在当前竞争日益激烈的市场环境下,制定科学、合理的服装号型表是服装企业生存发展的技术命脉,这不仅对于满足消费者需求,而且对提高企业的经济效益具有重大意义。服装企业一般都有各自的服装号型表,在服装定制中设置的号型数量也各不相同,然而服装厂商的共同目标是在不增加或少增加成本的前提下,适应更多消费者的体型,即制定“少号型量、大覆盖面”的服装号型系列,从而降低投产成本,提高生产效率,这也是本课题要研究的目的。本课题应用数据挖掘的聚类分析方法,以服装企业长期积累的大量人体测量数据为基础,挖掘出服装号型与人群体型数量配比规则,进而指导制定科学合理的服装号型表;通过分析销售历史数据,应用时间序列挖掘算法,对服装销售量进行预测,挖掘出隐藏的规则和模式,进而对服装号型投产决策提供依据,并结合号型人群覆盖率,进一步预测未来的投产趋势。本文以数据挖掘算法(重点是聚类和时序算法)的研究与应用为核心,以“服装投产号型辅助决策系统”的设计与实现为主线,研究并建立了服装号型辅助决策模型。本文的研究取得了以下成果:1、建立服装投产号型数学决策模型本课题在海量量体数据仓库的基础上,建立人体量体数据聚类与产品号型之间的关系模型,运用物流数据资源,共同约束投产过程的服装号型配置和各号型相应的产量。2、为建立地域性企业级服装号型体系提供了解决方案及软件实现平台本研究依据海量地域性量体数据仓库进行有效的聚类分析,为建立适合服装企业自身特点的号型表数据库支持体系,形成特定款式的生产号型系列,制定地域性人群适体的服装定制和商品化生产计划提供软件实现平台。3、为服装投产号型辅助决策提供技术支持以服装号型数学决策模型研究为基础,实现号型人群的基本配比关系的分析,运用物流数据资源和产品生命周期理论,基于数据挖掘时间序列分析算法,生成产品生命周期模型和销售预测模型,共同约束投产过程的服装号型配置、各号型相应的产量,针对具体服装款式在投产号型与投产数量等方面进行决策指导。