Desarrollo de modelos estadísticos de predicción del ajuste y talla de prendas de ropa a partir de la percepción y características antropométricas del usuario

Abstract

[ES] Los problemas de selección de talla y ajuste en la compra online de ropa son la causa de aproximadamente el 70% de las devoluciones. Esto se debe principalmente a la falta de estandarización del tallaje y al funcionamiento deficiente de los métodos de recomendación de talla. Actualmente, el comercio online de ropa tiene mucho potencial, sin embargo, las elevadas tasas de devolución, suponen costes relevantes en logística y gestión de stocks. En el estado del arte de esta tesis se refleja la complejidad del problema del ajuste de ropa, en el que intervienen múltiples factores tanto objetivos (tipo de tejido, patronaje, número de tallas, moda, morfotipo del usuario, medidas corporales, etc.), como subjetivos (percepción de ajuste y preferencias del usuario). Siendo el ajuste de las prendas uno de los problemas de mayor relevancia en el sector de la confección es de crucial interés avanzar en la generación de un conocimiento que permita relacionar con mayor precisión las dimensiones corporales, el ajuste de las prendas y el tallaje. El objetivo general de esta tesis consiste en establecer los fundamentos para desarrollar un sistema de recomendación del ajuste y talla de prendas de ropa a partir de medidas antropométricas del usuario y valoraciones de ajuste planteando un desarrollo metodológico que sirve de punto de partida para posteriormente escalar el proceso a cualquier tipo de prenda, estilo y sistema de tallaje de ropa. La aproximación propuesta consiste en la predicción del ajuste por zonas de la prenda a partir de medidas antropométricas del usuario y pruebas de ajuste previas utilizando el método estadístico de regresión logística multinomial. A partir de esta predicción de ajuste por zonas, y aplicando de nuevo modelos de regresión logística multinomial, se obtiene la probabilidad de ajuste de la serie de tallas de la prenda analizada. En primer lugar, se ha determinado la fiabilidad de las medidas antropométricas obtenidas a partir de escaneados 3D del cuerpo. Para desarrollar los modelos de predicción, se ha puesto a punto un método de caracterización del ajuste de ropa mediante valoración subjetiva de usurarios y expertos. Además, se han definido los conjuntos de medidas antropométricas relacionadas con el ajuste de la prenda en cada zona. El proceso de entrenamiento de los modelos de predicción de ajuste ha permitido determinar cuáles son las medidas antropométricas más relevantes para el ajuste de cada tipo de prenda, así como las zonas de ajuste que influyen en la selección de la talla. En la fase de validación, se ha demostrado que, con un porcentaje de acierto entre el 80-100%, los modelos de predicción de talla basados en probabilidades de ajuste obtenidas mediante regresión logística multinomial en zonas relevantes de la prenda, ofrecen mayor fiabilidad que los métodos actuales que solo consideran una variable corporal y sus intervalos. Finalmente, se ha propuesto un método para extrapolar los modelos individuales de predicción de talla a toda población objetivo, estimar la cuota de mercado potencial y optimizar la distribución de tallas de cada prenda.

