山东鹿优数字科技有限公司（鹿优数科）致力于成为纺织服装产业ODM的领军者及赋能者，认识到纯粹在生产关系上做文章例如“撮合”“聚单”价值已经很小，解决不了纺织服装行业生产不够柔性的问题。2021年度鹿优数科成功在面料生产力侧实现了数字化驱动研发和数字化驱动工艺，形成了超6000个差异化新面料及超20000个可复制印染数字工艺包。此外，鹿优数科从生产力侧入手建设了智能印染工厂作为中央厨房，通过“中央厨房+云工厂”模式解决面料柔性生产的核心痛点问题；鹿优数科同时从标准化入手：染色面料与成衣作为产业链非标的产品，如何标准化就是行业增长的第二曲线，鹿优坚定的在商品标准化、工艺标准化、产能标准化等上下苦功夫。
当前服装产业的痛点明显，首先服装行业整体仍是以产定销，基于订货机制的产销数据不互通等多种因素使得高库存成为服装行业第一大问题，行业平均库存率超过30%，亟待解决；服装工厂整体仍处于“人机协同”阶段，人工依然是主要生产成本，时至今日全自动化生产设施在适用面及经济性上都存在严重问题，而用工成本持续攀升已造成合规经营服装生产企业几乎无利润，急需管理升级，提高效率；服装行业数字化程度不足10%，究其原因是产业大数据积累非常少，深层次问题则是尚未建立纺织产业的数据标准，未标准化的数据无法进行数据分析和建模；缺乏有效的质量控制工具和手段，无法保证快反产品质量。
鹿优数科在纺织服装产业数字化方面的探索遵循1个原则：数字化创造需求增量，而不是简单吸收存量需求；数字化优化存量供给，而不是简单新增供给。因此鹿优数科在纵向一体化柔性成衣模块依然秉持ODM业务模式，通过推款创造新的需求，通过“中央板房+ 中央BOM+云工厂”形成“专业化分工+网络协同”优化成衣供给实现柔性生产能力。
鹿优的中央板房-需求转化的起点。板房的功能是将服装设计效果图向平面结构图转化成为成衣生产用的毛样（生产纸样），纸样的好坏向前决定了客户是否顺利下单，向后决定了服装生产的工艺成本。此外对于传统服装品牌来说，拓展品类有时候就意味着要重新组建打样团队。样衣的生产类似服装定制，费用在 500-3000 元不等，研发周期在 48-72 小时。除了研发资源匹配及成本的问题，更致命的问题在于设计需求沟通难以精准化。设计师往往与工业背景的制版师、样衣师之间存在语言不通的问题，从而导致信息传递失准，最终样衣需要重复修改、反复研发，造成资源浪费，整个过程中的磋商成本极高。鹿优数科的中央板房建设了可将设计师的设计语言翻译成样衣师和制版师能够读懂的工业化语言并建设数据库：例如AI自动推荐长袖T恤与长袖卫衣在袖长与大身的不同最优尺寸比例，从而降低沟通成本；鹿优数科的中央板房向各生产单元输出“数字工艺包-纸样”，形成可复制的缝制生产标准。
鹿优的中央裁剪及中央后道系统-关键品质工段。服装生产企业的前道裁剪单元及后道工序的设备投资强度最高，同时裁剪及后道往往因为产能不足而出现“前后道产能闲置”，一般缝制工厂通过投资低成本但低效的机械裁床和“后道”委托外厂加工的方式来组织生产，在品质及效率上可能存在较大风险。鹿优数科通过平台整合且分层分类缝制加工厂资源，投资前道智能电脑裁床及自研后道专机设备，将裁剪和后整打造成为平台共享产能，有效控制品质，大幅度提升效率，降低成本。
鹿优的示范智能成衣云工厂及“G-work”模式-AI赋能的网络协同模式。通过“设备+工人+工艺”的三位一体AI智能实现订单柔性快反，基于工人大数据（历史经手工序，历史工序操作效率值，擅长工序排序），设备大数据（与生产品类及效率相关的设备参数，可根据加工面料差异实现智能调机），工艺大数据（版型数据、工时数据等），根据学习曲线模型和参数，AI自动计划排产和生成人机工位图，并通过MES现场监控，实现动态生产平衡。接下来鹿优将考虑通过BOT及TOT等模式建设智能成衣工厂群，提供成套IOT缝制设备，认证工人通过手机灵活接单就近入厂生产，弹性交付，参照“WE-WORK”模式实现“G-Work（Garment-Work）”。鹿优云工厂的产能重心在于全球价值链重新分布后的东南亚。
鹿优的款式开发能力-ODM核心关键能力。把握供应链主动权的核心策略是ODM，通过设计推款协同品牌客户的企划及设计部门在供应链周期更早阶段介入，将可以有效降低后期供应链快速反应的压力。鹿优聚拢行业离散的设计师工作室（非独立设计师个人）实施众包，依托自建的“中央板房”及“犀布面料图书馆”等基础设施，链通款式开发的“供需”，打造柔性化的设计打版能，提效降本。
鹿优数科的柔性成衣模块始终保有价值创造的本心，实施3个月以来已经实现生产周期缩短2倍，平均效率提升3倍以上，库存下降80%，大幅降低了成衣供应链成本，而经济效益上鹿优数科成衣模块2022年1月上线3个月即已实现盈亏平衡，规模复制性值得期待！
免责声明：此文内容为本网站转载自其他媒体企业宣传资讯，仅代表作者个人观点，与本网无关。仅供读者参考，并请自行核实相关内容。您若对稿件处理有任何疑问或质疑，请即与我们联系，本网将迅速给您回应并做处理。
邮箱：contactus@stockstar.com 处理时间：9:00—17:00。
