作者：房祥忠

随着信息技术的发展，我们已经全面进入了数字化的时代。无论档案文书，人员车辆，厂房设备、规章制度以及这些内容的动态变化过程都可以数字化，通通都可以纳入互联互通的管理系统中。在数字化的基础上，智能化时代也悄然来临。基于大数据的智能预测、智能设计、智能规划、智能优化、智能建模等人工智能技术在各个行业都有较大需求。我们以服装业为例说说数字化和智能化在制造业这一传统行业的作用。文中的一些服装业技术内容参考了Sébastien Thomassey 和 Xianyi Zeng 的《Artificial Intelligence for Fashion Industry in the Big Data Era》一书。

衣食无忧是人类最基本的需求，除了吃得饱还要穿得暖。从毛皮树叶，到现代纺织面料，人类在穿着方面取得了长足进步。现代服装业是一个无比巨大的产业，2021年全球服装零售市场高达9.5万亿人民币。在国民经济行业分类标准GB/T 4754-2017中，服装直接涉及到的行业有纺织业，纺织服装、服饰业，皮革、毛皮、羽毛及其制品和制鞋业。间接涉及到的行业更多，上游有种植养殖业，下游有批发零售业等等。

俗话说穿衣戴帽各有所好。来自不同民族、不同文化、不同教育、不同行业、不同家庭、不同身材的人们对服装风格的需求往往是不同的。要满足人们的爱美之心是不容易的，谁能够极大满足人们的个性化需求谁就能在市场竞争中拔得头筹。大数据与人工智能的发展将把服装产业带入数字与智能时代，从而满足人们对美的不断追求。

全球性的竞争和较大的需求波动使得服装业面临非常大的挑战。这需要制造商不断提高自身生产能力，以便在最短的时间以最低的成本完成订单。为了应对这些挑战，人们已经开始探索将大数据和人工智能技术运用在服装生产销售等各个环节。

服装业是一个时尚的行业，对时代的脉搏跳动尤其敏感。服装的流行风格变幻多端，人们的需求琢磨不定，这些不确定性对服装业的发展起到极大的影响。如果对风格和需求预测不准，则可能造成血本无归的境地。人工智能可以深入服装业的几乎全过程，包括：风格预测、销售预测、感官评价、时装设计、工艺优化、产品检验、质量控制、库存优化、供应链管理和营销策略等。

对流行的风格进行预测是一件非常难的事情。这是因为影响因素多，非线性关系和不确定性大等问题。传统的时间序列模型过去一直扮演预测模型的重要角色，但无法处理太过复杂的情形。人工智能方法应运而盛，它可以处理大数据和非线性关系，又可以去掉不确定性的噪音。

生产规划、统筹调度是服装行业最重要的环节之一。根据客户所需，协调供应商，管理物品的流动，调度员工和设备的使用。这一环节容易受到许多干扰，使得决策效率降低。因此，人工智能技术在生产规划和统筹调度的各个环节的应用，将使管理成本降低，管理效率增加，及时为客户提供满意的产品。

在服装行业中，订单调度是一个关键的决策过程，将生产订单分配到适当的生产线上。然而，在服装制造的实际工作中，这一过程可能因为订单不可分割，或者员工不足等各种各样的问题使得决策无法被完全执行，这可能会导致生产效率的下降。因此，稳健的生产调度优化方法需要综合考虑生产前和生产中各种不确定性问题。

裁剪计划是为一组服装订单计划面料裁剪的问题，是制造过程的开始。通过制定有关原材料、机器和人员的可行的裁剪计划尽量减少制造成本。尺寸、款式、面料、颜色、销售、库存水平、原材料、劳动力和设备可用性等都会影响裁剪计划，有效地优化的解决方案需要使用人工智能技术。其它工序如织物平铺，切削措施，装配线平衡，机器布局设计等需要人工智能参与。

质量检验产品质量控制的一个重要阶段，以往都是依赖于训练有素的人员对半成品和成品服装进行视觉检查。由于服装款式、尺寸和面料的多样性，检验标准很难掌握。而且由于这个过程枯燥无味，检查人员容易疲劳，难于达到标准一致。为了获得高质量的成衣产品，很有必要基于人工智能技术构建一自动化检验系统。质量指标包括接缝，褶皱，缺陷，尺寸等。

