CN117897597A - 用于客户服务的自动化fmea系统 - Google Patents
用于客户服务的自动化fmea系统 Download PDFInfo
- Publication number
- CN117897597A CN117897597A CN202280058255.6A CN202280058255A CN117897597A CN 117897597 A CN117897597 A CN 117897597A CN 202280058255 A CN202280058255 A CN 202280058255A CN 117897597 A CN117897597 A CN 117897597A
- Authority
- CN
- China
- Prior art keywords
- coating
- test
- test coating
- target
- feedback
- 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.)
- Pending
Links
- 238000011058 failure modes and effects analysis Methods 0.000 title 1
- 238000000576 coating method Methods 0.000 claims abstract description 625
- 239000011248 coating agent Substances 0.000 claims abstract description 565
- 238000012360 testing method Methods 0.000 claims abstract description 206
- 238000000034 method Methods 0.000 claims abstract description 114
- 230000007613 environmental effect Effects 0.000 claims abstract description 36
- 238000005259 measurement Methods 0.000 claims abstract description 32
- 238000005286 illumination Methods 0.000 claims description 13
- 230000000007 visual effect Effects 0.000 claims description 12
- 239000007921 spray Substances 0.000 claims description 8
- 230000004931 aggregating effect Effects 0.000 claims description 2
- 239000003086 colorant Substances 0.000 description 39
- 239000000203 mixture Substances 0.000 description 34
- 230000008569 process Effects 0.000 description 22
- 238000009472 formulation Methods 0.000 description 20
- 238000004458 analytical method Methods 0.000 description 18
- 238000010801 machine learning Methods 0.000 description 17
- 239000000049 pigment Substances 0.000 description 14
- 239000000126 substance Substances 0.000 description 13
- 230000008901 benefit Effects 0.000 description 12
- 230000000694 effects Effects 0.000 description 12
- 230000003595 spectral effect Effects 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000001723 curing Methods 0.000 description 7
- 239000003973 paint Substances 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 239000008199 coating composition Substances 0.000 description 5
- 239000004615 ingredient Substances 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000000053 physical method Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- -1 metallic flakes Substances 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000009672 coating analysis Methods 0.000 description 2
- 238000004737 colorimetric analysis Methods 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000010445 mica Substances 0.000 description 2
- 229910052618 mica group Inorganic materials 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000019612 pigmentation Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 235000019642 color hue Nutrition 0.000 description 1
- 238000009500 colour coating Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002845 discoloration Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000001054 red pigment Substances 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 238000002371 ultraviolet--visible spectrum Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
- G01J3/463—Colour matching
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Spectrometry And Color Measurement (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
用于提供反馈以匹配涂层的技术。涂层系统接收先前施加于资产的测试涂层的涂层属性。所述涂层属性包含所述测试涂层的数字测量值和描述环境条件的数据。所述系统在用户界面上显示使用目标涂层涂覆的第一表面且显示使用所述测试涂层涂覆的第二表面。所述用户界面还显示所述测试涂层的所述涂层属性。所述系统评估在所述测试涂层与所述目标涂层之间观察到的差量。所述系统将反馈提供到远程设施。所述反馈详述所述观察到的差量并且进一步提供关于如何减少那些差量的指令。通过减少所述差量,所述测试涂层将与所述目标涂层更接近地对准。
Description
相关申请的交叉引用
本申请要求2021年8月17日提交且名称为“用于客户服务的自动化FMEA系统”的第63/234,061号美国临时申请案的优先权,所述美国临时申请案的全文以引用的方式并入本文中。
技术领域
本发明涉及用于通过图形用户界面提供关于匹配涂层的反馈的装置、计算机实施的方法和系统。
背景技术
现代涂层在工业和社会中提供若干有益的功能。涂层能够保护涂覆的材料免受腐蚀,例如生锈。涂层还能够通过为物体提供特定的颜色和/或纹理来提供美学功能。例如,大多数汽车都使用涂料和各种其他涂层来进行涂覆,以便保护汽车的金属车身免受自然环境的影响,并提供美观的视觉效果。
鉴于不同涂层的广泛用途,通常需要识别目标涂层组合物。举例来说,可能需要识别已遭受损坏(例如,已发生事故)的资产上的目标涂层组合物。然而,由于涂层内复杂混合物的性质,有时难以配制、识别和/或搜索可接受的匹配调配物和/或色素沉着。即使在可识别出合适匹配的情况下,资产上的涂层也将频繁地老化或变性,使得在稍后检查之后,用原始涂层重新涂覆受损部分仍会产生颜色不匹配。
