從十幾萬元、數(shù)百萬到上千萬元不等。有些工廠進行了完整的工業(yè)互聯(lián)網(wǎng)改造，有些則進行了局部的調(diào)整。
一位互聯(lián)網(wǎng)大廠的行業(yè)數(shù)字化人士稱，工廠非常關(guān)注投資回報和回收成本。“工廠對于投入能夠回收的周期，容忍度差不多是兩年。”
針對效率提升多少，能夠讓工廠賺到錢，業(yè)界也有計算，但仍有一些差別。比如，工廠年產(chǎn)量原本是100萬件，進行了數(shù)字化、智能化后，效率提升了20%，年產(chǎn)做到120萬件，每件收入10元，就多入賬200萬元。再扣除物料、人員等成本，剩下的是工廠多賺到的。“一般而言，效率提升10%，是一個能賺錢的臨界點。”有業(yè)內(nèi)人士粗略估算。
更小的工廠則沒有能力購買系統(tǒng)化的技術(shù)，這是數(shù)字化和技術(shù)目前難以達到的“蠻荒之地”。業(yè)界也在探索一些其他的模式。
“基礎(chǔ)款式的數(shù)字化是一個突破口。”廣州的一家數(shù)智化服務(wù)商智衣鏈創(chuàng)始人鐘凌云稱?；A(chǔ)款衣物，如黑白T恤版型等被設(shè)定為標準化知識，積累到版單管理知識庫里，成為一個SKU。知識庫在逐漸積累完善。客戶需求來了，能基于選定版型作定制，版單管理系統(tǒng)會基于知識庫和客戶的需求，自動裁剪布料和計算輔料。
最終訂單生產(chǎn)會分配到小工廠里。小工廠無需以很高的成本去完成換款，只需完成最基礎(chǔ)的縫制環(huán)節(jié)。
某種程度而言，這樣的方案是將數(shù)字化的架設(shè)，從小企業(yè)剝離。整個訂單流程里小工廠需要用到的軟件支持，基于現(xiàn)成的溝通聊天應(yīng)用搭設(shè)。這樣，珠三角、長三角大量的小工廠閑散的制造能力，能夠得到應(yīng)用，也最大限度降低了這些小企業(yè)智能改造的成本。
05技術(shù)如何深入行業(yè)
AI進入行業(yè)，離不開人工智能科學家的智慧。
關(guān)于傳統(tǒng)行業(yè)與AI能不能結(jié)合，一直是一個有爭議的話題。當年IBM的人工智能業(yè)務(wù)沃森落地出現(xiàn)問題時，AI科學家山景博士對數(shù)智前線分析，其中一個重要原因是科學家不太能躬身于行業(yè)實踐，“兩腿不沾泥”。
山景博士曾在阿里負責開拓了工業(yè)領(lǐng)域的智能化，這讓他對下一線有深刻體驗。
從IBM回國創(chuàng)業(yè)的飛榴科技劉珂博士則一直在服裝領(lǐng)域從事智能化。她看到服裝行業(yè)的一些AI團隊，缺乏“下沉精神”。很多場景，在家里思考，是很難去理解的。
比如，明明從工序的角度說，是一道道往下走的，為什么有的又回流到前面的員工？到了現(xiàn)場，工程師才發(fā)現(xiàn)，那個員工的縫紉機后面有一個風扇正好對著他吹。“他坐在這里心情很好，能完成復雜的工作。”劉珂稱，“這時候，你自然而然就會做出符合工廠的最好設(shè)計。”
在這樣的背景下，她和團隊團隊，一年基本上有超過300天的時間在工廠。他們住工人的宿舍，“沒有碗的，要么自己買個飯盒，要么找工人要個大瓷碗”。
相比而言，中國工廠的智能化，比起歐美企業(yè)要復雜得多，甚至有時“狀況百出”。一些工人想多掙錢，只要我在流水線上，就不能讓手上空著。他們做完自己的活，會跑到別的工人那里抱走一些裁片繼續(xù)做，或者要求班組長給他增加一道工序。工序會被打亂，這是坐在辦公室里想不到的場景。
在系統(tǒng)設(shè)計中，科學家們要思考怎么來管理這樣的場景，讓它成為“規(guī)范操作”。
目前，在中國服裝行業(yè)核心產(chǎn)業(yè)帶，如珠三角的東莞、深圳、番禺、中山，長三角的江浙一帶，華北、東北和山東一帶，工廠中正在發(fā)生變化。全面應(yīng)用這些創(chuàng)新之后，消費者的需求能否被更好地顧及？工人們能否獲得更好的回報？相比國際服裝巨頭們動輒千億美元的市值，中國服裝行業(yè)整體競爭力能否得到提升？從事智能化企業(yè)的價值是否可以體現(xiàn)？業(yè)界正在一點點地等待這些多贏局面的出現(xiàn)。
