الذكاء الاصطناعي وثورة في صناعة الملابس

في مصانع النسيج حول العالم، لا يجلس الذكاء الاصطناعي اليوم خلف الشاشات فحسب، بل بدأ يمدّ "يديه" إلى خطوط الإنتاج.

فبدلاً من اقتصار دوره على تحليل البيانات أو توليد النصوص والصور، أصبح قادراً على التعامل مع الأقمشة، واستشعار خصائصها، واتخاذ قرارات فورية أثناء التصنيع.

هذا التحول يمثل بداية مرحلة جديدة في صناعة الأزياء، حيث يتلاقى الابتكار الرقمي مع العالم المادي لمعالجة واحدة من أكثر أزمات القطاع إلحاحاً: الهدر الهائل الناتج عن الإفراط في الإنتاج.

النفايات

تشير التقديرات إلى أن صناعة الأزياء تولّد نحو 92 مليون طن من النفايات سنوياً، وهو رقم لا يعود إلى أخطاء عابرة في الإنتاج بقدر ما يعكس طبيعة نموذج العمل السائد في القطاع.

فالنظام التقليدي يعتمد على إنتاج كميات ضخمة مسبقاً تحسباً للطلب، ما يعني أن ملايين القطع قد تُصنع قبل أن يعرف أحد ما إذا كانت ستُباع بالفعل أم لا.

غير أن هذه المعادلة بدأت تتغير تدريجياً مع ظهور ما يُعرف بـ "الذكاء الاصطناعي المادي"، وهو جيل جديد من الأنظمة الذكية التي لا تكتفي بتحليل البيانات، بل تتفاعل مع المواد والبيئة المحيطة بها عبر الكاميرات وأجهزة الاستشعار، وتتعلم من النتائج في الوقت الحقيقي.

هذه الأنظمة تعمل وفق حلقة مستمرة من العمليات: الاستشعار، التفكير، التنفيذ، ثم التعلم، ما يتيح لها معالجة مشكلات ظلت لعقود تحدياً لصناعة النسيج.

فجوة زمنية

من أبرز التحديات التي تواجه شركات الأزياء اليوم التناقض الحاد بين سرعة تغير الموضة وبطء الإنتاج التقليدي.

فالاتجاهات الاستهلاكية قد تتبدل خلال أيام أو أسابيع، بينما تستغرق دورة الإنتاج الكاملة — من التصميم إلى وصول القطعة إلى المتجر — عدة أشهر.

هذا الفارق الزمني يدفع العلامات التجارية إلى إنتاج كميات أكبر من المتوقع لتجنب خسارة فرصة الاستفادة من اتجاه رائج.

وغالباً ما يكون ثمن الخطأ في تقدير الطلب أقل، على المدى القصير، من خسارة السوق بالكامل. لكن النتيجة النهائية هي تراكم مخزونات ضخمة من الملابس غير المبيعة.

في عام 2023 وحده، قُدِّر حجم الفائض في صناعة الأزياء بنحو خمسة مليارات قطعة ملابس، بقيمة تصل إلى 140 مليار دولار من المبيعات المفقودة.

وغالباً ما تنتهي هذه المنتجات في المخازن لفترات طويلة قبل أن يتم التخلص منها أو إرسالها إلى مكبات النفايات.

لكن مشكلة الإفراط في الإنتاج ليست الوحيدة. فحتى قبل وصول الملابس إلى المتاجر، تتولد كميات كبيرة من الهدر خلال عملية التصنيع نفسها.

فقصّ الأقمشة وفق الأنماط التقليدية يخلّف بقايا غير قابلة للاستخدام في معظم الحالات، كما أن اكتشاف العيوب في مراحل متأخرة من الإنتاج قد يؤدي إلى إتلاف دفعات كاملة من المنتجات.

لماذا لم تنجح الأتمتة التقليدية؟

على مدى عقود، حاولت صناعة النسيج تقليل التكاليف وزيادة الكفاءة عبر الأتمتة.

لكن هذه المحاولات اصطدمت بعائق أساسي: الأقمشة ليست مواد صلبة.

فالآلات التقليدية بارعة في التعامل مع مواد ثابتة أو أداء مهام متكررة بدقة عالية، مثل قطع المعادن أو نقل القطع الصلبة.