一般来说,涂料制造商开发具有不同颜色、颜色变化、颜色效果等的大范围涂层,无论是为原始汽车公司开发还是独立开发,以便对用来自另一制造商的涂层喷涂的资产进行修补。由涂料制造商开发的颜色和涂层的绝对体积和范围通常为大多数受损资产提供合适的整体颜色匹配,而显示屏上的基本颜色比较是唯一的考虑因素。然而,在涂覆之后的仔细检查经常会发现微小的颜色偏差,维修操作员(例如,汽车车身操作员)、相关前厅部经理或资产所有者在涂层确定过程期间查看色卡样本或计算机显示屏时可能不会发现所述颜色偏差。
举例来说,由于车底涂层或其它效果颜料的颜色或物理特性,可能存在差异。按照如此方法,添加到调配物中的薄片、金属或其它异色颜料可以提供在某些光照条件下具有与没有效果颜料的色调和基础涂料的相同混合物完全不同的整体颜色效果的混合涂料。此外,虽然一些涂层历史上需要多个层或添加成分来实现特定效果,但可使用允许相同的可见效果但成分更少的不同技术来制造新版本的涂层。
乍一看似乎完全相同的某些颜色的涂层在成本和组成上的这些差异会给汽车车身车间的操作员,且甚至给资产所有者带来重大挑战。一般来说,由于误报,可能存在不匹配。举例来说,涂料设施操作员可基于显示屏或涂料芯片上的外观来选择最接近匹配颜色,所述显示屏或涂料芯片在应用时具有非常不同的外观。在其它情况下,数据库中根本不存在匹配,且唯一适当的解决方案可能是自定义色调。即使在那些情况下,通过图形用户界面导出的自定义色调也可能遭受显示屏特性偏差,再次在最终应用时导致潜在不匹配。这种结果甚至存在于提供广泛范围的涂料、色度和色相的涂层制造商中。
先前,当比较涂层时,用户必须来回运送面板以便比较潜在的颜色匹配。此类过程是极为耗时的。另外,一些现有技术无法产生足够数据来使用户能够提供关于颜色选择或对准的反馈。举例来说,一些现有工具并不完全描述感知空间中的颜色。此外,一些现有技术依赖于非效果薄片色素沉着,其仅提供有限量的信息。因此,较好地实现不同涂层之间的比较和对准的新方法和系统存在许多机会。
本文要求的主题不限于解决任何缺点或仅在例如上文所描述的那些环境中操作的实施例。相反,提供此背景仅用于说明可实践本文中所描述的一些实施例的一个示范性技术领域。
发明内容
本发明延伸到用于提供反馈以匹配涂层的系统、计算机程序产品和方法。举例来说,方法可包含确定已在远程设施处分析施加于第一资产的目标涂层。由于目标涂层的分析,还识别出被确定为匹配目标涂层的一个或多个涂层。方法还可包含确定已在远程设施处将测试涂层施加于第二资产。
方法进一步包含接收已在远程设施处施加于第二资产的测试涂层的涂层属性。测试涂层是选自所述一个或多个涂层中,且涂层属性包含测试涂层的数字测量值并且进一步包含描述在测试涂层施加于第二资产时发生的环境条件的数据。在用户界面上,所述方法包含显示使用目标涂层涂覆的第一表面且显示使用测试涂层涂覆的第二表面。用户界面进一步显示测试涂层的涂层属性。方法还包含评估在测试涂层与目标涂层之间观察到的差量且将反馈提供到远程设施。反馈详述所述观察到的差量并且进一步提供关于如何减少差量以得到测试涂层与目标涂层之间的更接近对准的指令。
用于提供反馈以匹配涂层的额外或替代方法可包含接收先前施加于资产的测试涂层的涂层属性。涂层属性可包含测试涂层的数字测量值以及描述在测试涂层施加于第二资产时发生的环境条件的数据。方法进一步包含在用户界面上显示使用目标涂层涂覆的第一表面且显示使用测试涂层涂覆的第二表面。用户界面进一步显示测试涂层的涂层属性。评估在测试涂层与目标涂层之间观察到的差量。接着将反馈提供到远程设施。反馈详述所述观察到的差量并且进一步提供关于如何减少所述差量以得到测试涂层与目标涂层之间的更接近对准的指令。
计算机系统可被配置成提供反馈以匹配涂层,且可包含一个或多个处理器和存储指令的一个或多个计算机可读硬件存储装置,所述指令可由所述一个或多个处理器执行以使计算机系统执行各种操作。举例来说,计算机系统可接收先前施加于资产的测试涂层的涂层属性。涂层属性包含测试涂层的数字测量值以及描述在测试涂层施加于资产时发生的环境条件的数据。系统(例如,在用户界面上)显示使用目标涂层涂覆的第一表面且显示使用测试涂层涂覆的第二表面。用户界面进一步显示测试涂层的涂层属性。所述系统评估在测试涂层与目标涂层之间观察到的差量。系统还将反馈提供到远程设施。反馈详述所述观察到的差量并且进一步提供关于如何减少所述差量以得到测试涂层与目标涂层之间的更接近对准的指令。
提供此发明内容是为了以简化的形式介绍下文的具体实施方式中进一步描述的一系列概念。本发明内容不旨在识别所要求的主题的关键特征或必要特征,也不旨在用作确定所要求的主题的范围的辅助手段。
另外特征和优点将在随后的描述中阐述,并且在某种程度上将根据描述而变得明显,或者可以通过实践本文中的教示来进行了解。本发明的特征和优点可以通过随附的权利要求书中特别指出的工具和组合来实现和获得。本发明的特征将从以下描述和所附权利要求中变得更完全地显而易见,或者可以通过如下所述实践本发明来获知。
附图说明
为了描述可以获得上述和其它优点和特征的方式,将通过参考在附图中展示的具体实施例来呈现对以上简要描述的主题的更特定的描述。应当理解,这些附图仅描绘了典型的实施例,因此不应被认为是对范围的限制,将通过使用附图以附加的特定性和细节来描述和阐释实施例,在附图中:
图1示出先前施加于例如车辆等资产的目标涂层的实例。
图2示出施加于资产的测试涂层,其中测试涂层是与目标涂层的最佳配合匹配。
图3示出被配置成识别涂层的最佳配合表示的实例架构,所述涂层例如可能为目标涂层。
图4A和4B示出可用以调整涂层属性且提供关于那些调整的反馈以使得远程设施能够对准测试涂层与目标涂层的架构。
图5示出使得用户能够对测试涂层施加调整以试图将其与目标涂层更接近地对准的实例用户界面。
图6示出用于提供反馈以匹配涂层的实例方法的流程图。
具体实施方式
本发明延伸到用于提供反馈以便匹配涂层的计算机化系统和方法。所公开的技术可有利地使图像和颜色数据可视化,以识别潜在失效模式或涂层之间的不对准。所述技术还改进识别和解析不对准的速度,例如通过避免在多个位置之间来回进行面板运送。举例来说,涂层分析计算机系统可确定已经在例如本地汽车车身车间等远程设施处分析施加于第一资产的目标涂层。由于目标涂层的分析,还识别出被确定为匹配目标涂层的一个或多个涂层(例如,“最佳配合涂层”)。系统也可确定已在远程设施处将测试涂层施加于第二资产。测试涂层是选自所述一个或多个涂层中。
在测试涂层已施加于第二资产之后,系统接收测试涂层的涂层属性。涂层属性包含测试涂层的数字测量值以及描述在测试涂层施加于第二资产时发生的环境条件的数据。第一表面显示于用户界面上。此第一表面是使用目标涂层涂覆的。用户界面还显示使用测试涂层涂覆的第二表面且显示测试涂层的涂层属性。观察且评估测试涂层与目标涂层之间的差量。随后将反馈提供到远程设施。此反馈详细说明观察到的差量,并且进一步提供关于如何减少差量的指令。通过减少差量,测试涂层将更接近地与目标涂层对准。
技术益处、改进和实际应用的实例
以下部分概述了所公开实施例提供的一些实例改进和实际应用。然而,将了解,这些仅仅是实例,且实施例不仅限于这些改进。
所公开的系统和方法对技术领域带来许多真实且实际的益处。举例来说,系统显著改进了用户能够提供关于确保涂层彼此对准的反馈的方式。“更接近地对准”或“更接近地匹配”意指经调整涂层属性(由于调整)变为在值上更接近于目标值的涂层属性(例如,与其原始比较性状态相比更接近)。举例来说,假设测试涂层的涂层属性初始与目标涂层对准95%(例如,所述两个涂层的属性相对于彼此对准95%)。为了“更接近地对准”,可调整测试涂层的属性,进而潜在地将那些属性带到目标涂层的属性的约97%内。因此,可作出调整以努力使测试涂层更接近地类似或表示目标涂层。系统还提供被设计成帮助反馈过程的美观且直观的用户界面。
在此方面,本发明可为终端用户提供许多益处,例如资产维修设施(例如,汽车车身车间)的操作员、管理投标系统的前厅部工作人员,或甚至希望以最低成本选择适当颜色的资产所有者。此类益处可以包含用于修补资产的改进和更有效的颜色匹配,例如通过实现颜色的更好、更真实的匹配和交互式显示。此外,例如资产维修操作员和甚至终端客户等终端用户可以相信通过图形用户界面设计的自定义颜色将在成品上如预期那样表现,且将与所述产品上的现有涂层一致。益处可进一步包含用准确选择的颜色对资产修补项目进行改进且更有效的定价和估计,由此避免需要进一步维修和重新喷漆的代价高昂的错误。将了解,这种效率可以通过减少废物,例如通过至少部分地最小化任何特定项目所需的材料量对环境产生巨大的积极影响。
通过遵循所公开的原理,系统和方法还实现计算机系统的改进的使用。即,并非依赖于用于估计或猜测最佳配合匹配的传统技术,系统被设计成促进最佳配合匹配的改进且更快速的识别以及涂层属性之间的改进对准。通过提供此类益处,将执行的来回操作较少。
按照如此方法,可以了解所公开的技术如何促进失效模式和影响分析(FMEA)过程。一般来说,FEMA指代其中识别可能的缺陷且随后解析那些缺陷的迭代过程。在本文提出的实例情境中,FMEA过程之后是首先识别目标涂层的属性,选择特定或假设与所述目标涂层最佳匹配或对准的测试涂层,并且接着迭代地修改测试涂层直到作出经调整测试涂层与目标涂层充分匹配的确定为止。通过遵循遵照FMEA过程的所公开的原理,最终用户可以相信所得(潜在地经调整)测试涂层与目标涂层准确地对准,进而提供高水平的客户服务和满意度。
另外,本发明有利地提供各种可视化,其可用作通信工具以对数字审计和颜色匹配过程进行故障检测。所公开的工具可执行这些过程而不必来回运送面板。另外,本发明能够示出物理网格匹配、测得的颜色、以及经调整或调配的颜色的可视化图像。在一些情况下,所公开的技术也可基于显示屏的再现预测能力而显示颜色。另外,所公开的系统可配备有CIELab图形和其它可视化工具,以提供用于调整着色参数和涂层的其它涂层属性以实现所需颜色的选项,所需颜色例如为匹配目标涂层的颜色。所公开的系统也可用以通过在颜色空间中显示相对于目标涂层的匹配而增加最佳颜色匹配选择的置信度且在单个显示中在视觉上显示所述信息。
