一、服裝制造業(yè)轉(zhuǎn)型為何稱“數(shù)字化轉(zhuǎn)型”

　　而不是“數(shù)據(jù)化轉(zhuǎn)型”

　　數(shù)字化指將許多復(fù)雜的、難以估計(jì)的信息通過(guò)一定的方式變成計(jì)算機(jī)能處理的二進(jìn)制碼，使機(jī)器可以讀懂和處理信息，形成計(jì)算機(jī)里的數(shù)字孿生。數(shù)字化也稱“比特化”，因?yàn)樗梢苑夯揭磺卸加谩?、1”比特值來(lái)表示。

　　而數(shù)據(jù)化是將數(shù)字化的信息進(jìn)行分析使之成條理，通過(guò)智能和多維的分析并查詢回溯，為決策提供有力的數(shù)據(jù)支撐。數(shù)據(jù)的表達(dá)方式是數(shù)字，所以數(shù)據(jù)的概念要大于數(shù)字的概念，由此可說(shuō)數(shù)字化帶來(lái)了數(shù)據(jù)化，數(shù)據(jù)化是數(shù)字化進(jìn)程的一個(gè)方向，但是數(shù)字化又無(wú)法取代數(shù)據(jù)化，數(shù)字化能應(yīng)用在數(shù)據(jù)化，于是，服裝企業(yè)的轉(zhuǎn)型稱為“數(shù)字化轉(zhuǎn)型”。

　　二、為什么說(shuō)數(shù)據(jù)是服裝智能制造的資產(chǎn)

　　數(shù)據(jù)資產(chǎn)的概念是由信息資源和數(shù)據(jù)資源的概念演變而來(lái)的。20世紀(jì)七十年代，人們把信息看作人力、物質(zhì)、財(cái)務(wù)和自然等重要資源；20世紀(jì)九十年代,隨著政府和企業(yè)的數(shù)字化轉(zhuǎn)型而產(chǎn)生了數(shù)據(jù)資源，當(dāng)然此時(shí)是在信息的數(shù)字變?yōu)閿?shù)據(jù)再集結(jié)到一定規(guī)模后，才被稱作數(shù)據(jù)資源；21世紀(jì)初,由于大數(shù)據(jù)技術(shù)的興起及應(yīng)用產(chǎn)生了數(shù)據(jù)資產(chǎn), 數(shù)據(jù)管理、數(shù)據(jù)應(yīng)用、數(shù)字經(jīng)濟(jì)的發(fā)展使得數(shù)據(jù)資產(chǎn)得到普及。所以，數(shù)據(jù)資產(chǎn)是一個(gè)數(shù)據(jù)集，包含數(shù)據(jù)權(quán)限（指所有權(quán)、使用權(quán)、探索權(quán)），且有價(jià)值、可衡量、可讀取、可交易。

　　2020年4月9日，中共中央國(guó)務(wù)院公布的《關(guān)于構(gòu)建更加完善的要素市場(chǎng)化配置體制機(jī)制的意見(jiàn)》中，明確指出生產(chǎn)要素包括土地、勞動(dòng)力、資本、技術(shù)、數(shù)據(jù)這五類(lèi), 這五要素也是資產(chǎn)，即土地資產(chǎn)、勞動(dòng)力資產(chǎn)、資本資產(chǎn)、技術(shù)資產(chǎn)及數(shù)據(jù)資產(chǎn)。

　　近幾年，全球數(shù)據(jù)年均增速都在20%以上。數(shù)據(jù)資產(chǎn)的增速遠(yuǎn)超技術(shù)、人力、資金、土地資產(chǎn)的增速。據(jù)國(guó)際數(shù)據(jù)公司IDC發(fā)布的統(tǒng)計(jì)數(shù)據(jù)顯示，2018年中國(guó)的數(shù)據(jù)產(chǎn)生量約占全球的23%，僅低于EMEA（歐洲、中東、非洲）約30%的數(shù)據(jù)產(chǎn)生量，是國(guó)際上名列前茅的數(shù)據(jù)資源大國(guó)和全球數(shù)據(jù)中心，由圖一可見(jiàn)，其中APJxC代表亞太和日本地區(qū)占18%。

