Καμ Μάιερς, Διευθύνων Σύμβουλος και Ιδρυτής της CreateMe – Σειρά Συνεντεύξεων

Καμ Μάιερς, Διευθύνων Σύμβουλος και ιδρυτής της CreateMe, ίδρυσε την εταιρεία το 2019 με ένα όραμα να μοντερνοποιήσει την παραγωγή ενδυμάτων μέσω της προηγμένης αυτοματοποίησης. Βασισμένος στη περιοχή του Κόλπου του Σαν Φρανσίσκο, έχει ένα διαφορετικό υπόβαθρο που περιλαμβάνει συμβουλευτικές επενδύσεις στην ADM Investment Partnership, ηγετικές θέσεις στην ομάδα ίδρυσης της Group Commerce, και ρόλους ανάπτυξης επιχειρήσεων στις Downtown Music Holdings και Publicis Groupe (PU4.DE ). Είναι επίσης μέλος της κοινότητας των Παγκόσμιων Ινοβаторών του Παγκόσμιου Οικονομικού Φόρουμ, που αντανακλά την ευρύτερη δέσμευσή του για την τεχνολογική μεταμόρφωση της βιομηχανίας.

CreateMe είναι μια εταιρεία ρομποτικής και τεχνητής νοημοσύνης που επαναεφευρίσκει τον τρόπο που κατασκευάζονται τα ενδύματα, αντικαθιστώντας το παραδοσιακό ράψιμο με αυτοματοποιημένη, με βάση κολλήματος συναρμολόγηση που τροφοδοτείται από ρομποτική, υπολογιστική όραση και μηχανική μάθηση. Η ιδιοκτησιακή πλατφόρμα παραγωγής της επιτρέπει ταχύτερη, πιο τοπική και πιο βιώσιμη παραγωγή ενδυμάτων, μειώνοντας τα απορρίματα και缩ρώνοντας τις αλυσίδες εφοδιασμού, ενώ τοποθετεί την εταιρεία στο επίκεντρο της επόμενης γενιάς παραγωγής μαλακών αγαθών.

Πριν ιδρύσετε την CreateMe, ήσαστε μέρος ομάδων ίδρυσης, δούλεψατε σε ρόλους επένδυσης και συμβουλευτικής, και κατείχατε θέσεις σε εταιρείες όπως η DoubleClick και η Group Commerce. Πώς αυτό το μείγμα τεχνολογίας, χρηματοοικονομικής και λειτουργικής εμπειρίας σχήμασε την απόφασή σας να ξεκινήσετε την CreateMe και να αντιμετωπίσετε κάτι τόσο σύνθετο όπως η αυτοματοποιημένη παραγωγή ενδυμάτων;

Πριν από την CreateMe, ήμουν ένας γενικευμένος τεχνολόγος, δουλεύοντας σε λογισμικό, ηλεκτρονικό εμπόριο, επενδύσεις και πρώιμες επιχειρηματικές ρόλους. Η συμμετοχή μου σε ομάδες ίδρυσης, συμπεριλαμβανομένης της Group Commerce, ήταν ένα MBA στην εργασία. Είσαι αναγκασμένος να σκέφτεσαι διακριτικά και να βλέπεις πώς η τεχνολογία, η οικονομία και οι επιχειρηματικές λειτουργίες αλληλεπιδρούν στην πραγματικότητα.

Αυτή η προοπτική με οδήγησε σε ένα διαφορετικό συμπέρασμα για τα ενδύματα. Μέσω των startups του ηλεκτρονικού εμπορίου, συνέχισα να βλέπω τις ίδιες αποτυχίες να επαναλαμβάνονται: χαμηλή πώληση, βαριά εκπτώσεις και μεγάλες ποσότητες αποθεμάτων που τελικά γράφονταν ως ζημιές ή στάλθηκαν σε αποθήκες. Οι περισσότεροι άνθρωποι τα έβλεπαν ως προβλήματα merchandising ή προβλέψεων. Κοίταξα το πρόβλημα μέσα από ένα τεχνολογικό πρίσμα, ήταν σαφές ότι ήταν συμπτώματα κάτι βαθύτερου—συστημάτων παραγωγής που δεν μπορούσαν να ανταποκριθούν στην πραγματική ζήτηση.

Η έμπνευση ήρθε από τη σύνδεση αυτών των σημείων σε διαφορετικά πεδία. Τα ενδύματα δεν ήταν καμένα επειδή οποιοδήποτε μέρος του συστήματος λειτουργούσε κακώς. Καταλάβαμε ότι αυτό δεν ήταν κάτι που θα μπορούσε να ρυθμιστεί ή να βελτιωθεί, αλλά χρειαζόταν μια καθαρή σελίδα, μια πρώτη αρχή ανασκόπησης των υλικών, των μηχανών και του λογισμικού ως ένα σύστημα.

Η CreateMe προέκυψε από αυτή τη πεποίθηση. Αυτό ήταν ουσιαστικά ένα τεχνολογικό πρόβλημα, και χρειαζόταν μια τεχνολογική λύση. Η διατομεακότητα είναι αυτό που έκανε αυτό ορατό από την αρχή, και είναι το λόγο για τον οποίο η προσέγγισή μας στην CreateMe φαίνεται διαφορετική. Ξεκινήσαμε να αντιμετωπίζουμε την παραγωγή ενδυμάτων ως ένα πρόβλημα συστημάτων και αυτοματοποίησης, και να χτίζουμε μια πλατφόρμα ικανή να αλλάξει τον τρόπο που λειτουργεί η βιομηχανία.

