做好“3+1”模式，推进AI在纺织行业生产领域的应用

　　中国纺织工业联合会信息化部主任殷强

　　近些年来，随着新一代信息技术的应用与发展，人工智能逐步应用于纺织行业生产领域，为纺织行业的生产方式、发展模式和产业生态带来了重大影响。加快人工智能在纺织行业生产领域的发展，是推动纺织行业实现高质量发展的重要途径。本文认为，推动人工智能应用的关键是做好“3+1”模式（数据、算力、场景算法+人才）的应用。

　　一、纺织行业生产领域人工智能发展现状

　　人工智能在纺织行业生产领域的应用仍处于初级阶段。因AI系统需要大量的数据、算力、算法等资源支撑，现阶段纺织行业仅少数企业在进行尝试，大部分企业仍以自动化、数字化、网络化改造为主。在生产领域的应用主要在设计、工艺优化、质量检测、智能物流、产品数字化等方面，需要持续完善和推广。

　　（一）人工智能在棉纺织行业生产领域的应用现状

　　AI在棉纺织行业生产领域的应用仍在尝试中，主要应用在异纤分拣机、布面疵点检测等设备以及产品质量在线监测、自动排产、智能配棉、能效管理、智能物流等系统。据行业人工智能应用突出企业反馈，目前企业最先进生产线具备全工序自动化、全流程质量监控管理、设备健康管理、能耗管理、车间最优运营等功能，较常规生产线生产效率提高38%，能源利用率提高21%，用工节约80%，万锭用工在10人左右。

　　（二）人工智能在印染行业生产领域的应用现状

　　AI在印染行业生产领域目前的应用场景较少，只有少数企业尝试使用智能验布系统、AI图案与风格设计。智能验布系统，用于印染布成品检验。将机器视觉与AI技术融合应用，采用AI深度学习技术自动生成疵点检测模型，实现对印染面料疵点智能化检测。但目前该技术还不够成熟，应用效果还有待进一步优化，尚未能在行业中大面积推广应用。AI图案与风格设计，主要用于印花面料花型设计和面料开发。能够模仿设计师的创作构思，快速呈现设计作品，极大的推动了面料花型设计的快速发展，满足消费者对个性化、定制化的消费需求。

　　（三）人工智能在服装行业生产领域的应用现状

　　AI在服装行业生产领域的应用逐渐深入，过去，传统服装制造以批量化生产和传统管理模式为主，在满足当下市场渠道多样和消费者需求多变等方面具有较大的提升空间，智能化改变了服装行业的生产效率和提升快速反应的生产能力，生成式AI的应用可实现订单款式设计、自动版型工艺处理、自动计划产前、生产过程调度全流程的效率提升及深度协同，力求更高效、更精准快速满足消费者不断更新迭代的消费需求。据咨询公司预测到2026年，超过80%的技术产品将集成某种形式的AI技术。在服装智能制造领域，生成式AI技术已全面深入的介入服装生产各个环节，使得设计研发、生产与供应链管理、精准营销和可持续发展等领域实现更高层次的自动化和智能化。到2035年，在生成式AI的推动下，制造业数字化率将突破85%。到2055年，中国生成式AI技术基本实现对各行业的数字化转型，数字化率将达到100%。

　　二、人工智能在纺织行业生产领域应用的典型场景

　　（一）配棉数字化

　　配棉是棉纺企业非常重要的一道工序。因原棉在性能上呈现的多样性和差异性，配棉工作需了解原棉库存情况、物理性能、质量连续性和稳定性，计算量大，容易出现错误。配棉工作面临的问题越来越复杂。多数企业依赖配棉师的经验完成，难以实现配棉高效、精准。直接影响企业用棉成本。AI+数字配棉利用数字技术的系统配棉可极大提高工作效率，减少人为经验造成的质量波动，有效降低接批前后平均等级差异波动，在减少配棉成本的同时，保障产品质量稳定性。有企业数据表明，通过系统自动化配棉后，同种产品，用棉等级平均能够下降0.5级左右，配棉接替前后平均等级差异降低0.1级。但是需要关注的是影响到产品质量波动的各类因素都需要建立数据模型，除了配棉模型之外，还需要建立执行工艺标准与跟踪记录、纺专配件损耗数据跟踪、温湿度环境信息跟踪、员工状态跟踪等，真正实现智慧配棉还需要长时间的研究和积累。

