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。
