કલર મેનેજમેન્ટ અને પેઈન્ટીંગ રેસીપી ઓપ્ટિમાઈઝેશન

નફો:

• CIELAB, ડેલ્ટા ઇ અને મેટામેરિઝમની વિભાવનાઓ અને રંગ વ્યવસ્થાપનના આંકડાકીય આધારને સમજવાની ક્ષમતા.
• AI-સપોર્ટેડ પેઇન્ટિંગ રેસીપી ભલામણ, રંગ મેચિંગ અને રાઇટ-ફર્સ્ટ-ટાઇમ વર્કફ્લો એડિટિંગ
• સ્પેક્ટ્રોફોટોમીટર માપન, પ્રકાશ સ્ત્રોતની સ્થિતિ અને લેબોરેટરી સ્ટેનિંગ દ્વારા રંગ આઉટપુટ ચકાસવાની ક્ષમતા

કાપડમાં રંગ એ સૌથી વધુ દેખાતી અને સૌથી મોંઘી ભૂલનો સ્ત્રોત છે. ગ્રાહક ચોક્કસ નેવી બ્લુને મંજૂરી આપે છે; ઉત્પાદને હજારો મીટરમાં, જુદા જુદા બેચમાં, વિવિધ ફાઇબરમાં અને જુદી જુદી લાઇટમાં તે ઘેરો વાદળી ઉત્પાદન કરવું પડશે. એક ટનનો તફાવત પણ બેચ અસ્વીકાર, ફરીથી પેઇન્ટિંગ અને ડિલિવરીમાં વિલંબ તરફ દોરી જાય છે. તેથી જ રંગ વ્યવસ્થાપન એ "આંખ"નું કામ નથી, પરંતુ માપન અને સંખ્યાનું કામ છે. AI આ ક્ષેત્રમાં બે મોટા કામ કરે છે: તે ઐતિહાસિક ડાઇંગ ડેટામાંથી રેસિપીની ભલામણ કરે છે અને રંગના તફાવતોનું વ્યવસ્થિત રીતે વિશ્લેષણ કરે છે. પરંતુ રંગ એ વાસ્તવિક રસાયણશાસ્ત્ર અને વાસ્તવિક ફાઇબર સાથે રમાતી રમત છે; કોઈ AI ભલામણ લેબોરેટરી પરીક્ષણનો વિકલ્પ નથી. આ એકમમાં, અમે રંગની સંખ્યાત્મક ભાષા, રેસીપી ઓપ્ટિમાઇઝેશન અને ચકાસણી શિસ્તની ચર્ચા કરીશું.

રંગની ડિજિટલ ભાષા: CIELAB, ડેલ્ટા ઇ, મેટામેરિઝમ

કલર મેનેજમેન્ટ CIELAB કલર સ્પેસમાં બોલે છે. આ જગ્યામાં, દરેક રંગને ત્રણ સંખ્યાઓ દ્વારા વર્ણવવામાં આવે છે: L\ (હળકાશ–અંધકાર, 0 કાળો–100 સફેદ), a\ (લીલો–લાલ અક્ષ), અને b\*** (વાદળી–પીળો અક્ષ). આ ત્રણ સંખ્યાઓ રંગનું "સરનામું" છે.

અમે ડેલ્ટા E (ΔE) સાથે બે રંગો વચ્ચેના તફાવતને માપીએ છીએ — CIELAB જગ્યામાંનું અંતર. નાના ΔE નો અર્થ છે રંગો એકબીજાની નજીક છે. કાપડમાં, બેચ-ટુ-બેચ સ્વીકૃતિ સહિષ્ણુતા ઘણીવાર ΔE (દા.ત. "ΔE ≤ 1.0 સ્વીકૃતિ") ની દ્રષ્ટિએ કરાર મુજબ વ્યાખ્યાયિત કરવામાં આવે છે. આધુનિક સૂત્રો (દા.ત. CMC, ΔE2000) માનવીય ધારણાની નજીક છે અને કાપડમાં સામાન્ય છે. એટલા માટે "ધ કલર હોલ્ડ" કહેવા માટે માપન જરૂરી છે; આંખનો ચુકાદો પૂરતો નથી.

