数字化将班组长从分工的压力中解放出来，让工人不再需要等待，每个人都可以尽心尽力地工作。
在深圳市龙华区，英菱智尚龙华智能工厂内，生产线满负荷运转，智能吊挂机缓缓转动，将一件件女装半成品运送到下一个工位。
生产正在有条不紊地进行。
生产线的一端是班组长万仁艳。 她在电脑前关注着生产系统的实时数据。 她管理的车间团队收到了一份新型服装的工单。 这本来应该是过去最忙的时候。 车间里的工人们总能看到她在各个工位之间来回走动、培训技能、打印订单、沟通交流。 进程无法打开。
今天的她心情平静，轻松自在，似乎已经清楚该如何安排自己的工作了。
一两天后就有新型号出来了，我该怎么办？
今年是万仁艳入行第20个年头。
起初，她没想到会在服装行业工作这么久。 本来我只是在工位做一些简单的服装加工程序。 渐渐地，她对眼前的工作感到不满，并学习了所有能学到的技术。
2017年6月，英菱智尚公司开始安装试衣吊挂系统，她是第一批试生产上衣的员工。 懂得了很多东西的她，逐渐从一个车位上的普通生产员工，再从一个组巡查员，变成了一名班组长。
刚担任生产队长的头一两个月，万仁艳紧张得常常#不好觉。
压力来自于管理。 “因为要安排每个员工的职责，所以我比以前要担心。考虑到每个人的工资收入和工作效率，我的压力还是很大的。” 万仁艳告诉36氪，当时经理一直叫她继续做下去，但她压力太大，想放弃当队长。
慢慢地，随着努力和经验的积累，万仁彦带领的制作团队的效率逐渐提高，甚至连续一两年获得了团队奖。
随着公司规模的扩大，她管理的团队从 20 人增加了一倍。 再加上生产线设备和服装产品的变化，单纯依靠勤奋和经验似乎越来越难以为继。
如何平衡产线分布，是万仁艳遇到的最大挑战。
高档女装平均工序超过150道。 当每个工单下达工厂时，班组长需要将工作一一分工。 这很大程度上取决于团队领导者的能力。 它不仅消耗了班组长大量的时间，而且要求我们必须能够最大限度地利用工人和设备。
员工希望多工作、多挣钱，但生产线是动态的。 有的人很忙，有的人只能坐在自己的工位上等待上班。 因此，需要像她这样的生产组长，把需要分解的工作分解给其他人，把复杂的流程分配给更擅长的人。
女装款式的迭代越来越快，工种也越来越多。 万仁艳发现，很难在员工群体中合理分配相应的流程。 员工擅长的技能、工作情绪、质量是否达标、工序的位置是否影响小车的移动，都是班组长需要考虑的因素。
随着数量的增加，质量也必须过关。 “两条生产线有时需要同时生产四五个车型，而且我们每天还在转钱。我们对质量要求也很严格，生产标准细节上要注意一点。”一点一点地。”
下了一件新服装的订单后，万仁艳需要拆解其生产流程，打印出准备好的流程图，与新工艺开发订单相结合，并与技术人员一起评估工艺的技术难点和瓶颈，确定培训计划。 然后将流程规划分配给特定员工。 服装生产完成后，万仁艳还需要这张流程图按照生产流程依次审核工艺流程，检查数量和质量，并将员工生产的相关数据结果提交给工资核算部门。
不仅是工作分配，而且服装从零件到整件的组装也很容易出现错误。
第一次安装吊挂系统时，吊挂顺序混乱，零件数量增多，极大影响了匹配的准确性。 这时，班组长需要立即前往现场解决问题，以便生产线后面能够继续正常生产。
平均而言，新型号会在一两天内上市。 这一套工作消耗了万仁艳一整天的大量精力。 “所以我整天都很忙，就是处理这些部署问题，而且轮班时间过得很快。 ，好像一瞬间就结束了。”
她没想到，现在这些工作都可以在屏幕上完成。
如今，万仁艳不再需要盯着生产线。 她只需要随时查看手机或电脑上的系统仪表板，就能看到今天的生产情况——有多少个工位在工作，整条生产线相隔多远。 还剩多少件才能达到当天的目标，哪些工序卡住了，哪些工序提前完成了，哪一批货需要返工？ 所有信息一目了然。
