眾所周知,較低的服裝零售價是低成本生產方式的結果。在以前,低成本生產意味著要在海外勞動力市場進行生產製造,現在企業可以透過使用機器人來實現低成本製造。
以SoftWear Automation的自動縫紉機LOWRY為例,這款全自動縫紉機器人是該公司旨在實現紡織業自動化計畫的一部分,就像其他業界使用機器人技術進行製造一樣。
長期以來,自動縫製的難點在於織物本身的特性,織物很柔軟,可以拉伸、彎曲和折疊。這些材料問題是紡織品加工所特有的,在金屬或塑膠加工業界的自動化製造中不存在這些顧慮
該自動縫紉技術研發始於十多年前喬治亞理工學院(Georgia Tech)的先進技術研發中心(Advanced Technology Development Center)。但是在與沃爾瑪基金會(Walmart Foundation)合作並獲得美國國防部技術創新部門(DARPA)於2012年提供的125萬美元研究經費資助後,這項技術才真正開始成形。雖然DARPA似乎不太可能對服裝製造商進行投資,但是因為軍隊要求必須購買美國製造的服裝,這項技術研究才會對其有了直接的影響。
SoftWear系統至少擁有三項專利並有多項專利正在申請中,該系統能夠使用高度校準的機器視覺來對織物進行觀察和分析。它可以檢測出變形並自動調整面料。機器人分佈在70英尺長的T恤生產線上來執行每一個任務,包括裁剪、縫線、添加衣袖和品質檢查。在此過程的每個步驟中,電腦視覺都會對紡織進行引導。
縫製過程從程式設計開始,“我們從Gerber的Accumark檔中獲得所有的縫製資料,所以當設計師使用2D或3D模型設計產品的時候,縫製資料會嵌入機器人的檔中。”市場行銷部的副總裁Pete Santora表示。
然後是已獲得專利的機器視覺系統。ID Tech Ex說它擁有比人眼更高的精度:“可以在半毫米的精度內追蹤到針頭的位置。”IEEE解釋說它可以追蹤到織物中的每根線的執行緒:“為此,【該公司】研發了一種能夠每秒捕獲超過1000訊框的專用相機,並提供了影像處理的演算法來對每一訊框上的執行緒進行檢測。”
利用這種高校準精度的機器視覺和即時分析,機器人可以持續操作和調整織物,使其正確排列。拾起和放置(Pick & Place)機器能夠模仿裁縫行動和處理織物的方式。IEEE說:“這些微型操控裝置由精密的線性制動器驅動,可以以亞毫米級的精度將布料穿過縫紉機,從而糾正材料的變形。”
行動織物有兩種方式,第一種是使用四軸機械臂,可以使用真空夾具把織物提起和放置。第二種是360度傳送系統,傳送裝置為嵌入式球形滾軸的工作臺。隨著每個滾軸(或者叫Budger Ball)高速獨立行動,滾軸可以根據需要重新定位織物或平整織物。
縫紉方式也有所不同。直接縫紉意味著不同於固定的縫紉機透過行動織物縫紉,縫紉機器人是透過行動針來完成縫紉過程的。
工程師在“如何縫製扣眼”的說明中向《華爾街日報》解釋了縫紉機器人的早期版本。
對於像為愛迪達和阿瑪尼生產服裝的中國服裝製造商天元服飾有限公司這樣的企業來說,這項自動化縫紉技術使他們能夠在中國以外的阿肯色州開設新的工廠。
自動化縫紉機器人減少了對縫紉工人的需求,在天元的新工廠,21條機器人生產線只有三到五人進行工作,相比於傳統生產線上的10名工人,減少了50-70%的勞動力。
除了降低成本之外,機器人還能夠提高產量。一個工人縫紉生產線在8小時內生產669件T恤,而相同時間內,機器人的產量為1142件,產量提高了71%,所以每年T恤的總產量可達120萬件。
使用機器人技術可以使在美國生產T恤的成本與在海外生產的成本相當。例如,在孟加拉,生產一件牛仔襯衫的人工成本約為0.22美元。如果由美國工人製造,人工成本躍升至7.47美元,但如果使用機器人生產線,每件T恤的成本僅為0.33美元。
就像Quartz所說的那樣:“在一個操作人員的指導下,一個機器人每小時生產的襯衫數量等同於17個工人的工作量。”所以,在John Henry與機器的對決中,似乎是機器勝出了。
在2000年到2010年之間,美國失去了560萬個製造業崗位。但是,這些流失的崗位中只有13%是由於將廠址轉設在海外造成的,而有85%的崗位流失是機器人技術和機械技術的“生產力增長”所導致的。據預測,到2025年,全球由機器人完成的製造任務的平均值將在所有業界中從10%增長到25%。
SoftWear並沒有強調機器人是如何取代製造崗位的,而是將重點轉向討論製造商如何實現“本地縫製”,從而“在地理上縮短製造商和消費者之間的距離”。
隨著普通美國服裝業工人臨近退休,用機器人技術影響該業界將會是一個長期的解決方案。但是,在全球範圍內,此類技術將對雇傭低薪工人的亞洲製造業產生重大影響。根據國際勞工組織的報告,預計機器人將取代印尼64%、越南86%和柬埔寨88%的紡織品、服裝和鞋履製造業的工人。
機器人技術進入自動化的第四次工業革命,預計“人工智慧(AI)、機器學習(ML)和認知計算將直接影響約47%的美國就業機會”。
然而,目前適用機器人進行紡織品製造的前沿領域還僅局限於相對簡單物品的大批量製造。“我們永遠不會做婚紗。” SoftWear Automation的首席執行官Palaniswamy Rajan說。
另一種提高供應鏈效率的方法是,去年,亞馬遜獲得了一項按需服裝製造系統的專利,該系統可以在接收到訂單後對客戶的服裝進行縫製。