圖一   全球數(shù)據(jù)分布域

　　據(jù)國(guó)際數(shù)據(jù)公司（IDC）發(fā)布的《數(shù)據(jù)時(shí)代2025》顯示，全球每年產(chǎn)生的數(shù)據(jù)將從2018年的33ZB（1ZB=10萬(wàn)億億字節(jié)）增長(zhǎng)至175ZB，相當(dāng)于每天產(chǎn)生491EB（1EB=1.1529e+18 字節(jié)）的數(shù)據(jù)。據(jù)IDC預(yù)測(cè)，2020年，全球數(shù)據(jù)量達(dá)到44ZB，2035年將達(dá)到1.9萬(wàn)ZB。見(jiàn)圖二。

圖二  全球數(shù)據(jù)增量趨勢(shì)

　　由上圖可知, 全球數(shù)據(jù)增量趨勢(shì)是符合新摩爾定律的。2004年，全球數(shù)據(jù)總量為30EB，2005年達(dá)到50EB。至2015年，數(shù)據(jù)快速增長(zhǎng)，達(dá)到了驚人的7900EB，2020年達(dá)到35000EB。這代表過(guò)去兩年產(chǎn)生的數(shù)據(jù)是整個(gè)人類(lèi)文明所產(chǎn)生全部數(shù)據(jù)的90%。

　　這意味著全球數(shù)據(jù)資產(chǎn)的增加。作為資本資產(chǎn)的所有者，只有使用了數(shù)據(jù)資產(chǎn)才能體現(xiàn)出數(shù)據(jù)的價(jià)值。數(shù)據(jù)的價(jià)值和以下一些因素相關(guān)：數(shù)據(jù)應(yīng)用頻次高、集聚多，數(shù)據(jù)價(jià)值越高；反之，數(shù)據(jù)時(shí)效長(zhǎng)、分享多，數(shù)據(jù)價(jià)值越低。

　　對(duì)服裝制造業(yè)而言,何時(shí)、將什么樣的數(shù)據(jù)、以何種方式傳遞給人和機(jī)器，是最合理優(yōu)化制造的科學(xué)性、實(shí)時(shí)性和有效性的關(guān)鍵，而數(shù)據(jù)的全自動(dòng)化流動(dòng)的本質(zhì)就是用數(shù)據(jù)驅(qū)動(dòng)企業(yè)運(yùn)行，圖三詮釋了這個(gè)過(guò)程。

圖三 企業(yè)運(yùn)行的數(shù)據(jù)全自動(dòng)流動(dòng)（來(lái)源:網(wǎng)絡(luò)）

　　作為資產(chǎn)的數(shù)據(jù)有它獨(dú)有的特征：可交易，具有資源豐富、更新頻繁、類(lèi)別多樣等信息價(jià)值；可流通使用，具有持續(xù)產(chǎn)生和不斷創(chuàng)造價(jià)值的自然增值屬性；具備滿足人類(lèi)生存和發(fā)展的多維性，以及零成本無(wú)限共享和集聚使用價(jià)值高等。

　　我國(guó)制造業(yè)智能制造的落地需要與企業(yè)信息化、數(shù)字化、智能化三步戰(zhàn)略相結(jié)合并逐步推進(jìn)。企業(yè)信息化是數(shù)據(jù)、知識(shí)采集的基礎(chǔ)，也是決策智能化的啟動(dòng)階段；企業(yè)數(shù)字化轉(zhuǎn)型階段需要將企業(yè)各領(lǐng)域的數(shù)據(jù)知識(shí)進(jìn)行采集、清洗、分析處理，形成可用的、有價(jià)值的大數(shù)據(jù)資產(chǎn)；企業(yè)智能化階段是充分應(yīng)用大數(shù)據(jù)資產(chǎn)實(shí)現(xiàn)企業(yè)業(yè)務(wù)的智能化,也就是實(shí)現(xiàn)企業(yè)的智能制造。見(jiàn)圖四。由此可見(jiàn),在企業(yè)實(shí)現(xiàn)智能制造三步戰(zhàn)略進(jìn)程中,數(shù)據(jù)價(jià)值在不斷地遞升，那就是有了數(shù)據(jù)才有大數(shù)據(jù)，有了大數(shù)據(jù)才有人工智能，有了人工智能才能實(shí)現(xiàn)智能制造。