મેટામેરિઝમ એ એક નિર્ણાયક મુશ્કેલી છે: બે નમૂનાઓ એક પ્રકાશ સ્ત્રોત હેઠળ સમાન દેખાઈ શકે છે પરંતુ અન્ય સ્ત્રોત હેઠળ અલગ અલગ હોઈ શકે છે. વિવિધ રંગો સાથે મેળવેલા બે રંગો સ્ટોર લાઇટિંગમાં મેચ થઈ શકે છે અને દિવસના પ્રકાશમાં અલગ થઈ શકે છે. તેથી જ રંગની પુષ્ટિ એક પ્રકાશમાં કરવામાં આવતી નથી, પરંતુ પ્રમાણભૂત લાઇટ બૂથમાં બહુવિધ સ્રોતો (દા.ત. D65 ડેલાઇટ, TL84 શોપ ફ્લોરોસન્ટ, એ ઇન્કેન્ડિસન્ટ) હેઠળ કરવામાં આવે છે.

આ તમામ માપન સ્પેક્ટ્રોફોટોમીટર વડે લેવામાં આવે છે: એક ઉપકરણ જે માપે છે કે ફેબ્રિક દરેક તરંગલંબાઇ પર કેટલો પ્રકાશ પ્રતિબિંબિત કરે છે અને તેને CIELAB મૂલ્યોમાં રૂપાંતરિત કરે છે. રંગ વ્યવસ્થાપનનો સંપૂર્ણ સંખ્યાત્મક આધાર આ ઉપકરણનું વાંચન છે.

ટીપ: ΔE મૂલ્ય તેમજ કયું સૂત્ર (CMC, ΔE2000) અને કયા પ્રકાશ સ્ત્રોતનો રંગ નિર્ણયમાં ઉપયોગ કરવામાં આવ્યો હતો તે લખો. સમાન નમૂના માટે, જ્યારે સૂત્ર અને પ્રકાશ બદલાય છે ત્યારે ΔE અલગ પડે છે; આનો ઉલ્લેખ કર્યા વિના, "ΔE 0.8" નો અર્થ નથી.

કલરિંગ રેસીપી અને રાઈટ-ધ-ફર્સ્ટ-ટાઇમ

ડાઈંગ રેસીપી વ્યાખ્યાયિત કરે છે કે કયા રંગનો ઉપયોગ કઈ સાંદ્રતામાં (સામાન્ય રીતે % અથવા g/L), કયા સહાયક રસાયણો સાથે, કયા તાપમાન અને સમયે લક્ષ્ય રંગ મેળવવા માટે કરવામાં આવશે. રાઇટ-ફર્સ્ટ-ટાઈમ (RFT) નો અર્થ એ છે કે રેસીપી પ્રથમ પ્રયાસમાં સહનશીલતા પૂરી કરે છે, એટલે કે, તેને ફરીથી રંગવાની જરૂર નથી (એડ-ઓન). જો RFT દર ઓછો હોય, તો રંગ, પાણી, ઊર્જા અને સમયનો બગાડ વધે છે; આ ખર્ચ અને ટકાઉપણું બંનેનો મુદ્દો છે.

આ તે છે જ્યાં કૃત્રિમ બુદ્ધિ / કોમ્પ્યુટર રંગ મેચિંગ રમતમાં આવે છે: ઐતિહાસિક ડાઇંગ ડેટાબેઝમાંથી, તે રંગ સંયોજન અને એકાગ્રતાની ભલામણ કરે છે જે લક્ષ્ય CIELAB મૂલ્યની સૌથી નજીક પરિણામ આપશે. આધુનિક સિસ્ટમો આને ઑપ્ટિમાઇઝેશનના સ્વરૂપ તરીકે કરે છે. જો કે, ભલામણ હંમેશા પ્રયોગશાળા સ્ટેનિંગ (નાના નમૂનાના સ્ટેનિંગ) દ્વારા પરીક્ષણ કરવામાં આવે છે, સ્પેક્ટ્રોફોટોમીટર દ્વારા માપવામાં આવે છે, જો જરૂરી હોય તો સુધારેલ છે; તે પછી જ તે ઉત્પાદન (બલ્ક) સુધી પહોંચે છે.

