مدیریت رنگ و بهینه سازی دستور العمل نقاشی

سود:

• توانایی درک مفاهیم CIELAB، Delta E و metamerism و مبنای عددی مدیریت رنگ.
• توصیه دستور پخت نقاشی با پشتیبانی هوش مصنوعی، تطبیق رنگ و ویرایش گردش کار در اولین بار
• امکان تایید خروجی رنگ با اندازه گیری اسپکتروفتومتر، شرایط منبع نور و رنگ آمیزی آزمایشگاهی

رنگ هم قابل مشاهده ترین و هم گران ترین منبع خطا در منسوجات است. مشتری یک آبی سرمه ای خاص را تایید می کند. تولید باید آن آبی تیره را در هزاران متر، در دسته های مختلف، در الیاف مختلف و در نورهای مختلف تولید کند. حتی یک تن اختلاف منجر به رد دسته، رنگ آمیزی مجدد و تاخیر در تحویل می شود. به همین دلیل است که مدیریت رنگ یک کار "چشم" نیست، بلکه یک کار اندازه گیری و اعداد است. هوش مصنوعی دو کار بزرگ در این زمینه انجام می دهد: دستور العمل هایی را از داده های رنگرزی تاریخی توصیه می کند و به طور سیستماتیک تفاوت های رنگ را تجزیه و تحلیل می کند. اما رنگ بازی با شیمی واقعی و فیبر واقعی است. هیچ توصیه هوش مصنوعی جایگزین تست های آزمایشگاهی نمی شود. در این بخش، زبان عددی رنگ، بهینه سازی دستور پخت و رشته تایید را مورد بحث قرار خواهیم داد.

زبان دیجیتال رنگ: CIELAB، Delta E، Metamerism

مدیریت رنگ در فضای رنگی CIELAB صحبت می کند. در این فضا، هر رنگ با سه عدد توصیف می‌شود: L\ (روشنی-تاریکی، 0 سیاه-100 سفید)، a\ (محور سبز-قرمز) و b\*** (محور آبی-زرد). این سه عدد "آدرس" یک رنگ هستند.

ما تفاوت بین دو رنگ را با Delta E (ΔE) اندازه گیری می کنیم - فاصله در فضای CIELAB. ΔE کوچک به این معنی است که رنگ ها به یکدیگر نزدیک هستند. در منسوجات، تحمل پذیرش دسته به دسته اغلب به صورت قراردادی بر حسب ΔE تعریف می شود (مثلاً «پذیرش ΔE ≤ 1.0»). فرمول های مدرن (به عنوان مثال CMC، ΔE2000) به درک انسان نزدیک تر هستند و در منسوجات رایج هستند. به همین دلیل است که گفتن "رنگ نگه داشته شده" نیاز به اندازه گیری دارد. قضاوت چشم کافی نیست.

متامریسم یک دام حیاتی است: دو نمونه ممکن است در یک منبع نور یکسان به نظر برسند اما در منبع دیگر متفاوت باشند. دو رنگ به دست آمده با رنگ های مختلف می تواند در نور فروشگاه و جدا در نور روز مطابقت داشته باشد. به همین دلیل است که تأیید رنگ در یک نور واحد انجام نمی شود، بلکه تحت چندین منبع (مانند نور روز D65، فلورسنت فروشگاهی TL84، لامپ رشته ای) در یک غرفه نور استاندارد انجام می شود.

تمام این اندازه‌گیری‌ها با یک اسپکتروفتومتر انجام می‌شود: دستگاهی که میزان بازتاب نور پارچه را در هر طول موج اندازه‌گیری می‌کند و آن را به مقادیر CIELAB تبدیل می‌کند. کل مبنای عددی مدیریت رنگ، خواندن این دستگاه است.

نکته: مقدار ΔE و همچنین فرمول (CMC، ΔE2000) و کدام منبع نور را در تصمیم گیری رنگ بنویسید. برای همان نمونه، ΔE با تغییر فرمول و نور متفاوت است. بدون مشخص کردن این موارد، "ΔE 0.8" منطقی نیست.

دستور رنگ آمیزی و درست اولین بار

یک دستور رنگرزی مشخص می کند که کدام مواد رنگزا در چه غلظتی (معمولا % یا گرم در لیتر)، با کدام مواد شیمیایی کمکی، در چه دما و زمان برای به دست آوردن رنگ مورد نظر استفاده می شود. درست اولین بار (RFT) به این معنی است که دستور غذا در اولین تلاش با تلورانس مطابقت دارد، یعنی نیازی به رنگ آمیزی مجدد (افزودنی) ندارد. اگر نرخ RFT کم باشد، اتلاف رنگ، آب، انرژی و زمان افزایش می یابد. این هم یک مسئله هزینه و هم پایداری است.