虽然出于实例的目的已经明确指出几个技术益处,但将了解,根据本发明可以提供额外技术益处。还应注意,冠词“一”或“一个”可如何包含“一个或多个”。即,虽然已在‘一’特征、‘一’元件等等方面描述本发明,但根据本发明可使用一个或多个这些组件或其它所陈述组件中的任一个。
识别最佳匹配
现将注意图1,其示出呈车辆的形式的资产100的实例。资产100已被涂覆有目标涂层105。在一些情况下,也已将底涂层110施加于资产100。在任何情况下,经常希望识别目标涂层105,或至少识别用于涂层105的最佳配合匹配,如由最佳配合涂层115所示(也称为最佳潜在匹配)。举例来说,情况可能是车辆发生事故且被带到汽车车身车间(即,“远程设施”)。车辆的所有者可能希望车间用与其它区域相同的涂层来喷涂车辆的损坏区域,以维持车辆的一致性。为了这样做,车间将负责识别目标涂层105。
可以使用涂层识别计算机系统以获得或产生目标涂层105的光谱数据。光谱数据可以通过相机、例如分光光度计等光谱仪,或能够扫描目标涂层105且提供与目标涂层105的属性相关的表征数据的任何其它装置收集。光谱数据可包括分光光度数据、光谱比色数据、经由图像处理采集的数据,和/或任何其它类似数据。涂层识别计算机系统可通过概率性着色剂分析处理光谱数据。概率性着色剂分析识别涂层中可能存在的一组着色剂,且使每一着色剂与着色剂存在于目标涂层105中的概率相关联。
如本文所使用,着色剂包含吸收和散射颜料、效果颜料,以及任何其它相关涂层或涂层组件。随后有利地将识别出的一组着色剂馈送到调配物引擎中(任选地按计算出的着色剂存在于目标涂层105中的概率的降序),直到识别出一个或多个调配物匹配(即,最佳配合涂层115)为止。本发明可在大约几秒或更短时间内使用此方法产生准确的可再生的结果,进而得到对此领域的显著改进。最佳配合涂层115可选自涂层的数据库,其中所述数据库跟踪且维护任何数目的涂层的涂层属性。
在此意义上,所公开的涂层识别计算机系统可在分析上识别目标涂层105内的潜在着色剂。如本文所使用,“潜在着色剂”是通过概率性着色剂分析识别为可能处于目标涂层105中的着色剂。潜在着色剂被馈送到调配物或分析引擎中,所述引擎用已经被识别为具有存在于目标涂层105内的高概率的着色剂作为种子。
可使用系统识别任何数目的最佳配合涂层115。包含于最佳配合涂层115中的涂层经常可以基于它们与目标涂层105对应、对准或匹配的接近程度而分级。响应于识别出最佳配合涂层115,熟练的用户能够审阅涂层且作出关于他/她认为哪个涂层与目标涂层105最接近地对准的选择。当然,可选择多个涂层。为简洁起见,剩余公开内容将集中于单个最佳配合涂层的选择。
选定的最佳配合涂层可被称为“测试涂层”。即,测试涂层是选自所述一个或多个最佳配合涂层中的涂层。图2示出随后可如何在远程设施处将测试涂层200施加于另一资产205。此资产205可为用于应用目的的测试表面,以便判断如何施加和固化选定涂层。在一些情况下,资产205也可以是资产100。一旦测试涂层200固化,就可以使用较早提到的技术分析所述测试涂层,所述技术将关于图3更充分描述。在任何情况下,随后可将测试涂层200与目标涂层105进行比较以确定那两个涂层之间是否存在真正的对准。如果测试涂层200与目标涂层105的对准不令人满意,则可执行对测试涂层200的涂层属性的一个或多个调整,以试图将测试涂层200带到相对于目标涂层105的匹配状态。如稍后将更详细描述,此类调整可以是对测试涂层200的化学组成的调整、为了产生预测CIELab颜色空间值而对测试涂层200的化学组分或着色剂的调整、对远程设施处的环境条件的调整、对用以施加测试涂层200的施加技术的调整、对固化技术的调整,和许多其它类型的调整。
现将注意图3,其示出被设计成提供用于识别与目标涂层的最佳配合匹配的改进过程的实例计算机系统300。计算机系统300能够与分光光度计305通信以获取关于目标涂层310的初始信息(例如,较早描述的颜色信息,例如关于颜料的信息),所述目标涂层表示来自图1的目标涂层105。在一些情况下,计算机系统300可以视觉上显示潜在地与目标涂层匹配的选定数目的涂层。用户可审阅这些所谓的“最佳配合涂层”且可选择一个用于进一步测试和分析,例如通过将其施加到资产并且接着获得所施加涂层的涂层属性,如早先所描述。
如图所示,计算机系统300包含一个或多个处理器,例如处理器315A、处理器315B和处理器315C。省略号315D示出可以如何使用任何数目的处理器。计算机系统300还包含一个或多个计算机可读硬件存储装置,例如存储装置320。存储装置320包含指令325,所述指令可由处理器(例如,315A、315B和/或315C)执行以配置计算机系统300执行任何数目的操作,将简要地论述所述操作中的一些。在一些情况下,计算机系统300还包含或能够接入机器学习(ML)引擎330,所述引擎能够被训练以执行专用操作,例如涂层识别。计算机系统还能够经由网络335(例如,因特网)与远程装置通信。
可以使用任何类型的ML算法、模型、机器学习或神经网络来识别涂层。如本文所使用,对“机器学习”或ML模型或“神经网络”的参考可以包含任何类型的机器学习算法或装置、神经网络(例如,卷积神经网络、多层神经网络、递归神经网络、深度神经网络、动态神经网络等)、决策树模型(例如,决策树、随机森林和梯度提升树)、线性回归模型或逻辑回归模型、支持向量机(“SVM”)、人工智能装置,或任何其它类型的智能计算系统。可以使用(且可能稍后精炼)任何量的训练数据以训练机器学习算法来动态地执行所公开的操作。稍后将提供关于计算机系统的属性的另外细节。可使用此类机器学习以便尝试识别或确定任何涂层的涂层属性,无论其是目标涂层还是测试涂层。也可使用机器学习来预测涂层属性,例如特定涂层的比色和/或光谱值。
分光光度计305可用以(在施加于资产之后)识别目标涂层105和测试涂层200两者的涂层属性(例如,色度计数据和/或反射率特性,其可随后用以推断颜色属性)。例如,涂层属性可包含颜色配方成分信息,其可基于由分光光度计305获得的反射率数据而推断。映射或预测过程可用于使反射率与已知颜色配方信息相关。颜色配方组件信息可包含关于颜料的各种信息(例如,XIRALLIC、异色颜料、金属薄片、云母、珠光颜料和类似物)、多涂层信息(例如,三涂层、XIRALLIC)、针对每一涂层子组分测得的各种物理或原始数据,例如光谱、比色或各种色调、基础涂层和效果颜料的其它数据,包含从此类子组分的各种组合测得的此类数据。涂层属性可包含针对给定配方的预测光谱或比色数据,其中尚未执行实际测量。
如上文所指出,涂层属性可包含每一涂层和每一涂层子组分的原始物理测量值或预测测量值,例如光谱或其它比色测量值,包含但不限于CIELab(即,L*a*b*)值、分光光度计读数、RGB和γ-RGB值,和/或XYZ三色刺激数据等。在一些情况下,涂层属性包含详述数个涂层和涂层子组分的原始物理测量值与基于从邻近颜色获得的测量值的其它涂层或涂层子组分的预测物理测量值的混合的数据,所述邻近颜色例如在相同颜色空间中的颜色,但可能因一个或多个子组分(例如,不同基础)而不同,或因色相、色度或调色剂比率的轻微变化而不同。在一些情况下,涂层属性还可包含条形码、VIN或QR码数据。
涂层信息还可包含详述如何将涂层施加于资产的信息。举例来说,所述信息可包含使用了哪些工具、哪些操作员或技术员执行了应用、涂层如何固化、在何种环境条件下施加涂层且允许其固化等等。即,涂层信息还可包含详述在施加涂层且允许其固化时存在的环境条件的环境数据。此类环境数据可包含温度、大气压力、高程、湿度、日时、一年的季节等等。因此,计算机系统300能够获得与涂覆过程(和固化过程)相关的任何方面,且也可获得详述涂层的特定属性的数据。
实例架构
图4A和4B示出其中可实践本文公开的原理的实例架构400。举例来说,架构400可包含远程设施405,例如汽车车身车间。在此远程设施中,目标涂层410可用于分析,其中目标涂层410先前施加于资产(例如,可能在远程设施处或可能在先前的时间实例处)。举例来说,需要维修的汽车可停放在远程设施405处,且所述汽车可以涂覆有目标涂层410。
远程设施405可包含分析引擎415,所述分析引擎可能呈图3的计算机系统300的形式。此分析引擎415能够分析目标涂层410且确定所述目标涂层410的涂层属性420(例如,较早提到的属性中的任一个,例如CIELab数据、环境数据等等)。另外,分析引擎415能够识别假设匹配于目标涂层410的一个或多个最佳位涂层425。
例如,包含于最佳配合涂层425中的每一最佳配合涂层可具有与其相关联的某些数据或涂层属性。为了说明,图4A示出分析引擎415如何能够确定各种预测颜色组分430(例如,CIELab颜色空间值、化学组分、色调方面等)以及置信度435度量,所述置信度度量指示分析引擎415基于涂层属性之间的比较而确信特定最佳配合涂层与目标涂层410匹配或对准的程度。为了是“最佳配合”,特定涂层的涂层属性(或简称“属性”)需要在目标涂层410的属性的阈值内。
即,为了被视为“最佳配合匹配”,最佳配合涂层的相应参数在针对目标涂层410识别的对应参数的阈值内。举例来说,假设目标涂层410的实际红色值是“x”。可设定阈值以使得如果潜在最佳配合涂层的红色值在目标涂层的红色值的正负阈值内,则潜在最佳配合涂层将包含于潜在最佳配合涂层425的列表中。
