人工知能 (AI) は、衣料品のデザイン、開発、生産、検査の方法を変えています。アパレル メーカーや衣料品ブランドにとって、仮想サンプルの作成から需要予測、生地品質の確認に至るまで、生産プロセスのさまざまな段階で AI が役立つようになってきています。
最大の変化は、大量のデータ、繰り返しの意思決定、または目視検査が関係する領域で発生しています。 AI は情報を迅速に処理し、パターンを特定し、生産チームがより早く意思決定できるようにします。
同時に、完全に自動化された衣料品工場が標準になるまでにはまだ長い道のりがあります。生地は柔らかく柔軟性があり、特に衣服の構造が複雑な場合、ロボットが一貫して扱うのは困難です。
それでは、今日のアパレル製造における AI とは実際どのようなものなのでしょうか?
従来のアパレル開発では、多くの場合、数回の物理的なサンプルが必要です。デザイナーと技術チームは衣服を作成し、サンプルを作成し、フィット感と外観を確認し、変更を加えて、別のサンプルを作成します。
このプロセスには数週間かかる場合があります。また、生地、トリム、労働力、梱包、配送リソースも使用します。
このレポートの調査によると、ファッション業界は毎年現物サンプルに数十億ドルを費やしている一方、多くの開発サンプルは商業生産に至らないと推定されています。
AI と 3D デジタル デザインがこのプロセスを変えています。
デザイン チームは、衣類のデジタル バージョンを作成し、物理的なサンプルを作成する前に、それを仮想ボディ上で表示できます。デジタル衣服は、形状、フィット感、色、生地が体に当たる様子などの詳細を表示できます。
AI は、テキストの説明、参考画像、以前のデザイン、既存の製品情報からさまざまなデザイン アイデアを生成するのにも役立ちます。デザイナーは有用なアイデアを選択し、3D デザイン システムでさらに開発することができます。
重要なのは、AI がデザイナーに取って代わる必要はないということです。アイデアを検討するために必要な繰り返し作業の量を減らすことができます。
仮想サンプリングによりコミュニケーションも容易になります。さまざまな国のブランドやメーカーは、物理的なサンプルの発送を待たずに、同じデジタル衣類をレビューできます。
パターンメイキングも AI が役に立ち始めている分野です。
特殊なシステムは、平面的な衣服のスケッチを取得し、それをデジタル パターンに変換するのに役立ちます。調査によると、一部の AI 支援システムでは、場合によっては数時間かかる手作業と比較して、すぐに生産可能なパターン ファイルを数分で作成できます。
人間の技術チームは、結果を確認して調整する必要があります。衣服の構造、生地の動作、フィット感、生産要件をすべて考慮する必要があります。
それでも、反復的なパターン作業に費やす時間を削減することは、開発サイクルを短縮するのに役立ちます。
適切な量の衣類を生産することは常に困難でした。
ブランドが人気商品の生産量が少なすぎると、需要がまだ強いにもかかわらず在庫がなくなる可能性があります。製品を大量に生産しすぎて売れ行きが遅い場合、最終的には残りの在庫を値引きする必要が生じる可能性があります。
従来の予測は、以前の売上に大きく依存することがよくあります。その情報は役に立ちますが、常に新しいトレンドや消費者の関心の突然の変化を捉えられるとは限りません。
AI はさらに多くの情報源を組み合わせることができます。
AI 予測システムは次のような情報を分析できます。
過去の販売実績
店舗レベルの在庫
オンラインショッピング活動
検索動作
商品レビュー
返品
ソーシャルメディア画像
新しいファッショントレンド
たとえば、コンピューター ビジョンは、大量のファッション画像を検査し、色、シルエット、袖の長さ、ネックライン、その他の視覚的特徴の変化を識別できます。
これにより、ブランドは販売データで傾向が明らかになる前に傾向を特定する別の方法が得られます。
その結果、より柔軟な生産プロセスが可能になります。
ブランドは、生産数量をかなり前に決定し、シーズンを通して同じ計画を維持する代わりに、最新の情報を使用して購入、生産、補充を調整できます。
需要予測は持続可能性と密接に関係しています。
生産が需要と十分に一致していない場合、過剰在庫は値下がり、保管コスト、材料の無駄につながる可能性があります。より適切な予測により、メーカーやブランドは市場が実際に必要としているものに近いものを生産することができます。
この研究では、高度な AI 予測により予測誤差を 15% ～ 35% 削減できるという推定が引用されています。
利用可能なデータの品質とシステムの実装方法が大きく影響するため、これらの結果は企業によって異なります。
品質管理も、AI が実際的な役割を果たす分野です。
生地と完成した衣類は伝統的に人によって検査されてきました。人間の検査員は多くの問題を特定できますが、特に作業者が大量の生地を検査しなければならない場合、継続的な目視検査は疲れます。
AI を活用したコンピューター ビジョンは、別の方法で問題にアプローチします。
高解像度カメラは、編まれたり、織られたり、加工されたりしている生地を監視できます。
AI ソフトウェアが画像を分析し、欠陥に関連するパターンを探します。システムによっては、穴、糸の切れ、汚れ、生地の損傷、外観の変化が含まれる場合があります。
大きな利点はタイミングです。
従来の検査プロセスでは、生地が大量に生産された後に問題が発見されることがあります。自動化システムは、生産の進行中に問題を特定できます。
一部のシステムでは、重大な欠陥や繰り返し発生する欠陥が発生すると、問題の原因を調査するためにアラートが発せられたり、マシンが停止したりすることがあります。
この調査では、AI ベースの検査システムは、レポートで説明されている手動検査ベンチマークよりも大幅に高い欠陥検出率を達成できると報告しています。
早期検査には別の利点もあります。
