सस्टेनेबल फैशन की शुरुआत एआई से होती है

द्वारा: माधव वेंकटेश, सह-संस्थापक और मुख्य प्रौद्योगिकी अधिकारी, ट्रसट्रेस.

एक ऐसे व्यक्ति के रूप में जो स्थिरता के बारे में भावुक है, सरकारों को आगे बढ़ते हुए और कुछ ऐसा करते हुए देखना हमेशा रोमांचक होता है जो मायने रखता है। उदाहरण के तौर पर, यूरोपीय आयोग का उत्पाद पर्यावरण पदचिह्न (पीईएफ) कार्यक्रम। अभी भी परीक्षण के चरण में, जब यह कानून बन जाएगा, तो ब्रांडों को आपूर्ति श्रृंखला गतिविधियों को ध्यान में रखते हुए अपने माल के वास्तविक पर्यावरणीय प्रभाव की गणना और खुलासा करने की आवश्यकता होगी: कच्चे माल के निष्कर्षण से, उत्पादन और उपयोग के माध्यम से और अंत में अपशिष्ट प्रबंधन। इस तरह का कानून उन कार्यकर्ताओं के लिए अप्रत्याशित लाभ होगा जो लंबे समय से बड़े ब्रांडों को अधिक टिकाऊ ढंग से काम करने के लिए प्रेरित कर रहे हैं, फैशन कंपनियों के अलावा और कोई नहीं।

व्यापक रूप से स्वीकृत अनुमानों के अनुसार, फैशन उद्योग के बीच का हिसाब है विश्व के कार्बन उत्सर्जन का दो और आठ प्रतिशत. 2018 में, अकेले वैश्विक परिधान और फुटवियर उद्योग ने फ्रांस, जर्मनी और यूनाइटेड किंगडम की तुलना में अधिक ग्रीनहाउस गैसों का उत्पादन किया।

पीईएफ कई वैश्विक नियमों में से एक है जो बड़ी कंपनियों को अपनी आपूर्ति श्रृंखलाओं में पर्यावरणीय क्षति के लिए जिम्मेदार ठहरा रहा है। कैलिफ़ोर्निया का आपूर्ति श्रृंखला पारदर्शिता अधिनियम और जर्मनी का हाल ही में पारित हुआ आपूर्ति श्रृंखला उचित परिश्रम अधिनियम दो हालिया उदाहरण हैं. विभिन्न नई आवश्यकताओं का अनुपालन करने के लिए, उन क्षेत्रों के ब्रांडों को आपूर्ति श्रृंखला ट्रेसबिलिटी के लिए प्रौद्योगिकी समाधान की आवश्यकता होगी, साथ ही स्थिरता के बारे में सोचने का एक नया तरीका भी होगा।

हाल तक, ब्रांडों का स्थिरता के लिए ऊपर से नीचे का दृष्टिकोण रहा है, जिसके अनुसार व्यापक कॉर्पोरेट पहल और विपणन उत्पादों को आगे बढ़ाया गया है। लेकिन यह पहले से ही सोचने का एक पुराना और अप्रभावी तरीका है (खासकर यदि कोई वास्तविक परिवर्तन किया जाने वाला है)। अब क्या आवश्यक है - चाहे विनियमन के माध्यम से या किसी अन्य के माध्यम से पर्यावरण के प्रति जागरूक उपभोक्ता आधार तेजी से बढ़ रहा है - उत्पाद से स्थिरता की ओर बढ़ रहा है।

वास्तव में टिकाऊ परिधान का उत्पादन करने के लिए, ब्रांडों को उनके द्वारा संभाले जाने वाले प्रत्येक उत्पाद और सामग्री के बारे में सब कुछ जानना होगा। इसके लिए लाखों बारीक, सटीक डेटा बिंदुओं और एक ट्रैसेबिलिटी समाधान की आवश्यकता होती है जो डेटा को एक ही स्थान पर रख सके।

ट्रैसेबिलिटी क्यों?

आपूर्ति श्रृंखला के माध्यम से उत्पादों और सामग्रियों का सटीक पता लगाने की क्षमता कई चुनौतियों का समाधान करने में मदद कर सकती है। आपूर्ति शृंखला की बेहतर दृश्यता ब्रांडों को व्यवधान उत्पन्न होने से पहले ही उसका अनुमान लगाने की अनुमति देती है। साथ ही, ऐसी दृश्यता ब्रांडों को उत्पाद के दावे करने और उनकी प्रामाणिकता साबित करने में सक्षम बनाती है। उदाहरण के लिए, एक ब्रांड 100% जैविक सूती स्वेटर बेचने का दावा कर सकता है और इसके समर्थन में डेटा प्रदान कर सकता है।

आज जिस स्थिति में वे मौजूद हैं, फैशन आपूर्ति शृंखलाएं बड़े पैमाने पर हैं, लेकिन आपूर्तिकर्ता की दृश्यता बहुत कम है। इसलिए फैशन कंपनियों को हर उत्पाद को ट्रैक करने की कठिन चुनौती का सामना करना पड़ता है क्योंकि यह दुनिया भर में सैकड़ों आपूर्तिकर्ताओं के माध्यम से चलता है। यह वास्तविकता एक विशाल प्रौद्योगिकी चुनौती का प्रतिनिधित्व करती है जिसका समाधान केवल कृत्रिम बुद्धिमत्ता (एआई) और मशीन लर्निंग ही कर सकते हैं।

एआई एक ट्रैसेबिलिटी एनेबलर के रूप में

ट्रस्टट्रेस में, हम फैशन उद्योग में दर्जनों कंपनियों के साथ काम करते हैं, और उनकी आपूर्ति श्रृंखला का अधिकांश डेटा दस्तावेजों-कागज और इलेक्ट्रॉनिक में बंद है। इन दस्तावेज़ों में चालान शामिल हैं जो हिरासत की श्रृंखला को साबित करते हैं, कार्यस्थल और कारखानों और अन्य सुविधाओं में भुगतान की स्थिति का वर्णन करने वाली सामाजिक ऑडिट रिपोर्ट, सामग्री बैचों के लिए रासायनिक परीक्षण रिपोर्ट और बहुत कुछ शामिल हैं। यह दस्तावेज़ डेटा अक्सर विभिन्न स्वरूपों और भाषाओं में होता है। संक्षेप में, प्राथमिक मुद्दा डेटा अधिग्रहण है।

यहीं पर एआई ट्रेसेबिलिटी के लिए महत्वपूर्ण हो जाता है। यह बुद्धिमानी से बड़े पैमाने पर बड़ी मात्रा में डेटा एकत्र कर सकता है। हालाँकि, अधिक महत्वपूर्ण बात यह है कि यह एक ऐसी प्रणाली का भी समर्थन कर सकता है जो ट्रैसेबिलिटी डेटा की समग्र गुणवत्ता में सुधार करने के लिए कई स्रोतों से जानकारी को सहसंबंधित करके स्वचालित रूप से डेटा सत्यापन करता है।

अधिक सरलता से, एआई का उपयोग पूरे पैमाने पर उत्पाद ट्रेसबिलिटी को सक्षम करने के लिए पेपर ट्रेल्स को डिजिटल बनाने के लिए किया जा सकता है। डिजिटलीकरण प्रक्रिया में तीन चरण शामिल हैं: वर्गीकरण, वस्तु निष्कर्षण और पहचान, और डेटा सत्यापन और लिंकिंग.

वर्गीकरण तब होता है जब आपूर्तिकर्ता द्वारा किसी दस्तावेज़ को आपूर्ति श्रृंखला ट्रैसेबिलिटी प्लेटफ़ॉर्म में सबमिट किया जाता है। अंतर्निहित AI दस्तावेज़ को पहचानता है और समझदारी से इसे वर्गीकृत करता है, उदाहरण के लिए, एक खरीद आदेश, सुविधा ऑडिट, या प्रमाणन।

दस्तावेज़ के वर्गीकरण के आधार पर, AI मेटाडेटा के माध्यम से मुख्य जानकारी की पहचान करता है। उदाहरण के लिए, चालान संसाधित करते समय, ट्रैसेबिलिटी सिस्टम स्वचालित रूप से क्रेता, विक्रेता, उत्पाद, मात्रा, डिलीवरी की तारीख आदि जैसी जानकारी निकालेगा और पहचानेगा। इसी तरह, एक सामाजिक ऑडिट को डिजिटल बनाने में काम करने की स्थिति, उचित वेतन, विविधता से संबंधित मापदंडों को कैप्चर करना शामिल हो सकता है। , और अधिक।

एक बार जब संबंधित ऑब्जेक्ट निकाले जाते हैं, तो डेटा को मान्य किया जाता है और ब्रांड के एंटरप्राइज़ सिस्टम के भीतर अन्य मौजूदा डेटा से जोड़ा जाता है, जिससे उन्हें डेटा का उपयोग करने की अनुमति मिलती है, चाहे वे पूर्वानुमान, विश्लेषण, नियामक रिपोर्टिंग या अन्य आवश्यकताओं के लिए हों।

फैशन आपूर्ति श्रृंखलाएं इतनी जटिल हैं और उपलब्ध डेटा इतना विशाल है कि एआई के प्रभावी उपयोग के बिना इसे प्रबंधित करना लगभग असंभव है। ट्रैसेबिलिटी सिस्टम लागू करने के बाद, किसी ब्रांड की आपूर्ति श्रृंखला में एक या अधिक भागीदारों की स्थिरता अनिवार्य रूप से ब्रांड के मानकों से कम हो जाएगी। उस स्थिति में, अनुपालन में बने रहने के लिए आपूर्ति श्रृंखला को अन्य भागीदारों के माध्यम से अनुकूलित और पुन: कॉन्फ़िगर करना होगा। एआई और मशीन लर्निंग रीढ़ हैं जो इस तरह के त्वरित समायोजन की अनुमति देते हैं।

आगे देख रहे हैं

जैसा कि ईसी का पीईएफ कार्यक्रम दर्शाता है, एक समय आएगा जब यह कहना पर्याप्त नहीं होगा कि आप टिकाऊ हैं; यह सबूत देने के लिए भी पर्याप्त नहीं होगा. मैं ऐसे भविष्य में विश्वास करता हूं जहां ब्रांड लगभग वास्तविक समय में गणना कर रहे हैं कैसे उनके उत्पाद बुद्धिमानी से संयुक्त सामग्रियों का पता लगाकर टिकाऊ होते हैं।

मुझे यह देखकर गर्व होता है कि इतने सारे फैशन ब्रांड स्थिरता और सामाजिक जिम्मेदारी के लिए प्रतिबद्ध हैं - यहां तक ​​कि कानून लागू होने से पहले भी। वह कॉर्पोरेट प्रतिबद्धता अब उत्पाद स्तर तक पहुंचनी चाहिए। यह कोई आसान उपलब्धि नहीं है, लेकिन एआई और डेटा के साथ समर्थित ट्रैसेबिलिटी इसे संभव बना सकती है।