近年在 AI、機器視覺、協作型機器人（cobots）、數位分身與 3D 列印技術進步，帶動 AI Factory 浪潮席捲全球，或許可望成為製鞋產業邁向智慧化的最佳轉捩點。
文／林裕洋
面對難以捉摸的消費市場，全球製造業正加快邁向智慧製造的腳步，期盼達成提高產能、降低人力需求的目標。然受限於製鞋過程非常繁複，即便多數業者已經具備大量自動化生產基礎，然朝向智慧化生產過程依然牛步化，仍然需要仰賴大量人力處理。
製鞋過程超級繁瑣 仰賴人力手動克服
目前全球製鞋代工產業主要為寶成、豐泰、鈞興、華利實業等四大業者，以及多家規模較小的二線代工廠，生產基地以越南、印尼等東南亞國家為主、中國為輔。在提升產能效率的前提下，過去 20 多年來各家代工業者也積極導入自動化生產設備，但製鞋過程仍然非常仰賴大量人力協助處理，前四大集團人力規模分別為 30 萬、9 萬、2.5 萬、7 萬人等。
產線人員無法減少的關鍵，在於鞋子的生產過程中涵蓋裁切、縫合、黏合、壓模、烘乾等 60 個以上細緻步驟，加上不同部分使用的材質迥異，如布料、皮革、熱熔膠等，以至於生產過程中很難達到全自動化，需要仰賴現場人力調整生產過程中的材料。所以運動品牌業者在考量成本的前提下，都選擇將鞋類生產交給專業的代工廠處理，藉此免去人力管理、材料備貨等等繁瑣工作。
[ 加入 CIO Taiwan 官方 LINE 、 Facebook 與 linkedIn，與全球CIO同步獲取精華見解 ]
而隨著物聯網技術成熟，加上 2013 年德國喊出 工業 4.0 的口號之後，帶動全球製造業邁向智慧製造的浪潮。Adidas、Nike、Reebok 等知名運動品牌公司，也分別推動 Adidas Speedfactory、Nike x Flex（Project Spark）、Reebok Liquid Speed Factory 等。此三大計劃宣布之初，曾經一度讓全球市場為之震驚，不過 Reebok Liquid Speed Factory 僅在2016年生產數百雙鞋子、Nike x Flex（Project Spark）計畫則在 2018 年底終止在墨西哥瓜達拉哈拉（Guadalajara）的製鞋業務。2019 年 11 月 Adidas 宣布在 2020 年 4 月前關閉位於德國、美國的 Speedfactory 工廠。
雷聲大、雨點小 三大智慧製鞋計劃失敗告終
綜觀前述三大智慧製鞋計劃失敗主因，大致上可以歸類成三大點，首先是技術成熟度不足，早期無論是機器人處理柔性材料，或是 3D 列印的大規模化應用等都還不夠成熟，無法達到傳統製造的效率和成本效益。其次是成本效益問題，三大自動製鞋工廠都選擇在歐美等國家設立生產基地，期盼就近供應購買力較強的消費市場。然由於建廠成本、營運費用等都遠高於代工業者聚集的亞洲市場，以至於難以在預定時間內實現損益兩平的目標，最終只能選擇關閉工廠以降低損失。最後則是生產靈活性不足，當自動化製鞋能發揮效益關鍵在單一產品，以至於花費巨資建立的自動化工廠只能生產有限種類的產品，無法滿足大型運動品牌的多樣化品牌策略。
現今以 AI 技術為核心的智慧工廠，更先進的機器人視覺與傳感技術，已經能解決傳統製鞋業難以克服的多項挑戰。首先是透過大量真實世界數據的訓練，AI 模型在機器人控制、圖像識別和決策方面有長足進步，具備因應複雜的製程變數和環境不確定性，藉此達到提高自動化系統的彈性和適應性，因對不同鞋款、不同材料等頻繁切換。其次，相較於過去主要依賴 2D 視覺， AI 視覺系統能夠通過雷射掃描或多個攝影鏡頭之間的搭配，構建鞋面、布料等柔性材料的精確 3D 模型。如此一來，機器人自然能精準識別材料的形狀、位置、甚至細微的褶皺和變形，從而引導機器手臂精確抓取和定位，進而解決柔性材料處理瓶頸的關鍵。
如所羅門推出的機器人自動穿鞋帶機，即以 3D 視覺模組透過 AI 模組搭配，可快速辨識鞋洞、不需耗時調光，可助機械手臂辨識鞋帶洞口位置，再導引手臂將鞋帶精準穿入鞋洞。根據該公司提資料顯示，目前自動穿鞋帶機速度可達到平均每 5 秒穿一鞋孔，與生產線作業員速度接近，此舉將有效解決製鞋業需要大量人工進行重覆性工作的問題。特別是此款機器不限定於特定廠牌、樣式或尺寸的鞋款，也不侷限於運動球鞋，舉凡需要穿鞋帶的休閒鞋、特用鞋皆可適用。
而與寶成集團有深厚合作關係的大氣電漿，其所推出的 ATM-3 3D 空氣極光自動化設備，同樣搭載 AI 技術為核心的 3D 視覺掃描系統，可自動偵測鞋子的材質與種類並排除處理不完整的鞋面，並針對不同鞋型計算最佳電漿處理路徑，並處理鞋底黏合。由於每隻鞋面的平均處理速度僅需 10 秒，同時確保每雙鞋都獲得高品質的處理效果，能大幅降低人工打磨的生產成本，同時避免粉塵汙染問題。
AI Factory 成定局 產業未來發展方向
在前述自動化製鞋工具之外，生成式 AI 在設計端應用也帶來極大效益。首先是設計效率與創意的雙重提升，在傳統設計輔助之外，生成式 AI 能基於設計師輸入的關鍵字、風格或甚至手繪草圖，快速生成數百種甚至數千種獨特的鞋款設計概念、配色方案、圖案和紋理等。此種設計輔助流程，可大幅縮短產品開發週期，並能滿足個性化、多樣化的市場需求。
其次以生成式 AI 技術為核心的數位孿生技術，預先模擬材料、製程等，掌握模擬不同材料在生產過程中可能出現狀況，以便事先採取相對應措施。如不同材料在切割時耗損狀況迥異、縫合時變形也不盡相同等，設計團隊可藉由數位孿生技術協助優化材料利用率，減少浪費，並在設計階段就考慮到可製造性，減少後續生產中的問題。
儘管以生成式 AI 為核心的 AI 工廠，可望助攻製鞋業邁向智慧製造，不過仍然有不少挑戰需要克服。如於製鞋過程中的「鞋面複雜弧線」、「多層材料的精確拼接」等複雜縫紉技術，至今尚且無法運用機器人完全取代，仍然需要經驗豐富的現場作業人員完成。
其次，打造智慧工廠的初期投資金額非常高，如添購機器人、感測器、AI 軟體系統以及基礎設施。在投資回收期限長，加上現今地緣政治因素難料、消費市場需求疲軟的狀況下，即便是代工製鞋業龍頭也不敢貿然大舉投資。可預期會將參考高科技製造業的轉型策略，選擇從部分生產流程優化開始，如部分老舊廠區在升級產線過程中，引進機器人自動穿鞋帶機、鞋面打磨機等智慧化設備等。
在生成式 AI 技術持續進步，以及引進 AI 成本持續降低下，可預期 AI 工廠絕非口號，可望成為製鞋業的未來發展方向。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