圖四 企業(yè)信息化數(shù)字化智能化三步戰(zhàn)略

　　應(yīng)用好數(shù)據(jù)資產(chǎn)是制造業(yè)轉(zhuǎn)型于智能制造的關(guān)鍵。圖五可以看出全球大數(shù)據(jù)2011—2027年市場(chǎng)規(guī)模預(yù)測(cè)(億美元)。我國(guó)大數(shù)據(jù)產(chǎn)業(yè)生態(tài)聯(lián)盟及賽迪發(fā)布的《2020中國(guó)大數(shù)據(jù)產(chǎn)業(yè)發(fā)展白皮書(shū)》，預(yù)測(cè)到2020年，中國(guó)大數(shù)據(jù)產(chǎn)業(yè)整體市場(chǎng)規(guī)模將達(dá)到6670.2億元，到2022年將突破萬(wàn)億元。根據(jù)這個(gè)數(shù)據(jù)進(jìn)一步預(yù)判，到2025年中國(guó)大數(shù)據(jù)產(chǎn)業(yè)整體市場(chǎng)規(guī)模將達(dá)到17568億元左右（圖六）。

圖五  2011-2027年全球大數(shù)據(jù)市場(chǎng)規(guī)模預(yù)測(cè)

圖六  2020—2025中國(guó)大數(shù)據(jù)產(chǎn)業(yè)規(guī)模

　　由此看出，大數(shù)據(jù)的發(fā)展意味著，企業(yè)發(fā)展智能制造是結(jié)合了大數(shù)據(jù)技術(shù)和人工智能技術(shù)來(lái)實(shí)踐的。

　　三、服裝制造業(yè)如何用好數(shù)據(jù)資產(chǎn)

　　大數(shù)據(jù)技術(shù)包括數(shù)據(jù)采集、保管、存儲(chǔ)、搜索、共享、傳遞、分析和可視化, 以下三方面為重中之重：

　　制造業(yè)的大數(shù)據(jù)主要為產(chǎn)品數(shù)據(jù)、運(yùn)營(yíng)數(shù)據(jù)、價(jià)值鏈數(shù)據(jù)和外部數(shù)據(jù)。其中工業(yè)大數(shù)據(jù)主要來(lái)源于機(jī)器設(shè)備數(shù)據(jù)、工業(yè)信息化數(shù)據(jù)和產(chǎn)業(yè)鏈相關(guān)數(shù)據(jù)等（見(jiàn)圖七）, 當(dāng)然還包括海量的Key-Value數(shù)據(jù)、文檔數(shù)據(jù)、接口數(shù)據(jù)、視頻數(shù)據(jù)、圖像數(shù)據(jù)、音頻數(shù)據(jù)等等。

　　常用的數(shù)據(jù)采集方式多為不同類(lèi)型的工業(yè)傳感器和RFID射頻技術(shù)等。

圖七  制造業(yè)工業(yè)大數(shù)據(jù)來(lái)源

　　采集到的數(shù)據(jù)需要進(jìn)行分析。數(shù)據(jù)分析處理可以追溯到1999年歐盟SIG組織提出的標(biāo)準(zhǔn)模型“CRISP-DM”，該標(biāo)準(zhǔn)的流程為：商業(yè)理解——明確目標(biāo)，分析需求；數(shù)據(jù)理解——采集、描述、探索、檢驗(yàn)、數(shù)據(jù)；數(shù)據(jù)準(zhǔn)備——選擇、清洗、構(gòu)造、整合、格式化數(shù)據(jù)；建立模型——選擇建模技術(shù)、參數(shù)調(diào)優(yōu)、測(cè)試 計(jì)劃、構(gòu)建模型；評(píng)估模型——模型全面評(píng)價(jià)、評(píng)價(jià)結(jié)果、重審過(guò)程；結(jié)果部署——分析結(jié)果、方案實(shí)施應(yīng)用（圖八）。

