郑宽，沈锂鸣，李涛

（中国纺织建设规划院，北京 100125）

前言

纺织服装产业是劳动密集型产业，随着劳动力成本上升及其观念的变化，“招工贵、招工难”成为行业普遍存在的一大难题，智能制造可有效解决这一难题。根据2019 年阿里研究院报告显示，纺织服装产业数字化研发设计工具、数字化生产设备、数字化设备联网率、智能制造就绪率分别为59.2%、45.6%、37.4%、5.7%[1]，智能化水平提升仍具有较大空间。如何实现“机器换人”成了企业突破发展的关键点。本文综合文献调研结果，提出了家纺智能制造的技术架构，为家纺企业建设智能制造提供了参考资料。

1 智能制造概述

1.1 智能制造的概念

我们经常会听到数字化工厂、智能工厂、智能制造等词汇，不同学者对于上述名词的解释不尽相同，作者认为其中较为合理的一种解释是：数字化工厂是由数据组成的综合网络，本质是信息的集成；智能工厂是数字化工厂的升级版，可将多维度资源融合，形成最佳的系统结构，并具备自主学习、维护能力，实现了人、机的有效交互；智能工厂是智能制造的一部分，除了工厂的智能化，也包括分析推理、管理决策和发展判断的智能化。

1.2 智能制造的框架及关键技术

2015 年我国首次发布了《国家智能制造标准体系建设指南》，提出了智能制造系统框架，如图1 所示。该系统架构由生命周期维度和系统层级维度组成的平面自上而下依次映射到智能特征维度，涉及智能装备、智能工厂、智能服务、智能赋能技术、工业网络五类关键技术。

图1 智能制造系统架构①Fig.1 Intelligent manufacturing system architecture

郑晓敏[2]、赵隽鸽[3]、赵妮[4]等多位学者参考此模型提出了纺织服装企业智能制造成熟度评价方法。其评价过程是：首先根据智能化水平将预设智能制造分为多个层级，设定不同层级所对应的分值；其次将智能制造系统架构由三维拆分为二维，以生命周期和系统层级为基础，通过专家打分等方法获得企业的分值，使用加权平均法等方法计算出结果；最后，判断该企业的打分属于智能制造的哪一层级，获得该智能制造的成熟度评价。

1.3 智能制造行业标准

目前已经有多项智能制造行业标准发布，如GB/T40647-2021《智能制造系统架构》、GB/T39116-2020《智能制造能力成熟度模型》、GB/T40659-2021《智能制造机器视觉在线检测系统通用要求》等。服装行业已经发布了相关多项标准，如T-CNGA 9-2019《服装智能制造工厂体系架构》、T-CNGA 10-2019《服装智能制造能力成熟度评估规范》、T/CNGA 14-2019《服装智能制造软件互联互通接口规范》等，虽然还不完善，没有涉及虚拟工厂等相关标准，但已取得阶段性进步。家纺行业尚未有相关标准出台。

2 家纺的特点及需求

2.1 家纺的特点

纺织品质地柔软、有弹性导致生产过程中易变形，相对于电子器件等标准化产品实现智能制造存在一定困难，但相对于服装而言，家纺产品以四边形为主，尺寸相对固定，相对容易实现智能制造。因此家纺行业实现智能制造是纺织服装产业实现智能制造的突破口之一。

2.2 家纺企业需求及技术架构

研究家纺企业主要部门的需求是构建智能制造技术框架的基础，家纺企业主要部门的需求如表1 所示。部分需求为多部门共同需求，因此仅在需求程度最高的部门里提及。

3 家纺智能制造技术架构

目前有多位学者从不同角度出发提出了智能制造技术架构（由于不同学者对智能制造和智能工厂的解释不同，部分学者提出的智能工厂框架可作为智能制造框架参考），如从技术层面出发，焦洪硕[5]提出了基于大数据技术、虚拟仿真技术、网络通信技术的智能工厂框架；从需求层面出发，张泉灵[6]提出了基于智能决策、智能运营、智能操作、智能控制、智能监测、智能机构六个维度需求所需一一对应的技术；从技术和需求同时出发，林萍[7]基于智能设计、智能生产、智能运营、智能服务维度，指出各维度一一对应的技术以及共用技术。不同的架构各有优缺点：只从技术层面出发，架构层级分明，但无法直观看到解决的相应需求；只从需求出发，需求明确，但存在同一技术解决多个需求的问题；同时考虑技术和需求，会发现大多技术覆盖了产品全生命周期，重归于以技术为基础搭建架构的问题。值得一提的是，部分学者提出了虚拟工厂概念，如焦洪硕指出将智能工厂分为实体工厂和虚拟工厂两个层级，实体工厂为虚拟工厂提供基础数据，虚拟工厂为实体工厂提供数据分析、仿真生产、仿真验证、仿真设计等。

基于上述考虑，并参考已经提出的架构，本文提出以各部门需求为出发点，本文将某项技术仅在其最需要的部分提及，其余部门不再重复的原则，提出了层级分明、结构清楚的智能制造框架。该技术框架是以“智能制造系统架构”为理论基础，同时考虑生命周期、系统层级、智能特征三个维度，打造出的技术架构兼顾产品全生命周期、实现企业间相互协同、使用工业网络实现个性化定制等新兴业态。技术框架如图2 所示。

图2 家纺智能制造技术架构Fig.2 Home textiles intelligent manufacturing technology architecture

决策部门主要负责制定企业的发展方向，以及与企业间的合作关系等，考虑的是企业的宏观层面。借助智能化数据采集、存储、分析，明确企业内外部的资源、市场等情况，从而得出智能决策参考建议。决策部门参考智能决策建议以及原始资料，结合自主资料收集、分析、处理，最终得出符合本企业实际发展的阶段性决策。其中，决策部门涉及客户和供应商管理，由于客户管理与销售部门的关系更紧密，因此放在销售部门内。辅助决策部门实现智能决策建议的相关技术包括数据挖掘、智能数据处理、分析、客户关系管理系统SRM 等。

运营部门主要负责企业内部的运行管理，保障企业的生产、生活平稳运行。涉及企业内部的资源协调，并对智能化办公软、硬件的需求最为迫切，涉及的主要技术包括企业资源计划ERP、OFFICE 等。

研发设计部门的主要任务是根据客户要求、市场需求研发设计出新产品，或是为占领行业高地研发新技术等。该部门对于设计素材、工艺参数等方面存在较大需求。家纺产品吸引人的第一印象来自图案、色彩，其次是面料，最后是真实体验。包含图案素材库、色彩流行趋势等素材的知识库至关重要。同时随着家纺产品科技含量越来越高，对于产品研发过程中的试验资料管理较为重视，且希望看到产品投产前的预期效果。因此涉及的技术包括数据库存储、计算机辅助设计软件、智能仿真设计软件、产品全流程管理等。

生产部门的任务是按照研发设计部门派发的工艺单，完成原材料采购到产品生产、质量检验的全流程。涉及的智能化设备、系统最多。理想情况下，通过设备、系统的集成，实现从原材料获取、裁剪、缝制、印染、熨烫、质量检测、运送至仓库的全流程智能化，仅有部分值班人员，通过车间或控制中心的电子看板监测生产情况，也可通过手机、平板电脑等终端设备实时观看、预警提示。涉及的技术包括智能生产装备、智能搬运设备、App 软件开发、智能监测系统等。

物流部门的主要职责是将生产的产品及时、准确的派送到客户手中。对于家纺产品而言，其门店数量相对较少，线上销售的地位十分重要。线上销售的特点是购买产品数量较少、产品种类繁杂、发货地点不集中、希望实时了解自己的订单配送情况等，因此智能仓储、智能配送、实时定位等尤为重要。涉及的技术包括智能仓储管理系统WMS、自动无人运输系统PDP 等。

销售部门的主要职责是制定销售计划、拓展客户群体、精准营销等。受限于门店租金的高成本，家纺产品展示占地面积较大，因此如何在门店内最大程度地实现产品展示至关重要。通过店内实体展示与虚拟仿真技术结合，可以有效解决这一问题。线上销售同样适用产品的虚拟仿真展示。通过智能监测、爬虫等技术收集顾客在门店内的停留时间、进门店次数、触碰产品次数等，以及线上用户产品浏览停留时间、点击位置、浏览的产品种类等有助于实施精准营销，也有利于智能AI、客户数据统计集成平台CDP 等。

服务部门责任范围不断扩大到对客户、对合作企业、对企业内部等。将家纺智能制造中涉及的所有服务内容集成，并建立客户化信息门户，形成云服务平台。该平台的内容包括对客户的产品展示、个性化定制、售后服务、废旧产品处理或回收等；对合作企业的协同研发设计、协同运营、协同生产、协同物流等；对企业内部是企业资源的整合、虚拟工厂模拟研发设计、生产、产品验证等。涉及的技术包括企业信息门户系统EIP、工业网络、以太网等。

4 结语

家纺行业出现了智能制造成功案例。在国家大力推进智能制造的背景下，以及企业主动向智能制造方向发展的内生动力下，目前纺织服装产业智能化水平在不断提升。家纺行业涌现出了部分智能制造成功案例，如梦洁家纺从2018 年着手智能工厂建设，开启智能制造时代，已经取得了良好进展。截至目前，梦洁家纺拥有3 条全自动被芯生产线，实现了从喂料、梳理、缝制、裁切、包边、检测、打包等工序的自动化生产，从原料投放到被芯成品缝制完成仅需36 s，日产被芯3000 床。每条生产线仅需6 名工人。该企业还打通了全流程协同，实现了线上、线下销售，并搭建了云平台，实现云数据处理中心、办公云平台、云仓库等功能。

多家企业为家纺行业实现智能制造提供技术支持。从家纺智能制造整体解决方案来看，苏州琼派瑞特科技股份有限公司（简称TPET）可以为家纺企业提供硬件、软件、企业咨询等全流程服务；从硬件来看，江苏中馨纺织智能设备有限公司研发了家纺智能设备，如全自动毛巾纵开剪机、全自动毛巾链式纵缝机、全自动床品铺布机等；从软件来看，绍兴环思智慧科技股份有限公司研发了服装家纺ERP、BI 数据分析、可视化看板、移动App 等软件。

日后随着智能制造进程的不断推进，底层技术的不断突破，以及相关标准的不断完善，家纺智能制造的成功案例将不断增加。

注释：

①图片来源：《国家智能制造标准体系建设指南（2018 年版）》。