CN114119145A - 批量化服装定制方法、装置、电子装置和存储介质 - Google Patents
批量化服装定制方法、装置、电子装置和存储介质 Download PDFInfo
- Publication number
- CN114119145A CN114119145A CN202111342926.5A CN202111342926A CN114119145A CN 114119145 A CN114119145 A CN 114119145A CN 202111342926 A CN202111342926 A CN 202111342926A CN 114119145 A CN114119145 A CN 114119145A
- Authority
- CN
- China
- Prior art keywords
- size
- data
- filing
- garment
- historical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000003860 storage Methods 0.000 title claims description 10
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 description 11
- 238000005520 cutting process Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 241000288113 Gallirallus australis Species 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 3
- 238000009958 sewing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000037237 body shape Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0621—Item configuration or customization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/11—File system administration, e.g. details of archiving or snapshots
- G06F16/113—Details of archiving
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Manufacturing & Machinery (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种批量化服装定制方法，其中，该批量化服装定制方法包括：获取历史成衣尺寸数据和客户订单数据；将所述历史成衣尺寸数据输入尺寸归档模型，得到多个归档值，所述尺寸归档模型用于获取所述历史成衣尺寸的统计特征并生成所述归档值，所述归档值是与预设范围内的历史成衣尺寸相对应的尺码；将所述客户订单数据与所述归档值进行匹配，得到订单尺寸数据；基于所述订单尺寸数据进行制衣，得到目标定制服装。通过本申请，解决了批量化服装定制成衣效率低的问题，实现了基于已有的成衣尺寸数据进行归档，建立更加接近客户个人定制数据的成衣尺寸数据库，进而实现高效的个性化服装定制。
Description
技术领域
本申请涉及服装生产领域，特别是涉及批量化服装定制方法、装置、电子装置和存储介质。
背景技术
目前的成衣生产大多是工厂直接按大货的方式生产，即大批量生产相同型号的服装，这种方式生产的都是同一类大众化的尺寸，没有定制的概念，不会根据不同公司要求生产对应尺码衣服，这种生产速度最高，但是由于人体的身高、体重、三维等体征分布数据会随着国家经济水平的发展产生变化，无法满足客户的定制化服装需求。
为了满足客户定制化服装的需求，部分工厂也采用完全根据下单尺寸定制的方式生产。然而，这种定制方式要求单人单板，因此工人和机器需要在不同尺寸之间来回切换，这种个性化定制成本过高，无法应对大批量团单业务。
针对相关技术中存在大批量服装定制成衣效率较低的问题，目前还没有提出有效的解决方案。
发明内容
在本实施例中提供了一种批量化服装定制方法、装置、电子装置和存储介质，以解决相关技术中批量化服装定制成衣效率低的问题。
第一个方面，在本实施例中提供了一种批量化服装定制方法，包括：
获取历史成衣尺寸数据和客户订单数据；