在一些情况下,阈值可设定为实际值的0.1%、0.5%、1%、2%、3%、4%、5%、10%或多于10%(或其间的任何值),无论所述值可能是多少。针对其它属性可设定类似阈值。
用于特定属性的一个值可能超过阈值,但所有潜在最佳配合的属性的平均值可能充分处于所有实际目标涂层的属性的平均阈值内。
例如,假设潜在最佳配合匹配具有以下属性:为目标涂层的红色化学组分值的1%的红色化学组分值,以及为目标涂层的蓝色化学组分值的0.1%的蓝色化学组分值。进一步假设阈值设定为±0.8%;意指如果潜在最佳配合匹配的属性在目标涂层的属性的±0.8%内,则潜在最佳配合匹配将包含于潜在/最佳配合的列表中。取潜在最佳配合匹配的参数的平均将得到以下值:(1%+0.1%)/2=0.55%。在此实例情况中,0.55%平均是在±0.8%阈值范围内,因此潜在最佳配合匹配将包含于可能最佳配合匹配的列表中。当然,这仅是实例情况,且可使用其它技术来确定是否会包含潜在最佳配合匹配。因此,可选择一个或多个潜在最佳配合匹配。
关于特定最佳配合涂层的信息还可包含关于用作资产上的底漆或初始涂层的底涂层440的信息。也可针对底涂层440产生置信度445度量。
存储装置450可包含数据库455,其维持关于任何数目的涂层的数据,包含选定作为最佳配合涂层的那些涂层。分析引擎415当尝试识别用于目标涂层410的最佳配合涂层时可查询数据库455。
按照如此方法,数据库455(例如,可能为云颜色数据库)可包含用于按照区和不同区中使用的涂层的涂层属性来存储颜色选项或选择的组件。举例来说,数据库455可存储关于以下各者的数据:美国东部的用户可用来涂覆一种特定年份、品牌和型号的汽车的涂层组分(例如,配方/成分/参数)和子组分;以及美国不同地区(或世界另一地区)的其它用户用来涂覆同一汽车的类似选项。数据库455可针对用户正在欧洲、澳大利亚、东亚、南美等地选择的颜色或其版本保持正在进行的、持续更新的数据库。这一数据可帮助考虑地区选择的地区和个人选择差异,以获得相同的总体外观和颜色感觉,和/或考虑导致期望的最终颜色或总体颜色外观/效果的地区偏好和制造商规格。实际上,数据库455可为用以跟踪和维护任何数目的不同涂层的任何数目的涂层属性的中央存储库。
另外,数据库455可包含颜色配方组件。颜色配方组件可包含给定涂层的各种成分、量、配方和成本信息,以及每一个别子组分的定价和物理数据,例如特定物理类型的持续更新成本、颜料效果(例如,XIRALLIC、异色颜料、金属薄片、云母、珠光颜料等)的成本,和各种颜色色调的成本。具有较高或较低相对定价的涂层,例如具有多个涂层的那些涂层(例如,三涂层、XIRALLIC),可在所存储的记录中如此标记。颜色配方组件可进一步包含为每一涂层子组分测量的各种物理或原始数据,例如各种色调、基底涂层和效果颜料的光谱、比色或其它数据,包含从此类子组分的各种组合测量的此类数据。颜色配方组件还可包含针对给定配方的预测光谱或比色数据,其中尚未执行实际测量。
在一些情况下,颜色配方组件或属性包含每一涂层和每一涂层子组分的原始物理测量值或预测测量值(本文中也称为“二次颜色数据”),例如光谱或其它比色测量值,包含但不限于CIELAB(即,L*a*b*)值、分光光度计读数、RGB和γ-RGB值,和/或XYZ三色刺激数据等。在一个或多个额外或替代实施方案中,颜色配方组件包含数个涂层和涂层子组分的原始物理测量值与基于从邻近颜色获得的测量值的其它涂层或涂层子组分的预测物理测量值的混合,所述邻近颜色例如在相同颜色空间中的颜色,但可能因一个或多个子组分(例如,不同基础)而不同,或因色相、色度或调色剂比率的轻微变化而不同。如本文中更充分地理解,涂层制造商可基于在下一最接近颜色中内插此类值或当颜色的更多子组分中的一者含有已知物理测量值而颜色的其它子组分含有未测量的子组分时预测此类值来预测颜色的比色或光谱物理值。
数据库455还可包含用于使颜色与OEM色码相关的组件。在一个实例中,操作员或自动化更新界面可利用资产制造商的涂层代码和用于涂覆特定资产的调配物的历史更新和最近更新来不断地更新数据库455。因此,数据库455可以存储例如在1970年用于涂覆一件重工业设备的涂层颜色和调配物,以及在2021年创建的特定品牌和型号的特定汽车所使用的颜色和调配物等的信息。
数据库455还可以存储与每个颜色和颜色调配物相关联的各种次级标记。举例来说,数据库455可存储与每一颜色记录相关联的条形码、QR码和/或VIN(车辆标识号)数据,这可使得最终用户能够扫描资产自身上的对应代码,且接着使得用户能够提取由数据库455存储的原始颜色的记录。提取原始颜色的完整记录可以指示所有组分/成分/层,以及关于原始涂层施加的其它已知参数。数据库455还可用作涂层制造商的颜色和相关物理数据的最新更新的中央存储库,所述物理数据例如用于制造特定涂层的每一颜色和对应颜色子组分的配方、光谱、比色、RGB、CIELAB和/或XYZ三色刺激数据和相关转换数据,以及图像数据。
架构400在图4B中继续。如先前所提及,用户能够选择特定最佳配合涂层,其将被称为测试涂层460。测试涂层460可施加于资产(例如,图2的资产205)。在施加测试涂层460且允许其固化之后,也可以使用较早提到的技术对其进行分析。因此,可针对测试涂层460确定一组涂层属性460A。
将测试涂层460施加于资产出于多种原因是有益的。举例来说,在测试涂层460现在施加于资产的情况下,可经由初始视觉检查或比较来分析测试涂层460且将其与目标涂层410进行比较。另外,可以跟踪在测试涂层460的施加期间存在的环境条件且稍后进行分析以确定那些条件是否保证改变以便产生更好的对准。
根据所公开的原理,测试涂层460的涂层属性460A和目标涂层410的涂层属性420可通过网络465传输到服务器470,所述服务器托管用户界面475。如不久将描述,用户界面475经专门定制以促进基于每一涂层的相应涂层属性在目标涂层410与测试涂层460之间的比较。用户界面475还经结构化以使得能够对测试涂层460执行调整480,以试图将测试涂层460带到与目标涂层410更接近的对准。调整480和其它数据可作为反馈485提供到远程设施405。通过所述反馈485,在远程设施405处的客户端可对实际涂层组分作出对应调整,以便达到准确地匹配目标涂层的涂层。在一些情况下,可使用机器学习来自动确定执行哪些调整以便与目标涂层更接近地对准测试涂层。
实例用户界面
图5示出表示来自图4B的用户界面475的实例用户界面500。用户界面500可经结构化为包含特定视觉布局,其被设计成帮助用户调整测试涂层的涂层属性以试图与目标涂层更接近地对准测试涂层。
在图5中,用户界面500示出为显示表示目标涂层505的用户界面元件。任选地,目标涂层505可在例如可能为车辆的一部分的弯曲三维表面上再现。用户界面500还被配置成显示目标涂层505的涂层属性510。
用户界面500可具有网格格式500A,如由用户界面中示出的点线所示。在一些实例中,点线可以是可见的,而在其它实例中,那些线可以隐藏。在任何情况下,可以观察在用户界面500中呈现的至少一些信息如何以网格状或盒状方式布置。举例来说,用户界面500可在接近于目标涂层505的位置处显示另一用户界面元件。为了说明,请注意如何在目标涂层505附近接近地且以网格状方式显示表示测试涂层515的用户界面元件。测试涂层515的涂层属性520也可在用户界面500中显示。
用户界面500可提供各种工具以使得用户能够修改目标涂层505和/或测试涂层515的视图。举例来说,用户界面500可包含旋转工具525和光照工具530。
即,通过此用户界面500,用户可操控目标涂层505和/或测试涂层515的3D预览,例如通过操控那些涂层在视觉上施加到的表面(例如,可能为车辆)。例如,使用旋转工具525,用户可使用光标或手指(在使用触摸屏的情况下)触摸表面且使其沿不同方向移动并且放大或缩小。所述表面可在任何方向上移动以使得表面的不同部分可暴露。以此方式,在用户界面中不同显示的表面可移动以在视觉上描绘那些表面的不同角度。
通过此用户界面500,用户也可操控用以照明目标涂层505和测试涂层515的视觉再现的各种视觉效果或特征。例如,使用光照工具530,用户可修改用于“照射”在目标涂层505和/或测试涂层515上的编程光的光源位置。举例来说,在一个实例情况中,光源可定位于车辆/表面前方的一个角度处。光源可移动到不同位置,例如可能在车辆的顶部上方、移动到车辆的侧面、车辆后方或任何其它位置。也可修改光源与车辆之间的分离距离,例如远分离或近分离。因此,可修改光源相对于车辆或表面的位置、放置、角度和距离。通过以此方式修改光源,用户可观察涂层在不同环境和情形中如何表现。
光照工具530也可用以添加或去除一个或多个光源。举例来说,情况可能是现有光源定位于车辆/表面的前方。通过使用光照工具530,用户可添加或删除一个或多个光源。举例来说,可将第二光源添加到再现。可能此第二光源位于车辆后方。
光照工具530也可用以修改使用的光源的类型。即,通过选择此选项,用户可修改光源的各种属性。举例来说,用户可修改光源的颜色。用户也可修改亮度。用户也可修改照明的类型,例如使用白炽灯类型的灯泡或LED类型的灯。用户也可修改是否使用泛光灯类型的灯(即,广泛地照射给定区域的灯)或是否使用聚光灯类型的灯(即,聚焦以照射特定区域的灯)。
