單次定制訂單的青年女性群體服裝定制號(hào)型

徐希朋　徐燕妮　季曉芬

摘要： 為了滿足消費(fèi)者對(duì)于服裝合體性的更高需求及企業(yè)提高服裝定制生產(chǎn)效率的需要，文章提出考慮擬合度損失系數(shù)的青年女性服裝定制號(hào)型的制定方法。使用三維人體掃描收集100名年齡在18～25周歲的青年女性的8項(xiàng)人體數(shù)據(jù)，包括身高、胸圍、腰圍、臀圍、背長、肩寬、腿長和大腿圍，采用主成分分析、相關(guān)性分析確定聚類的依據(jù)變量，使用擬合度損失系數(shù)方法確定聚類數(shù)，然后通過K均值聚類分析和線性回歸分析得到定制號(hào)型表。為證實(shí)擬合度損失系數(shù)方法的優(yōu)越性，另選取兩種確定聚類數(shù)的方法混合F統(tǒng)計(jì)量和最終聚類中心距離和，設(shè)置對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，考慮擬合度損失系數(shù)制定的服裝號(hào)型相較其他兩類方法，在合體性、覆蓋率和生產(chǎn)效益等方面的綜合考量更優(yōu)。

關(guān)鍵詞： 服裝批量定制;服裝號(hào)型;聚類分析;擬合度損失系數(shù);服裝合體性

中圖分類號(hào)： TS941.17 文獻(xiàn)標(biāo)志碼： ?A

文章編號(hào)： 10017003（2023）080082－09

引用頁碼： 081110 DOI： 10.3969/j.issn.1001-7003.2023.08.010

服裝號(hào)型在指導(dǎo)服裝生產(chǎn)、調(diào)控生產(chǎn)成本、幫助消費(fèi)者挑選服裝等方面的作用彌足輕重。然而，現(xiàn)階段服裝號(hào)型因易出現(xiàn)與個(gè)體體型的不匹配，使得服裝難以滿足消費(fèi)者更高的合體性需求［1］。為調(diào)和離散性與合體性的矛盾，服裝大規(guī)模定制成為解決號(hào)型與個(gè)體體型的離散問題、滿足消費(fèi)者服裝合體性需求的重要途徑。根據(jù)中研普華研究院研究數(shù)據(jù)顯示，中國2022年服裝定制產(chǎn)業(yè)市場整體規(guī)模為2 000億元［2］。國內(nèi)服裝定制市場需求龐大，因此對(duì)制定服裝號(hào)型的技術(shù)方法進(jìn)行革新，使其進(jìn)一步滿足服裝大規(guī)模定制的需要。

在已有的研究中，Tryfos［3］提出整數(shù)規(guī)劃方法、McCulloch等［4］使用非線性規(guī)劃方法制定號(hào)型，但開發(fā)的號(hào)型表過度傾向于預(yù)先設(shè)定的約束。之后聚類分析［5］、神經(jīng)網(wǎng)絡(luò)［6］和決策樹［7］等數(shù)據(jù)挖掘技術(shù)被應(yīng)用于開發(fā)服裝號(hào)型。齊靜等［8］應(yīng)用三維人體掃描描述青年男性體型，通過聚類分析將西部男性體型分為7類。余佳佳等［9］通過優(yōu)化聚類分析方法進(jìn)一步細(xì)分體型，但仍沒有解釋人體測量變量之間的關(guān)系。張小妞等［10］以身高與腰圍為自變量，得到不同體型的數(shù)學(xué)回歸模型，定義了同一體型內(nèi)的變量關(guān)系，為檔差設(shè)置提供了數(shù)學(xué)模型基礎(chǔ)，但沒有通過計(jì)算擬合度損失，即服裝尺碼與身體凈量尺寸的離散性對(duì)該檔差的合理性作進(jìn)一步評(píng)價(jià)。

隨著消費(fèi)者對(duì)于服裝合體性需求的提高，擬合度損失的研究逐漸深入。對(duì)于服裝合體性，Alexander等［11］、Boorady［12］、許軼超等［13］學(xué)者使用主觀評(píng)價(jià)的方法，選定特定人體部位作為評(píng)價(jià)合體性的因素。主觀評(píng)價(jià)法操作簡單、結(jié)果清晰，但缺少客觀的評(píng)價(jià)因素，無法量化合體性。Esfandarani等［14］通過計(jì)算不同因子數(shù)的擬合度損失，量化服裝合體性。Vadood等［15］使用擬合度損失確定神經(jīng)網(wǎng)絡(luò)的最優(yōu)學(xué)習(xí)率。Gupta等［16］通過計(jì)算總擬合損失來驗(yàn)證號(hào)型表。然而上述研究僅將擬合度損失作為服裝號(hào)型表的合體性評(píng)價(jià)指標(biāo)，在體型分類過程中，沒有將其作為體型分類依據(jù)，使服裝號(hào)型更注重覆蓋率而非合體性，并不能充分滿足消費(fèi)者對(duì)于定制服裝的合體性需要。

