CN108073751A - 为一纺织染色制程决定一目标控制数据组的装置、方法及其电脑可读取储存媒体 - Google Patents
为一纺织染色制程决定一目标控制数据组的装置、方法及其电脑可读取储存媒体 Download PDFInfo
- Publication number
- CN108073751A CN108073751A CN201611063688.3A CN201611063688A CN108073751A CN 108073751 A CN108073751 A CN 108073751A CN 201611063688 A CN201611063688 A CN 201611063688A CN 108073751 A CN108073751 A CN 108073751A
- Authority
- CN
- China
- Prior art keywords
- dyeing
- correlation model
- control data
- dyeing quality
- data group
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004043 dyeing Methods 0.000 title claims abstract description 220
- 238000000034 method Methods 0.000 title claims abstract description 110
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 230000008569 process Effects 0.000 title abstract description 3
- 239000004753 textile Substances 0.000 title abstract description 3
- 238000012545 processing Methods 0.000 claims description 76
- 238000009973 dope dyeing Methods 0.000 claims description 73
- 238000004422 calculation algorithm Methods 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012417 linear regression Methods 0.000 claims description 8
- 230000009183 running Effects 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000007935 neutral effect Effects 0.000 claims 1
- 239000000975 dye Substances 0.000 description 31
- 230000000694 effects Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 238000009472 formulation Methods 0.000 description 7
- 239000000203 mixture Substances 0.000 description 7
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical compound O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 description 6
- 239000000835 fiber Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000001953 sensory effect Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000012896 Statistical algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 239000004677 Nylon Substances 0.000 description 1
- 208000012886 Vertigo Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 239000001045 blue dye Substances 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 150000004696 coordination complex Chemical class 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 229920001778 nylon Polymers 0.000 description 1
- 229920000728 polyester Polymers 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
- 238000009941 weaving Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
-
- D—TEXTILES; PAPER
- D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
- D06P—DYEING OR PRINTING TEXTILES; DYEING LEATHER, FURS OR SOLID MACROMOLECULAR SUBSTANCES IN ANY FORM
- D06P1/00—General processes of dyeing or printing textiles, or general processes of dyeing leather, furs, or solid macromolecular substances in any form, classified according to the dyes, pigments, or auxiliary substances employed
- D06P1/0032—Determining dye recipes and dyeing parameters; Colour matching or monitoring
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/041—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a variable is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Automation & Control Theory (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Textile Engineering (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Coloring (AREA)
