자세한 내용(원본)은 아래 링크를 참조하십시오.

https://clothingindustry.blogspot.com/2018/03/artificial-intelligence-apparel-industry.html

의류 제조 는 노동 집약적이며, 고정 자본 투자가 낮다는 특징이 있습니다. 광범위한 제품 설계 및 입력 자료; 가변 생산량; 높은 경쟁력; 종종 제품 품질에 대한 높은 요구가 있습니다. 그러나 의류 품질에 대한 수요가 높아지고 소비자 인지도가 높아짐에 따라 최근 의류 제조 과정에서 자동화 된 공구 및 장비를 사용하게되었습니다. 의류 생산 의 자동화 는 기술 개발과 모델링 및 시뮬레이션의 사용으로 인해 현실화되고 있습니다. 노동 집약적 인 특성 때문에 의류 업계는 AI 업무에서 큰 이익을 얻을 수 있습니다.

정보 기술 시대에 AI (인공 지능)는 공학, 물리학, 의학 및 관리 분야에 혁명을 일으켰습니다. 전통적인 수학적 모델은 AI의 핵심 원리 인 문제를 해결하거나 의사 결정 과정에서 사용됩니다. AI는 휴리스틱 및 지능적인 특성으로 인해 다양한 문제에 대해 우수한 솔루션을 제공 할 수 있습니다. 인공 지능의 도움으로 품질 향상, 생산성 향상 및 생산 비용 절감과 같은 중요한 결과를 얻을 수 있습니다. 

AI는 인간 지능과 인간의 감각 기능의 특성을 시뮬레이션 할 수있는 컴퓨터 과학 분야입니다. AI 시스템은 휴리스틱하고 지능적인 특성으로 인해 고전 시스템보다 우수한 솔루션을 제공 할 수 있습니다.

의류 생산 과정은 그림 -1에 설명되어있다. 개념화 단계부터 시작하여 소비자에게 도달 할 때까지 디자인 개발, 제조, 공급망 및 소매업을 통과합니다. 개념화 단계에서는 디자이너가 색상, 직물, 실루엣 및 트림의 경향을 예측하여 테마를 개념화합니다.

디자인 개발이 완료되면 의류 생산 프로세스가 시작됩니다. 의류 생산 공정에는 직물 펼침 , 절단, 번들링, 재봉, 압축, 검사 및 포장이 포함됩니다 (그림 2). 패브릭은 의류의 주요 구성 요소이며 많은 의류 제조 산업의 입력 재료입니다. 원단을 받으면 품질 검사를하고 잠시 보관 한 다음 원단을 펼쳐 절단 합니다. 의복 디자인에 따라 여러 가지 구성 요소가 다양한 절단 장비를 사용하여 절단됩니다. 절단 된 구성 요소는 번들로 묶여 고정 된 후 묶음 티켓으로 전달됩니다.

숙련 된 작업자가 의류 구성품을 수 놓은 후 눌러지고 완성 된 의복은 품질 검사를받습니다. 그런 다음 의류는 포장되어 자신 또는 제 3 자 물류 제공 업체에 의해 소매점으로 보내집니다. 소매점은 소비자가 제품을 구매하는 곳입니다. 오늘날 소비자들은 의류 스타일, 적합성, 품질 및 가격에 대해 많은 관심을 가지고 있습니다. 이러한 매개 변수의 대부분은 그림 2에서 설명한 생산 단계에서 관리됩니다. 따라서 이러한 프로세스 중에 관리 직원이 다양한 작업을 제어해야하는 경우가 있으며 이는 여러 경우에 어려울 수 있습니다. AI를 사용하면 의사 결정, 주문 계획 수립, 마커 작성, 생산 계획, 공급망 관리 (SCM) 및 소매업을 위해 이러한 문제를 효과적으로 통제하는 데 도움이 될 수 있습니다.

의류 제조업체는 소비자가 이해하고 예측하기 어려운 다양한 제품 조합을 생산해야합니다. 그들의 선택은 불안정하고 예측할 수 없으며, 인구 통계 및 인물 통계에는 다양한 변화가 있습니다. 제품 품질은 원사 제조, 직물 준비 (직조 및 편직), 직물 화학 가공 및 의류 제조와 관련된 몇 가지 요소에 따라 달라집니다. 따라서 이러한 모든 요소는 의류 제조의 전 과정에서 인공 지능의 적용으로보다 잘 제어 될 수 있습니다. 자동화가 이루어지고 있지만, 의류 산업은 여전히 ​​다른 분야에 비해 뒤떨어져 있으며 수동 개입에 의존하고 있습니다. 