染色、仕上げ、裁断、縫製の前に生地の欠陥が発見された場合、メーカーは最終的に拒否される可能性のある素材に追加のリソースを費やすことを回避できます。
これにより、無駄な生地だけでなく、不必要な水、エネルギー、加工材料、労働力の使用も削減できます。
研究で文書化された工場の例では、編み機にリアルタイム AI 検査を導入した後、生地の欠陥が大幅に減少したと報告しています。
このため、製造業者にとって、AI 品質検査はコスト管理と無駄削減の両方において興味深いものになります。
縫製工場では、多数の機械や従業員による数十の生産ステップが行われる場合があります。
1 つの操作における小さな問題が、その後のすべての操作に影響を与える可能性があります。機械が動作を停止したり、オペレーターが不在になったり、材料の到着が遅れたり、ある生産ステップが他の生産ステップより遅くなったりする可能性があります。
従来の生産スケジュールは、スプレッドシートや固定計画に依存することがよくありました。工場現場の状況が変化すると、これらのスケジュールはすぐに古くなってしまう可能性があります。
AI を利用した計画システムは、これらの変化により動的に対応できます。
最新の生産計画システムでは、以下に関する情報を収集できます。
注文
材料
生産能力
機械の状態
労働者の空き状況
生産速度
納期
何かが変化した場合、システムは生産管理者がどこにボトルネックがあるかを特定し、計画を調整するのに役立ちます。
たとえば、ある縫製作業が突然遅くなった場合、このシステムは、監督者が作業員や生産タスクをどのように再配分するかを検討するのに役立ちます。
この調査には、生産計画ソフトウェアが生産効率、能力利用、生産性、または納期厳守の改善に関連したいくつかの工場の例が含まれています。
ここでの価値は、工場マネージャーを置き換えることよりも、意思決定を行う際により良い情報を提供することにあります。
これらすべての進歩により、完全に自動化された縫製工場はすでに一般的であるように思われるかもしれません。
大きな問題が 1 つあります。それは、 布地はロボットにとって扱いにくいということです。
金属シートはその形状を保ちます。一枚の生地ではそんなことはありません。
生地は伸びたり、折れたり、カールしたり、ずれたり、束になったり、別の層にくっついたりすることがあります。生地が異なれば、重量、弾性、表面、構造に応じて動作も異なります。
このため、ロボットが毎回布地を拾い上げて正確に配置することが非常に困難になります。
研究者やオートメーション企業は、この問題に対してさまざまなアプローチを開発しました。
一部のシステムは一時的に生地の取り扱いを容易にします。カメラを使用して生地の端を追跡し、縫製中に常に調整を行う人もいます。
これらのアプローチは、構造が単純で生産期間が長い製品に有効です。
基本的な T シャツ、タオル、デニムのポケット、その他の標準化された製品は、複雑な縫い目、ジッパー、繊細な生地、または頻繁にデザインが変更される衣類よりも自動化の対象になりやすいです。
このため、ロボットによる衣類の組み立ては、予測、デジタル サンプリング、生産計画などの AI ソフトウェア アプリケーションよりもはるかに限定されたままです。
AI の導入は、高価なロボットから始める必要はありません。
実際、研究はより段階的なアプローチを示唆しています。
デジタル サンプリング、需要予測、生産計画は、工場の生産システム全体を交換することなく価値を提供できます。
これらのアプリケーションは、開発時間を短縮し、計画を改善し、チームがより効率的に情報を扱うのに役立ちます。
コンピュータ ビジョンを導入すると、品質検査によって明らかなコスト削減の機会が生まれます。
繊維製品の生産では、製造プロセスの早い段階で生地をチェックすることで、欠陥が後のより高価な段階に移行するのを防ぐことができます。
物理的な自動化には別のアプローチが必要です。
ロボットは、生産が安定しており、生産量が多く、製品が標準化されている場合に最も効果的です。柔軟な衣料品製造は、生地、構造、生産要件の変化に対応できる熟練した人間の労働者の恩恵を受け続けています。
したがって、この研究では段階的なアプローチについて説明しています。つまり、ソフトウェアと分析から始めて、自動品質検査に拡張し、生産条件が合理的な場合には物理的な自動化を選択的に使用します。
AI が単一のテクノロジーを通じてアパレル製造を変える可能性は低いです。
より大きな変化は、プロセスのさまざまな部分を接続することによってもたらされます。
将来のアパレルのワークフローは次のようになります。
AI が需要を分析 → デザイナーがデジタル製品を開発 → 仮想サンプルがレビュー → 生産数量が計画 → 製造中に生地が検査 → 工場のスケジュールがリアルタイムの状況に合わせて調整 → 最終製品が生産と流通に移行します。
各ステップは次のステップに情報を提供できます。
これにより、より連携された生産プロセスが生まれ、メーカーは問題が発生してコストが高くなるまで待つのではなく、より早く変更に対応できるようになります。
同時に、人間の専門知識も引き続き重要です。デザイナーは依然として、どの製品が顧客にとって意味があるのかを判断する必要があります。技術チームはパターンと適合性を検証する必要があります。生産管理者は工場の状況を理解する必要があります。自動化が難しい業務においては、熟練した労働者が依然として重要です。
したがって、アパレル企業にとって現実的な問題は、単に「AIを活用するかどうか」だけではありません。そこで AI が実際の生産上の問題を解決できるのです。
一部の企業にとって、それは物理的なサンプルの削減を意味するかもしれません。他の企業にとっては、需要予測の改善、ファブリックの欠陥の早期発見、生産スケジュールのより柔軟化などを意味する場合もあります。
AI はすでにアパレル製造のこうした部分を変えています。次の段階では、それらをより応答性の高いデータ駆動型の運用システムに接続することになります。