- Treatment Of Fiber Materials (AREA)
Abstract
一种为一纺织染色制程决定一目标控制数据组的装置、方法及其电脑可读取储存媒体。该装置利用多笔历史控制数据组所对应的多个控制因子决定一染色品质关联模型的多个决定因子，且计算各该决定因子所对应的一系数。该装置更根据一控制条件组，计算出使一染色目标关联模型具有一最小值的该目标控制数据组，其中该染色目标关联模型由该多个控制因子界定，且该控制条件组包含该染色品质关联模型的一预设范围以及各该控制因子的一预设范围。
Description
技术领域
本发明是关于一种为一纺织染色制程决定一目标控制数据组的装置、方法及其电脑可读取储存媒体；更具体而言，本发明是关于一种利用多个关联模型来为一纺织染色制程决定一目标控制数据组的装置、方法及其电脑可读取储存媒体。
背景技术
纺织染色技术主要是以三个阶段来为一纺织染色制程决定染料配方(例如：红色染料、黄色染料、蓝色染料的比例)及多个控制因子(例如：主要染程的起始温度、主要染程的升温速率、主要染程的终点温度、主要染程的最高温度的持温时间、浴比值)的控制数据组。概要而言，第一阶段是由使用者于化验室以样本试验，借此初步地决定一纺织染色制程的染料配方及多个控制因子的控制数据组。第二阶段再以第一阶段所决定的染料配方及控制数据组于工厂的染缸实际操作。第三阶段则是检验第二阶段的染色结果(例如：以分光仪解析成品颜色与订单颜色的一致性)。若染色结果不符预期，则需要重复地执行此三阶段，直到所决定的染料配方及控制数据组能使染色结果符合预期。然而，工厂实际染色的规模远大于化验室测试的规模(例如：工厂的染缸进行染色的布，其重量可能为实验室所采用的样本的数万或数十万倍)，若多次重复地执行前述三阶段，将大幅地增加纺织染色制程的成本。
由上述说明可知，第一阶段在化验室所决定的染料配方及控制数据组是否符合需求极为关键。已知技术是以发展相当成熟的染料配方设计软件(例如：Datacolor MATCH)决定一纺织染色制程的染料配方，因此通常毋须再多次调整。至于纺织染色制程的控制因子的控制数据组，则由业者依据经验决定。此种决定方式不仅欠缺效率，且当业者决定出较差的控制数据组(例如：由于经验不足)时，势必需要多次重复地执行前述三个阶段，将大幅地增加纺织染色制程的成本。
有鉴于此，如何有效率地且准确地决定出纺织染色制程的目标控制数据组，以达到所要求的染色品质、提升稳定度以及降低生产成本，乃业界亟需努力的目标。
发明内容
为解决前述问题，本发明提供了一种为一纺织染色制程决定一目标控制数据组的装置、方法及其电脑可读取储存媒体。
本发明所提供的为一纺织染色制程决定一目标控制数据组的装置，包含一储存器及一处理器，且二者彼此电性连接。该目标控制数据组包含多个控制数据，且这些控制数据一对一地对应至多个控制因子。该储存器储存多笔历史控制数据组，且各该历史控制数据组包含一历史染色品质数据及多个历史控制数据一对一地对应至这些控制因子。该处理器决定该纺织染色制程的一染色品质关联模型。具体而言，该处理器是执行以下运作来决定该染色品质关联模型：(a1)根据这些控制因子决定该染色品质关联模型的多个决定因子，以及(a2)根据该纺织染色制程的这些历史控制数据组计算该染色品质关联模型的各该决定因子的一系数。该处理器更根据一控制条件组，计算出使一染色目标关联模型具有一最小值的该目标控制数据组。该染色目标关联模型由这些控制因子界定，且该控制条件组包含该染色品质关联模型的一预设范围以及各该控制因子的一预设范围。
本发明所提供的为一纺织染色制程决定一目标控制数据组的方法适用于一电子计算装置。该目标控制数据组包含多个控制数据，且这些控制数据一对一地对应至多个控制因子。该方法包含下列步骤：(a)决定该纺织染色制程的一染色品质关联模型，以及(b)根据一控制条件组，计算出使一染色目标关联模型具有一最小值的该目标控制数据组。具体而言，该步骤(a)包含下列步骤：(a1)根据这些控制因子决定该染色品质关联模型的多个决定因子，以及(a2)根据该纺织染色制程的多笔历史控制数据组计算该染色品质关联模型的各该决定因子的一系数。各该历史控制数据组包含一历史染色品质数据及多个历史控制数据一对一地对应至这些控制因子。该步骤(b)中的该染色目标关联模型由这些控制因子界定，且该控制条件组包含该染色品质关联模型的一预设范围以及各该控制因子的一预设范围。
本发明所提供的电脑可读取储存媒体包括电脑程序产品，电脑程序产品经由一电子计算装置载入后，该电子计算装置执行该电脑程序产品所包含的多个程序指令以执行一种为一纺织染色制程决定一目标控制数据组的方法。该目标控制数据组包含多个控制数据，且这些控制数据一对一地对应至多个控制因子。该方法包含下列步骤：(a)决定该纺织染色制程的一染色品质关联模型，以及(b)根据一控制条件组，计算出使一染色目标关联模型具有一最小值的该目标控制数据组。具体而言，该步骤(a)包含下列步骤：(a1)根据这些控制因子决定该染色品质关联模型的多个决定因子，以及(a2)根据该纺织染色制程的多笔历史控制数据组计算该染色品质关联模型的各该决定因子的一系数。各该历史控制数据组包含一历史染色品质数据及多个历史控制数据一对一地对应至这些控制因子。该步骤(b)中的该染色目标关联模型由这些控制因子界定，且该控制条件组包含该染色品质关联模型的一预设范围以及各该控制因子的一预设范围。
简言之，本发明所提供的技术是利用多笔历史控制数据组决定至少一染色品质关联模型，再计算出能满足一控制条件组(包含该染色品质关联模型的一预设范围以及多个控制因子各自的预设范围)且使一染色目标关联模型具有一最小值的一目标控制数据组。本发明在决定目标控制数据组时所利用的至少一染色品质关联模型及染色目标关联模型皆与一纺织染色制程的多个控制因子相关。由于考量了影响纺织染色制程的多个控制因子，且利用了历史控制数据组，因此本发明所提供的技术能有效率地计算出用于纺织染色制程的目标控制数据，且能避免业者仅凭经验决定目标控制数据组时所可能导致的成本浪费。
附图说明
为让本发明的上述目的、特征和优点能更明显易懂，以下结合附图对本发明的具体实施方式作详细说明，其中：
图1A是描绘第一实施方式的控制数据决定装置11的架构示意图；
图1B是描绘一示例性的多笔历史控制数据组10a、10b、…、10c的示意图；以及
图2是描绘第二实施方式的控制数据决定方法的流程图。
图中元件标号说明：
10a、10b、……、10c：历史控制数据组
11：控制数据决定装置
111：储存器
113：处理器
12：目标控制数据组
A、B、C、D、E：控制因子
K/S：染色品质标准
ΔE：染色品质标准
S201、S203、S205、S207、S209：步骤
具体实施方式
