啟動數位轉型 帶動紡織業升級
紡織產業被認為是重度仰賴人工作業的傳統產業，臺灣富綢纖維積極推動數位轉型，朝向智慧製造邁進，期盼帶動產業升級的風潮。
採訪／施鑫澤‧文／林裕洋‧刊期／2022.12
憑藉著優異技術人力、便宜土地成本，臺灣曾經是享譽全球的紡織王國。然而隨著臺灣經濟起飛後，面對薪資成本快速攀升、環保意識抬頭下，1980 年代紡織業者大舉將產線外移到生產成本更低廉的國家，如中國、越南等地。而部分以生產布料為主的紡織業上游業者，則選擇持續根留臺灣，投入高價值的布料研發與生產，持續坐穩全球市場的龍頭地位。
如與日本、美國、中東及歐洲等地服飾、家飾品牌和零售商等，保有長期合作關係的臺灣富綢纖維，致力透過創新研發維持在市場的領導地位。且該公司早在 30 年前就導入 ERP 系統，透過引進資訊化、數位化等機制，強化自身營運體質，加快回應市場的速度。而 2019 年透過參與經濟部工業局的「產業數位轉型提升專案」，再度啟動數位轉型之旅，朝工業 4.0 的目標前進。
臺灣富綢纖維董事長莊燿銘指出，過往紡織產業被認為是重度仰賴人工作業的傳統產業，進而導致年輕人投入產業意願過低。多年前，在工業局協助下，我們了解到工業 4.0 帶來的效益，也認為這是臺灣紡織業未來發展的方向。透過參與工業局的產業數位轉型提升專案，我們能藉由 AI 技術改變公司營運體質，進而朝向數位化發展，期盼透過實踐產線自動化、企業數位化等方式，帶動更多同業啟動數位轉型之旅，扭轉過往紡織產業給民眾的刻板印象。
快時尚風潮席捲全球 少量多樣成常態
創立於 1973 年的臺灣富綢纖維，憑藉著團隊合作、創新研發的精神和多年累積的專業經驗，專精於提供聚酯長纖布料並發展出 ELASLANA （毛彈布料）、Life－Wear（時尚機能布料）、個人防護布料；加工絲則提供單絲、複合絲等優質產品至世界各地。除此之外，該公司更積極更新生產設備，藉由紗、織一貫廠的優勢，持續開發新產品，以提供最新和最高品質的產品及服務給的顧客。此外，臺灣富綢纖維也積極地發展與下游廠商的策略聯盟，更期許未來能自有染整廠，並進一步延伸至終端消費品的供應。
發源於歐洲的快時尚風潮，在過去廿多年逐步席捲全球市場，也改變紡織業發展的生態，紡織上游供應商為滿足全球服飾品牌客戶的要求，必須盡可能縮短交貨期。具備自主研發與生產能力的臺灣富綢纖維，憑藉著敏銳的時尚趨勢預測、研究發展設計團隊、精實的生產設備，結合精良的生產技術、新穎的素材、流行的產品設計、獨特的染整後加工等各項研發工作，成為主要品牌的布料供應商之一。
莊燿銘表示，快時尚的訂單模式是少量多樣及高度客製化，臺灣富綢纖維是客戶下單後才能進行生產，大約需在 45~60 天內交貨。在疫情衝擊下，全球供應鏈都陷入不穩定的狀態，客戶要求上游廠商縮短交貨期，從 45～60 天縮減至 45 天之內。但是要達成此目標，必須每個環節都需要盡可能縮短時間，然過去我們資料要輸入 ERP 系統時，都是仰賴人工抄寫生產機臺資料，最後再輸入至 ERP 系統中，不僅耗時且可能會有人為輸入錯誤的問題。要改善此種狀況，唯有打造機聯網的環境，才能讓生產機臺的資料能夠自動進入 ERP 系統，才能在系統發生狀況第一時間進行處理，於是便決定在 5 年前開始推動數位轉型。
打造機聯網環境 奠定數位轉型基礎
身兼臺灣區絲織工業同業公會理事長的莊燿銘，向來非常關注全球趨勢與創新科技發展，深知數位轉型專案必須從數位化著手，再透過數位優化之後，最後才能推動數位轉型專案。於是在引進專為紡織業設計的新世代 ERP 系統，取代使用多年的第二代 ERP 系統外，也要讓生產機臺具備聯網的能力，讓資料能夠自動傳輸到 ERP 系統之中。
只是臺灣富綢纖維的生產設備購買時間不一，部分新購買設備僅須加裝專屬模組，即可自動將生產資訊傳送到 ERP 平臺中。部分老舊設備則需尋求系統廠商協助，透過額外加裝感測器等元件方式，才能升級到可傳送生產資料的功能。
莊燿銘指出，對於無法加裝任何感測器的設備，我們也為現場同仁開發專屬 App，補足機聯網最後一塊拼圖。同仁可在手機、平板上輸入相關資訊後，系統就會自動將資料傳送到 ERP 系統之中。此時，我們剛好得知經濟部工業局推動產業數位轉型提升專案，在提供經費補助之外、還有專家提供輔導協助，所以我們決定爭取參與此計畫，推動數位紡織 AI 驅動再造計畫 。
數位紡織AI驅動再造計畫 聚焦三大目標