本文針對(duì)企業(yè)單次訂單內(nèi)的青年女性客戶群體，通過建立擬合度損失系數(shù)模型，從服裝最終擬合度的角度考慮選擇最優(yōu)聚類數(shù)進(jìn)行K均值聚類分析，并與混合F統(tǒng)計(jì)量方法、最終聚類中心距離和兩種方法進(jìn)行對(duì)比，以確定服裝大規(guī)模定制最優(yōu)號(hào)型表。本文為小眾品牌及中小型企業(yè)的單次訂單提供號(hào)型定制方法思路，無須搭建消費(fèi)者三維人體數(shù)據(jù)庫，僅通過收集訂單內(nèi)消費(fèi)者的八項(xiàng)重要測量部位數(shù)據(jù)，進(jìn)而快速制定服裝大規(guī)模定制號(hào)型表。

1 數(shù)據(jù)采集和預(yù)處理

1.1 人體測量變量及數(shù)據(jù)采集

因服裝定制面向中國市場，故不將區(qū)域經(jīng)濟(jì)發(fā)展?fàn)顩r考慮在內(nèi)，隨機(jī)選取18～25周歲在校大學(xué)生作為實(shí)驗(yàn)對(duì)象。參考GB/T 22187—2008《建立人體測量數(shù)據(jù)庫的一般要求》，制定大規(guī)模服裝生產(chǎn)號(hào)型的人體測量最小樣本量為131人?？紤]在服裝定制生產(chǎn)模式下，定制訂單具有訂單批次多、每單數(shù)量少、生產(chǎn)需求多變等特點(diǎn)［17］，所制定號(hào)型僅適用于某一次訂單內(nèi)的小批量客戶群體，不同批次訂單需要重新制定號(hào)型。且訂單內(nèi)客戶數(shù)量即為樣本采集量，并為此訂單內(nèi)個(gè)體身體數(shù)據(jù)完整的客戶制定號(hào)型。數(shù)據(jù)不完整的客戶遞推至下一次訂單，待數(shù)據(jù)補(bǔ)充完整后制定號(hào)型，故不須達(dá)到大規(guī)模生產(chǎn)標(biāo)準(zhǔn)所要求的最小樣本量，由此確定樣本采集量為100人。

考慮到小眾品牌及中小企業(yè)難以對(duì)客戶群體中所有個(gè)體單獨(dú)進(jìn)行身體數(shù)據(jù)測量，故需要顧客線上填報(bào)身體數(shù)據(jù)。因此通過對(duì)楊蕾等［18］、潘力等［19］、樊萌麗等［20］、余佳佳等［9］所選用的身體測量部位進(jìn)行篩選，以及參考GB/T 16160—2017《服裝用人體測量的尺寸定義與方法》，得到8個(gè)易于消費(fèi)者測量并且在定制層面上能足夠代表身體特征的變量：身高、胸圍、腰圍、臀圍、背長、肩寬、腿長、大腿圍。在本文中，使用型號(hào)為2NX-16的［TC］2三維人體掃描儀對(duì)100個(gè)個(gè)體測量此8個(gè)變量，完成數(shù)據(jù)采集。

1.2 數(shù)據(jù)預(yù)處理

對(duì)收集的100份人體數(shù)據(jù)進(jìn)行篩選和檢驗(yàn)。在刪除缺漏值后，使用箱式圖檢查是否存在奇異值。Q-Q概率圖、P-P概率圖是常用的正態(tài)分布檢驗(yàn)方法，因P-P概率圖更加直觀、易于判斷，所以刪除奇異值后，本文使用P-P概率圖進(jìn)行正態(tài)分布檢驗(yàn)，結(jié)果如圖1所示。

由圖1可見，身高數(shù)據(jù)基本沿一條直線分布，因此，可以判定身高變量符合正態(tài)分布。同理，其余7個(gè)變量，經(jīng)去除缺漏值、奇異值后檢驗(yàn)均符合正態(tài)分布。經(jīng)過上述數(shù)據(jù)處理，最終有效樣本數(shù)量為87。

2 青年女性人體體型特征變量提取

2.1 人體數(shù)據(jù)主成分分析

使用SPSS對(duì)人體數(shù)據(jù)進(jìn)行主成分分析，如表1所示。提取初始特征值大于1的2個(gè)成分，其累積貢獻(xiàn)率為73.806%。

使用Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法旋轉(zhuǎn)因子載荷矩陣，成分1、成分2所包含變量如表2所示。圖2顯示了旋轉(zhuǎn)空間中的人體數(shù)據(jù)變量分布，成分1包括胸圍、腰圍、臀圍、肩寬、大腿圍;成分2包括身高、腿長、背長。

2.2 人體特征變量提取

通過主成分分析得到每個(gè)成分的特征變量后，對(duì)變量進(jìn)行相關(guān)性分析。表3為8個(gè)人體特征變量間的相關(guān)系數(shù)矩陣。