인공 지능은 지난 20 년간 다양한 분야의 의류 산업에서 추진력을 얻고 있습니다. 인공 지능의 응용에 의한 다양한 도구의 자동화,절단 , 재봉 및 재료 취급은 생산 비용을 줄이고 결함을 최소화 할 수 있습니다.

직물 및 의류의 생산에는 재료 및 공정과 관련하여 많은 변수가 포함됩니다. 여러 단계의 작업 외에도 원자재의 높은 가변성이 있기 때문에 원하는 출력을 얻기 위해 공정 매개 변수를 정밀하게 제어하기가 어렵습니다. 지금까지 이러한 변수와 직물의 특성 사이에 적절한 관계를 수립하는 것은 인간의 전문성에 달려 있습니다. 많은 경우, 항상 많은 변수를 기억하고 정확한 부동산 예측을위한 지식을 적용하는 것은 어려운 작업이므로 인간의 작업과 관련된 오류의 가능성이 있습니다. 이것은 계산 및 시뮬레이션의 개발이 여러 변수를 다루는 다양한 시스템을 만들면서 AI의 적용으로 가능합니다. AI의 적용은 이제 변수와 제품 속성 간의 효과적인 관계를 수립하기 위해 교육 중 많은 범위의 데이터 세트를 처리 할 수 ​​있습니다. 따라서 지난 10 년 동안 AI의 사용은 섬유 및 의류 제조 산업에서 다양한 용도로 빠르게 증가하고 있습니다.

의류 산업에서의 인공 지능 응용 분야 :
AI는 섬유 그레이딩, 실 특성 예측, 직물 결함 분석 및 염료 제조법 예측과 같은 섬유 생산의 다양한 프로세스에 사용할 수 있습니다. 마찬가지로 AI는 의류 제조의 모든 단계 (프리 프로덕션, 프로덕션 및 포스트 프로덕션)에 적용될 수 있습니다. 의류 제조에는 개념화, 디자인 개발, PPC, 퍼짐, 절단, 번들링, 재봉, 압축 및 포장과 같은 프로세스가 포함됩니다. 텍스타일 및 의복 제조 분야에서 AI의 주요 응용 분야 중 일부는이 섹션에서 논의됩니다. 위에서 언급 한 AI의 여러 유형 중에서 ANN (인공 신경망)은 주로 다음 분야에서 의류 제조에 널리 사용됩니다.

1. 기계적 성질의 예측,
2. 분류 및 채점,
3. 결함 식별 및 분석,
4. 프로세스 제어 및 온라인 모니터링,
5. SCM 및 소매.

다음 섹션에서는 의류 제조와 관련된 다양한 생산 공정에서의 AI 적용에 대해 설명합니다. 

섬유 및 원사 생산에 인공 지능 응용 :
섬유 섬유는 의류 및 기타 직물 생산의 기본 원료입니다. 많은 종류의 섬유 섬유가 있기 때문에, 육안 검사를 통해 알려지지 않은 섬유를 식별하는 것이 종종 어렵습니다. 섬유 식별의 전통적인 관행은 화염이나 화학 물질을 사용하는 파괴적인 테스트를 기반으로합니다. 최근의 진보는 광학 현미경, 푸리에 변환 적외선 및 라만 분광법의 사용을 포함합니다. AI는 또한 섬유의 섬유질을 식별하고 등급을 매기는 데 사용되며, 섬세함, 길이, 균일 성 비율, 견고성 및 실 속성에 대한 방사 성능의 영향과 같은 색상 및 기타 특성에 따라 등급이 매겨집니다. 섬유 특성으로부터의 실의 가상 모델링, 실의 인장 특성 예측, 실의 불균일성 예측,

직물 생산에 인공 지능 응용 :
의류 산업의 주요 원료는 직물입니다. 직물의 품질은 의복 품질, 생산성 및 의류 제조 용이성에 영향을줍니다. 직물은 의류의 종류와 최종 용도에 따라 선택됩니다. 의류를 만들기위한 직물 사양은 1 차 및 2 차로 분류 할 수 있습니다. 외적인 힘에 대한 직물 반응은 2 차적인 것으로 간주되는 반면, 물리적 치수는 1 차로 간주됩니다. 소비자 관점에서, 의복 외관, 안락 및 내구성은 중요한 매개 변수입니다. 

