非粘合襯男西裝面料和襯料配伍模型的建立

楊 陽，楊子田，董世蒙

(東華大學，上海 200051)

非粘合襯男西裝面料和襯料配伍模型的建立

楊 陽，楊子田，董世蒙

(東華大學，上海 200051)

文章通過市場和企業調研，對目前市場上男西服面、襯料進行配伍分析；分析最佳配伍組合面料的克重與襯料的克重或厚克比之間的回歸關系，建立非粘合襯西裝面、襯料配伍模型；該模型對男西裝面料和襯料的配伍具有一定的指導作用。

非粘合襯；男西裝；面料和襯料；配伍模型

當今市場上的西服大都是粘合襯西裝，但隨著人們對穿著要求的提高，粘合襯西裝不宜水洗、透氣性差等缺點逐漸明顯，具有輕薄透氣且易水洗的非粘合襯西裝開始進入了人們的視野。關于非粘合襯西裝面襯料的選用配伍始終沒有形成統一標準。大多數的公司多根據經驗進行配伍，但經驗往往具有很大的差異性，難以滿足實際生產的需要。因此，本文以非粘合襯西裝為切入點，結合企業的實際生產，通過實驗研究非粘合襯西裝面、襯料的配伍模型，為實際生產提供合理的建議。

1 基礎實驗

通過市場調研和企業的實地考察，獲得當前非粘合襯西裝的實際生產狀況、常用的面料和襯料及其配伍方案。有針對性地收集了8種毛料、11種襯料、2種胸絨進行配伍分析。采用KES織物風格評價系統對以上21種織物進行織物風格性能測試，從而獲取織物的表面性能、彎曲性能、拉伸性能、剪切性能以及織物壓縮性能等織物力學性能參數和厚度、經緯密等結構參數，對收集非粘合襯西裝面、襯料進行力學性能及結構參數測定實驗，構建面、襯料性能參數數據庫；將選取的8種羊毛面料和11種襯料進行配伍縫合，制作14個前胸片和3件非粘合襯西裝成衣，配伍按照高檔、中檔、低檔進行區分；對縫合后的復合織物進行放置實驗，放置在溫度15℃濕度65%、溫度20℃濕度65%、溫度25℃濕度65%、溫度20℃濕度50%、溫度20℃濕度80%等五個不同環境下進行專家主觀評價和灰度測試等客觀評價，從而根據評價結果得出最佳配伍組合。

2 面料結構和力學性能參數的數理分析

2.1 面料結構參數的主成分因子提取

對實驗面料的結構參數進行SPSS數理分析，通過相關分析來確定5個結構參數中的主成分影響因子。

表1 描述性統計表

注：TH—織物厚度，GR—織物單位面積克重，TH/GR—織物厚克比值，D1—織物經密，D2—織物緯密。

從表1可以看出，8種常見男裝面料結構參數數據經SPSS數據統計之后，SPSS并未對其進行缺省值剔除處理，因此說明本文所選的8種男裝常見面料具有代表性，數據采集具有完整性和可靠性。

對8種面料的結構參數進行描述分析、相關分析中的波森分析和肯道爾、斯皮爾曼分析[1]。通過對比分析可以看出波森相關性分析與肯道爾和斯皮爾曼相關性分析數據表明的結論基本相符。數據表明，面料厚度、面料克重、面料厚克比以及面料的經密、緯密，都存在著顯著相關性，面料克重與面料的厚度有著顯著的正相關性，面料的克重與面料的厚克比、經密、緯密表現出顯著的負相關，所以可以通過求得面料的克重與其他幾個變量之間的回歸關系，將面料的克重作為反映面料結構參數的主要因子，對面料的克重和面料的厚度、厚克比、經密、緯密建立回歸關系，回歸分析結果見表4。

多元線性回歸分析擬合后的方程為：

表2 預測分析

表2中的R2是用來表示自變量xi與因變量y之間線性相關的關聯程度的表征指標，R的值越靠近于1，表示變量間的線性關系越強，反之，該值越小則表示線性關系的相關性越差[1]。R2是作為一個修正數據存在，使樣本的大小對預測值的影響最小化。R2判定系數公式為：

(其中K為自變量的個數，n為觀測數目)，修正的R2值能較確切地反映擬合優度，因此通常采用修正后的判定值來確定擬合優度[3]。表中的R和R2都接近于1，且R2和修正后的R2之間的差異性很小，表明通過這種方法確定的變量進行回歸關系較好。

表3數據表明，當回歸方程包含不同的自變量時，其顯著性概率值均小于0.001，即拒絕回歸系數均為0的原假設[1]，因此，最終的回歸方程應該包括這4個自變量，且方程擬合效果很好。

