1.本发明涉及一种用于借助于人工智能辅助数据分析处理方式对印刷机进行自动化颜色调节的方法。
2.本发明属于印刷机的颜色调节技术领域。


背景技术：

3.为了产生高品质的印刷品，印刷图像的各分色(farbausz
ü
ge)的着墨预调设配置必须匹配于相应的分色的颜色接受度。而且施加的保湿剂的量对于印刷品质具有影响。
4.为了匹配着墨，由计算机支持的印刷机控制器在现有技术中采用图像数据和所谓的颜色预调设配置特性曲线(farbvoreinstellungskennlinie)。着墨则基本上由墨区的开口度、颜色条带宽度(也即墨斗辊与传墨辊相接触的持续时间)以及传墨辊节拍(hebertakt)组合而成。由图像数据产生了在宽度上的分布，并且这些颜色预调设配置特性曲线提供了在期望的面覆盖度与所属墨区的位态(stellung)以及与颜色条带宽度之间的关系。
5.从起始颜色预调设配置特性曲线出发，机器控制器基于已存储的规则连续地进一步优化这种颜色预调设配置特性曲线；这是所谓的颜色预调设配置特性曲线训练学习。这种经优化的颜色预调设配置特性曲线然而仅仅适用于在特定机器上的特定印刷机组中的一种颜色。这意味着：图像数据中未包含的所有影响因素都整体地通过这种颜色预调设配置特性曲线进行映射。
6.为了调设湿度，机器目前未提供建议。在大多情况下，湿度的调设是来自先前的任务。
7.对着墨存在一系列影响因素，例如：客户id、机器id、印刷机组在机器内的位置、印刷机组的过往历史(特别是以清洗状态、磨损状态等形式)、承印材料的特性、颜色的特性以及其他。
8.也就是说，现有技术的方法具有各种各样的缺点。由此必须首先一次地在机器上经历一些印刷任务来训练学习新颜色。再者，除了图像数据之外，着墨特性曲线仅仅整体地针对特定的印刷机映射所有其他影响参量。即便在机器内部，仅仅能够非常间接地通过所谓的训练学习(lernen)考虑如此映射的影响参量的差异，而这些影响参量内部的差异则完全无法映射，这是因为特性曲线表示所有这些差异的一种平均值。而且也不考虑不同的湿度要求。
9.为了应对这些缺点，于是经常尝试性地通过简单复制特性曲线在忽略机器依赖性的情况下或采用与机器有关的默认特性曲线进行颜色预调设配置，而没有考虑颜色依赖性。
10.再者，由现有技术为此已知一种用于借助于计算机在印刷机中进行颜色调节的方法，其中，在当前印刷任务的范畴内，借助于颜色测量仪检测在印刷机中生产的印刷品的测
量值，并且计算机利用这些测量值创建特性曲线，计算机将该特性曲线在下一印刷任务适合的情况下使用于印刷机的颜色调设，其特征在于，首先在当前印刷任务结束时由计算机训练学习特性曲线，其中，计算机在统计上分析处理该印刷机的直至当时所检测到的测量值以及附加的参数，并且在特性曲线的训练学习中考虑该分析处理。作为“训练学习”在此类似于已经提到的现有技术，应理解为：在印刷任务的设定阶段和进行作业期间连续地调整这些特性曲线以便实现颜色预调设配置，并且在印刷任务结束时随后将这些特性曲线以其完成匹配的状态进行存储。


技术实现要素：

11.本发明的目的因此在于，提出一种经改善的用于印刷机的颜色预调设配置的方法，该方法相比于由现有技术已知的方法实现更少的废页和设定时间。
12.该目的通过一种用于借助于计算机对印刷机进行颜色调节的方法来解决，其中，借助于颜色测量仪检测在印刷机中所生产的印刷品的测量值，并且计算机分析处理这些测量值，并且基于该分析处理对印刷机进行颜色调节用于加工印刷任务，其特征在于，计算机借助于数据模型分析处理该印刷机的和额外的印刷机的着墨预调设配置，借此对于印刷机的每个印刷任务，针对所有分色计算出颜色预调设配置(farbvoreinstellung)，并且借助该颜色预调设配置对印刷机进行颜色调节。按照本发明的方法与过去的现有技术之间的主要区别在于：除了借助于自学习式算法(或数据模型)分析处理现存的着墨预调设配置之外，本方法不仅考虑到分别待应用的印刷机的迄今的着墨预调设配置(例如在由所提及的现有技术对颜色预调设配置特性曲线进行训练学习的情况那样)而且也考虑且一同分析处理结构相同或相似的其他印刷机的历史着墨预调设配置。由此，于是能够自动化地借助于经训练学习的数据模型针对分别待应用的印刷机计算出颜色预调设配置，这相比于迄今已知方法显著更接近于各印刷任务的额定色值。
