红领西装,规模化如何兼容定制化?

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

红领,这个对众多IT人还很陌生的企业,正在慢慢进入大家的视野。海尔集团董事局主席兼首席执行官张瑞敏参观后对其非常认可,并让海尔集团几百名中层以上领导分9批到红领学习。工信部出版的《信息化和工业化深度融合干部知识读本》中,红领也作为典型案例刊登于内。甚至中央电视台的《新闻联播》,也对其进行了三分多钟的报道。为何红领可以兼顾规模化与定制化?其后的数据支撑功不可没。


UPS山东最大客户是谁?

情理中,其将会是一家总部在国外的跨国公司,频繁的国际业务往来离不开UPS或DHL。但实际并非如此,恰恰是一家名声并不显赫的服装公司——青岛红领集团有限公司(下称“红领”),给UPS中国提供了大笔订单。这家主业为西服定制的中国企业有一半收入来自海外,其一个美国代理商每天最多可发出400多套西装定制的订单,每套定制西服上千美元的价格,让其不必在意布料和成衣每次往返美国高达130美元的成本。如果故事到此为止,这就只是一个三流的外贸公司成功故事,行业人士会看出更多奥妙:如此数量的定制西服怎么做得出来?


“工业化定制”

在定制西服的传统概念中,定制与工业化经常是一对天然的反义词。定制西服往往就意味着手工,手工量体,手工打版(注:设计西服版型),然后用廉价衣料手工制作毛坯,客人试穿后再次修改,如果效果不好,毛坯的制作和修改可能会再来一次,如是反复之后,至少三个月已经过去了。所以国外西服定制一般都需要三到六个月。如按照传统模式去生产,如此数量的定制西服红领就很难生产出来。国内某著名西服品牌一条小型定制生产线,一天产量仅仅是五套。


近期,红领突然声名鹊起的原因,即在于解决了这一问题:用规模工业生产满足了个性化需求。其中缘由,在于其自己研发了一个个性化定制平台——男士正装定制领域的大型供应商平台RCMTM(redcollar made to measure,红领西服个性化定制)。这个名字听上去有点拗口的平台,可以让红领每天生产1200套西服,“一套西服的制作只需7个工作日,且都是一次制作完成。”红领集团常务副总裁李金柱如是说。5月22日下午,山东青岛即墨,《第一财经日报》记者在红领西服上衣加工车间里见到了这个平台,其核心是一套由不同体型身材尺寸集合而成的大数据处理系统。


制约手工定制西服产量的关键在于打版。在定制西服制作中,打版这个环节相当于建设楼房前的图纸设计。在一线城市中,想找到一个成熟的打版师傅没有1万月薪连想都不要想。而一个成熟的打版老师傅一天最多的产量也不过是两个,还会存在误差,这会导致返修率。如果坚持使用手工打版,每天生产1200多套西服的红领,至少需要500多个打版师傅。找到如此数量的熟练打版师傅是难以想象的,成本也将非常高。


红领相关人士向记者解释说,RCMTM平台关键是用大数据系统替代手工打版。走进这个车间,流程的第一个环节即是这套系统,其被称为CAD(Computer Aided Design)的部门。需要说明的是,用CAD打版并非红领首创,关键在于其中运行着的大数据处理系统。记者看到30多个人坐在电脑前忙碌着,随机来到一个刘姓工作人员前,在她的电脑系统中,记者可以看到在一秒时间内,就处理了尾号从66到90的24个订单,每个订单中有着多达50多个技术细节。输入顾客身体测量数据和细节要求后,会自动生产所谓的版型。在熨烫环节,记者看到一件无衬西服上衣,花哨的颜色和类似短风衣的版型显示其主人是个颇为时尚的人。这名顾客是个美国人,在前一天晚上10点22分完成制版,稍早前从美国下单到红领的。这套系统让红领定制业务快速发展,给身处传统制造业的红领带来了新活力。在服企饱受高库存煎熬时,红领今年以来却实现了生产、销售、利润指标150%以上的同比增长。除滚滚而来的订单和利润,其也给红领带来更多关注。


海尔集团董事局主席兼首席执行官张瑞敏参观后对其非常认可,并让海尔集团几百名中层以上领导分9批到红领学习。工信部出版的《信息化和工业化深度融合干部知识读本》中,红领也作为典型案例刊登于内。甚至中央电视台的《新闻联播》,也对其进行了三分多钟的报道。热闹终将归于平寂。一个让人关心的问题是这个平台能走多远?其大数据系统是怎样建成的?制造业同行可以从中吸取怎样的经验?


