LO
缝纫工
在工厂里用工业缝纫机缝制服装和其他纺织品。通常是对一捆捆裁片重复同一道工序 —— 合侧缝、上领、卷边 —— 按件计酬或按每小时的定额考核。线迹由机器打,人负责摆弄布料:拿起软塌塌的裁片、对齐边缘、把它顺着送到针下。机器人至今最难做好的正是这一步,所以自动化是一道工序一道工序地进来的,靠的是用夹具或模板缝一道固定线迹的机器。只要熟练工比替代人手的设备便宜,主要的缝合工序就还在人手里。
问你的组长,你们线上哪道工序最难找到人做,能不能让你去学;把回答记下来。
这不是失业概率。它把「岗位任务中有多少暴露于自动化」与「采用实际走到了哪一步」合成为一个值 —— 只用于在同一套口径下横向比较职业,除此之外不作他用。
适用于服装及其他缝制品工厂的缝纫工 —— 成衣、家纺、箱包、鞋面、软包 —— 不论在哪个国家。人数最多的在南亚和东南亚,东亚、拉丁美洲、北非和东欧也有大量从业者。服装设计师、流水线装配工、机加工技工和仓库工人有各自的页面;店里的裁缝与改衣、裁床和整烫是另外的工作。标为平台推断的判断,是从每项任务由什么构成、以及当前技术一般能做什么推出来的;它们不是对这个职业的测量。
证据库里已有其他职业的已核实记录,但这个职业还一条都没有。在有之前,下面的分析是对任务结构与已知技术能力的推理 —— 就这个职业而言,它没有可追溯来源支撑。我们宁可直说,也不引用未经核实的东西。这里是空的,是我们覆盖上的缺口,不是关于这份工作的结论。
这个职业有新的已核实记录时通知我 → · 标出哪些任务是你的(VOLO Pro,免费)→ · 给一个团队或一届毕业生用 →
到底什么在变#
分析单位是任务,不是职位名称。职业不会被整体替代 —— 变的是它的任务构成。
每一格是一项任务。大小是它在这份工作里的分量,颜色是它正在往哪个方向走。点一格,看这个判断还不能说明什么。
这是对能力和成本的判断,不是对一家工厂需要多少缝纫工的判断。更快的机器、辅助工具和更紧的产线平衡都会提高人均产量,而订单可能随下一季的采购离开一家工厂、一个国家。靠低工资得来的保护,只在工资差距还在的时候成立。如果出现一个机器人缝纫单元,能在商业产量上缝制衬衫或裤子这类主流产品,成本又低于低工资生产国的熟练工,这个判断就要变。
这里自动化的是缝制,不是工位。这些机器大多仍要有人上料,于是这份工作变成技能要求更低、计件单价往往也更低的看机,而不是消失。失去的是让一个熟练工难以被替换的徒手功夫。如果在普通工厂、而不只是样板产线上,一道常见工序连上料也自动化了,这个判断还要往前推。
这项任务留在人手里,不等于留在缝纫工手里:换成电子机后,设定存进程序、交给修机工,缝纫工的部分缩到穿线和清洁。它也护不住人数:只有还有人在开机器,它才存在。如果会自己穿线、自己调机的机器以普通工厂付得起的价格出现,这个判断就要变。
这项核对留在人手里,主要是因为上游的系统已经把它压得很小。裁床自动化做得更好,会让这一步不再需要,而不是把它交给机器,所以它并不是这份工作里耐久的一部分。如果普通工厂在缝纫工位上用摄像头核对色差和裁片,这个判断就要变。
「被增强」不等于缝纫工自己的这道检查会留下来。工厂可能把检验挪到线尾的摄像工位,再配一支更小的查货队伍,这拿走的是一项职责,也拿走了给有经验的缝纫工多付钱的一个理由。如果出现有日期可查的部署,摄像检验在生产规模上取代了线尾查货员,这个判断就要往「正在自动化」移。
把计数自动化,也就把监督自动化了:用来算计件工资的同一份数据,会实时显示每个缝纫工的速度,也可以拿来提高定额。它说明不了一条线需要多少人;在还用纸工票算工资的工厂里,什么都还没变。
新任务不等于新编制:一个人可以调好多台自动单元,这个比例就是省下来的钱。它还往往落到受过技术训练的人手里,而不是落到被它取代徒手活的缝纫工手里。如果工厂的培训成批地把缝纫工转进这个岗位,那才是这条路走得通的证据。
这就是你做的吗?认一下,这一页会缩到只剩与你有关的那一份。
职位名只是一组恰好被打包买走的任务,而没有两个人手里的那一组是一样的。什么都不会被发送出去 —— 它只留在这个浏览器里。
近期变化#
暂无已核实事件。