圖八   大數(shù)據(jù)分析標(biāo)準(zhǔn)流程CRISP-DM

　　應(yīng)用分析后的數(shù)據(jù)，才是大數(shù)據(jù)的意義所在，在服裝制造業(yè)中指的是：

　?。?）加工設(shè)備狀態(tài)數(shù)據(jù)分析

　　對(duì)分析后的數(shù)據(jù)進(jìn)行輸出和展示，可以讓工作人員在第一時(shí)間了解生產(chǎn)過(guò)程中的實(shí)時(shí)狀態(tài)、加工工藝數(shù)據(jù)等，以便于做出快速、及時(shí)和科學(xué)的對(duì)策。

　?。?）生產(chǎn)制造工藝數(shù)據(jù)優(yōu)化

　　主要表現(xiàn)在兩方面：①設(shè)備工藝參數(shù)監(jiān)控，將采集到的設(shè)備工藝參數(shù)，如溫度、壓力等，與設(shè)定的標(biāo)準(zhǔn)參數(shù)進(jìn)行實(shí)時(shí)比對(duì)與管控，從而實(shí)現(xiàn)對(duì)生產(chǎn)過(guò)程進(jìn)行實(shí)時(shí)、動(dòng)態(tài)、嚴(yán)格的工藝控制，確保產(chǎn)品質(zhì)量的穩(wěn)定性；②加工工藝改進(jìn)與優(yōu)化，對(duì)制造過(guò)程的主要工藝參數(shù)與完工后的產(chǎn)品合格率進(jìn)行綜合分析，便于對(duì)加工工藝進(jìn)行改進(jìn)與優(yōu)化。

　?。?）生產(chǎn)過(guò)程追溯

　　通過(guò)產(chǎn)品加工制造的過(guò)程數(shù)據(jù)實(shí)現(xiàn)對(duì)產(chǎn)品制造歷史的追溯，達(dá)到問(wèn)題復(fù)現(xiàn)、質(zhì)量追溯等目的。

　　數(shù)據(jù)資產(chǎn)安全在服裝制造業(yè)存在三個(gè)問(wèn)題，一是數(shù)據(jù)資產(chǎn)繁雜，數(shù)據(jù)風(fēng)險(xiǎn)無(wú)法量化；二是數(shù)據(jù)安全風(fēng)險(xiǎn)較大，數(shù)據(jù)使用中沒(méi)有動(dòng)態(tài)數(shù)據(jù)權(quán)限管控；三是數(shù)據(jù)安全風(fēng)險(xiǎn)面廣。如何保護(hù)數(shù)據(jù)安全，十分重要。這里羅列部分?jǐn)?shù)據(jù)安全方案:

　?。?）戴爾“避風(fēng)港”方案（Cyber Recovery Vault）。它具有Air Gap網(wǎng)閘隔離機(jī)制和副本鎖定機(jī)制，以阻斷勒索軟件接觸的可能，從而大大降低病毒感染備份數(shù)據(jù)的機(jī)率。備份數(shù)據(jù)存儲(chǔ)在生產(chǎn)端的存儲(chǔ)設(shè)備上之后，與Cyber Recovery Vault區(qū)存儲(chǔ)設(shè)備建立復(fù)制鏈接，通過(guò)內(nèi)部網(wǎng)絡(luò)和專用接口，將備份數(shù)據(jù)從生產(chǎn)中心復(fù)制到Cyber Recovery Vault區(qū)（數(shù)據(jù)隔離保存庫(kù)）。Cyber Recovery Vault區(qū)對(duì)網(wǎng)絡(luò)攻擊者“隱身”，阻斷勒索軟件感染備份資料的機(jī)率。一旦數(shù)據(jù)同步完畢即可關(guān)閉Air Gap網(wǎng)閘，數(shù)據(jù)訪問(wèn)路徑被斷開(kāi)禁用。同時(shí)，為了防止備份文件被惡意刪除，系統(tǒng)可對(duì)隔離保存庫(kù)內(nèi)的數(shù)據(jù)進(jìn)行鎖定，以保證備份數(shù)據(jù)拷貝副本不可加密、不可篡改、不可刪除。