計(jì)算8個(gè)變量的相關(guān)指數(shù)以確定聚類的依據(jù)變量［21］。相關(guān)指數(shù)的計(jì)算公式如下：

式中：R為變量間判定系數(shù);i=1，2，…，m，其中m為所在成分的特征變量個(gè)數(shù);rij為同一成分內(nèi)第i個(gè)特征變量與第j個(gè)變量的相關(guān)系數(shù)，i≠j，j=1，2，…，m。

最終變量相關(guān)指數(shù)計(jì)算結(jié)果如表4所示。成分1的所有特征變量中，肩寬的相關(guān)指數(shù)為0.289 4，遠(yuǎn)低于其他變量的相關(guān)指數(shù);成分2的所有特征變量中，背長的相關(guān)指數(shù)為0.162 5，遠(yuǎn)低于身高和腿長的相關(guān)指數(shù)，故選擇身高、腿長、胸圍、腰圍、臀圍、大腿圍這6個(gè)變量作為聚類依據(jù)變量進(jìn)行K均值聚類分析。

3 人體體型特征變量聚類分析

本文采用K均值聚類分析，它是預(yù)先隨機(jī)設(shè)置K個(gè)質(zhì)心，通過計(jì)算每一個(gè)變量到K個(gè)聚類中心之間的距離關(guān)系，將變量與距離關(guān)系最近的質(zhì)心歸為一類的迭代算法。如今常用的確定聚類數(shù)K的方式有兩種，其一是按照操作者的經(jīng)驗(yàn)或者參照實(shí)際的尺碼標(biāo)準(zhǔn)數(shù)量來確定;其二是依照某種指標(biāo)比對(duì)不同聚類數(shù)的結(jié)果［22］。第一種方式方便省時(shí)，但不夠精確［23］。因此，本文選取第二種方式確定聚類數(shù)K。根據(jù)現(xiàn)有的確定聚類數(shù)方法的相關(guān)文獻(xiàn)引用次數(shù)及其在服裝號(hào)型制定中的應(yīng)用情況，最終選取混合F統(tǒng)計(jì)量［24］、最終聚類中心距離和［19］兩種確定聚類數(shù)的方法。此外，本文提出考慮擬合度損失系數(shù)的K均值聚類算法，與前兩種方法進(jìn)行對(duì)比，最終獲取服裝大規(guī)模定制的最優(yōu)號(hào)型表。

3.1 混合F統(tǒng)計(jì)量

使用混合F統(tǒng)計(jì)量確定K均值算法的優(yōu)聚類數(shù)，其混合F統(tǒng)計(jì)量值越大，聚類內(nèi)聯(lián)系越密切，聚類之間的聯(lián)系越疏遠(yuǎn)［24］。具體計(jì)算公式如下：

式中：c為預(yù)先設(shè)置的聚類數(shù);ni為第i個(gè)聚類的樣本個(gè)數(shù);vik為第i個(gè)聚類的第k個(gè)特征變量的聚類中心;vk為第k個(gè)特征變量聚類中心的平均值;k為聚類分析所依據(jù)的特征變量;n為樣本容量;xijk為第i個(gè)聚類中第j個(gè)樣本的第k個(gè)特征變量的實(shí)際數(shù)值;Mixed-F為混合F統(tǒng)計(jì)量;p為聚類分析所依據(jù)特征變量總數(shù)6。

依據(jù)方方等［23］的研究，聚類數(shù)區(qū)間應(yīng)在2≤c≤intn，因有效樣本數(shù)為87，故聚類數(shù)量應(yīng)在區(qū)間［2，9］。最終得到不同聚類數(shù)對(duì)應(yīng)混合F統(tǒng)計(jì)量計(jì)算結(jié)果及變化趨勢，如圖3所示。結(jié)果表明，聚類3混合F統(tǒng)計(jì)量最高，因此3個(gè)聚類為最優(yōu)聚類數(shù)。

3.2 最終聚類中心距離和

樣本到聚類中心的距離表示了聚類內(nèi)個(gè)體的相關(guān)性，數(shù)值越低，類內(nèi)相關(guān)性越高。對(duì)人體數(shù)據(jù)進(jìn)行聚類分析，分別計(jì)算聚類數(shù)3～9中樣本個(gè)體到聚類中心的距離并求和。圖4為不同聚類數(shù)的最終聚類中心距離和碎石圖。圖4中，聚類數(shù)2到聚類數(shù)4距離和急劇下降，并在聚類數(shù)4時(shí)出現(xiàn)拐點(diǎn)，聚類數(shù)4到聚類數(shù)9距離和相對(duì)平緩。因此，選定4為最優(yōu)聚類數(shù)。

3.3 擬合度損失系數(shù)