这一栏会随着监测流水线采集、去重、分级并关联到上面的任务而逐步填充。这里是空的,意味着我们没有核实到任何东西 —— 不意味着什么都没发生。
「没搜到新闻」不等于「安全」。
这对你意味着什么#
你最先被分到的工序 —— 直缝、卷边、锁眼 —— 正是机器和辅助工具做得最好、工价也最低的那些。争取去学难的工序,比如上领、绱袖、上拉链和对格对条,而且不止学一种机型;再留心你厂里的自动机是怎么调的。
你的价值在于机器仍然做不了的工序,以及换款快、质量不掉。留意你厂里买了什么设备:每一台新自动机都说明有一道工序不再付钱给人做了。成本上涨时,你这份工作面临的风险,更常见的是订单挪去别的工厂或别的国家,而不是机器人进厂。
你的选择#
四个方向,每个都写明真实约束和一个本周可验证的动作。继续做下去也是正当选择 —— 只要它是被选择的,而不是被默认的。
成为做难工序的那个人
上领、绱袖、对格对条和弹力面料,是手上送布最关键、机器最吃力的地方。
学会这些要花几周到几个月,期间产量低,计件工资会少;而且不是每个组长都愿意让人换工序。
问你的组长,你们线上哪道工序最难找到人做,能不能让你去学;把回答记下来。
转去调试自动机
模板机和可编程机每换一个款式都要有人准备程序和模板,而懂衣服的缝纫工学起来比外人快。
通常要跟修机工学,有时要自费上技术课;没有自动机的工厂没有这个岗位,而且这类岗位比缝纫工岗位少得多。
请你厂里调自动机的修机工演示一次怎样给一个新款式上程序和模板,把步骤写下来。
转做样衣车工
样衣间要为每个新款式从头到尾缝出一整件衣服;活每次都不一样,这正是机器最不擅长的。
岗位少,往往在品牌的办公室或较大的工厂;要的是能看着纸样独立缝出整件衣服的人。
自己照纸样从头到尾缝一件完整的衣服,每道工序都自己做,把它留作可以给人看的样品。
转做改衣与修补
改衣和修补是给本地顾客做的一件一件的活:机器不做,订单也挪不到国外去。
收入不稳定,起初往往低于工厂工资;自己干需要一台机器、一个地方和客人。
去问附近两家改衣店改短一条裤子收多少钱,招不招帮手。
常见问题#
以现有技术看,不会整行被取代。锁眼、贴袋、缝唛头这类短而固定的工序,机器已经靠夹具或模板在缝,这部分正在自动化。但把软塌塌的布料送过每季都在变的衣服的主要线缝,仍然是人在做;在低工资的生产国,机器人在成本上很少赢过熟练工。对某一家工厂来说,更大的风险往往是订单挪去了别处。
我们不用年数回答这个问题。看你厂里买了什么:每一台新自动机都说明有一道工序不再付钱给人做。再看衬衫、裤子这类主流产品的机器人缝制,是否在和你们差不多的工厂里达到了商业产量;以及你们的客户有没有把订单挪去别的国家。这些信号比任何日期都更能说明问题。
能套进模板的短而重复的工序:锁眼、打套结、贴袋、缝唛头,以及大批量基本款的直线卷边。最不容易被自动化的,是需要用手吃势、对位的工序,比如绱袖、上领和对格对条,以及小批量、频繁换款的活。
取决于你学什么、在哪里做。简单工序是机器最先拿走、工价也最低的;会做难工序或整件衣服、或者学会调自动机的人,手里的筹码更多。在低工资的生产国,只要工资还低,主要线缝很可能仍靠手工,但订单会在工厂之间、国家之间流动。
计数已经在从纸工票转向扫捆票和机器计数,同一份数据会实时显示每个缝纫工的速度。这可以让工资算得更准,也可以被拿来提高定额;走哪一种,是雇主决定的,不是技术决定的。
这些判断底下是什么#
这一页上 7 条任务判断里,0 条有已核实事件支撑、7 条是平台推断,每一条都在它出现的地方标注着。它们底下是 3 个技术维度、一条自语言模型进入公众视野以来的回溯轨迹,以及 0 条已核实事件。
同一个职能里的其他岗位#
一家公司先把工作分成职能,再分成岗位。下面这些和这一份工作同在「运营与履约」里 —— 那是一件关于组织结构的事实,不是「它们相似」或者「它们在朝同一个方向变」的判断。
采购 / 供应链专员 · 运营专员 / 业务运营 · 供应链计划员 · 地铁司机 · 空中交通管制员 · 航线飞行员 · 飞机维修技师 · 客舱机组 · 集装箱码头工人 · 仓储分拣员 · 卡车司机 · 外卖骑手 / 快递员 · 网约车 / 出租车司机 · 公交司机 · 流水线装配工 · 保洁 / 清洁工 · 保安 / 安保员 · 电商运营