Како АИ мења производњу одеће? Од виртуелних узорака до паметнијих фабрика

Вештачка интелигенција (АИ) мења начин на који се одећа дизајнира, развија, производи и проверава. За произвођаче одеће и брендове одеће, вештачка интелигенција постаје корисна у неколико фаза производног процеса, од креирања виртуелних узорака до предвиђања потражње и провере квалитета тканине.

Највеће промене се дешавају у областима где су укључене велике количине података, поновљене одлуке или визуелни преглед. АИ може брзо да обрађује информације, идентификује обрасце и помаже производним тимовима да донесу одлуке раније.

У исто време, потпуно аутоматизоване фабрике одеће су још увек далеко од тога да постану стандард. Тканина је мекана, флексибилна и роботима је тешко конзистентно руковати, посебно када одећа има компликовану конструкцију.

Дакле, како АИ заправо изгледа у производњи одеће данас?

АИ почиње пре првог узорка

Традиционални развој одеће често захтева неколико рунди физичких узорака. Дизајнери и технички тимови креирају одећу, праве узорак, проверавају његово пристајање и изглед, праве измене, а затим производе други узорак.

Овај процес може трајати недељама. Такође користи тканину, украсе, рад, паковање и ресурсе за отпрему.

Истраживање у овом извештају процењује да модна индустрија сваке године троши милијарде долара на физичке узорке, док многи развојни узорци никада не доспеју у комерцијалну производњу.

АИ и 3Д дигитални дизајн мењају овај процес.

Од физичких узорака до виртуелне одеће

Дизајнерски тимови могу креирати дигиталну верзију одеће и видети је на виртуелном телу пре него што направе физички узорак. Дигитална одећа може да прикаже детаље као што су облик, крој, боја и начин на који тканина пада на тело.

АИ такође може помоћи у генерисању различитих дизајнерских идеја из текстуалних описа, референтних слика, претходних дизајна или постојећих информација о производу. Дизајнери тада могу одабрати корисне идеје и даље их развијати у систему 3Д дизајна.

Важна ствар је да АИ не мора да замени дизајнера. То може смањити количину рада који се понавља у истраживању идеја.

Виртуелно узорковање такође може олакшати комуникацију. Бренд и произвођач у различитим земљама могу да прегледају исту дигиталну одећу без чекања да се пошаље физички узорак.

АИ такође може убрзати развој шаблона

Израда узорака је још једна област у којој АИ почиње да помаже.

Специјализовани системи могу узети равну скицу одеће и помоћи да је претворе у дигитални узорак. Према истраживању, неки системи потпомогнути вештачком интелигенцијом могу да произведу датотеку шаблона спремну за производњу за неколико минута, у поређењу са неколико сати ручног рада у неким случајевима.

Људски технички тимови тек треба да прегледају и прилагоде резултат. Потребно је узети у обзир конструкцију одеће, понашање тканине, пристајање и производне захтеве.

Ипак, смањење времена утрошеног на рад са обрасцима који се понавља може помоћи да се скрати развојни циклус.

АИ помаже брендовима да предвиде шта ће купци купити

Производња праве количине одеће је увек била тешка.

Ако бренд производи премало популарног артикла, може остати без залиха док је потражња и даље велика. Ако производи превише производа који се споро продаје, преосталом инвентару ће можда бити потребни попусти.

Традиционално предвиђање често у великој мери зависи од претходне продаје. Та информација је корисна, али не може увек да ухвати нови тренд или изненадну промену интересовања потрошача.

АИ може комбиновати много више извора информација.

Гледамо даље од података о продаји

Системи за предвиђање АИ могу анализирати информације као што су:

• Претходне продаје

• Инвентар на нивоу продавнице

• Активност куповине на мрежи

• Понашање при претраживању

• Рецензије производа

• Повратак

• Слике друштвених медија

• Нови модни трендови

На пример, компјутерски вид може да испита велики број модних слика и идентификује промене у бојама, силуетама, дужинама рукава, деколтеу и другим визуелним карактеристикама.

Ово даје брендовима још један начин да идентификују трендове пре него што постану очигледни у подацима о продаји.