اینجاست که تطبیق رنگ هوش مصنوعی/کامپیوتر وارد عمل می شود: از پایگاه داده رنگرزی تاریخی، ترکیب رنگ و غلظتی را توصیه می کند که نزدیک ترین نتیجه را به مقدار CIELAB هدف می دهد. سیستم های مدرن این کار را به عنوان نوعی بهینه سازی انجام می دهند. با این حال، توصیه همیشه با رنگ‌آمیزی آزمایشگاهی (رنگ‌آمیزی نمونه کوچک)، اندازه‌گیری با اسپکتروفتومتر، در صورت لزوم تصحیح می‌شود. تنها در این صورت است که به تولید (فله) تبدیل می شود.

گام به گام: گردش کار رنگی با هوش مصنوعی

1. هدف را اندازه گیری کنید. استاندارد مشتری (کارت رنگی، تولید قبلی) را با اسپکتروفتومتر بخوانید، هدف CIELAB را ذخیره کنید.
2. نسخه پیشنهاد کنید اجازه دهید سیستم/AI دستور العمل هایی را با کلاس رنگ مناسب برای نوع الیاف تولید کند (مثلاً واکنش پذیر برای پنبه، پراکنده برای پلی استر).
3. رنگ آزمایشگاهی نامزدهای رنگ در نمونه کوچک، اندازه گیری، محاسبه ΔE.
4. درستش کن بهبود الگوریتم تصحیح خارج از تحمل؛ دوباره رنگ کردن.
5. کنترل متامریسم در غرفه با نور روشن تایید کنید.
6. مقیاس به انبوه و تأیید. نمونه ای از دسته تولید بگیرید، دوباره اندازه گیری کنید. نظارت بر ثبات درون و بین احزاب.

سه مورد کوچک: با اعداد

مورد 1 - بهبود RFT. در یک رنگرزی، نرخ RFT 68٪ بود. از هر سه طرف یکی خواهان اصلاح بود. هنگامی که سیستم تطبیق رنگ، که توسط 5000 رکورد رنگ‌آمیزی گذشته تغذیه می‌شد، دستور العمل‌های شروع بهتری را پیشنهاد کرد، RFT به 81% افزایش یافت، 90 دقیقه صرفه‌جویی و رنگ/آب در هر اصلاح صرفه‌جویی کرد. با این حال، هر نسخه آزمایشات آزمایشگاهی را پشت سر گذاشت. سیستم راه اندازی را بهبود بخشید، نه تصمیم را.

مورد 2 - نشت متامریسم. یکی از تامین کنندگان آن را با ΔE 0.7 در رنگ آبی سرمه ای D65 تایید کرده بود، اما با فلورسنت فروشگاهی (TL84) ΔE به 2.4 افزایش یافت. مشتری امتناع کرد. مشکل تایید در یک نور بود. هنگامی که روش تأیید چند پرتو اجباری شد، موارد رد متامریک تقریباً به صفر کاهش یافت.

مورد 3 - تغییر حزب. تفاوت ΔE2000 بین دو دسته رنگ شده با همان دستور 1.6 بود. تحمل 1.0 بود. هوش مصنوعی سوابق فرآیند (دما، زمان، سختی آب) را بررسی کرد و همبستگی "دمای حمام 3 درجه سانتیگراد کمتر در دسته دوم" را علامت گذاری کرد. هنگامی که فرآیند اصلاح شد، تفاوت بین دسته ها به 0.6 کاهش یافت. هوش مصنوعی سرنخ را داد. اثبات با ثبت فرآیند و اندازه‌گیری مجدد ارائه شد.

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

چرا این رنگ کار نکرد؟ درستش کن

اعلان قدرتمند:

نقش شما: متخصص رنگ‌سازی هدف CIELAB: L*=28.4 a*=1.2 b*=-18.6 (D65). اندازه گیری تولید: L*=30.1 a*=0.8 b*=-16.9. فیبر: 100% پنبه، رنگ واکنشی. وظیفه: 1) ΔE2000 را محاسبه کنید و فرمول را نشان دهید. 2) تفاوت های L*، a*، b* را تفسیر کنید (رنگ در کدام جهت تغییر کرد؟). 3) کدام جزء باید در کدام جهت در دستور تنظیم شود (فرضیه)؟ جایی که مطمئن نیستید بگویید.

اعلان قدرتمند شامل هدف عددی، زمینه فیبر/رنگ و مرحله تأیید آزمایشگاهی است. پیشنهاد را به عنوان یک فرضیه می خواهد.

قالب های قابل کپی

1) محاسبه و تفسیر ΔE:

ΔE2000 را برای این دو مقدار CIELAB محاسبه کنید، فرمول را بنویسید و میزان جابجایی آن را در کدام محور تفسیر کنید (L/a/b). هدف: [L,a,b] اندازه گیری: [L,a,b].منبع نور: [D65 و غیره].