સ્ટેપ બાય સ્ટેપ: AI-સંચાલિત કલર વર્કફ્લો

1. લક્ષ્ય માપો. સ્પેક્ટ્રોફોટોમીટર વડે ગ્રાહક માનક (રંગ કાર્ડ, અગાઉનું ઉત્પાદન) વાંચો, CIELAB લક્ષ્ય સાચવો.
2. પ્રિસ્ક્રિપ્શન સૂચવો. સિસ્ટમ/એઆઈને ફાઈબર પ્રકાર માટે યોગ્ય રંગ વર્ગ સાથે રેસીપી ઉમેદવારો જનરેટ કરવા દો (દા.ત. કપાસ માટે પ્રતિક્રિયાશીલ, પોલિએસ્ટર માટે વિખેરવું).
3. પ્રયોગશાળા રંગ. નાના નમૂનામાં રંગ ઉમેદવારો, માપો, ΔE ગણતરી કરો.
4. તેને ઠીક કરો. આઉટ-ઓફ-ટોલરન્સ કરેક્શન અલ્ગોરિધમનો સુધારો; ફરીથી પેઇન્ટ-માપ કરો.
5. મેટામેરિઝમ નિયંત્રણ. તેજસ્વી પ્રકાશિત બૂથમાં પુષ્ટિ કરો.
6. બલ્કમાં સ્કેલ કરો અને ચકાસો. ઉત્પાદન બેચમાંથી નમૂના લો, ફરીથી માપો; પક્ષોની અંદર અને તમામ પક્ષોની સુસંગતતાનું નિરીક્ષણ કરો.

ત્રણ મિની કેસ: સંખ્યાઓ દ્વારા

કેસ 1 — RFT સુધારણા. એક ડાયહાઉસમાં, RFT દર 68% હતો; ત્રણમાંથી એક પક્ષ કરેક્શન ઇચ્છતો હતો. જ્યારે રંગ મેચિંગ સિસ્ટમ, 5,000 ભૂતકાળના સ્ટેનિંગ રેકોર્ડ્સ દ્વારા ખવડાવવામાં આવે છે, ત્યારે વધુ સારી શરૂઆતની વાનગીઓ સૂચવવામાં આવે છે, ત્યારે RFT વધીને 81% થઈ જાય છે, જે ~90 મિનિટ અને કરેક્શન દીઠ રંગ/પાણીની બચત કરે છે. તેમ છતાં, દરેક પ્રિસ્ક્રિપ્શન લેબોરેટરી પરીક્ષણ પાસ કરે છે; સિસ્ટમે સ્ટાર્ટઅપમાં સુધારો કર્યો, નિર્ણય નહીં.

કેસ 2 - મેટામેરિઝમ લીક. એક સપ્લાયરએ તેને નેવી બ્લુ D65 હેઠળ 0.7 ના ΔE સાથે પ્રમાણિત કર્યું હતું, પરંતુ શોપ ફ્લોરોસન્ટ (TL84) સાથે ΔE વધીને 2.4 થઈ રહ્યો હતો; ગ્રાહકે ના પાડી. સમસ્યા એક પ્રકાશમાં પુષ્ટિ હતી. જ્યારે મલ્ટિ-બીમ પુષ્ટિકરણ પ્રક્રિયા ફરજિયાત બનાવવામાં આવી હતી, ત્યારે મેટામેરિક અસ્વીકારના કેસ લગભગ શૂન્ય થઈ ગયા હતા.

કેસ 3 - પાર્ટી શિફ્ટ. સમાન રેસીપી સાથે રંગાયેલા બે બેચ વચ્ચે ΔE2000 માં તફાવત 1.6 હતો; સહનશીલતા 1.0 હતી. AI એ પ્રક્રિયાના રેકોર્ડ્સ (તાપમાન, સમય, પાણીની કઠિનતા) ની સમીક્ષા કરી અને "બીજા બેચમાં સ્નાનનું તાપમાન 3 ° સે ઓછું" સહસંબંધ દર્શાવ્યો. જ્યારે પ્રક્રિયામાં સુધારો કરવામાં આવ્યો, ત્યારે બેચ વચ્ચેનો તફાવત ઘટીને 0.6 થયો. AI એ ચાવી આપી; પ્રક્રિયા રેકોર્ડીંગ અને પુન: માપન દ્વારા પુરાવો આપવામાં આવ્યો હતો.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા પ્રોમ્પ્ટ:

આ રંગ કેમ ન ચાલ્યો? તેને ઠીક કરો.