13.本方法的有利的并因此优选的改进方案由所属从属权利要求以及具有所属附图的说明产生。
14.按照本发明的方法的一种优选改进方案在此在于，计算机针对用于各印刷机组的所有分色及墨区的颜色预调设配置创建出颜色预调设配置特性曲线，并且利用该颜色预调设配置特性曲线进行颜色预调设配置。在此存在多种可能性方案用于在印刷机上进行颜色预调设配置。最已知的然而是对于要产生的印刷图像的所有分色采用如下颜色预调设配置特性曲线：该颜色预调设配置特性曲线给每个要达到的目标色值配属有针对各墨区的开口度或调节角(stellwinkel)。
15.按照本发明的方法的另一优选改进方案在此在于，计算机借助于对墨区位态的直接操控结合所计算得出的额定面覆盖度来实现针对所有分色的颜色预调设配置。备选于借助针对所有分色以及还有所有(假如存在的话)墨区的颜色预调设配置特性曲线进行颜色预调设配置，也能够执行这样的颜色预调设配置：其中，为了期望的额定面覆盖度(或色值)，对每个印刷机组中的墨区位态(也即调节角)进行调设。这在最终效果方面促成墨区位态与所期望的额定色值(或额定面覆盖度)具有相同的依赖关系，然而取消应用在计算机中所存储的针对所有分色及墨区的颜色预调设配置特性曲线，而是直接转换这些值。
16.按照本发明的方法的另一优选改进方案在此在于，计算机借助于数据模型在考虑
所有影响因素的情况下计算出每个单独墨区的位态(stellung)并且借此附加地考虑相邻墨区的交互作用(interaktion)。如果实现墨区位态的直接操控，那么这附加地能考虑另外的影响因素(特别是相邻墨区彼此的影响)。这在借助于颜色预调设配置特性曲线进行操控的情况下是不可能的，因为这种特性曲线全局地(global)适用于每个分色及印刷任务的所有墨区。
17.按照本发明的方法的另一优选改进方案在此在于，作为数据模型的输入参数，这些着墨预调设配置包括：历史颜色预调设配置特性曲线、各个墨区的额定面覆盖度、墨区位态、颜色条带宽度、传墨辊节拍、保湿剂量、以及分别要应用的承印基底(或要应用的印刷油墨)。这些是所述数据模型基于所有可用的印刷机的历史颜色预调设配置数据所需要的最常见的输入参数。然而应列举的并不限于这些参数，而是也可以包含另外的在此未提及的参数形式的调设值。
18.按照本发明的方法的另一优选改进方案在此在于，作为所述数据模型的输出参数，针对在印刷机上的各印刷任务，由所述数据模型重新计算出：颜色预调设配置特性曲线或墨区位态、额定面覆盖度、颜色条带宽度、传墨辊节拍以及保湿剂量。这些输出参数因此相当于这样的值：经训练学习的数据模型针对各印刷机的颜色预调设配置输出这些值。根据颜色预调设配置是否应借助于颜色预调设配置的特性曲线还是应借助于颜色预调设配置的直接操控来发生而定地，数据模型输出相应的输出参数。也就是说，数据模型在其经训练学习的状态中基于在所应用的机器上以及在另外的附加的机器上的历史颜色预调设配置数据而清楚知道：具有何种印刷任务数据和具有呈墨区位态形式的以及呈另外的所提及的输入参数形式的何种颜色预调设配置的哪个印刷机已经达到何种额定色值(或面覆盖度)。