Η CreateMe κατέχει τώρα ένα σημαντικό χαρτοφυλάκιο πατεντών σε ρομποτική, επιστήμη υλικών και αυτοματοποίηση. Ποια ήταν τα πρώτα τεχνικά επιτεύγματα που σας έκαναν να πιστεύετε ότι αυτό το πρόβλημα ήταν λύσιμο με Φυσική Τεχνητή Νοημοσύνη;

Όταν ιδρύσαμε την CreateMe το 2019, πιστεύαμε ότι υπήρχε τελικά ένας πιστός δρόμος για την αυτοματοποίηση της παραγωγής ενδυμάτων, αλλά μόνο αν η διαδικασία herself ανασχεδιαζόταν. Το υλικό είναι ένα παραμορφώσιμο, εξαρτώμενο από την κατάσταση υλικό. Τεντώνεται, μετατοπίζεται και αλλάζει συμπεριφορά καθώς χειρίζεται. Μικρές παραλλαγές συνδυάζονται γρήγορα. Υπό αυτές τις συνθήκες, η ανοιχτή έλεγχος και προγραμματισμένη κίνηση σπάει. Το πρόβλημα δεν ήταν η ακρίβεια του ρομπότ. Ήταν η κατανόηση της κατάστασης του υλικού αρκετά καλά για να ενεργήσει.

Η πρώτη μας πραγματική πρόοδος ήρθε από την αλλαγή του μοντέλου συναρμολόγησης. Αντικαθιστώντας το συνεχές ράψιμο με τη συναρμολόγηση με κόλλα, μπορούσαμε να συναρμολογήσουμε τα ενδύματα σε μια στατική, σταθερή κατάσταση αντί να κινείται το υλικό. Αυτό αφαίρεσε μια σημαντική πηγή παραλλαγής και επέτρεψε την ευθυγράμμιση και τη σύνδεση να ελεγχθούν απευθείας. Σε συνδυασμό με την παραδοσιακή μηχανική όραση, ML-βασισμένη υπολογιστική όραση, κανόνες-βασισμένη λογική και ρομποτική, αυτό έκανε τη đángμημη αυτοματοποίηση δυνατή για ένα καθορισμένο σύνολο λειτουργιών. Αποδείχθηκε κάτι σημαντικό από την αρχή: τα παραμορφώσιμα υλικά μπορούσαν να χειριστούν μηχανικά αν η διαδικασία ήταν δομημένη σωστά.

Αυτά τα πρώτα συστήματα επίσης έκαναν τα όρια σαφής. Η παραδοσιακή κανόνες-βασισμένη μηχανική όραση λειτουργεί καλά όταν η γεωμετρία είναι απλή και οι συνθήκες είναι στενά περιορισμένες. Δεν κλιμακώνουν στο πιο δύσκολο πρόβλημα στα ενδύματα, ιδιαίτερα στη σύνθετη τριδιάστατη σύνδεση όπου η μορφή του υλικού, η προσανατολισμός και η επαφή εξελίσσονται συνεχώς στο χώρο. Η αυτοματοποίηση της λειτουργίας αυτής απλά δεν ήταν εφικτή με τα διαθέσιμα εργαλεία αντίληψης και μοντελοποίησης εκείνη την εποχή.

Αυτή είναι η θέση όπου η Φυσική Τεχνητή Νοημοσύνη έχει αρχίσει να αλλάζει την εξίσωση. Οι προόδους στην αντίληψη, την αίσθηση και την ενσωματωμένη νοημοσύνη κάνουν δυνατή την κατανόηση των παραμορφώσιμων υλικών σε τρεις διαστάσεις και την κλείδωση του βρόχου μεταξύ της όρασης, της απόφασης και της ενέργειας. Chúng tôi ακόμη στα πρώιμα στάδια της εφαρμογής αυτών των ικανοτήτων, αλλά ακόμη και οι πρώτες εφαρμογές είναι ήδη επέκταση του εύρους των ενδυμάτων, των υλικών και των σύνθετων τριδιάστατων συναρμολογήσεων που μπορούν να αυτοματοποιηθούν. Αντί να γραφτεί η συμπεριφορά, το σύστημα μπορεί ολοένα και περισσότερο να σκέφτεται για την κατάσταση του υλικού, να προσαρμόζεται σε πραγματικό χρόνο και να εκτελεί συναρμολογήσεις από άκρο σε άκρο. Κάθε συνδεμένη λειτουργία παράγει δεδομένα για το πώς ένα υλικό ανταποκρίνεται στη δύναμη, τη θερμοκρασία και τη γεωμετρία, που επιτρέπει την απόδοση να βελτιωθεί και να γενικευθεί μέσω της χρήσης.

Συντομευμένα, τα πρώτα μας εργαλεία αποδείχθηκαν τη δυνατότητα. Η Φυσική Τεχνητή Νοημοσύνη είναι αυτό που ανοίγει την ολοκλήρωση και την κλίμακα. Αυτή η πρόοδος, από τη σεναριογραφημένη αυτοματοποίηση στην αυτοματοποιημένη έξυπνη συναρμολόγηση, είναι αυτό που μας έκανε να πιστεύουμε ότι αυτό το πρόβλημα δεν ήταν μόνο λύσιμο, αλλά και επεκτάσιμο σε ενδύματα και υλικά. Το πλάτος του χαρτοφυλακίου των πατεντών μας αντανακλά αυτό το μονοπάτι. Η λύση της συναρμολόγησης των παραμορφώσιμων υλικών απαιτούσε εφεύρεση σε ρομποτική, επιστήμη υλικών και αυτοματοποίηση, με τη Φυσική Τεχνητή Νοημοσύνη να ανοίγει τις πιο σύνθετες μορφές σύνδεσης.