AI를 적용하여 다음 매개 변수를 제어 할 수 있습니다. 

패브릭 특성 예측 :
AI는 섬유, 실 및 직물 구조 데이터를 사용하여 신경 퍼지 (neuro-fuzzy) 또는 기타 접근법을 사용하여 제조하기 전에 패브릭 속성을 예측하는 데 사용할 수 있습니다. 인공 지능을 적용하는 동안 입력 섬유와 얀 매개 변수 사이에 적절한 선형 및 비선형 관계를 설정하고 직물의 특성을 예측해야합니다. 그러나 인공 지능의 적용은 원단 제조사에게 매우 비싸므로 원가가 상승 할 수 있습니다. AI는 또한 쾌적 성을 조사하기 위해 적용될 수 있습니다. 감각적 인 편안함이 고려되는 동안, 직물은 인공 지능의 응용에 의해 손 가치에 따라 분류 될 수 있습니다. 

컬러 솔루션 :
색상은 소비자가 반응하는 디자인의 첫 번째 요소이므로 직물의 중요한 특징 중 하나입니다. 소비자는 색상 호소를 근거로 의류 또는 기타 패션 액세서리를 선택하거나 거부합니다. 따라서 올바른 색상을 얻으려면 염색 및 인쇄시 정확한 품질 관리가 필수적이며 이는 판매량에 영향을 줄 수 있습니다. 염색 및 인쇄 공정 모두 필요한 색상 견뢰도, 차양 깊이, 색상 매칭 및 표면 특성을 달성해야합니다. 이 매개 변수는 염료 및 직물 조합 및 화학 물질 규칙에 영향을받습니다. 허용 가능한 한도에서이 매개 변수의 편차는 전체 패브릭 배치의 재 처리 또는 거부로 이어질 수 있습니다.

인공 지능을 사용하면 이러한 문제를 해결할 수 있으며,이를 래서 피 예측에 사용할 수 있습니다. 염색 및 인쇄 중 공정 제어; 컬러 매칭; 최종 염색 또는 인쇄 된 직물의 평가. 

컬러 솔루션을위한 AI의 응용 중 하나는 섬유 혼합 단계에서 로빙이 원사로 변환되는 동안입니다. 인공 지능의 사용은 서로 다른 색상의 섬유가 혼합 될 때 생성되는 색상을 예측하는 데 도움이됩니다. 균질 블렌드의 경우, 이론적 및 경험적 모델을 사용하여 색상 예측을보다 정확하게 수행 할 수 있습니다. 

인공 지능은 직물의 색 일치 및 차광 정렬에 사용할 수 있습니다. 분광 광도계의 흡광도로부터 염료의 농도를 예측함으로써 실제 색상 생산에 사용될 수 있습니다. 

패브릭 오류 감지 :
품질이 떨어지는 원단은 표준 의류를 생산할뿐만 아니라 의류 제조 과정에서 생산성을 저하시킵니다. 옷감의 결함은 최종 의복에 전달되어 옷을 거절 할 수 있습니다. 따라서 의복을 제조하기 전에 직물의 품질을 확인하는 것이 중요합니다. 

일반적으로 직물 검사 는 조명이 장착 된 테이블이나 장비를 사용하여 숙련 된 작업자가 수행합니다. 이 과정은 오히려 느리고 여러 번 결함이 의류로 전달 될 수 있습니다. 또한 피로로 인해 직물 검사원의 효율성이 신속하게 줄어 듭니다. 그러나 AI를 사용하면 훨씬 더 정확하고 피로없이이 작업을보다 빠른 속도로 수행 할 수 있습니다.

인공 지능은 의류 업계에서받은 직물의 결함 검사 및 채점에 적용 할 수 있습니다. 결함의 이미지는 시스템에 저장되고 캡처 된 이미지와 비교됩니다 (그림 3). 차이가 발견되면 결함이 확인되고 검사자는 결함 지점을 계산합니다.

