深圳南山服装厂集中在哪里：他们决定留在服装厂数字深圳

数字化解放了组长的分工排布压力，让工人不再等待，每个人做最擅长的工作。

深圳龙华区，在赢领智尚龙华智慧工厂，产线开足马力，智能吊挂机徐徐转动，将一件件女装半成品运送至下一个工位。

生产正在有序地进行。

产线的一头是班组长万仁艳的位置，她正在电脑前关注着生产系统的实时数据。她管理的车间组来了一个新款服装的工单，以前这会儿本该是最忙的时候，车间的工人们总能看到她在各个工位间来回走动，培训技能、打印单子、沟通工序，不可开交。

今天她却气定神闲，工作怎么排布，她好像已经成竹于胸。

一两天一个新款，怎么办？

今年是万仁艳入行的第20个年头。

一开始，她也没想到会在服装行业工作这么久。本来只是在车间工位上，做一些简单的服装加工工序。逐渐的，她不甘于眼前的工种，把能学的技术都学了个遍。

2017年6月，赢领智尚公司开始安装试用服装吊挂系统，她是第一批测试上衣生产的员工。会的东西多了，她也慢慢从车位的普通生产员工做到全能工，又从组检当上组长。

第一次当上生产组长的头一两个月，万仁艳紧张得常常睡不好觉。

压力来自于管理。「因为要安排每一个员工负责做什么，操的心比以前多更多。考虑到大家的工资收入和工作效率，我的压力还是比较大的。」万仁艳告诉36氪，那个时候经理一直跟她说加油，但她压力大得都想放弃当组长了。

慢慢地，凭借努力和经验积累，万仁艳带领的生产小组效率逐渐提高，甚至连续一两年拿过团队奖。

随着公司规模扩大，她管理的小组也从20人翻了个倍，再加上产线设备和服装产品的变化，仅靠勤奋和经验，似乎已经愈发难以为继。

产线如何分配平衡，是万仁艳遇到的最大的挑战。

高端女装平均有150多道工序，每个工单下到工厂，组长需要一个款一个款的做分工排布，对组长能力依赖性很强，不仅要耗费组长大量的时间，也不一定能做到工人和设备利用率最大化。

员工想多干活多赚钱，但产线是动态的，有的人忙得热火朝天，有的人却只能在工位上坐着等活儿。因此，需要她这样的生产组长把该分解的工作分解给其他人，把复杂的工序分配给更擅长的人。

女装款式的迭代越来越快，工种也随之增多，万仁艳发现，要合理分配好小组员工对应的工序变得力不从心。员工擅长的技能、员工的工作情绪、质量是否达标、工序的站位是否影响挪车等，都是组长需要考虑的因素。

量变大了，质也必须过关。「两条产线有时候同时需要生产四五个款，每天还在转款。我们对品质要求也很严格，生产标准的细节也要一点点去注意。」

一款新的服装下单后，万仁艳要拆解它的生产流程，把制定好的流向表打印出来，结合新款工艺研发单，与技术员一起评估工艺技术难点与瓶颈点，确定培训方案，接着才把工序规划分配给具体的员工。服装生产完成，万仁艳也需要这张流向表，按照生产流程依次审核工序流，核对数量和质量，并将员工生产的相关数据结果提交给工资核算部门。

不仅是分配工作，服装从零件到整件的拼配也很容易出错。

刚上吊挂系统的时候，衣架顺序一乱，零件一增多，配对的准确率大受影响。这时候，组长需要立马去现场解决问题，让产线后面可以继续正常生产。

平均一两天来一个新款，这一套工作下来，就耗去了万仁艳一天不少的精力，「所以一天到晚忙着，光去处理这些调配问题，一个班的时间过得很快，好像一下子就过完了。」

她没有想到，现在这些工作都可以在屏幕中完成。

今天，万仁艳不用再在产线上时刻紧盯，只需要随时在手机或电脑的系统看板上，就可以看到今天的生产情况——有多少个站位在工作，整条产线距离当天的目标还有多少件，哪个工序卡壳，哪个工序提前完成，哪批货需要返工，所有信息一目了然。