这一切都始于数字化。
今年，英灵智商推出了“员工技能矩阵算法与流程智能分配算法”项目。 通过大数据算法，我们可以准确定位员工在流程中的技术能力，根据需要适当、快速地分配流程，直接提高员工的个人生产力。
过去，万仁艳这样的团队领导需要根据个人经验来分配流程； 但现在，它们只需要转换成系统中的算法即可自动分配进程。 经评估，工作效率将比现有的人工调度提高15-20%，流程分配时间从40分钟减少到5分钟。
对于员工来说，优化的分工和排班让他们在工位等待的时间更少，每天的生产目标也能以更高的效率实现。 他们不用加班，收入也能增加。
以前培训一个新员工需要半年到一年的时间。 现在，通过数字化系统，可以准确识别员工的技能短板，并进行有针对性的培训。 新员工上手辅机生产操作的时间缩短至1个月左右。 。
万仁艳告诉36氪，现在她同时管理两条生产线的员工，感觉比以前轻松多了。
首要任务是数字化
万仁艳的经历并非个例。
服装行业是典型的劳动密集型、重资产行业。 在英菱智尚这样的服装制造企业，缝制团队的效率决定了整个工厂的效率。
生产工人的制造技能是服装行业的竞争力，也是提高效率的关键环节。 在各种复杂的服装制造工艺下，作业效率普遍较低，企业对工人的依赖程度较高，招到熟练工人越来越困难。
解决这一行业难题，迫切需要通过数字化转型升级来优化业务流程，从服装制造业有限的效益中挖掘出更大的价值。
过去，传统服装企业的信息化建设都是通过半自动化设备和配套软件完成生产的线上化、信息化过程。 然而，机械设备尚不能满足日益复杂的技术生产需求，因此服装行业的生产车间仍然离不开传统的技术员工。
英灵智商持续改进中心总监杜吾略告诉36氪，目前服装行业，手工机器生产的比例超过80%。 只有当产品工艺和材料单一时，机器才能替代部分劳动力。
因此，柔性制造的智能车间不在于无人，而在于生产信息的透明化、生产流程的精细化、生产流程的便捷化。 数字化需要解决的核心问题之一是实现生产中人员、设备、流程等团队领导者的智能分工。
在传统的服装制造企业中，工艺安排仅依靠班组长的个人经验，辅以简单的办公软件。 个性化、高频率、小批量的行业特征意味着服装行业需要应对的计划变更频率约为传统工厂的一百倍。
传统的APS（先进生产调度软件）没有考虑到数百个不同形状和设备的车间的调度，也没有适应数千名产业工人的技能水平会随着工作内容而逐渐淡化或增强的事实和时间。
现在，英灵智商和华为找到了这个更实用的工具。
结果表明，AI算法平台不仅对班组长的生产管理起到了良好的支撑作用，可以让一个人同时管理多条生产线； 还提高了生产效率和准确性，解决了服装厂招工难的问题。 也为公司节省了大量的人力成本。
在同等数量的人员、技能、设备和时间下，数字化智能生产正在创造更大的产值。
这并不是英灵智商的第一次数字化尝试。
2017年2月，英菱智尚成立智能制造项目部。 该部门聚集了软硬件厂商的专家，加上公司内部的业务骨干，共计300多人，共同开发智能服装制造系统。
从设计到交付，英灵智尚实现了柔性混合生产，并将数字化实践延伸到服装设计、供应链运营、智能制造、全渠道销售中心等领域。
现在，定制订单下达后，可以在七个工作日内交付给客户，最快三天即可交付给客户。
在实现团队缝制安排的“智能化”之后，英灵智尚下一步将走向“智能化”。
在创始人兼董事长陈灵梅的想象中，五年后的智能服装工厂很可能只需要2名生产经理就可以管理1000名工人。 生产现场管理人员将进一步“少人”，大部分场景将是软件直接代替人脑做决策。