[CA] Els problemes de selecció de talla i ajust en les compres de roba en la xarxa representen aproximadament el 70% de les devolucions. Això es degut principalment a la manca d'estandardització en les talles i al funcionament deficient dels mètodes de recomanació de talles. Actualment, el comerç de roba en la xarxa té molt potencial, no obstant això, les altes taxes de devolució comporten costos rellevants en logística i gestió d'estocs. L'estat de l'art en aquesta tesi reflecteix la complexitat del problema de l'ajust de la roba, que implica múltiples factors, tant objectius (tipus de teixit, patró, nombre de talles, tendències de moda, tipus de cos de l'usuari, mesures corporals, etc.) com subjectius (percepció de l'ajust per part de l'usuari i preferències). Ja que l'ajust de les peces de vestir és un dels problemes més importants en la indústria de la moda, és crucial avançar en la generació de coneixement que permeti establir una relació més precisa entre les dimensions del cos, l'ajust de la roba i les talles. L'objectiu general d'aquesta tesi és establir els fonaments per al desenvolupament d'un sistema de recomanació de l'ajust i la talla de peces de roba basat en les mesures antropomètriques de l'usuari. Això implica un desenvolupament metodològic que serveix com a punt de partida per a posteriorment escalar el procés a qualsevol tipus de peça de roba, estil i sistema de mides. L'aproximació proposada consistix en predir l'ajust per zones de la peça de roba basat en les mesures antropomètriques de l'usuari i proves prèvies d'ajust mitjançant el mètode estadístic de la regressió logística multinomial. A partir d'aquesta predicció d'ajust per zones, i aplicant novament models de regressió logística multinomial, s'obté la probabilitat d'ajust per a la gamma de talles de la peça de roba analitzada. S'ha determinat la fiabilitat de les mesures antropomètriques obtingudes a partir d'escaneigs 3D del cos. Per desenvolupar els models de predicció, s'ha posat a punt un mètode per caracteritzar l'ajust de la roba mitjançant avaluacions subjectives dels usuaris i experts. A més, s'han definit conjunts de mesures antropomètriques relacionades amb l'ajust de la peça a cada zona. El procés de formació dels models de predicció de l'ajust ha permès determinar les mesures antropomètriques més rellevants per a l'ajust de cada tipus de peça, així com les zones d'ajust que influeixen en la selecció de la talla. En la fase de validació, s'ha demostrat que, amb un percentatge d'encert entre el 80-100%, els models de predicció de talla basats en les probabilitats d'ajust obtingudes mitjançant la regressió logística multinomial en zones rellevants de la peça de roba ofereixen una major fiabilitat que els mètodes actuals que només consideren una variable corporal i els seus intervals. Finalment, s'ha proposat un mètode per extrapol·lar els models individuals de predicció de talla a tota la població objectiu, estimar la quota de mercat potencial i optimitzar la distribució de talles per a cada peça.

[EN] The problems of size selection and fit in online clothing purchases account for approximately 70% of returns. This is primarily due to the lack of standardization in sizing and the inefficient performance of current size recommendation methods. Currently, online clothing retail has a lot of potential; however, the high product return rates result in significant costs in logistics and stock management. The state of the art in this thesis reflects the complexity of the clothing fit problem, which involves multiple factors, both objective (fabric type, pattern, number of sizes, fashion trends, user body type, body measurements, etc.) and subjective (user's perception of fit and preferences). Since garment fit is one of the most significant issues in the fashion industry, it is crucial to advance in generating knowledge that allows for a more precise relationship between body dimensions, garment fit, and sizing. The general objective of this thesis is to establish the foundations for developing a recommendation system for clothing fit and size based on user anthropometric measurements and fit evaluations. This involves a methodological development that serves as a starting point for subsequently scaling the process to any type of garment, style, and sizing system. The proposed approach consists of predicting the fit by garment zones based on user anthropometric measurements and previous fit trials using the statistical method of multinomial logistic regression. From this prediction of fit by zones, and by once again applying multinomial logistic regression models, the probability of fit for the range of sizes of the analyzed garment is obtained. The reliability of anthropometric measurements obtained from 3D body scans has been determined. To develop the prediction models, a method for characterizing garment fit through subjective assessments by users and experts has been refined. In addition, sets of anthropometric measurements related to garment fit in each zone have been defined. The training process of the fit prediction models has enabled determining the most relevant anthropometric measurements for the fit of each type of garment, as well as the fit zones that influence size selection. In the validation phase, it has been demonstrated that, with an accuracy rate between 80-100%, size prediction models based on fit probabilities obtained through multinomial logistic regression in relevant garment zones offer greater reliability than current methods that only consider a single body variable and its intervals. Finally, a method has been proposed to extrapolate individual size prediction models to the entire target population, estimate the potential market share, and optimize the distribution of sizes for each garment.