KR20210036513A

KR20210036513A - Customized clothing service provision system

Info

Publication number: KR20210036513A
Application number: KR1020190118531A
Authority: KR
Inventors: 조성민
Original assignee: (주)닐스
Priority date: 2019-09-26
Filing date: 2019-09-26
Publication date: 2021-04-05

Abstract

The present invention relates to a system for providing a customized clothing service which can provide a fitting solution optimized for a property of a customer regardless of the experience of a tailor through big data analysis. To this end, the system for providing a customized clothing service comprises: an order information receiving unit which receives order information including personal information on a customer, fitting information of the customer, and design information from a clothing ordering terminal; an order information storage unit which stores the order information in an order information database; a customized data generation unit which performs big data analysis on the order information stored in the order information database to generate learning fitting data, and determines a customized fitting pattern for the customer based on the learning fitting data; and a customized clothing request unit which generates an order for the customized fitting pattern, and transmits the order to a clothing manufacturing terminal.

Description

Customized clothing service provision system {CUSTOMIZED CLOTHING SERVICE PROVISION SYSTEM}

본 발명은 맞춤형 의류 서비스 제공 기술에 관한 것으로, 더욱 상세하게는 빅데이터 분석을 통해 테일러의 경험치에 상관없이 고객의 특성에 따른 최적화된 피팅 솔루션을 제공할 수 있는 맞춤형 의류 서비스 제공 시스템에 관한 것이다.The present invention relates to a customized clothing service providing technology, and more particularly, to a customized clothing service providing system capable of providing an optimized fitting solution according to the characteristics of a customer regardless of Taylor's experience value through big data analysis.

통상적으로, 현대인들이 착용하는 의류는 생산자가 디자인한 기성복을 구매하는 것이 일반화되어 있으며, 이러한 의류의 판매는 온/오프 라인의 매장을 통해 이루어지고 있다.In general, as for the clothes worn by modern people, it is common to purchase ready-made clothes designed by producers, and sales of such clothes are made through online/offline stores.

대다수의 온/오프 라인의 판매장은 생산자가 임의로 선택한 색상, 스타일 및 표준화된 사이즈로 디자인한 다수의 의류 상품을 진열하여 놓고 있으며, 소비자는 자신이 소망하는 색상 및 스타일 및 신체 사이즈에 맞는 의류를 선택하여 구매하고 있는 실정이다.Most of the online/offline stores display a number of clothing products designed in a color, style and standard size selected by the producer, and consumers select clothing that suits their desired color, style, and body size. It is a situation that is being purchased.

이러한 기성복은 소비자가 필요할 때 곧바로 구입해서 입을 수 있으며, 표준화되고 규격화된 사이즈로 정해져서 대량 생산이 가능하나, 사이즈가 표준화되어 있다고 하더라도 소비자 개개인의 모든 신체 사이즈에 맞지 않는다는 문제가 있다.These ready-to-wear clothes can be purchased and worn immediately when consumers need them, and they are set in standardized and standardized sizes so that mass production is possible, but even if the sizes are standardized, there is a problem that they do not fit all the body sizes of individual consumers.

이에 소비자의 신체에 맞춤화된 의류를 제작할 수 있는 맞춤형 의류 매장이 오프라인과 온라인 상에서 다양하게 구축되어 있다.Accordingly, a variety of customized clothing stores that can produce clothing tailored to the body of consumers have been established offline and online.

다만, 온라인을 통해 의류를 구입하는 경우, 소비자의 신체 사이즈를 기초로 의류를 선택하더라도 의류에 따른 피팅감을 예측할 수 없고, 온라인 상에 표시되어 있는 의류의 팔 길이, 옆선, 어깨길이, 품의 정도 및 깃의 형태 등을 정확하게 알 수 없어, 소비자가 구입 후 피팅을 하면 헐렁하거나 타이트하여 교환 내지 환불을 해야 하는 번거로움이 발생한다. However, in the case of purchasing clothing online, even if the clothing is selected based on the consumer's body size, the fit according to the clothing cannot be predicted, and the arm length, side line, shoulder length, width of the clothing displayed online, and Since the shape of the collar cannot be accurately known, if the consumer wears the fitting after purchase, it is loose or tight, and there is a hassle of having to exchange or refund.

또한, 소비자 자신의 신체 사이즈를 정확하게 파악하지 못하기 때문에 온라인 상에서 제공하는 사이즈 정보가 무용지물일 뿐이며, 자신의 신체 사이즈를 안다고 하더라도 이를 고려하여 의류를 구매하는 경우 소비자의 번거로움을 초래하고 시간이 오래 걸리는 불편함을 초래된다.Also, because the size information provided online is useless because the consumer's own body size cannot be accurately identified. Even if you know your own body size, if you purchase clothes taking this into account, it will cause inconvenience for the consumer and take a long time. It causes discomfort to get caught.

이러한 문제점을 해결하기 위해 사용자의 신체 사이즈를 입력하면 자동으로 맞춤형 의류를 제작하는 다양한 플랫폼이 개시되어 있다.In order to solve this problem, various platforms have been disclosed that automatically produce customized clothing when a user's body size is input.

일 예로, 한국등록특허 제10-1704639호는 사용자의 전신사진과 사용자의 신체정보를 이용하여 사용자의 실치수를 측정함에 따라 실치수에 대응되는 디자이너 의류를 사용자에게 제공함으로써, 사용자는 자신의 실치수를 측정하지 않은 상태에서 자신의 실치수에 대응되는 의류 정보에 관한 데이터를 제공받을 수 있고, 자신의 실치수에 맞는 의류에 대한 정보를 보다 정확하고 신속하게 제공받을 수 있는 의류 맞춤형 피팅 장치를 개시하고 있다. For example, Korean Patent Registration No. 10-1704639 provides a designer clothing corresponding to the actual size to the user by measuring the actual size of the user using the user's full body picture and the user's body information. A clothing tailored fitting device that allows you to receive data on clothing information corresponding to your actual size without measuring dimensions, and to receive information on clothing that fits your actual size more accurately and quickly. It is starting.

다만, 이와 같은 기술은 사용자의 맞춤형 의류 제작을 주문 할 때마다 신체 사이즈의 입력이 필요하고, 신체 사이즈를 정확히 입력하지 않으면 신체에 맞는 의류를 제작하는데 많은 어려움이 있는 실정이다.However, such a technology requires input of a body size every time a user orders custom clothing production, and if the body size is not correctly input, there is a lot of difficulty in producing clothing that fits the body.

한국등록특허 제10-1704639호Korean Patent Registration No. 10-1704639

따라서 본 발명은 상술한 문제점을 해결하기 위해 도출된 것으로서, 본 발명은 빅데이터 분석을 통해 테일러의 경험치에 상관없이 고객의 특성에 따른 최적화된 피팅 솔루션을 제공할 수 있는 맞춤형 의류 서비스 제공 시스템을 제공하는데 그 목적이 있다.Therefore, the present invention was derived to solve the above-described problems, and the present invention provides a customized clothing service providing system capable of providing an optimized fitting solution according to the characteristics of customers regardless of Taylor's experience value through big data analysis. It has its purpose.

또한, 본 발명은 누적된 분석 데이터의 누적량에 따라 빅데이터 분석을 위한 분석 범위를 보정하여 빅데이터 분석의 정확도를 향상시킬 수 있는 맞춤형 의류 서비스 제공 시스템을 제공하는데 다른 목적이 있다.In addition, another object of the present invention is to provide a customized clothing service providing system capable of improving the accuracy of big data analysis by correcting the analysis range for big data analysis according to the accumulated amount of the accumulated analysis data.