શક્તિશાળી પ્રોમ્પ્ટ:

તમારી ભૂમિકા: ડાયહાઉસ રંગ નિષ્ણાત. લક્ષ્ય CIELAB: L*=28.4 a*=1.2 b*=-18.6 (D65). ઉત્પાદન માપન:L*=30.1 a*=0.8 b*=-16.9. ફાઇબર: 100% કપાસ, પ્રતિક્રિયાશીલ રંગ. કાર્ય: 1) ΔE2000 ની ગણતરી કરો અને સૂત્ર બતાવો. 2) તફાવતોનું અર્થઘટન કરો L*, a*, b* (રંગ કઈ દિશામાં બદલાયો?).3) કયો ઘટક રેસીપીમાં કઈ દિશામાં એડજસ્ટ કરવો જોઈએ (ઇપોથીસીસ I4 માં સાચા પગલા દ્વારા) કેવી રીતે અનુમાનિત કરવું)? પગલું. ફક્ત આપેલ નંબરો પર આધાર રાખો; જ્યાં તમને ખાતરી ન હોય તે જણાવો.

શક્તિશાળી પ્રોમ્પ્ટમાં સંખ્યાત્મક લક્ષ્ય, ફાઈબર/ડાઈ સંદર્ભ અને લેબોરેટરી વેરિફિકેશન સ્ટેપનો સમાવેશ થાય છે; પૂર્વધારણા તરીકે સૂચન માટે પૂછે છે.

નકલ કરી શકાય તેવા નમૂનાઓ

1) ΔE ગણતરી અને અર્થઘટન:

આ બે CIELAB મૂલ્યો માટે ΔE2000 ની ગણતરી કરો, સૂત્ર લખો અને અર્થઘટન કરો કે તે કયા અક્ષ પર કેટલું બદલાય છે (L/a/b). લક્ષ્ય: [L,a,b] મીટરિંગ: [L,a,b].પ્રકાશ સ્ત્રોત: [D65 વગેરે].

2) મેટામેરિઝમ નિયંત્રણ યોજના:

રંગની મંજૂરી માટે બહુ-પ્રકાશ મૂલ્યાંકન યોજના તૈયાર કરો: કયા પ્રકાશ સ્ત્રોતો, દરેક હેઠળ શું ΔE સહનશીલતા, અસ્વીકાર/સ્વીકૃતિ નિયમ. ફાઇબર અને ઉપયોગ: [માહિતી].

3) બેચ ડ્રિફ્ટ રુટ કારણ:

નીચે સમાન રેસીપી સાથે રંગાયેલા બેચના ΔE તફાવતો અને પ્રક્રિયા રેકોર્ડ્સ (તાપમાન, સમય, pH, પાણીની કઠિનતા) છે. પ્રક્રિયા ચલ હાયપોથેસીસ ઉત્પન્ન કરો જે તફાવત સાથે આગળ વધે છે; દરેક માટે ચકાસણી સૂચન ઉમેરો. ડેટા: [કોષ્ટક]

4) RFT રિપોર્ટ સારાંશ:

RFT દર, કરેક્શન માટેના સૌથી સામાન્ય કારણો અને આ સ્ટેનિંગ રેકોર્ડ્સમાંથી અંદાજિત રંગ/પાણી/સમય નુકશાનનો સારાંશ આપો. સંખ્યાઓ બનાવશો નહીં. ડેટા: [કોષ્ટક]

કલર મેનેજમેન્ટ કન્સેપ્ટ ચાર્ટ

ખ્યાલ

તેનો અર્થ શું છે?

વ્યવહારમાં ઉપયોગ કરો

L\a\b\*

રંગનું સંખ્યાત્મક સરનામું

લક્ષ્ય અને માપની સરખામણી

ΔE (CMC / 2000)

બે રંગો વચ્ચેનો તફાવત

સ્વીકૃતિ/અસ્વીકાર સહનશીલતા

મેટામેરિઝમ

મેચિંગ જે પ્રકાશના આધારે બદલાય છે

મલ્ટિ-લાઇટ મંજૂરી મુજબ

સ્પેક્ટ્રોફોટોમીટર

રંગ માપવાનું ઉપકરણ

તમામ સંખ્યાત્મક આધારનો સ્ત્રોત

આર.એફ.ટી.

સાચો પ્રથમ વખત દર

ઉપજ અને ટકાઉપણું માપ

સાવધાન: AI દ્વારા સૂચવવામાં આવેલ પ્રિસ્ક્રિપ્શન એ એક પ્રારંભિક બિંદુ છે. રંગ રસાયણશાસ્ત્ર; તે ફાઈબર લોટ, વોટર કઠિનતા, મશીન અને ડાઈ લોટ જેવા ચલો પ્રત્યે સંવેદનશીલ છે. લેબોરેટરી સ્ટેનિંગ અને સ્પેક્ટ્રોફોટોમીટરની મંજૂરી વિના કોઈપણ રેસીપીને જથ્થાબંધ ઉત્પાદનમાં મૂકવામાં આવતી નથી.