Η παραγωγή ενδυμάτων έχει αντισταθεί στην πλήρη αυτοματοποίηση για πολύ καιρό λόγω της复雑ίας των μαλακών αγαθών. Ποια ήταν τα επιτεύγματα που επέτρεψαν στην CreateMe να διασχίσει αυτό το όριο;

Για την CreateMe, η διάσχιση του ορίου της αυτοματοποίησης οδηγήθηκε από δύο σχετικές αλλαγές: τον τρόπο με τον οποίο τα ενδύματα συναρμολογούνται φυσικά και τον τρόπο με τον οποίο οι μηχανές αντιλαμβάνονται και ενεργούν πάνω στο υλικό κατά τη διάρκεια της συναρμολόγησης.

Η πρώτη αλλαγή ήταν αρχιτεκτονική. Μετακινούμενοι από το ράψιμο στη συναρμολόγηση με κόλλα, αφαίρεσαμε την ανάγκη να έχουμε πρόσβαση και στις δύο πλευρές του υλικού κατά τη διάρκεια της συναρμολόγησης. Τα ενδύματα μπορούν να χτιστούν χρησιμοποιώντας πρόσβαση σε μια πλευρά, σε μια στατική, σταθερή κατάσταση, αντί να είναι διπλωμένα, αναποδογυρισμένα και τεντωμένα μέσω μιας μηχανής ραψίματος. Αυτό μειώνει τη σύνθετη πολυπλοκότητα και αφαιρεί μια σημαντική πηγή παραλλαγής. Με το υλικό υποστηριζόμενο και προσβάσιμο από μια πλευρά, η ευθυγράμμιση και η σύνδεση γίνονται ελεγχόμενα προβλήματα, και η παραδοσιακή μηχανική όραση και ρομποτική μπορούν να αυτοματοποιήσουν μια σημαντική ποσότητα της κατασκευής του ενδύματος.

Αυτή η προσέγγιση επίσης διευκρίνισε την εναπομείνασα πρόκληση. Όταν μετακινούμαστε σε πιο σύνθετες τριδιάστατες συναρμολογήσεις—όπου οι επιφάνειες συναντώνται σε μεταβαλλόμενες γωνίες και η συμπεριφορά του υλικού αλλάζει καθώς έρχεται σε επαφή—οι κανόνες-βασισμένες και παραδοσιακές μηχανικές όρασης προσεγγίσεις φτάνουν τα όριά τους. Η αυτοματοποίηση της λειτουργίας αυτής απλά δεν ήταν εφικτή με τα διαθέσιμα εργαλεία αντίληψης και μοντελοποίησης εκείνη την εποχή.

Αυτή είναι η θέση όπου η Φυσική Τεχνητή Νοημοσύνη παίζει einen κρίσιμο ρόλο. Οι προόδους στην αντίληψη, την αίσθηση και την ενσωματωμένη έλεγχο κάνουν δυνατή την ερμηνεία της γεωμετρίας του υλικού και της κατάστασης του υλικού σε τρεις διαστάσεις και την απόκριση σε πραγματικό χρόνο κατά τη διάρκεια της συναρμολόγησης. Στην CreateMe, ακόμη και οι πρώτες εφαρμογές αυτών των ικανοτήτων είναι ήδη επέκταση του εύρους των ενδυμάτων, των υλικών και των σύνθετων τριδιάστατων συναρμολογήσεων που μπορούν να αυτοματοποιηθούν με ελάχιστη παρέμβαση.

Συντομευμένα, η αλλαγή της διαδικασίας έκανε την αυτοματοποίηση εφικτή. Η Φυσική Τεχνητή Νοημοσύνη είναι αυτό που επιτρέπει στην αυτοματοποίηση να κινηθεί προς την ολοκληρωμένη λειτουργία και την κλίμακα, επιτρέποντας στην παραγωγή ενδυμάτων να ξεπεράσει την αυτοματοποίηση και να προχωρήσει σε συστήματα που βελτιώνονται καθώς αυξάνεται η πολυπλοκότητα.

Το MeRA™ εισάγει μια modουλάρ, ρομποτική προσέγγιση συναρμολόγησης για την παραγωγή ενδυμάτων. Πώς αυτό το σύστημα διαφέρει ουσιαστικά από την παραδοσιακή αυτοματοποίηση εργοστασίου;

Το MeRA™ διαφέρει ουσιαστικά από την παραδοσιακή αυτοματοποίηση εργοστασίου επειδή σχεδιάστηκε γύρω από τις συγκεκριμένες περιορισμοί της παραγωγής ενδυμάτων, αντί να προσαρμοστεί από βιομηχανίες που βασίζονται σε σκληρά μέρη και σταθερές διαδικασίες.