또한, 본 발명은 고객의 특성에 따른 분석 결과를 기초로 결정된 맞춤형 피팅 패턴을 제작할 수 있는 의류 제작 업체를 선별하여 맞춤형 의류의 제작에 대한 효율성을 향상시킬 수 있는 맞춤형 의류 서비스 제공 시스템을 제공하는데 또 다른 목적이 있다.In addition, the present invention provides a customized clothing service providing system that can improve the efficiency of manufacturing customized clothing by selecting clothing manufacturers that can produce customized fitting patterns determined based on analysis results according to customer characteristics. It has a different purpose.

본 발명의 다른 목적들은 이하에 서술되는 실시예를 통하여 더욱 명확해질 것이다.Other objects of the present invention will become more apparent through examples described below.

본 발명의 일 측면에 따른 맞춤형 의류 서비스 제공 시스템은 의류 주문 단말로부터 고객에 대한 개인 정보, 고객의 피팅 정보 및 디자인 정보를 포함하는 주문 정보를 수신하는 주문 정보 수신부; 상기 주문 정보를 주문 정보 데이터베이스에 저장하는 주문 정보 저장부; 상기 주문 정보 데이터베이스에 저장된 주문 정보에 대한 빅데이터 분석을 수행하여 학습 피팅 데이터를 생성하고, 상기 학습 피팅 데이터를 기초로 고객에 대한 맞춤형 피팅 패턴을 결정하는 맞춤 데이터 생성부; 및 상기 맞춤형 피팅 패턴에 대한 주문서를 생성하고, 상기 주문서를 의류 제작 단말로 전송하는 맞춤 의류 요청부를 포함한다.A customized clothing service providing system according to an aspect of the present invention includes an order information receiving unit for receiving order information including personal information, fitting information, and design information for a customer from a clothing ordering terminal; An order information storage unit for storing the order information in an order information database; A customized data generator configured to generate learning fitting data by performing big data analysis on order information stored in the order information database, and to determine a customized fitting pattern for a customer based on the learning fitting data; And a custom clothing request unit generating an order form for the custom fitting pattern and transmitting the order form to a clothing manufacturing terminal.

본 발명에 따른 맞춤형 의류 서비스 제공 시스템은 다음과 같은 실시예들을 하나 또는 그 이상 구비할 수 있다.The customized clothing service providing system according to the present invention may include one or more of the following embodiments.

예를 들면, 상기 주문 정보 수신부는 상기 의류 주문 단말로부터 상기 맞춤형 피팅 패턴을 기초로 제작된 의류에 대한 피드백을 수신하고,For example, the order information receiving unit receives feedback on the clothes produced based on the customized fitting pattern from the clothes ordering terminal,

상기 주문 정보 저장부는 기 설정된 피드백 분류 항목에 따라 상기 피드백을 분류하여 피드백 데이터베이스에 저장하고,The order information storage unit classifies the feedback according to a preset feedback classification item and stores it in a feedback database,

상기 맞춤 데이터 생성부는 상기 피드백 데이터베이스에 저장된 피드백 분류 항목별 데이터 누적량이 기준 누적량을 초과하면 해당 피드백 분류 항목과 연관된 데이터를 포함하여 빅데이터 분석을 재수행하고,When the accumulated amount of data for each feedback classification item stored in the feedback database exceeds a reference accumulation amount, the customized data generator re-performs big data analysis including data related to the corresponding feedback classification item,

상기 맞춤 데이터 생성부는 상기 주문 정보 데이터베이스에 저장된 주문 정보에 대한 데이터 누적량에 따라 전체 고객을 대상으로 한 빅데이터 분석을 수행할지, 해당 고객을 대상으로 한 빅데이터 분석을 수행할지 여부를 결정하고,The customized data generation unit determines whether to perform big data analysis for all customers or big data analysis for the customer according to the accumulated amount of data on the order information stored in the order information database,

상기 맞춤 데이터 생성부는 신체 사이즈, 연령, 성별, 인종, 직업, 종교, 및 거주 지역 중 적어도 어느 하나를 기초로 상기 주문 정보에 대한 빅데이터 분석을 수행하여 상기 학습 피팅 데이터를 추론하고,The customized data generation unit infers the learning fitting data by performing big data analysis on the order information based on at least one of body size, age, gender, race, occupation, religion, and residential area,

상기 맞춤 데이터 생성부는 상기 학습 피팅 데이터와 연관된 주문 정보의 데이터 누적량에 따라 상기 학습 피팅 데이터에 대한 학습 정확도를 산출하고, 상기 산출된 학습 정확도가 기준 학습 정확도 이하인 경우 상기 빅데이터 분석을 위한 상기 주문 정보의 분석 범위를 보정하여 상기 학습 피팅 데이터와 연관된 주문 정보의 데이터 누적량을 증가시키고,The customized data generation unit calculates learning accuracy for the learning fitting data according to the accumulated amount of data of order information associated with the learning fitting data, and when the calculated learning accuracy is less than or equal to the reference learning accuracy, the order information for analyzing the big data To increase the accumulated amount of data of order information related to the learning fitting data by correcting the analysis range of

상기 맞춤 데이터 생성부는 의류의 원단 종류, 색상, 재질, 모양에 대한 정보를 저장하는 의류 데이터베이스와 연계하여 상기 맞춤형 피팅 패턴을 결정하고,The customized data generation unit determines the customized fitting pattern in connection with a clothing database storing information on the fabric type, color, material, and shape of the clothing,

상기 맞춤 데이터 생성부는 고객별 피팅 정보를 기초로 가상의 피팅 모델을 생성하고, 상기 학습 피팅 데이터를 상기 피팅 모델에 시뮬레이션하여 상기 의류 주문 단말에 제공하고,The customized data generation unit generates a virtual fitting model based on customer-specific fitting information, simulates the learning fitting data on the fitting model, and provides it to the clothing ordering terminal,

상기 맞춤 데이터 생성부는 상기 의류 주문 단말로부터 상기 피팅 모델에 시뮬레이션된 상기 학습 피팅 데이터에 대한 주문 수락 여부를 수신하여, 수락하는 경우 해당 학습 피팅 데이터를 상기 맞춤형 피팅 패턴으로 결정하고, 수락하지 않는 경우 상기 의류 주문 단말로부터 예외 조건을 수신하여 상기 예외 조건을 적용한 상기 주문 정보에 대한 빅데이터 분석을 재수행하며,The customized data generation unit receives whether or not to accept the order for the training fitting data simulated in the fitting model from the clothing order terminal, and when accepting, determines the training fitting data as the customized fitting pattern, and if not, the Receiving an exception condition from a clothing ordering terminal and performing big data analysis on the order information applying the exception condition again,

상기 맞춤 의류 요청부는 상기 주문서를 복수의 의류 제작 단말로 전송하고, 상기 의류 제작 단말로부터 수신되는 의류 제작 완료 시간 및 의류 제작 단가를 기초로 하나의 의류 제작 단말을 결정할 수 있다.The customized clothing request unit may transmit the order form to a plurality of clothing manufacturing terminals, and may determine one clothing manufacturing terminal based on a clothing manufacturing completion time and a clothing manufacturing unit price received from the clothing manufacturing terminal.

본 발명에 따른 맞춤형 의류 서비스 제공 시스템은 다음과 같은 효과를 제공한다.The customized clothing service providing system according to the present invention provides the following effects.

본 발명은 빅데이터 분석을 통해 테일러의 경험치에 상관없이 고객의 특성에 따른 최적화된 피팅 솔루션을 제공할 수 있는 효과가 있다.The present invention has an effect of providing an optimized fitting solution according to customer characteristics regardless of Taylor's experience value through big data analysis.

본 발명은 누적된 분석 데이터의 누적량에 따라 빅데이터 분석을 위한 분석 범위를 보정하여 빅데이터 분석의 정확도를 향상시킬 수 있는 효과가 있다.The present invention has the effect of improving the accuracy of big data analysis by correcting the analysis range for big data analysis according to the accumulated amount of the accumulated analysis data.

본 발명은 고객의 특성에 따른 분석 결과를 기초로 결정된 맞춤형 피팅 패턴을 제작할 수 있는 의류 제작 업체를 선별하여 맞춤형 의류의 제작에 대한 효율성을 향상시킬 수 있는 효과가 있다.The present invention has an effect of improving the efficiency of manufacturing customized clothing by selecting a clothing manufacturer that can produce a customized fitting pattern determined based on an analysis result according to a customer's characteristics.

본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.The effects of the present invention are not limited to those mentioned above, and other effects not mentioned will be clearly understood by those skilled in the art from the following description.

도 1은 본 발명에 따른 맞춤형 의류 서비스 제공 시스템을 도시한 블록도이다.
도 2는 본 발명에 따른 맞춤형 의류 서비스 제공 시스템의 의류 서비스 제공 서버를 도시한 블록도이다.
도 3은 본 발명에 따른 맞춤형 의류 서비스 제공 시스템을 이용한 의류 서비스 제공 과정을 도시한 순서도이다.1 is a block diagram showing a customized clothing service providing system according to the present invention.
2 is a block diagram showing a clothing service providing server of the customized clothing service providing system according to the present invention.
3 is a flowchart illustrating a process of providing a clothing service using a customized clothing service providing system according to the present invention.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세한 설명에서 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.In the present invention, various transformations may be applied and various embodiments may be provided, and specific embodiments will be illustrated in the drawings and will be described in detail in the detailed description. However, this is not intended to limit the present invention to a specific embodiment, it should be understood to include all conversions, equivalents, and substitutes included in the spirit and scope of the present invention. In describing the present invention, when it is determined that a detailed description of a related known technology may obscure the subject matter of the present invention, a detailed description thereof will be omitted.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terms used in the present application are only used to describe specific embodiments, and are not intended to limit the present invention. Singular expressions include plural expressions unless the context clearly indicates otherwise. In the present application, terms such as "comprise" or "have" are intended to designate the presence of features, numbers, steps, actions, components, parts, or combinations thereof described in the specification, but one or more other features. It is to be understood that the presence or addition of elements or numbers, steps, actions, components, parts, or combinations thereof does not preclude in advance.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. Terms such as first and second may be used to describe various elements, but the elements should not be limited by the terms. The above terms are used only for the purpose of distinguishing one component from another component.

이하, 첨부한 도면들을 참조하여 본 발명에 따른 실시예들을 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어 도면 부호에 상관없이 동일하거나 대응하는 구성 요소는 동일한 참조번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.Hereinafter, embodiments according to the present invention will be described in detail with reference to the accompanying drawings. In the description with reference to the accompanying drawings, the same or corresponding components regardless of the reference numerals are given the same reference numerals, and duplicates thereof. Description will be omitted.

이하 본 발명의 바람직한 실시 예에 따른 맞춤형 의류 서비스 제공 시스템에 대하여 도 1 내지 도 3을 참조하여 상세히 설명한다.Hereinafter, a system for providing a customized clothing service according to an exemplary embodiment of the present invention will be described in detail with reference to FIGS. 1 to 3.

도 1은 본 발명에 따른 맞춤형 의류 서비스 제공 시스템을 도시한 블록도이다.1 is a block diagram showing a system for providing a customized clothing service according to the present invention.

도 1에 도시된 바와 같이, 본 발명에 따른 맞춤형 의류 서비스 제공 시스템은 의류 서비스 제공 서버(100), 의류 주문 단말(200) 및 의류 제작 단말(300)을 포함한다.As shown in FIG. 1, the customized clothing service providing system according to the present invention includes a clothing service providing server 100, a clothing ordering terminal 200, and a clothing manufacturing terminal 300.

의류 서비스 제공 서버(100)는 네트워크를 통해 의류 주문 단말(200) 및 의류 제작 단말(300)과 연결되고, 의류 주문 단말(200)에 설치되는 어플리케이션 또는 의류 주문 단말(200)에서 접속되는 온라인 홈페이지와 의류 제작 단말(300)에 설치되는 어플리케이션 또는 의류 제작 단말(300)에서 접속되는 온라인 홈페이지 각각에 대한 이벤트 처리, 데이터 송수신 관리, 및 데이터 저장 등을 수행한다.The clothing service providing server 100 is connected to the clothing ordering terminal 200 and the clothing production terminal 300 through a network, and an application installed in the clothing ordering terminal 200 or an online homepage accessed from the clothing ordering terminal 200 And it performs event processing, data transmission/reception management, data storage, and the like for each of the applications installed in the clothing manufacturing terminal 300 or the online homepage accessed from the clothing manufacturing terminal 300.

의류 서비스 제공 서버(100)는 고객에 대한 정보를 저장하는 고객 데이터베이스, 고객으로부터 수신한 피드백 정보를 저장하는 피드백 데이터베이스, 의류 제작 업체에 대한 정보를 저장하는 업체 데이터베이스, 의류에 대한 정보를 저장하는 의류 데이터베이스, 고객으로부터 요청된 주문 정보를 저장하는 주문 정보 데이터베이스를 포함할 수 있고, 각각의 데이터베이스는 상호 연계되어 저장 및 관리될 수 있다.The clothing service providing server 100 includes a customer database that stores information on customers, a feedback database that stores feedback information received from customers, a company database that stores information about clothing manufacturers, and clothing that stores information about clothing. It may include a database, an order information database for storing order information requested from a customer, and each database may be stored and managed in association with each other.

예를 들어, 고객 데이터베이스는 고객의 이름, 성별, 나이, 신체 사이즈, 연락처, 주소, 의류 주문 히스토리 등을 포함할 수 있고, 피드백 데이터베이스는 고객 식별자(예를 들면, 연락처), 피드백 분류 항목별로 분리된 피드백 내용 등을 포함할 수 있고, 업체 데이터베이스는 업체의 상호, 대표자, 연락처, 주소, 의류 제작 히스토리, 제작 가능한 의류 리스트 등을 포함할 수 있고, 의류 데이터베이스는 의류의 원단 종류, 색상, 재질, 모양 등을 포함할 수 있으며, 주문 정보 데이터베이스는 고객 데이터베이스에 저장되는 고객에 대한 정보, 오프라인 매장에서 측정된 고객의 신체 사이즈를 포함하는 피팅 정보, 고객의 요청에 따른 의류의 디자인 정보 등을 포함할 수 있다.For example, the customer database may include the customer's name, gender, age, body size, contact information, address, clothing order history, etc., and the feedback database is separated by customer identifier (e.g., contact) and feedback category. The company database may include the company's name, representative, contact information, address, clothing production history, and a list of available clothing, and the clothing database may include fabric types, colors, materials, and the like. The order information database may include information about the customer stored in the customer database, fitting information including the customer's body size measured at an offline store, and design information of clothing according to the customer's request. I can.

의류 서비스 제공 서버(100)는 의류 주문 단말(200)로부터 의류 제작을 위한 주문 정보를 수신하고, 기 저장된 주문 정보들을 기반으로 빅데이터 분석을 수행하여 수신한 주문 정보와 유사한 패턴을 가지는 맞춤형 피팅 패턴을 결정할 수 있다.The clothing service providing server 100 receives order information for clothing production from the clothing ordering terminal 200, performs big data analysis based on pre-stored order information, and has a customized fitting pattern having a pattern similar to the received order information. Can be determined.