以下将透过实施方式来解释本发明所提供的一种为一纺织染色制程决定一目标控制数据组的装置、方法及其电脑可读取储存媒体。然而，这些实施方式并非用以限制本发明需在如这些实施方式所述的任何环境、应用或方式方能实施。因此，关于实施方式的说明仅为阐释本发明的目的，而非用以限制本发明的范围。应理解，在以下实施方式及图式中，与本发明非直接相关的元件已省略而未绘示，且各元件的尺寸以及元件间的尺寸比例仅为例示而已，而非用以限制本发明的范围。
本发明的第一实施方式为一种为一纺织染色制程决定一目标控制数据组的装置(下称「控制数据决定装置」)11，其架构示意图是描绘于图1A。控制数据决定装置11包含一储存器111及一处理器113，且二者彼此电性连接。储存器111可为一存储器、一通用串行总线(Universal Serial Bus；USB)盘、一硬盘、一光盘(Compact Disk；CD)、一随身盘或本发明所属技术领域中普通技术人员所知且具有相同功能的任何其他储存媒体或电路。处理器113可为各种处理单元、中央处理单元(Central Processing Unit；CPU)、微处理器或本发明所属技术领域中具有通常知识者所知悉的其他计算装置。
在纺织染色技术中，各种织品材料(例如：聚脂纤维、尼龙、混纺)、各种纤维规格(例如：小于75纤度(denier)、大于75纤度)、各种染剂类别(例如：均染(leveling)、金属错合物(metal complex))及各种总浓度范围(例如：小于0.5％、介于0.5％及1.5％之间、大于1.5％)所形成的不同组合需要不同的纺织染色制程。控制数据决定装置11能针对不同的纺织染色制程决定不同的目标控制数据组。由于控制数据决定装置11是以相同的技术为不同的纺织染色制程决定目标控制数据组，故以下将仅针对一个纺织染色制程进行详细说明。
一个纺织染色制程所能达成的染色结果(例如：染色品质、稳定度及生产成本)受到多个控制因子(例如：染液浓度、助剂浓度、酸碱值、浴比值、主要染程的起始温度、主要染程的升温速率、主要染程的终点温度、主要染程的最高温度的持续时间以及水洗时间等)影响。控制数据决定装置11便是为一纺织染色制程决定这些控制因子的控制数据，而这些控制数据所形成的集合即为目标控制数据组。换言之，控制数据决定装置11所决定的目标控制数据组包含多个控制数据，且这些控制数据一对一地对应至这些控制因子。需说明者，主要染程是指在一个纺织染色制程中，这些控制因子影响染色结果较为明显的制程区间。已知的纺织染色制程通常将升温过程区分为三个区间：第一区间是由室温至主要染程的起始温度，第二区间是由主要染程的起始温度至主要染程的终点温度，而第三区间是由主要染程的终点温度至主要染程的最高温度。这些控制因子在第二区间对染色结果的影响远大于在第一区间或/及第三区间对染色结果的影响，故第二区间被认为是纺织染色制程的危险区间。因此，本发明所属技术领域中具有通常知识者应能理解可采用与主要染程(亦即，第二区间)相关的信息作为控制因子。
控制数据决定装置11的储存器111储存该纺织染色制程的多笔历史控制数据组10a、10b、…、10c，其中历史控制数据组10a、10b、…、10c中的每一组包含至少一历史染色品质数据及多个历史控制数据一对一地对应至这些控制因子。具体而言，历史控制数据组10a、10b、…、10c中的每一组包含过去执行该纺织染色制程时各控制因子的控制数据及染色完成品的实际染色品质数据。
为便于理解，请参图1B所绘示的具体范例。于此具体范例中，纺织染色制程具有五个控制因子A、B、C、D、E及二个染色品质标准K/S及ΔE。举例而言，控制因子A、B、C、D、E可分别为纺织染色制程的主要染程的起始温度、主要染程的升温速率、主要染程的终点温度、主要染程的最高温度的持续时间及浴比值，染色品质标准K/S可为固色力标准，且染色品质标准ΔE可为国际照明委员会(International Commission on Illumination：CIE)所制定的CIE76标准中的感觉差异值(delta E)。于此具体范例中，历史控制数据组10a、10b、…、10c中的每一组包含五个历史控制数据一对一地对应至控制因子A、B、C、D、E及二个历史染色品质数据一对一地对应至染色品质标准K/S及ΔE。需说明者，本具体范例中的控制因子的数目、染色品质标准的数目、各控制因子的具体态样及各染色品质标准的具体态样仅为例示而已，而非用以限制本发明的范围。
接着说明控制数据决定装置11如何为一纺织染色制程决定一目标控制数据组。于本实施方式中，控制数据决定装置11利用历史控制数据组10a、10b、…、10c、至少一染色品质关联模型及一染色目标关联模型来决定该目标控制数据组。
首先，控制数据决定装置11的处理器113决定该纺织染色制程的至少一染色品质关联模型，其目的在于建立这些控制因子与染色品质间的关联性。于本实施方式中，处理器113是决定二个染色品质关联模型，分别为一第一染色品质关联模型及一第二染色品质关联模型。需说明者，于其他实施方式中，处理器113可决定其他数目个染色品质关联模型；换言之，本发明并未限制控制数据决定装置11需决定二个染色品质关联模型。
具体而言，处理器113根据这些控制因子决定该第一染色品质关联模型的多个第一决定因子，再根据该纺织染色制程的历史控制数据组10a、10b、…、10c计算第一染色品质关联模型的各该第一决定因子的一第一系数。如前所述，一个纺织染色制程所能达成的染色结果受到多个控制因子影响。此外，这些控制因子亦会交互影响，进而改变染色结果。因此，处理器113根据这些控制因子决定第一染色品质关联模型的这些第一决定因子，而这些第一决定因子可视为会影响该纺织染色制程的染色结果的因子。为便于理解，兹以图1B所绘示的具体范例接续说明。处理器113可考量控制因子A、B、C、D、E及任意二者间的交互影响，借此决定出多个第一决定因子。请参以下公式(1)：
于公式(1)中，fK/S(A，B，C，D，E)代表第一染色品质关联模型，变数A、B、…、E分别代表控制因子A、B、C、D、E，而处理器113所决定的这些第一决定因子则包含变数A、B、…、E、AB、AC、…、A2、…。需说明者，于公式(1)中，处理器113仅考虑单一控制因子所造成的影响及任意二个控制因子间的交互影响，但于其他实施方式中，处理器113亦可进一步地考虑其他数目个控制因子间的交互影响(例如：三个、四个)。
在处理器113决定了这些第一决定因子后，处理器113根据历史控制数据组10a、10b、…、10c中每一组对应至染色品质标准K/S的历史染色品质数据及对应至控制因子A、B、…、E的这些历数数据，计算出第一染色品质关联模型的各第一决定因子的第一系数。各该第一系数可呈现出相对应的该第一决定因子在第一染色品质关联模型中的贡献程度。以公式(1)为例，变数b、bA、bB、…、bE、bAB、bAC、…、bAA、…即代表处理器113所欲计算出的这些第一系数。在处理器113计算出这些第一系数后，便已决定出第一染色品质关联模型。由于处理器113在决定第一染色品质关联模型时是利用历史控制数据组10a、10b、…、10c中对应至染色品质标准K/S的历史染色品质数据，因此第一染色品质关联模型可视为与固色力标准相关。