Η παραδοσιακή αυτοματοποίηση υποθέτει σταθερή γεωμετρία, προβλέψιμα υλικά και περιορισμένη παραλλαγή. Η αλλαγή της διαδικασίας διαχειρίζεται μέσω εργαλείων-εντατικών, μηχανικά περιορισμένων ρυθμίσεων και διαδικασίας-ειδικών ρυθμίσεων. Αυτό το μοντέλο λειτουργεί όταν τα προϊόντα σπάνια αλλάζουν. Σπάει όταν τα υλικά είναι παραμορφώσιμα, οι στυλ γυρνάνε γρήγορα και η παραγωγή πρέπει να τρέχει σε υψηλή ταχύτητα για να είναι οικονομικά βιώσιμη.

Το MeRA™ αρχίζει από τις αντίθετες υποθέσεις. Η παραγωγή ενδυμάτων απαιτεί ένα σύστημα που μπορεί να χειριστεί μαλακά υλικά, συνεχής παραλλαγή και συχνή αλλαγή της διαδικασίας χωρίς να σταματήσει την παραγωγή. Για να το κάνει αυτό, το MeRA™ χρησιμοποιεί μια modουλάρ, λογισμικό-οριασμένη αρχιτεκτονική συναρμολόγησης. Κάθε μονάδα εκτελεί μια διακριτή λειτουργία και μπορεί να ανακατασκευαστεί, να διπλασιαστεί ή να αναployed καθώς τα προϊόντα, τα υλικά ή οι όγκοι αλλάζουν. Η αλλαγή της διαδικασίας συμβαίνει ψηφιακά, στο λογισμικό, αντί να γίνεται μέσω φυσικής ανακατασκευής.

Αρχιτεκτονικά, το MeRA™ σχεδιάστηκε για να μεγιστοποιήσει τόσο την ταχύτητα όσο και τον έλεγχο. Η συναρμολόγηση giữεται σε δύο διαστάσεις όσο το δυνατόν, όπου η όραση, η ευθυγράμμιση και η κίνηση είναι ταχύτερες και πιο ακριβείς, πριν να μεταβεί σε στενά ελεγχόμενες τριδιάστατες λειτουργίες μόνο όταν η διαμόρφωση ή η σύνδεση απαιτεί. Η παραδοσιακή αυτοματοποίηση ωθεί τα μέρη μέσω σταθερών τριδιάστατων εργασιακών κυψελών, το MeRA™ ελαχιστοποιεί την τριδιάστατη πολυπλοκότητα με σχεδιασμό για να διατηρήσει την απόδοση.

Συνδυασμένο με ψηφιακή συναρμολόγηση με κόλλα, το MeRA™ αντικαθιστά τη μηχανικά περιορισμένη σύνδεση με μια προγραμματιζόμενη, μονόπλευρη λειτουργία. Δεν υπάρχει ανάγκη να γυρίσετε τα ενδύματα, να διαχειριστείτε τη συνεχή τάση ή να έχετε πρόσβαση και στις δύο πλευρές κατά τη διάρκεια της διαδικασίας. Αυτό μειώνει τον κύκλο χρόνο, μειώνει τα ποσοστά λάθους και επιτρέπει τη γρήγορη ψηφιακή αλλαγή της διαδικασίας σε ενδύματα και υλικά.

Συντομευμένα, η παραδοσιακή αυτοματοποίηση κωδικοποιεί τη διαδικασία στο υλικό. Το MeRA™ ορίζει τη διαδικασία στο λογισμικό και την προσαρμόζει στο υλικό. Αυτή η αλλαγή—από φυσική ανακατασκευή σε ψηφιακή αλλαγή της διαδικασίας, και από σταθερές ροές εργασίας σε modουλάρ συναρμολόγηση—είναι αυτό που επιτρέπει στο MeRA™ να λειτουργεί στην ταχύτητα και την παραλλαγή που απαιτεί η παραγωγή ενδυμάτων.

Το Pixel™ αντικαθιστά το ράψιμο με μικρο-κόλλα. Πέρα από την ταχύτητα και την αποτελεσματικότητα, ποια νέα σχέδια ή επιδόσεις είναι δυνατές για τις εταιρείες ενδυμάτων;

Το Pixel™ ανασχεδιάζει την κατασκευή ενδυμάτων στο σημείο της ραφής. Αντικαθιστώντας το ράψιμο με ψηφιακά ελεγχόμενη μικρο-κόλλα, οι εταιρείες κερδίζουν πολύ μεγαλύτερη ακρίβεια και συνεπαγωγή, με αποτέλεσμα ενδύματα που είναι ομαλότερα, ισχυρότερα και πιο άνετα στη φόρα. Επειδή η διαδικασία είναι προγραμματισμένη, οι ραφές γίνονται μια επιφάνεια σχεδιασμού αντί για ένα περιορισμό, επιτρέποντας την ελαστικότητα, τη διαχείριση υγρασίας, τη θερμική ρύθμιση και την ελαφριά ενίσχυση να σχεδιαστούν απευθείας στο σώμα του ενδύματος.

Αυτά τα οφέλη επεκτείνονται πέρα από το πώς ένα ένδυμα εκτελείται στο σώμα. Η ίδια ψηφιακή έλεγχος που επιτρέπει την απόδοση επίσης επιτρέπει τα ενδύματα να σχεδιαστούν για το τέλος της ζωής τους από την αρχή. Με τη σύνθεση Thermo(re)set™, οι σύνδεσμοι μπορούν να αναστραφούν, επιτρέποντας την αυτοματοποιημένη αποσυναρμολόγηση και την ανακύκλωση υλικών σε μεγάλη κλίμακα. Για τις εταιρείες, το Pixel™ κάνει το σχεδιασμό, την απόδοση και την κυκλική οικονομία ολοκληρωμένα αποτελέσματα της κατασκευής, όχι ανταγωνιστικές προτεραιότητες που στρώνονται μετά.