将所述历史成衣尺寸数据输入尺寸归档模型，得到多个归档值，所述尺寸归档模型用于获取所述历史成衣尺寸的统计特征并生成所述归档值，所述归档值是与预设范围内的历史成衣尺寸相对应的尺码；
将所述客户订单数据与所述归档值进行匹配，得到订单尺寸数据；
基于所述订单尺寸数据进行制衣，得到目标定制服装。
在其中的一个实施例中，所述将所述历史成衣尺寸数据输入尺寸归档模型，得到多个归档值包括：基于所述尺寸归档模型获取尺寸归档维度和归档步长；获取所述尺寸归档维度对应的所述历史成衣尺寸数据的最大值和最小值，确定数据归档范围；根据所述数据归档范围和所述归档步长确定多个所述归档值。
在其中的一个实施例中，所述基于所述尺寸归档模型获取归档步长还包括：将所述历史成衣尺寸数据按照数值由小到大的顺序进行排序，得到第一统计数据；根据所述历史成衣尺寸数据的数据量将所述第一统计数据按所述顺序平均分为多组，得到第二统计数据；将相邻两组所述第二统计数据中数值最大的所述历史成衣尺寸数据的差值作为所述归档步长。
在其中的一个实施例中，所述将所述历史成衣尺寸数据输入尺寸归档模型，得到多个归档值还包括：所述历史成衣数据包括参考部位尺寸数据和限制部位尺寸数据，所述参考部位尺寸数据用于确定服装的总体尺寸，所述限制部位尺寸数据用于确定服装的具体部位的局部尺寸，所述参考部位尺寸数据与所述限制部位尺寸数据相对应；将所述参考部位尺寸数据输入所述尺寸归档模型，得到多个参考部位尺寸归档值；将所述限制部位尺寸数据输入所述尺寸归档模型，得到多个限制部位尺寸归档值；每个所述参考部位尺寸归档值与至少一个所述限制部位尺寸归档值相对应。
在其中的一个实施例中，所述将所述客户订单数据与所述归档值进行匹配，得到订单尺寸数据还包括：将所述归档值进行编号，生成尺寸编码；基于所述客户订单数据匹配的所述尺寸编码，生成订单尺寸数据。
在其中的一个实施例中，所述将所述历史成衣尺寸数据输入尺寸归档模型，得到多个归档值还包括：将所述历史成衣尺寸数据按照数值由小到大的顺序进行排序，得到统计数据；基于所述统计数据，去除数值大于第一预设阈值的历史成衣尺寸数据，和/或，去除数值小于第二预设阈值的历史成衣尺寸数据，得到初步筛选数据；基于所述初步筛选数据得到多个所述归档值。
在其中的一个实施例中，所述将所述历史成衣尺寸数据输入尺寸归档模型还包括：获取所述历史成衣尺寸数据对应的客户区域和客户年龄；基于所述客户区域对所述历史成衣尺寸数据进行分组，得到地区分组数据；基于所述客户年龄对所述历史成衣尺寸数据进行分组，得到年龄分组数据；将所述地区分组数据和所述年龄分组数据分别输入所述尺寸归档模型。
第二个方面，在本实施例中提供了一种批量化服装定制装置，包括：
获取单元，用于获取历史成衣尺寸数据和客户订单数据；
归档单元，用于将所述历史成衣尺寸数据输入尺寸归档模型，得到多个归档值，所述尺寸归档模型用于获取所述历史成衣尺寸的统计特征并生成所述归档值，所述归档值是与预设范围内的历史成衣尺寸相对应的尺码；
匹配单元，用于将所述客户订单数据与所述归档值进行匹配，得到订单尺寸数据；
制衣单元，用于基于所述订单尺寸数据进行制衣，得到目标定制服装。
第三个方面，在本实施例中提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一个方面所述的批量化服装定制方法。
第四个方面，在本实施例中提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一个方面所述的批量化服装定制方法。
与相关技术相比，在本实施例中提供的批量化服装定制方法，通过获取历史成衣尺寸数据和客户订单数据；将所述历史成衣尺寸数据输入尺寸归档模型，得到多个归档值，所述尺寸归档模型用于获取所述历史成衣尺寸的统计特征并生成所述归档值，所述归档值是与预设范围内的历史成衣尺寸相对应的尺码；将所述客户订单数据与所述归档值进行匹配，得到订单尺寸数据；基于所述订单尺寸数据进行制衣，得到目标定制服装，解决了批量化服装定制成衣效率低的问题，实现了基于已有的成衣尺寸数据进行归档，建立更加接近客户个人定制数据的成衣尺寸数据库，进而实现高效的批量化服装定制。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的批量化服装定制方法的终端的硬件结构框图；
图2是根据本申请实施例的批量化服装定制方法的流程图；
图3是本实施例的批量化服装定制装置的结构框图。
具体实施方式
为更清楚地理解本申请的目的、技术方案和优点，下面结合附图和实施例，对本申请进行了描述和说明。
