智能应用 影音
DTResearch
event

AI让自动化更「人性化」 看纺织大厂儒鸿如何转型智能工厂

儒鸿执行副总王树文分享儒鸿过去在智能制造的转型成果。儒鸿

短链革命、分散风险,未来将不只发生在电子业,纺织业也正面临相同的考验。准备迎接新时局的挑战,台湾纺织龙头儒鸿也分享了从过去到现在,一路在智能制造的布局与成果,从数码化、自动化再到智能化,儒鸿如何透过AI让智能工厂更加「人性化」?

创立于1977年的儒鸿,以生产机能性面料为主,主攻中高阶运动休闲成衣市场,同时也是全球许多相当知名运动品牌,包括Adidas、Nike、Under Armour、Lululemon等的供应商。而站在全球纺织供应链的顶端,儒鸿早早就嗅到纺织产业将面临新的趋势变化。

儒鸿执行副总王树文指出,未来10年越南仍是成衣业者倚重的生产基地,但近年当地的人工生产成本持续上涨,这是一个警讯,纺织业者必须未雨绸缪。而就连品牌客户,也受到贸易战警示,加速驱动供应链跟著分散布局。

王树文因此指出,未来纺织业将会面临两大课题,一是必须加速转型,藉智能制造将劳力密集的传统工厂转型成智能工厂,二则是一改过去集中产能,多点布局,此也更加考验未来纺织业者的供应链管理能力。

数码化是必经之路

面对转型势在必行,儒鸿又是怎么做呢?事实上,儒鸿早期就在企业内部推动数码化,而长时间的埋线,也为日后发展智能制造打下相当重要的基础。例如早期调色都是靠老师傅凭经验抓取多少比例的色料,所有的配方都是记在脑子里,但儒鸿很早就意识到要将调色过程,透过编码、纪录染料使用量等将之数据化,建立资料库永久保存。后儒鸿又以信息化为目标,导入ERP系统,更进一步建立数码平台,将包括台湾、越南等各地厂区的资料互相串联。

现在儒鸿更藉由物联网、大数据、人工智能(AI)等创新技术的加值,逐步完善营运管理与生产流程智能化。举例来说,纺织业有很多作业流程都是人工作业,为了提高作业效率与人为疏失,儒鸿在资策会的协助下建立订单汇入自动化系统,由计算机自动判读订单,并抛转至各个系统,如此一来,订单处理人员不必一笔一笔手动输入,只要确认系统抛转后的信息是否正确,透过自动化大幅缩短作业时程,原本一张订单的处理时间为48小时,如今只要2小时就可以处理完成。

除了作业流程自动化,对于制造业而言,生产流程的优化更是重中之重。王树文举例,在纺织染整过程中,还有个很大的挑战是「一次对色」。从打样到量产,或是在批次生产之间,往往会因设备、水质或染剂等的变化,在颜色的准确度上产生误差,使得老师傅必须视色差状况重染,如此一来,便会增加成本与工时。

但如果能提高一次对色的成功率,不仅能够提升生产效率,成本也会有所降低,还能够因此减少物料与资源浪费。为了让染色一次就对色,儒鸿也携手工研院利用AI来找出各制程中影响对色的关键因子,包括透过对设备参数、温度、时间等大数据分析来提高对色率。

AI让自动化更人性化

事实上对于纺织业而言,产业很早就开始懂得善用自动化与数码化工具来优化生产流程。象是在试色过程中使用分光仪计算与标准色的误差值,此可用作配方的原始参考数据,或是利用自动马克照排系统算出面料的最佳裁切版型。不过只做到自动化,还远远不够,因此现阶段儒鸿的重点,是将过去这些数码化工具与系统,透过AI的加值变得更加「人性化」,这样才能更贴近使用需求,王树文强调。

儒鸿也分享了几个目前正在进行中的研发成果。举例来说,成衣其中一关键技术「排马克」,是利用2D的平面版型排出3D衣服所需的面料,排得越好就越省布。过去业界常使用自动马克照排系统,但因版型没有考量裁剪时的人体工学,虽然可最大化使用面料,但儒鸿发现,这样反而会造成工厂裁版师傅的操作不便,利用率相当低。

因此儒鸿现在也进一步利用AI,透过分析系统照排与实际工厂照排的利用率,藉此找出面料使用率最高,且最能够符合师傅作业习惯的剪裁排法。而这项创举,也让儒鸿成为业界少数率先使用AI来执行这项成衣关键技术的领头羊。

而藉由儒鸿的成功经验,王树文也分享转型过程中最重要的成功关键就是「务实」。他认为,智能制造并非一定要「高大尚」,尤其台湾大部分的工厂年岁已久,当前工业4.0所勾勒的先进制造技术,却不见得适合台湾制造业现况。因此他也建议企业可以就现有产在线可改善的问题着手,了解还有哪里里可以补强与调整,先看需求在哪里,再看要导入哪里些工具与技术。

因此,在儒鸿的智能制造推动过程中,很多都是先从内部作业流程优化展开,象是订单系统的优化,或是为完善生产数据的自动化搜集而导入数码化量测工具,接者,再陆续进展到更高阶的智能化应用。因此接下来,AI也将成为儒鸿未来几年的重头戏,儒鸿也因此预计在明年正式成立AI专责小组,将负责未来企业内部的AI专案,藉由过去与专家合作经验累积,逐步转型成科技纺织公司。

  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: 儒鸿 纺织业 智能制造 AI 数码转型