【技术实现步骤摘要】
本专利技术涉及服装生产领域，特别是涉及一种服装款式工序分解方法。
技术介绍
1、我国作为服装生产、出口大国，随着服装市场扩大化、多样化需求的发展，消费者对穿着的需求越来越趋向于追逐流行、时尚、崇尚个性，很多的服装企业的生产趋势跟随市场发展的需求向品种多、批量小、生产周期短、品质高等的方面发展，服装企业面临着很大的挑战。因此，柔性生产线的设计是企业作出快速反应去适应市场需求，从而提升企业在市场上的竞争力，提高经济效益。
2、而柔性生产线由于其批量小周期短的特性，对于服装服装款式的工序分解就有更高的要求，要保证工艺路线最短、加工时间最省、耗费最小，而现有技术中的工序分解方法，一般是从设计、裁剪、缝制、装配、检验、包装等一系列步骤，以完成最终的服装制作，整体所需的时间较多，将其带入至柔性生产线中后，其无法满足高要求、短时间的工序分解，使得不同品种、设计的服装款式无法在所需时间内高标准的设计，进而需要做进一步改进和优化。
技术实现思路
1、本专利技术的目的在于提供一种服装款式工序分解方法，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种服装款式工序分解方法，其特征在于，包含以下步骤：
3、(1)数据收集和建库：收集服装厂内现存的生产数据，包括服装款式的基本信息和相应的标准工序；
4、(2)影响因子分析：考虑不同生产线的情况，分析服装款式，并确定服装加工的具体工序，基于不同款式的影响因子；使用分级法编排和构
5、(3)模型训练：建立一个包括初始层、多层神经元层和输出层的gru神经网络模型，使用反向传播算法进行训练，初始层和输出层的神经元数量根据输入的影响因子和输出结构来确定；多层神经元层的数量根据训练结果在经验值的基础上进行调整，保存训练后的模型；
6、(4)工序分解：将服装款式信息输入到训练好的gru神经计算网络模型中，进行计算，以生成具体的生产工序。
7、优选的，步骤(1)中服装款式的基本信息包括面料和部件配饰；
8、服装款式基本信息内的面料信息包含有对应服装款式不同面料的位置、占比等；
9、服装款式基本信息内的工艺信息包含有对应服装款式的纽扣、拉链、衬里、口袋、腰带、帽子等。
10、优选的，步骤(1)中的标准工序包含有裁剪、缝制、装配、检验、整烫和修整、包装；
11、裁剪：在这一阶段，裁剪师根据服装模式将面料剪成所需的形状和大小，以准备后续的缝制。缝制：这是将已裁剪的面料部分用缝纫机缝合在一起的过程。缝制工人根据设计将不同部分组装成成品服装。装配：在这个步骤中，已经缝制好的各部分被组装在一起，包括前身、后背、袖子、领口等，以形成完整的服装。检验：服装在制造过程中会经过质量检查，以确保没有瑕疵、线头整洁，各部分正确组装。整烫和修整：服装制成后，需要经过整烫，这是用熨斗将服装平整并去除褶皱的过程。同时，任何松散的线头或小问题都会在这一阶段得到修复。包装：完成的服装被包装成最终的产品，通常包括添加标签、吊牌，折叠或挂起，并准备好运送或上架销售。
12、优选的，步骤(2)中影响因子是指服装款式设计基本信息的各类改动，可以是服装款式整体相对于基础款式的变动，该处变动指服装款式较大的变动，例如女装上衣整体的镂空部分，例如女装下装的开叉部分等；
13、可以是服装款式相对于基础款式的部分改动，该处改动是指服装款式小幅度的改动，例如女装领口的多层针织细节，例如女装袖口装饰等；
14、可以是相对于基础款式面料的改动,该处改动是指服装款式内不同位置的面料的变动，例如女装上衣外套的内衬部分，例如女装下装的贴花部分等；
15、可以是相对于基础款式工艺的改动，该处改动是指在裁剪、缝制、装配、检验、整烫和修整、包装中的改动，例如女装上衣裁剪步骤改变，例如女装上衣的缝制工艺改变等。
16、优选的，步骤(2)中的影响因子具体分级为：
17、相对于整体基础款式的部分改动阈值大于20％及以上为一级影响因子，一级影响因子为对应矩阵的开端；
18、相对于整体基础款式的部分改动阈值大于10％-20％(不包含20％)之间为二级影响因子；
19、相对于整体基础款式的部分改动阈值大于10％-5％(包含5％)为三级影响因子；
20、相对于整体基础款式的部分改动阈值大于5％以下为四级影响因子。
21、优选的，步骤(2)中的分级法编排影响因子时根据影响因子的具体级别，填充矩阵中的值，使得矩阵反映每个因子对不同款式的影响程度；
22、这种分级系统有助于模型更有效地进行工序分解变更，确保较大和较小的变更都得到适当的处理和审核，以降低潜在的风险，提高产品的质量和一致性，根据不同级别的影响因子，模型可以决定变更的优先级和管理流程。
