C2M 模式下服装产业的智能化应用研究

殷莲甜，张 红，许 菱，王 锐

（江西理工大学，江西 赣州 341000）

0 引言

在数字经济背景下，产业数字化给服装产业带来了巨大的技术支撑，消费端个性化需求不断显现，同时也使服装生产端面临着信息链不畅的难题，由此共同催生了服装产业C2M 模式下智能化应用的转型升级。在C2M 新型电子商务模式下，传统服装产业体现出从资源导向型向需求导向型转变的趋势，迫切需要更进一步地通过智能化手段的应用响应由传统的“大单计划到达”向“小单快返”的转变，从而实现生产端、销售端的快速响应。早期传统的服装智能化应用的研究重点主要从信息化管理的角度来分析面临着的发展阻碍，从而寻求产业智能化生产的突破口，本文则在已有研究结论的基础上，选择从产业数据流程优化的角度出发，剖析智能化应用中的底层数据流动过程，探究服装产业智能化转型升级的新途径。

1 C2M 模式在服装产业中的起源及影响

1.1 C2M 的概念及特点

C2M（Customer to Manufactory）是基于B2C 模式上产生的一种新型电子商务模式，采用“需求＋数据＋供给”的模式，消费者与工厂依靠数据中心进行连接，实现数据快速、准确流动，最大程度去除了中间化。

C2M 模式的主要特点有：第一，满足个性化定制趋势。C2M模式下数据流动速度加快，工厂生产线快速反应调整，跳出传统大规模生产模式，满足个性化定制需求。第二，最大程度上消除中间平台。C2M 模式顺应了去除中间化的潮流，实现了由制造企业与顾客的直接对接［1］。第三，以需求驱动制造。将顾客的需求直接向生产端传输，驱动服装的制造［2］。第四，实现零库存。大大降低中间产品与资金的积压，实现产品的零库存［3］。

1.2 C2M 模式对服装产业的影响

传统服装产业生产端以大规模生产为主，销售模式以代理制、直营制、加盟制为主，在传统服装产业的生产销售模式下，产业供应链存在工厂的定位模糊、执行力差的问题，同时服装消费市场不断向个性化转变，生产端时效性不断增强，传统服装产业不断借助智能技术手段改革升级，在传统电子商务模式上，探索出C2M 新型电子商务模式。

C2M 模式的应用，为服装产业提供了强大的升级空间。服装制造企业可直接触达终端消费者，生产销售模式由先产后销向先销后产转变，有效降低了企业的库存及资金压力，同时也对企业数字化及智能化水平提出了更高要求。在外贸环境恶化的大背景下，C2M 模式的应用也为国内服装企业新品的设计与生产提供了方向，及时了解市场需求变化，有助于制造企业扩大国内市场，促进线上线下融合消费模式的发展。C2M 模式还可以帮助服装产业形成优势集群，打造优势服装大数据平台，构建产业生态圈。

1.3 C2M 模式下服装产业智能化应用现状

在C2M 模式下的服装产业中智能化手段的应用主要体现在以下几个方面：第一，售前市场分析及售后服务与追踪。建立销售数据库，对销售数据进行收集分析，得出市场趋势及消费者的喜好，挖掘潜在客户。对售后顾客满意度的相关要素进行分析，提高顾客黏度。第二，小范围智能化生产。通过现代化通信与信息技术、智能控制技术，对服装制造产业实行产业升级转化。第三，顺应私人定制化趋势。增强生产线的调整弹性，在服装的面料、款式、尺寸服装方面实现个性化，提高定制化的生产效率。总体来看，服装产业智能化应用普遍处于基础阶段，各应用方面均存在较大的发展空间，拥有良好的发展前景，但智能化转型过程也面临不小的挑战。

2 服装产业智能化应用改进的迫切性

传统服装企业在先进技术的强烈冲击下，拥有强大的内生动力，展现出对产业智能化应用水平改进提升的迫切希望。

2.1 系统协同效率不高，资金投入较大

传统服装企业内部信息系统、设备需要结合企业的实际情况及生产制造特点，与计算资源系统相集成，适应企业的管理模式，才能发挥智能化设备的整体优势。但企业内部系统间存在数据传输速率不高的问题，给企业应用系统间的数据协同造成了阻碍，导致部分系统间的数据不同步，影响了企业的生产制造及管理过程。同时在信息化应用前期，企业的智能化过程必须持续对研发及技术创新有较大的资金投入，在关键的核心技术上，引入智能设备并形成技术突破也是很大的难题。

2.2 信息化水平不够，资源参与度受限

服装产业经过智能化基础应用发展后，目前呈现信息化应用广度较广，但信息化水平不够的特点。服装产业的生产过程管理由于其设计创新的灵活性及特殊性，其信息化有一定的难度。同时在行业局限的背景下，服装产业的信息化一直面临着较大的挑战，也就导致中小型规模的企业信息化水平始终较为低下。服装定制化过程需要包括智能化管理技术、信息标准化技术等较高的技术水平支撑，而由于信息化水平的局限，导致企业无法对所拥有的资源进行有效整合，企业资源的参与度受限［4］。

2.3 信息化生产模式存在不足

在传统服装产业信息平台的应用过程中，企业生产制造过程得到改进，生产效率大幅度提高，但主要集中在一线制造过程，采用信息化手段降低人工成本。生产模式信息管理手段的应用有待提升。C2M 模式下以数据智能驱动产业柔性化发展转型升级过程，需要根据生产数据情况对生产流程进行实时优化。企业生产管理模式对销售数据的变化不能实时调整，现场生产信息化管理模式存在不足，生产端信息管理应用没有发挥出最大效益。

3 C2M 模式下服装产业数据流动分析及优化建议

C2M 模式下，服装生产企业以企业资源计划（ERP）为基础进行信息与数据的传递，将各种系统间相关连接，实现柔性生产。从数据传输流程来看，数据流包括横向数据流与纵向数据流；从数据处理过程来看，包括数据采集、数据整合与数据挖掘几个阶段。

3.1 数据传输全流程

横向数据流是指企业内部系统间的数据流动，如图1 所示。在C2M 模式下，服装企业横向数据流动过程主要是通过生产执行系统（MES）和优化排程系统（APS）对人员、机器、材料进行排程［5］。服装制造从样品制造开始，数据分析平台根据样品围绕产品个性化、设计协同化、生产柔性化、决策智能化角度进行数据分析，得出最优排产安排并将数据结果传输到ERP。MES 系统需要获取ERP 系统中的单据、库存及生产数据，人力资源（HR）系统的人员数据，产品数据管理（PDM）系统中的生产设备信息及物料清单（BOM）等信息，并获取计算机辅助工艺过程设计中获取的各种生产定制数据，对生产流程进行管理。同时，MES 系统还可以将生产过程数据反馈给PLM 及ERP 系统，后期可以依此对生产工艺及质量监管进行优化，设计部门对PDM 中的数据更改之后又会影响下一轮MES 系统指导生产。MES＋ERP 协同制造中横向数据流动过程可以缩短产品的优化周期，加强企业产品管理与生产管理的协同，提高企业系统间协同效率及管理效率。

图1 横向数据流

纵向数据流是企业内部各业务流程间的数据流动，包括研发、设计、生产、销售、物流各个环节的数据流。不同流程采集到的信息可传递到数据分析层与管理决策层，同时也可以让管理决策层的信息直接传输到底层。研发业务过程中将根据市场及个性化定制将服装产品研发数据传输给数据设计业务部门，设计部门根据研发数据设计样品，生产部门根据样品的数据进行排产及生产线的调整，物流过程根据生产及销售数据安排产品运输物流，同时销售过程的数据将会反馈到研发及生产流程，并影响下一阶段的业务流程。纵向数据流可为决策者提供更加全面的生产数据，使数据流程更加透明和顺畅。

3.2 数据处理过程

数据处理过程是指服装生产过程中的数据采集、数据整合、数据挖掘等过程。数据采集是根据企业的用户特征及需求特征对用户进行需求定义，对客户的社交数据、交易数据、位置数据等原始数据进行采集、整合，再将数据收集阶段的数据依据一定的数据结构存储，建立起与消费者有关的大数据库，通过互联网平台录入并存储数据将会满足各类设计组合。然后对数据库中的随机、不完全的大量数据进行数据挖掘，找出隐藏在其中有价值的信息，通过寻找数据项与数据项之间隐藏的关联关系进行聚类分析，根据数据进行用户喜好分析，得出潜在用户特点，为解决业务问题提供有效方法，帮助增强客户黏性，挖掘潜在客户。

3.3 C2M 模式下智能化应用优化的建议

3.3.1 以数据驱动为核心

在国内疫情之后，政府推出了新基建政策，将数据作为第五种生产要素。以数据驱动为核心，帮助企业在复杂多变的环境中实现快速反应。在数字经济的大背景下，大多数制造企业都在产业数字化转型的关键时期，以数据驱动为核心，带动系统间的有效协同，有利于破解数据孤岛，打破数据壁垒，挖掘数据资产价值。从数据角度切入，数据驱动作为企业智能化转型的核心点，在服装设计、生产、销售等环节提升数字化水平的同时，全面利用互联网和大数据技术提升数据价值，为企业创造更大的资产价值。

3.3.2 构建企业数据系统架构

为克服企业资源参与度受限的问题，提高企业信息化水平，以多元参与、协同供给为出发点，采用大数据、云服务等手段，对企业数据平台采用系统架构模式，整合其人力、数据、信息和商业资源，充分发挥资源价值。整个系统搭建为需求层、数据层与供给层三层架构模式，如图2 所示。需求层是根据企业的需求特征对拟收集处理的信息进行需求定义，提供企业资源原始数据。数据层是需求层与供给层的中间联系层，既要对需求层数据及资源进行整合与分析，又要为供给层最终呈现的数据进行修正与整合，提高资源利用效能。供给层是根据企业信息化应用的具体情况，对资源展现情况具体定义，提供最终资源支持。三层系统架构模式有利于资源的有效整合，优化资源供给主体的联动机制与协作方式。

图2 企业数据系统架构

3.3.3 构建现场管理优化流程

通过应用工业大数据的手段，现场管理优化流程可帮助构建现场管理决策体系。搭建生产可视化平台，实现现场实时管理，同时可通过技术手段对生产制造车间及设备进行仿真演示，对生产设备的结构、工艺、工作原理进行动态展示，实现生产线实时仿真。对于销售数据，可通过企业数据平台，建立销售数据实时监测体系，对销售情况实时分析，包括运用分类、聚类、关联、变化、回归分析、偏差分析等数据分析方法，根据生产设备状况指导安排生产，建立快速生产反应体系，实现实时优化体系。

4 结论与展望

本文通过对C2M 模式下的服装企业智能化应用中数据流通过程的研究，挖掘底层数据流通瓶颈，从数据处理及系统架构角度切入，探究智能化转型升级新的突破口。C2M 模式下传统服装企业的转型升级过程，要始终以客户为中心，线上线下同时进行。以数据驱动为核心引擎，带动系统间的有效协同，提升数据价值；搭建数据系统架构，有效整合企业资源，最大限度发挥企业效能；构建生产实时反应体系，实现快速优化过程。未来可从大数据与人工智能技术的应用出发，利用更为先进的智能技术，继续推进服装产业智能化进程，精准地满足客户需求，形成数据化生态平台。