由表4可知，B表示的是面料結構參數克重與面料結構參數厚度、厚克比、經密、緯密之間的回歸系數，Sig是擬合程度表征系數，Sig值越接近于0，則表明回歸關系的擬合程度越好，從表4中的最后一列可以看出Sig值都小于0.05，表明建立的回歸關系比較正確，也就是說面料結構參數中的克重能夠比較準確地代表其他結構參數。根據上表數據，面料克重與面料厚度、面料厚克比、面料經密和面料緯密間的回歸關系方程為：

GR=192.345+242.807×TH-47.685×TH/GR-0.11×D1+0.04D2

其中GR為面料克重，TH為面料厚度，TH/GR為面料厚克比，D1為經密，D2為緯密。

表3 方差分析

表4 回歸分析相關系數

2.2 面料力學性能參數主成分因子提取

同理，對面料主要力學性能參數進行描述性分析得知，大多數的數據具有可靠性和可參考性。8個統計量并沒有出現缺失現象，說明系統默認8個指標均具有可靠性。且壓縮回彈性、拉伸線性度、拉伸回彈性三個指標出現了一些離散現象，其他指標都具有一定的穩定性，說明實驗測得的力學性能參數可以用來進行接下來的數據分析研究。

由于力學性能參數的影響因子比較多，測試指標比較全面，力學性能的主成分因子的提取使用SPSS中的主成分分析。通過主成分因子進行分析數據，從各個力學性能參數中提取出具有代表性的幾個參數因子作為主要影響因子，用這幾個主要影響因子來建立起對其他力學參數的回歸方程。

2.2.1 主成分因子分析的數學原理

主成分分析是把多個指標化為少數幾個綜合指標的統計分析方法，它能夠從多個指標中尋找出幾個指標來表示其他變量的數據關系，從中挑選出的這些因子能夠比較全面地反應更多的信息，要求主成分因子間互不相關[1，4]。

本文通過確定累計貢獻率來進行數據關系建立，為了保持提取數據的可靠性和精確性，又考慮到本文的實驗數量較少，設置貢獻率為80%[2]。

2.2.2 力學性能參數主成分因子分析

對面料各個力學性能參數的相關分析得出，拉伸線性度、拉伸能量與滯后距之間、拉伸能量與壓縮回彈性、壓縮比功之間、拉伸回彈性與剪切剛度、剪切滯后距之間存在顯著性線性相關關系。這種相關性表明各個力學性能參數之間存在著一些主要的因子。主要因子的提取如表5所示。

表5 主成分因子提取

經過SPSS主成分因子分析之后，通過上表可以看到提取出了3個主成分因子，記為Factor1、Factor2、Factor3。本文設置的累計貢獻率為80%，上表中的3種主成分因子的累計貢獻率達到了83%，則符合理論科學要求，所以將3個主成分因子作為面料力學參數的表征指標。

表6 因子得分系數矩陣

注： B-彎曲剛度、2HB-彎曲滯后距、MIU-動摩擦系數、G-剪切剛度、2HG-剪切滯后距、WC-壓縮比功、RC-壓縮回彈性、LT-拉伸線性度、WT-拉伸能量、RT拉伸回彈性。

表6是主成分因子的得分系數矩陣,該矩陣表示的是面料各個力學性能參數在三個主成分因子當中的分配情況，這些分布值能夠有效地表達出整個力學性能參數當中各因素的線性分布情況。

通過分析上表可知，成分1與滯后距、拉伸回彈性、拉伸能量之間有著顯著的相關性；成分2與彎曲剛度、動摩擦系數、拉伸線性度有著顯著的相關性；成分3與剪切滯后距具有高度的相關性；這表明提取出來的三個主成分因子基本上包含了所有力學性能參數的信息。