从物理载体的低频、人工信息流到数字世界的高频、自动化数据流，从基于人工经验的调度决策到基于数据+算法的自动决策，数字化将为人类带来新的想象。服装公司。 空间。
电脑医生团队参观女装厂
看似传统的制造问题如何通过人工智能来解决？
带着十几人的博士项目团队，来自华为的陈博士开始了他在服装生产行业的第一次经历。
在深圳龙华和江西于都的两家工厂，团队深入实际生产线进行深入调研。 陈博士发现，他原本以为服装生产已经像优衣库一样实现了高度自动化，但实际上，高端女装的生产追求的是定制化和精细做工。
经过半年的前期沟通和一个月的正式调研，团队认为，为了提高产线效率，人员技能的管理和分工将为数字化赋能提供更大的空间。
他在车间看到，工人技能各异，基于人工经验的调度也阻碍了现有生产设备和系统产生的各种数据得到充分利用。
另一方面，一件衣服所需的工艺非常复杂。 团队领导者在分配任务时必须考虑很多因素。 拆解和分发往往需要很长时间，但结果却不一定理想。
下午两点生产一批衣服，上午十点组长就开始准备分工。 如果工人遇到临时休假、产线变动等情况，需要更多的时间来调整。
陈博士在想，如果在生产前只需要花一点时间运行系统中的算法，就可以完成分工并及时调整，生产线管理的效率会提高多少？
英灵智商已经具备了一定的数字化基础。 帮助企业提升效率，需要从这两方面盘活现有数据，提高自动化、智能化水平。
结合华为大数据产品、机器学习训练与推理技术、运营建模技术、AI开发平台、天池AI求解器等技术能力，华为团队与应领智商共同开发了“智能工厂生产系统优化与仿真平台”。
该平台在自动化设备中存储了大量的生产细节数据，并根据业务逻辑和流程进行算法优化。 基于智能车间MES系统的历史数据，经过对原始数据的提取、清洗、特征提取、统计分析等一系列处理，自动输出准确的员工技能矩阵表。 每个员工擅长什么流程，效率和良品率是多少。
它不仅比人类的感知更快，而且更准确。
相关负责人提到，项目成功后，可以取消手工技能考核工作，直接降低成本。
另一方面，智能工艺分配算法可以自动输出每个工单的最优工艺分配方案。
系统可以直接计算出每个工单需要哪些员工、哪些设备、哪些工位、哪些流程。 在保证交货期、保持生产资源不变的前提下，可以在最短的总工时内完成生产，团队的人均产出就会更高，直接提高劳动生产率。
华为多年来积累的算法技术能力已经相当成熟，真正的困难隐藏在实际生产线中。
服装制造不同于高度自动化的电子制造。 依赖手工流程的服装生产不能简单地连接到系统并直接使用。 在项目试运行过程中，团队发现实施必须适应真实的生产和管理习惯。
例如，工人完成一批服装的生产后，下一批服装往往需要换一种工种来完成，运送新设备需要十几分钟。
同时，原有员工技能的培训也取决于班组长的经验。 通过算法对技能数据的识别，可以找到最应该培养的人和能力。
这是硬核工业制造生产线没有遇到过的问题。 需要算法在通用模块之外开发新的模块来解决服装生产中的特殊问题，以适应服装生产线的实际需求。
陈博士告诉36氪，不仅是服装生产，更多依赖人工流程的制造行业都可以利用算法平台来解决自动化以外的人效问题。
华为与英灵智商经过研究讨论，设计了“数据和算法驱动的静态生产系统设计、仿真模型驱动的动态生产调度优化、基于模型的柔性精益智能制造”的三步走战略。
未来，该平台还将扩展到生产模拟场景，利用模拟技术实时动态调度生产计划，帮助解决生产线拥堵问题，帮助服装生产行业进一步提质增效。
万仁艳20年的人生，有四分之三的时间是在英岭直上的服装生产行业度过的。 现在，她身边的工人大多都是以前的老员工，最长的甚至已经在这里工作了15年。
他们见证了车间数字化转型，也发现自己逐渐获得了更强的能力，比如把自己擅长的事情做到最好。