需说明者，于某些实施方式中，处理器113可借由一统计学演算法、一倒传递神经网络(Back-Propagation Neural network；BPN)演算法或一支持向量回归(SupportVector Regression；SVR)演算法来计算这些第一系数。前述统计学演算法可包含一多变量线性回归(Multiple Linear Regression)演算法及多个相对权重(Relative Weight)。本发明所属技术领域中具有通常知识者应可了解如何借由一统计学演算法、一倒传递神经网络演算法或一支持向量回归演算法来计算出公式(1)中的这些第一系数，故不赘言。
类似的，处理器113亦根据这些控制因子决定该第二染色品质关联模型的多个第二决定因子，再根据该纺织染色制程的历史控制数据组10a、10b、…、10c计算第二染色品质关联模型的各该第二决定因子的一第二系数。这些第二决定因子可视为会影响该纺织染色制程的染色结果的因子，而各该第二系数可呈现出相对应的该第二决定因子在第二染色品质关联模型中的贡献程度。以图1B为例，处理器113可考量控制因子A、B、C、D、E及任意二者间的交互影响，借此决定出多个第二决定因子。请参以下公式(2)：
于公式(2)中，fΔE(A，B，C，D，E)代表第二染色品质关联模型，变数A、B、…、E分别代表控制因子A、B、C、D、E，而处理器113所决定的第二决定因子则包含变数A、B、…、E、AB、AC、…、A2、…。类似的，于公式(2)中，处理器113仅考虑单一控制因子所造成的影响及任意二个控制因子间的交互影响，但于其他实施态样中，处理器113亦可进一步地考虑其他数目个控制因子间的交互影响(例如：三个、四个)。
在处理器113决定了这些第二决定因子后，处理器113根据历史控制数据组10a、10b、…、10c中每一组对应至染色品质标准ΔE的历史染色品质数据及对应至控制因子A、B、…、E的这些历数数据，计算出第二染色品质关联模型的各第二决定因子的第二系数。以公式(2)为例，变数a、aA、aB、…、aE、aAB、aAC、…、aAA、…即代表处理器113所欲计算出的这些第二系数。在处理器113计算出这些第二系数后，便已决定出第二染色品质关联模型。由于处理器113在决定第二染色品质关联模型时是利用历史控制数据组10a、10b、…、10c中对应至染色品质标准ΔE的历史染色品质数据，因此第二染色品质关联模型可视为与CIE76标准中的感觉差异值相关。
类似的，于某些实施方式中，处理器113可借由一统计学演算法、一倒传递神经网络演算法或一支持向量回归演算法来计算这些第二系数。前述统计学演算法可包含一多变量线性回归演算法及多个相对权重。
接着说明处理器113如何根据一控制条件组计算出使一染色目标关联模型具有一最小值的该目标控制数据组12。
本实施方式的控制数据决定装置11提供三个不同的染色目标关联模型，其中第一染色目标关联模型与一染色品质标准相关，第二染色目标关联模型与染色稳定度相关，且第三染色目标关联模型与染色成本相关。第一、第二及第三染色目标关联模型皆由这些控制因子所界定(亦即，与这些控制因子相关)。第一、第二及第三染色目标关联模型可事先地储存于储存器111。需说明者，于其他实施方式中，控制数据决定装置11可提供其他数目个染色目标关联模型；换言之，本发明并未限制控制数据决定装置11需提供三个染色目标关联模型。此外，控制数据决定装置11所提供的染色目标关联模型亦可与使用者关心的其他目标相关；换言之，本发明并未限制染色目标关联模型一定要与染色品质标准、染色稳定度或染色成本相关。
为便于理解，兹延续图1B所绘示的具体范例继续说明。举例而言，处理器113可采用前述公式(2)作为第一染色目标关联模型，故此第一染色目标关联模型与CIE76标准中的感觉差异值相关，且此第一染色目标关联模型由控制因子A、B、C、D、E界定。再举例而言，处理器113可采用以下公式(3)作为第二染色目标关联模型，此第二染色目标关联模型由控制因子A、B、C、D、E界定。由于第二染色目标关联模型是考量fΔE(A，B，C，D，E)的梯度值，故可视为与染色稳定度相关。
Grediant of[fΔE(A，B，C，D，E)2] (3)
再举例而言，处理器113可采用以下公式(4)作为第三染色目标关联模型，其是考量了该纺织染色制程的耗电成本、用水成本及机台占用成本。此第三染色目标关联模型由控制因子A、B、C、D、E界定。
于公式(4)中，变数C1为每焦耳的成本，变数S为热容量，变数M为纺织品重量，TL变数为室内温度，变数TH为最高温度，变数C2为每公斤耗水量的成本，变数C3为每公斤废水的处理成本，变数K为换水次数，变数C4为机台占用每分钟的成本，变数ν为室内温度TL至主要染程的起始温度A(亦即，纺织染色制程的升温过程的第一区间)以及主要染程的终点温度C至最高温度TH(亦即，纺织染色制程的升温过程的第三区间)的升温速率。于公式(4)中，C1SM(TH-TL)E为耗电成本，(C2+C3)MKE为用水成本，且 为机台占用成本。
处理器113可依据使用者的指示(例如：透过控制数据决定装置11的一收发接口接收使用者所输入的指示)选择其中一个染色目标关联模型，并依据相对应的控制条件组计算出使该染色目标关联模型具有一最小值的目标控制数据组12。控制条件组包含第一染色品质关联模型的一预设范围以及各该控制因子的一预设范围。
兹假设使用者选择第一染色目标关联模型(亦即，公式(2))，则相对应的控制条件组可包含以下公式(5)-(10)：
LBA≤A≤C (5)
LBB≤B≤UBB (6)
LBc≤C≤UBC (7)
LBD≤D≤UBD (8)
LBE≤E≤UBE (9)
LBk/s≤fk/s(A，B，C，D，E)≤UBk/s (10)
公式(5)-(10)中的变数LBA、LBB、UBB、LBC、UBC、LBD、UBD、LBE、UBE、LBK/S、UBK/S可为预设值，亦可由使用者视实际需要而设定(例如：透过控制数据决定装置11的一收发接口接收使用者所输入的设定)。上述公式(5)-(9)分别为控制因子A、B、C、D、E的预设范围，而公式(10)为第一染色品质关联模型的预设范围。处理器113根据此控制条件组，计算出满足此控制条件组的所有要求，且使第一染色目标关联模型(亦即，公式(2))具有一最小值的控制因子A、B、C、D、E的控制数据作为目标控制数据组12。
兹假设使用者选择第二染色目标关联模型(亦即，公式(3))，则相对应的控制条件组除了可包含公式(5)-(10)，更可包含以下公式(11)：
fΔE(A，B，C，D，E)≤UBΔE (11)
公式(11)中的变数UBΔE可为预设值，亦可由使用者视实际需要而设定(例如：透过控制数据决定装置11的一收发接口接收使用者所输入的设定)。公式(11)为第二染色品质关联模型的预设范围。处理器113根据此控制条件组，计算出满足此控制条件组的所有要求，且使第二染色目标关联模型(亦即，公式(3))具有一最小值的控制因子A、B、C、D、E的控制数据作为目标控制数据组12。
兹假设使用者选择第三染色目标关联模型(亦即，公式(4))，则相对应的控制条件组可包含公式(5)-(11)。类似的，处理器113根据此控制条件组，计算出满足此控制条件组的所有要求，且使第三染色目标关联模型(亦即，公式(4))具有一最小值的控制因子A、B、C、D、E的控制数据作为目标控制数据组12。