大数据与量体裁衣

“最开始我们想买一套现成的系统,但是买不着,而且没人去研究这个系统。所以我们就自己投钱做。”红领集团董事长张代理说。至今红领已经投入2.6亿,历时11年。要建成大数据系统,硬件显然不是最重要的东西,首要因素就是要有海量技术数据。如前所述,工业化生产满足个性化需求的核心问题在于解决手工打版,也就是输入身体尺寸数据后,CAD会自动匹配最适合体型版型。而CAD打版过程中,根据测算,1个数据的变化会引起9666个数据的同步变化,比如肩宽一公分,相应身体其他部位都会发生变化,有很强的衔接关系,也正如此才能保证衣服贴身合体。“这个没有大数据是做不成的。”李金柱告诉记者。


当然,11年前开始的时候,红领和张代理肯定不知道什么是大数据,“但我们就是按照大数据的方法在做。”张代理说。红领多年来一直在累积数据,至今已经累积一百万万亿的数据。这种规模的数据量是否真实曾引起某权威专家的怀疑,他甚至专门来求证此事。听了红领给出的解释后,该专家说这也是他之前猜测的方法。


拥有数据之后的关键问题是怎么用,就是要建立怎样的数学模型。“建模型是最难的。”李金柱对记者说。红领为此设立了一个100到150人规模的团队,这些人先设立规则,并按规则建立数据库。测试样的衣服做出来后,有不合适的地方,红领会再去改规则。不停地变动规则,不停改变数据库。例如,腰围和立裆数据关联,开始设计的规则是腰围加大立裆随之加长,但后来发现这种关联是错误的,因为没有考虑到人体更复杂的东西,于是规则再次发生变化。


如今,这套系统仍在完善中。不过不满足率已降低到万分之一,这些会是特殊到一定程度的人,例如残疾人。“姚明都没有问题,高和胖都没有问题。”张代理说。


RCMTM平台有两个关键优势:首先是这套大数据系统,解决了制版问题,但大数据制版解决后还不够,接下来是如何把版实现,“一件一件衣服怎么裁,裁完以后怎么把这一件一件片儿(剪裁好的材料)分配到每条线上去。”张代理对记者说。接下来还有如何缝制、熨烫、质检、入库等。如果不是生产定制产品,工业化流水线作业很简单,因为所有产品基本都是相同的,流程和环节都很容易标准化,但定制产品是根据每个人身体数据制作的,流水线上的每件都是不同的,如何实现标准化?这就需要红领对生产线进行重新调整。


“红领工厂现有三千人,我把它当作实验室。”张代理对记者说。最初红领拿出一个班组测试,然后扩展到一条流水线,再扩展到一个车间,最后扩展到两个车间、三个车间,等于用十年时间建设了一个实验室。“我相信这个世界上敢拿三千人做实验室的,恐怕只有我一个。”张说得虽然豪迈,但过程是艰辛的。为建设这个平台,张代理一年中最多三十晚上和大年初一上午休息,其他时间都在工作。在车间,他和所有工人一样,有个固定工位,天天研究这个事儿。“我要给班组长讲,在小黑板上画着给他们讲,你现在一定要变,将来这么做是最对的。”


如今,红领大系统中包含着20多个子系统,全部以数据来驱动运营。每天系统会自动排单、自动裁剪、自动计算、整合版型,这些原来都靠人工完成。如今,一组客户量体数据完成定制、服务全过程,无需人工转换、纸制传递、数据完全打通、实时共享传输。实现“在线”工作,而不是“在岗”工作,每个员工都是在互联网终端上工作。


记者在其车间看到,经过CAD部门的大数据制版后,信息会传输到布料准备部门,按照订单要求准备布料,裁剪部门会按照要求进行裁剪。裁剪后的大小不一、色彩各异的布片按照一套西服的要求挂在一个吊挂上,同时会配戴一个射频识别电子标签。在接下来的几个流程中,每个工人面前都有一个识别终端,以识别射频电子标签,按照标签中顾客详细的要求进行生产,诸如里衬、扣子、袖边等技术数据。


记者采访时,正好碰到来自英国68 Bespoke公司的Jefrry,他这次希望定制一批服装,接下来希望成为一名代理商。他告诉记者,“类似系统在中国还是第一次见到。”显然,红领与众多服装加工厂有着显著的不同,其通过大数据系统和相应的工艺改变,实现了对传统服装企业改造。张代理认为自己的车间不再是简单的制造工厂,他特意嘱咐记者,“小伙儿,你可以记一下,叫大数据下的数字化3D打印机模式企业。”他认为,自己工厂的每件衣服都是“打印”出来的。


有意思的是,之前红领有个较大的量体团队,现在90%都去做其他工作了,因为始终转不过来,现在仅剩的两个也经常出错,反而是一张白纸的新人没有问题。“因为他听话,要他怎么做他就怎么做。保证做完不错。但凡有想法的就坏了。”李金柱说。


