在数字化改造之前，面料是阳光集团的生产资料，而在数字化改造之后，面料+数据才是真正创造价值的源泉。
面料行业本身既是一个基于图案的行业，这也使得基于人工智能的图像识别技术，在这个领域大有可为。
如何从8万多个品种的面料资料里“捞针”?
如何在以万为计数单位的面料中找到微小瑕疵?
“从资源的角度来讲，数据对阳光来说是新的生产资料，它的最终价值就是要让其他的生产资料价值最大化。”这是阿里巴巴集团技术委员会主席、雪浪小镇名誉镇长王坚博士在走访江苏阳光集团时所表述的一个观点。
所谓“其他生产资料”对眼下的阳光集团来说，最典型的就是布料。在阳光集团党委书记、董事长陈丽芬看来，数据不通是影响阳光数字化改造的一大障碍。倘若把服装与面料、部门与部门、内销与外销之间的数据打通，那么对阳光集团、甚至对整个纺织行业来说，产生的作用都是不可估量的。
江苏阳光集团董事长 陈丽芬
值得提出的是，“不可估量”这个词被陈丽芬现场强调了三次!可见数据对阳光拥有着脱胎换骨般的意义。
目前国内整个纺织行业，大部分企业都属于中小企业，这些企业大多缺乏充分应用信息技术、互联网的技术人才，数据孤岛现象严重，产业链中各个环节的联动效率低下，造成库存积压、交期拖延等现象比比皆是。随着新技术的迅猛突进，有小部分企业通过独特的大数据系统和相应的工艺改变，创造了行业神话，也有实现大规模定制化的服装生产流程，使得数据的价值被放大，未来利用纺织大数据来优化产业链，预测产品市场需求及合理定价变得更为迫切。
阳光也在这场数据革命的洪流中摸索前行。在调研现场，陈丽芬对王坚博士(与雪浪制数)提出了阳光目前亟待解决的三个痛点场景，实际上这也代表了大多纺织服装企业的共性问题：
一如何减少甚至减除试样打样?
二如何降低库存?
三如何实现服装行业的定制化生产?
从面料下手的数字化改造
面料行业本身既是一个基于图案的行业，这也使得基于人工智能的图像识别技术，在这个领域大有可为。
1986年初创时，阳光集团还是一家籍籍无名的镇办毛纺厂(原名江阴市精毛纺厂)，如今而立之年的阳光早已是全球有名的毛纺生产企业和高档服装生产基地，产品50%国内市场，50%海外市场。但是随着原材料成本上涨以及人口红利的消失，技改成了这些企业突破创新的不二选择。
阳光集团的数字化改造可以说最先是从面料下手的。
在纺织行业，下订单之后首先需要打样，先设计好样品的工艺，然后领取原材料，根据工艺流程下到各工道生产，一般要经过染色、复精梳、纺纱、织造、修布、染整和成品检验等工序，样品生产完成之后提交客户确认。所以打样实际上就是一个“制定标准”的过程，一旦样品确认，那么整个工艺流程、每道工序就固化下来。
据陈丽芬介绍，一个打样的平均成本大概两千块钱。问题是，打样并非一次就过，客户有时候要反复确认。从毛条染色到后整理，一个打样差不多需要一个月，打两次就是两个月，这样一年大概6000次的打样，成本算下来就是1200万左右。除了直接成本，打样还有一个“隐形成本”，就是扰乱了整个流水线生产的流程而导致的效率下降。
“如果能够‘以图找图’，从系统里找到之前布料的基础数据、档案数据，哪怕是相近的数据，都可以直接调用，这样交期起码可以缩短一个月。”
陈丽芬所提到的“以图找图”，实际上就是拿着用户给的样本图片，通过人工智能的图像识别功能在仓库里找到花色、花型和材质相似度最高的布料。
这样看似简单的行为，如果没有技术支持，工作量会大到根本无法想象。因为在阳光集团的资料仓库里，“躺”着大概有8万多个品种的面料资料，要从中找到类似的布料，无异于大海捞针。
“所以客户不断来样，公司要不断出样，这样一遍两遍三遍地试样，非常浪费。但实际上仓库里就有现成的，有时候客人要300米布料，库房里就有300米，根本不用做。”
陈丽芬还讲了一件前几天刚发生的对她触动很大的事件。一位品牌商需要一款特殊面料，陈丽芬记得仓库里有很多，就冲过去查。但是到了仓库后她就傻眼了，大家都说这个面料确实有，但就是查不到，因为系统没打通!面料仓库与服装仓库的系统没打通，内销仓库与外销仓库没打通，编码不共享，这使得查找非常困难。
“虽然每块布的外包装上都有二维码，但是只有扫描后才知道是哪块。而且服装生产涉及很多环节，布料有时会存在服装仓库，有时在面料仓库，或者在车间里的某一个中间环节等，找起来特别难。这其实应该是行业的一个共性痛点。”陈丽芬无奈地表示。
尽管后来还是凭借记忆找到了布料，但这件事也让陈丽芬痛下决心把阳光的数据疏通，建造一个类似于ET工业大脑的“纺织大脑”大数据处理系统。在这个系统里，不但有布料的基础数据、档案数据，还包括生产工艺数据、配方、原料规格等信息，同时整合上下游企业如服装公司、材料公司等，建成为一个行业的共享服务平台。
对于这8万多品种的布料，陈丽芬打算未来都给它们贴上FRID芯片标签。这样再“以图找图”时，只需把照片在电脑上一比对，通过人工智能的图像识别技术，后台就会显示出这个面料是在哪生产的，什么花型。“有100%的相似度最好，或者90%、80%，哪怕六七十的相似度，也可以‘啪’地一下从系统里调走，直接使用。”
这样立竿见影的效果就是清理库存。据陈丽芬估算，8万多品种的面料库存算下来少说也有300万米，如果按每米100块的价格来算，也就是3亿元!