Резултат може бити флексибилнији производни процес.

Уместо да одлучују о количинама производње далеко унапред и да држе исти план током целе сезоне, брендови могу да користе ажуриране информације да би прилагодили куповину, производњу и допуну.

Боље предвиђање може смањити отпад

Предвиђање потражње је уско повезано са одрживошћу.

Када је производња слабо усклађена са потражњом, вишак залиха може довести до смањења вредности, трошкова складиштења и расипаног материјала. Боље предвиђање може помоћи произвођачима и брендовима да производе ближе ономе што је тржишту заиста потребно.

Истраживање наводи процене да напредно предвиђање вештачке интелигенције може да смањи грешке у предвиђању за 15 до 35 одсто.

Ови резултати ће се разликовати међу компанијама јер су квалитет доступних података и начин на који се систем имплементира веома важан.

АИ убрзава инспекцију квалитета

Контрола квалитета је још једна област у којој АИ има практичну улогу.

Тканине и готове одевне предмете традиционално су прегледали људи. Људски инспектори могу идентификовати многе проблеме, али континуирана визуелна инспекција је заморна, посебно када радници морају да прегледају велике количине тканине.

Компјутерски вид који покреће вештачка интелигенција приступа проблему другачије.

Камере посматрају тканину током производње

Камере високе резолуције могу да прате тканину док се плете, тка или обрађује.

АИ софтвер анализира слике и тражи обрасце повезане са дефектима. У зависности од система, то може укључивати рупе, поломљене нити, мрље, оштећења тканине и промене у изгледу.

Главна предност је тајминг.

Традиционални процес инспекције може открити проблем након што је већ произведена велика количина тканине. Аутоматски систем може идентификовати проблем док се производња још одвија.

У неким системима, озбиљан или понављајући квар може покренути упозорење или зауставити машину како би се могао истражити извор проблема.

Истраживање наводи да инспекцијски системи засновани на вештачкој интелигенцији могу постићи знатно веће стопе откривања квара од референтних вредности за ручну инспекцију о којима се говори у извештају.

Раније проналажење проблема штеди више од тканине

Рана инспекција има још једну предност.

Ако се неисправна тканина открије пре бојења, завршне обраде, сечења или шивања, произвођачи могу да избегну трошење додатних ресурса на материјал који би на крају могао бити одбијен.

То може смањити трошење тканине, као и непотребну употребу воде, енергије, материјала за обраду и рада.

Један документовани пример фабрике у истраживању известио је о великом смањењу дефектне тканине након увођења АИ инспекције у реалном времену на машинама за плетење.

За произвођаче, ово чини инспекцију квалитета АИ занимљивом и за контролу трошкова и за смањење отпада.

АИ може помоћи фабрикама да планирају производњу

Фабрика одеће може имати десетине производних корака који се одвијају на многим машинама и радницима.

Мали проблем у једној операцији може утицати на све што долази после ње. Машина може да престане да ради, оператер може бити недоступан, материјали могу да стигну са закашњењем или један производни корак може постати спорији од осталих.

Традиционални распореди производње често зависе од табела и фиксних планова. Ови распореди могу брзо да застаре када се услови у фабрици промене.

Системи планирања подржани вештачком интелигенцијом могу динамичније да одговоре на ове промене.

Динамичко планирање производње

Савремени систем планирања производње може да обједини информације о:

• Наређења

• Материјали

• Производни капацитет

• Статус машине

• Доступност радника

• Брзина производње

• Рокови испоруке

Када се нешто промени, систем може помоћи менаџерима производње да идентификују где је уско грло и да прилагоде план.

На пример, ако једна операција шивања изненада постане спорија, систем може помоћи надзорницима да размотре како би радници или производни задаци требало да се прерасподеле.

Истраживање укључује неколико фабричких примера где је софтвер за планирање производње повезан са побољшањима у ефикасности производње, коришћењу капацитета, продуктивности или испоруци на време.

Овде је вредност мање у томе да се замене директори фабрике, а више о томе да им се дају боље информације приликом доношења одлука.