의류 서비스 제공 서버(100)는 결정된 맞춤형 피팅 패턴을 기초로 의류 제작 업체를 결정하여 의류 제작 업체의 의류 제작 단말(300)에 맞춤형 피팅 패턴에 대한 주문서를 전송할 수 있다. The clothing service providing server 100 may determine a clothing manufacturing company based on the determined customized fitting pattern and transmit an order for a customized fitting pattern to the clothing manufacturing terminal 300 of the clothing manufacturing company.

의류 서비스 제공 서버(100)는 누적된 데이터베이스를 대상으로 빅데이터 분석을 수행하여 고객 특성별로 최적화된 피팅 패턴을 결정함으로써 오프라인 매장에서 고객의 신체 사이즈를 측정하는 테일러의 경험치, 즉 테일러가 숙련공인지 비숙련공인지에 상관없이 고객의 신체 사이즈에 맞는 맞춤형 피팅 정보를 도출할 수 있어, 의류 제작을 위한 주문 과정이 간소화되고, 보다 정밀한 피팅 정보를 도출할 수 있는 특징이 있다. The apparel service providing server 100 performs big data analysis on the accumulated database and determines a fitting pattern optimized for each customer's characteristics, thereby measuring the customer's body size in an offline store, that is, the ratio of whether Taylor is a skilled worker. Regardless of whether you are a skilled worker or not, you can derive customized fitting information that fits the customer's body size, simplifying the order process for clothing production, and derives more precise fitting information.

이하, 도 2에서 의류 서비스 제공 서버(100)에 대해 상세하게 설명한다.Hereinafter, the clothing service providing server 100 will be described in detail in FIG. 2.

의류 주문 단말(200)은 의류 주문을 요청하는 고객에 의해 휴대되는 장치로, 중앙처리장치, 메모리 장치 및 입출력 수단을 구비한 PC(Personal Computer), 스마트폰, PDA(Personal Digital Assistant), 태블릿 PC와 같은 컴퓨팅 장치에 해당할 수 있다. 예를 들어, 의류 주문 단말(200)은 오프라인 매장의 매장주로서 재단사(테일러)에 의해 소유되거나, 맞춤형 의류를 입고자 하는 소비자에 의해 소유될 수 있다.The clothing ordering terminal 200 is a device carried by a customer who requests a clothing order, and includes a central processing unit, a memory device, and a personal computer (PC), a smartphone, a personal digital assistant (PDA), and a tablet PC. It may correspond to a computing device such as. For example, the clothing ordering terminal 200 may be owned by a tailor (tailor) as a store owner of an offline store, or may be owned by a consumer who wants to wear customized clothing.

의류 주문 단말(200)은 네트워크를 통해 의류 서비스 제공 서버(100)에서 관리되는 어플리케이션이 설치되거나 또는 온라인 홈페이지에 접속할 수 있고, 의류 서비스 제공 서버(100)에 맞춤형 의류의 제작을 위한 의뢰를 요청할 수 있다. 의류 주문 단말(200)은 맞춤형 의류 제작 의뢰, 맞춤형 의류에 대한 피드백, 의류 제작에 대한 결제, 의류 제작 업체 선택 등을 수행할 수 있다.The clothing ordering terminal 200 may install an application managed by the clothing service providing server 100 through a network or access an online homepage, and request a request for the production of customized clothing from the clothing service providing server 100 have. The clothing ordering terminal 200 may perform a customized clothing production request, feedback on customized clothing, payment for clothing production, selection of a clothing manufacturer, and the like.

일 실시예에서, 의류 주문 단말(200)은 어플리케이션 또는 온라인 홈페이지를 통해 고객에 대한 인증을 수행한 후 인증 여부에 따라 의류 제작과 관련된 서비스를 요청할 수 있다.In one embodiment, the clothing ordering terminal 200 may request a service related to clothing production according to whether the customer is authenticated after performing authentication for a customer through an application or an online homepage.

의류 제작 단말(300)은 주문된 의류를 제작하는 업체에서 휴대되는 장치로, 중앙처리장치, 메모리 장치 및 입출력 수단을 구비한 PC(Personal Computer), 스마트폰, PDA(Personal Digital Assistant), 태블릿 PC와 같은 컴퓨팅 장치에 해당할 수 있다.The clothing manufacturing terminal 300 is a device carried by a company that manufactures ordered clothing, and includes a central processing unit, a memory device, and a personal computer (PC), a smartphone, a personal digital assistant (PDA), and a tablet PC. It may correspond to a computing device such as.

의류 제작 단말(300)은 네트워크를 통해 의류 서비스 제공 서버(100)에서 관리되는 어플리케이션이 설치되거나 또는 온라인 홈페이지에 접속할 수 있고, 의류 서비스 제공 서버(100)로부터 맞춤형 의류의 제작을 요청받을 수 있다. 의류 제작 단말(300)은 맞춤형 의류의 제작 요청 수신, 의류 제작에 대한 결제 등을 수행할 수 있다.The clothing manufacturing terminal 300 may install an application managed by the clothing service providing server 100 through a network or access an online homepage, and may receive a request to produce customized clothing from the clothing service providing server 100. The clothing manufacturing terminal 300 may receive a request for manufacturing customized clothing, pay for clothing manufacturing, and the like.

일 실시예에서, 의류 제작 단말(300)은 어플리케이션 또는 온라인 홈페이지를 통해 업체에 대한 인증을 수행한 후 인증 여부에 따라 의류 제작과 관련된 서비스를 요청받을 수 있다.In one embodiment, the clothing manufacturing terminal 300 may receive a request for a service related to clothing manufacturing according to whether the authentication is performed after performing authentication for a company through an application or an online homepage.

도 2는 본 발명에 따른 맞춤형 의류 서비스 제공 시스템의 의류 서비스 제공 서버를 도시한 블록도이다.2 is a block diagram showing a clothing service providing server of the customized clothing service providing system according to the present invention.

도 2에 도시된 바와 같이, 본 발명에 따른 맞춤형 의류 서비스 제공 서버(100)는 주문 정보 수신부(110), 주문 정보 저장부(120), 맞춤 데이터 생성부(130), 맞춤 의류 요청부(140), 및 제어부(150)를 포함한다.As shown in FIG. 2, the customized clothing service providing server 100 according to the present invention includes an order information receiving unit 110, an order information storage unit 120, a customized data generating unit 130, and a customized clothing requesting unit 140. ), and a control unit 150.

주문 정보 수신부(110)는 의류 주문 단말(200)로부터 고객에 대한 개인 정보, 고객의 피팅 정보 및 디자인 정보를 포함하는 주문 정보를 수신할 수 있다. 주문 정보 수신부(110)는 주문 정보를 수신하기 전에 고객에 대한 인증 절차를 수행할 수 있다.The order information receiving unit 110 may receive order information including personal information about a customer, fitting information of the customer, and design information from the clothing ordering terminal 200. The order information receiving unit 110 may perform an authentication procedure for a customer before receiving order information.

고객에 대한 개인 정보는 고객의 이름, 성별, 나이, 신체 사이즈, 연락처, 주소, 의류 주문 히스토리, 매장명, 매장 연락처, 매장 주소, 매장에서의 의류 주문 히스토리 등을 포함하고, 고객의 피팅 정보는 오프라인 매장에 구비된 체킹 슈트 중 재단사의 직감에 따라 고객의 신체 사이즈에 맞을 것 같다고 선택된 특정 체킹 슈트에 대한 정보, 오프라인 매장에서 측정된 고객의 신체 사이즈에 대한 치수 등을 포함하고, 디자인 정보는 의류의 원단 종류, 색상, 재질, 모양 등을 포함할 수 있다.Personal information about customers includes the customer's name, gender, age, body size, contact information, address, clothing order history, store name, store contact information, store address, and clothing order history at the store, and the customer's fitting information is Among the checking suits provided in offline stores, information on specific checking suits selected as likely to fit the customer's body size according to the tailor's intuition, dimensions of the customer's body size measured in offline stores, etc. are included, and the design information is clothing. The fabric type, color, material, shape, etc. may be included.

일 실시예에서, 주문 정보 수신부(110)는 주문 정보의 수신되는 날짜에 따라 순차적으로 주문 정보를 정렬하되, 의류 제작 완료 시간이 짧은 순서로 주문 정보를 재정렬하여 우선순위가 높은 주문 정보 순으로 의류 서비스가 제공되도록 할 수 있다.In one embodiment, the order information receiving unit 110 sorts order information sequentially according to the date the order information is received, but rearranges the order information in the order of the shortest time to complete the production of clothing, so that the order information has a higher priority. Service can be made available.

한편, 본 발명에 따른 맞춤형 의류 서비스 제공 시스템은 오프라인 매장에 방문하는 고객을 대상으로 맞춤형 의류 제작을 제공할 수 있으며, 오프라인 매장의 재단사에 의해 고객의 신체 사이즈를 1차 측정하고, 미리 만들어진 체킹 슈트 중 1차 측정된 고객의 신체 사이즈에 맞는 체킹 슈트를 고객이 착용한 후 고객의 피팅 정보를 2차 측정하여 의류 서비스 제공 서버(100)에 피팅 정보를 입력함에 따라, 빅데이터 분석을 통해 결정된 고객 맞춤형 피팅 패턴을 제작할 수 있다. 여기에서 피팅 정보는 주문 정보 수신부(110)에 입력되는 주문 정보에 포함될 수 있다.On the other hand, the customized clothing service providing system according to the present invention can provide customized clothing production for customers who visit an offline store, and the customer's body size is first measured by a tailor of an offline store, and a pre-made checking suit Customers determined through big data analysis by inputting fitting information to the clothing service providing server 100 by second measuring the customer's fitting information after the customer wears a checking suit that fits the customer's body size, which was measured first. Custom fitting patterns can be produced. Here, the fitting information may be included in order information input to the order information receiving unit 110.

주문 정보 저장부(120)는 수신된 주문 정보를 주문 정보 데이터베이스에 저장할 수 있다. 주문 정보 데이터베이스는 위에서 상술한 바와 같이 고객 데이터베이스에 저장되는 고객에 대한 정보, 오프라인 매장에서 측정된 고객의 신체 사이즈를 포함하는 피팅 정보, 고객의 요청에 따른 의류의 디자인 정보 등을 포함할 수 있다.The order information storage unit 120 may store the received order information in an order information database. As described above, the order information database may include customer information stored in the customer database, fitting information including a customer's body size measured in an offline store, and clothing design information according to a customer's request.

일 실시예에서, 주문 정보 저장부(120)는 의류 주문을 요청하는 다른 서버(온라인 쇼핑몰 등)와 연계하여 다른 서버로부터 고객의 주문 정보를 수신하고, 수신되는 주문 정보를 주문 정보 데이터베이스에 누적하여 보다 정밀한 빅데이터 분석을 수행하도록 할 수 있다.In one embodiment, the order information storage unit 120 receives order information of a customer from another server in connection with another server (online shopping mall, etc.) requesting a clothing order, and accumulates the received order information in the order information database. You can perform more precise big data analysis.

주문 정보 저장부(120)는 의류 주문 단말(200)로부터 맞춤형 피팅 패턴을 기초로 제작된 맞춤형 의류에 대한 피드백을 수신할 수 있다. 피드백은 빅데이터 분석을 통해 결정된 맞춤형 피팅 패턴임에도 불구하고 고객에 맞지 않는 의류가 제작된 경우 발생할 수 있으며, 예를 들면, 치수가 맞지 않다는 피드백, 디자인이 맞지 않다는 피드백, 핏이 어울리지 않는다는 피드백 등에 해당할 수 있다.The order information storage unit 120 may receive feedback on the customized clothing manufactured based on the customized fitting pattern from the clothing ordering terminal 200. Feedback can occur when clothing that does not fit the customer is manufactured despite the customized fitting pattern determined through big data analysis.For example, feedback that the dimensions do not fit, feedback that the design does not fit, feedback that the fit is not suitable, etc. can do.

주문 정보 저장부(120)는 기 설정된 피드백 분류 항목에 따라 의류 주문 단말(200)로부터 수신한 피드백을 분류하여 피드백 데이터베이스에 저장할 수 있다. 피드백 분류 항목은 치수, 디자인, 핏감 등으로 이루어질 수 있다.The order information storage unit 120 may classify the feedback received from the clothing ordering terminal 200 according to a preset feedback classification item and store it in a feedback database. The feedback category can be made up of dimensions, design, and fit.

맞춤 데이터 생성부(130)는 주문 정보 데이터베이스에 저장 및 누적된 주문 정보에 대한 빅데이터 분석을 수행하여 학습 피팅 데이터를 생성할 수 있다. 빅데이터 분석이란 소셜 빅데이터, 실시간 사물지능통신(M2M：Machine to Machine) 센서 데이터, 기업 고객관계 데이터 등 도처에 존재하는 다양한 성격의 빅데이터를 효과적으로 분석하는 것을 말한다. 빅데이터 분석은 많은 양의 데이터 속에서 여러 기준으로 분류된 패턴을 발견하게 하고, 판단 기준을 정해주지 않아도 컴퓨터가 스스로 데이터들을 인지, 추론, 판단할 수 있는 것을 의미할 수 있다.The customized data generation unit 130 may generate learning fitting data by performing big data analysis on order information stored and accumulated in the order information database. Big data analysis refers to effectively analyzing various types of big data that exist everywhere, such as social big data, real-time machine to machine (M2M) sensor data, and corporate customer relationship data. Big data analysis can mean that a computer can recognize, infer, and judge data by itself without setting criteria for finding patterns classified by various criteria in a large amount of data.

학습 피팅 데이터는 빅데이터 분석을 통해 그룹별로 분석되는 데이터로, 일 실시예에서, 맞춤 데이터 생성부(130)는 신체 사이즈, 연령, 성별, 인종(피부 색), 직업, 종교 및 거주 지역 중 적어도 어느 하나를 기초로 주문 정보에 대한 빅데이터 분석을 수행하여 학습 피팅 데이터를 추론할 수 있다.The learning fitting data is data analyzed for each group through big data analysis, and in one embodiment, the customized data generation unit 130 includes at least one of body size, age, gender, race (skin color), occupation, religion, and residential area. Learning fitting data may be inferred by performing big data analysis on order information based on any one.

맞춤 데이터 생성부(130)는 주문 정보 데이터베이스에 저장된 주문 정보에 대한 데이터 누적량에 따라 전체 고객을 대상으로 한 빅데이터 분석을 수행할지, 해당 고객을 대상으로 한 빅데이터 분석을 수행할지 여부를 결정할 수 있다. 예를 들어, 맞춤 데이터 생성부(130)는 해당 고객으로부터 수신한 주문 정보의 데이터 누적량이 빅데이터 분석을 수행하기에 부족한 경우 전체 고객을 대상으로 한 빅데이터 분석을 수행할 수 있다. 이에 따라 고객의 특성별로 다양한 디자인의 학습 피팅 데이터를 생성할 수 있다.The customized data generation unit 130 may determine whether to perform big data analysis for all customers or big data analysis for the customer according to the accumulated amount of data on the order information stored in the order information database. have. For example, the customized data generation unit 130 may perform big data analysis for all customers when the accumulated amount of data of order information received from a corresponding customer is insufficient to perform big data analysis. Accordingly, it is possible to generate learning fitting data of various designs for each customer's characteristics.

맞춤 데이터 생성부(130)는 전체 고객을 대상으로 한 빅데이터 분석을 수행하는 경우 다양한 주문 정보에 대하여 빅데이터 분석을 수행할 수 있기 때문에 복수의 학습 피팅 데이터를 생성하고, 복수의 학습 피팅 데이터 중 고객에 의해 선택된 학습 피팅 데이터를 기초로 고객에 대한 맞춤형 피팅 패턴을 결정할 수 있다.When performing big data analysis for all customers, the customized data generation unit 130 generates a plurality of training fitting data and generates a plurality of training fitting data because it can perform big data analysis on various order information. Based on the training fitting data selected by the customer, it is possible to determine a customized fitting pattern for the customer.

맞춤 데이터 생성부(130)는 해당 고객을 대상으로 한 빅데이터 분석을 수행하는 경우 고객의 특성에 보다 최적화된 주문 정보에 대하여 빅데이터 분석을 수행할 수 있기 때문에 적어도 하나의 학습 피팅 데이터를 생성하고, 적어도 하나의 학습 피팅 데이터 중 고객에 의해 선택된 학습 피팅 데이터를 기초로 고객에 대한 맞춤형 피팅 패턴을 결정할 수 있다.When performing big data analysis for a corresponding customer, the customized data generation unit 130 generates at least one learning fitting data because it can perform big data analysis on order information that is more optimized for the characteristics of the customer. , A customized fitting pattern for the customer may be determined based on the learning fitting data selected by the customer among the at least one learning fitting data.

일 실시예에서, 맞춤 데이터 생성부(130)는 학습 피팅 데이터와 연관된 주문 정보의 데이터 누적량에 따라 학습 피팅 데이터에 대한 학습 정확도를 산출할 수 있다. 학습 정확도는 주문 정보 데이터베이스에 누적된 주문 정보의 데이터 누적량이 클수록 높아지고, 주문 정보 데이터베이스에 누적된 주문 정보의 데이터 누적량이 적을수록 낮아질 수 있다. In an embodiment, the customized data generation unit 130 may calculate a learning accuracy for the learning fitting data according to an accumulation amount of data of order information related to the learning fitting data. The learning accuracy may increase as the data accumulation amount of order information accumulated in the order information database increases, and may decrease as the data accumulation amount of order information accumulated in the order information database decreases.

맞춤 데이터 생성부(130)는 산출된 학습 정확도가 기준 학습 정확도 이하인 경우 빅데이터 분석을 위한 주문 정보의 분석 범위를 보정하여 학습 피팅 데이터와 연관된 주문 정보의 데이터 누적량을 증가시킬 수 있다. 예를 들어, 학습 정확도는 0보다 크고 1보다 작은 유리수로 구현되고, 기준 학습 정확도는 0.7로 설정될 수 있다.When the calculated learning accuracy is less than the reference learning accuracy, the customized data generation unit 130 may increase an accumulated amount of data of order information related to the learning fitting data by correcting an analysis range of order information for big data analysis. For example, the learning accuracy may be implemented with a rational number greater than 0 and less than 1, and the reference learning accuracy may be set to 0.7.

맞춤 데이터 생성부(130)는 산출된 학습 정확도가 기준 학습 정확도인 0.7보다 낮은 경우 빅데이터 분석을 통해 학습 피팅 데이터를 생성하기에 정확성이 떨어지는 것으로 판단할 수 있다. 이에 따라 맞춤 데이터 생성부(130)는 학습 피팅 데이터와 연관된 주문 정보의 분석 범위를 확장하여 학습 피팅 데이터와 연관된 주문 정보의 데이터 누적량을 보정할 수 있다. 예를 들어, 맞춤 데이터 생성부(130)는 주문 정보 데이터베이스에서 키 180cm, 몸무게 70kg인 주문 정보에 대하여 빅데이터 분석을 수행하려고 할 때 해당 주문 정보의 데이터 누적량에 따른 학습 정확도가 0.7 미만인 경우, 주문 정보 데이터베이스에서 키 179~181cm, 몸무게 69~71kg인 주문 정보로 확장하여 학습 피팅 데이터와 연관된 주문 정보의 데이터 누적량을 증가시키고 학습 정확도를 증가시킬 수 있다.When the calculated learning accuracy is lower than the reference learning accuracy of 0.7, the customized data generation unit 130 may determine that the accuracy is inferior to generate learning fitting data through big data analysis. Accordingly, the customized data generation unit 130 may correct the accumulated amount of data of the order information related to the learning fitting data by expanding the analysis range of the order information related to the learning fitting data. For example, when the custom data generation unit 130 attempts to perform big data analysis on order information of 180 cm tall and 70 kg in weight in the order information database, if the learning accuracy according to the accumulated data of the order information is less than 0.7, the order By expanding the information database to order information of height 179 to 181 cm and weight of 69 to 71 kg, it is possible to increase the data accumulation amount of order information related to the learning fitting data and increase the learning accuracy.

맞춤 데이터 생성부(130)는 빅데이터 분석을 통해 생성된 학습 피팅 데이터를 기초로 고객에 대한 맞춤형 피팅 패턴을 결정할 수 있다. 여기에서 학습 피팅 데이터는 적어도 하나 이상으로 이루어질 수 있고, 맞춤형 피팅 패턴은 하나로 이루어 질 수 있다. 맞춤형 피팅 패턴은 의류 제작 요청을 위한 의류의 사이즈, 원단 관련 디자인 정보 등을 모두 포함할 수 있다.The customized data generation unit 130 may determine a customized fitting pattern for a customer based on learning fitting data generated through big data analysis. Here, the learning fitting data may be composed of at least one or more, and the customized fitting pattern may be composed of one. The customized fitting pattern may include all of the size of clothing for requesting clothing production, design information related to fabric, and the like.

일 실시예에서, 맞춤 데이터 생성부(130)는 고객별 피팅 정보를 기초로 가상의 피팅 모델을 생성하고, 학습 피팅 데이터를 피팅 모델에 시뮬레이션하여 의류 주문 단말(200)에 제공할 수 있다. 피팅 모델은 고객의 피팅 정보, 즉 신체 사이즈를 기초로 생성된 가상의 아바타 또는 미니어처에 해당하는 것으로, 학습 피팅 데이터에 따라 제작된 의류를 고객에게 시각적으로 미리 제공하기 위해 사용될 수 있다. 맞춤 데이터 생성부(130)는 피팅 모델을 생성함에 따라 다양한 디자인의 의류를 고객이 직접 보고 선택할 수 있도록 하여 보다 맞춤화된 맞춤형 피팅 패턴을 결정할 수 있는 특징이 있다.In an embodiment, the customized data generation unit 130 may generate a virtual fitting model based on customer-specific fitting information, simulate the training fitting data on the fitting model, and provide it to the clothing ordering terminal 200. The fitting model corresponds to a virtual avatar or miniature created based on the customer's fitting information, that is, a body size, and may be used to visually provide a clothing manufactured according to the learning fitting data to the customer in advance. The customized data generation unit 130 has a characteristic of determining a more customized customized fitting pattern by allowing a customer to directly view and select clothes of various designs as the fitting model is generated.

맞춤 데이터 생성부(130)는 의류 주문 단말(200)로부터 피팅 모델에 시뮬레이션된 학습 피팅 데이터에 대한 주문 수락 여부를 수신하고, 수락 여부에 따라 빅데이터 분석에 대한 재수행 여부를 결정할 수 있다. 맞춤 데이터 생성부(130)는 의류 주문 단말(200)에서 해당 학습 피팅 데이터에 대한 주문을 수락하는 경우 해당 학습 피팅 데이터를 맞춤형 피팅 패턴으로 결정하고, 수락하지 않는 경우 의류 주문 단말(200)로부터 예외 조건을 수신하여 예외 조건을 적용한 주문 정보에 대한 빅데이터 분석을 재수행할 수 있다. 예외 조건은 피팅 모델에 시뮬레이션된 학습 피팅 데이터에서 고객의 마음에 들지 않는 부분으로, 예를 들면 나팔 바지 제외, 스키니 바지 제외 등으로 이루어질 수 있다.The customized data generation unit 130 may receive from the clothing order terminal 200 whether or not to accept the order for the training fitting data simulated in the fitting model, and determine whether to re-perform the big data analysis according to the acceptance. The customized data generation unit 130 determines the learning fitting data as a customized fitting pattern when the apparel order terminal 200 accepts an order for the training fitting data, and when not accepting it, an exception from the apparel order terminal 200 By receiving the condition, you can re-perform big data analysis on the order information applying the exception condition. The exception condition is a part that the customer does not like in the training fitting data simulated in the fitting model, and may be, for example, excluding trumpet pants and excluding skinny pants.

맞춤 데이터 생성부(130)는 의류의 원단 종류, 색상, 재질, 모양에 대한 정보를 저장하는 의류 데이터베이스와 연계하여 맞춤형 피팅 패턴을 결정할 수 있다. 의류 데이터베이스는 의류 제작 업체 또는 원단 판매 업체에 의해 업데이트 및 관리될 수 있다. The customized data generation unit 130 may determine a customized fitting pattern in connection with a clothing database that stores information on the fabric type, color, material, and shape of the clothing. The clothing database may be updated and managed by a clothing manufacturer or a fabric seller.

맞춤 데이터 생성부(130)는 피드백 데이터베이스에 저장된 피드백 분류 항목별 데이터 누적량이 기준 누적량을 초과하면 해당 피드백 분류 항목과 연관된 데이터를 포함하여 빅데이터 분석을 재수행할 수 있다. 기준 누적량은 의류 서비스 제공 서버(100)의 관리자에 의해 미리 설정될 수 있으며, 100건, 300건, 1000건 등 피드백 분류 항목에 따라 상이하게 결정될 수 있다.When the accumulated amount of data for each feedback classification item stored in the feedback database exceeds the reference accumulation amount, the customized data generation unit 130 may re-perform big data analysis including data related to the corresponding feedback classification item. The reference cumulative amount may be set in advance by the administrator of the clothing service providing server 100, and may be determined differently according to feedback classification items such as 100, 300, and 1000 cases.

즉, 맞춤 데이터 생성부(130)는 의류 주문 단말(200)을 통해 다수의 고객으로부터 유사한 피드백을 수신하면, 빅데이터 분석이 잘못 수행된 것으로 판단하고, 해당 피드백을 포함한 주문 정보에 대하여 빅데이터 분석을 재수행하여 학습 피팅 데이터를 재생성할 수 있다.That is, when the customized data generation unit 130 receives similar feedback from multiple customers through the clothing ordering terminal 200, it determines that the big data analysis has been performed incorrectly, and analyzes big data on the order information including the corresponding feedback. The training fitting data can be regenerated by re-performing.

예를 들어, 맞춤 데이터 생성부(130)는 피드백 데이터베이스에 저장된 피드백 분류 항목 중 치수 관련 데이터 누적량이 기준 누적량을 초과하면 치수 피드백 분류 항목과 연관된 데이터를 포함하여 빅데이터 분석을 재수행할 수 있다.For example, if the accumulated amount of dimension-related data among the feedback classification items stored in the feedback database exceeds the reference accumulation amount, the customized data generation unit 130 may re-perform big data analysis including data related to the dimension feedback classification item.

이에 따라 맞춤형 데이터 생성부(130)는 의류를 제작하기 전 의류 주문 단말(200)로부터 수신되는 주문 정보뿐만 아니라 의류를 제작한 후 의류 주문 단말(200)로부터 수신되는 피드백 정보를 통합한 빅데이터 분석을 수행함으로써 보다 정확하고 체계적인 분석 결과를 도출할 수 있는 효과가 있다.Accordingly, the customized data generation unit 130 analyzes big data by integrating not only the order information received from the clothing ordering terminal 200 but also the feedback information received from the clothing ordering terminal 200 after manufacturing the clothing. There is an effect that can derive more accurate and systematic analysis results by performing.

맞춤 의류 요청부(140)는 맞춤형 피팅 패턴이 결정되면 맞춤형 피팅 패턴에 대한 주문서를 생성하고, 주문서를 의류 제작 단말(300)로 전송할 수 있다. 주문서는 맞춤형 피팅 패턴에 대한 상세 정보로 의류의 제작 사이즈와 의류 제작 완료 시간, 의류 제작 단가를 포함할 수 있다.When the customized fitting pattern is determined, the custom clothing request unit 140 may generate an order form for the custom fitting pattern and transmit the order form to the clothing production terminal 300. The order form is detailed information on the customized fitting pattern, and may include the size of the garment, the time to complete the garment manufacture, and the cost of the garment manufacture.

일 실시예에서, 맞춤 의류 요청부(140)는 주문서를 복수의 의류 제작 단말(300)로 전송하고, 의류 제작 단말(300)로부터 수신되는 의류 제작 완료 시간 및 의류 제작 단가를 기초로 하나의 의류 제작 단말(300)을 결정할 수 있다. 맞춤 의류 요청부(140)는 입찰 기준으로 의류 제작 단말(300)을 결정하는 것으로, 의류 제작 완료 시간이 짧을수록, 의류 제작 단가가 낮을수록 해당 의류 제작 단말(300)을 의류 제작 업체로서 결정할 수 있다.In one embodiment, the customized clothing request unit 140 transmits an order form to a plurality of clothing manufacturing terminals 300, and based on the clothing manufacturing completion time and clothing manufacturing unit price received from the clothing manufacturing terminal 300 The production terminal 300 can be determined. The customized clothing request unit 140 determines the clothing manufacturing terminal 300 on the basis of the bidding, and the shorter the clothing manufacturing completion time is and the lower the clothing manufacturing unit price is, the lower the clothing manufacturing unit 300 can be determined as a clothing manufacturing company. have.

제어부(150)는 의류 서비스 제공 서버(100)의 전체적인 흐름을 제어하고, 주문 정보 수신부(110), 주문 정보 저장부(120), 맞춤 데이터 생성부(130), 및 맞춤 의류 요청부(140) 간의 데이터 흐름 및 동작을 제어할 수 있다.The control unit 150 controls the overall flow of the clothing service providing server 100, and the order information receiving unit 110, the order information storage unit 120, the customized data generation unit 130, and the customized clothing request unit 140 You can control the data flow and operation between them.

도 3은 본 발명에 따른 맞춤형 의류 서비스 제공 시스템을 이용한 의류 서비스 제공 과정을 도시한 순서도이다.3 is a flowchart illustrating a process of providing a clothing service using a customized clothing service providing system according to the present invention.