不论采用哪一染色目标关联模型，处理器113所算出的目标控制数据组12所包含的这些控制数据即为所欲求得的数据。控制数据决定装置11可将目标控制数据组12所包含的这些控制数据传送给使用者(例如：透过控制数据决定装置11的一收发接口传送给使用者)或显示于一显示装置(可包含于控制数据决定装置11或外在于控制数据决定装置11)上。后续，使用者便可利用目标控制数据组12所包含的这些控制数据，于工厂的染缸实际操作，且计算该次染色结果的一或多个染色品质数据(例如：对应至染色品质标准K/S的染色品质数据及对应至染色品质标准ΔE的染色品质数据)。
于某些实施方式中，处理器113更可将目标控制数据组12所包含的这些控制数据以及相对应的染色品质数据(亦即，利用目标控制数据组12进行染色，其染色结果的染色品质数据)储存于储存器111。于某些实施方式中，处理器113可进一步地根据历史控制数据组10a、10b、…、10c、目标控制数据组12及目标控制数据组12所对应的至少一染色品质数据，更新第一染色品质关联模型的这些第一系数或/及第二染色品质关联模型的这些第二系数。本发明所属技术领域中普通技术人员依据前述说明，应可理解处理器113如何根据历史控制数据组10a、10b、…、10c、目标控制数据组12及目标控制数据组12所对应的至少一染色品质数据，更新第一染色品质关联模型的这些第一系数或/及第二染色品质关联模型的这些第二系数，故不赘言。透过更新第一染色品质关联模型的这些第一系数或/及第二染色品质关联模型的这些第二系数，将使处理器113后续能更为准确地计算出其他目标控制数据组。
由上述说明可知，控制数据决定装置11根据多笔历史控制数据组10a、10b、…、10c决定至少一染色品质关联模型，再根据一控制条件组，计算出使一染色目标关联模型具有一最小值的一目标控制数据组。控制数据决定装置11在决定目标控制数据组时所利用的至少一染色品质关联模型及染色目标关联模型皆与一纺织染色制程的多个控制因子相关。由于考量了影响纺织染色制程的多个控制因子，且利用了历史控制数据组10a、10b、…、10c，因此控制数据决定装置11能有效率地计算出用于纺织染色制程的目标控制数据组，且能避免业者仅凭经验决定目标控制数据组时所可能导致的成本浪费。
本发明的第二实施方式为一种为一纺织染色制程决定一目标控制数据组的方法(以下简称「控制数据决定方法」)，其流程图是描绘于图2。该控制数据决定方法适用于一电子计算装置，例如第一实施方式所述的控制数据决定装置11。该纺织染色制程受到多个控制因子影响，而本实施方式所欲决定的该目标控制数据组包含多个控制数据，且这些控制数据一对一地对应至这些控制因子。
首先，由该电子计算装置决定该纺织染色制程的一第一染色品质关联模型。具体而言，于步骤S201，由该电子计算装置根据这些控制因子决定该第一染色品质关联模型的多个第一决定因子。接着，执行步骤S203，由该电子计算装置根据该纺织染色制程的多笔历史控制数据组计算该第一染色品质关联模型的各该第一决定因子的一第一系数。前述各该历史控制数据组包含至少一历史染色品质数据及多个历史控制数据一对一地对应至这些控制因子。于某些实施方式中，步骤S203可采一统计学演算法、一倒传递神经网络演算法及一支持向量回归演算法其中之一计算这些第一系数。前述该统计学演算法包含一多变量线性回归演算法及多个相对权重。需说明者，于某些实施方式中，该第一染色品质关联模型可与一固色力标准或一染色品质标准相关。
之后，由该电子计算装置决定该纺织染色制程的一第二染色品质关联模型。具体而言，于步骤S205，由该电子计算装置根据这些控制因子决定该第二染色品质关联模型的多个第二决定因子。接着，于步骤S207，由该电子计算装置根据这些历史控制数据组计算该第二染色品质关联模型的各该第二决定因子的一第二系数。于某些实施方式中，步骤S207可采一统计学演算法、一倒传递神经网络演算法及一支持向量回归演算法其中之一计算这些第二系数。前述该统计学演算法包含一多变量线性回归演算法及多个相对权重。需说明者，于某些实施方式中，该第二染色品质关联模型可与一固色力标准或一染色品质标准相关。
需说明者，于某些实施方式中，步骤S205及步骤S207可予以省略。此外，于某些实施方式中，控制数据决定方法则可重复地执行步骤S201及步骤S203(或步骤S205及步骤S207)以决定该纺织染色制程的其他染色品质关联模型。本发明所属技术领域中普通技术人员依据前述内容应可理解如何决定该纺织染色制程的其他染色品质关联模型，兹不赘言。
之后，执行步骤S209，由该电子计算装置根据一控制条件组，计算出使一染色目标关联模型具有一最小值的该目标控制数据组。该染色目标关联模型由这些控制因子界定，且该控制条件组包含该第一染色品质关联模型的一预设范围以及各该控制因子的一预设范围。需说明者，于某些实施方式中，该控制条件组可更包含该第二染色品质关联模型的一预设范围。此外，于某些实施方式中，该染色目标关联模型与一染色品质标准、一染色稳定度或/及一染色成本相关。再者，于某些实施方式中，步骤S209是以第二染色品质关联模型作为该染色目标关联模型。
于某些实施方式中，该控制数据决定方法可再执行一步骤(未绘示)，由该电子计算装置根据这些历史控制数据组、该目标控制数据组及该目标控制数据组所对应的一染色品质数据(亦即，利用该目标控制数据组进行染色，其染色结果的染色品质数据)，更新该第一染色品质关联模型的这些第一系数或/及第二染色品质关联模型的这些第二系数。透过更新第一染色品质关联模型的这些第一系数或/及第二染色品质关联模型的这些第二系数，将使控制数据决定方法后续能更为准确地计算出其他目标控制数据组。
除了上述步骤，第二实施方式亦能执行第一实施方式所描述的控制数据决定装置11的所有运作及步骤，具有同样的功能，且达到同样的技术效果。本发明所属技术领域中普通技术人员可直接了解第二实施方式如何基于上述第一实施方式以执行此等运作及步骤，具有同样的功能，并达到同样的技术效果，故不赘述。
第二实施方式所阐述的控制数据决定方法可由具有多个指令的一电脑程序产品实现。该电脑程序产品可为能于网络上被传输的档案，亦可被储存于一非暂态电脑可读取储存媒体中。针对该电脑程序产品，在其所包含的这些指令被载入至一电子计算装置(例如：控制数据决定装置11)之后，该电脑程序产品执行第二实施方式所述的控制数据决定装方法。该非暂态电脑可读取储存媒体可为一电子产品，例如：一只读存储器(read onlymemory；ROM)、一快闪存储器、一软碟、一硬盘、一光盘(compact disk；CD)、一随身碟、一磁带、一可由网络存取的资料库或本发明所属技术领域中普通技术人员所知且具有相同功能的任何其他储存媒体。
需说明者，于本发明专利说明书及权利要求书中，第一染色品质关联模型及第二染色品质关联模型中的「第一」及「第二」仅用来表示这些染色品质关联模型为不同的染色品质关联模型。第一决定因子及第二决定因子中的「第一」及「第二」仅用来表示这些决定因子属于不同染色品质关联模型的决定因子。第一系数及第二系数中的「第一」及「第二」仅用来表示这些系数属于不同染色品质关联模型的系数。
由上述说明可知，本发明所提供的控制数据决定装置、方法及其电脑可读取储存媒体根据多笔历史控制数据组决定至少一染色品质关联模型，再计算出能满足一控制条件组且使一染色目标关联模型具有一最小值的一目标控制数据组。本发明在决定目标控制数据组时所利用的至少一染色品质关联模型及染色目标关联模型皆与一纺织染色制程的多个控制因子相关。由于考量了影响纺织染色制程的多个控制因子，且利用了历史控制数据组，因此本发明能有效率地计算出用于纺织染色制程的目标控制数据，且能避免业者仅凭经验决定目标控制数据组时所可能导致的成本浪费。