至今红领已对数千人进行了量体培训,有人被竞争对手挖走了,但奇怪的是,竞争对手学会这套简单的量体方法之后竟然做不出合体的定制衣服。张代理解释其中的奥妙说:“我要的数据,是用我的软件来读的,我有我的规则,我的代码。”在红领,当这些量体的数据输入到系统中,系统会把相应的身体特点,之前靠师傅经验做的东西,用数字化的手段予以解决。一句话,其量体数据是与其大数据系统相配合的,仅学会量体方法没有意义,同时拿到其大数据系统才可以。


原文发布时间为:2014-06-03

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
6月前
|
人工智能 监控 Cloud Native
阿里云参编业内首个代码大模型标准丨云原生 2024 年 1 月产品技术动态
阿里云参编业内首个代码大模型标准丨云原生 2024 年 1 月产品技术动态
|
存储 人工智能 搜索推荐
SuperAGI 一个开发优先的开源自主人工智能代理框架
供应、生成和部署自主人工智能代理
|
18天前
|
边缘计算 Cloud Native 安全
构建灵活高效的下一代应用架构 随着企业数字化转型的加速,云原生技术正逐渐成为构建现代化应用程序的关键支柱。
随着企业数字化转型加速,云原生技术逐渐成为构建现代化应用的关键。本文探讨了云原生的核心概念(如容器化、微服务、DevOps)、主要应用场景(如金融、电商、IoT)及未来发展趋势(如无服务器计算、边缘计算、多云架构),并分析了面临的挑战,如架构复杂性和安全问题。云原生技术为企业提供了更灵活、高效的应用架构,助力数字化转型。
42 4
|
3月前
|
人工智能 算法 Cloud Native
低代码音视频工厂vPaaS平台问题之企业自建视频应用的稳定与高效如何解决
低代码音视频工厂vPaaS平台问题之企业自建视频应用的稳定与高效如何解决
20 2
|
6月前
|
Cloud Native Devops 持续交付
构建未来:云原生架构在企业数字化转型中的关键角色移动应用开发的未来:跨平台框架与原生系统的融合
【5月更文挑战第31天】 随着企业加速其数字化转型的步伐,云原生架构已成为推动创新和实现敏捷性的关键技术。本文将深入探讨云原生技术的核心概念、优势以及如何在组织中实施这些技术以提高效率和竞争力。通过分析微服务、容器化、持续集成和持续部署(CI/CD)以及DevOps文化等关键组成部分,我们将揭示如何利用云原生架构来优化资源使用、加快产品上市时间并确保系统的可扩展性和可靠性。
|
6月前
|
运维 Cloud Native Devops
云原生技术的未来展望:构建动态且高效的应用生态系统
【5月更文挑战第25天】 在数字化转型的浪潮中,云原生技术以其独特的弹性、可扩展性和敏捷性成为推动企业IT架构现代化的关键动力。本文将深入探讨云原生的核心组件如容器化、微服务、持续集成/持续部署(CI/CD)和DevOps文化等,分析它们如何共同塑造一个高效、自动化的云计算环境。同时,文章也将对云原生技术未来可能的发展路径进行预测,并讨论如何利用这些技术来应对日益复杂的业务挑战。
|
6月前
|
人工智能 数据可视化 搜索推荐
加速软件创新的重要工具-低代码开发
低代码开发在数字化时代助力企业高效开发高质量软件,市场规模预计2021年达176亿美元。该平台通过可视化环境和预构建组件降低开发成本,提高效率,确保软件质量。案例显示,零售、金融、物流等行业已受益于低代码开发的快速部署和灵活性。未来,低代码开发将更智能、自动化,融合AI、云计算等技术,开辟新机遇。
54 5
|
6月前
|
边缘计算 Cloud Native 持续交付
云原生技术的未来展望:构建更加动态和灵活的IT基础设施
【5月更文挑战第23天】 随着云计算的不断演进,云原生技术正成为推动企业数字化转型的关键驱动力。本文深入探讨了云原生的核心概念、关键技术以及在现代IT基础设施中实现敏捷性、可扩展性和弹性的重要性。通过分析容器化、微服务架构、持续集成和持续部署(CI/CD)等技术实践,文章揭示了如何利用云原生方法来优化资源利用率,加速开发周期,并确保系统的稳定性和安全性。此外,文中还提出了对未来云原生发展趋势的预测,包括无服务器计算、自动化运维和边缘计算的融合,为企业采纳云原生技术提供了战略性的视角。
|
6月前
|
Linux Anolis
龙蜥社区正式推出驱动基线 V1.0,打造更加稳定、高效的生态系统
龙蜥社区正式推出驱动基线 V1.0,打造更加稳定、高效的生态系统。
|
6月前
|
运维 Cloud Native 云计算
云原生技术:构建灵活高效的应用生态
随着云计算技术的不断发展,云原生技术作为一种全新的应用开发和部署模式,正逐渐成为业界关注的焦点。本文将介绍云原生技术的基本概念、优势以及在构建灵活高效的应用生态方面的应用实践,以期为读者提供全面了解云原生技术的视角。
下一篇
无影云桌面