Υπάρχει πολύ θόρυβος γύρω από τη Φυσική Τεχνητή Νοημοσύνη αυτή τη στιγμή. Από την οπτική σας, πού η Φυσική Τεχνητή Νοημοσύνη λειτουργεί πραγματικά σήμερα, και πού η πραγματικότητα ακόμη παραμένει πίσω από τις προσδοκίες;

Η Φυσική Τεχνητή Νοημοσύνη λειτουργεί σήμερα όταν τα προβλήματα είναι δομημένα για νοημοσύνη αντί για βία. Βλέπουμε πραγματική πρόοδο σε περιβάλλοντα όπου η αντίληψη, η μάθηση και ο έλεγχος αναπτύσσονται μαζί μέσα σε σχεδιασμένα συστήματα—σε μέρη όπου οι εργασίες είναι επαναλαμβανόμενες αλλά ακόμη απαιτούν προσαρμογή, και όπου η μηχανή μπορεί πραγματικά να παρατηρήσει και να σκεφτεί για το τι έχει σημασία.

Όπου οι προσδοκίες ακόμη υπερβαίνουν την πραγματικότητα είναι γύρω από τη γενική-σκοπό έμβυτη νοημοσύνη. Τα μαλακά, παραμορφώσιμα υλικά παραμένουν ένα από τα πιο δύσκολα προβλήματα στη ρομποτική επειδή εισάγουν μερική παρατηρησιμότητα, μη γραμμική συμπεριφορά και συνεχή παραλλαγή. Η Φυσική Τεχνητή Νοημοσύνη δεν είναι ένα αντικατάστατο για την ανθρώπινη δεξιοτεχνία, και δεν επιτυγχάνει σε χαοτικές ή κληρονομικές περιβάλλοντες από προεπιλογή.

Στην πρακτική, η διαφορά έρχεται από το σχεδιασμό. Η Φυσική Τεχνητή Νοημοσύνη λειτουργεί όταν η φυσική διαδικασία έχει ανασχεδιαστεί για να μειώσει την αβεβαιότητα—όταν η πρόσβαση είναι απλοποιημένη, οι καταστάσεις είναι παρατηρήσιμες και η παραλλαγή είναι διαχειριζόμενη από την αρχιτεκτονική αντί να αγνοείται. Σε αυτές τις συνθήκες, τα συστήματα μάθησης μπορούν να προσαρμοστούν και να βελτιωθούν. Χωρίς αυτό, η τεχνητή νοημοσύνη συχνά είναι απλώς μια ανταπόκριση για κακή φυσική σχεδίαση.

Αυτή είναι η οπτική που εφαρμόζουμε στην CreateMe. Δεν αντιμετωπίζουμε τη Φυσική Τεχνητή Νοημοσύνη ως ένα στόχο γύρω από την πολυπλοκότητα της παραγωγής. Αντιμετωπίζουμε την ως ένα στρώμα κλίμακας που λειτουργεί μόνο όταν το υποκείμενο σύστημα συναρμολόγησης έχει ανασχεδιαστεί από την αρχή. Το μάθημα που έχουμε μάθει είναι απλό: η Φυσική Τεχνητή Νοημοσύνη κλιμακώνεται όταν ο φυσικός κόσμος έχει σχεδιαστεί για να αφήσει τη νοημοσύνη να κάνει πραγματική δουλειά.

Με δασμούς, γεωπολιτικό κίνδυνο και ελαφριά αλυσίδες εφοδιασμού να γίνονται δομικά ζητήματα, πώς οι τεχνολογίες όπως το MeRA™ αλλάζουν την οικονομία της επαναφοράς της παραγωγής στις ΗΠΑ;

Για πολύ καιρό, η εξαγωγή έκανε οικονομική λογική σε μια στενή βάση κόστους εργασίας, και ακόμη το κάνει για ορισμένα προϊόντα και όγκους. Η πρόκληση είναι ότι το μοντέλο επίσης έρχεται με δομικά μειονεκτήματα: μακροχρόνιες προθεσμίες, κακή αντιστοίχιση ζήτησης-προσφοράς, υπερβολικό απόθεμα και αυξανόμενη έκθεση σε δασμούς, γεωπολιτικό κίνδυνο και διακοπή логιστικής. Αυτά τα κόστη ήταν συχνά κρυμένα ή ανεχόμενα μέχρι πρόσφατα σοκ που έκαναν μια πιο στενή ματιά.

Οι τεχνολογίες όπως το MeRA™ αλλάζουν την οικονομία κάνοντας ένα διαφορετικό λειτουργικό μοντέλο εφικτό στις ΗΠΑ. Το MeRA™ μειώνει την εξάρτηση από χειρονακτική εργασία και την αντικαθιστά με υψηλής απόδοσης, αυτοματοποιημένη παραγωγή που μπορεί να τρέξει σε μια συμπαγή, ανακατασκευάσιμη υπογραφή. Αυτό έχει σημασία εγχώρια, όπου η εργασία είναι ακριβή και η ευελιξία είναι πιο πολύτιμη από την καθαρή κλίμακα.