当用户使用旋转工具525和/或光照工具530时,可以对在用户界面500中显示的所有或选定数目的表面共同执行使用那些工具执行的动作。举例来说,使用旋转工具525,用户可选择涂覆有目标涂层505的车辆且旋转所述车辆。与那些旋转同步,也可基于在所述一个车辆处提供的相同输入而移动涂覆有测试涂层515的车辆。类似地,可对那些车辆共同执行使用光照工具530执行的动作。替代地,可仅对选定的一个表面或车辆执行此类动作,而不对在用户界面500中显示的任何其它表面执行。因此,可以同步或异步方式执行动作。
在一些情况下,由于是与目标涂层505的一个“最佳配合”匹配而原始选择的测试涂层515可能仍未足够接近于用户感知为目标涂层505的涂层。因此,本发明提供用于使得用户和/或机器学习算法能够对测试涂层的属性施加调整以试图修改测试涂层的外观(产生所谓的“经调整涂层”)以便将所述测试涂层带到与目标涂层更接近的对准的技术。此类调整或定制可通过调整工具实施。提供修整或定制涂层的选项确保了最终用户(例如,车身车间操作员、客户等)确信最终颜色选择。
为了说明,用户界面500还包含调整工具535,其可用以对测试涂层515作出调整,进而产生经调整涂层。此类调整的实例可包含对测试涂层515的化学组成、色调方面、薄片含量等等的改变或修改。图5示出可被包含作为调整工具535的部分的一些实例工具。如本文所使用,“经修改”或“经调整”测量值或属性指代其中原始测量值或属性已改变(例如,由人类用户或经由机器学习算法)以试图与标准或基线测量值或属性更接近地对准测量值或属性的情境。
为了说明,调整工具535可包含调色剂工具、亮/暗工具(也称为色调工具,其为可使用调整测试涂层的色调属性的工具)、行程工具、颗粒工具和薄片工具等等。这些工具可具有滑块或调整机构,可操控所述滑块或调整机构以便调整其相应涂层属性中的每一个。当然,也可使用其它类型的工具来调整这些参数(例如,径向刻度盘、数值调整、条形图等)。
出于本说明书和权利要求书的目的,术语“颜色行程”(也称为“移程”或简称为“行程”)是指在相同目标/资产的视角范围内颜色的反射率的变化。高和低行程可与不同视角处的L*相关。
这些各种工具可用以调整特定涂层的属性,例如测试涂层515。将了解,至少在此阶段此类调整如何作为虚拟调整,因为涂层尚未产生或合成。为了清楚,“虚拟”意指计算机系统基于使用用户界面指定的属性而产生预测涂层。稍后,可为用户提供实际上产生具有经调整属性的涂层的选项。提供促进调整的工具使得用户能够相信视觉上显示的涂层将最终匹配于资产的目标涂层。
在一些情况下,也可经由调整工具535调整涂层的化学组分。举例来说,假设测试涂层515的红色颜料需要增加以便较好地对准所得经调整涂层与目标涂层505。调整工具535可包含用于调整测试涂层515的化学方面、薄片值或其它可调整属性以便改进其匹配状态的特征。在一些情况下,调整化学组分可包含对涂层混合物添加或去除不同化合物或不同量的化合物。
在资产中的老化或其它变色使得在任何系统中几乎不可能找到精确匹配的情况下,或在用户仅偏好尚未创建的特定颜色或颜色效果的其它情况下,定制颜色或与图4A的数据库455中已知颜色记录的其它偏差/调整可为适当的。
在一些情况下,调整工具535也可用以提供详述应当如何改变远程设施处的环境条件的指令。例如,即使可在不同设施处使用确切相同的涂层,但情况经常是当施加涂层时,那些施加的涂层将表现为略有不同。此类差异是由于环境条件、施加技术、固化条件或甚至用以施加涂层的工具的差异而发生。换句话说,差异或不对准可由于固化、缩减或施加方法的差异而发生。调整工具535可用以指示远程设施处的用户进行环境条件、使用的工具和/或当施加涂层时遵循的施加技术的改变。
因此,所公开的用户界面500可经专门定制以使得用户能够将测试涂层515与目标涂层505进行比较和对比。如果需要对测试涂层505的改变,则用户可使用由用户界面500提供的各种工具来对测试涂层515作出改变,进而产生经调整涂层。反馈540可随后提供到远程设施。此反馈540被设计成试图帮助将测试涂层带到与目标涂层更接近的对准。在一些实例中,反馈540包含关于如何修改固化技术、施加技术或甚至环境条件的指令。在一些情况下,反馈540包含详述颜色不对准的信息。在一些情况下,用户可使用调整工具535对测试涂层作出虚拟修改,以便辨别可如何改变测试涂层以将其带到与目标涂层更接近的对准(例如,针对匹配颜色的某种试错方法)。对测试涂层的修改可指示可能应当修改某些颜色组分以实现更接近的对准。因此,调整工具535可用以产生可提供到远程设施的反馈输出。
实例方法
下面的讨论现在涉及可执行的多种方法和方法动作。尽管方法动作可按某种顺序讨论或在流程图中被说明为按特定顺序发生,但是特定排序是不需要的,除非特别说明,或者因为一个动作依赖于在所述动作执行之前完成的另一个动作而有需要。
现将注意图6,其示出根据FMEA过程用于提供反馈以匹配涂层的实例方法600的流程图。方法600可由涂层分析系统在图4A和4B的架构400内执行。此外,计算机系统300也可用以促进方法600。图4B的服务器470也可用以促进方法600。
最初,方法600包含确定已在远程设施(例如,图4A的远程设施405)处分析施加于第一资产(例如,资产100)的目标涂层(例如,图1的目标涂层105)的动作(动作605)。举例来说,分析可涉及使用图3的分光光度计305以识别目标涂层的涂层属性,例如(但不限于)远程设施的环境条件、目标涂层的CIELab颜色空间值等等。由于执行目标涂层的分析,系统能够识别经确定为匹配目标涂层的一个或多个最佳配合涂层(例如,图1的最佳配合涂层115)。为了“匹配”,最佳配合涂层的涂层属性在相对于目标涂层的涂层属性的指定阈值内。“确定”目标涂层已施加的过程可以当例如可能在图4B中的服务器470处接收到描述目标涂层的涂层属性时发生。
方法600随后包含确定测试涂层(例如,图4B的测试涂层460)已在远程设施处施加于第二资产的动作(动作610)。举例来说,用户能够审阅各种最佳配合涂层,并且接着选择一个(或多个)以用作“测试涂层”。此测试涂层可随后施加于资产以确定其在固化之后的外观。希望此测试涂层与目标涂层匹配或对准,但情况可能不是这样。在此方面,测试涂层是选自最佳配合涂层中且被选择用于进一步分析。“确定”测试涂层已施加的过程可以当例如可能在服务器470处接收到描述测试涂层的涂层属性时发生。
在测试涂层已施加于第二资产之后,存在例如可能在服务器470处接收测试涂层的涂层属性(例如,涂层属性460A)的动作(动作615)。涂层属性可包含测试涂层的数字测量值(例如,可能为CIELab颜色空间值),且可进一步包含描述在测试涂层施加于第二资产时发生的环境条件的数据。此类条件可包含温度、湿度、高程、气压或甚至关于测试涂层在远程设施中施加于资产的时间中的一个或多个。图3的分光光度计305和计算机系统300可用以确定测试涂层的涂层属性。可在服务器计算机(例如,服务器470)系统处通过网络从远程设施接收涂层属性。
动作620随后涉及在用户界面(例如,图5的用户界面500)上显示使用目标涂层涂覆的第一表面,以及显示使用测试涂层涂覆的第二表面。用户界面进一步显示测试涂层的涂层属性。参考图5,请注意用户界面500如何显示已涂覆有目标涂层505的车辆的第一3D再现和已涂覆有测试涂层515的车辆的第二3D再现。这些“车辆”可以是或可包含上文所提及的“表面”。
与动作620并行地,存在评估在测试涂层与目标涂层之间观察到的差量的动作(动作625)。在一些情况下,用户界面可在用户界面上显示调整工具(例如,图5中的调整工具535),其实现测试涂层的涂层属性的调整以便促进评估。如先前所描述,图5中的调整工具535可用以修改或调整测试涂层515的任何数目的属性,进而产生或创建所谓的“经调整涂层”。举例来说,调整工具(在评估期间)可用以识别在测试涂层与目标涂层之间不同的特定属性。此类属性可包含色调、光、薄片含量等。调整工具可用以帮助识别测试涂层相对于目标涂层如何不同。“评估”可涉及将测试涂层的涂层属性与目标涂层的那些涂层属性进行比较和对比,包含执行数字测量值比较和评估。评估可进一步包含识别可执行以试图使测试涂层与目标涂层更接近地对准的定性调整。在一些情况下,通过将数字测量值进行比较来执行评估。在一些情况下,经由使用用户界面促进的视觉比较来执行评估。在一些情况下,使用机器学习算法或实验室技术员执行评估。在一些情况下,经由试错过程执行评估,其中可对测试涂层的所显示外观作出调整,且可记录那些调整以指示应当如何修改测试涂层以便与目标涂层更接近地对准。在此意义上,这些调整可产生“预测”测试涂层或“虚拟”测试涂层。
在此方面,一些实施方案包含使用调整工具接收输入。可相对于测试涂层的数字测量值接收输入。举例来说,测试涂层可用作初始基线。随后可以任何方式修改所述测试涂层的已经确定的测量值或属性,如先前所描述。修改测试涂层的数字测量值或涂层属性的过程导致产生经调整涂层,与测试涂层与目标涂层原始匹配的程度相比,所述经调整涂层假设与目标涂层更接近地匹配。举例来说,希望设计或执行调整以试图产生与目标涂层的较好的(或更对准的)涂层匹配。经调整涂层的涂层属性可包含由于修改可调整的值而发生的预测CIELab颜色空间值,所述可调整的值例如可能为涂层的化学组分。可在评估期间执行此类调整以便具体来说识别两个涂层相对于彼此如何不同。
在一些情况下,修改测试涂层的数字测量值或实际上修改涂层组分的过程导致对测试涂层的化学或颜色组分的“预测”改变。其为“预测的”,因为在此时并未产生或合成新的现实涂层;实际上,正创建计算机产生的版本。稍后,可产生具有调整涂层属性的实际涂层。