સામાન્ય ભૂલો

• આંખ દ્વારા રંગની પુષ્ટિ કરો. રંગ નિર્ણય માટે માપન (ΔE) ની જરૂર છે.
• એક પ્રકાશમાં પુષ્ટિ કરી રહ્યું છે. મેટામેરિઝમ માત્ર હાઇ-લાઇટ બૂથમાં જ જોવા મળે છે.
• સૂત્ર/પ્રકાશ જણાવતો નથી. "ΔE 0.8" કયા સૂત્ર અને પ્રકાશમાં છે તે લખ્યા વિના અધૂરું છે.
• પ્રિસ્ક્રિપ્શનને સીધા જ બલ્કમાં લેવું. જો પ્રયોગશાળા પરીક્ષણને છોડવામાં આવે છે, તો ટન બગાડનું જોખમ રહેલું છે.
• પાર્ટી શિફ્ટને સંયોગ ગણી રહ્યા છે. ડ્રિફ્ટ મોટે ભાગે પ્રક્રિયા ચલ પર આધાર રાખે છે; તપાસ કરવામાં આવે છે.

સારાંશમાં

રંગ વ્યવસ્થાપન એ માપનનું વિજ્ઞાન છે: CIELAB સરનામું, ΔE તફાવત, મેટામેરિઝમ અને સ્પેક્ટ્રોફોટોમેટ્રી તેની ભાષાઓ છે. AI એ ઐતિહાસિક ડેટામાંથી બહેતર રેસિપી શરૂ કરવાનું સૂચન કરે છે, રાઇટ-ફર્સ્ટ-ટાઇમ રેટમાં વધારો કરે છે અને રંગ તફાવતના મૂળ કારણ વિશે પૂર્વધારણાઓ પેદા કરે છે. પરંતુ દરેક દરખાસ્તને પ્રયોગશાળા સ્ટેનિંગ, ΔE માપન અને મલ્ટિ-લાઇટ મંજૂરી પસાર કર્યા વિના જથ્થાબંધ ઉત્પાદનમાં મૂકવામાં આવતી નથી. રંગનો નિર્ણય આંખ દ્વારા નહીં, સંખ્યા દ્વારા લેવામાં આવે છે.

એપ્લિકેશન કાર્ય

લક્ષ્ય CIELAB મૂલ્ય અને ઉત્પાદન મેટ્રિક (તમારા પોતાના ડેટા અથવા નમૂનામાંથી) સેટ કરો. આ એકમમાં "ΔE ગણતરી અને અર્થઘટન" નમૂના સાથે તફાવતની ગણતરી કરો અને તમારા અર્થઘટનને AI ના સ્પષ્ટીકરણ સાથે સરખાવો કે જેના પર રંગ બદલાય છે. પછી મલ્ટિ-લાઇટ કન્ફર્મેશન પ્લાન (ઓછામાં ઓછા બે પ્રકાશ સ્રોતો અને સહિષ્ણુતા)નો મુસદ્દો તૈયાર કરો અને તમે આને સિંગલ-લાઇટ કન્ફર્મેશન કરતાં કેમ પસંદ કરો છો તે ફકરામાં વાજબી ઠેરવો.

ચેકલિસ્ટ

• [ ] હું ΔE ને માપીને, સૂત્ર અને પ્રકાશ સ્ત્રોતનો ઉલ્લેખ કરીને રંગના નિર્ણયો લઉં છું.
• [ ] હું મલ્ટી-લાઇટ બૂથમાં માન્યતાઓ કરીને મેટામેરિઝમ તપાસું છું.
• [ ] હું લેબોરેટરી સ્ટેનિંગ અને સ્પેક્ટ્રોફોટોમેટ્રી સાથે AI પ્રિસ્ક્રિપ્શન ભલામણોની પુષ્ટિ કરું છું.
• [ ] હું બેચ શિફ્ટના કિસ્સામાં પ્રક્રિયાના રેકોર્ડની તપાસ કરું છું.
• [] હું પ્રયોગશાળાની મંજૂરી વિના જથ્થાબંધ ઉત્પાદનમાં કોઈ પ્રિસ્ક્રિપ્શન મૂકતો નથી.