Όπως και σημαντικά, το MeRA™ μετατοπίζει την παραγωγή ενδυμάτων από το ράψιμο με βάση τη δεξιοτεχνία προς τη στατική, με κόλλα συναρμολόγηση. Αυτό αφαιρεί την εξάρτηση από σπάνιες, υψηλά εκπαιδευμένες εργάτριες ραφής και την αντικαθιστά με ρόλους που είναι γρήγοροι να εκπαιδευτούν και ευκολότεροι να κλιμακωθούν στις ΗΠΑ. Αυτή η αλλαγή γυρίζει την εργασία από ένα δομικό μποττάνι σε μια διαχειρίσιμη είσοδο, το οποίο είναι κρίσιμο για οποιαδήποτε πραγματική στρατηγική επαναφοράς.

Ο κρίσιμος μετασχηματισμός δεν είναι για να φέρει πίσω όλα. Στην πρακτική, ακόμη και ένα μικρό στρώμα gần-αγοράς—συνήθως 5-10% του όγκου—μπορεί να αλλάξει σημαντικά την οικονομία της ολόκληρης αλυσίδας εφοδιασμού. Αυτή η ευέλικτη ικανότητα επιτρέπει στις εταιρείες να ανταποκριθούν στην πραγματική ζήτηση, να κυνηγήσουν τους νικητές και να αποφύγουν την υπερπαραγωγή μηνών μπροστά. Το MeRA™ κάνει αυτό το στρώμα οικονομικά βιώσιμο υποστηρίζοντας τη γρήγορη ψηφιακή αλλαγή της διαδικασίας, μικρότερες μερίδες και συνεχή έξοδο χωρίς να εξαρτάται από εξειδικευμένα πισίνα εργασίας.

Σε αυτό το контέκστ, η επαναφορά σταματά να είναι μια δυαδική ή πολιτική απόφαση. Οι τεχνολογίες όπως το MeRA™ τη μετατρέπουν σε μια επιλογή χαρτοφυλακίου. Η εξαγωγή παραμένει ένα ρόλο για κλίμακα και κόστος-αποτελεσματικότητα, αλλά η αυτοματοποιημένη,近-αγοράς ικανότητα γίνεται một στρατηγική λεβιέ για ταχύτητα, ανθεκτικότητα και κεφαλαιακή αποτελεσματικότητα. Το αποτέλεσμα είναι μια πιο ισορροπημένη αλυσίδα εφοδιασμού, όπου ακόμη και περιορισμένη αμερικανική παραγωγή μπορεί να μειώσει σημαντικά τον κίνδυνο και να βελτιώσει την οικονομία.

Πώς πρέπει οι εταιρείες ενδυμάτων να σκέφτονται διαφορετικά για το σχεδιασμό προϊόντων όταν οι περιορισμοί της παραγωγής δεν είναι πλέον οι ίδιοι με αυτούς που ήταν σε παραδοσιακές περιπτώσεις κοπής και ραψίματος;

Ο παραδοσιακός σχεδιασμός ενδυμάτων αντανακλά την κυρίαρχη λογική της παραγωγής κοπής και ραψίματος: δύο-πλευρική πρόσβαση, διείσδυση βελόνας, προθεσμίες ραφής μεγεθυσμένες για ανθρώπινη χειρονομία και μεθόδους κατασκευής που είναι βελτιωμένες για χειρονομία. Αυτά δεν είναι εγγενείς απαιτήσεις των ενδυμάτων, αλλά είναι αποτυπώματα του πώς τα ενδύματα έχουν κατασκευαστεί.

Η αυτοματοποιημένη, με κόλλα συναρμολόγηση εισάγει μια διαφορετική λογική σχεδιασμού. Σχεδιασμός για αυτοματοποίηση σημαίνει να υποθέσετε πρόσβαση σε μια πλευρά, ψηφιακά ελεγχόμενη κόλλα και υψηλά επαναλαμβανόμενη εκτέλεση. Αυτό επιτρέπει μικρότερες εσωτερικές προθεσμίες ραφής, πιο ακριβείς γραμμές κόλλας και χαμηλότερης-προφίλ συναρμολογήσεις που είναι και δομικά στερεές και αισθητικά καθαρότερες από τις ραφμένες ισοδύναμες.

Επειδή η κόλλα αναρτάται αντί να ράβεται, οι σχεδιαστές μπορούν να δουλεύουν με εμπιστοσύνη με σύνθετες και ανियमόμορφες άκρες, ρευστές γεωμετρίες και υλικές μετατροπές ή λαμαρίνα που θα ήταν δύσκολο ή αδύνατο να αναπαραχθούν με ράψιμο. Η οπτική πολυπλοκότητα δεν πρέπει πλέον να υποστηρίζεται από φυσική δυσκολία. Το αποτέλεσμα είναι μια πιο ελάσσων, рафіνατη γλώσσα κατασκευής που είναι εγγενής στην αυτοματοποίηση αντί να προσαρμοστεί από χειρονομία.

Αυτή η προσέγγιση επίσης επεκτείνει την ελευθερία των υλικών. Αντιθέτως με τη ραφή, η οποία είναι συνήθως υψηλής θερμοκρασίας και περιορισμένη σε συνθετικά, η αναρτημένη κόλλα επιτρέπει την αυτοματοποίηση σε ένα ευρύ φάσμα υλικών, συμπεριλαμβανομένων οργανικών και ευαίσθητων υλικών όπως κασμέρ, μετάξι, μαλλί και δέρμα. Η επιλογή υλικού μετατοπίζεται από “τι μπορεί να ραφτεί με ασφάλεια” σε “τι εξυπηρετεί καλύτερα το προϊόν”.

