アパレルの生産管理におけるAIの活用方法 – 需要予測・検査・検品

アパレルにおける生産管理では、MD（マーチャンダイザー）の立てた販売計画をもとに、商品販売の時期や必要な生産量の予測を立て、納品までを管理しています。

素材調達や納期の管理も、その計画の中には含まれており、中でもコストは重要な問題です。自社の利益に直結するので、品質を保ったままコストを削減するには原価交渉が重要なカギとなります。
アパレルにおいて、マネジメント能力や細やかな気配りができるコミュニケーション能力が生産管理に必要と言われるのは、デザイン決定から販売まで一連の流れを管理するためです。

ブランドや企業によって変わりますが、下記のような決定がアパレルにおいては必要となります。

●縫製工場の選定
●主資材（生地など）、副資材（ボタンやファスナーなど）の素材調達
●原価交渉
●工場管理
●生産管理
●納期管理

アパレル業界における生産管理の業務内容がこちらです。

１．生産計画の策定
MDが立てた販売計画に基づき、商品の販売時期や必要な数量を予測します。アパレル業界ならではの特徴として、品番・色・サイズ別といったSKU単位で予測しなければなりません。精度の高い予測を行い、在庫管理を徹底することが求められます。

２．縫製工場の選定
向上によって対応できるロットやアイテムが異なり、また、ミシンなどの設備が異なるので、自社の商品にあった縫製工場を適切に選定します。技術力やスケジュールなども決定する際の要素となります。選定にあたっては各工場の情報をこまめに収集し、事前に工場とコミュニケーションを取っておかねばなりません。

３．主素材・副資材の調達
企画・デザイナーの意見も聞きながら、アイテムや品番ごとに主素材を決定します。素材はテキスタイルを取り扱う企業などから調達しますが、ひとつの商品を作るために必要な素材の量（用尺）に十分注意を払わねばなりません。この過不足がコストや売上に大きく影響しかねないためです。

同時に進めなければならないのが、ボタンやファスナーなどの副資材の準備です。品質表示タグなども副詞罪に該当します。数量などに気を配りながら副資材の取り扱い企業に発注します。

４．価格交渉・指示
コストを決め、工場と交渉を行います。これにあたっては、先に主素材・副資材にかかるコストや工賃を計算し、１商品当たりのコストを算出しておくことが必要です。

工場との交渉が成立したら、具体的な作業指示を出します。この際に必要なのが「縫製指示書」です。裁断から縫合、アイロンがけまで、すべての手順が細かく記されており、生産管理担当者が工場に提出して、これをもとに工場が商品を製造開始します。

生産管理業務は、アパレル企業の中でも服作りにはさほど関係なさそうに思えます。しかし、実際に縫製指示書を作るためには、アパレルや衣服に関する深い専門知識が必要です。

５．進捗・品質管理
工場に指示を出したあとも、工場にすべて任せるわけではありません。納期厳守のため、商品の製造の進捗を常に把握せねばなりません。また、万一問題が起きたときに備えて、関係各所の進捗状況も、都度合わせて確認しなければなりません。

・需要予測
いちばん注目されているAIの活用法は、時系列分析や画像認識技術を利用した「需要予測」です。

・「時系列分析」では、AIで過去の売上データを分析し、将来の需要予測を実施します。
・「画像認識技術」では、大量の画像を解析し、個々のアイテムを素材・模様・色・シルエット・フィット感などの細かい要素に分解します。

AIを活用することで、細分化した特性の組み合わせと、売上の傾向を合わせて考えることで、客観的な需要予測が可能になります。時系列分析と画像認識を組み合わせて分析することで、法則性をより精密に把握し、需要予測の正確性を上げることができるのです

・MD業務
AIを活用した「MD業務」のサポートも可能です。

アパレル業界は、主観や経験が重視されやすい傾向にあります。しかし、トレンドが細分化・多様化されている現代では、生産量と販売量の見込み違いが起こりやすいのが現状です。「いつ・何を・いくらで・どのように販売するか」を考えるMDはこの点に頭を悩ませています。

AIを活用すればビッグデータをもとにデータ解析をすることができます。これは、市場全体の動向を定量的に把握しやすくし、トレンドを大きく外してしまうことがなくなります。需要と供給のミスマッチで起きていたセールの常態化や余剰在庫を抑制し、プロパー消化率の向上から利益の最大化を大いに期待できるでしょう。