　　（二）纺纱协同制造

　　面对纺纱企业人工巡检效率低、纱线质量控制较为被动，管理上较为粗放、招工难、缺少支撑平台等问题，基于纱厂小批量多品种、顾客需求多样化的特点，无锡物联网创新中心研制纺纱工业互联网协同制造管理创新平台解决纺纱行业痛点问题，自研的“磁电” +“光电”传感器，实时监测锭子运动状态， 甄别出断纱等问题，粗纱停喂及时自动化触发停喂动作，减少粗纱浪费以及皮辊缠绕问题，智能小车快速引导挡车工作业，提高巡检效率，采集全流程设备数据，部署大数据平台，实现全方位监控和数据分析。纺纱的数字化赋能有助于企业生产精益化、管理透明化、决策数字化，为企业降本提质增效。

　　（三）智能纺丝检测

　　面对纺丝人工检测存在的检测时间长、检测效率低、易疲劳、用工难的问题， 福建恒申集团通过外观视觉检测系统解决产品外观检测难题，提高产品合格率和效率，运用机器视觉设备代替人眼完成检测、测量和判断，实现产品毛丝、绊丝、网丝、成型不良、油污、纸管破损等一体化外观检测；检测时间由之前人工检测一车48锭丝饼需要5分钟提升到每锭2.5秒，整车仅需2分钟即可完成检测，效率提升2.5倍，准确率由人工的96%提升至99%。

　　（四）瑕疵检测

　　面对织造企业人工检测招工难、漏检率高、原料浪费多的问题，特别是经编花边花型更换频繁、瑕疵种类多、面料具有弹性的检测难点问题，东龙针纺应用AI瑕疵检测技术，快速高效检测出蕾丝花边瑕疵，有效提高生产效率。通过对生产机台进行技术改造（增加相机成像及管理系统、图像采集及预处理系统），部署5G网络，开发面料算法、异常识别等模型，运用AI训练等云服务，实现织造过程检测、坯布瑕疵检测、印染布瑕疵检测、成品布瑕疵检测等。

　　在检测效果和人力成本上，AI+智能瑕疵检测均具有很大优势，能够有效提高品质合格率和产品竞争力、减少原料浪费和补损率、节省人力成本。同时，东龙针纺地处福州长乐区，拥有众多纺织厂，且从事花边工艺术制造的厂家也较多，瑕疵检测技术的应用，可复制性强，投入成本不高，对其他企业有快速复制推广的作用。

　　（五）智慧印染

　　面对印染企业在生产过程中普遍存在的运行效率低、能耗高以及管理方式较为粗放等痛点，并结合当前市场小批量、多品种的变化趋势，杭州天富公司成功研发了印染智造系统。系统全面覆盖了从染布、染纱、染棉到染成衣，再到印花与织染一体化的全过程，实现了生产过程的全面数字化管理。

　　通过构建集成化的ERP管理系统，加强了企业在计划排产、质量控制、设备管理等核心业务方面的能力，实现了业务流程的优化和信息的实时共享。建立了MES系统，实现了对定型机等关键设备的实时监控和精细化管理。采集染缸等设备的能耗数据，对能耗进行精准计量和考核。有针对性地采取措施减少能源浪费。

　　（六）服装生产智能化

　　服装行业作为具有市场化程度高、中小微企业占比较大、劳动密集型等特点的工业门类之一，近年来面临着综合成本高、市场竞争加剧、数字化智能化转型亟待提升等挑战。AI技术正在参与服装设计、生产、供应链、销售全流程环节，大致可以分为数字人分身、研发技术管理、计划排产管理、设备物联、智能生产管理、视觉质量检测管理决策五个领域。