除另作定义外，本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制，它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体，其目的是涵盖不排他的包含；例如，包含一系列步骤或模块(单元)的过程、方法和系统、产品或设备并未限定于列出的步骤或模块(单元)，而可包括未列出的步骤或模块(单元)，或者可包括这些过程、方法、产品或设备固有的其他步骤或模块(单元)。在本申请中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接，而可以包括电气连接，无论是直接连接还是间接连接。在本申请中所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。通常情况下，字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等，只是对相似对象进行区分，并不代表针对对象的特定排序。
在本实施例中提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。比如在终端上运行，图1是根据本申请实施例的批量化服装定制方法的终端的硬件结构框图。如图1所示，终端可以包括一个或多个(图1中仅示出一个)处理器102和用于存储数据的存储器104，其中，处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述终端的结构造成限制。例如，终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示出的不同配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如在本实施例中的批量化服装定制方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(NetworkInterface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
服装制作厂商在针对规模化定制服装生产时，首先需要对定制服装的客户进行量体，然后根据量体的结构进行制作。但是，对于客户大批量定制服装时，为了便于批量生产制作，不仅需要对定制的每个人员进行量体，还需要对量体后的数据进行分析，即将体型相同的归并到一块。在对信号相同的裁片部位进行归并时，现有技术中通常采用人工的方式进行归号，但是这种方式工作量大、效率低，无法适应现在的智能裁床裁剪，且容易出错。本申请提供了一种批量化服装定制方法、装置、电子装置和存储介质，以解决批量化服装定制成衣效率低的问题。
在本实施例中提供了一种批量化服装定制方法，图2是根据本申请实施例的批量化服装定制方法的流程图，如图2所示，该流程包括如下步骤：
步骤S201，获取历史成衣尺寸数据和客户订单数据。
具体的，历史成衣尺寸数据是根据客户的历史订单数据存储的海量客户的成衣尺寸数据。在其中的一个实施例中，历史成衣尺寸数据还与其所属订单的客户身份、年龄、地域信息等相关联。客户订单数据是指当前客户定制的服装相应数据，包括但不限于当前客户订单中的身材尺寸数据、客户身份数据、客户年龄数据以及客户地域信息等。
步骤S202，将所述历史成衣尺寸数据输入尺寸归档模型，得到多个归档值，所述尺寸归档模型用于获取所述历史成衣尺寸的统计特征并生成所述归档值。
具体的，尺寸归档模型采用历史成衣尺寸数据以及贝叶斯网络训练出的自动归档模型，该模型可对数据进行分类、聚类、关联规则等操作。通过预置的归档规则，可对海量的历史成衣尺寸数据进行归档，相较于国家标准服装尺码值，采用尺寸归档模型进行数据分析，可以得到更接近定制化版型的服装尺码归档结果，即归档值。
步骤S203，将所述客户订单数据与所述归档值进行匹配，得到订单尺寸数据。
具体的，根据客户当前下单的客户订单数据，将客户订单中的身材数据与尺寸归档模型归档得到的尺码库中的归档值进行匹配，将客户订单中的身材数据转化为订单尺寸数据。在其中的一个实施例中，还可以根据客户订单数据中的客户信息如客户年龄信息、客户地域信息等，将客户订单中的身材数据向上取整匹配归档值或向下取整匹配归档值，得到最终的订单尺寸数据。
步骤S204，基于所述订单尺寸数据进行制衣，得到目标定制服装。
具体的，将订单尺寸数据发送至制衣工厂，制衣工厂可根据该订单尺寸数据以及客户选择的服装版型进行加工，制成客户定制的服装。
通过以上步骤，本申请的批量化服装定制方法通过收集历史已下单的成衣尺寸特征，进行尺寸归档，获取到基于历史成衣尺寸推算出的尺码库。制衣工厂基于该尺码库进行生产，在生产前就可以做一些生产线归类，减少人工和机器在不同尺寸之间的来回切换，以实现批量定制化团单业务，提高了批量化服装定制的成衣效率。