أما الأقمشة، فهي مواد مرنة وقابلة للتشوه، وتتغير خصائصها تبعاً لنوع الخيط، وطريقة النسج، وحتى لدرجة الحرارة والرطوبة في المصنع.

لذلك، بقيت عمليات أساسية كثيرة — مثل تثبيت القماش أو محاذاته أو تحريكه — تعتمد على العمالة البشرية.

وظهرت في بعض المصانع نماذج العمل المشتركة بين الإنسان والآلة، أو ما يعرف بـ"الكوبوت"، حيث تساعد الروبوتات العمال في أداء مهام محددة.

ورغم أن هذا النموذج حسّن إنتاجية العمال إلى حد ما، فإنه لم ينجح في تسريع وتيرة الإنتاج بشكل كبير، كما لم يحقق تقدماً ملموساً في تقليل الهدر، لأن الأنظمة الآلية ظلت عاجزة عن التعامل مع الطبيعة المعقدة للأقمشة.

كيف يغيّـر الذكاء الاصطناعي المادي قواعد اللعبة؟

هنا يأتي دور الذكاء الاصطناعي المادي، الذي يستخدم مزيجاً من الكاميرات عالية الدقة وأجهزة الاستشعار والخوارزميات المتقدمة لفهم كيفية تصرف الأقمشة أثناء التصنيع.

ومن خلال هذه القدرة على "رؤية" القماش وتحليل سلوكه، يمكن لهذه الأنظمة اتخاذ قرارات لحظية تحسن جودة الإنتاج وتقلل الهدر في الوقت ذاته.

اكتشاف العيوب في الوقت الحقيقي

في النماذج التقليدية، يتم فحص الجودة بعد الانتهاء من تصنيع القطعة بالكامل.

وإذا اكتُشف خلل في تلك المرحلة، فإن كل المواد والطاقة والجهد المبذول في إنتاجها يكون قد ضاع بالفعل.

أما أنظمة الذكاء الاصطناعي المادي فتستطيع اكتشاف العيوب فور حدوثها، سواء كانت تمزقات دقيقة في القماش أو أخطاء في الخياطة أو انحرافات في القص.

هذا الكشف المبكر يمنع انتقال المشكلة إلى مراحل لاحقة من الإنتاج، ما يقلل بشكل كبير من كمية النفايات الناتجة عن المنتجات المعيبة.

تحسين استخدام المواد

من أكثر مصادر الهدر شيوعاً في صناعة الملابس بقايا الأقمشة الناتجة عن قص الأنماط التقليدية.

لكن الأنظمة الذكية تستطيع تحليل خصائص القماش في الوقت الفعلي وإعادة ترتيب أنماط القص لتحقيق أقصى استفادة ممكنة من كل قطعة قماش.

ومن الأمثلة اللافتة في هذا المجال شركة "أنسبن" (Unspun) الناشئة، المدعومة من منصة الابتكار "ذا ميلز فابريكا".

تستخدم الشركة تقنية نسج ثلاثية الأبعاد لإنتاج أقمشة أنبوبية تتخذ شكل القطعة النهائية مباشرة.

بدلاً من قص القماش المسطح إلى أجزاء متعددة ثم خياطتها معاً، يتم إنتاج القماش وفق شكل المنتج نفسه، ما يقلل الحاجة إلى القص وبالتالي يقلل الهدر، فضلاً عن توفير ملاءمة أفضل للملابس.

إنتاج أكثر مرونة واستجابة للطلب

عندما تنخفض نسب العيوب والهدر في خطوط الإنتاج، يصبح من الممكن اقتصادياً تشغيل المصانع بكميات أصغر وأكثر تكراراً.

وهذا يفتح الباب أمام نموذج إنتاج جديد يعتمد على التصنيع حسب الطلب الفعلي بدلاً من التوقعات المسبقة.

وبفضل هذه المرونة، تستطيع العلامات التجارية إنتاج دفعات صغيرة تتماشى مع الاتجاهات الفعلية في السوق، ما يقلل الحاجة إلى طلبات ضخمة قائمة على التخمين.

تقليل الانبعاثات والتكاليف

ميزة أخرى مهمة للذكاء الاصطناعي المادي تتمثل في أنه يجعل من المجدي اقتصادياً نقل جزء من عمليات التصنيع إلى مناطق أقرب إلى الأسواق النهائية.

