Google 雲端平台與機器學習為台灣老字號和明紡織挹注新氣象,縮減開發時程迎接產業挑戰

2018.03.08 04:59PM
gg20_8.jpg

Google 在全球積極的推動人工智慧應用,而稍早也分享了台灣老字號和明紡織如何藉由 Google Cloud 平台與機器學習協助產業轉型,為高度人力密度的紡織產業帶來更高的效率,協助和明面對由快時尚、新興設計師品牌等產業變化帶來的挑戰:和明紡織是至今仍在台灣台南深耕的台灣老字號紡織公司,而在十年前和明就開始思索該如何因應數位轉型,以及數位化可謂傳統產業帶來哪些變革。

是Google 雲端平台與機器學習為台灣老字號和明紡織挹注新氣象,縮減開發時程迎接產業挑戰這篇文章的第1圖

紡織產業至今仍是高度人力密集的產業,對於這項產業的重點就在於面料,為客戶需求提供合適的面料設計是相當重要的,和明目前在台北與台南共有三座存放布料的倉庫,但由於經年月累下來累積的面料設計相當多,要從大量的倉庫當中找到合乎客戶需求的樣品宛如大海撈針,甚至為了找到特定一款面料的樣品需要花費 40-45 天以上的時間,最終往往乾脆重新打樣,然而如此一來很容易產生重複設計的面料,需要更有效率的方式管理海量的面料樣品。

是Google 雲端平台與機器學習為台灣老字號和明紡織挹注新氣象,縮減開發時程迎接產業挑戰這篇文章的第2圖

是Google 雲端平台與機器學習為台灣老字號和明紡織挹注新氣象,縮減開發時程迎接產業挑戰這篇文章的第3圖

但藉由傳統方式管理各式面料樣品並不容易,因為面料包括顏色、紋路設計、織法等都有許多不同的差異;而和明看到機器學習在影像辨識與分類上的優勢,選擇以 Google Cloud 平台結合 TensorFlow 進行機器學習,並以 app 提供便利的樣式資料庫平台。

是Google 雲端平台與機器學習為台灣老字號和明紡織挹注新氣象,縮減開發時程迎接產業挑戰這篇文章的第4圖

和明先將面料進行翻拍,同時以人工設立標籤以及布料特徵分類後,再透過機器學習的方式訓練模型,最終產生布料樣式的檔案;然而在模型的建立期間,和明也遭遇了理想與現實的問題,和明原本預計在模型建立時使用非監督式的方式,也就是讓系統自行進行分類,然而辨識的精確度低,故和明最後由面料設計師協助,先進行基礎的分類後再讓系統進行訓練,使模型能夠合乎實際使用的需要。

是Google 雲端平台與機器學習為台灣老字號和明紡織挹注新氣象,縮減開發時程迎接產業挑戰這篇文章的第5圖

是Google 雲端平台與機器學習為台灣老字號和明紡織挹注新氣象,縮減開發時程迎接產業挑戰這篇文章的第6圖

透過基於此項模型所開發的 app ,能夠讓使用者快速依照需求找到樣品;對於和明紡織在導入平台後,能夠在接單到提供樣品的時間從約過往 1.5- 3 個月縮減到只需 2-3 天,同時避免重複打樣;也由於使樣品能更快速提供給客戶,從設計到商品化的時間也提升 24% ,過往需要一年時間才能商品化現在僅需 9 個月,同時也大幅提升設計產能,現在一年內就能累積超過一萬種的面料設計。

是Google 雲端平台與機器學習為台灣老字號和明紡織挹注新氣象,縮減開發時程迎接產業挑戰這篇文章的第7圖

而和明不光只是將這套布料的面料資料庫給公司內部使用,和明也計畫未來將 app 作為開放樣式資料庫,並建立設計師社群,讓服裝設計師能在平台直接尋找面料靈感;透過社群交流討論,並直接透過 app 向和明提出打樣的要求;而對於和明內部而言,亦能透過將面料的資料數位化,使面料設計師的經驗更容易傳承,同時期盼能藉由數位化的歷程,幫助台灣的紡織業走出代工並建立屬於台灣的品牌。

0 則回應

你可能有興趣的文章