도 3에 도시된 바와 같이, 본 발명에 따른 맞춤형 의류 서비스 제공 시스템을 이용한 맞춤형 의류 서비스 제공 과정을 살펴보면, 의류 서비스 제공 서버(100)는 의류 주문 단말(200)로부터 의류의 제작을 위한 주문 정보를 수신한다(단계 S310). 주문 정보는 고객에 대한 개인 정보, 고객의 피팅 정보 및 디자인 정보를 포함할 수 있다.As shown in FIG. 3, looking at the process of providing a customized clothing service using the customized clothing service providing system according to the present invention, the clothing service providing server 100 receives order information for manufacturing clothing from the clothing ordering terminal 200. It is received (step S310). The order information may include personal information about the customer, fitting information of the customer, and design information.

의류 서비스 제공 서버(100)는 수신한 주문 정보를 주문 정보 데이터베이스에 저장한다(단계 S320).The clothing service providing server 100 stores the received order information in the order information database (step S320).

의류 서비스 제공 서버(100)는 주문 정보 데이터베이스에 현재 저장한 주문 정보와 현재까지 누적된 주문 정보에 대한 빅데이터 분석을 수행하여 학습 피팅 데이터를 생성한다(단계 S330).The clothing service providing server 100 generates learning fitting data by performing big data analysis on the order information currently stored in the order information database and the order information accumulated so far (step S330).

이때 의류 서비스 제공 서버(100)는 피드백 데이터베이스에 저장된 피드백 분류 항목별 데이터 누적량이 기준 누적량을 초과하면 해당 피드백 분류 항목과 연관된 데이터를 포함하여 빅데이터 분석을 수행할 수 있다.In this case, when the accumulated amount of data for each feedback classification item stored in the feedback database exceeds the reference accumulation amount, the clothing service providing server 100 may perform big data analysis including data related to the corresponding feedback classification item.

의류 서비스 제공 서버(100)는 복수의 학습 피팅 데이터 중 고객의 특성에 대응하는 맞춤형 피팅 패턴을 선별 및 결정한다(단계 S340).The clothing service providing server 100 selects and determines a customized fitting pattern corresponding to the customer's characteristic among a plurality of learning fitting data (step S340).

의류 서비스 제공 서버(100)는 의류 주문 단말(200)에 맞춤형 피팅 패턴을 제공하고, 의류 주문 단말(200)로부터 맞춤형 피팅 패턴에 대한 수락 여부를 수신한다(단계 S350).The clothing service providing server 100 provides a customized fitting pattern to the clothing ordering terminal 200, and receives whether or not to accept the customized fitting pattern from the clothing ordering terminal 200 (step S350).

의류 서비스 제공 서버(100)는 의류 주문 단말(200)로부터 맞춤형 피팅 패턴에 대해 수락을 수신하면 맞춤형 피팅 패턴에 대한 주문서를 생성하고(단계 S360), 의류 주문 단말(200)로부터 맞춤형 피팅 패턴에 대해 거절을 수신하면 학습 피팅 데이터와 연관된 주문 정보의 분석 범위를 보정하여 주문 정보에 대한 빅데이터 분석을 재수행한다.When receiving the acceptance of the customized fitting pattern from the clothing ordering terminal 200, the clothing service providing server 100 generates an order for the customized fitting pattern (step S360), and the customized fitting pattern from the clothing ordering terminal 200 Upon receipt of the rejection, the analysis range of the order information related to the learning fitting data is corrected to perform big data analysis on the order information again.

의류 서비스 제공 서버(100)는 맞춤형 피팅 패턴에 대한 주문서를 의류 제작 단말(300)에 전송한다(단계 S370). 이때 의류 서비스 제공 서버(100)는 복수의 의류 제작 단말(300) 중 맞춤형 피팅 패턴을 제작할 수 있는 의류 제작 업체와 연관된 의류 제작 단말(300)을 선택할 수 있다.The clothing service providing server 100 transmits an order form for a customized fitting pattern to the clothing manufacturing terminal 300 (step S370). In this case, the clothing service providing server 100 may select a clothing manufacturing terminal 300 associated with a clothing manufacturing company capable of manufacturing a customized fitting pattern from among the plurality of clothing manufacturing terminals 300.

상기에서는 본 발명의 일 실시예를 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.Although the above has been described with reference to an embodiment of the present invention, those of ordinary skill in the relevant technical field can use the present invention in various ways within the scope not departing from the spirit and scope of the present invention described in the following claims. It will be appreciated that it can be modified and changed.

100: 의류 서비스 제공 서버
200: 의류 주문 단말
300: 의류 제작 단말
110: 주문 정보 수신부
120: 주문 정보 저장부
130: 맞춤 데이터 생성부
140: 맞춤 의류 요청부
150: 제어부100: clothing service providing server
200: clothing order terminal
300: clothing production terminal
110: order information receiving unit
120: order information storage unit
130: custom data generation unit
140: custom clothing request unit
150: control unit

Claims

An order information receiving unit for receiving order information including personal information on the customer, fitting information and design information on the customer from the clothing ordering terminal;
An order information storage unit for storing the order information in an order information database;
A customized data generator configured to generate learning fitting data by performing big data analysis on order information stored in the order information database, and to determine a customized fitting pattern for a customer based on the learning fitting data; And
Comprising a custom clothing request unit for generating an order form for the customized fitting pattern and transmitting the order form to a clothing manufacturing terminal
Customized clothing service delivery system.

The method of claim 1,
The order information receiver
Receiving feedback on clothes produced based on the customized fitting pattern from the clothes ordering terminal
Customized clothing service delivery system.

The method of claim 2,
The order information storage unit
Classifying the feedback according to a preset feedback classification item and storing it in a feedback database
Customized clothing service delivery system.

The method of claim 3,
The customized data generation unit
When the accumulated amount of data for each feedback classification item stored in the feedback database exceeds the reference accumulation amount, re-performing big data analysis including data related to the corresponding feedback classification item.
Customized clothing service delivery system.

The method of claim 1,
The customized data generation unit
Determines whether to perform big data analysis for all customers or big data analysis for all customers according to the accumulated amount of data on the order information stored in the order information database.
Customized clothing service delivery system.

The method of claim 1,
The customized data generation unit
Inferring the learning fitting data by performing big data analysis on the order information based on at least one of body size, age, sex, race, occupation, religion, and residential area.
Customized clothing service delivery system.

The method of claim 1,
The customized data generation unit
Calculate the learning accuracy of the learning fitting data according to the accumulated amount of data of the order information associated with the learning fitting data, and correct the analysis range of the order information for analyzing the big data when the calculated learning accuracy is less than the reference learning accuracy To increase the data accumulation amount of order information related to the learning fitting data
Customized clothing service delivery system.

The method of claim 1,
The customized data generation unit
To determine the customized fitting pattern in connection with a clothing database that stores information on the fabric type, color, material, and shape of the clothing.
Customized clothing service delivery system.

The method of claim 1,
The customized data generation unit
Generating a virtual fitting model based on customer-specific fitting information, simulating the learning fitting data on the fitting model, and providing it to the clothing ordering terminal
Customized clothing service delivery system.

The method of claim 9,
The customized data generation unit
Receives whether or not to accept the order for the training fitting data simulated in the fitting model from the clothing ordering terminal, and if it is accepted, determines the learning fitting data as the customized fitting pattern, and if not accepting, exceptions from the clothing ordering terminal Receiving the condition and re-performing big data analysis on the order information applying the exception condition
Customized clothing service delivery system.

The method of claim 1,
The customized clothing request unit
Transmitting the order form to a plurality of clothing manufacturing terminals, and determining one clothing manufacturing terminal based on a clothing manufacturing completion time and a clothing manufacturing unit price received from the clothing manufacturing terminal
Customized clothing service delivery system.