　?。?）谷歌云平臺(tái)。企業(yè)可以在數(shù)據(jù)保護(hù)得到保障的情況下過(guò)渡到云平臺(tái)。谷歌云平臺(tái)已完成平臺(tái)向開(kāi)放性和云計(jì)算的巨大轉(zhuǎn)變，為企業(yè)帶來(lái)了更強(qiáng)大的數(shù)據(jù)資產(chǎn)和更好更安全的數(shù)據(jù)分析能力。谷歌云平臺(tái)開(kāi)放式基礎(chǔ)設(shè)施讓客戶可以選擇最適合自身業(yè)務(wù)的上云路徑。有了谷歌云的基礎(chǔ)設(shè)施、數(shù)據(jù)和人工智能機(jī)器學(xué)習(xí)解決方案，將數(shù)據(jù)上云并分析處理就很容易了。

　?。?）具有安全管控系統(tǒng)的曙光大數(shù)據(jù)平臺(tái)。曙光大數(shù)據(jù)平臺(tái)是結(jié)合大數(shù)據(jù)技術(shù)的海量數(shù)據(jù)智能分析處理解決方案,能幫助企業(yè)用戶快速構(gòu)建高效、智能、易用的一體化大數(shù)據(jù)系統(tǒng)，挖掘數(shù)據(jù)價(jià)值。曙光大數(shù)據(jù)分析平臺(tái)采用融合的技術(shù)架構(gòu)，深度實(shí)現(xiàn)存儲(chǔ)融合、計(jì)算融合、調(diào)度融合、多源數(shù)據(jù)融合、業(yè)務(wù)流程融合，構(gòu)建體系化融合的整體系統(tǒng)（圖九）。

圖九  曙光大數(shù)據(jù)平臺(tái)架構(gòu)

　　（4）創(chuàng)新奇智的“Orion自動(dòng)化機(jī)器學(xué)習(xí)(AutoML)平臺(tái)”。該平臺(tái)主要幫助客戶用好數(shù)據(jù)資產(chǎn)，提高數(shù)據(jù)決策能力,賦能客戶運(yùn)行業(yè)務(wù)。該平臺(tái)是一套符合未來(lái)數(shù)據(jù)智能范式的，擁有可靈活選擇、配置的三層結(jié)構(gòu)，面向企業(yè)客戶，以私有化部署為主的系列產(chǎn)品和解決方案。Orion數(shù)據(jù)智能引擎主要包括三大產(chǎn)品單元,即：①Orion IRC---智能資源調(diào)度管理，提供計(jì)算資源管理和數(shù)據(jù)資產(chǎn)地圖；②Orion DAC---智能數(shù)據(jù)融合管理，支持?jǐn)?shù)據(jù)動(dòng)態(tài)融合，實(shí)現(xiàn)數(shù)據(jù)供應(yīng)鏈；③Orion AML---自動(dòng)化機(jī)器學(xué)習(xí)，基于數(shù)據(jù)完成智能決策。

　?。?）TalkingData數(shù)據(jù)安全島平臺(tái)。TalkingData“安全島”是基于業(yè)界領(lǐng)先的可信的數(shù)據(jù)計(jì)算技術(shù)，構(gòu)建起安全合規(guī)的多方數(shù)據(jù)融通一站式平臺(tái)，提供面向不同業(yè)務(wù)場(chǎng)景的數(shù)據(jù)產(chǎn)業(yè)化應(yīng)用與價(jià)值釋放新模式。為了能夠平滑地將TalkingData的數(shù)據(jù)服務(wù)和數(shù)據(jù)能力完整地應(yīng)用于客戶這一側(cè)，所開(kāi)發(fā)的安全島解決方案,其實(shí)就是一個(gè)安全計(jì)算平臺(tái)，其出發(fā)點(diǎn)是讓客戶在平臺(tái)上實(shí)現(xiàn)安全合規(guī)的數(shù)據(jù)價(jià)值交換，隔離雙方的隱私問(wèn)題，幫助客戶彌補(bǔ)數(shù)據(jù)能力上的不足，真正釋放數(shù)據(jù)的價(jià)值。

　　四、數(shù)據(jù)資產(chǎn)在服裝智能制造中的應(yīng)用舉例

　　前面說(shuō)到數(shù)據(jù)與智能制造之間的關(guān)聯(lián)。實(shí)現(xiàn)智能制造必須要有真正落地的人工智能,而真正的人工智能又要依靠大數(shù)據(jù)、先進(jìn)算法模型和超大的計(jì)算能力(例如CPU/GPU/TPU)來(lái)實(shí)現(xiàn)（圖十）。