考慮擬合度損失系數(shù)的號(hào)型制定方法，不同于以往確定體型分類后便進(jìn)行號(hào)型歸檔的號(hào)型制定方法。為體現(xiàn)服裝最終合體性對(duì)于體型分類的影響，需對(duì)不同聚類數(shù)預(yù)先求得擬合度損失，即對(duì)聚類數(shù)2～9的所有個(gè)體數(shù)據(jù)進(jìn)行尺碼預(yù)歸檔。歸檔結(jié)束后，計(jì)算人體數(shù)據(jù)與賦予尺碼的離散性，依據(jù)擬合度損失系數(shù)確定最優(yōu)聚類數(shù)后，對(duì)預(yù)歸檔的號(hào)型進(jìn)行優(yōu)化，生成最終定制號(hào)型表。

擬合度損失系數(shù)通過計(jì)算樣本值與所賦予尺碼的離散程度來表示號(hào)型系列的合體性。Esfandarani等［14］咨詢領(lǐng)域?qū)＜?，確定胸圍、腰圍和臀圍是確定服裝合體性最重要的尺寸。因此，本文采用這三個(gè)特征變量計(jì)算擬合度損失系數(shù)。確定變量后，需對(duì)三個(gè)變量的尺寸進(jìn)行歸檔賦予尺碼。首先，以聚類中心值作為中間體，通過線性回歸設(shè)置檔差，最后根據(jù)中間體尺寸、檔差對(duì)每個(gè)個(gè)體變量賦予尺碼。預(yù)先已對(duì)聚類數(shù)2～9進(jìn)行計(jì)算，得知7為最優(yōu)聚類數(shù)，所以本文以7個(gè)聚類數(shù)進(jìn)行演示。因聚類中心值的數(shù)據(jù)多含有小數(shù)，且客戶在測量時(shí)存在一定誤差，所以在保證調(diào)整前后數(shù)據(jù)平均值相近的規(guī)則下進(jìn)行微調(diào)，如表5所示。

依據(jù)GB/T 1335.2—2008 5.4《中華人民共和國女子服裝號(hào)型標(biāo)準(zhǔn)》系列，將身高檔差設(shè)置為5 cm。因18～25歲青年女性體型偏瘦，檔差值過大不能準(zhǔn)確反映體型，在咨詢專家后將胸圍檔差設(shè)置為2 cm。然后進(jìn)行線性回歸的預(yù)分析，確定腰圍、臀圍與身高、胸圍的線性關(guān)系，以換算檔差。計(jì)算公式如下：

初步線性回歸時(shí)，簇4腰圍、簇7腰圍與臀圍三個(gè)變量以身高和胸圍為自變量初步換算所得檔差值為負(fù)。故參考表3，選擇臀圍、胸圍作為簇4腰圍的自變量;選擇肩寬、胸圍作為簇7腰圍的自變量;選擇腰圍、大腿圍作為簇7臀圍的自變量進(jìn)行第二次線性回歸分析。簇6因?yàn)橹缓幸粋€(gè)樣本，故不進(jìn)行線性回歸，最終結(jié)果如表6所示。

依據(jù)表6偏回歸系數(shù)，計(jì)算服裝合體性關(guān)鍵尺寸檔差。計(jì)算公式如下：

因變量檔差數(shù)值=B（x1）×自變量x1檔差+B（x2）×自變量x2檔差（5）

式中：B（x1）為變量x1偏回歸系數(shù)，B（x2）為變量x2偏回歸系數(shù)。

檔差計(jì)算結(jié)果如表7所示。

確定檔差后，對(duì)樣本數(shù)據(jù)中胸圍、腰圍、臀圍進(jìn)行尺碼賦值，簇6樣本賦實(shí)際值。擬合度損失系數(shù)考慮了聚類內(nèi)、聚類間的聯(lián)系，通過計(jì)算賦予尺碼數(shù)值與實(shí)際值的離散程度，評(píng)價(jià)服裝合體性。

擬合度損失系數(shù)Vi優(yōu)先考慮數(shù)值的擬合度損失，其數(shù)值越低表示在此擬合度損失所能達(dá)到的聚類效果越好。由混合F統(tǒng)計(jì)量計(jì)算公式可知，倒數(shù)加權(quán)致使數(shù)值較小的F（k）值對(duì)最終的混合F統(tǒng)計(jì)量計(jì)算值影響過大。因人體數(shù)據(jù)不具有連續(xù)性，且為突出所賦予尺碼的擬合度損失V的影響及均衡地體現(xiàn)各變量F統(tǒng)計(jì)量，對(duì)F統(tǒng)計(jì)量求均值的倒數(shù)記為Fp（k），即Fp（k）值越大聚類內(nèi)聯(lián)系越疏遠(yuǎn)，聚類之間的聯(lián)系越密切，進(jìn)而確定最佳聚類數(shù)。計(jì)算公式如下：

式中：L為預(yù)先設(shè)置的聚類數(shù);h為關(guān)鍵尺寸變量總數(shù);n為聚類某一簇的樣本容量;Xjki表示第j個(gè)聚類簇中第k個(gè)變量的第i個(gè)實(shí)際數(shù)據(jù);Gjki為Xjki所對(duì)應(yīng)的尺碼賦值。