의류 제조에서의 인공 지능 응용 :
의류 제조 공정은 점점 더 많은 소비자의 요구에 부응하고 결함 수를 줄이며 생산 비용을 낮추기 위해 자동화되고 있습니다. AI는 재봉선의 성능, 의류 디자인, PPC, 다양한 재봉 작업 및 품질 관리를 예측하는 데 점점 더 많이 사용됩니다. 인공 지능은 의류의 지능형 제조에 적용되어 특정 공정 후 의류 특성을 예측할 수 있습니다. 따라서 원단 엔지니어링 및 의류 제조 공정 모니터링에 적합한 의류 디자인에 사용할 수 있습니다.

수 놓은 솔기의 성능 :
수 놓은 의복에서 이음새와 스티치는 둘 이상의 천을 함께 결합하는 데 사용됩니다. 이음새 형성의 용이성과 이음새의 성능은 "재봉 성"으로 알려진 용어로 판단되는 중요한 매개 변수입니다. 인장, 전단, 굽힘 및 표면과 같은 패브릭 저 응력 기계적 특성은 재봉성에 영향을 줄 수 있습니다. 인공 지능 시스템은 의복 생산 중 다른 직물의 재봉 능력을 찾는 데 사용될 수 있습니다. 직물의 기계적 특성은 펼치기, 절단 및 재봉 중 성능에 영향을줍니다.

품질이 좋은 솔기는 양질의 의복에 필수적입니다. 재봉 솔기의 성능은 직물의 유형과 재봉사의 조합에 따라 달라집니다. 솔기와 스티치 유형; 바늘 크기, 스티치 밀도 및 재봉기 상태를 포함하는 재봉 조건. 이음새의 성능 특성은 이음새 주름, 이음선 미끄러짐 및 실 절단에 의해 평가되며 AI로 예측할 수 있습니다. 

컴퓨터 지원 설계 시스템 :
의류 제조의 중요한 단계 중 하나는 패턴 작성 이며, 여기서 종이 패턴은 디자이너가 작성한 다음 컴퓨터로 디지털화합니다. 3D 의류의 기본 블록 인 의류에 대해 여러 가지 2 차원 (2D) 패턴이 준비됩니다. 다양한 CAD 소프트웨어가 의류 업계에서패턴 생성, 디지털화, 채점 및 마커 계획. CAD 소프트웨어는 높은 생산성과 향상된 품질을 달성하는 데 도움이됩니다. 의류 디자인에 관련된 디자이너는 CAD 소프트웨어를 사용하여 수많은 디자인을 만듭니다. 

그러나 CAD 소프트웨어 는 특정 의복 스타일에 맞는 의복 패턴이나 디자인을 자동 생성하는 데 사용할 수 없습니다. 또한, 많은 의류 산업에서 기존의 의류 패턴 생성 방법은 숙련 된 디자이너에 의해 수행되며 패턴 생성에 AI를 사용하는 범위가 있지만 CAD 사용은 포함하지 않습니다.

기본적인 의류 패턴을 자동으로 개발하는 데 도움이되는 인공 지능을 구현하기위한 몇 가지 연구가 수행되었습니다. 예를 들어, Inui는 시스템 사용자가 선호하는 의류 디자인을 검색하는 데 사용할 수있는 AI 통합 CAD 시스템 (조합 의류 CAD 및 GA)을 개발했습니다. 검색 프로세스는 사용자가 시스템에 의해 생성 된 예제를 평가하는 맨 - 머신 상호 작용 사이클을 포함합니다. 

CAD 시스템 은 디자인, 패턴 제작 및 채점 작업을 만들기 위해 의류 제조에 사용됩니다. 연구자들은 AI를 CAD 시스템과 통합하여 설계를 자동으로 생성하려는 여러 시도가있었습니다. 숙련 된 디자이너는 다양한 의류 스타일의 적절한 패턴 디자인에 필요합니다. 그러나 AI 시스템은 숙련 된 디자이너의 전문 지식을 제공하는 데 사용할 수 있습니다.