19.按照本发明的方法的另一优选改进方案在此在于，计算机使数据模型持续不断地适配于新的数据组，其方式是，该计算机分析处理全部可用的印刷机的日志的数据。该数据模型应已经以经训练学习的状态提供给其中存在相应的要调设的印刷机的印刷厂，借此可立刻应用该数据模型。然而有利的是，数据模型持续不断地借助于已真实实现的、来自各印刷机运行的数据以及另外的对于计算机(数据模型运行在该计算机上)可用的印刷机运行数据在颜色预调设配置方面得到改善。
20.按照本发明的方法的另一优选改进方案在此在于，数据模型对由计算机所求取的在经颜色调节的印刷机上发生的变化(特别是由于服务或磨损引起的机器特性变化)做出反应。机器特性的这些变化按照逻辑也影响到墨区开口度(或墨区位态)与要实现的额定色值(或面覆盖度)之间的关联性。因此，如果这些机器特性发生改变，那么数据模型也必须相应地适配于这些改变的条件，以便继续可靠地进行颜色预调设配置。
21.按照本发明的方法的另一优选改进方案在此在于，计算机借助于数据模型通过考虑经验值和当前的输入参数来补充缺少的输入参数。这种数据模型的应用的另一优点在于，经训练学习的数据模型也能够应对不完整的数据。如果例如要在已知的机器上应用新的颜色，那么数据模型(即便对于这种新的印刷颜色还不存在数据)已经可以针对各机器和新的印刷颜色提供非常良好的预调设配置。
22.按照本发明的方法的另一优选改进方案在此在于，数据模型对输入的数据(特别是上述输入参数)关于确定的特性(如客户特性、印刷机特性、颜色特性、承印基底特性等)
以分类的方式进行分析处理。这涉及到数据模型的内部过程，也即：如何使输入的数据实现结构化，以便随后能够对这些输入的数据进行分析处理。优选地，在此由数据模型考虑这些种类中的全部。然而也能够省略单个参数种类(或类型)。然而省略的类型越多，那么由经训练学习的数据模型所产生的颜色预调设配置越不特定(spezifisch)。
附图说明
23.本发明自身以及构造和/或功能上有利的改进方案接下来参照附图根据至少一个优选实施例进一步描述。在附图中彼此相应的元素设有分别相同的附图标记。附图示出：
24.图1：所应用的印刷机系统的构造结构；
25.图2：按照本发明的方法的示意流程。
具体实施方式
26.按照本发明的方法用于印刷机3，该印刷机3位于确定的工作流系统4中。这种工作流系统4示例性地在图1中示出。工作流系统4运行在一个或多个计算机1上，通过所述计算机1加工相应的印刷任务。应在印刷机3上印刷的印刷任务在此由一计算机关于对于该印刷任务所必要的颜色预调设配置方面进行分析，并且使之在颜色预调设配置方面匹配于要应用的印刷机3。如此创建的颜色预调设配置特性曲线5随后转发给印刷机3的控制计算机2用于相应的颜色调节。在此，计算机可以是印刷机3自身的控制计算机2，这就不需要专门进行转发，或者计算机也可以相当于工作流计算机1或另一印前阶段计算机。
27.在考虑过去的数据和附加的影响参量的情况下，现在研发数据模型7，该数据模型7对于每个印刷任务提供用于每个分色的最佳的着墨预调设配置。在优选实施变型方案中，模型7基于连续地在大量的印刷机的范畴内所收集的数据9。
28.着墨预调设配置在此通过如下数据描述：
[0029]-墨区位态；
[0030]-颜色条带宽度；
[0031]-传墨辊节拍；
[0032]-保湿剂量；
[0033]-以及其他。
[0034]
再者，为了简化集成到现存的基础结构中，墨区位态还通过各个墨区的颜色预调设配置特性曲线5和额定面覆盖度描述。具体的墨区位态是颜色预调设配置特性曲线5上的点，该点与从图像数据所提取到的期望的额定面覆盖度相对应。通过考虑多个影响参量而产生更好的特性曲线5，其促成减少废页。
[0035]
迄今，“经训练学习的”(也即在确定的时刻存储的)颜色预调设配置特性曲线5可以仅仅有条件地在不同印刷机3以及在理想情况下也在结构系列之间传递。然而，这是使用数据模型7所固有的，所述数据模型7在考虑大量影响因素后针对每个印刷任务计算出新的调设值。对每个任务的每个分色进行计算的颜色预调设配置特性曲线5于是描绘了这些影响参量的整体差异/整体方差。图2在此示出按照本发明在应用提出的数据模型7的情况下利用颜色预调设配置进行颜色调节的方法流程。