最后服装成品的质量评价也是很重要的。可以把服装的功能简单归纳为舒适和美观，从而应对客观环境和主观内心的考验。我们会穿戴温暖，让自己更舒服更健康；我们会穿戴整齐，让自己更得体更美丽。而服装必须同时兼具舒适与美观的功能。但在不同的场合对舒适和美观的需求不同，侧重也不一样。比如在正式场合中，很多男士穿西服打领带，服装要体现出礼仪和尊重，这时侧重的是美观。在体育运动时，人们会穿运动鞋运动衣，服装要适合运动，这时侧重的是舒适。在居家时，人们会穿着宽松柔软，此时侧重的也是舒适。当然，人们追求美观时要尽量舒适，追求舒适时尽量美观。因此，对服装产品的评价不仅局限于功能方面，而且还包括美学方面。

舒适性评价是一个很具挑战性的问题，这与织物的物理性能有关。研究人员利用多名专业运动员在实验室的评分数据开发了前馈BP神经网络模型，以预测10个感觉感知（粘、粘、湿、粘、重、刺、刺、痒、适合、透气和热）的整体舒适感知，预测的服装评分与实际的服装评分有很好的一致性。有研究者提出了一个模糊系统，根据热和水分感觉的模拟结果来预测热舒适的主观感知。还有研究者使用神经网络预测了科威特教室中儿童校服的保温值。

服装外观无疑是决定服装美观性的一个最重要因素。服装制造过程中面料的成形性和新造型的稳定性直接影响服装外观质量。还有些不能直接测量的因素，可以通过打分的方式给出。有研究者基于研究织物机械和物理性能参数之间的相互作用，以及服装外观质量的等级提出了一个预测服装外观质量的智能系统。这方面的探讨有很多，比较了不同模型算法的预测效果。研究者开发了预测模型，研究织物的成形性与男装的机械性能之间的关系。他们的模型是基于神经网络和模糊推理的集成，与经典方法相比，该模型具有更高的预测精度和更好的可解释性。研究者使用模糊神经网络系统来预测和显示来自不同面料和风格的服装的褶皱图像。

目前人工智能方法在服装业的应用还面临很多问题。有些问题是行业本身的问题，有些问题属于人工智能技术发展阶段的问题。比如可以用于训练的数据缺乏的问题，算法的计算时间问题等等。

本文以服装业为例说明了人工智能技术在传统产业界的应用。服装业因为需求变化快，客户期望高，影响因素多而复杂而使得算法的运用更加具有挑战性。在这个领域，传统的统计方法仍然具有用武之地。长期的预测，单一品种的预测，影响因素少，数据量不大的情形仍然可以使用传统的统计方法。而对于具有多来源数据，影响因素又多，不确定性大，函数关系复杂不清的情形可以采用人工神经网络等模型进行预测。另外，人工智能方法不仅可用于预测，还可以进行工艺建模、仿真和优化，可以进行复杂工序过程优化。由于人工智能的理论基础尚不完善，各种模型和算法需要在实践中加以检验。针对不同行业，不同工艺过程，不同的指标，能够适用的模型和算法可能是不一样的。

在可以预期的将来，人工智能产品将很快走入人们的生活，帮助人们选购合适自己的衣服、帽子和鞋子。甚至可以做到比我们自己更了解什么样的风格比较适合自己。在品牌，价格，式样，尺寸，颜色等令人眼花撩罗的因素中选择一件适合自己的衣服并不是一件容易的事情。不仅如此，还可以畅想，当我们提出需求，某著名品牌的生产线就会根据我们的身材和品味为个人量身定做一套特殊的衣服，而不必要在有限的号码中选择，既有私人裁缝铺般的服务，又有大品牌的质量。生产商会集中大量的个人订单，优化统筹设计裁剪和生产工艺，而不增加很多成本，但收益却可以大幅提高。除去了销售环节，售价也许和买现成品相比更有优势。

数字化智能化将影响我们生活的方方面面。

文章来自：期刊《中国统计》ISSN：1002-4557 年，卷(期)：2022(6)