_原题为 阿里巴巴犀牛智造工厂揭开神秘面纱 ， 犀牛智造的AIOT独特之处
本期话题：保密三年 ， 阿里巴巴犀牛智造揭开面纱 。 程序员做裁缝 ， 从消费者到工厂“反向定制”——“按需生产”的柔性制造 ， 将给传统制造带来怎样的变化？相比五年前的C2M模式 ， 犀牛智造有何不同？物联网和智能算法 ， 是否会削弱工人的价值？大数据对产业技工的精准画像和引导 ， 如何兼顾人性？
阿里巴巴秘密开发三年的智能制造工厂“犀牛智造”揭开神秘面纱 。 这间定义为“C2M柔性制造”实验室的工厂 ， 以服装为切入点 ， 根据平台消费行为大数据 ， 为商家和工厂提供时尚趋势预判和对服装生产供应链柔性改造 。
所谓“柔性” ， 就是更有效率地“按需”和“个性化”生产 。 如 ， 传统服装业生产为1000件起订 ， 15天交付 ， 才能做到“不亏本”；但通过柔性制造均摊成本 ， 可以将生产条件变成100件起订、7天交货 。
国家统计局数据显示 ， 1-8月份全国纺织服装类零售总额6936亿元 ， 同比下降15% 。 服装类上市公司上半年近1/4亏损 ， 整体利润同比下滑超30% 。
疫情让服装行业再次意识到数字化的重要 ， 消除库存、降低成本风险 ， “以销定产”是最理想的方式 。 这只“会绣花的犀牛”能解决这个问题吗？


文章图片
犀牛智造工厂车间
C2M发展史 “端到端”的渠道创新
一件普通品牌服装 ， 出厂价到最终专柜售价 ， 通常要翻5-7倍 ， 否则不赚钱 。 为什么呢？假设成本是10元 ， 区域代理商拿货价格要翻倍 ， 经销商和终端零售商还要翻倍 。 在这个过程中 ， 会产生人工、运输、仓储物流、线下店租和过季降价损耗等成本 。
为缓解这个痛点 ， 从2015年起 ， 互联网行业开始尝试让消费者和工厂直接发生联系的C2M商业模式 。
最先出现的是“必要商城”——将个体消费者的需求积少成多 ， 以此为基础与各大品牌服装的代工厂谈判——最终用高于工厂价、但远低于零售价的价格卖给消费者 。 随着消费者订单数激增 ， 平台甚至可以实现一款服装 ， 不同部位的细节定制 。
网易严选也通过C2M模式 ， 将消费者和工厂直接打通 ， 并将商品扩展到日用百货的各个品类 。 随后 ， 京东、拼多多、天猫等平台都相继进行过尝试 。
这种方式的本质是 ， 打通供销两端 ， 消除中间环节和流转成本 。 而这次揭牌的犀牛智造 ， 则是直接下沉建造智能工厂 ， 用数字化的方式“改造”供应链 。
通过以云计算、大数据和物联网为核心的智能化生产线 ， 可以在一个车间内 ， 对十几个不同品类、面料和款式的服装 ， 进行快速灵活的生产 。 用做菜比喻 ， 就像是传统的一口“大锅饭” ， 变成十个小灶 ， 分别由厨师自由配菜炒制 。


文章图片
犀牛智造生产线可视化监控
探秘犀牛智造：“按需生产、技随人走”的AIOT工厂
在犀牛工厂里 ， 都是“数量不大、款式多样、即卖即产”的订单 ， 在这里每块面料都有自己的“身份ID” ， 进厂、裁剪、缝制、出厂都可全链路跟踪；产前排位、生产排期、吊挂路线 ， 都由AI机器来做决策 。
在车间正门的大屏幕上 ， 清晰地显示着生产线的3D布局 ， 车间的每个工位、每张订单的生产情况 ， 都通过物联网和云端采集 ， 实时显示在屏幕上 。
在每个工位上 ， 巨大的机械臂帮助工人完成缝制、剪裁、印花等工序 。 工位上方配有一块屏幕 ， 显示工人的工作效率档案：“姓名、工序名称、难度、劳动量、单位时长、工人效率”都会动态显示 。 数据累积后形成个人的电子档案 。
有了这张“真实、客观、不掺水”的电子技能证书 ， 车间可以灵活调配生产线 ， 如让状态火热的工人 ， 分担状态不佳的工位任务 ， 好员工多劳多得；还可以让工人在分配新订单任务时 ， 承担自己擅长的工序和岗位 。
车间一角的AIOT智能物联网设备 ， 负责在订单转换时的程序调试 。 一方面 ， 捕捉制衣工人对不同面料、款式服装的处理、缝制手法 ， 上传数据；另一方面 ， 通过物联网感知不同订单 ， 自动调校生产线的处理、缝制方式 。 实现不同服装订单的程序转换 。
智能车间投入运营以来 ， 完成过很多传统生产线无法实现的订单：如“7天内 ， 制作出12星座不同图案、不同颜色、不同尺码的T恤衫 ， 只有5000件” 。 未来这种“小、快、灵”的设备工艺 ， 还将输出到千千万万个中小服装企业 。 但智能系统 ， 对传统工厂和工人有什么影响？机器愈发智能 ， 是否意味着更残酷的人力淘汰呢？