如早先所描述,用户界面也可包含任何数目的不同工具。举例来说,用户界面可包含用于调整以编程方式照射在表面上的光源的光照属性的选项。此类选项可由图5中描述的光照工具530提供。类似地,用户界面可包含用于使用旋转工具525调整表面的视觉外观的选项。此类外观改变可包含表面的旋转、表面的平移、表面的放大,或甚至对表面的形状和轮廓的改变。例如,在一个实例中,图5的用户界面500可显示汽车。在不同实例中,用户界面500可显示卡车或厢式货车。实际上,用户界面500可显示任何形状或表面。
动作630随后包含将反馈提供到远程设施,例如可能通过进行FMEA过程以识别不对准且潜在地甚至经由较早提到的调整来解决那些不对准。所述反馈详述观察到的差异或差量。所述反馈也可提供关于如何减少测试涂层与目标涂层之间的差异或差量以得到测试涂层与目标涂层之间的更接近对准的指令。通过将此反馈提供到远程设施,远程设施处的操作员或用户可随后配制或产生合意地与目标涂层更接近地对准的涂层,和/或可基于与反馈一起提供的指令而对涂覆过程作出修改。上述过程可重复任何次数,直到识别且产生令人满意的测试涂层为止。在一些情况下,反馈可包含修改远程设施处的环境条件的指令。在一些情况下,反馈可包含较高级指示或指令而不是细粒度指示。举例来说,细粒度反馈的实例可包含对调色剂、光、行程、颗粒和可能甚至薄片的修改。另一方面,较高级指示可包含用于指示匹配存在还是不存在的反馈。在一些情况下,反馈可包含环境条件或使用的施加技术导致匹配或不匹配情境的指示。
反馈还可包含关于喷雾在外观中是否太湿的指示。反馈还可包含反映喷雾是否表现为其相对于目标涂层应当的样子(例如,视觉外观特性)的指示。反馈可反映喷雾太暗还是可能太亮。基于观察到的视觉特性,反馈还可包含关于如何补偿或校正观察到的差异或差量的指令。举例来说,指令可包含修改涂层的施加技术(例如,涂层喷涂的方式,修改喷涂面板与喷枪之间的距离)的指令、修改环境条件的指令、潜在地修改涂层的颜色组分的指令,以及甚至关于用以将测试涂层施加到喷涂面板的施加技术的指令。
在一些情况下,定性反馈可指示诸如“测试涂层的红色色相相对于目标涂层相差约10%”的内容或类似语言。即,反馈不仅可识别特定差量(例如,红色色相),而且可识别差量存在的程度或量(例如,10%)。机器学习算法可产生初始推荐或建议或识别的差异。所述初始差异和推荐可提供给实验室技术员,实验室技术员可随后微调所述差异和推荐,并且接着将所述差异和推荐提交到远程设施。反馈可包含固化反馈、施加反馈和/或颜色不对准反馈。实际上,可提供任何类型的反馈,其中所述反馈被设计成帮助将测试涂层带到与目标反馈更接近的对准。
为了试图进一步改进用户的体验,系统可进一步跟踪用户在特定设施处或跨越任何数目的设施作出哪些调整。举例来说,情况可能是特定设施处的用户全部使用图5的用户界面500作出相同或基本上相同的调整。系统能够识别已经使用调整工具作出的调整。系统可随后将这些调整存储为客户端偏好。那些客户端偏好可随后在所公开原理的后续执行期间自动或手动地应用。举例来说,用户可选择对测试涂层自动执行他/她的偏好的选项。
另外,系统能够聚合特定客户端的偏好与其它客户端的偏好,例如可能针对地区性区域进行聚合。系统也可识别通常跨越不同客户端作出特定调整的频率。如果频率足够高,则系统可保存那些偏好且使其现成地作为用于对测试涂层自动执行的可选选项。以此方式,用户将不必一次又一次地重复执行相同调整。实际上,可自动执行那些调整。在一些情况下,可基于使用的频率或流行度对调整进行分级。随后可经由提示来提供极为流行的调整以供用户选择和实施。因此,可显示选项,其中当被选定时,所述选项使用调整工具自动执行保存的调整。
本发明还可相对于除了汽车车身车间之外的更传统设施来实践,例如可能呈具有卷钢、金属屋顶和其它结构组件的有屋顶建筑物的形式(例如,以识别建筑物中或建筑物上的退化/腐蚀)。本发明(特别是人工智能原理)可进一步用于识别特定颜色,或甚至颜色匹配的质量,例如可用于汽车和住宅涂层匹配。更进一步地,本发明可以与样式转移结合使用,即将一个图片的样式的照片逼真图像转移到另一个图片中。因此将了解,本发明的原理不仅可以应用于维护或表面整修,而且可以应用于在广泛的工业和个人使用环境中的质量评估和保障的一般原理。
实例计算机/计算机系统
因此,所公开的系统有利地能够提供被设计成改进涂层选择过程的独特用户界面和操作。为了这样做,系统依赖于以特定方式配置以便实现这些益处的计算机系统。
返回到图3,此图示出可包含和/或用以执行本文所描述的组件或操作中的任一个的实例计算机系统300。计算机系统300可以采取各种不同形式。举例来说,计算机系统300可以实施为平板计算机、桌面计算机、膝上型计算机、移动装置或独立装置。计算机系统300也可以是包含与计算机系统300通信的一个或多个连接的计算组件/装置的分布式系统。
在其最基本配置中,计算机系统300包含各种不同组件。图3示出计算机系统300包含一个或多个处理器(例如,315A、315B、315C)(也称为“硬件处理单元”)和存储装置320。
关于处理器,将了解,本文所描述的功能性可至少部分地由一个或多个硬件逻辑组件(例如,处理器315A、315B或315C)执行。举例来说但不限于,可使用的说明性类型的硬件逻辑组件/处理器包含现场可编程门阵列(“FPGA”)、程序特定或专用集成电路(“ASIC”)、程序特定标准产品(“ASSP”)、芯片上系统(“SOC”)、复杂可编程逻辑装置(“CPLD”)、中央处理单元(“CPU”)、图形处理单元(“GPU”),或任何其它类型的可编程硬件。
对“引擎”(例如,ML引擎330)的参考可以被实施为特定处理单元(例如,如早先所描述的专用处理单元),其被配置成执行用于计算机系统300的一个或多个专门操作。如本文所使用的,术语“可执行模块”、“可执行组件”、“组件”、“模块”或“引擎”可以指可以在计算机系统300上执行的硬件处理单元或软件对象、例程或方法。本文所描述的不同组件、模块、引擎和服务可以被实施为在计算机系统300上执行的对象或处理器(例如,作为单独线程)。
存储装置320可以是物理系统存储器,其可为易失性存储器、非易失性存储器,或这两者的某种组合。术语“存储器”在本文中还可用于指代非易失性大容量存储装置,例如物理存储介质。如果计算机系统300是分布式的,则处理、存储器和/或存储能力也可以是分布式的。
存储装置320示出为包含可执行指令325。可执行指令325表示可由计算机系统300的处理器(或可能甚至是ML引擎330)执行以执行所公开的操作的指令,所述操作例如在各种方法中所描述的那些操作。
所公开实施例可以包括或利用包含计算机硬件的专用或通用计算机,所述计算机硬件例如一个或多个处理器和系统存储器(例如存储装置320),如下文更详细地论述,。实施例还包含用于携载或存储计算机可执行指令和/或数据结构的物理和其它计算机可读介质。此类计算机可读介质可以是可以由通用或专用计算机系统访问的任何可用介质。存储呈数据的形式的计算机可执行指令的计算机可读介质是“物理计算机存储介质”或“硬件存储装置”。携载计算机可执行指令的计算机可读介质是“传输介质”。因此,作为示例而非限制,当前实施例可以包括至少两种截然不同的计算机可读介质:计算机存储介质和传输介质。
计算机存储介质(也称为“硬件存储装置”)是基于RAM、闪存、相变存储器(“PCM”)或其它类型的存储器的计算机可读硬件存储装置,如RAM、ROM、EEPROM、CD-ROM、固态硬盘(“SSD”),或其它光盘存储、磁盘存储或其它磁存储装置,或可用于以计算机可执行指令、数据或数据结构的形式存储所需程序代码构件并且可由通用或专用计算机访问的任何其它介质。
计算机系统300也可以经由网络335连接(经由有线或无线连接)到外部传感器(例如,一个或多个远程相机)或装置。举例来说,计算机系统300可与任何数目的装置(例如,分光光度计305)或云服务通信以获得或处理数据。在一些情况下,网络335自身可以是云网络。此外,计算机系统300也可以通过一个或多个有线或无线网络335连接到被配置成执行关于计算机系统300描述的任何处理的远程/单独计算机系统。
比如网络335的“网络”被定义为实现电子数据在计算机系统、模块和/或其它电子装置之间的传输的一个或多个数据链路和/或数据交换机。当通过网络(固线式、无线式或固线式与无线式的组合)向计算机传送或提供信息时,计算机将连接正确地视为传输介质。计算机系统300将包含用以与网络335通信的一个或多个通信信道。传输介质包含可用以携载呈计算机可执行指令的形式或呈数据结构的形式的数据或所需程序代码构件的网络。此外,这些计算机可执行指令可由通用或专用计算机存取。上述的组合也应包含在计算机可读介质的范围内。
在到达各种计算机系统组件时,呈计算机可执行指令或数据结构形式的程序代码构件可以从传输介质自动传送到计算机存储介质(反之亦然)。例如,通过网络或数据链路接收的计算机可执行指令或数据结构可以缓存在网络接口模块(例如,网络接口卡或“NIC”)内的RAM中,并然后最终传送到计算机系统RAM和/或计算机系统处的低易失性计算机存储介质。因此,应理解,计算机存储介质可包含在也(或甚至主要)利用传输介质的计算机系统组件中。
计算机可执行(或计算机可解译)指令包括例如使通用计算机、专用计算机或专用处理装置执行某一功能或功能群组的指令。例如,计算机可执行指令可以是例如二进制数、中间格式指令(诸如汇编语言),或者甚至是源代码。尽管主题已经以特定于结构特征和/或方法动作的语言进行了描述,但是应当理解,在所附权利要求中定义的主题不一定限于以上描述的特征或动作。相反,所描述的特征和动作被公开为实施权利要求的示例形式。