表8為擬合度損失系數(shù)的計(jì)算結(jié)果。聚類數(shù)7的Vi值最低，即在優(yōu)先考慮擬合度損失的情況下，聚類數(shù)7聚類效果最好，故選定聚類數(shù)7為最優(yōu)聚類。因簇6只含有一個(gè)樣本，為提高尺碼覆蓋效率追求更高的實(shí)際生產(chǎn)效益，舍棄簇6中的特殊個(gè)體，所以聚類數(shù)7對(duì)應(yīng)6種體型。

4 服裝號(hào)型系列設(shè)置與分析

4.1 服裝號(hào)型系列設(shè)置

混合F統(tǒng)計(jì)量、最終聚類中心距離和、擬合度損失系數(shù)三種方法確定的最優(yōu)聚類數(shù)分別是3、4、7，于是對(duì)聚類數(shù)3、聚類數(shù)4、聚類數(shù)7分別設(shè)置服裝號(hào)型。服裝號(hào)型歸檔、檔差設(shè)定方法已在計(jì)算擬合度損失系數(shù)過程中演示。

本文服裝號(hào)型系列采用身高、胸圍、體型的方式制定，體型分類依照聚類分類確定，體型名稱采用羅馬數(shù)字依次命名。通過減少尺碼數(shù)量控制實(shí)際的生產(chǎn)成本，放棄對(duì)某聚類簇中某樣本數(shù)據(jù)所賦予尺碼在該聚類簇所有尺碼中占比過低的樣本數(shù)據(jù)，以及只有單個(gè)樣本數(shù)據(jù)聚類簇6的覆蓋，以此對(duì)號(hào)型進(jìn)行初步調(diào)整，因此最終制定號(hào)型表包含6種體型，得到號(hào)型覆蓋圖，如圖5—圖7所示。矩形框代表尺碼覆蓋范圍，長為身高檔差、寬為胸圍檔差，尺碼值為矩形框?qū)蔷€交點(diǎn);黑色填充正方形代表樣本實(shí)際尺寸。

聚類數(shù)3、4、7號(hào)型系列所對(duì)應(yīng)尺碼數(shù)分別是33、40、33;體型數(shù)分別是3、4、6。聚類數(shù)7號(hào)型因舍棄只含有一個(gè)樣本數(shù)據(jù)的聚類簇，故只有6種體型。聚類數(shù)3號(hào)型與聚類數(shù)7號(hào)型尺碼無重疊或有極少重疊，聚類數(shù)4號(hào)型重疊尺碼相對(duì)較多。對(duì)于樣本數(shù)據(jù)的覆蓋，三個(gè)號(hào)型系列尺碼分布均與樣本數(shù)據(jù)分布大致相同，但聚類數(shù)3號(hào)型與聚類數(shù)7號(hào)型尺碼數(shù)量少于聚類數(shù)4號(hào)型，因此聚類數(shù)4號(hào)型的尺碼覆蓋效率明顯低于其他兩個(gè)號(hào)型。對(duì)于未覆蓋的樣本數(shù)，聚類數(shù)7號(hào)型最少，聚類數(shù)4號(hào)型少于聚類數(shù)3號(hào)型。對(duì)于號(hào)型合體性，圖中難以清晰呈現(xiàn)，需要進(jìn)一步計(jì)算分析。

綜上所述，聚類數(shù)7號(hào)型對(duì)于樣本尺寸的覆蓋率優(yōu)于聚類數(shù)3與聚類數(shù)4號(hào)型，且尺碼數(shù)量明顯少于聚類數(shù)4號(hào)型。

4.2 分析與討論

初步所得三個(gè)號(hào)型系列，因部分尺碼只覆蓋單獨(dú)一個(gè)樣本，故進(jìn)一步調(diào)整優(yōu)化，將此部分尺碼調(diào)整為樣本實(shí)際尺寸最接近的整數(shù)，得到最終號(hào)型系列后進(jìn)行對(duì)比評(píng)價(jià)。號(hào)型表評(píng)價(jià)指標(biāo)如表9所示，在考慮尺碼數(shù)量的基礎(chǔ)上，比較號(hào)型覆蓋率及擬合度損失。尺碼數(shù)量作為生產(chǎn)效益的評(píng)價(jià)指標(biāo)，號(hào)型覆蓋率、擬合度損失分別作為此號(hào)型服裝滿足消費(fèi)者穿著的比例及穿著合體性的評(píng)價(jià)指標(biāo)。聚類數(shù)7號(hào)型表與聚類數(shù)3號(hào)型表相比，號(hào)型數(shù)量相同，號(hào)型覆蓋率提高5.75%，且擬合度損失下降了0.023 5;聚類數(shù)7號(hào)型表與聚類數(shù)4號(hào)型表相比，號(hào)型數(shù)更少，覆蓋率提高3.45%，擬合度損失下降了0.019 9。因此，考慮擬合度損失系數(shù)所建立的聚類數(shù)7號(hào)型表最優(yōu)，以最低的尺碼數(shù)達(dá)到最高的號(hào)型覆蓋率，可以為消費(fèi)者提供更好的穿著體驗(yàn)。

表10為最終聚類數(shù)7號(hào)型系列，圖8為調(diào)整后聚類數(shù)7最終號(hào)型分布覆蓋圖。結(jié)果表明，體型Ⅰ覆蓋樣本數(shù)9，覆蓋率為10.84%;體型Ⅱ覆蓋樣本數(shù)16，覆蓋率為19.28%;體型Ⅲ覆蓋樣本數(shù)23，覆蓋率為27.71%;體型Ⅳ覆蓋樣本數(shù)6，覆蓋率為7.23%;體型Ⅴ覆蓋樣本數(shù)22，覆蓋率為26.51%;體型Ⅵ覆蓋樣本數(shù)7，覆蓋率為8.43%。由此可得，此樣本群體中，主要體型為體型Ⅱ、體型Ⅲ、體型Ⅴ。對(duì)主要體型中，尺碼覆蓋樣本數(shù)覆蓋率進(jìn)行分析。體型Ⅱ中，尺碼身高155 cm、胸圍81 cm覆蓋樣本最多，覆蓋樣本數(shù)5，在體型Ⅱ中的覆蓋率為31.25%;體型Ⅲ中，尺碼身高159 cm、胸圍79 cm，身高159 cm、胸圍81 cm，身高159 cm、胸圍83 cm覆蓋樣本最多，且均為4人，三個(gè)尺碼在體型Ⅲ中覆蓋率為52.17%;體型Ⅴ中，尺碼身高165 cm、胸圍84 cm，身高165 cm、胸圍90 cm，身高170 cm、胸圍92 cm覆蓋樣本最多，且均為4人，三個(gè)尺碼在體型Ⅴ中覆蓋率為54.55%。上述分析有利于服裝企業(yè)合理安排生產(chǎn)及制定定價(jià)策略，即根據(jù)各尺碼所需生產(chǎn)件數(shù)安排裁剪，提高生產(chǎn)效率，從而降低生產(chǎn)成本，進(jìn)而根據(jù)各尺碼生產(chǎn)成本及對(duì)應(yīng)的合體度制定銷售價(jià)格。

5 結(jié) 論

本文提出基于擬合度損失系數(shù)的聚類分析方法，為18～25周歲青年女性顧客開發(fā)了服裝定制號(hào)型。本文采用主成分分析、相關(guān)性分析確定聚類的依據(jù)變量，并基于擬合度損失系數(shù)模型，確定優(yōu)先考慮服裝合體性情況下的最優(yōu)聚類數(shù)量，再通過線性回歸確定變量關(guān)系以設(shè)置檔差。通過設(shè)置對(duì)比實(shí)驗(yàn)，綜合三個(gè)評(píng)價(jià)指標(biāo)，基于擬合度損失系數(shù)方法所制定號(hào)型表在號(hào)型覆蓋率、服裝合體性、生產(chǎn)成本方面要優(yōu)于混合F統(tǒng)計(jì)量及最終聚類中心距離和，因此相較而言也更適用于開發(fā)服裝定制號(hào)型。所制定的服裝號(hào)型在覆蓋率高達(dá)95.40%、擬合度損失僅0.039 9的基礎(chǔ)上，保持合理的尺碼數(shù)量，同時(shí)滿足消費(fèi)者合體性及企業(yè)實(shí)際生產(chǎn)的需要。

本文尚存在不足之處：采取線性回歸的方法設(shè)置服裝號(hào)型檔差，雖然保證了特征變量尺寸變化的協(xié)同，但并不能十分貼合同一聚類中某一變量尺寸的變化關(guān)系，未來可細(xì)化檔差設(shè)置。

參考文獻(xiàn)：

［1］齊雪良. 批量定制服裝號(hào)型分類算法研究［D］. 蕪湖： 安徽工程大學(xué)， 2017.

QI Xueliang. Research on Classification Algorithm of Batch Customization Garment Size［D］. Wuhu： Anhui Engineering University， 2017.

［2］趙琳琳. 千億市場藍(lán)海服裝定制業(yè)正在崛起［N］. 中國產(chǎn)經(jīng)新聞， 2022-01-15（002）.

ZHAO Linlin. The blue ocean clothing customization industry is rising in the 100 billion market［N］. China Industrial and Economic News， 2022-01-15（002）.

［3］TRYFOS P. An integer programming approach to the apparel sizing problem［J］. Journal of the Operational Research Society， 1986， 37 （10）： 1001-1006.

［4］MCCULLOCH C E， PAAL B， ASHDOWN S A. An optimal approach to apparel sizing［J］. Journal of the Operational Research Society， 1998， 49： 492-499.