虽然本发明已以较佳实施例揭示如上，然其并非用以限定本发明，任何本领域技术人员，在不脱离本发明的精神和范围内，当可作些许的修改和完善，因此本发明的保护范围当以权利要求书所界定的为准。
Claims (20)
1.一种为一纺织染色制程决定一目标控制数据组的装置，该目标控制数据组包含多个控制数据，该多个控制数据一对一地对应至多个控制因子，其特征在于，该装置包含：
一储存器，储存多笔历史控制数据组，各该历史控制数据组包含一历史染色品质数据及多个历史控制数据一对一地对应至该多个控制因子；以及
一处理器，电性连接至该储存器，且决定该纺织染色制程的一第一染色品质关联模型，其中该处理器是执行以下运作来决定该第一染色品质关联模型：(a1)根据该多个控制因子决定该第一染色品质关联模型的多个第一决定因子，以及(a2)根据该纺织染色制程的该多个历史控制数据组计算该第一染色品质关联模型的各该第一决定因子的一第一系数，
其中，该处理器更根据一控制条件组，计算出使一染色目标关联模型具有一最小值的该目标控制数据组，其中该染色目标关联模型由该多个控制因子界定，该控制条件组包含该第一染色品质关联模型的一预设范围以及各该控制因子的一预设范围。
2.如权利要求1所述的装置，其特征在于，该处理器更决定该纺织染色制程的一第二染色品质关联模型，其中该处理器是执行以下运作来决定该第二染色品质关联模型：(b1)根据该多个控制因子决定该第二染色品质关联模型的多个第二决定因子，以及(b2)根据该多个历史控制数据组计算该第二染色品质关联模型的各该第二决定因子的一第二系数。
3.如权利要求2所述的装置，其特征在于，该处理器是以该第二染色品质关联模型作为该染色目标关联模型。
4.如权利要求2所述的装置，其特征在于，该控制条件组更包含该第二染色品质关联模型的一预设范围。
5.如权利要求1所述的装置，其特征在于，该处理器更根据该多个历史控制数据组、该目标控制数据组及该目标控制数据组所对应的一染色品质数据，更新该第一染色品质关联模型的该多个第一系数。
6.如权利要求1所述的装置，其特征在于，该处理器是以一统计学演算法、一倒传递神经网络(Back-Propagation Neural network；BPN)演算法及一支持向量回归(SupportVector Regression；SVR)演算法其中之一计算该多个第一系数。
7.如权利要求6所述的装置，其特征在于，该统计学演算法包含一多变量线性回归(Multiple Linear Regression)演算法及多个相对权重(Relative Weight)。
8.如权利要求1所述的装置，其特征在于，该第一染色品质关联模型与一固色力标准及一染色品质标准其中之一相关。
9.如权利要求1所述的装置，其特征在于，该染色目标关联模型与一染色品质标准、一染色稳定度及一染色成本其中之一或其组合相关。
10.一种为一纺织染色制程决定一目标控制数据组的方法，适用于一电子计算装置，该目标控制数据组包含多个控制数据，该多个控制数据一对一地对应至多个控制因子，其特征在于，该方法包含下列步骤：
(a)决定该纺织染色制程的一第一染色品质关联模型，包含下列步骤：
(a1)根据该多个控制因子决定该第一染色品质关联模型的多个第一决定因子；以及
(a2)根据该纺织染色制程的多笔历史控制数据组计算该第一染色品质关联模型的各该第一决定因子的一第一系数，各该历史控制数据组包含一历史染色品质数据及多个历史控制数据一对一地对应至该多个控制因子；以及
(b)根据一控制条件组，计算出使一染色目标关联模型具有一最小值的该目标控制数据组，其中该染色目标关联模型由该多个控制因子界定，该控制条件组包含该第一染色品质关联模型的一预设范围以及各该控制因子的一预设范围。
11.如权利要求10所述的方法，其特征在于，更包含下列步骤：
(c)决定该纺织染色制程的一第二染色品质关联模型，包含下列步骤：
(c1)根据该多个控制因子决定该第二染色品质关联模型的多个第二决定因子；以及
(c2)根据该多个历史控制数据组计算该第二染色品质关联模型的各该第二决定因子的一第二系数。
12.如权利要求11所述的方法，其特征在于，该步骤(b)是以该第二染色品质模型作为该染色目标关联模型。
13.如权利要求11所述的方法，其特征在于，该控制条件组更包含该第二染色品质关联模型的一预设范围。
14.如权利要求10所述的方法，其特征在于，更包含下列步骤：
根据该多个历史控制数据组、该目标控制数据组及该目标控制数据组所对应的一染色品质数据，更新该第一染色品质关联模型的该多个第一系数。
15.如权利要求10所述的方法，其特征在于，该步骤(a2)是以一统计学演算法、一倒传递神经网络(Back-Propagation Neural network；BPN)演算法及一支持向量回归(SupportVector Regression；SVR)演算法其中之一计算该多个第一系数。
16.如权利要求15所述的方法，其特征在于，该统计学演算法包含一多变量线性回归(Multiple Linear Regression)演算法及多个相对权重(Relative Weight)。
17.如权利要求10所述的方法，其特征在于，该第一染色品质关联模型与一固色力标准及一染色品质标准其中之一相关。
18.如权利要求10所述的方法，其特征在于，该染色目标关联模型与一染色品质标准、一染色稳定度及一染色成本其中之一或其组合相关。
19.一种电脑可读取储存媒体，储存有电脑程序产品，经由一电子计算装置载入该电脑程序产品后，该电子计算装置执行该电脑程序产品所包含的多个程序指令以执行一种为一纺织染色制程决定一目标控制数据组的方法，该目标控制数据组包含多个控制数据，该多个控制数据一对一地对应至多个控制因子，该方法包含下列步骤：
(a)决定该纺织染色制程的一第一染色品质关联模型，包含下列步骤：
(a1)根据该多个控制因子决定该第一染色品质关联模型的多个第一决定因子；以及
(a2)根据该纺织染色制程的多笔历史控制数据组计算该第一染色品质关联模型的各该第一决定因子的一第一系数，各该历史控制数据组包含一历史染色品质数据及多个历史控制数据一对一地对应至该多个控制因子；以及
(b)根据一控制条件组，计算出使一染色目标关联模型具有一最小值的该目标控制数据组，其中该染色目标关联模型由该多个控制因子界定，该控制条件组包含该第一染色品质关联模型的一预设范围以及各该控制因子的一预设范围。
20.如权利要求19所述的电脑可读取储存媒体，其特征在于，该方法更包含下列步骤：
(c)决定该纺织染色制程的一第二染色品质关联模型，包含下列步骤：
(c1)根据该多个控制因子决定该第二染色品质关联模型的多个第二决定因子；以及
(c2)根据该多个历史控制数据组计算该第二染色品质关联模型的各该第二决定因子的一第二系数。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW105137607 | 2016-11-17 | ||