생산 계획 및 관리 :
PPC 는 여러 생산 부서 간을 조정하여 납기 날짜를 맞추고 고객의 시간을 정시에 전달합니다. PPC와 관련된 문제에 초점을 맞춘 다양한 연구 활동과 병목 현상 방지. 대부분의 연구는 재봉틀 바닥과 관련된 PPC의 문제, 즉 재봉 레이아웃의 고정, 재봉의 라인 밸런싱 및 재봉 바닥의 작업자 관리와 같은 문제를 기반으로했습니다. AI는 기계 레이아웃, 작업 지정 및 바느질 라인 밸런싱 문제를 해결하거나 최적화하는 데 사용할 수 있습니다. 이것은 PPC 의 목적 달성에 도움이 될 수 있습니다.

AI 기반 의사 결정 지원 시스템은 특정 고객 주문에 가장 적합한 제조 플랜트를 결정하기 위해 의사 결정에 사용되었습니다. 재조정을위한 GA 기반의 실시간 세분화는 Wong에 의해 마킹 , (2) 패브릭 스프 레딩, (3) 절단 및 (4) 번들링 중 바느질 마루의 PPC 관련 문제를 처리하기 위해 개발되었습니다 . 

또 다른 연구에서 조지아 기반 시스템은 적절한 조립 라인에 대한 각 생산 주문에 대한 생산 일정 계획을 위해 Guo에 의해 설계되었습니다. 이 시스템은 생산 지연, 생산 불확실성 (가공 시간, 주문 및 리드 도달 시간과 같은) 및 기타 병목 현상에 대한 다양한 요소를 고려하여 설계되었습니다. 

최종 의복 검사 :
생산 과정에서 완성품 및 반제품을 검사하는 것은 거부감을 줄이는 데 필수적입니다. 완성 된 의류의 최종 품질은 봉제 품질 및 기타 결함에 따라 달라집니다. 완성 된 의류의 최종 품질 검사는 주로 숙련 된 사람들에 의해 이루어지며, 이는 시간이 많이 걸리고 종종 주관적입니다. 검사 결과는 검사원의 신체적, 정신적 상태에 영향을받습니다. 따라서 자동화 된 검사 장치는 효율성과 정확한 결과를 향상시키는 데 필수적입니다. 제한적인 연구가 수행되었지만 완성 된 의류의 품질 검사를 위해 AI 및 이미지 처리를 사용하여 자동화 된 검사를 수행 할 수 있습니다.

의복 생산 과정에서 각 공정 (절단, 봉제 및 압축)은 완성 된 의복의 품질에 영향을 미치는 중요한 역할을합니다. 반제품의 품질은 최종 검사 전에 이러한 각 공정에서 검사해야합니다. 완성 된 의복은 규격, 외관, 결함, 크기 및 착용감에 따라 검사됩니다. 상세하게 완성 된 의복은 솔기에 걸린 꿰매어서는 품질, 불일치 한 끈이나 줄무늬, 솔기 부분에 잡힌 이가있는 솔기 또는 여분의 재료, 헴에 따른 솔기없는 솔기 및 의류 생산 중에 발생할 수있는 기타 많은 결함을 검사합니다.

최종 의복 검사에서 인공 지능의 적용은 다음을 포함한다 : 머신 비전을 사용하는 셔츠 칼라 (모노 컬러 재료)의 일반적인 결함의 자동 분류; 레이저 센서를 사용하여 주름 평가를위한 AATCC (미국 섬유 화학자 협회)의 주름 등급 적용; 웨이블릿 변환 및 BP NN을 이용한 스티칭 결함의 검출 및 분류; 자기 조직화 매핑을 사용하여 이음새 퍽커 평가; 의류 검사를위한 현명한 행거 설계이음새가없는 의복을 제조 할 때 AI는 온라인으로 결함을 감지하는 데 사용할 수 있습니다. 최종 의복 이미지를 캡처하여 표준과 비교할 수 있으며, 표준의 모든 변형은 해당 시점에 수정할 수있는 오류로보고되거나 오류가 발생한 위치에서 마킹이 수행됩니다.