數位紡織 AI 驅動再造計畫的核心，是以 AI 技術針對 DL 織品瑕疵檢測、AI 製程改善決策、主動式產品推薦等三大目標進行再造，期盼讓營運體質邁向數位化。在 DL 織品瑕疵檢測部分，是希望藉由機器學習或深度學習等技術，減少傳統人工目檢作業，讓原本僅能負責單臺驗布作業的驗布員，可同時監看多部生產機臺，進而達到增加單位時間內可檢驗之布疋數量。除能減少對於人工作業的依賴，同時亦可讓既有員工朝向高附加價值的工作發展，讓企業得以更有條件的朝向轉型發展。
其次，在 AI 製程改善決策部分，主要是考量到傳統產線作業流程中，當品管人員發現布號出現瑕疵時，將由檢驗主管會同織造、生管等跨單位，追查發生瑕疵讀原因，平均肇因分析所需時間為 3 小時。所以臺灣富綢纖維期待透過引進機器學習方法，分析生產過程中不同機臺及原料之組合，以便能在發現織品異常時，可透過該模型進行肇因分析並回饋改善決策建議，以縮短因肇因分析所導致的停工時間。
再者，順利將過往分散於資訊系統中的生產資料，從原料供應商、供應批號、報工紀錄、作業機臺，一直到生產履歷最後一站的驗布紀錄完整串接，進行有效關聯。隨後進一步透過機器學習等方法，探討生產過程中不同生產組合，以及各機臺參數水平設計等因子對各類瑕疵的影響，並建立機臺重要因子和品質的關聯模型。
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ，與全球 CIO 同步獲取精華見解 ]
在導入 AI 製程改善決策服務之前，臺灣富綢纖維產線機臺稼動率為 87%。導入後，憑藉製程改善決策演算的輔助，將可有效限縮肇因追查範圍，免去產線各站人員跨站逐一追查肇因，進而節省 73.8% 肇因分析的時間，整體產線機臺稼動率將可提昇至 88.3%。
「消費者的需求愈來愈多變，服飾品牌商的採購需求也隨之愈來愈多樣化，所以在主動式產品推薦部分，則是希望調整過往我們對客戶的銷售模式，以協助客戶因應消費市場變化。」莊燿銘解釋：「我們是希望能透過既有銷售資料，如客戶資料、購買紀錄等與外部開放資料等， 以大數據分析方式得知客戶的採購習慣與潛在需求。再結合歷年銷售金額、銷售數量、客戶營運型態、銷售區域、布種類別等，進行客戶分群。如此一來，便有助於提升業務端的有效顧客觸及與產品推薦，使得能更有效率地配置行銷資源與銷售族群進行互動。」
長久以來，臺灣紡織業多採接單代工的作業型態，針對終端市場的消費者注意 力與品牌商採購行為關注相對薄弱，故僅能採取被動銷售。所以主動式產品推薦主要針對近年的銷售資訊，如銷售金額、客戶資本額、銷售區域等進行彙整關聯，透過 RFM模型的建立重新掌握客戶特徵輪廓。後續業務要進行客戶拜訪前，便可依據品牌終端用途、同質性客戶等不同面向，從系統獲得銷售產品推薦資訊，進而達到精準行銷。
經實地驗證，藉由客戶分群以及採購習慣觀察，業務可較精準命中客戶需求，在前五大布種推薦平均精確率達 96.01%，預期將可為公司年銷售額帶來 4% 的幅度成長。
AI技術加持 檢驗效率提昇95%
參與經濟部工業局推動產業數位轉型提升專案後，臺灣富綢纖維認為有助於提昇整體競爭力，能更迅速地面對外部環境的快速變動。以 DL 織品瑕疵檢測為例，憑借著機器視覺的輔助，有助於屏除人力視覺疲勞的因素下，穩定地針對待驗布疋進行取像作業。過往在人工目檢作業的配置下，臺灣富綢纖維每位目檢員每月約可檢驗 62 千碼。導入 DL 織品瑕疵檢測服務導入應用，在檢出率達 95%、FNR<4%、FPR<18% 的效能下，每臺自動驗布機每月約可檢驗 121千碼，織品檢驗作業效率提昇 95%，讓既有廠內目檢驗布作業成本得以下降。
莊燿銘指出，在執行 DL 織品瑕疵檢測過程中，我們特別安排專業驗布師傅進行瑕疵點位標注，讓人工智慧演算法可針對圖片與標注檔進行特徵學習。於過程中，發現影像標注的精細度與影像資料量，會影響到 DL 模型的學習效果，所以 AI 工程師與專業驗布師傅進行多次的跨域知識討論，並由持續影像收集與反覆模型優化，才得以收斂至計畫預定之瑕疵檢驗水準。
持續進行成果優化 邁向智慧製造
莊燿銘說，在本次計畫執行過程中，我們發現未來仍有很多地方值得再深耕精進，以 DL 織品瑕疵檢測為例，在穩定、高效的瑕疵檢出作業下，將會考慮依照可否運用 AI 協助，依據瑕疵分佈找到最符合經濟效益布疋裁切，以減少無謂的成本浪費。至於 AI 製程改善決策部分，未來我們會延伸至過程中，收集生產機臺各元件的感測資料。
在臺灣富綢纖維規劃中，未來將持續提升自身應變能力、服務和產品性能，以因應劇烈且快速的環境改變，並穩定得提供高品質的服務和產品給合作夥伴。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