在其中的一个实施例中，所述将所述历史成衣尺寸数据输入尺寸归档模型，得到多个归档值包括：基于所述尺寸归档模型获取尺寸归档维度和归档步长；获取所述尺寸归档维度对应的所述历史成衣尺寸数据的最大值和最小值，确定数据归档范围；根据所述数据归档范围和所述归档步长确定多个所述归档值。
具体的，归档维度包括但不限于服装类型、服装部位等。通过将历史成衣尺寸数据输入尺寸归档模型，即可得到不同服装类型和不同服装部位的历史成衣尺寸数据统计结果。通过获取尺寸归档维度对应的历史成衣尺寸数据的最大值、最小值以及预置的归档步长，将归档范围内的历史成衣尺寸数据分为多个等份，将每个等份数据中的尺码最大值作为归档值。
在其中的一个实施例中，所述基于所述尺寸归档模型获取归档步长还包括：将所述历史成衣尺寸数据按照数值由小到大的顺序进行排序，得到第一统计数据；根据所述历史成衣尺寸数据的数据量将所述第一统计数据按所述顺序平均分为多组，得到第二统计数据；将相邻两组所述第二统计数据中数值最大的所述历史成衣尺寸数据的差值作为所述归档步长。
在其中的一个实施例中，还可基于历史成衣尺寸数据的数据分布情况，动态配置归档步长。例如，若当前历史成衣尺寸数据包括100个数据，其尺码值以正态分布的形式分布在尺码60～80之间，则在尺码归档范围的两端采用相对较大的第一归档步长，例如步长为4码，每隔4码取一档；在尺码归档范围的中间采用相对较小的第二归档步长，例如步长为1，则归档值可以是60、64、68、69、70、71、72、76和80。采用本实施例的尺寸归档方法，可以根据历史成衣尺寸数据在归档范围内的分布情况调整分档步长，针对历史成衣数据数据分布较多的部分采用小步长分档，有利于尺码的精细化归档，针对相近的尺寸数据做进一步的精细化区分，使之更加切合定制化的业务要求。
在其中的一个实施例中，还可以基于历史成衣尺寸数据的数据分布情况，按照历史成衣尺寸数据的数据量百分比计算归档值。例如，若当前历史成衣尺寸数据包括100个数据，其尺码值分布在尺码60～80之间，配置归档步长为数据量的10％，则在数据量均匀分布的情况下，归档值为60、62、64、66、68、70、72、74、76、78以及80。在实际尺寸归档过程中，尺码的分布往往以正态分布的形式出现，呈现出归档范围的中间尺码附近分布的数据量多，归档范围的两端尺码附近的数据量少的特点。当根据数据量的百分比设置归档步长时，由于数据量的分布特点，自然而然的呈现出归档范围两端附近的归档步长大，归档范围的中间尺码附近归档步长小的特点。在其中的一个实施例中，若同一个归档步长相邻的两个归档值相同，则将后一个归档值增加一个预设值，例如+1，避免出现两个归档值相同的情况。
在其中的一个实施例中，所述将所述历史成衣尺寸数据输入尺寸归档模型，得到多个归档值还包括：所述历史成衣数据包括参考部位尺寸数据和限制部位尺寸数据，所述参考部位尺寸数据用于确定服装的总体尺寸，所述限制部位尺寸数据用于确定服装的具体部位的局部尺寸，所述参考部位尺寸数据与所述限制部位尺寸数据相对应；将所述参考部位尺寸数据输入所述尺寸归档模型，得到多个参考部位尺寸归档值；将所述限制部位尺寸数据输入所述尺寸归档模型，得到多个限制部位尺寸归档值；每个所述参考部位尺寸归档值与至少一个所述限制部位尺寸归档值相对应。
具体的，参考部位是要制作的服装的基础部位，用来确定服务的3D骨架，参考部位是根据版师的经验得出来哪些部位一定要确定出来的，然后将他们分为固定的多档，限制部位是服装的各个细节部位，用来确定这件衣服各个部位的大小，限制部位是在参考部位的基础上计算出来的区间值。通过确定参考部位和限制部位，有利于从分层次、按顺序实现定制化服装各个位置的尺寸归档，既明确了服装成型的整体架构，又兼顾了服装定制的细节尺寸，并且，通过将参考部位的归档值和限制部位的归档值相对应，大大提高了服装版型的定制效率。并且，在实际的工厂生产过程中，可以将参考部位和限制部位做不同的生产线进行生产，有利于提高制衣效率。
在其中的一个实施例中，所述将所述客户订单数据与所述归档值进行匹配，得到订单尺寸数据还包括：将所述归档值进行编号，生成尺寸编码；基于所述客户订单数据匹配的所述尺寸编码，生成订单尺寸数据。
具体的，由于归档值包括多档，不同归档值之间存在归档步长，因此客户的订单尺寸可能与归档值并不完全一致，因此通过将客户订单数据与归档值进行匹配，即可得到与客户订单尺寸相应的归档值，即归档尺码，将由于归档值已预先进行编号，因此通过上述过程即可将客户订单数据转化为尺寸编码，将该尺寸编码作为订单尺寸数据。在其中的一个实施例中，还可将尺寸编码与对应部位的裁片编码建立映射关系。通过本实施例的尺寸匹配步骤，可直接将客户的尺寸数据转化为用户所选版型的裁片尺码，直接生成客户目标的裁片数据，缩短用户下单到生成工厂生产所需版型及尺寸的时间，提高制衣效率。