| TW105137607A TWI611314B (zh) | 2016-11-17 | 2016-11-17 | 為一紡織染色製程決定一目標控制數據組之裝置、方法及其電腦程式產品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108073751A true CN108073751A (zh) | 2018-05-25 |
| CN108073751B CN108073751B (zh) | 2021-07-06 |
Family
ID=61728610
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611063688.3A Active CN108073751B (zh) | 2016-11-17 | 2016-11-28 | 为一纺织染色制程决定一目标控制数据组的装置、方法及其电脑可读取储存媒体 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US9970154B1 (zh) |
| CN (1) | CN108073751B (zh) |
| TW (1) | TWI611314B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110287623A (zh) * | 2019-06-28 | 2019-09-27 | 广东溢达纺织有限公司 | 调色配方校正方法、装置、计算机设备和存储介质 |
| CN110865721A (zh) * | 2018-08-10 | 2020-03-06 | 财团法人资讯工业策进会 | 动作数据标记装置、方法及非暂态电脑可读取记录媒体 |
| CN111007807A (zh) * | 2018-10-08 | 2020-04-14 | 财团法人资讯工业策进会 | 一种为一生产线的一预设控制条件组决定一目标调整路径的装置及方法 |
| CN111553114A (zh) * | 2020-04-11 | 2020-08-18 | 东华大学 | 一种基于数据驱动的纺织印染智能配色方法 |
| CN112765244A (zh) * | 2019-11-06 | 2021-05-07 | 财团法人资讯工业策进会 | 数据解读装置、方法及其计算机存储介质 |
| CN113249982A (zh) * | 2021-06-18 | 2021-08-13 | 南通宝硕纺织品有限公司 | 一种提高织物印花稳固性的方法及装置 |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI659317B (zh) * | 2018-03-12 | 2019-05-11 | 財團法人資訊工業策進會 | 為一生產線決定一控制條件組之裝置及其方法 |
| CN109754164B (zh) * | 2018-12-18 | 2023-06-20 | 内蒙古鄂尔多斯资源股份有限公司东昊厂 | 一种羊绒纺织生产计算投入量的动态制成率模型 |
| TWI757929B (zh) * | 2020-10-23 | 2022-03-11 | 財團法人紡織產業綜合研究所 | 織物染色設備的控制方法 |
| TWI764423B (zh) * | 2020-12-10 | 2022-05-11 | 財團法人紡織產業綜合研究所 | 織物染色製程助劑試配性的判斷方法及其判斷系統 |
| CN116643497B (zh) * | 2023-05-29 | 2024-05-10 | 汕头市鼎泰丰实业有限公司 | 筒子纱的染色控制系统及其方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1243945A (zh) * | 1998-08-04 | 2000-02-09 | 财团法人中国纺织工业研究中心 | 浸染染色自动加药暨酸碱值控制系统 |
| US20070263249A1 (en) * | 2001-08-16 | 2007-11-15 | Sun Chemical Corporation | System and method for managing electronic transmission of color data |
| CN101575724A (zh) * | 2008-05-09 | 2009-11-11 | 立督科技股份有限公司 | 应用于铝合金双色表面处理的曲面遮蔽制程 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US2707383A (en) * | 1953-03-30 | 1955-05-03 | Burlington Engineering Company | Fabric dyeing apparatus |
| US5846265A (en) | 1996-07-26 | 1998-12-08 | North Carolina State University | Closed-loop textile dyeing process utilizing real-time metered dosing of dyes and chemicals |
| US6792329B2 (en) * | 2001-08-22 | 2004-09-14 | Milliken & Company | Construction of colored images on absorbent substrates using a computer-aided design system |
| US6704610B2 (en) * | 2001-08-22 | 2004-03-09 | Milliken & Company | Reproduction of colored images on absorbent substrates using color blending techniques |
| US7243513B2 (en) * | 2003-01-14 | 2007-07-17 | Milliken & Company | Patterned textile product |
| EP1789618B1 (en) * | 2004-01-30 | 2013-06-19 | Milliken & Company | Digital control system |
| EP1985739B1 (en) * | 2007-04-24 | 2012-07-18 | Mohawk Carpet Distribution, Inc. | Carpet dyeing method |
-
2016
- 2016-11-17 TW TW105137607A patent/TWI611314B/zh active
- 2016-11-28 CN CN201611063688.3A patent/CN108073751B/zh active Active
- 2016-12-02 US US15/367,830 patent/US9970154B1/en active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1243945A (zh) * | 1998-08-04 | 2000-02-09 | 财团法人中国纺织工业研究中心 | 浸染染色自动加药暨酸碱值控制系统 |