Σε αυτό το контέκστ, σχεδιασμός για αυτοματοποίηση δεν είναι περιοριστικός, αλλά γεννητικός. Δημιουργική πρόθεση, αισθητική έκφραση και λογική παραγωγής είναι ευθυγραμμισμένες από την αρχή. Ο σχεδιασμός γίνεται και πιο ακριβής και πιο εκφραστικός, με την αυτοματοποίηση να χειρίζεται τη συνέπεια και την εκτέλεση ενώ οι σχεδιαστές εστιάζουν στη μορφή, τη λειτουργία και τη διαφοροποίηση.

Τι είναι ο ρόλος του ανθρώπου σε ένα υψηλά αυτοματοποιημένο εργοστάσιο ενδυμάτων, και ποια νέα δεξιότητες γίνονται κρίσιμες καθώς η ρομποτική αναλαμβάνει τις επαναλαμβανόμενες εργασίες;

Σε ένα υψηλά αυτοματοποιημένο εργοστάσιο ενδυμάτων, ο ρόλος του ανθρώπου μετατοπίζεται από την επαναλαμβανόμενη χειρονομία στην λειτουργία, την εποπτεία και τη βελτίωση των αυτοματοποιημένων συστημάτων συναρμολόγησης. Αντί για μακρές γραμμές ραψίματος, μικρότερες ομάδες οργανώνονται γύρω από ρομποτικές κυψέλες, με τεχνικούς παραγωγής, εποπτες κυψελών και ειδικούς διαδικασίας που είναι υπεύθυνοι για την απόδοση, την ποιότητα και την ώρα λειτουργίας σε ολόκληρη τη ροή παραγωγής.

Οι τεχνικοί παραγωγής δουλεύουν χειροποιά με ρομποτικές, συστήματα όρασης και εξοπλισμό συναρμολόγησης με κόλλα. Παρακολουθούν τις ρομποτικές κυψέλες, ρυθμίζουν τους δρόμους αναρτήματος και τις παραμέτρους σύνδεσης, διαχειρίζονται τις αλληλεπιδράσεις υλικών σε διαφορετικά υλικά και επεμβαίνουν όταν η παραλλαγή ή οι περιπτώσεις άκρων εμφανίζονται. Η ποιότητα ελέγχεται συνεχώς αντί να δειγματοληφθεί: τα συστήματα όρασης ελέγχουν την τοποθέτηση, την ευθυγράμμιση και τη συνέπεια της κόλλας σε πραγματικό χρόνο, ενώ οι άνθρωποι εποπτεύουν τα όρια, ερμηνεύουν τις ανωμαλίες και αποφασίζουν πότε και πώς να điều chỉnh την διαδικασία.

Αυτό το μοντέλο παραδίδει υλικά υψηλότερη ποιότητα και επαναλαμβανόμενη από την χειρονομία. Η αυτοματοποιημένη αναρτήτωση και τοποθέτηση μειώνουν την παραλλαγή, ενώ η ψηφιακή ποιότητα επιτρέπει συνεχή εκτέλεση σε κάθε μονάδα αντί να βασίζεται στην έλεγχο μετά την παραγωγή. Η ανθρώπινη κρίση εφαρμόζεται όπου έχει τη μεγαλύτερη αξία—αξιολογώντας τις εξαιρέσεις, βελτιώνοντας τις προθεσμίες και βελτιώνοντας την απόδοση του συστήματος με τον καιρό.

Αυτό απαιτεί ένα σκόπιμο μοντέλο εκπαίδευσης και αναβάθμισης που είναι ενσωματωμένο直接 στην παραγωγή. Οι εργάτες εκπαιδεύονται να διαβάζουν πίνακες παραγωγής, να ερμηνεύουν δεδομένα όρασης και αισθήσεων, να κατανοούν μετρικές ποιότητας κόλλας και να συνεργάζονται με ρομποτικές συστήματα. Μάθουν πώς η συμπεριφορά κόλλας, οι ιδιότητες υλικών και οι παραμέτρους διαδικασίας αλληλεπιδρούν, και πώς αυτές οι μεταβλητές εμφανίζονται στα δεδομένα ελέγχου ποιότητας.

Με τον καιρό, η αναβάθμιση προχωρά από την βασική λειτουργία του συστήματος στην πιο βαθιά ιδιοκτησία της διαδικασίας. Μέσω της δομημένης εκπαίδευσης στην εργασία, των modουλών πιστοποίησης και της μεντορίας, οι τεχνικοί αναπτύσσουν δεξιότητες στην ανάλυση αιτίας-αποτελέσματος, την προληπτική συντήρηση και τη συνεχή βελτίωση. Το αποτέλεσμα είναι ένα τεχνικά εύγλωττο εργατικό δυναμικό ικανό να διατηρεί υψηλής ποιότητας, επαναλαμβανόμενη παραγωγή σε κλίμακα—ένα που η αυτοματοποίηση ανυψώνει τόσο την ομοιομορφία του προϊόντος όσο και την ανθρώπινη ικανότητα.