공급망에서의 적용 :
SCM은 섬유, 원사, 직물, 의류, 트림 및 액세서리의 흐름을 다른 생산 지점 또는 소매점 사이에 포함합니다. 또한 정보의 흐름을 포함하여 위에 열거 된 모든 자료를 저장하고 통제해야합니다. SCM은 고객을위한 가치 창출을 위해 다양한 비즈니스 프로세스, 활동, 정보 및 리소스를 통합합니다. 적절한 SCM으로 비용 및 비즈니스 경쟁력을 관리 할 수 ​​있습니다. 다른 상품의 공급망 활동에 AI가 폭넓게 적용되어 왔지만, 제한된 적용이있는 패션 공급망에는 몇 가지 영역이 있습니다.

AI 기반 모델은 SCM의 어느 지점에서나 정보를 통합하고 공유하는 데 사용할 수 있습니다. 공급망 계획에 다양한 AI 접근법을 사용할 수 있습니다. 공급망 수요 예측; 공급망 네트워크의 최적화; 섬유 공급 사슬의 물류 관리; 표본 관리; 효과적인 재고 관리;재고 보충. 

소매업의 응용 분야 :
패션 소매업은 소비자와 패션 상품 제조사 간 연계를 구축합니다. 지난 20 년 동안 패션 소매업은 기술적 진보와 빠른 패션에 대한 소비자의 행동 변화로 인해 가장 경쟁이 치열한 소매 부문 중 하나가되었습니다. 소매 판매에는 판매 예측과 같은 몇 가지 영역이 있습니다. 유행 소매 예측; 스타일 제안; 고객 관계 관리; 수요 예측; 고객 만족도 결정; 패션 조정; AI 애플리케이션이 계속 증가하고 있습니다. 유행에있는 판매 예측은 몇몇 요인에 달려 있기 때문에 수요의 변동성 때문에 지금 도전적이되었습니다. 스타일, 색상 및 의상 크기와 함께 판매에 대한 기록 데이터를 판매 예측에 사용할 수 있습니다.

인공 지능 제안 시스템은 소비자에게 적합한 스타일과 디자인 조합을 선택하는 데 사용될 수 있습니다. 여러 경우에서 두 가지 스타일 간의 미묘한 차이점을 파악하는 것은 매우 어렵습니다. AI는 둘 이상의 다른 스타일 간의 차이점과 유사점을 식별하는 데 사용할 수 있습니다. 오늘날의 소비자는 이전보다 더 편안함 기능에 대해 더 잘 알고 있습니다. AI는 또한 고객이 사용할 수있는 모양을 포함하여 필요한 편안함을 제공하기 위해 적합한 유형의 의복을 선택하는 데 사용될 수 있습니다. 

결론:
이 현대 시대에 인공 지능은 인간과 비슷한 지능으로 다양한 문제를 해결하기 위해 많은 분야에서 사용되고 있습니다. 인공 지능의 적용은 노동 집약적 의류 생산에 널리 받아 들여지지 않았습니다. 그러나 글로벌 경쟁 환경과 낮은 생산 원가를 달성하려는 목표는 의류 산업에서 재료 선택 및 소싱부터 제조 및 소매업에 이르기까지 AI의 폭 넓은 응용 분야에서 주된 이유입니다. 인공위성은 섬유 그레이딩, 실 특성 예측, 직물 결함 검출 및 염료 제조법 예측과 같은 섬유 생산의 다양한 프로세스에 사용될 수 있습니다. 마찬가지로 AI는 프리 프로덕션, 프로덕션 및 포스트 프로덕션 작업과 같은 의류 생산의 모든 단계에 적용될 수 있습니다. 선진국에서는 이미 AI를 사용하여 의류 품질을 개선하기 시작했으며, 향상된 고객 서비스 및 이에 따라 판매 증가. 인공 지능은 빠르게 발전하고 있으며 가까운 미래에 품질 향상, 생산 증가, 운영비 절감, 생산 관리에 대한 집안 운동 등을 통해 의류 제조사가 중요한 도구가되어 빠른 응답과 적시에 인도 될 것입니다 개념. 의류 제조 분야의 AI 적용은 다른 분야의 응용 분야와 유사한 밝은 미래를 가지고 있습니다.

참고 문헌 :

1. Rajkishore Nayak과 Rajiv Padhye의 의류 제조 자동화
2. Rajkishore Nayak Rajiv Padhye의 의류 제조 기술
3. T. Karthik, P. Ganesan, D. Gopalakrishnan의 의류 제조 기술
4. http://stitchdiary.com/articles-articles-apparel-industry/