本领域技术人员将理解,实施例可以在具有多种类型的计算机系统配置(包含个人计算机、台式计算机、膝上型计算机、消息处理器、手持式装置、多处理器系统、基于微处理器或可编程的消费电子产品、网络PC、小型计算机、大型计算机、移动电话、PDA、寻呼机、路由器、交换机和类似物)的网络计算环境中实践。实施例也可以在分布式系统环境中实践,其中通过网络链接(通过固线式数据链路、无线数据链路或固线式数据链路和无线数据链路的组合)的本地和远程计算机系统各自执行任务(例如,云计算、云服务和类似任务)。在分布式系统环境中,程序模块可以位于本地和远程存储器存储装置二者中。
鉴于前述内容,本发明例如但不限于涉及以下方面:
在第一方面中,一种用于提供反馈以匹配涂层的计算机实施的方法,特别是根据方法十一至十六中任一项所述的方法,可包含:确定已在远程设施处分析施加于第一资产的目标涂层,其中由于分析所述目标涂层,还识别被确定为匹配所述目标涂层的一个或多个涂层;确定已在所述远程设施处将测试涂层施加于第二资产;接收已在所述远程设施处施加于第二资产的所述测试涂层的涂层属性,其中所述测试涂层是选自所述一个或多个涂层中,且所述涂层属性包含所述测试涂层的数字测量值并且进一步包含描述在所述测试涂层施加于所述第二资产时发生的环境条件的数据;在用户界面上,显示使用所述目标涂层涂覆的第一表面且显示使用所述测试涂层涂覆的第二表面,其中所述用户界面进一步显示所述测试涂层的所述涂层属性;评估在所述测试涂层与所述目标涂层之间观察到的差量;以及将反馈提供到所述远程设施,其中所述反馈详述所述观察到的差量并且进一步提供关于如何减少所述差量以得到所述测试涂层与所述目标涂层之间的更接近对准的指令。
在根据方面一所述的计算机实施的方法的第二方面中,测试涂层的涂层属性可包含CIELab颜色空间值。
在根据前述方面一至二中任一项所述的计算机实施的方法的第三方面中,环境条件可包含以下各项中的一个或多个:温度、湿度、高程、气压,或在所述远程设施处将所述测试涂层施加于所述第二资产的时间。
在根据前述方面一至三中任一项所述的计算机实施的方法的第四方面中,包含于所述反馈中的指令可包含修改远程设施处的环境条件的指令。
在根据前述方面一至四中任一项所述的计算机实施的方法的第五方面中,用户界面可进一步包含用于调整以编程方式照射在第一表面上的光源的光照属性的选项。
在根据前述方面一至五中任一项所述的计算机实施的方法的第六方面中,用户界面可进一步包含用于调整第二表面的视觉外观的选项。
在根据前述方面一至六中任一项所述的计算机实施的方法的第七方面中,第一表面和第二表面可以网格格式显示于用户界面中。
在根据前述方面一至七中任一项所述的计算机实施的方法的第八方面中,方法可进一步包含识别已使用调整工具测试涂层作出的调整且将所述调整存储为客户端偏好。
在根据前述方面八所述的计算机实施的方法的第九方面中,方法可进一步包含聚合所述客户端偏好与其它客户端偏好且识别通常跨越不同客户端作出特定调整的频率。
在根据前述方面一至九中任一项所述的计算机实施的方法的第十方面中,方法可进一步包含显示选项,所述选项当被选定时使用调整工具自动执行保存的调整。
在第十一方面中,用于提供反馈以匹配涂层的计算机实施的方法的另一或额外配置,特别是使用根据方面十六至二十中任一项所述的计算机系统,可包含:接收先前施加于资产的测试涂层的涂层属性,其中所述涂层属性包含所述测试涂层的数字测量值和描述在所述测试涂层施加于所述资产时发生的环境条件的数据;在用户界面上,显示使用目标涂层涂覆的第一表面且显示使用所述测试涂层涂覆的第二表面,其中所述用户界面进一步显示所述测试涂层的所述涂层属性;评估在所述测试涂层与所述目标涂层之间观察到的差量;以及将反馈提供到远程设施,其中所述反馈详述所述观察到的差量并且进一步提供关于如何减少所述差量以得到所述测试涂层与所述目标涂层之间的更接近对准的指令。
在根据前述方面十一所述的计算机实施的方法的第十二方面中,测试涂层和目标涂层可以网格格式显示于用户界面中。
在根据前述方面十一至十二中任一项所述的计算机实施的方法的第十三方面中,所述数字测量值可包含CIELab颜色空间值。
在根据前述方面十一至十三中任一项所述的计算机实施的方法的第十四方面中,用户界面中的第一表面可移动以在视觉上描绘第一表面的不同角度。
在根据前述方面十一至十四中任一项所述的计算机实施的方法的第十五方面中,包含于所述反馈中的指令可包含关于用以将测试涂层施加到喷涂面板的施加技术的指令。
在根据前述方面十一至十五中任一项所述的计算机实施的方法的第十六方面中,包含于所述反馈中的所述观察到的差量可包含所述测试涂层与所述目标涂层之间的色调、光照或薄片含量中的一个或多个的差异。
在第十七方面中,一种计算机系统可被配置成提供反馈以匹配涂层,特别是使用根据方法方面一至二十四中任一项所述的方法,所述计算机系统可包含一个或多个处理器;以及一个或多个计算机可读硬件存储装置,其存储指令,所述指令可由所述一个或多个处理器执行以使所述计算机系统至少:接收先前施加于资产的测试涂层的涂层属性,其中所述涂层属性包含所述测试涂层的数字测量值和描述在所述测试涂层施加于所述资产时发生的环境条件的数据;在用户界面上,显示使用目标涂层涂覆的第一表面且显示使用所述测试涂层涂覆的第二表面,其中所述用户界面进一步显示所述测试涂层的所述涂层属性;评估在所述测试涂层与所述目标涂层之间观察到的差量;以及将反馈提供到远程设施,其中所述反馈详述所述观察到的差量并且进一步提供关于如何减少所述差量以得到所述测试涂层与所述目标涂层之间的更接近对准的指令。
在根据前述方面十七所述的计算机系统的第十八方面中,涂层属性可包含CIELab颜色空间值。
在根据前述方面十七至十八中任一项所述的计算机系统的第十九方面中,所述反馈可包含修改远程设施处的环境条件的指令。
在根据前述方面十七至十九中任一项所述的计算机系统的第二十方面中,所述环境条件可包含以下各项中的一个或多个:温度、湿度、高程、气压,或在所述远程设施处将所述测试涂层施加于所述资产的时间。
在根据方面一至二十中任一项所述的方法或计算机系统的第二十一方面中,其中所述目标涂层是可选自涂层数据库的涂层。
在根据方面一至二十一中任一项所述的方法或计算机系统的第二十二方面中,其中每一涂层属性包括特别是使用光谱仪获得的相应涂层的色度计数据和/或反射率数据。
在根据方面一至二十二中任一项所述的方法或计算机系统的第二十三方面中,其中所述数字测量值可包含一组着色剂且可使每一着色剂与特定着色剂存在的概率相关联。
在根据方面一至二十三中任一项所述的方法或计算机系统的第二十四方面中,其中所述环境条件可包括关于在施加相应涂层期间存在的温度、湿度、高程、例如涂覆设备等设备、工具、技术和/或资产的数据。
在不脱离其特性的情况下,本发明可以以其它具体形式实施。所描述的实施例应在所有方面均被视为仅是说明性的而非限制性的。因此,本发明的范围由随附的权利要求书而不是由前述描述指示。落入权利要求的等效含义和范围内的所有改变都应包括在其范围内。
Claims (20)
1.一种用于提供反馈以匹配涂层的方法,其包括:
确定已在远程设施处分析施加于第一资产的目标涂层,其中由于分析所述目标涂层,还识别被确定为匹配所述目标涂层的一个或多个涂层;
确定已在所述远程设施处将测试涂层施加于第二资产,
接收已在所述远程设施处施加于第二资产的所述测试涂层的涂层属性,其中所述测试涂层是选自所述一个或多个涂层中,且所述涂层属性包含所述测试涂层的数字测量值并且进一步包含描述在所述测试涂层施加于所述第二资产时发生的环境条件的数据;
在用户界面上,显示使用所述目标涂层涂覆的第一表面且显示使用所述测试涂层涂覆的第二表面,其中所述用户界面进一步显示所述测试涂层的所述涂层属性;
评估在所述测试涂层与所述目标涂层之间观察到的差量;以及
将反馈提供到所述远程设施,其中所述反馈详述所述观察到的差量并且进一步提供关于如何减少所述差量以得到所述测试涂层与所述目标涂层之间的更接近对准的指令。
2.根据权利要求1所述的方法,其中所述测试涂层的所述涂层属性包含CIELab颜色空间值。
3.根据权利要求1所述的方法,其中所述环境条件包含以下各项中的一个或多个:温度、湿度、高程、气压,或在所述远程设施处将所述测试涂层施加于所述第二资产的时间。
4.根据权利要求1所述的方法,其中包含于所述反馈中的所述指令包含修改所述远程设施处的环境条件的指令。
5.根据权利要求1所述的方法,其中所述用户界面进一步包含用于调整以编程方式照射在所述第一表面上的光源的光照属性的选项。
6.根据权利要求1所述的方法,其中所述用户界面进一步包含用于调整所述第二表面的视觉外观的选项。
7.根据权利要求1所述的方法,其中所述第一表面和所述第二表面以网格格式显示于所述用户界面中。
8.根据权利要求1所述的方法,其中所述方法进一步包含识别已使用调整工具对所述测试涂层作出的调整且将所述调整存储为客户端偏好。
9.根据权利要求8所述的方法,其中所述方法进一步包含聚合所述客户端偏好与其它客户端偏好且识别通常跨越不同客户端作出特定调整的频率。
10.根据权利要求1所述的方法,其中所述方法进一步包含显示选项,所述选项当被选定时使用调整工具自动执行保存的调整。
11.一种用于提供反馈以匹配涂层的方法,其包括:
接收先前施加于资产的测试涂层的涂层属性,其中所述涂层属性包含所述测试涂层的数字测量值和描述在所述测试涂层施加于所述资产时发生的环境条件的数据;
在用户界面上,显示使用目标涂层涂覆的第一表面且显示使用所述测试涂层涂覆的第二表面,其中所述用户界面进一步显示所述测试涂层的所述涂层属性;
评估在所述测试涂层与所述目标涂层之间观察到的差量;以及
将反馈提供到远程设施,其中所述反馈详述所述观察到的差量并且进一步提供关于如何减少所述差量以得到所述测试涂层与所述目标涂层之间的更接近对准的指令。
12.根据权利要求11所述的方法,其中所述测试涂层和所述目标涂层以网格格式显示于所述用户界面中。