فبدلاً من إنتاج الملابس في مصانع بعيدة ثم شحنها عبر القارات، يمكن للمصانع الأكثر تقدماً تقنياً إنتاج كميات أصغر بالقرب من المستهلكين.

وهذا يعني تقليل مسافات الشحن وخفض الانبعاثات الكربونية وتقليص تكاليف النقل والرسوم الجمركية في الوقت نفسه.

تحديات التوسع والتطبيق

رغم الإمكانات الكبيرة لهذه التقنيات، فإن تحويلها إلى حلول قابلة للتطبيق على نطاق واسع ليس بالأمر السهل.

فالذكاء الاصطناعي الرقمي — مثل أنظمة توليد النصوص أو الصور — يمكن توسيع نطاقه بسرعة عبر الإنترنت. أما الذكاء الاصطناعي المادي، فيحتاج إلى اختبارات مكثفة في بيئات صناعية حقيقية.

وهذا يعني ضرورة توفير مصانع فعلية لتجربة الأنظمة، وجمع البيانات، وتحسين الخوارزميات.

كما يتطلب شراكات وثيقة بين شركات التكنولوجيا والمصنعين والمستثمرين لضمان تطوير حلول قادرة على العمل لساعات طويلة وفي ظروف إنتاج متنوعة.

وتشير الخبرة الاستثمارية في منصات الابتكار إلى أن أكثر الحلول نجاحاً هي تلك التي تجمع بين أساس تقني قوي وخبرة عميقة في صناعة النسيج، إلى جانب القدرة على الاندماج مع البنية التحتية الحالية للمصانع.

كما أن التطبيقات المتخصصة — مثل أنظمة قص الأقمشة الآلية أو التعامل مع القماش أو كشف العيوب — غالباً ما تحقق نتائج أفضل من المنصات العامة متعددة الاستخدامات.

آسيا في قلب التحول الصناعي

يكتسب هذا التحول أهمية خاصة في آسيا، التي تنتج معظم منسوجات العالم.

فالمصانع في هذه المنطقة تواجه ضغوطاً متزايدة، من بينها ارتفاع تكاليف الإنتاج، واضطرابات سلاسل التوريد، وتغير السياسات التجارية العالمية.

كما أن المستهلكين أصبحوا أكثر وعياً بالتأثير البيئي لصناعة الأزياء، ما يدفع العلامات التجارية إلى البحث عن طرق أكثر استدامة للإنتاج.

في هذا السياق، يوفر الذكاء الاصطناعي المادي مزيجاً من السرعة والمرونة وضمان الجودة والاستدامة القابلة للقياس.

ومع سعي الشركات العالمية إلى إنتاج دفعات أصغر وبوتيرة أسرع وبقرب أكبر من الأسواق، ستصبح المصانع القادرة على دمج هذه التقنيات أكثر جاذبية كشركاء تصنيع.

مستقبل الصناعة

الواقع أن أنظمة الذكاء الاصطناعي المادي بدأت بالفعل العمل في بعض المصانع، لكن نجاحها على المدى الطويل يعتمد على قدرتها على التكيف مع واقع التصنيع الآسيوي المعقد، بما في ذلك البنية التحتية القديمة والعمليات الإنتاجية التقليدية.

المصانع التي ستقود هذا التحول هي تلك التي تتعاون مع منصات الابتكار وشركات التكنولوجيا لتطوير حلول قابلة للتطبيق في البيئات الصناعية الحقيقية، وليس فقط في المختبرات.

ومع تسارع أزمة الهدر في صناعة الأزياء، يبدو أن الذكاء الاصطناعي المادي يقدم مساراً عملياً للخروج من نموذج الإفراط في الإنتاج الذي هيمن على القطاع لعقود.

فهو لا يَعِد فقط بزيادة الكفاءة، بل بإعادة تصميم عملية التصنيع نفسها، بحيث تصبح أكثر مرونة واستجابة للطلب وأقل أثراً على البيئة.

وفي صناعة لطالما ارتبطت بالجمال والإبداع، قد يكون المستقبل — على نحو مفاجئ — مرسوماً أيضاً بخيوط الذكاء الاصطناعي.

المصدر: المنتدى الاقتصادي العالمي