Зашто фабрике одеће још увек нису потпуно аутоматизоване?

Уз сав овај напредак, може се чинити да би потпуно аутоматизоване фабрике одеће већ требало да буду уобичајене.

Постоји један велики проблем: роботима је тешко руковати тканином.

Метални лим задржава свој облик. Комад тканине не.

Тканина се може растегнути, савијати, увијати, склизнути, скупљати или залепити за други слој. Различите тканине се такође понашају различито у зависности од њихове тежине, еластичности, површине и конструкције.

То отежава роботу да сваки пут покупи комад тканине и прецизно га позиционира.

Роботи раде боље са једноставним, стандардизованим производима

Истраживачи и компаније за аутоматизацију развиле су различите приступе овом проблему.

Неки системи привремено олакшавају руковање тканином. Други користе камере да прате ивице тканине и врше стална подешавања током шивања.

Ови приступи могу радити за производе са једноставном конструкцијом и дугим производним циклусима.

Основне мајице, пешкири, џепови од тексаса и други стандардизовани производи су лакши кандидати за аутоматизацију од одеће са компликованим шавовима, патентним затварачима, деликатним тканинама или честим променама дизајна.

Из тог разлога, роботско склапање одеће остаје много ограниченије од софтверских апликација вештачке интелигенције као што су предвиђање, дигитално узорковање и планирање производње.

Шта АИ значи за произвођаче одеће?

Усвајање вештачке интелигенције не мора да почне са скупим роботима.

У ствари, истраживање сугерише постепенији приступ.

Почните са дигиталним алатима

Дигитално узорковање, предвиђање потражње и планирање производње могу да обезбеде вредност без потребе да фабрика замени цео производни систем.

Ове апликације могу смањити време развоја, побољшати планирање и помоћи тимовима да ефикасније раде са информацијама.

Додајте аутоматизовану инспекцију

Тада се може увести компјутерски вид тамо где инспекција квалитета ствара јасну прилику за уштеде.

За производњу текстила, провера тканине раније у процесу производње може спречити да се дефекти пређу у касније, скупље фазе.

Аутоматизујте пажљиво

Физичка аутоматизација захтева другачији приступ.

Роботи имају највише смисла тамо где је производња стабилна, количине велике и производи стандардизовани. Флексибилна производња одеће и даље има користи од квалификованих људских радника који могу да поднесу варијације у тканинама, конструкцији и захтевима производње.

Истраживање стога описује фазни приступ: почните са софтвером и аналитиком, проширите се на аутоматизовану инспекцију квалитета и користите физичку аутоматизацију селективно тамо где услови производње имају смисла.

Будућност вештачке интелигенције у производњи одеће

Мало је вероватно да ће вештачка интелигенција променити производњу одеће кроз једну технологију.

Већа промена долази од повезивања различитих делова процеса.

Будући радни ток одеће могао би изгледати овако:

АИ анализира потражњу → дизајнери развијају дигиталне производе → виртуелни узорци се прегледају → планирају се количине производње → тканина се прегледа током производње → фабрички распореди се прилагођавају условима у реалном времену → готови производи крећу у производњу и дистрибуцију.

Сваки корак може пружити информације следећем.

Ово ствара повезанији производни процес, где произвођачи могу раније да одговоре на промене уместо да чекају да проблеми постану скупи.

У исто време, људска стручност ће остати важна. Дизајнери још увек морају да одлуче који производи имају смисла за њихове купце. Технички тимови треба да потврде обрасце и да се уклопе. Руководиоци производње треба да разумеју услове у фабрици. Квалификовани радници остају важни за операције које је тешко аутоматизовати.

За компаније које се баве производњом одеће, практично питање није једноставно да ли да „користе вештачку интелигенцију“. То је где АИ може да реши стварни производни проблем.

За неке компаније то може значити смањење физичких узорака. За друге, то може значити побољшање предвиђања потражње, раније проналажење недостатака у тканини или флексибилније распореде производње.

АИ већ мења ове делове производње одеће. Следећа фаза ће се односити на њихово повезивање у систем производње који се више реагује на податке.