13.根据权利要求11所述的方法,其中所述数字测量值包含CIELab颜色空间值。
14.根据权利要求11所述的方法,其中所述用户界面中的所述第一表面能够移动以在视觉上描绘所述第一表面的不同角度。
15.根据权利要求11所述的方法,其中包含于所述反馈中的所述指令包含关于用以将所述测试涂层施加到喷涂面板的施加技术的指令。
16.根据权利要求11所述的方法,其中包含于所述反馈中的所述观察到的差量包含所述测试涂层与所述目标涂层之间的色调、光照或薄片含量中的一个或多个的差异。
17.一种被配置成提供反馈以匹配涂层的计算机系统,所述计算机系统包括:
一个或多个处理器;以及
一个或多个计算机可读硬件存储装置,其存储指令,所述指令能够由所述一个或多个处理器执行以使所述计算机系统至少:
接收先前施加于资产的测试涂层的涂层属性,其中所述涂层属性包含所述测试涂层的数字测量值和描述在所述测试涂层施加于所述资产时发生的环境条件的数据;
在用户界面上,显示使用目标涂层涂覆的第一表面且显示使用所述测试涂层涂覆的第二表面,其中所述用户界面进一步显示所述测试涂层的所述涂层属性;
评估在所述测试涂层与所述目标涂层之间观察到的差量;以及
将反馈提供到远程设施,其中所述反馈详述所述观察到的差量并且进一步提供关于如何减少所述差量以得到所述测试涂层与所述目标涂层之间的更接近对准的指令。
18.根据权利要求17所述的计算机系统,其中所述涂层属性包含CIELab颜色空间值。
19.根据权利要求17所述的计算机系统,其中所述反馈包含修改所述远程设施处的环境条件的指令。
20.根据权利要求17所述的计算机系统,其中所述环境条件包含以下各项中的一个或多个:温度、湿度、高程、气压,或在所述远程设施处将所述测试涂层施加于所述资产的时间。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163234061P | 2021-08-17 | 2021-08-17 | |
US63/234,061 | 2021-08-17 | ||
PCT/US2022/073617 WO2023023427A1 (en) | 2021-08-17 | 2022-07-12 | Automated fmea system for customer service |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117897597A true CN117897597A (zh) | 2024-04-16 |
Family
ID=83049916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280058255.6A Pending CN117897597A (zh) | 2021-08-17 | 2022-07-12 | 用于客户服务的自动化fmea系统 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP4388287A1 (zh) |
CN (1) | CN117897597A (zh) |
AU (1) | AU2022328570A1 (zh) |
WO (1) | WO2023023427A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7737991B2 (en) * | 2005-08-09 | 2010-06-15 | Basf Corporation | Method of visualizing a color deviation |
CN103153487B (zh) * | 2010-06-25 | 2016-04-20 | 纳幕尔杜邦公司 | 用于制备并递送颜色匹配涂层的系统及其用途 |
WO2013092679A1 (en) * | 2011-12-21 | 2013-06-27 | Akzo Nobel Coatings International B.V. | Colour variant selection method using a mobile device |
US9921206B2 (en) * | 2015-04-24 | 2018-03-20 | Ppg Industries Ohio, Inc. | Integrated and intelligent paint management |
-
2022
- 2022-07-12 EP EP22758386.1A patent/EP4388287A1/en active Pending
- 2022-07-12 CN CN202280058255.6A patent/CN117897597A/zh active Pending
- 2022-07-12 WO PCT/US2022/073617 patent/WO2023023427A1/en active Application Filing
- 2022-07-12 AU AU2022328570A patent/AU2022328570A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4388287A1 (en) | 2024-06-26 |
WO2023023427A1 (en) | 2023-02-23 |
AU2022328570A1 (en) | 2024-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11080552B2 (en) | Systems and methods for paint match simulation | |
JP4912888B2 (ja) | 塗料を適合させるためのコンピュータ実行方法 | |
US11574420B2 (en) | Systems and methods for matching color and appearance of target coatings | |
US8339665B2 (en) | Texture map of paint colors, and its production method, production program, production system and data structure | |
US10969952B2 (en) | Color and texture match ratings for optimal match selection | |
CN104114985A (zh) | 匹配含有效应颜料的涂层的颜色和外观的方法 | |
JP2013152738A (ja) | ビジュアルディスプレイを用いる調色選択プロセス | |
JP2011506961A (ja) | 効果顔料を有するペイント塗料を決定するためのシステムおよび方法 | |
US11978233B2 (en) | Systems and methods for matching color and appearance of target coatings | |
CA3157863A1 (en) | Method and device for identification of effect pigments in a target coating | |
CN117897597A (zh) | 用于客户服务的自动化fmea系统 | |
WO2022251819A1 (en) | Systems, methods, and interfaces for determining a refinish estimate for an asset | |
CN117642613A (zh) | 用于查看和修改涂料的子组分的系统、方法和界面 | |
US20240233188A9 (en) | Systems, methods, and interfaces for comparing complex coating mixtures with sparkle color | |
US20240135588A1 (en) | Systems, methods, and interfaces for comparing complex coating mixtures with sparkle color | |
WO2023009992A1 (en) | Systems for determining calibration state of test coatings | |
US20240221226A1 (en) | Systems and methods for matching color and appearance of target coatings | |
US20240046444A1 (en) | Systems and methods for mapping coatings to a spatial appearance space | |
WO2023208771A1 (en) | Method and apparatus for determining at least one adjusted sample coating to match the appearance of a reference coating |
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 |