स्थायी फैशन की शुरुआत एआई से होती है

माधव वेंकटेश, सह-संस्थापक और मुख्य प्रौद्योगिकी अधिकारी, TrusTrace द्वारा。

एक ऐसे व्यक्ति के रूप में जो स्थायित्व के बारे में भावुक है, यह देखना हमेशा रोमांचक होता है कि सरकारें कदम उठाती हैं और कुछ ऐसा करती हैं जो मायने रखता है। मामला बिंदु, यूरोपीय आयोग का उत्पाद पर्यावरण पदचिह्न (पीईएफ) कार्यक्रम। जबकि अभी भी परीक्षण चरण में है, जब यह कानून बन जाएगा, तो यह ब्रांडों को अपने सामान के वास्तविक पर्यावरणीय प्रभाव की गणना और खुलासा करने की आवश्यकता होगी bằng लेखांकन आपूर्ति श्रृंखला गतिविधियों को ध्यान में रखते हुए: कच्चे माल के निष्कर्षण से, उत्पादन और उपयोग के माध्यम से और अंत में अपशिष्ट प्रबंधन। ऐसे कानून से उन कार्यकर्ताओं के लिए एक वरदान होगा जिन्होंने लंबे समय से बड़े ब्रांडों पर अधिक स्थायी रूप से संचालित करने के लिए दबाव डाला है, फैशन कंपनियों के लिए और कोई नहीं।

व्यापक रूप से स्वीकृत अनुमानों के अनुसार, फैशन उद्योग दुनिया के दो और आठ प्रतिशत कार्बन उत्सर्जन के लिए जिम्मेदार है। 2018 में, वैश्विक परिधान और फुटवियर उद्योग ने अकेले फ्रांस, जर्मनी और यूनाइटेड किंगडम के संयुक्त से अधिक ग्रीनहाउस गैसें उत्पन्न कीं।

पीईएफ कई वैश्विक नियमों में से एक है जो बड़ी कंपनियों को अपनी आपूर्ति श्रृंखला में पर्यावरणीय नुकसान के लिए जिम्मेदार ठहराता है। कैलिफोर्निया का पारदर्शिता इन आपूर्ति श्रृंखला अधिनियम और जर्मनी का हाल ही में पारित आपूर्ति श्रृंखला देय दिलIGENCE अधिनियम दो हाल के उदाहरण हैं। विभिन्न नए आवश्यकताओं का पालन करने के लिए, उन क्षेत्रों में ब्रांडों को आपूर्ति श्रृंखला ट्रेसबिलिटी के लिए प्रौद्योगिकी समाधानों की आवश्यकता होगी, साथ ही साथ स्थायित्व के बारे में सोचने का एक नया तरीका होगा।

हाल तक तक, ब्रांडों ने स्थायित्व के लिए एक शीर्ष-नीचे की दृष्टिकोण अपनाया है, व्यापक कॉर्पोरेट पहल को आगे बढ़ाया और उत्पादों को विपणन के अनुसार किया। लेकिन यह पहले से ही एक पुराना और अप्रभावी तरीका है (विशेष रूप से यदि कोई वास्तविक परिवर्तन होने जा रहा है)। अब जो आवश्यक है – चाहे नियमन के माध्यम से या एक बढ़ती इको-जागरूक उपभोक्ता आधार के माध्यम से – उत्पाद से ऊपर की ओर स्थायित्व की ओर बढ़ना है।

एक वास्तविक रूप से स्थायी परिधान का उत्पादन करने के लिए, ब्रांडों को अपने द्वारा संभाले जाने वाले प्रत्येक उत्पाद और सामग्री के बारे में सब कुछ जानने की आवश्यकता है। इसके लिए लाखों ग्रैन्युलर, सटीक डेटा पॉइंट्स और एक ट्रेसबिलिटी समाधान की आवश्यकता होती है जो डेटा को एक स्थान पर रख सकता है।

ट्रेसबिलिटी क्यों?

उत्पादों और सामग्रियों को आपूर्ति श्रृंखला में सटीक रूप से ट्रेस करने की क्षमता कई चुनौतियों का समाधान कर सकती है। अधिक आपूर्ति श्रृंखला दृश्यता ब्रांडों को व्यवधानों की भविष्यवाणी करने में मदद करती है जो होने से पहले होती है। इसके अलावा, ऐसी दृश्यता ब्रांडों को उत्पाद दावों को बनाने और उनकी प्रामाणिकता साबित करने में सक्षम बनाती है। उदाहरण के लिए, एक ब्रांड 100% जैविक कपास के स्वेटर को बेचने का दावा कर सकता है और इसका समर्थन करने के लिए डेटा प्रदान कर सकता है।

जैसा कि वे आज खड़े हैं, फैशन आपूर्ति श्रृंखलाएं विशाल हैं, लेकिन थोड़ी आपूर्तिकर्ता दृश्यता के साथ। फैशन कंपनियों को इसलिए हर उत्पाद को ट्रैक करने का कठिन काम करना पड़ता है क्योंकि यह विश्व भर में सैकड़ों आपूर्तिकर्ताओं के माध्यम से चलता है। यह वास्तविकता एक बड़ी प्रौद्योगिकी चुनौती का प्रतिनिधित्व करती है जिसे केवल कृत्रिम बुद्धिमत्ता (एआई) और मशीन लर्निंग द्वारा समाधान किया जा सकता है।

एआई एक ट्रेसबिलिटी एनेबलर के रूप में

ट्रसट्रेस में, हम फैशन उद्योग में दर्जनों कंपनियों के साथ काम करते हैं, और उनके आपूर्ति श्रृंखला डेटा में से अधिकांश दस्तावेजों में बंद है – कागजी और इलेक्ट्रॉनिक। इन दस्तावेजों में वे चालान शामिल हैं जो श्रृंखला की हिस्सेदारी को साबित करते हैं, सामाजिक ऑडिट रिपोर्ट जो कारखानों और अन्य सुविधाओं में कार्यस्थल और वेतन की स्थिति का वर्णन करती हैं, और सामग्री बैचों के लिए रासायनिक परीक्षण रिपोर्ट और बहुत कुछ। यह दस्तावेज डेटा अक्सर विभिन्न प्रारूपों और भाषाओं में होता है। संक्षेप में, प्राथमिक समस्या डेटा अधिग्रहण है।

यह वह जगह है जहां एआई ट्रेसबिलिटी के लिए महत्वपूर्ण हो जाता है। यह बुद्धिमानी से बड़ी मात्रा में डेटा एकत्र कर सकता है। अधिक महत्वपूर्ण है, हालांकि, यह डेटा की समग्र गुणवत्ता में सुधार करने के लिए कई स्रोतों से जानकारी को संबंधित करके स्वचालित रूप से डेटा सत्यापन करने वाली प्रणाली का समर्थन कर सकता है।

साधारण शब्दों में, एआई का उपयोग पूरी तरह से उत्पाद ट्रेसबिलिटी को सक्षम करने के लिए कागजी निशान को डिजिटाइज करने के लिए किया जा सकता है। डिजिटाइजेशन प्रक्रिया में तीन चरण शामिल हैं: वर्गीकरण, वस्तु निष्कर्षण और पहचान, और डेटा सत्यापन और लिंकिंग।

वर्गीकरण तब होता है जब एक दस्तावेज़ एक आपूर्ति श्रृंखला ट्रेसबिलिटी प्लेटफ़ॉर्म में एक आपूर्तिकर्ता द्वारा जमा किया जाता है। अंतर्निहित एआई दस्तावेज़ को पहचानता है और इसे बुद्धिमानी से वर्गीकृत करता है, जैसे कि एक खरीद आदेश, सुविधा ऑडिट, या प्रमाणन।

दस्तावेज़ के वर्गीकरण के आधार पर, एआई तब मेटाडेटा के माध्यम से प्रमुख जानकारी की पहचान करता है। उदाहरण के लिए, जब चालानों को संसाधित किया जाता है, तो ट्रेसबिलिटी सिस्टम स्वचालित रूप से जानकारी जैसे कि खरीदार, विक्रेता, उत्पाद, मात्रा, वितरण की तारीख, आदि को निकालकर और पहचान करेगा।

एक बार जब संबंधित वस्तुएं निकाली जाती हैं, तो डेटा को मान्य किया जाता है और किसी ब्रांड के उद्यम प्रणालियों के भीतर मौजूद अन्य डेटा से जोड़ा जाता है, जिससे उन्हें डेटा का उपयोग करने की अनुमति मिलती है, चाहे वह पूर्वानुमान, विश्लेषण, नियामक रिपोर्टिंग, या अन्य आवश्यकताओं के लिए हो।

फैशन आपूर्ति श्रृंखलाएं इतनी जटिल हैं और उपलब्ध डेटा इतना विशाल है कि यह लगभग असंभव है कि एआई के प्रभावी उपयोग के बिना इसका प्रबंधन किया जा सके। एक ट्रेसबिलिटी सिस्टम लागू करने के बाद, एक ब्रांड की आपूर्ति श्रृंखला में एक या एक से अधिक भागीदारों की स्थायित्व अनिवार्य रूप से एक ब्रांड के मानकों से कम हो जाएगी। उस स्थिति में, आपूर्ति श्रृंखला को अन्य भागीदारों के माध्यम से अनुकूलन और पुनर्विन्यास करने की आवश्यकता होगी ताकि यह अनुपालन में रहे। एआई और मशीन लर्निंग वह रीढ़ है जो ऐसे तेजी से समायोजन की अनुमति देता है।

आगे देखें

जैसा कि ईसी के पीईएफ कार्यक्रम प्रदर्शित करता है, एक समय आएगा जब यह कहना पर्याप्त नहीं होगा कि आप स्थायी हैं; यह पर्याप्त नहीं होगा कि साक्ष्य प्रदान किया जाए। मुझे विश्वास है कि एक भविष्य में जहां ब्रांड अपने उत्पादों की संयुक्त सामग्रियों को बुद्धिमानी से ट्रेस करके अपने उत्पादों की स्थायित्व की गणना करेंगे।

मुझे यह देखकर गर्व है कि इतने सारे फैशन ब्रांड स्थायित्व और सामाजिक जिम्मेदारी के लिए प्रतिबद्ध हैं – यहां तक कि जब से कानूनी कार्रवाई शुरू हुई है। उस कॉर्पोरेट प्रतिबद्धता को अब उत्पाद स्तर पर ट्रिकल डाउन करने की आवश्यकता है। यह कोई आसान काम नहीं है, लेकिन ट्रेसबिलिटी, एआई और डेटा के साथ, यह संभव हो सकता है।