“如果把这套系统用到其他企业，甚至整个行业，带来的效益不可估量。”王坚博士表示。
阿里巴巴技术委员会主席、雪浪小镇名誉镇长王坚博士走访阳光集团
人工智能图像识别技术的另一个典型应用场景就是找瑕疵。
在国内目前的纺织行业，生产出来的原始坯布和最终成品的疵点检测仍都停留在人工检测阶段。人工检测往往存在速度慢、漏检率高、连续性差等诸多缺陷，因此用机器代替人来找疵点成为行业的共同诉求。
在阳光内部，找疵点的工作需要2个人完成。一个负责找，另一个人负责做标记，记录下数据。疵点的检测有三道关口：坯检，中检，终检。中检后要进行一次补修。其中，坯检的疵点最多，差不多能滤去一半。
陈丽芬估算，按照阳光目前的几万公里的面料产量，差不多会有近100万个疵点，要完成这么多的质检，目前在阳光差不多用了7、80个人力。
“如果用机器代人，利用人工智能的图像识别技术来找疵点的话，两个人至少省一个人，留下一个人做标记。也就是说节省50%的人力。”
大货场景下，如何实现小批量定制化生产?
钛媒体之前在走访制造企业时发现，产品高度个性化定制的企业普遍都遭遇一个共性问题：订单批次多、生产批量小的产品，有什么好的解决方案?这也是阳光集团遇到的一个难题。
在阳光，大货的定制化生产一直是个绕不过去的坎儿。
所谓大货，就是出货量比较多的产品，这些客户相对稳定，合同一签就是三五年，但特点是订单批次多，交期时间短，这一方面对原有的生产流程造成很大困扰，另一方面也造成研发信息的不对称。
阳光的客户包括海航、东航、国航、厦航等航空公司。这些航空公司几乎每周都会下一次单。拿东航来说，一个月多次下单，一个订单少则3-5套，多则十几套，而且航空公司因为人员流动大，空姐培训最多两个月就上岗，这就意味着2个月内必须要交货，这就造成了流水线上一会儿是东航的单子，一会儿又是海航的单子，整个生产排期、排程、调度等都要不断进行调整，不但效率极为低下，交期拖延也是家常便饭。
不过这些大货也有一个好处，就是款式长期不变，基本保持在S、M、L三个常规款号。陈丽芬表示，如果能够利用数据分析出大货每年订单的数量、频次，不同规格服装的数量，以及使用频次最多的款式等，阳光就可以做到提前备货。数据稳定的情况下，有时甚至可以备出一年的存货。
“这样订单可以降至每月一次甚至每年一次，产线效率也会大幅提升。当然，如果数据显示对方出货量越来越少，订单批次也在减少，那么我们就会注意，对方是不是想改款。比如海航，历史数据显示三年换一次，那我们可以到了第三年自动减少备货。”
定制化生产的另外一个痛点是职业装。职业装也是阳光的主打产品。自2000年开始，阳光接连推出威尼帝高级订制服装、庞贝职业装等品牌，其中，庞贝服装的年销售超150万套。
相较普通服装，职业装的最大特点就是每个人的尺寸体型身材完全不一样，这就使得对量体、制板、裁剪等工序要求极为严苛。尤其是量体，细节把控非常严格，从口袋的宽窄，到领口缝制的精密程度等，数据已积累几十万条。
如此精细的量体数据，意味着裁剪也必须十分精确。在阳光，裁剪是分两次来完成的——毛剪和精剪。举例来说，现在要生产1万套服装，年龄从18到60岁之间，那么单是男装就需要60几个样板，女装也是，另外还有很多特体。这样男装女装加起来差不多120多个样本。裁剪时，需要先把相似的规格归档，每一档再通过两次裁剪完成。毛剪时，要与样板保有1公分-0.5公分的余留，之后再精剪。这样一套下来大概会剪掉5公分的布料。
“如果一年按250万套的产量算，节约一公分就是25000米布，按1米100块钱那就是250万的成本。5公分下来就是1250万的损耗。”陈丽芬表示。
除了面料损耗，人力损耗也是不容忽视的。在这方面主要有三点，一个是熟练的裁剪人工招不到，其次是速度慢，再者是人工裁剪的精度不够，以致产服装的合体率会大打折扣。