文章图片
智能生产线对工人“技能数字化”提出更高要求
犀牛CTO高翔：柔性制造的目标 know how下的“极致平衡”
思远：现在C2M柔性制造有两种 ， 一种是以C端消费者的个性化定制为主；一种是给小型、小额订单为主的工厂做“个性化”定制 。 这两种理念 ， 到底哪个才是真正意义的“柔性制造”呢？ 分页标题
高工：首先要理解一个理念 ， 从最开始对工厂“以产定销” ， 到非常极致、纯粹追求消费者个性化的C2M ， 是一个极左和一个极右的观点 。 市场经济里 ， 当个性化需求可以实现“经济性”的时候 ， 才会得到蓬勃发展 。 所以要基于消费者需求和生产制造效率的平衡 ， 我们要构建出一个端到端的数字化体系 ， 让这样的生态平衡能够发生、聚集、增强 。 作为消费者 ， 您为您身上的衣服做定制是什么时候？很久远了对吧？ 或许我们在某个阶段定制过衣服 ， 但这种消费一定非常低频 。 现在时尚元素和趋势出现 ， 比如像IP插画这样的个性化流行元素 ， 能够被转换成消费者需求 ， 同时又能完成小批量、某类群体消费者的个性化需求的平衡 ， 那就可以做 。 这种“平衡”的受认可度越高 ， 这个市场的规模就越大 。
思远：现在的犀牛智造 ， 更像“实验室” ， 自产自销 。 未来如果跑通 ， 计划向更多的中小服装企业 ， 甚至是其他消费品类制造开放 ， 让产业链上众多中小企业都用这套系统 。 但这样一来 ， 会不会出现“既当运动员 ， 又当裁判员”？
高工：我觉得现在还不到解释这个的时候 ， 因为现在所有工厂端的数字化改革 ， 更多是围绕管理创新、ERP（企业管理系统） ， 真正要把行业的know how（方法论）集成到一个软件数字体系里 ， 是非常艰难、长期的过程 。 我们才刚刚开始 。
举个例子 ， 任何一件衣服部件之间都要缝合对吧 ， 普通人觉得缝起来就可以了；但是专业设计师看来 ， 这是文化的体现 ， 所以看似一样的缝合可能有很多种手法和差异 ， 或者是牛仔裤破个洞 ， 是工艺的表达 ， 这些核心能力的表达和know how被数字化和产品化是我们坚定的方向 。 到目前为止 ， 我们也只是走出第一步 ， 当这个东西成功后 ， 才可以认为我们说工业大脑这个概念真正被落地了 。
思远：选择从服装切入 ， 是不是因为淘宝系的平台数据优势呢？
高工：我们长时间有大量的数据 ， 包括洞悉服装产业链的各环节 ， 知道消费者的喜好 ， 服装是丰富性最强的品类 。 像汽车制造业、装备制造业 ， 虽然也是一种搭配方式 ， 但它的interface（接口）已经固定了 ， 车门和车身的组装、铰链 ， 就那么三种对吧？但服装的组合千变万化 ， 面临着不同的挑战 ， 它的丰富性会更强 ， 比如一个领子肩型有很多种 ， 这是不可枚举的款式数量 。
比如 ， 服装生产过程中的动作手势有50多种 ， 他能够用来生产什么东西 ， 用什么手势什么动作 ， 对于劳动强度最低 ， 对于生产员工体验最好？这就是我们研究的方向 。 智能制造打通了底层逻辑后 ， 未来会有更多的想法和可能 。
思远：不久前 ， “外卖骑手被系统困住”的新闻 ， 再次引发了“人与系统、算法矛盾”的讨论 。 柔性生产让供应链更智能了 ， 技术进步会导致大量工人失业吗？智能生产线的系统和算法 ， 怎样才能尊重人类和人性呢？
高工：这里有两个问题 ， 第一个是工作机会 。 工作机会被变革 ， 但变革不一定是取消 ， 而是到了一个需要人类创新的领域 ， 比如常规的CAD（画图） ， 用人工一笔一笔画 ， 是低附加值的劳动 。 未来的工人岗位会变成数据处理师 ， 他更多是纠正系统的数据处理 ， 这个岗位从原来的重复性岗位变成工程数学型岗位了 ， 对吧？再比如 ， 以前司机的技能之一是认路、记路 。 现在导航技术出来了 ， 对司机的这块技能要求就下降了 ， 他可以用更多精力去做好与乘客的服务关系 。
第二是如何兼顾“人” 。 大家都看到我们那些显示数据的PAD端 ， 会连接到员工手机端 ， 让他们的职业周期得到引导和改善：一个新人 ， 可以根据系统的反馈和建议 ， 从技能上一步步升级 ， 就好比我们在游戏打怪中得到经验 。 他会通过系统知道自己的长短板 ， 通过系统和组织 ， 就可以成长更快 。 要让员工选择自己成长最快的路径 ， 工作岗位的人和系统不是博弈和对抗 ， 而是共生 。 当然这件事 ， 还没有最终做好 ， 但这是我们的目标和方向 。
思远：跳出来看 ， 互联网行业怎么平衡人和技术的关系呢？
高工：你看到我的岗位是CTO兼COO ， 对吧？所以 ， 我会从两个视角去看待：第一 ， 技术是否创造了生产价值？第二 ， 生产者本身如何去看待技术？这是个情感问题 ， 同时是工程技术问题 ， 也是软件工程问题 。