数据挖掘在服装企业决策支持中的应用

从数据挖掘的定义及特点、数据挖掘的步骤以及数据挖掘技术的分类三个方面对数据挖掘技术做了阐述，结合服装行业特点对数据挖掘在服装企业计划决策中应用进行了探讨。     

人因工效学在生产工位作业中的分析及应用

利用Jack软件建立所需要的人体模型,并在此基础上运用OWAS和RULP分析工具进行仿真,对生产线中的手工作业进行工效学分析。通过仿真分析来研究员工在生产线的工序操作中的人因缺陷,结合人因学改善原则设计出相应的改进方案,改善员工的操作作业。结果显示改善方案明显减轻了操作者的劳动损伤,降低其疲劳度。     

基于Kinect的人体作业仿真方法研究

为了提高生产企业作业分析的效率和改善作业,提出了一种基于非介入式运动捕捉设备Kinect的人体作业仿真方法。首先利用Kinect对真实的人体作业动作进行捕获,获取所需的人体运动数据,接着在Kinect人体模型和人机工效软件DELMIA的人体模型之间建立映射,并在此基础上对DELMIA软件进行二次开发,最终实现由Kinect获取的人体运动数据驱动DELMIA里的虚拟人体进行仿真作业。仿真结果表明：基于Kinect的作业仿真方法在运动捕捉的适用环境、精确性和响应速度等方面都能很好地满足企业应用的要求。     

面向MTM的服装企业PLM系统研究

针对大规模定制生产模式下服装企业MTM订单无法实时处理、生产效率低、产品不能很好的符合客户需求等问题,分析了MTM、PLM的基本思想和方法及MTM生产模式对PLM系统的要求,根据某服装企业实际应用产品全生命周期管理系统的实际过程,对如何在MTM生产模式下运用PLM技术进行了研究。实践表明,应用此系统后使该服装企业缩短了服装产品制造周期,降低了生产成本,加快了产品交货时间,提高了企业的生产效率。     

基于协同产品商务的服装在线决策支持系统

近年来,数据挖掘技术在市场分析预测、客户分析预测方面得到了广泛的应用。结合服装行业协同产品商务(CPC)平台,在服装企业历史数据的基础上,利用数据挖掘技术对服装的需求进行了有效的分析。在这一思路的指导下开发了服装CPC在线决策支持系统。     

一种基于GRA的虚拟模特生成算法研究

该文首先提出,在CPC环境下的服装个性化定制系统必须解决远程顾客试衣的问题,现有的设备和技术手段还不能完全实现基于网络的远程真人试衣.顾客在个性化定制系统中的试衣目的在于对服装是否符合自己体形的整体感受.该文作者提出由虚拟模特代替顾客试衣,只要虚拟模特的各个部位尺寸比例与顾客的身体尺寸比例足够的接近,就可以足够精确地模拟顾客体形试衣,并且通过采用一种近似匹配的虚拟模特生成思路,给出了一种基于GRA的算法,可以降低运算量.通过实例验证,取得较好的结果.     

数据挖掘在服装企业决策支持中的应用

从数据挖掘的定义及特点、数据挖掘的步骤以及数据挖掘技术的分类三个方面对数据挖掘技术做了阐述,结合服装行业特点对数据挖掘在服装企业计划决策中应用进行了探讨.     

面向大批量定制的基于改进的LS-SVM服装需求预测模型

为提高服装需求预测精度,充分考虑了服装需求量随季节、气候条件、价格、性别等因素的影响而动态变化的情况,运用模糊理论对相关影响因素进行模糊化处理后,再将这些影响因素作为服装需求量预测函数的输入变量;然后建立了以改进的二乘支持向量机(LS-SVM)方法为主、多方法融合为辅的预测模型,对服装销售量进行动态预测。实际算例验证了这一智能预测模型具有良好的精确性。     

基于数据挖掘的服装决策支持系统

近几年来，数据挖掘在市场分析预测、客户分析预测方面得到了广泛的应用。文章结合服装行业自身特点，在服装企业历史数据的基础上，利用数据挖掘技术对服装的需求进行了有效的分析。并在该思路的指导下开发了基于数据挖掘的服装决策支持系统。