2) طرح کنترل متامریسم:

یک طرح ارزیابی چند نوری برای تأیید رنگ تهیه کنید: کدام منابع نور، چه میزان تحمل ΔE در هر کدام، قانون رد/پذیرش. فیبر و کاربرد: [اطلاعات].

3) علت اصلی جابجایی دسته ای:

در زیر تفاوت‌های ΔE و سوابق فرآیند (دما، زمان، pH، سختی آب) دسته‌های رنگ‌شده با همان دستور العمل آمده است. ایجاد متغیر فرآیند HYPOTHESES که با تفاوت حرکت می کند. برای هر کدام پیشنهاد تأیید اضافه کنید. داده ها: [جدول]

4) خلاصه گزارش RFT:

نرخ RFT، رایج‌ترین دلایل اصلاح، و تخمین تلفات رنگ/آب/زمان را از این سوابق رنگ‌آمیزی خلاصه کنید. اعداد را درست نکنید داده ها: [جدول]

نمودار مفهومی مدیریت رنگ

مفهوم

به چه معناست؟

در عمل استفاده کنید

L\a\b\*

آدرس عددی رنگ

مقایسه هدف و اندازه گیری

ΔE (CMC / 2000)

تفاوت بین دو رنگ

تحمل پذیرش/رد

متامریسم

مطابقت که بسته به نور تغییر می کند

طبق تأییدیه چند نوری

اسپکتروفتومتر

دستگاه اندازه گیری رنگ

منبع همه پایه های عددی

R.F.T.

نرخ بار اول درست

معیار عملکرد و پایداری

احتیاط: نسخه پیشنهاد شده توسط هوش مصنوعی نقطه شروع است. شیمی رنگ؛ به متغیرهایی مانند مقدار فیبر، سختی آب، دستگاه و مقدار رنگ حساس است. هیچ دستور العملی بدون رنگ آمیزی آزمایشگاهی و تایید اسپکتروفتومتر به تولید انبوه نمی رسد.

اشتباهات رایج

• رنگ را با چشم تایید کنید. تصمیم گیری رنگ نیاز به اندازه گیری (ΔE) دارد.
• تایید در یک نور. Metamerism فقط در غرفه نور بالا تشخیص داده می شود.
• عدم بیان فرمول/نور. «ΔE 0.8» بدون نوشتن فرمول و نور ناقص است.
• مصرف مستقیم نسخه به صورت عمده. اگر آزمایشات آزمایشگاهی نادیده گرفته شود، خطر هدر رفتن هزاران تن وجود دارد.
• اتفاقی بودن تغییر حزب. Drift بیشتر به متغیر فرآیند بستگی دارد. مورد بررسی قرار می گیرد.

به طور خلاصه

مدیریت رنگ یک علم اندازه گیری است: آدرس CIELAB، تفاوت ΔE، متامریسم و ​​اسپکتروفتومتری زبان های آن هستند. هوش مصنوعی شروع بهتر دستور العمل ها را از داده های تاریخی، افزایش نرخ بار اول و ایجاد فرضیه هایی در مورد علت اصلی تفاوت رنگ ها را پیشنهاد می کند. اما هر پیشنهادی بدون عبور از رنگ‌آمیزی آزمایشگاهی، اندازه‌گیری ΔE و تایید چند نوری به تولید انبوه نمی‌رسد. تصمیم گیری در مورد رنگ با شماره گرفته می شود نه با چشم.

وظیفه کاربردی

یک مقدار هدف CIELAB و یک معیار تولید (از داده ها یا نمونه خود) تنظیم کنید. تفاوت را با الگوی "محاسبه و تفسیر ΔE" در این واحد محاسبه کنید و تفسیر خود را با توضیح هوش مصنوعی مقایسه کنید که رنگ بر روی کدام محور تغییر می کند. سپس یک طرح تأیید چند نوری (حداقل دو منبع نور و تلرانس) تهیه کنید و در یک پاراگراف توضیح دهید که چرا این مورد را به تأیید تک نوری ترجیح می دهید.

چک لیست

• [ ] من با اندازه گیری ΔE، تعیین فرمول و منبع نور، تصمیمات رنگی می گیرم.
• [ ] من با انجام اعتبارسنجی در یک غرفه چند نوری، متامریسم را بررسی می کنم.
• [ ] من توصیه های نسخه AI را با رنگ آمیزی آزمایشگاهی و اسپکتروفتومتری تأیید می کنم.
• [ ] من سوابق فرآیند را در صورت تغییر دسته ای بررسی می کنم.
• [ ] من هیچ نسخه ای را بدون تایید آزمایشگاه در تولید فله قرار نمی دهم.