在其中的一个实施例中，所述将所述历史成衣尺寸数据输入尺寸归档模型，得到多个归档值还包括：将所述历史成衣尺寸数据按照数值由小到大的顺序进行排序，得到统计数据；基于所述统计数据，去除数值大于第一预设阈值的历史成衣尺寸数据，和/或，去除数值小于第二预设阈值的历史成衣尺寸数据，得到初步筛选数据；基于所述初步筛选数据得到多个所述归档值。
具体的，根据各个部位的极限值剔除个例数据，该极限值人为根据经验维护。例如根据地域和年龄，从历史的下单数据中提取“参考部位值”，将提取出的多个“参考部位值”排序，剔除头2％和尾2％，进行数据清洗。有利于使的归档的尺码更加适应大众的普遍身形。提升批量化定制团单业务与客户团体身形的契合度。优选的，针对剔除的数据，还可另外存档保留，依据该剔除的数据建立特体归档尺码库，以适应特体客户的定制化业务。
在其中的一个实施例中，所述将所述历史成衣尺寸数据输入尺寸归档模型还包括：获取所述历史成衣尺寸数据对应的客户区域和客户年龄；基于所述客户区域对所述历史成衣尺寸数据进行分组，得到地区分组数据；基于所述客户年龄对所述历史成衣尺寸数据进行分组，得到年龄分组数据；将所述地区分组数据和所述年龄分组数据分别输入所述尺寸归档模型。
具体的，可根据地域和年龄，从历史的下单数据中提取“参考部位值”，低于按省份来，年龄是5年一档。根据服装类别按省份和年龄段划分下单尺寸数据，因为不同的地域，他们对个别部位的要求长度会不一样，比如北方的客户喜欢衣服长一点，南方的客户喜欢合身一点。通过以及客户的地域及年龄对客户订单数据进行分组，有利于进一步细化客户群体，依据客户的要求对归档尺寸进行调整，更加贴合客户需求。
通过上述步骤，本申请的批量化服装定制方法，通过对历史成衣尺寸数据的分析，减低归档尺码库。相较于现有的国家标准尺码表，本申请通过在尺寸回档模型中设置不同的尺寸归档维度和归档步长。最终确定的归档值更加精细，更加贴合批量化定制团单的业务需求。通过将参考部位归档值和限制部位归档值进行关联，有利于提高尺寸客户订单尺寸转化为工厂所需的最终成衣尺寸的转化效率，提高成衣速度。并且按照客户所述地域以及客户年龄对历史成衣尺寸数据进行分组，有利于进一步按照对尺寸的归档值进行调整，最终得到适合不同区域，不同地域的人员的尺码库。解决了批量化服装定制成衣效率低的问题，实现了基于已有的成衣尺寸数据进行归档，建立更加接近客户个人定制数据的成衣尺寸数据库，实现了高效的批量化服装定制。
下面通过优选实施例对本实施例进行描述和说明。
首先，从数据库或云端获取全部客户的历史下单数据，根据客户所属的地域信息和年龄信息，从历史的下单数据中提取“参考部位值”，地域信息按省份划分，每个省份为一个区域，在其中的一个实施例中，还可将多个省份划分为一个区域。年龄信息按照3年或5年设置为一档。
将提取出来的多个参考部位值进行排序，剔除参考部位值对应的历史下单数据的数量前2％和尾2％，根据程序按数据量的5％进行“参考部位值”进行自动归档，得到“参考部位归档值”20个，归档后个别部位可通过人工作进一步调整，比如“女士一步裙”的臀围划分为：83，85，87，89…，117，119。
根据参考部位与限制部位的对应关系，按“参考部位归档值”从历史下单数据中拉取“限制部位”的全部尺寸数值，并转化为Weka所能识别的文件。Weka的全名是怀卡托智能分析环境。Weka作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理、分类、回归、聚类、关联规则以及在新的交互式界面上的可视化。
参考部位是将历史的下单尺寸转化为Weka所能识别的格式文件，然后交给Weka利用贝叶斯网络训练出模型，该模型就是根据参考值训练限制值，然后将参考部位值从模型中去除90％范围内的限制值范围，根据该限制值范围的区间大小，以步长为1或2划分为一档。在其中的一个实施例中，Weka读取文件，并按95％范围得到“参考部位值”所对应的各个“限制部位值”，比如臀围87的腰围95％数据都在60到68之间，就将“限制部位值”腰围的值可选范围设置为60、62、64、66、68。
归档后对各个档位编码，根据用户尺寸在编码中选择和匹配。在其中的一个实施例中，还可将用户尺寸数据在匹配到对应档位的过程中进行加放量处理。
工厂的生产线有裁床机器裁剪环节、缝纫环节和质检环节。成衣尺寸归档后裁床机器环节可以按照编码提前设定一组裁剪点位数据，这样就可以输入对应的编码，机器就可以自动裁剪，减少机器需要人为移动面料的情况，进而实现定制化裁剪。相似的，在缝纫环节和裁床机器环节，可以将相同归档的裁片尽量由一组人员和机器完成，减少不同尺寸缝纫相互切换，加工人员需要不停的翻看工艺图纸的问题。在质检环节，由于有对应的归档码做比较，不需要对每一件制衣成品都进行测量，提高了定制化服装的生产效率。
