纺织产业被认为是重度仰赖人工作业的传统产业，台湾富绸纤维积极推动数位转型，朝向智慧制造迈进，期盼带动产业升级的风潮。
一、启动数位转型，带动纺织业升级
凭借着优异技术人力、便宜土地成本，台湾曾经是享誉全球的纺织王国。然而随着台湾经济起飞后，面对薪资成本快速攀升、环保意识抬头下，1980 年代纺织业者大举将产线外移到生产成本更低廉的国家，如中国、越南等地。而部分以生产布料为主的纺织业上游业者，则选择持续根留台湾，投入高价值的布料研发与生产，持续坐稳全球市场的龙头地位。
如与日本、美国、中东及欧洲等地服饰、家饰品牌和零售商等，保有长期合作关係的台湾富绸纤维，致力透过创新研发维持在市场的领导地位。且该公司早在 30 年前就导入 ERP 系统，透过引进资讯化、数位化等机制，强化自身营运体质，加快回应市场的速度。而 2019 年透过参与经济部工业局的“产业数位转型提升专桉”，再度启动数位转型之旅，朝工业 4.0 的目标前进。
台湾富绸纤维董事长庄燿铭指出，过往纺织产业被认为是重度仰赖人工作业的传统产业，进而导致年轻人投入产业意愿过低。多年前，在工业局协助下，我们了解到工业 4.0 带来的效益，也认为这是台湾纺织业未来发展的方向。透过参与工业局的产业数位转型提升专桉，我们能藉由 AI 技术改变公司营运体质，进而朝向数位化发展，期盼透过实践产线自动化、企业数位化等方式，带动更多同业启动数位转型之旅，扭转过往纺织产业给民众的刻板印象。
二、快时尚风潮席捲全球，少量多样成常态
创立于 1973 年的台湾富绸纤维，凭藉着团队合作、创新研发的精神和多年累积的专业经验，专精于提供聚酯长纤布料并发展出 ELASLANA （毛弹布料）、Life－Wear（时尚机能布料）、个人防护布料；加工丝则提供单丝、複合丝等优质产品至世界各地。除此之外，该公司更积极更新生产设备，藉由纱、织一贯厂的优势，持续开发新产品，以提供最新和最高品质的产品及服务给的顾客。此外，台湾富绸纤维也积极地发展与下游厂商的策略联盟，更期许未来能自有染整厂，并进一步延伸至终端消费品的供应。
发源于欧洲的快时尚风潮，在过去廿多年逐步席卷全球市场，也改变纺织业发展的生态，纺织上游供应商为满足全球服饰品牌客户的要求，必须尽可能缩短交货期。具备自主研发与生产能力的台湾富绸纤维，凭藉着敏锐的时尚趋势预测、研究发展设计团队、精实的生产设备，结合精良的生产技术、新颖的素材、流行的产品设计、独特的染整后加工等各项研发工作，成为主要品牌的布料供应商之一。
庄燿铭表示，快时尚的订单模式是少量多样及高度客制化，台湾富绸纤维是客户下单后才能进行生产，大约需在 45~60 天内交货。在疫情衝击下，全球供应链都陷入不稳定的状态，客户要求上游厂商缩短交货期，从 45～60 天缩减至 45 天之内。但是要达成此目标，必须每个环节都需要尽可能缩短时间，然过去我们资料要输入 ERP 系统时，都是仰赖人工抄写生产机台资料，最后再输入至 ERP 系统中，不仅耗时且可能会有人为输入错误的问题。要改善此种状况，唯有打造机联网的环境，才能让生产机台的资料能够自动进入 ERP 系统，才能在系统发生状况第一时间进行处理，于是便决定在 5 年前开始推动数位转型。
三、打造机联网环境，奠定数位转型基础
身兼台湾区丝织工业同业公会理事长的庄燿铭，向来非常关注全球趋势与创新科技发展，深知数位转型专桉必须从数位化着手，再透过数位优化之后，最后才能推动数位转型专桉。于是在引进专为纺织业设计的新世代 ERP 系统，取代使用多年的第二代 ERP 系统外，也要让生产机台具备联网的能力，让资料能够自动传输到 ERP 系统之中。
只是台湾富绸纤维的生产设备购买时间不一，部分新购买设备仅须加装专属模组，即可自动将生产资讯传送到 ERP 平台中。部分老旧设备则需寻求系统厂商协助，透过额外加装感测器等元件方式，才能升级到可传送生产资料的功能。
庄燿铭指出，对于无法加装任何感测器的设备，我们也为现场同仁开发专属 App，补足机联网最后一块拼图。同仁可在手机、平板上输入相关资讯后，系统就会自动将资料传送到 ERP 系统之中。此时，我们刚好得知经济部工业局推动产业数位转型提升专桉，在提供经费补助之外、还有专家提供辅导协助，所以我们决定争取参与此计画，推动数位纺织 AI 驱动再造计划。
四、数位纺织AI驱动再造计划聚焦三大目标
数位纺织 AI 驱动再造计画的核心，是以 AI 技术针对 DL 织品瑕疵检测、AI 制程改善决策、主动式产品推荐等三大目标进行再造，期盼让营运体质迈向数位化。在 DL 织品瑕疵检测部分，是希望藉由机器学习或深度学习等技术，减少传统人工目检作业，让原本仅能负责单台验布作业的验布员，可同时监看多部生产机台，进而达到增加单位时间内可检验之布疋数量。除能减少对于人工作业的依赖，同时亦可让既有员工朝向高附加价值的工作发展，让企业得以更有条件的朝向转型发展。
其次，在 AI 制程改善决策部分，主要是考量到传统产线作业流程中，当品管人员发现布号出现瑕疵时，将由检验主管会同织造、生管等跨单位，追查发生瑕疵读原因，平均肇因分析所需时间为 3 小时。所以台湾富绸纤维期待透过引进机器学习方法，分析生产过程中不同机台及原料之组合，以便能在发现织品异常时，可透过该模型进行肇因分析并回馈改善决策建议，以缩短因肇因分析所导致的停工时间。 再者，顺利将过往分散于资讯系统中的生产资料，从原料供应商、供应批号、报工纪录、作业机台，一直到生产履历最后一站的验布纪录完整串接，进行有效关联。随后进一步透过机器学习等方法，探讨生产过程中不同生产组合，以及各机台参数水平设计等因子对各类瑕疵的影响，并建立机台重要因子和品质的关联模型。
在导入 AI 制程改善决策服务之前，台湾富绸纤维产线机台稼动率为 87%。导入后，凭藉制程改善决策演算的辅助，将可有效限缩肇因追查范围，免去产线各站人员跨站逐一追查肇因，进而节省 73.8% 肇因分析的时间，整体产线机台稼动率将可提昇至 88.3%。
“消费者的需求愈来愈多变，服饰品牌商的採购需求也随之愈来愈多样化，所以在主动式产品推荐部分，则是希望调整过往我们对客户的销售模式，以协助客户因应消费市场变化。”庄燿铭解释：“我们是希望能透过既有销售资料，如客户资料、购买纪录等与外部开放资料等， 以大数据分析方式得知客户的採购习惯与潜在需求。再结合历年销售金额、销售数量、客户营运型态、销售区域、布种类别等，进行客户分群。如此一来，便有助于提升业务端的有效顾客触及与产品推荐，使得能更有效率地配置行销资源与销售族群进行互动。”
长久以来，台湾纺织业多採接单代工的作业型态，针对终端市场的消费者注意 力与品牌商採购行为关注相对薄弱，故仅能採取被动销售。所以主动式产品推荐主要针对近年的销售资讯，如销售金额、客户资本额、销售区域等进行彙整关联，透过 RFM模型的建立重新掌握客户特徵轮廓。后续业务要进行客户拜访前，便可依据品牌终端用途、同质性客户等不同面向，从系统获得销售产品推荐资讯，进而达到精准行销。
经实地验证，藉由客户分群以及采购习惯观察，业务可较精准命中客户需求，在前五大布种推荐平均精确率达 96.01%，预期将可为公司年销售额带来 4% 的幅度成长。
五、AI技术加持检验效率提升95%
参与经济部工业局推动产业数位转型提升专桉后，台湾富绸纤维认为有助于提昇整体竞争力，能更迅速地面对外部环境的快速变动。以 DL 织品瑕疵检测为例，凭借着机器视觉的辅助，有助于屏除人力视觉疲劳的因素下，稳定地针对待验布疋进行取像作业。过往在人工目检作业的配置下，台湾富绸纤维每位目检员每月约可检验 62 千码。导入 DL 织品瑕疵检测服务导入应用，在检出率达 95%、FNR<4%、FPR<18% 的效能下，每台自动验布机每月约可检验 121千码，织品检验作业效率提升 95%，让既有厂内目检验布作业成本得以下降。
庄燿铭指出，在执行 DL 织品瑕疵检测过程中，我们特别安排专业验布师傅进行瑕疵点位标注，让人工智慧演算法可针对图片与标注档进行特徵学习。于过程中，发现影像标注的精细度与影像资料量，会影响到 DL 模型的学习效果，所以 AI 工程师与专业验布师傅进行多次的跨域知识讨论，并由持续影像收集与反覆模型优化，才得以收敛至计画预定之瑕疵检验水准。
六、持续进行成果优化，迈向智慧制造
庄燿铭说，在本次计画执行过程中，我们发现未来仍有很多地方值得再深耕精进，以 DL 织品瑕疵检测为例，在稳定、高效的瑕疵检出作业下，将会考虑依照可否运用 AI 协助，依据瑕疵分佈找到最符合经济效益布疋裁切，以减少无谓的成本浪费。至于 AI 制程改善决策部分，未来我们会延伸至过程中，收集生产机台各元件的感测资料。
在台湾富绸纤维规划中，未来将持续提升自身应变能力、服务和产品性能，以因应剧烈且快速的环境改变，并稳定得提供高品质的服务和产品给合作伙伴。
本文转载自CIO Taiwan，采访／施鑫澤‧文／林裕洋。
免责声明: 本网站(http://www.szhzxw.cn/)内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容(包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等) 版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。