［5］MOON J Y， NAM Y J. A Study the Elderly Women’s Lower Body Type Classification and Lower Garment Sizing Systems［C］. Seoul： Proceedings of International Ergonomics Association Conference， 2003.

［6］SHE F H， KONG L X， NAHAVANDI S， et al. Intelligent animal fiber classification with artificial neural networks［J］. Textile Research Journal， 2002， 72 （7）： 594-600.

［7］HSU C H， WANG M J J. Using decision tree based data mining toestablish a sizing system for the manufacture of garments［J］. The International Journal of Advanced Manufacturing Technology， 2005， 26 （5/6）： 669-674.

［8］齊靜， 李毅， 張欣. 我國西部地區(qū)青年男性體型描述與體型分類研究［J］. 紡織學(xué)報(bào)， 2010， 31（5）： 107-111.

QI Jing， LI Yi， ZHANG Xin. Description and classification of young men’s body type in the west China［J］. Journal of Textile Research， 2010， 31（5）： 107-111.

［9］余佳佳， 李健. 中國東部地區(qū)青年女性人體體型分類［J］. 紡織學(xué)報(bào)， 2020， 41（5）： 134-139.

YU Jiajia， LI Jian. Classification of young women’s somatotypes in eastern China［J］. Journal of Textile Research， 2020， 41（5）： 134-139.

［10］張小妞， 王軍， 張春媛. 東北女青年下身體型分類及數(shù)學(xué)模型建立［J］. 服裝學(xué)報(bào)， 2020， 5（6）： 482-487.

ZHANG Xiaoniu， WANG Jun， ZHANG Chunyuan. Classification of lower somatotype and mathematical models of young women in northeast China［J］. Journal of Clothing Research， 2020， 5（6）： 482-487.

［11］ALEXANDER M， JO C L， PRESLEY A B. Clothing fit preferences of young female adult consumers［J］. International Journal of Clothing Science and Technology， 2005， 17（1）： 52-64.

［12］BOORADY L M. Functional clothing-principles of fit［J］. Indian Journal of Fibre & Textile Research， 2011， 36（4）： 344-347.

［13］許軼超， 丁永生. 服裝合體性評(píng)價(jià)的研究方法與應(yīng)用進(jìn)展［J］. 紡織學(xué)報(bào)， 2007， 28（10）： 127-130.

XU Yichao， DING Yongsheng. Research and application of garment fit assessments［J］. Journal of Textile Research， 2007， 28（10）： 127-130.

［14］ESFANDARANI M S， SHAHRABI J. Developing a new suit sizing system using data optimization techniques［J］. International Journal of Clothing Science and Technology， 2012， 24（1）： 27-35.

［15］VADOOD M， ESFANDARANI M S， JOHARI M S. Developing a new suit sizing system using neural network［J］. Journal of Engineered Fibers and Fabrics， 2015， 10（2）： 108-112.

［16］GUPTA D， GANGADHAR B R. A statistical model for developing body size charts for garments［J］. International Journal of Clothing Science and Technology， 2004， 16（5）： 458-469.

［17］陳莎， 修毅， 張海波. 服裝大規(guī)模定制生產(chǎn)企業(yè)訂單排程優(yōu)化研究［J］. 北京服裝學(xué)院學(xué)報(bào)（自然科學(xué)版）， 2022， 42（1）： 65-73.

CHEN Sha， XIU Yi， ZHANG Haibo. Research on optimization of order scheduling for apparel mass customization manufacturing enterprises［J］. Journal of Beijing Institute of Fashion Technology （Natural Science Edition）， 2022， 42（1）： 65-73.

［18］楊蕾， 馬凱. 北京地區(qū)中年女性體型細(xì)分研究［J］. 北京服裝學(xué)院學(xué)報(bào)（自然科學(xué)版）， 2021， 41（2）： 35-40.

YANG Lei， MA Kai. Body shape classification of middle-aged women in Beijing［J］. Journal of Beijing Institute of Fashion Technology （Natural Science Edition）， 2021， 41（2）： 35-40.

［19］潘力， 王軍， 沙莎， 等. 東北地區(qū)青年女子體型分類與服裝檔差研究［J］. 紡織學(xué)報(bào)， 2013， 34（11）： 131-135.

PAN Li， WANG Jun， SHA Sha， et al. Study on body typing and garment size grading of young women in northeast China［J］. Journal of Textile Research， 2013， 34（11）： 131-135.

［20］樊萌麗， 羅戎蕾， 劉芳. 華東地區(qū)青年女性體型特征與分類研究［J］. 現(xiàn)代紡織技術(shù)， 2019， 27（6）： 68-73.

FAN Mengli， LUO Ronglei， LIU Fang. Study on body characteristics and classification of young women in eastern China［J］. Advanced Textile Technology， 2019， 27（6）： 68-73.

［21］袁惠芬， 王旭， 齊雪良， 等. 基于神經(jīng)網(wǎng)絡(luò)的批量定制服裝號(hào)型分類研究［J］. 武漢紡織大學(xué)學(xué)報(bào)， 2018， 31 （3）： 41-45.