陈丽芬介绍说，目前量体数据在阳光还没有得到很好的分析和处理，未来希望通过对这些数据的整合和挖掘，形成标准化的排版规格，再借助自动裁床技术实现一步到位精准剪裁，就会大大减少面料损耗，节约人力成本。
“所以这就是典型的用数据资源去换别的资源的问题。”王坚博士说。“从资源的角度来看，如果数据联通如果不能反映到整个企业的资源利用效率的话，数字化就变成了一个为信息化而信息化的事情。”
而陈丽芬希望阳光的数字化创新尝试，能够把数据和技术都沉淀下来，形成一个纺织大脑，能够为全行业提供服务，提升整个行业的竞争力。
用人工智能“唤醒”纺织业
6月30日，无锡2018雪浪大会上，江苏省无锡经济开发区(太湖新城)与阿里云共同宣布启动2018雪浪制造AI挑战赛，聚焦布匹疵点智能识别，开展大数据与人工智能技术在布匹疵点识别上的应用探索，助力工业制造良品提升。
布匹疵点检测之痛
纺织行业一直是我们国民经济中占据举足轻重的地位，2016年我国布匹产量超过700亿米，且产量一直处于上升趋势。如果能够将人工智能和计算机视觉技术应用于纺织行业，对纺织行业的价值无疑会是巨大的。
布匹疵点检测是纺织行业生产和质量管理的重要环节，但一直以来布匹疵点检测都是由人眼完成的。人工检测速度慢、劳动强度大，受主观因素影响，缺乏一致性，这种方法严重降低了纺织生产流程的自动化程度。
据了解，人工检测速度一般在15-20米/分，在此速度下，单个检验人员只能完成0.8-1米宽幅的检测，因此布匹的检验和整理环节成了整个生产过程中的瓶颈。人工检测还存在过于依赖验布工人经验的缺点，经常出行检测误差和漏检。
在本次雪浪大会主论坛的舞台，江苏阳光集团董事长陈丽芬也分享了将人工智能应用在这一领域的必要性。
她提到，在阳光内部，找疵点的工作一般需要2个人完成。一个负责找，另一个人负责做标记，记录下数据。疵点的检测有三道关口：坯检，中检，终检。中检后要进行一次补修。其中，坯检的疵点最多，差不多能滤去一半。
陈丽芬估算，按照阳光目前的几万公里的面料产量，差不多会有近100万个疵点，要完成这么多的质检，目前在阳光差不多用了7、80个人力。
“如果用机器代人，利用人工智能的图像识别技术来找疵点的话，两个人至少省一个人，留下一个人做标记。也就是说节省50%的人力。”
数据是新的生产资料
本次AI挑战赛是阿里云天池继航空、电力、工业之后，又一个扎根行业应用的人工智能赛事。江苏省无锡经济开发区(太湖新城)将依托阿里云天池竞赛平台，征集布匹疵点智能识别的最优算法，江苏阳光集团提供了数千份精标注布样数据。
和阿里云天池一起举办AI挑战赛，是江苏阳光集团将高新技术应用到防治领域的又一探索。
江苏阳光集团一直是中国纺织业的标兵，凭借精湛的工艺技术和行业领先地位，参与过包括纪念抗日战争胜利70周年大阅兵解放军三军仪仗队新式礼宾服的设计、制作工作，以及“神舟十一号”航天员秋冬常服面料生产工作。
江苏阳光集团也很重视数据的积累和应用，与阿里云团队合作，建造了一个基于ET工业大脑的“纺织大脑”大数据处理系统，并基于此完成了一系列创新。
“从资源的角度来讲，数据对阳光(集团)来说是新的生产资料，它的最终价值就是要让其他的生产资料价值最大化。”阿里巴巴集团技术委员会主席、雪浪小镇名誉镇长王坚博士在走访江苏阳光集团如此表述。
作为本次大赛的数据提供方，江苏阳光集团提供丰富和完善的布料样本，包括布样、取样环境、疵点判断标准，以及工艺专家的专业指导，从软硬件环境诸多方面提供大赛支撑。
汇聚20万科学家，阿里云助力打造“纺织大脑”
本次布匹疵点检测大赛的数据涵盖了纺织业中素色布的各类重要瑕疵。数据共包括2部分：原始图片和瑕疵的标注数据。这些数据将在20多万聚集在天池的全球顶级科学家那里，幻化出新的生产力。
承载本次大赛的阿里云“天池”是全球规模最大的众智平台，汇聚了来自全球的20多万名AI算法科学家。
阿里云为参赛团队提供机器学习PAI平台，复赛团队可申请使用。入围决赛的参赛团队方案里，必须包含深度学习作为主要算法。
来源：