这一切，都要从数字化说起。

今年，赢领智尚引入了「员工技能矩阵算法及工序智能分配算法」项目。通过大数据算法，准确定位员工工序所具备的技术能力，按需且快速的将工序进行合适的分配，直接提高员工个人的生产力。

在过去，需要万仁艳这样的班组长凭个人经验去进行工序分配；而现在，只需在系统中转变为算法即可自动进行工序分配。经评估，工作效率将比现有人工排班提升15-20%，工序分配时间将从40分钟降低至5分钟。

对于员工来说，优化后的分工排班，让他们在工位上等活的时间少了，每天的生产目标能以更高的效率达到，不用加班加点，收入也可以提高。

原来一个新员工要半年到一年的培训期，现在通过数字化系统，可以精确的找到员工的技能短板，进行针对性的培训，新员工能够上手辅助机器生产作业的时间被缩短到一个月左右。

万仁艳告诉36氪，现在她自己同时管理两条产线的员工，反而比之前感到更轻松。

当务之急，数字化

万仁艳的经历不是个例。

服装业是典型的劳动密集型、重资产的行业。像赢领智尚这样的服装生产企业里，缝制班组的效率高低决定了整个工厂的效益。

生产工人的工法技艺是服装产业的竞争力所在，也是提效的关键环节。复杂的各项服装制造工艺下，运营效率普遍偏低，对工人依赖性很大，导致招到有技术的工人也越来越难。

要解决这个行业难题，亟需通过数字化转型升级优化业务流程，从而在服装制造业有限的效益里，挖掘更大价值。

过去，传统服装企业的信息化建设，已经通过半自动化设备和配套软件，完成了将生产在线化、信息化的过程。而机器设备尚不能够满足愈发复杂的技艺制作需求，因此服装产业的生产车间依旧离不开传统技术员工。

赢领智尚持续改善中心总监杜武略告诉36氪，目前在服装行业，人工操作机器生产的比例在80%以上。只有在产品技法与材料单一的情况下，机器才能替代部分人力。

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、生产工序的精细化以及生产流程的便捷化。数字化要解决的最核心问题之一，就是实现组长对生产中的人、设备、工序分工排布的智能化。

传统服装制造企业中，工序排布只依靠班组长的个人经验，辅以简单的办公软件。而个性化、高频次、小批量的行业特性，使服装业需要响应的计划变更频率，是传统工厂的百倍左右。

传统的APS（高级排产排程软件）没有考虑调度上百个不同形态、不同设备的车间，也没有适应成千上万个产业工人的技能水平会随着工作内容和时间逐渐淡忘或加强。

现在，赢领智尚和华为一起，已经找到了这个更实用的工具。

结果上看，AI算法平台不仅对班组长的生产管理起到了良好的辅助作用，让一个人可以同时管理多条产线；还提高了生产效率和准确率，解决了服装厂招工难的问题，也为企业节省了不少的人力成本。

在同样数量的人、技能、设备和时间下，数字化智能生产正在创造出更大的产值。

这不是赢领智尚的第一次数字化尝试。

2017年2月，赢领智尚就成立了智能制造项目部。这个部门集聚了软硬件厂商的专家，与公司内部业务骨干一起，一共三百多人，共同研制服装智能制造系统。

从设计到交付，赢领智尚实现了柔性化混合式生产，更将数字化实践延伸到服装设计领域、供应链运营领域、智能制造领域、全渠道销售中台等环节。

现在，定制订单下单后，七个工作日就可以交到顾客手中，最快只需要三天。

在班组缝制排布的「智能化」实现之后，接下来，赢领智尚将向「智慧化」迈进。

在创始人兼董事长陈灵梅的畅想中，五年后的服装智慧工厂，很有可能只需要2名生产经理管理1000名工人，生产现场管理人员将进一步「少人化」，绝大部分场景将是软件直接取代人脑做决策。

从物理载体的低频、手工信息流，到数字世界的高频、自动数据流，从基于人工经验的排班决策到基于数据 算法的自动决策，数字化给服装企业带来的将是全新的想象空间。

计算机博士团队走进女装工厂

看似传统的制造问题，怎么通过人工智能解决？

带着十几人的博士项目团队，华为陈博士开启了服装生产行业的初体验。

在深圳龙华和江西于都的两个工厂，团队都去实地产线做了深入的调研。陈博士发现，原本以为服装生产已经像优衣库一样实现了高自动化，而事实上，高端女装的生产更追求定制化和精细做工。

经过半年的前期沟通和一个月的正式调研，团队认为，要提高产线的效率，人员技能的管理和分工，是数字化赋能的更大空间。

他在车间看到，工人的技能各不相同，基于人工经验的排班，也让已有的生产设备和系统所产生的各项数据，没有被充分利用起来。

另一方面，一件衣服所需要的工艺环节是很复杂的，组长分配任务时要考虑的因素很多，往往需要花很长时间去做拆解和分配，结果却并不一定理想。

下午两点要生产的一批衣服，组长从上午十点就要开始准备分工，要是遇到工人临时请假、产线变化等情况，还需要花更多时间调整。

陈博士在想，如果只需要在生产前花一点时间在系统里跑一下算法，就能完成分工和及时调整，对产线管理效率的提升将有多大？

赢领智尚已经有一定的数字化基础，要帮助企业提效，就需要从这两方面把已有的数据盘活，提高自动化和智能化的水平。

结合华为的大数据产品、机器学习训练与推理技术、运筹建模技术、AI开发平台、天筹AI求解器等多项技术能力，华为团队和赢领智尚共同开发了「智慧工厂生产系统优化与仿真平台」。

平台将自动化设备中大量的生产细节数据都存储下来，并根据业务逻辑和流程进行算法优化。根据智能车间MES系统的历史数据，对原始数据进行抽取、清洗、特征提取、统计学分析等一系列处理后，自动输出准确的员工技能矩阵表，每个员工擅长什么工序，效率和良品率是多少。

不仅快，更比人的感知准。

相关负责人提到，项目成功后，人工的技能测评工作就可以取消了，直接减少成本。

另一方面，工序智能分配算法能够对每张工单，自动输出最佳的工序分配方案。

每张工单需要哪些员工、哪些设备、在哪个站位、做什么工序，系统都可以直接算出来。在保障交期的前提下，在生产资源不变的情况下，用最短的总工时完成生产，班组的人均产出也更高，直接提高劳动生产力。

华为多年沉淀的算法技术能力已经相当成熟，真正的难点藏在实际产线中。

服装制造与高度自动化的电子制造不同，依赖手工工艺的服装生产无法简单对接一个系统就能直接使用。项目试运行的过程中，团队发现，落地更要适配真实的生产和管理习惯。

比如，工人完成了一批服装的生产后，下一批服装往往需要做另一个工种，其中搬运新的设备就要花去十几分钟。

同时，原来员工技能的培训也依靠组长经验决定。通过算法对技能数据的识别，可以找到最应该培训的人和能力。

这在硬核的工业制造产线上没有遇到过的问题，就需要算法在通用模块之外，针对服装生产中特殊问题，开发出新的模块，适应服装产线的实际需求。

陈博士告诉36氪，不仅是服装生产，在更多依靠人工工艺的制造行业，都可以通过算法平台，解决自动化之外的人效问题。

在华为与赢领智尚的调研与研讨中，设计了「数据及算法推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」的三步走策略。

未来，该平台还会向生产的仿真场景延伸，通过仿真技术实时动态的调度生产计划，帮助解决产线的拥堵问题，助力服装生产行业进一步增质提效。

万仁艳20年的服装生产从业经历中，四分之三都在赢领智尚度过的。现在，她身边的工友大多还是过去这批老员工，最长的甚至在这里工作了15年。

他们见证了数字化对车间的改造，也发现自己慢慢拥有了更强的能力，比如将擅长的事做到最好。