最后得到三個主成分因子與面料力學性能參數的回歸方程：

F1=0.194×ZB+0.801×Z2HB-0.274×ZMIU+0.606×ZG+0.2072×ZHG+0.674×ZWC+0.747×Z RC+0.701×Z LT-0.924×Z WT-0.866×Z RT

F2=-0.791×ZB+0.347×Z2HB+0.776×ZMIU+0.348×ZG+0.1762×ZHG-0.453×ZWC-0.03×ZRC+0.695×ZLT+0.207×ZWT+0.146×ZRT

F3=0.302×ZB-0.355×Z2HB-0.053×ZMIU+0.567×ZG+0.9222×ZHG-0.216×ZWC-0.334×ZRC-0.081×ZLT+0.266×ZWT-0.432×ZRT

其中F1為Factor1，F2為Factor2，F3為Factor3。

2.3 面料結構參數與力學性能參數的回歸分析

以下回歸分析采用的方法相同，故不再列出分析得出的數據，只對結果進行描述。

通過預測分析、方差分析可知，結構參數和力學性能參數的回歸關系較為合理，具有一定的可靠參考性且回歸關系比較可靠。

表7 回歸分析因子系數表

表7中的回歸分析因子系數表能夠說明結構參數和力學性能參數之間的關系，Sig值均小于0.05，則表明了線性擬合度較好，回歸方程具有較好的相關性。根據B項中的因子系數，可以確定面料結構主成分因子克重和力學性能三個主成分因子之間的回歸關系：

GR=105.319+136.155×F1-149.081×F2-159.321×F3 (GR為克重)

3 大身襯結構參數和力學性能數理分析

大身襯的結構參數和力學性能參數分析的分析方法都等同于針對面料的SPSS分析方法，結構參數運用相關分析來找出代表所有參數因子的一個主成分因子，力學性能參數也是根據主成分因子分析得到主成分因子，然后回歸分析找出主成分因子與各個力學性能參數之間的回歸關系，最后通過回歸關系建立起結構參數與力學性能參數之間的回歸方程。在此就不再詳細陳述分析過程，只對各分析后的結果進行陳述。

通過預測分析和方差分析可知，大身襯結構參數和力學性能參數的回歸關系較為合理且回歸關系比較可靠。

表8中的回歸分析因子系數表能夠說明結構參數和力學性能參數之間的關系，Sig值均小于0.05，則表明了線性擬合度較好，回歸方程具有較好的相關性。根據B項中的因子系數，可以確定大身黑炭襯結構主成分因子克重和力學性能三個主成分因子之間的回歸關系，得到回歸方程如下：

GR=106.044+144.526×F1-7.633×F2-178.536×F3+34.475×F4

表8 回歸分析系數表

4 馬尾襯的結構參數與力學性能參數數理分析

4.1 馬尾襯結構參數主成分因子提取

通過相關分析可以得出，在馬尾襯的結構參數中，厚克比與厚度、克重、經密、緯密都存在良好的顯著相關性，可以將厚克比作為結構參數的主成分因子。下面進行回歸分析驗證：

通過將厚克比與厚度、克重、經密、緯密做回歸分析如表9所示，數據表明相關分析的擬合程度較好。T值均大于2或者小于-2，Sig值也沒有大于顯著性概率0.05，表現出了良好的相關關系，故回歸關系方程可以列為：

表9 回歸分析系數表

TH/GR=7.580+5.125×TH-0.034×GR-0.05×D1-0.018D2

其中TH/GR為厚克比，TH為厚度，GR為克重，D1為經密，D2為緯密。

4.2 馬尾襯力學性能參數的主成分因子提取

通過因子分析，提取后的3個主成分因子累計貢獻率達到了93%，表明擬合程度相當好。

從表10可以看出，成分1與動摩擦因數、拉伸能量、拉伸回彈性有著極高的相關性；成分2與剪切剛度、剪切滯后距有著很高的顯著相關性；而成分3與壓縮比功等也有著較好的相關性；這說明因子分析得到的三個主成分因子能夠比較全面地代表馬尾襯各個力學參數性能，據三個主成分因子的成分矩陣，可以得到回歸方程。

表10 主成分因子矩陣

F1=-0.462×ZB+0.799×Z2HB-0.895×ZMIU+0.324×ZG+0.276×Z2HG-0.816×ZWC-0.647×ZRC-0.242×ZLT+0.995×ZWT+0.932×ZRT

F2=0.480×ZB-0.444×Z2HB+0.170×ZMIU+0.821×ZG+0.886×Z2HG-0.063×ZWC-0.634×ZRC-0.796×ZLT-0.101×ZWT-0.251×ZRT

F3=-0.238×ZB+0.394×Z2HB+0.320×ZMIU+0.439×ZG+0.338×Z2HG+0.556×ZWC+0.399×ZRC+0.535×ZLT+0.008×ZWT-0.245×ZRT

4.3 馬尾襯結構參數和力學性能參數回歸分析

對結構參數中相關分析得到的主成分因子厚克比與力學性能參數主成分分析得到的三個主成分因子進行回歸分析：通過分析，結構參數和力學性能參數的回歸關系數據較為可靠且回歸關系成立。

