來自台南的和明紡織，創立至今超過四十年，已是少數根留台灣的紡織業者。日前宣布運用TensorFlow與Google雲端平台，不僅改造內部工作流程，同時藉此快速地回應瞬息萬變的市場需求，轉型成為數位化企業。
台灣紡織業舉世聞名，和明紡織正是Ralph Lauren、Filson、Burberry等國際知名服飾品牌面料供應商。「和明紡織的商業模式，是由客戶提出面料需求，例如顏色、紋理、材質、光澤、織法，客製化地生產，完成後先行打樣以便於確認符合需求，才會進入量產階段。如此經營四十多年，累積了超過十萬種面料樣式，可說是和明紡織重要的資產。」和明紡織策略執行顧問李佳憲強調。
面料樣品生產完成後，會被存放到台北或台南的三處倉庫。當設計師收到客戶需求，須提供設計樣品時，理應先人工搜尋過往生產的面料中是否有類似，但由於數量實在過多，未必能夠在短時間內找到類似款式，因此通常都是重新設計與生產樣本，再提供給客戶。如此往來的工作流程，有時甚至需要花費三個月時間才得以完成。
問題是近年來紡織業市場競爭日漸嚴峻，最大的挑戰莫過於快時尚潮流與新興設計師品牌崛起，使得上游訂單數量隨之減少，欲因應市場變化，勢必得從內部轉型開始，改善舊式倉儲管理、人工作業流程，提升整體效率。此外，過往生產技術與經驗勢必得透過數位化技術加以保存，才得以傳承與再利用。
「儘管和明紡織早在十年前就已開始思考保存經驗的方式，之所以未付諸行動，主要受限於技術、人才、投入的成本。我身為顧問，主要在協助企業換位思考，並且讓業主們了解現代資訊科技技術的發展，已經得以在可接受的成本下，來實現過去無法達成的創新。」李佳憲說。和明紡織目前導入的技術，即是運用Google雲端平台上實作TensorFlow，藉由數位化面料以進行建立分類系統，改善搜尋與挑選的工作流程。
在面料的數位化過程，首要任務是透過拍照把布料先轉換成為數位檔案，之後才得以運用影像辨識技術學習照片中的特徵，並且予以分類，也就是基於TensorFlow框架實作機器學習模型訓練，建立面料樣式辨識能力，最後再讓設計師以手機App方式查找與展示。
採用雲端服務對於各產業而言最大的誘因即是省去實體設備建置，再加上欲建立影像辨識能力，首先要先投入大規模硬體建置，這些費用都會變成是需要攤提的成本。雲端服務可預估每個月或每年要多少產出，假設服務要進行調整，也不用背負資本支出。
當然，和明紡織去年（2017）10月開始導入Google雲端與機器學習應用，也遭遇到許多挫折與瓶頸，李佳憲指出，印象最深的是原本期望運用機器學習自行從布料照片中找到特徵，結果卻發現精準度不夠，為了改善此狀況，設計師也必須得加入。以監督式學習方法，先讓設計師篩選出布料的特徵並制定出分類標準，再以人工標籤圖片的特徵，藉此訓練機器資料模型，提升辨識相似特徵的準確度。
成功跨越前述的障礙後，已逐漸展現出實質效益。李佳憲說明，首先是手動倉儲流程自動化，大幅縮短搜尋與供貨時間，只要透過手機App拍照客戶需求的布料，即可快速查找過去曾經設計過的相似款式，並且從倉庫中調出庫存，可能僅須微幅調整即可產出樣本。如此一來，原本從接單到提供樣本大約三個月，可大幅縮短到三天時間，更快速地回應客戶所需。
除了運用現代資訊科技來提升內部工作效率以外，和明紡織亦期望透過機器學習打造一個設計師之間可溝通的應用系統，讓全球設計師社群彼此交流，並透過和明紡織的開放資料庫，以提供設計靈感，甚至可直接在App訂購，成為紡織業新型態商業模式。
 |
| ▲和明紡織把四十多年生產累積的面料轉換為數位檔，並運用雲端服務提供的圖像辨識技術，以監督式方法建立機器學習模型，讓設計師透過App快速查找，改良工作效率與回應市場的速度。 |