Κοιτάζοντας μπροστά πέντε έως δέκα χρόνια, πώς βλέπετε τη Φυσική Τεχνητή Νοημοσύνη να ανασχηματίζει όχι μόνο τα ενδύματα, αλλά και την παραγωγή γενικότερα—και πού θέλετε η CreateMe να έχει την μεγαλύτερη επιρροή;

Η άποψή μας είναι ότι η μεγαλύτερη ευκαιρία για τη Φυσική Τεχνητή Νοημοσύνη στην παραγωγή τις επόμενες πέντε έως δέκα χρόνια βρίσκεται στις εργασίες με την υψηλότερη παραλλαγή και πολυπλοκότητα, όχι σε περιοχές που ήδη εξυπηρετούνται καλά από τη σκληρή αυτοματοποίηση. Μεταξύ των πιο δύσκολων προβλημάτων είναι εκείνα όπου τα υλικά είναι μαλακά, ελαστικά ή τριδιάστατα, και όπου η πραγματική παραλλαγή έχει ιστορικά περιορισμένη την αυτοματοποίηση.

Αυτή η πρόκληση είναι πιο οξεία στη συναρμολόγηση μαλακών υλικών. Τα ενδύματα είναι το πιο σαφές παράδειγμα, αλλά η ίδια δυναμική υπάρχει σε καταναλωτικά ηλεκτρονικά με ελαστικά συστατικά, σε ιατρικά προϊόντα, σε έπιπλα και σε εσωτερικά αυτοκινήτων. Σε αυτές τις κατηγορίες, το ράψιμο και η συναρμολόγηση μαλακών υλικών αντιπροσωπεύουν την υψηλότερη εργασιακή περιεχόμενο και παραμένουν τα λιγότερο αυτοματοποιημένα μέρη της διαδικασίας παραγωγής.

Από την οπτική μας, η πρώιμη πρόοδος στη Φυσική Τεχνητή Νοημοσύνη θα οδηγηθεί από高度-κατα.VERTICAL συστήματα. Η μηχανική σχεδίαση και η ρομποτική μορφή θα είναι προσαρμοσμένες σε συγκεκριμένες εφαρμογές και υλικά, αντί να γενικευθούν. Αυτό που κλιμακώνεται σε αυτούς τους κατακόρυφους είναι όχι το υλικό, αλλά η νοημοσύνη: η αντίληψη, ο έλεγχος και τα συστήματα μάθησης που επιτρέπουν στις μηχανές να κατανοούν παραμορφώσιμα υλικά, να ευθυγραμμίζουν σύνθετες άκρες, να προσαρμόζονται στην παραλλαγή και να εκτελούν συναρμολογήσεις με ασφάλεια.

Μετά τα επόμενα δέκα χρόνια και πέρα, πιστεύουμε ότι πιο γενικές και ανθρωπόμορφες ενσαρκώσεις θα γίνουν ολοένα και πιο διαδεδομένες καθώς η ενσωματωμένη νοημοσύνη ωριμάζει και η ανάπτυξη επιταχύνεται. Όταν οι ανθρωπόμορφοι ρομποτικοί μετακινούνται από πιλότους σε εκατομμύρια, και πιθανώς δεκάδες εκατομμύρια, αναπτυγμένων μονάδων μέσα στην επόμενη δεκαετία, τα υλικά-εξωθημένα δέρματα και τα μαλακά εξωτερικά στρώματα θα γίνουν κρίσιμα ανθρώπινα-μηχανικά διεπαφές συστήματα. Η ικανοποίηση αυτής της ζήτησης σε κλίμακα θα απαιτήσει αυτοματοποιημένη, αυτοματοποιημένη συναρμολόγηση, ανοίγοντας μια νέα βιομηχανική κατηγορία στην έξυπνη συναρμολόγηση μαλακών υλικών.

Αυτός είναι ο контέκστ στην οποία η όραση της CreateMe κάθεται.

Η όραση της CreateMe είναι να οδηγήσει τη μεταμόρφωση της συναρμολόγησης μαλακών υλικών. Να κάνει την αυτοματοποιημένη συναρμολόγηση των υλικών και των ελαστικών υλικών τόσο προγραμματιζόμενη, κλιμακώσιμη και προσαρμόσιμη όσο το λογισμικό. Ενώ οι μηχανικές και ρομποτικές εφαρμογές θα ποικίλλουν ανάλογα με την κατακόρυφο, η κεντρική πρόκληση παραμένει συνεπής: η συναρμολόγηση μαλακών υλικών κυριαρχεί στην εργασιακή περιεχόμενο και αντιστέκεται στην παραδοσιακή αυτοματοποίηση.

Τι ενώνει αυτές τις αγορές είναι ένα κοινό σύνολο ικανοτήτων Φυσικής Τεχνητής Νοημοσύνης—τα συστήματα που διέπουν την αντίληψη, τη χειριστική των παραμορφώσιμων υλικών, την ευθυγράμμιση των άκρων, τη λογική σύνδεσης και την προσαρμόσιμη συναρμολόγηση σε υλικά και μορφές. Αναπτύσσοντας αυτή την ικανότητα στα ενδύματα, μια από τις πιο απαιτητικές παραγωγικές περιπτώσεις, η CreateMe στοχεύει να ανοίξει την αυτοματοποίηση σε ένα πολύ ευρύτερο σύνολο βιομηχανιών και να ενεργοποιήσει την επόμενη γενιά παραγωγής μαλακών αγαθών και τις μαλακές διεπαφές που θα περιβάλλουν ολοένα και περισσότερες έξυπνες μηχανές.

Ευχαριστώ για τη μεγάλη συνέντευξη και τις λεπτομερείς απαντήσεις σας, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν το CreateMe.