需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中还提供了一种批量化服装定制装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。以下所使用的术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管在以下实施例中所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图3是本实施例的批量化服装定制装置的结构框图，如图3所示，该装置包括：
获取单元10，用于获取历史成衣尺寸数据和客户订单数据；
归档单元20，用于将所述历史成衣尺寸数据输入尺寸归档模型，得到多个归档值，所述尺寸归档模型用于获取所述历史成衣尺寸的统计特征并生成所述归档值，所述归档值是与预设范围内的历史成衣尺寸相对应的尺码；
匹配单元30，用于将所述客户订单数据与所述归档值进行匹配，得到订单尺寸数据；
制衣单元40，用于基于所述订单尺寸数据进行制衣，得到目标定制服装。
其中，归档单元20还用于基于所述尺寸归档模型获取尺寸归档维度和归档步长；获取所述尺寸归档维度对应的所述历史成衣尺寸数据的最大值和最小值，确定数据归档范围；根据所述数据归档范围和所述归档步长确定多个所述归档值。
归档单元20还用于将所述历史成衣尺寸数据按照数值由小到大的顺序进行排序，得到第一统计数据；根据所述历史成衣尺寸数据的数据量将所述第一统计数据按所述顺序平均分为多组，得到第二统计数据；将相邻两组所述第二统计数据中数值最大的所述历史成衣尺寸数据的差值作为所述归档步长。
归档单元20还用于所述历史成衣数据包括参考部位尺寸数据和限制部位尺寸数据，所述参考部位尺寸数据用于确定服装的总体尺寸，所述限制部位尺寸数据用于确定服装的具体部位的局部尺寸，所述参考部位尺寸数据与所述限制部位尺寸数据相对应；将所述参考部位尺寸数据输入所述尺寸归档模型，得到多个参考部位尺寸归档值；将所述限制部位尺寸数据输入所述尺寸归档模型，得到多个限制部位尺寸归档值；每个所述参考部位尺寸归档值与至少一个所述限制部位尺寸归档值相对应。
匹配单元30还用于将所述归档值进行编号，生成尺寸编码；基于所述客户订单数据匹配的所述尺寸编码，生成订单尺寸数据。
归档单元20还用于将所述历史成衣尺寸数据按照数值由小到大的顺序进行排序，得到统计数据；基于所述统计数据，去除数值大于第一预设阈值的历史成衣尺寸数据，和/或，去除数值小于第二预设阈值的历史成衣尺寸数据，得到初步筛选数据；基于所述初步筛选数据得到多个所述归档值。
归档单元20还用于获取所述历史成衣尺寸数据对应的客户区域和客户年龄；基于所述客户区域对所述历史成衣尺寸数据进行分组，得到地区分组数据；基于所述客户年龄对所述历史成衣尺寸数据进行分组，得到年龄分组数据；将所述地区分组数据和所述年龄分组数据分别输入所述尺寸归档模型。
需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
在本实施例中还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，获取历史成衣尺寸数据和客户订单数据。
S2，将所述历史成衣尺寸数据输入尺寸归档模型，得到多个归档值，所述尺寸归档模型用于获取所述历史成衣尺寸的统计特征并生成所述归档值，所述归档值是与预设范围内的历史成衣尺寸相对应的尺码。
S3，将所述客户订单数据与所述归档值进行匹配，得到订单尺寸数据。
S4，基于所述订单尺寸数据进行制衣，得到目标定制服装。
需要说明的是，在本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，在本实施例中不再赘述。
此外，结合上述实施例中提供的批量化服装定制方法，在本实施例中还可以提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种批量化服装定制方法。
应该明白的是，这里描述的具体实施例只是用来解释这个应用，而不是用来对它进行限定。根据本申请提供的实施例，本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例，均属本申请保护范围。
显然，附图只是本申请的一些例子或实施例，对本领域的普通技术人员来说，也可以根据这些附图将本申请适用于其他类似情况，但无需付出创造性劳动。另外，可以理解的是，尽管在此开发过程中所做的工作可能是复杂和漫长的，但是，对于本领域的普通技术人员来说，根据本申请披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段，不应被视为本申请公开的内容不足。
“实施例”一词在本申请中指的是结合实施例描述的具体特征、结构或特性可以包括在本申请的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例，也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是，本申请中描述的实施例在没有冲突的情况下，可以与其它实施例结合。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对专利保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种批量化服装定制方法，其特征在于，包括：
获取历史成衣尺寸数据和客户订单数据；
将所述历史成衣尺寸数据输入尺寸归档模型，得到多个归档值，所述尺寸归档模型用于获取所述历史成衣尺寸的统计特征并生成所述归档值，所述归档值是与预设范围内的历史成衣尺寸相对应的尺码；
将所述客户订单数据与所述归档值进行匹配，得到订单尺寸数据；
基于所述订单尺寸数据进行制衣，得到目标定制服装。
2.根据权利要求1所述的批量化服装定制方法，其特征在于，所述将所述历史成衣尺寸数据输入尺寸归档模型，得到多个归档值包括：
基于所述尺寸归档模型获取尺寸归档维度和归档步长；
获取所述尺寸归档维度对应的所述历史成衣尺寸数据的最大值和最小值，确定数据归档范围；
根据所述数据归档范围和所述归档步长确定多个所述归档值。
3.根据权利要求2所述的批量化服装定制方法，其特征在于，所述基于所述尺寸归档模型获取归档步长还包括：
将所述历史成衣尺寸数据按照数值由小到大的顺序进行排序，得到第一统计数据；
根据所述历史成衣尺寸数据的数据量将所述第一统计数据按所述顺序平均分为多组，得到第二统计数据；
将相邻两组所述第二统计数据中数值最大的所述历史成衣尺寸数据的差值作为所述归档步长。
4.根据权利要求1所述的批量化服装定制方法，其特征在于，所述将所述历史成衣尺寸数据输入尺寸归档模型，得到多个归档值还包括：
所述历史成衣数据包括参考部位尺寸数据和限制部位尺寸数据，所述参考部位尺寸数据用于确定服装的总体尺寸，所述限制部位尺寸数据用于确定服装的具体部位的局部尺寸，所述参考部位尺寸数据与所述限制部位尺寸数据相对应；
将所述参考部位尺寸数据输入所述尺寸归档模型，得到多个参考部位尺寸归档值；
将所述限制部位尺寸数据输入所述尺寸归档模型，得到多个限制部位尺寸归档值；每个所述参考部位尺寸归档值与至少一个所述限制部位尺寸归档值相对应。
5.根据权利要求1所述的批量化服装定制方法，其特征在于，所述将所述客户订单数据与所述归档值进行匹配，得到订单尺寸数据还包括：
将所述归档值进行编号，生成尺寸编码；
基于所述客户订单数据匹配的所述尺寸编码，生成订单尺寸数据。
6.根据权利要求1所述的批量化服装定制方法，其特征在于，所述将所述历史成衣尺寸数据输入尺寸归档模型，得到多个归档值还包括：
将所述历史成衣尺寸数据按照数值由小到大的顺序进行排序，得到统计数据；
基于所述统计数据，去除数值大于第一预设阈值的历史成衣尺寸数据，和/或，去除数值小于第二预设阈值的历史成衣尺寸数据，得到初步筛选数据；
基于所述初步筛选数据得到多个所述归档值。
7.根据权利要求1所述的批量化服装定制方法，其特征在于，所述将所述历史成衣尺寸数据输入尺寸归档模型还包括：
获取所述历史成衣尺寸数据对应的客户区域和客户年龄；
基于所述客户区域对所述历史成衣尺寸数据进行分组，得到地区分组数据；
基于所述客户年龄对所述历史成衣尺寸数据进行分组，得到年龄分组数据；
将所述地区分组数据和所述年龄分组数据分别输入所述尺寸归档模型。
8.一种批量化服装定制装置，其特征在于，包括：
获取单元，用于获取历史成衣尺寸数据和客户订单数据；
归档单元，用于将所述历史成衣尺寸数据输入尺寸归档模型，得到多个归档值，所述尺寸归档模型用于获取所述历史成衣尺寸的统计特征并生成所述归档值，所述归档值是与预设范围内的历史成衣尺寸相对应的尺码；
匹配单元，用于将所述客户订单数据与所述归档值进行匹配，得到订单尺寸数据；
制衣单元，用于基于所述订单尺寸数据进行制衣，得到目标定制服装。
