服装设备

数字孪生技术翻开服装工业新篇章

发布时间:2024/5/30 13:58:46   

世界各地的时尚企业,包括服装制造业,正在迅速推进数字化转型,也让“数字孪生”等技术从概念转化为现实。

IBM对数字孪生做出的定义是“跨越对象或系统生命周期的虚拟表示,可根据实时数据进行更新,并使用模拟、机器学习和推理以帮助决策。”

简而言之,数字孪生是物理过程/产品/工期型号任何现实对象的精确虚拟副本。

有些朋友可能会问:数字孪生跟数字化身有何不同?

数字/在线化身并不充当信息中心,不会收集数据,也无法运行模拟来做出准确预测。另一方面,在制造环境中,数字孪生在虚拟空间中运行物理过程,可帮助人们了解生产期间可能出现的挑战。

在服装制造业中,数字孪生技术可以容纳从样式设计到面料选择、再到生产流程的所有细节信息。将数字孪生引入制造业能够显著减少织物浪费,同时实现加快上市速度、提高效率等更多无形的好处。

织物面料的浪费主要发生在服装制造的两个过程当中——预生产和实际生产。

据估计,裁剪过程中的面料损失约为10%至15%,而缝纫车间的低效率(缝纫过程中的浪费、返工/拒收等)会进一步扩大损失。大多数工厂往往并不知道自己浪费了多少面料,更遑论具体分析浪费细节。而数字孪生能帮助工厂减少这种浪费,并通过为物理操作创建精确副本的方式带来其他收益。

如今,服装制造部门的两个领域特别适合高效使用数字孪生:

1)在产品开发过程中通过3D实现数字孪生;

2)在生产过程中通过AR/VR建立数字孪生,在虚拟空间内模拟生产运行,借此把握生产、浪费和效率指标。

面料供应产线上的数字孪生

服装行业是全球污染最大、浪费最严重的产业之一。

时装业每年生产超亿件服装,据BBCEarth报道,80%的废弃服装会在12个月内被送入垃圾填埋场。而这些衣物均由上千种不同类型的化学品制造而成,导致回收过程极为复杂和困难。总体为看,整个地球正在为廉价服装付出高昂的代价。电子商务的兴起则让时尚和服装产品在全球范围内大大拓展了覆盖比例,拉动服装消费量显著增长,最终将丢弃衣物的规模提升至前所未有的水平。

传统的样品制作方式也不具备可持续性。时装行业之所以会产生严重浪费和过量排放,原因就是需要制作大量实物样品。有超过30%的材料在样品制作过程中被浪费掉了。平均而言,一件衣服的打板样品往往涉及七个阶段。当最终制作出原型样品时,厂家往往需要为买家提供不同颜色、图案和面料的样品,这些实物样品从工厂车间进入仓库,最后又被直接丢进垃圾填埋场。

时尚制造业在其产品开发过程中逐渐采用3D虚拟样品,目前市场上的TUKATCH、LECTRA、CLO3D、BROWZWEAR和OPTITEX等知名3D技术企业都在提供此类方案。他们甚至能够提供3D数字织物/材料样本,将打板阶段对物理织物的需求控制在最低水平。

在与TeamApparelResources(AR)的独家访谈中,台湾3D材料创新厂商Frontier的CEOVictorChao表示,“使用3D材料进行设计和原型制作,能够将样品打板过程从3个月缩短至3天,加快产品上市速度。时装企业还能借助数字原型制作将样品相关成本降低50%甚至更高,具体涵盖运输、样品码数、销售员样品(SMS)和重新批准等步骤。”

只需一台简单的扫描仪或多功能办公打印机,从业者就能将面料库转为数字化并随时使用。无需安装和学习额外的软件,工厂/车间可以立即启动并运行自己的数字样本库。

然而,这里节约的只是样品设计和制作阶段的时间。服装行业仍然需要至少三个月才能采购面料并完成原型制作,所以整个行业在数字化转型当中一直难以克服效率低下的问题。目前的方法是将织物样本发往特定的扫描中心,或者投资购买专用的灯箱加织物套件以获取元数据层及其物理特性。这需要大量资金投入和员工培训,也给服装产业的规模化数字转型带来新的挑战。但好消息是,发展成熟的AI有望及时伸出援手。

Victor坦言,“多亏了AI技术,现在我们可以毫不费力地在采购阶段将面料数字化。供应链只需使用标准的家庭或办公室扫描仪对实体布样做扫描,AI引擎就能为其生成纹理贴图和物理属性。结果就是建立起数以万计的织物数字孪生,从起步阶段就节约时间。从最初灵感到采购和设计,整个流程由过去的6个月缩短至7天。品牌设计师在采购阶段受益于AI的可扩展结果,不必坐等世界各地寄来的实物样品。”

另一家3D材料厂商是位于韩国的SwatchOn,其也是CFDA材料中心的成员企业。SwatchOn批发的20万种SKU面料使其VMOD3D库成为全球各独立品牌、中型品牌和服装制造商的宝贵资源。年新冠疫情爆发之前,SawtchOn为其首款面料创建了数字孪生。VMOD使用Vizoo最新技术实现了高分辨率表面扫描,可捕捉无缝PBR(基于物理的渲染)纹理贴图。该技术还获得了CLO3D的投资,表明未来的服装产品开发中将使用越来越多的3D材料。

据称,数字材料孪生生成中所使用的大部分新一代AI引擎已经拥有超过90%的准确率,因此数字孪生开始成为服装行业中大规模采用的一项重要技术。

业界对数字孪生在服装制造中应用的评论:

EPICGroup首席战略官RogerGuyYoung称,“我们认为3D设计代表着当下和未来的趋势。3D样品大大降低了成本、时间并加快了上市速度。我们EPICGroup也在使用预测分析技术,希望帮助客户减少库存并提前告诉他们下一季的趋势是什么。我们不单是简单制造产品,而是通过理解端到端数据和加速供应链来提供全方位的服务解决方案。这将极大帮助我们的客户减少库存、降低价格并控制成本投入。”

全球领先的成衣制造集团CrystalDenimAGM(产品开发)MilesLam表示,“我们从年起开始采用数字采样技术,并逐渐被客户所接受。这也证明了我们在重新定义牛仔裤制造方式、践行可持续发展承诺方面的行动。最近,利用数字孪生制作样品的趋势在社交隔离背景之下显得愈发重要。截至年,我们80%的自主开发产品都在设计阶段使用到虚拟样品,而我们的目标是将其提高到90%。”

KGFabriksLtd.董事总经理SrihariBalakrishnan也表示,“与服装厂为产品创建「数字样品」一样,我们也在牛仔面料上采取了同样的方法,其3D渲染素材与实物样本的一致度高达99.99%。我们了解到,由于成本和时间等原因,开始起客户不再需要实物样品。因此我们创建了牛仔面料的数字孪生,所有客户也都开始接受新开发的数字样品。”

服装生产,再挖数字孪生潜力

服装生产的数字孪生需要依托于工厂模型,结合来自一线车间的数据帮助运营方理解并改进整个流程。但由于IT资源或基础设施有限,这类数据往往难以从车间中直接采集。现在有了工业物联网(IIoT)和云计算,这类数据的获取难度已经大为降低,也减少了创建车间数字孪生所需要的基础设施。

然而,我们对数字孪生在生产车间中的应用仍比较有限。

用JoachimHenschConsulting公司创始人JoachimHensche的话来说就是,“如今的制造业车间仍是一片数字荒漠!”

虽然部分服装厂已经开始通过RFID追踪器、条码扫描仪等对单品做溯源和跟踪,但整个行业距离全面的生产端数字孪生还很遥远。原因在于,大部分决策者成长于一个致力于降低人机比、仅需遵循简单业务原则的时代。这导致他们不理解应该投资什么,难以感受到新时代到来的紧迫性和技术差距,而能够体会到这些问题的人们却缺乏决策权。

数字孪生有望在服装车间中显著提高利润,但前提是厂方要按部就班推动部署。该行业必须明白,单是花钱还不够,仔仔需要确保自己的投资能真正帮助工厂跟上技术标准、获得具有成本竞争力的创新成果。

Joachim解释道,“在工业化和技术发展这股迅猛的浪潮当中,很多工厂主并没有意识到自己需要像管理实体设施那样精心打理数字孪生或数字对应物。物理层面的裁剪、缝纫、整理、打包和仓储是天然连接的,但他们在数字化投资方面并没能维持住这样强烈的关联性。”

为车间创建数字孪生,意味着要为全部制造设备、操作员甚至是流程逻辑制作虚拟副本。在集成产品的数字孪生数据之后,运营方就能模拟整个工厂,甚至在实际生产之前就消除出错的可能。运营者还可以分析设备、操作员和装配线间的不同组合,清晰比较吞吐量以及手动/自动操作间的人体工程学风险。

利用数字孪生培训操作员

数字孪生的一大重要应用场景,就是为操作人员提供软培训、实现质量过程集成、使用AR/VR概念呈现产品信息和设备信息等。例如,工厂可以使用AR平板电脑帮助操作员获取机器图像。在拍下图像之后,平板电脑就可以利用该图像播放一段维护与润滑视频,帮助操作者一遍又一遍查看整个过程,以虚拟的方式传递与物理过程相关的知识。

利用数字孪生培训产品开发技能

另一个培训领域,是通过VR增强并设计数字化产品培训过程。VR平板电脑的屏幕可以显示产品列表及每种服装产品的操作列表,操作员则可针对各操作播放由数字孪生制作的视频,了解特定服装产品的关键点。这样,他们就能提前了解潜在的质量缺陷,并在实际生产中多加

转载请注明:http://www.aideyishus.com/lktp/6375.html

------分隔线----------------------------