23、优选的，步骤(3)中gru神经网络模型内初始层的神经元数量根据影响因子确定，多层神经元层的数量由神经元通过贝叶斯优化得出。
24、优选的，反向传播算法是建立在梯度下降法的基础上，反向传播算法主要包括前向传播、反向计算第l层神经元i的误差项、根据优化算法计算每个神经元参数的梯度并更新每个参数。
25、优选的，反向传播算法内的前向传播公式为a^l＝σ(z^l)＝σ(a^(l-1)*w^l+b^l)，其中l代表第l层，a表示影响因子，星号表示卷积，b表示偏置项bias，σ表示激活函数。
26、优选的，反向传播算法内的反向计算第l层神经元i的误差项计算公式为dwl_i＝1/mσ(y(i)-a(i))a(i-1)；
27、其中m为样本数量
28、y(i)为实际输出值
29、a(i)为前向传播时的计算输出值
30、wl_i和bl_i分别为第l层第i个神经元的权重和偏置项
31、dwl_i和dbl_i分别为第l层第i个神经元的误差项(梯度)。
32、与现有技术相比，本专利技术的有益效果是：
33、本专利技术通过提出的服装款式工序分解方法内设置的数据库，可以快速对服装款式识别，进而快速调用现有的基础工序，减少工序分解的时间；
34、通过设置的影响因子分析可以根据服装款式与现有基础的不同快速分级，通过设置的gru神经网络模型，可以快速将影响因子的分级进行计算，分解得出最佳的工序，最佳的生产顺序、方式将各道独立的工序结合起来，对生产车间的各个部件的工序进行合理的安排，达到生产协调且平衡。
本文档来自技高网...【技术保护点】
1.一种服装款式工序分解方法，其特征在于，包含以下步骤：
2.根据权利要求1所述的一种服装款式工序分解方法，其特征在于：所述步骤(1)中服装款式的基本信息包括面料和部件配饰。
3.根据权利要求2所述的一种服装款式工序分解方法，其特征在于：所述步骤(1)中的标准工序包含有裁剪、缝制、装配、检验、整烫和修整、包装。
4.根据权利要求3所述的一种服装款式工序分解方法，其特征在于：所述步骤(2)中影响因子是指服装款式设计基本信息的各类改动，可以是服装款式整体相对于基础款式的变动，可以是服装款式相对于基础款式的部分改动，可以是相对于基础款式面料的改动，可以是相对于基础款式工艺的改动。
5.根据权利要求4所述的一种服装款式工序分解方法，其特征在于：所述步骤(2)中的影响因子具体分级为：
6.根据权利要求5所述的一种服装款式工序分解方法，其特征在于：所述步骤(2)中的分级法编排影响因子时根据影响因子的具体级别，填充矩阵中的值，使得矩阵反映每个因子对不同款式的影响程度。
7.根据权利要求6所述的一种服装款式工序分解方法，其特
8.根据权利要求7所述的一种服装款式工序分解方法，其特征在于：所述反向传播算法是建立在梯度下降法的基础上，反向传播算法主要包括前向传播、反向计算第L层神经元i的误差项、根据优化算法计算每个神经元参数的梯度并更新每个参数。
9.根据权利要求8所述的一种服装款式工序分解方法，其特征在于：所述反向传播算法内的前向传播公式为a^l＝σ(z^l)＝σ(a^(l-1)*W^l+b^l)，其中l代表第l层，a表示影响因子，星号表示卷积，b表示偏置项bias，σ表示激活函数。
10.根据权利要求9所述的一种服装款式工序分解方法，其特征在于：所述反向传播算法内的反向计算第L层神经元i的误差项计算公式为dWl_i＝1/mΣ(y(i)-a(i))a(i-1)；
...【技术特征摘要】
1.一种服装款式工序分解方法，其特征在于，包含以下步骤：
2.根据权利要求1所述的一种服装款式工序分解方法，其特征在于：所述步骤(1)中服装款式的基本信息包括面料和部件配饰。
3.根据权利要求2所述的一种服装款式工序分解方法，其特征在于：所述步骤(1)中的标准工序包含有裁剪、缝制、装配、检验、整烫和修整、包装。
4.根据权利要求3所述的一种服装款式工序分解方法，其特征在于：所述步骤(2)中影响因子是指服装款式设计基本信息的各类改动，可以是服装款式整体相对于基础款式的变动，可以是服装款式相对于基础款式的部分改动，可以是相对于基础款式面料的改动，可以是相对于基础款式工艺的改动。
5.根据权利要求4所述的一种服装款式工序分解方法，其特征在于：所述步骤(2)中的影响因子具体分级为：
6.根据权利要求5所述的一种服装款式工序分解方法，其特征在于：所述步骤(2)中的分级法编排影响因子时根据影响因子的具体级别，填充矩阵中的值，使得矩阵反映每个因子对不同款式的影...
【专利技术属性】
技术研发人员：黄益品，池也，谢芙蓉，肖友烤，苏素素，潘凤玲，刘荣清，陈小丹，
申请(专利权)人：浙江乔治白服饰股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。