・サイズ判断・仮想試着
AIによるサイズ判断やバーチャルな仮想試着のサービスが近年が進んできていますが、今後も進化するといわれています。

バーチャルでは画像認識技術を用いて、AIが顧客のボディラインなどを分析、それにフィットする商品を自動で選択・仮想試着できます。ECサイトでの買い物で起こりがちな、「イメージと違った」「サイズが合わなかった」などの問題は、このAIサービスをアプリなどで提供することで改善が見込まれます。実際に改善したという例も見られます。

実店舗でも実用化が進んでおり、国内の衣料品メーカーB社は、試着室に設置した3DボディスキャナーでAIが顧客を採寸し、最適な商品を提案するというサービスの導入を行っています。AIによる自動採寸・仮想試着は、社会課題となっている感染症対策としても有効といえます。

アパレル業界において、AIはさまざまな活用の可能性を秘めています。しかし、いきなりAIを導入しても、その機能を最大限に生かすことはできません。AI導入にはそれなりの準備が必要です。

たとえば需要予測のような分析作業にAIを活用する場合、分析精度を高めて業務革新を実現するために、以下の条件を整える必要があります。

・大量のデータ
・データフォーマットの標準化
・想定外の外部要因の影響を受けにくくする

分析精度を高めるためには、参考例となるビッグデータが要求されるほか、データフォーマットの標準化も必要です。これらが整ってこそ、AIの予測分析が活躍します。

アパレルのトレンドはインフルエンサーや業界の流行にも大きく影響を受けます。しかし、現在のAIはこうした外的要因を予測に反映させることはできません。アパレル業界では、AIに予測分析させる際に、人間側でデータの工夫をしたり、分析結果の背後にある要因をさらに解釈したりする必要があります。

このように現状のAI技術では、完全にAIに仕事を委ねることは難しい状況があります。しかし、アパレル業界へのAI導入は、その難しさを補って余りあるポテンシャルを秘めています。データ解析能力などのAI特有の長所と、直観や感性、クリエイティビティなどの人間ならではの長所を組み合わせることで、これまでになかった精度や感覚を持った生産管理ができ、ヒット商品につながるでしょう。

・現場担当者でもできるAI需要予測の始め方　

AIは、需要予測業務を行うための補助的な役割となります。これまで行っていた予測業務にプラスアルファの付加価値を生んでくれます。メリットは精度の向上・業務負担の軽減、属人性の排除などです。MatrixFlowはこれらを可能にします。

・データサイエンティスト・AI エンジニアを育成するための時間
・知識レベルにあったツールを見つける必要

といったデメリットもMatrixFlowであれば容易に解決できます。

またAutoMLは、消費者向け商材の「販売数」を「日付」「過去の販売実績」をもとに解決します。在庫量の改善は、在庫不足による機会損失や余剰在庫による陳列スペー スの占有などの課題の解決につながります。

また、新商品開発や新規出店の際の「売上高」を「人口データ」「駐車場の台数」「 商品の特性」「同種の商品・店舗の過去売上」「プロ モーションの有無」「地域特性」「経済指標」などから予測。プロジェクトの進行スピ ードが大きく向上したり、多様な要因を考慮した高精度な予測につながります。

このように、AIやデータの専門知識をもたない現場担当者でも、MatrixFlowを使えば需給予測をすることができるようになるのです。さらに、ECサイトの売上予測もできるようになるのですから、かなり魅力的なAIツールであることがお判りいただけるでしょう。

・画像認識・分類
プログラミングを使わずにAIを作れるMatrixFlowで、ファッション画像を種類ごとに分類していくことも可能です。

MatrixFlowではまず初めに「プロジェクト」を作成します。「プロジェクト」とは、MatrixFlowで作成したAIを管理する単位のことです。プロジェクトの中にはAIの作成に使用したデータや作成したAIを保存することができます。

「テストデータ正解率」は、テストデータの予測結果のうち実際の正解とどれだけ一致しているかを示す評価指標です。予測の8割以上が実際の正解と一致しているので、精度が高いことが伺えます。具体的には、「シャツ」の画像をAIに入力すると、8割以上の可能性で「シャツ」という結果が得られました。

推論では学習データ以外のデータを用いて、AIに予測をしてもらいます。AIを実際に使用するために必要な機能です。推論は学習が終わったあと「このAIを使って推論する」を選択するか、「学習済みのAI」から「AIを予測する」を選択すれば始めることができます。

アパレル業界の要所要所に効くMatrixFlowのAIツール。自社で完結するからスピーディーに AI構築のテンプレートやノウハウが社内の財産になります。生産管理や需給予測、在庫管理などに是非お役立てください。