杨怡洁　陈敏之

摘  要：服装生产是典型的多品种小批量模式，为减少服装生产中产品内部多样性的影响，实现用工业化方式进行个性化生产，提出了基于多层次划分的产品成组分类方法。通过服装构成分解和成组技术，基于特征编码构建适用于服装生产的产品信息模型;采用改进的K-means聚类算法对同一品类下不同款式的服装进行产品族划分，并引入有效性评价指标CSI确定最佳聚类数，降低人为因素的干扰;最后采用BP神经网络实现新产品的族匹配。通过实例验证，提出的方法能有效构建相似件的产品族并进行新产品归类，有助于组织精益化生产，实现服装生产的快速反应与柔性化。

关键词：成组技术;分类编码;k-means聚类;BP神经网络;产品族

中图分类号：TS941         文献标识码：A     文章编号：1674-2346（2021）04-0018-07

多品种小批量短周期的市场环境下，降低产品内部多样性，实现服装生产的快速反应是中小型服装企业应对客户个性化需求的有效途径。成组技术（GT）通过分析相似特性，将产品或零件基于一定的标准进行归类形成零件族，并以此为基础采取类似方法进行生产组织管理，使得款多量少的生产模式转化为接近大批量的生产模式，从而提高生产效率。

服装成组技术目前多应用于产品的快速设计与开发，程碧莲等通过服装款式结构分析，进行模块化设计，构建旗袍纸样产品族，验证了个性化定制服装设计的可行性。^[1]产品族设计的研究并不完全适用于生产，不同款式的产品可能拥有相似工艺，纯粹基于结构特征，会导致标准过于严格、形成过多产品族，使得通过聚类提高批量生产的效果不够明显。……