　　通过集成生成式AI，可在生产运营管理过程中发挥精准灵活的分析决策功能，增进企业理解和运用大数据的能力，促进管理层至执行层各阶段的智能化。此外，生成式AI还改变了传统依赖非结构化数据的工作流程，打通了部门的信息壁垒，使得信息传递更加高效、透明，确保操作的流畅性。实时查询和播报生产运营数据，提供管理层精准快速决策，实现数据可视化呈现，提升决策效率和系统友好性交互体验。

　　三、人工智能在纺织行业生产领域应用存在的问题和关键因素

　　（一）人工智能在纺织行业生产领域应用存在的问题

　　近年来，虽然AI在纺织行业生产领域取得了初步应用，为纺织行业带来了前所未有的发展机遇和挑战，但在进一步做好人工智能在生产领域的应用中仍面临诸多挑战和问题。

　　在企业层面，大多数企业尚处于数字化转型阶段，管理数字化、设备智能化基础较为薄弱。同时由于人才短缺、资金困难等多方面困境，距离实现人工智能应用还有较大差距。在行业层面，数据在纺织行业内部分散保留，缺乏有效的跨界数据共享和积累，缺少一套对于行业生产领域关键数据广泛认可的数据标准和注释协议，缺乏系统化、大规模的数据收集机制，限制了AI模型的训练效果和精度，限制了AI在行业的进一步应用。

　　（二）人工智能在纺织行业生产领域发展的关键因素

　　基于AI发展面临的挑战和问题，应结合行业特点，抓住AI发展的关键因素，才能做好人工智能在行业内的推广和应用。应提升企业数据采集、整合和处理能力，夯实AI应用的基础；应识别AI生产领域典型应用场景，结合纺织生产制造特定需求和逻辑的创新算法，同行业内优质资源合作，共同推动；应通过云计算资源共享来优化算力使用，探索算力共享模型，共同承担成本；应多方共同培养了解AI、纺织业务的人才，提供人才培养的渠道。同时，数字孪生技术的应用和发展，持续推动AI在纺织行业的应用。基于数字孪生的智能工厂逐步尝试应用，在全生产要素采集和计划调度、生产管理等方面发挥重要作用。因此，应紧紧围绕数据是基础，算法是关键，算力是保障、人才是支撑的这一模式，从企业的能力、效益这一本质出发，持续深入的在行业内进行推广和应用。

　　四、加快人工智能在纺织行业生产领域应用的建议

　　近年来，人工智能在纺织行业的应用效果初显，应继续保持这一良好发展势头，在典型应用场景、关键技术、人才培养等方面持续推进。

　　（一）深化纺织行业生产领域典型应用场景

　　加快研究并应用纺织行业生产领域生产优化、智慧检测、供应链管理、智能仓储物流、产品追踪、智慧营销等先进技术方案，培育一批集智能设计、生产、管理为一体的纺织智能工厂，在行业内大规模复制推广，发挥人工智能标杆企业的示范引领作用。

　　（二）加快突破一批关键核心技术

　　依托纺织行业龙头企业、优质服务商和科研院所推动人工智能关键共性技术研究以及智能部件、装备、系统研发。开发适用于纺织行业智慧配棉、智慧染色等解决方案的应用，加快突破智能控制与优化、数据采集与分析、故障诊断与维护等一批核心技术，夯实纺织行业人工智能硬件和软件基础。

　　（三）加强复合型人才培养

　　充分发挥行业协会作用，整合产、学、研、用各方资源，推动构建纺织行业人工智能“复合型人才”培养体系。建立在岗学习进修通道，打造具有自主发展力的企业人才梯队。积极引入并发挥相关产业联盟、科研机构、服务商的作用，组织举办各类专题培训。