[0036]
针对每个任务的每个分色，在此模型7会提供如下输出参量：
[0037]-单独地基于所有影响参数6计算得出的颜色预调设配置特性曲线5；
[0038]-额定面覆盖度；
[0039]-颜色条带宽度；
[0040]-传墨辊节拍；
[0041]-保湿剂量。
[0042]
模型7此外也能够应付不完整的数据6。对此的示例在于：
[0043]
a)针对迄今未知的、具有已知设置(或颜色预调设配置特性曲线5)的机器3进行计算。因为客户是已知的，并且已经操作了多个机器，并且这些机器例如总是以高颜色密度运行，因而这种偏爱自动地通过模型7被考虑。
[0044]
b)在已知的机器3上采用新的颜色，这种颜色通过其lab值以及如果必要的话还通过额定层厚进行描述。在此，模型7于是在考虑特定机器3和客户的所有特性的情况下提供了非常好的颜色预调设配置。
[0045]
在此，在另一优选实施变型方案中，模型7如此构成，使得总是匹配于新的数据组。为此，所有具有适合的日志配置(logging-instrumentierung)的机器3通过现存的机器日志8提供数据。此外，模型7将可以对变化做出反应，例如是由于服务或磨损所引起的机器特性变化。
[0046]
在另外的实施变型方案中，数据模型7再者可以直接提供墨区位态而不是颜色预调设配置特性曲线5，基于这些墨区位态于是借助额定面覆盖度考虑颜色预调设配置。这种解决方案也可以描绘出相邻墨区的交互作用，这是因为模型7可以在考虑所有影响因素的情况下输出每个单独墨区的位态。
[0047]
这在优选的变型方案中利用颜色预调设配置特性曲线5是不可行的。在此无法考虑各个墨区的交互作用，因为特性曲线5全局地适用于每个分色和任务的所有墨区。为此，集成到现存的基础结构中借助于利用颜色预调设配置特性曲线5的优选变型方案显著更简单，因此这成为优选。
[0048]
在另一优选实施变型方案中，模型7固有地根据特定的从属关系划分其输入数据，也即产生如下参数6：这些参数6描绘了客户特性、机器特性、颜色特性、承印基底特性等。在优选的变型方案中考虑所有这些输入参数6。然而备选地也能够省略单种参数类型(例如机器特性)。于是，颜色预调设配置得以日益全局化，并且接近当今由现有技术已知的方法并且因此准确度降低了。
[0049]
具有颜色预调设配置特性曲线5的优选实施变型方案因此能实现更好集成到现存的基础结构中，并且能够更准确地描绘这些影响参量的差异，进而能够更好地进行颜色预调设配置。
[0050]
一般地，全部所提及的实施变型方案都通过考虑多个影响参量从而能更好地进行颜色预调设配置，这意味着减少废页。迄今，“经训练学习的”颜色预调设配置特性曲线5仅能够有条件地在不同印刷机3以及也在结构系列之间传递。然而，通过在考虑大量影响因素的情况下针对每个任务计算出新的调设值的数据模型7则固有地产生这一点。
[0051]
总而言之，按照本发明的方法的优点如下：
[0052]-即便不那么熟练的操作者都可获得最佳的颜色/湿度预调设配置。
[0053]-无需手动干预。
[0054]-还能够良好地预调设配置新颜色。
[0055]-节省成本，因为更少的废页(或更短的安装调整时间)。
[0056]-提高了客户满意度。
[0057]
附图标记列表
[0058]1ꢀꢀꢀ
工作流计算机
[0059]2ꢀꢀꢀ
印刷机的控制计算机
[0060]3ꢀꢀꢀ
印刷机
[0061]4ꢀꢀꢀ
工作流系统
[0062]5ꢀꢀꢀ
颜色预调设配置特性曲线
[0063]6ꢀꢀꢀ
数据模型的输入参数
[0064]7ꢀꢀꢀ
数据模型
[0065]8ꢀꢀꢀ
印刷机的数据日志
[0066]9ꢀꢀꢀ
另外的印刷机的数据