YUAN Huifen， WANG Xu， QI Xueliang， et al. Investigation on mass customization clothing shape classification by artificial neural network［J］. Journal of Wuhan Textile University， 2018， 31（3）： 41-45.

［22］汪海仙， 尚笑梅. 人體體型分類方法研究綜述［J］. 現(xiàn)代絲綢科學(xué)與技術(shù)， 2019， 34（3）： 37-40.

WANG Haixian， SHANG Xiaomei. A review of research on human body classification methods［J］. Modern Silk Science & Technology， 2019， 34（3）： 37-40.

［23］方方， 王子英. K-means聚類分析在人體體型分類中的應(yīng)用［J］. 東華大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2014， 40（5）： 593-598.

FANG Fang， WANG Ziying. Application of K-means clustering analysis in the body shape classification［J］. Journal of Donghua University （Natural Science）， 2014， 40（5）： 593-598.

［24］孫才志， 王敬東， 潘俊. 模糊聚類分析最佳聚類數(shù)的確定方法研究［J］. 模糊系統(tǒng)與數(shù)學(xué)， 2001（1）： 89-92.

SUN Caizhi， WANG Jingdong， PAN Jun. Research on the method of determining the optimal class number of fuzzy cluster［J］. Fuzzy Systems and Mathematics， 2001（1）： 89-92.

Customized sizes for young women’s group clothing with a single customized order

ZHANG Chi， WANG Xiangrong

XU Xipenga， XU Yannib， JI Xiaofenb

（a.School of Fashion Design & Engineering; b.School of International Education， Zhejiang Sci-Tech University， Hangzhou 310018， China）

Abstract： With the improvement of material living standards， consumers have a higher demand for fitting clothing. Due to the characteristics of low cost， high quality， and fast speed， mass customization of clothing has become an important way to meet the needs of consumers for high fitness and good production efficiency of enterprises. As the basis of mass customization of clothing， clothing size is prone to mismatches between size and individual body shape， making it difficult for clothing to meet consumers’ higher fitness needs. Therefore， the technical methods for formulating clothing sizes should be innovated to further meet the needs of mass customization of clothing.

To meet the higher demand of consumers for clothing fit and the need of enterprises to improve the production efficiency of clothing customization， a method for formulating customized sizes for young women’s clothing considering the loss coefficient of fit was proposed. Eight human body data were collected from 100 young women aged between 18 and 25 by using ［TC］2 three-dimensional human body scanning. The measurement sites included height， chest circumference， waist circumference， hip circumference， back length， shoulder width， leg length， and thigh circumference. After performing data preprocessing on the collected initial human body data， we deleted the missing and abnormal values， and then performed a normal distribution test. It is verified that the data conform to normal distribution. We also performed principal component analysis on the pre-processed data to determine the number of components， and extracted two components with initial feature values greater than 1. After determining the basis variables for clustering through correlation analysis， the optimal number of clusters was determined by using the loss coefficient of fit method. Then， the sample data were classified through K-means clustering analysis， and the linear regression analysis was used to set the grade to obtain a customized size table. To prove the superiority of the loss coefficient of the fit method， two other methods including the mixed F statistics and the sum of final cluster center distance for determining the number of clusters were selected， and a comparative experiment was conducted. According to this research idea， we established a loss coefficient of fit model and selected the optimal cluster number from the perspective of clothing and individual fitting to determine the optimal size table for clothing mass customization. The research results show that the coverage rate of the clothing size table based on the loss coefficient of the fit method is as high as 95.40%， and the fitting loss is only 0.039 9. It is superior to the mixed F statistics and the sum of the final clustering center distance in terms of size coverage， clothing fitness， and production efficiency.

The method of the loss coefficient of fit provides a new way of thinking for the formulation of clothing size， and improves the size coverage rate based on giving priority to meeting the fitness needs of consumers. The research results can provide customized size development methods for single orders of niche brands and small and medium-sized enterprises. It is unnecessary to build a three-dimensional human body database for consumers， but necessary to quickly develop a clothing mass customization size table by collecting data on the eight important measurement positions of consumers within the order.

Key words： clothing mass customization; clothing size; cluster analysis; loss coefficient of fit; clothing fit

收稿日期： 20221102;

修回日期： 20230702

基金項(xiàng)目： 浙江省教育廳一般項(xiàng)目（21190071-F）;浙江理工大學(xué)科研基金啟動(dòng)項(xiàng)目（21192116-Y）;安徽省紡織工程技術(shù)研究中心、安徽省高等學(xué)校紡織面料重點(diǎn)實(shí)驗(yàn)室聯(lián)合開放基金項(xiàng)目（2021AETKL03）

作者簡介： 徐希朋（1998），男，碩士研究生，研究方向?yàn)榉b智能制造、服裝供應(yīng)鏈管理。通信作者：季曉芬，教授，博導(dǎo)，xiaofenji@zstu.edu.cn。