圖十  落地的人工智能相關(guān)技術(shù)

　　智能設(shè)計(jì)、智能生產(chǎn)、智能管理以及集成優(yōu)化等內(nèi)容構(gòu)成服裝的智能制造，而大數(shù)據(jù)資產(chǎn)的本質(zhì)就是實(shí)現(xiàn)這些智能制造。以下是示例：

　　服裝企業(yè)依靠大數(shù)據(jù)戰(zhàn)略拓寬服裝行業(yè)調(diào)研數(shù)據(jù)的廣度和深度，服裝市場(chǎng)構(gòu)成、細(xì)分市場(chǎng)特征、消費(fèi)者需求和競(jìng)爭(zhēng)者狀況等因素都可從大數(shù)據(jù)中得到，再通過(guò)系統(tǒng)的信息數(shù)據(jù)收集、管理和分析，得出解決問(wèn)題的方案和建議，保證企業(yè)產(chǎn)品在市場(chǎng)定位的獨(dú)具性，提高企業(yè)產(chǎn)品在市場(chǎng)的接受度。服裝市場(chǎng)會(huì)根據(jù)大數(shù)據(jù)給出的區(qū)域人口分布、消費(fèi)水平、產(chǎn)品認(rèn)知、客戶消費(fèi)習(xí)慣、工作消費(fèi)喜好等因素進(jìn)行分析，得出市場(chǎng)定位，為企業(yè)進(jìn)入或開(kāi)拓服裝市場(chǎng)提供數(shù)據(jù)支持。

　　例如，通過(guò)整理數(shù)據(jù)得知，在2019年雙十一期間一天能銷(xiāo)售約474萬(wàn)條秋褲，在此情況下針對(duì)銷(xiāo)量超過(guò)5000萬(wàn)條的全年中國(guó)人秋褲市場(chǎng)作了深入調(diào)查,預(yù)測(cè)出2020年應(yīng)加強(qiáng)價(jià)格在100--500元以內(nèi)的秋褲投入（圖十一）。

圖十一  秋褲價(jià)格分布（來(lái)源:CDA）

　　我們現(xiàn)在的服裝設(shè)計(jì)仍然采用尚未智能化的傳統(tǒng)服裝CAD進(jìn)行，如果采用了智能CAD，它就可替代設(shè)計(jì)師。例如，2019年美國(guó)麻省理工學(xué)院利用AI技術(shù)中的GAN模型進(jìn)行服裝設(shè)計(jì)。所謂GAN是一種深度學(xué)習(xí)模型，全稱是“ Generative Adversarial Networks”，中文為“生成式對(duì)抗網(wǎng)絡(luò)”。GAN設(shè)計(jì)出兩個(gè)神經(jīng)網(wǎng)絡(luò)，通過(guò)一個(gè)生成、一個(gè)判斷進(jìn)行博弈。例如在連衣裙的設(shè)計(jì)上,研究人員收集了大約 5000張過(guò)去的連衣裙時(shí)裝樣式的圖片大數(shù)據(jù)，一個(gè)為GAN的生成模型，一個(gè)為GAN的相對(duì)抗的判斷模型，隨后通過(guò)幾天的訓(xùn)練，就可得到新設(shè)計(jì)的連衣裙時(shí)裝樣式，見(jiàn)圖十二，圖中左側(cè)為過(guò)時(shí)的服裝圖像大數(shù)據(jù)，右側(cè)為AI技術(shù)利用大數(shù)據(jù)生成的新款時(shí)裝。

圖十二   用GAN設(shè)計(jì)制作服裝

圖十三 大數(shù)據(jù)技術(shù)應(yīng)用于服裝加工工藝參數(shù)的調(diào)優(yōu)

　　縫紉機(jī)的參數(shù)影響其運(yùn)行，例如縫制車(chē)速、縫線張力、線跡形式、線跡大小等。在縫制前需要預(yù)先設(shè)置參數(shù)，最優(yōu)縫制參數(shù)可通過(guò)參數(shù)大數(shù)據(jù)和人工智能中的機(jī)器視覺(jué)技術(shù)、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)得出，從而達(dá)到最好的服裝縫制質(zhì)量（圖十三）。