| US20070263249A1 (en) * | 2001-08-16 | 2007-11-15 | Sun Chemical Corporation | System and method for managing electronic transmission of color data |
| CN101575724A (zh) * | 2008-05-09 | 2009-11-11 | 立督科技股份有限公司 | 应用于铝合金双色表面处理的曲面遮蔽制程 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110865721A (zh) * | 2018-08-10 | 2020-03-06 | 财团法人资讯工业策进会 | 动作数据标记装置、方法及非暂态电脑可读取记录媒体 |
| CN110865721B (zh) * | 2018-08-10 | 2023-09-29 | 财团法人资讯工业策进会 | 动作数据标记装置、方法及非暂态计算机可读取存储介质 |
| CN111007807A (zh) * | 2018-10-08 | 2020-04-14 | 财团法人资讯工业策进会 | 一种为一生产线的一预设控制条件组决定一目标调整路径的装置及方法 |
| CN110287623A (zh) * | 2019-06-28 | 2019-09-27 | 广东溢达纺织有限公司 | 调色配方校正方法、装置、计算机设备和存储介质 |
| CN112765244A (zh) * | 2019-11-06 | 2021-05-07 | 财团法人资讯工业策进会 | 数据解读装置、方法及其计算机存储介质 |
| CN111553114A (zh) * | 2020-04-11 | 2020-08-18 | 东华大学 | 一种基于数据驱动的纺织印染智能配色方法 |
| CN111553114B (zh) * | 2020-04-11 | 2022-10-11 | 东华大学 | 一种基于数据驱动的纺织印染智能配色方法 |
| CN113249982A (zh) * | 2021-06-18 | 2021-08-13 | 南通宝硕纺织品有限公司 | 一种提高织物印花稳固性的方法及装置 |
| CN113249982B (zh) * | 2021-06-18 | 2021-09-10 | 南通宝硕纺织品有限公司 | 一种提高织物印花稳固性的方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108073751B (zh) | 2021-07-06 |
| US9970154B1 (en) | 2018-05-15 |
| TWI611314B (zh) | 2018-01-11 |
| US20180135243A1 (en) | 2018-05-17 |
| TW201820191A (zh) | 2018-06-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108073751A (zh) | 为一纺织染色制程决定一目标控制数据组的装置、方法及其电脑可读取储存媒体 | |
| TWI265441B (en) | Color matching system, system and method for color management, and method of determining colorant recipe | |
| Greasley | Using simulation for facility design: A case study | |
| CN107724111A (zh) | 纺织品染色配方获取方法、装置、存储介质和计算机设备 | |
| CN108804830A (zh) | 供热工况仿真数据的可视化方法及系统 | |
| JP6837852B2 (ja) | 製造実績の可視化方法、画像処理装置及びプログラム | |
| CN108717505A (zh) | 一种基于k-rvfl的固化热过程时空建模方法 | |
| CN103645142B (zh) | 预测纺织品染色配方的方法 | |
| EP1471397A2 (en) | Adaptive fuzzy logic temperature control | |
| CN107633064A (zh) | 一种数据可视化方法、装置、可读介质和存储控制器 | |
| JP2008128722A (ja) | 染液の色濃度定量方法 | |
| Chan et al. | A fuzzy ordinary regression method for modeling customer preference in tea maker design | |
| CN108228913A (zh) | 一种供热工况数据的展示方法及系统 | |
| CN116105977A (zh) | 光源参数测量方法、装置、电子设备及存储介质 | |
| CN113205178B (zh) | 人工智能红外图像传感系统及方法 | |
| AU1703397A (en) | Apparatus for monitoring a system in which a fluid flows | |
| Durmus | Circadian metric variability measures for tunable LED light sources | |
| Selvaraju et al. | EOQ models for deteriorative items with constant, linear and quadratic holding cost and shortages-a comparative study | |
| JP2020536244A (ja) | ヘアカラーのクロスメーカー提案を決定するためのプロセス | |
| US20240074695A1 (en) | Treatment device and method for creating a treatment plan map | |
| Lu et al. | Interactive context-preserving color highlighting for multiclass scatterplots | |
| Koncar et al. | Dynamic modelling of the diffusion in a dyeing process | |
| CN110514240A (zh) | 一种温室环境可视化方法及装置 | |
| ITTO20131082A1 (it) | Elettrodomestico con guida alla selezione di cicli di lavoro | |
| CN107247406A (zh) | 测试台位的控制方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |