红领西装,规模化如何兼容定制化?

简介:

0.jpg

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
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
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
|
23天前
|
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。
|
30天前
|
运维 Cloud Native 持续交付
云原生技术:构建灵活高效的云平台
随着云计算技术的快速发展,云原生技术作为一种全新的应用架构范式,正在逐渐成为企业数字化转型的关键。本文将介绍云原生技术的核心概念及其在构建灵活高效的云平台中的重要作用,以及云原生技术对企业业务的影响和意义。
|
1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。
|
2月前
|
UED
产品服务易用性
产品服务易用性
25 1
|
3月前
|
SQL 运维 调度
Dataphin V3.14 版本升级|研发平台更易用,治理能力更完备,企业级适配更灵活
Dataphin V3.14 重磅升级,平台支持企业级适配,适配企业特色;研发体验易用性提升,数据研发更高效、任务运维更便捷;数据治理能力更完备,支持多对象批量操作,规则级告警配置、分级分类自动继承继承!
303 0
|
4月前
|
人工智能 NoSQL atlas
MongoDB推出四项AI驱动的新功能,助力开发者提升效率并加速应用程序现代化
生成式人工智能让开发者有机会构建更好的应用程序。通过自动执行重复性任务,由AI驱动的工具和功能可以帮助开发者节省大量时间和精力,同时更快地交付更高质量的应用程序
MongoDB推出四项AI驱动的新功能,助力开发者提升效率并加速应用程序现代化
|
5月前
|
供应链 安全 持续交付
企业低代码开发平台选型要私有化部署吗(有什么优势)
近年来,低代码发展火热,各种低代码厂商如雨后春笋般纷纷冒出,过多的选择也给用户们带来烦恼,如何在众多低代码平台中选择出适合自身需求的呢?有一项指标值得我们注意,那就低代码平台的私有化部署能力。
|
5月前
|
存储 数据可视化 搜索推荐
与传统IT开发相比,低代码开发具备哪些优势?
与传统IT开发相比,低代码开发具备哪些优势?
与传统IT开发相比,低代码开发具备哪些优势?
|
SQL 数据采集 运维
Dataphin V3.7 版本发布!通过国产化适配、数据研发体验优化、数据治理能力提升和标签平台,帮助企业加速构建数据中台
本次发布的V3.7版本中,Dataphin重点围绕资产建设平台的易用性及可交付性、资产治理平台的完备性以及基础平台的稳定性和开放性进行优化与升级。通过国产化支持适配、数据研发体验优化、数据治理能力提升和标签平台,帮助企业加速构建企业级数据中台,轻松拥有好数据!
Dataphin V3.7 版本发布!通过国产化适配、数据研发体验优化、数据治理能力提升和标签平台,帮助企业加速构建数据中台
|
存储 Oracle Cloud Native
PostgreSQ产品优势
PostgreSQ产品优势
128 0

热门文章

最新文章