表11中的回歸分析因子系數表能夠說明結構參數和力學性能參數之間的關系，Sig值均小于0.05，則表明了線性擬合度較好，回歸方程具有較好的相關性。根據B項中的因子系數，可以確定馬尾襯結構主成分因子厚克比和力學性能三個主成分因子之間的回歸關系，得到回歸方程如下：TH/GR=7.484+1.363×F1-0.800×F2-8.463×F3

表11 回歸分析系數表

5 建模數學方程的確立

5.1 配伍模型的數字化實現

首先，根據面料含毛量的不同選擇不同面料類別，系統建立高檔、中檔和低檔三個類別選擇界面，如圖1所示。這三個類別是實驗最初設計的分類標準，本文的配伍研究都是將14種面料分高、中、低檔三個類別進行研究，對面料類型進行分類后才能進入下一個頁面。

根據含毛量的不同選擇對應類別進入下一個頁面，為面料結構參數輸入平臺，如圖2所示。根據對面料結構參數的相關分析表明，通過克重建立了面料結構參數與襯料結構參數的回歸關系，故根據面料的結構參數就能夠推斷出襯料的各項結構參數。

圖1 面料類型選擇

圖2 面料結構參數輸入

根據面料克重與大身襯克重、馬尾襯厚克比建立起來的回歸關系，就能夠計算出對應大身襯的克重、馬尾襯的厚克比，再根據大身襯克重與其他結構參數建立的回歸關系和馬尾襯厚克比與其它結構參數建立的回歸關系，可以根據面料結構參數直接計算出大身襯和馬尾襯的編號、克重、厚度、經密、緯密等結構參數，從而實現配伍襯料的生成。

5.2 面料克重與大身襯克重之間的回歸關系

對面料結構參數和力學性能參數、大身襯結構參數與力學性能參數、馬尾襯結構參數與力學性能參數進行了SPSS分析，并建立了結構參數與力學性能參數的回歸關系。非粘合襯西裝配伍的模型是旨在通過面料參數求得各種襯料的參數性能，故要通過回歸分析建立面料結構參數主成分因子克重與各種襯料結構參數之間的回歸關系作為建模的數學方程。

圖3 馬尾襯結構參數

通過預測分析和方差分析表明，數據具有參考價值。由方差分析表明，Sig值比較小且接近于0，殘差較少表明數據雖然存在缺陷但是具有一定的擬合度。

表12 回歸分析系數表

表12表明，變量之間存在回歸關系，T值均大于2表明數據的準確性可以接受，Sig值也小于0.005。由此可以建立相關回歸方程，將面料克重表示為GRy，大身襯克重表示為GRx1，由此建立回歸方程如下：

GRy=262.527-4.446 GRx1

5.3 面料克重與馬尾襯厚克比之間的回歸關系

通過預測分析和方差分析表明數據具有可參考性，方差分析表明存在一個殘差，但Sig值表明數據相關性整體仍然具有規律性。

表13 回歸分析系數表

表13中，t和Sig值都表明回歸關系可靠準確，用GRy代表面料克重，馬尾襯厚克比表示為TH/GRx2。建立回歸關系如下：

GRy=215.486-7.942 TH/GRx2

6 結束語

本文建立了非粘合襯西裝面、襯料配伍模型，可為非粘合襯西裝工業生產中面、襯料的配伍提供一定的理論依據。

這一配伍模型可以預測與實驗面料相似結構參數的面料的配伍襯料，但配伍預測的準確性還要通過進一步的實驗研究判斷。

[1] 盧紋岱.SPSS統計分析(第四版)[M].北京：電子工業出版社,2010.

[2] 李士勇.工程模糊數學及應用[M].哈爾濱:哈爾濱工業大學出版社,2004.

[3] 吳祈宗,李有文.層次分析法中矩陣的判斷一致性研究[J].北京理工大學學報,1999,19(4):112—115.

[4] 李朝峰,楊中寶.SPSS主成分分析中的特征向量計算問題[J].統計教育,2007,(3):10—11.

The Establishment of the Compatibility Model between Fabric and Non-adhesive Lining of Men′s Suits

YangYang，YangZitian，DongShimeng

(Donghua University, Shanghai 200051, China)

Through the research of market and enterprise, the compatibility of materials of making men′s suits were analyzed. And the Regression relationship between the weight of fabric and the weight or the ratio of weight and thick of lining was research. The non-adhesive lining suits′ model of compatibility of fabrics and lining was established. The compatibility model for men′s suit fabrics and lining had a certain guiding role in the production of men′s suit.

non-adhesive lining; men′s suits; fabric and lining; model of compatibility

2015-04-03

楊 陽(1990—)，女，河南開封人，研究研究生。

TS 941

A

1009-3028(2015)04-0001-07