9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任一项所述的批量化服装定制方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的批量化服装定制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111342926.5A CN114119145A (zh) | 2021-11-12 | 2021-11-12 | 批量化服装定制方法、装置、电子装置和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111342926.5A CN114119145A (zh) | 2021-11-12 | 2021-11-12 | 批量化服装定制方法、装置、电子装置和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114119145A true CN114119145A (zh) | 2022-03-01 |
Family
ID=80379414
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111342926.5A Pending CN114119145A (zh) | 2021-11-12 | 2021-11-12 | 批量化服装定制方法、装置、电子装置和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114119145A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116579672A (zh) * | 2023-07-15 | 2023-08-11 | 图南益(杭州)智能科技有限公司 | 一种布匹质量管控方法、系统、电子设备和存储介质 |
-
2021
- 2021-11-12 CN CN202111342926.5A patent/CN114119145A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116579672A (zh) * | 2023-07-15 | 2023-08-11 | 图南益(杭州)智能科技有限公司 | 一种布匹质量管控方法、系统、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104809168B (zh) | 超大规模rdf图数据的划分与并行分布处理方法 | |
| CN111680124A (zh) | 基于rpa的大规模定制客户需求获取、查询方法 | |
| CN104915756B (zh) | 数据一致性云稽核系统及实现方法 | |
| CN114119145A (zh) | 批量化服装定制方法、装置、电子装置和存储介质 | |
| CN108696369A (zh) | 一种告警信息处理设备及方法 | |
| CN110209942B (zh) | 一种基于大数据的科技信息智能推送系统 | |
| CN109299846A (zh) | 一种核电站设备可靠性分析方法、系统及终端设备 | |
| CN109903105A (zh) | 一种完善目标商品属性的方法和装置 | |
| CN104462456A (zh) | 基于生活数据处理的大数据系统 | |
| CN109993457A (zh) | 一种企业客户资源的分配方法及系统 | |
| CN114024829A (zh) | 电力通信网络的故障检修方法、装置、设备和存储介质 | |
| CN106575225B (zh) | 模块划分辅助装置、方法和存储介质 | |
| CN109744624A (zh) | 服装样板模型生成方法、装置和系统 | |
| CN109375146A (zh) | 一种用电数据的补采方法、系统及终端设备 | |
| CN109359724A (zh) | 一种压缩存储卷积神经网络模型的方法及装置 | |
| CN109544323A (zh) | 一种信用卡卡号的智能管理系统 | |
| CN110532267A (zh) | 字段的确定方法、装置、存储介质及电子装置 | |
| CN109687592A (zh) | 变电站信息显示控制方法、装置及电子设备 | |
| CN116385632A (zh) | 一种用于服装制造企业智能设计的方法 | |
| CN109375923A (zh) | 变更数据处理方法、装置、存储介质、处理器及服务器 | |
| CN114266291A (zh) | 聚类集合的确定方法和装置、存储介质及电子装置 | |
| CN107590213A (zh) | 基于手机大数据的混合推荐系统 | |
| CN110752970B (zh) | cuss平台监控系统 | |
| CN112561376A (zh) | 对项目进行拆分的方法、装置以及存储介质 | |
| CN114968933A (zh) | 数据中心的日志的分类方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |