DE102007050434A1 - A method and arrangement for computer-assisted determination of at least one property of a hair colorant based on a formulation of chemically reactive and / or unreactive raw materials, method and apparatus for computer-assisted determination of a hair colorant formulation based on chemically reactive and / or unreactive raw materials, and method and arrangement for computer aided Train a predetermined model to computer-aided determine at least one property of a hair coloring based on a formulation of chemically reactive and / or unreactive raw materials - Google Patents
A method and arrangement for computer-assisted determination of at least one property of a hair colorant based on a formulation of chemically reactive and / or unreactive raw materials, method and apparatus for computer-assisted determination of a hair colorant formulation based on chemically reactive and / or unreactive raw materials, and method and arrangement for computer aided Train a predetermined model to computer-aided determine at least one property of a hair coloring based on a formulation of chemically reactive and / or unreactive raw materials Download PDFInfo
- Publication number
- DE102007050434A1 DE102007050434A1 DE102007050434A DE102007050434A DE102007050434A1 DE 102007050434 A1 DE102007050434 A1 DE 102007050434A1 DE 102007050434 A DE102007050434 A DE 102007050434A DE 102007050434 A DE102007050434 A DE 102007050434A DE 102007050434 A1 DE102007050434 A1 DE 102007050434A1
- Authority
- DE
- Germany
- Prior art keywords
- hair
- information
- color
- chemically reactive
- model
- 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.)
- Ceased
Links
Classifications
-
- 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
- G06N3/10—Interfaces, programming languages or software development kits, e.g. for simulating neural networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/20—Supervised data analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C99/00—Subject matter not provided for in other groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Public Health (AREA)
- Bioethics (AREA)
- Biotechnology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Cosmetics (AREA)
Abstract
Bei einem Verfahren zum computergestützten Ermitteln mindestens einer Eigenschaft einer Haarcoloration basierend auf einer Formulierung aus chemisch reaktiven Rohstoffen und optional zusätzlich unreaktiven Rohstoffen bei Verwendung von chemisch reaktiven Formulierungen werden Informationen über chemisch reaktive Formulierungen einem vorbestimmten Modell zugeführt, wobei das vorbestimmte Modell eine Abbildung von Informationen über chemisch reaktive Formulierungen auf mindestens eine Eigenschaft einer entsprechenden Haarcoloration einer Vielzahl zuvor ermittelter Haarcolorationen beschreibt. Unter Verwendung des vorbestimmten Modells wird die mindestens eine Eigenschaft des Ergebnisses einer Haarcoloration bei Verwendung der chemisch reaktiven Formulierungen ermittelt.In a method for computer-aided determination of at least one property of hair coloring based on a formulation of chemically reactive raw materials and optionally additionally unreactive raw materials using chemically reactive formulations, information about chemically reactive formulations is fed to a predetermined model, the predetermined model being a map of information about describes chemically reactive formulations on at least one property of a corresponding hair coloring of a plurality of previously determined hair colorations. Using the predetermined model, the at least one property of the result of hair coloring is determined using the chemically reactive formulations.
Description
Die Erfindung betrifft ein Verfahren und Anordnung zum computergestützten Ermitteln mindestens einer Eigenschaft einer Haarcoloration basierend auf einer Formulierung aus chemisch reaktiven und/oder unreaktiven Rohstoffen, Verfahren und Anordnung zum computergestützten Ermitteln einer Formulierung einer Haarcoloration basierend auf chemisch reaktiven und/oder unreaktiven Rohstoffen, und Verfahren und Anordnung zum computergestützten Trainieren eines vorbestimmten Modells zum computergestützten Ermitteln mindestens einer Eigenschaft einer Haarcoloration basierend auf einer Formulierung aus chemisch reaktiven und/oder unreaktiven Rohstoffen.The The invention relates to a method and arrangement for computer-aided Determine at least one property of a hair coloring based on a formulation of chemically reactive and / or unreactive Raw materials, methods and arrangement for computer-aided Determine a formulation of a hair coloring based on chemically reactive and / or unreactive raw materials, and process and arrangement for computer-based training of a predetermined Model for computer-aided determination of at least one Property of a hair coloring based on a formulation from chemically reactive and / or unreactive raw materials.
Haarcolorationen weisen unterschiedliche Eigenschaften bezüglich beispielsweise einer Waschbeständigkeit, einer Lichtbeständigkeit, einer Grauabdeckung und beispielsweise einer Haarfärbung oder Haartönung auf. Der chemische Prozess, welcher einer Haarfärbung oder Haartönung zu Grunde liegt, findet dabei üblicherweise mittels einer chemischen Reaktion oder mehrerer chemischer Reaktionen von anfänglich meist farblosen chemischen Substanzen sowohl im als auch am Haar statt. Dabei bilden sich die unterschiedlichen Eigenschaften der Haarcolorationen, wie beispielsweise die Farbe, erst aus dem Zusammenwirken der Inhaltsstoffe des Haarfärbemittel, der Einwirkzeit und der Eigenschaften des Haars beispielsweise der Farbe und der Beschaffenheit, und anderer Parameter aus.hair coloring have different properties with respect to, for example a washing resistance, a light resistance, a gray cover and, for example, a hair coloring or hair tint on. The chemical process, which one Hair coloring or hair coloring is based usually by means of a chemical reaction or several chemical reactions of initially mostly colorless chemical substances both in and on the hair. Make up the different characteristics of the hair colorations, like for example, the color, only from the interaction of the ingredients of hair dye, exposure time and properties hair, for example, color and texture, and others Parameter off.
Die Vorhersage von Eigenschaften von Haarcolorationen, als auch die Eigenschaften von neuen Haarcolorationen, beispielsweise in Bezug auf Farbe, Grauabedeckungsindex, Waschechtheit und Lichtechtheit, können bisher nicht zufriedenstellend auf der Basis ihrer Zusammensetzung oder des Herstellungsverfahrens bestimmt werden. Nur durch langjährige Erfahrung auf dem Gebiet der Formulierung von Haarcolorationen ist es bislang für die Experten möglich, Eigenschaften abzuschätzen. Insbesondere bei oxidativen Haarfarbstoffen (permanenten Haarcolorationen) ist dieses schwierig, da die in der Farbcreme vorliegenden Farbstoffvorstufen erst durch Mischen mit einer Entwicklerlösung im Rahmen einer chemischen Reaktion zu den tatsächlichen Haarfarbstoffen reagieren. Die im Haar stattfindenden Reaktionen der Farbstoffe sowohl untereinander als auch an und im Haar sind Gegenstand der Forschung. Man geht davon aus, dass die Farbvorstufen zunächst in das Haar eindringen und erst im Haar zu den tatsächlichen Farbstoffen reagieren. Die Struktur und Menge der entstehenden und im Haar verbleibenden Farbstoffe ist bei handelsüblichen Rezepturen weitgehend unbekannt.The Prediction of properties of hair colorations, as well as the Properties of new hair colorations, for example in relation on color, gray cover index, washfastness and lightfastness so far unsatisfactory on the basis of their composition or the manufacturing process. Only by longtime Experience in the formulation of hair colorations is so far possible for the experts, properties estimate. Especially with oxidative hair dyes (permanent hair colorations) this is difficult as the in the Color cream present dye precursors only by mixing with a developer solution as part of a chemical reaction react to the actual hair dyes. The im Hair occurring reactions of the dyes with each other as well also on and in the hair are the subject of research. You go away from the fact that the color precursors first penetrate into the hair and only react in the hair to the actual dyes. The structure and amount of the resulting and remaining in the hair Dyes is broad in commercial formulations unknown.
Die Entwicklung von Haarcolorationen mit neuen Eigenschaften ist deshalb aufwändig. Weil der Zusammenhang zwischen der Rezeptur einer Haarcoloration und ihren Eigenschaften im Allgemeinen nicht exakt bekannt ist, müssen bei Optimierung oder dem Design neuer Haarcolorationen viele Experimente durchgeführt werden, bis eine gewünschte Rezeptur gefunden wird. Es besteht daher der Wunsch nach einem Verfahren und einer Vorrichtung, dass diese Optimierung automatisiert durchführt.The Development of hair colorations with new properties is therefore consuming. Because the connection between the recipe a hair color and their properties generally not Exactly known, must be at optimization or design new hair colorations many experiments are performed until a desired recipe is found. It exists hence the desire for a method and apparatus that performs this optimization automatically.
Bisher wird bei der Optimierung von Haarcolorationen von bereits bekannten Formulierungen für Haarcolorationen ausgegangen, und diese werden solange verändert, bis eine Verbesserung der Eigenschaften gefunden wurde. Diese Art der Optimierung nennt man eine lokale Optimierung bei der man in der Regel nicht die besten Lösungen im gesamten Formulierungsraum findet, sondern nur die besten Lösungen, die sich im Formulierungsraum in der Nähe der Startformulierung befinden.So far is used in the optimization of hair colorations of already known Formulations for hair colorations emanated, and these are changed until an improvement of the properties was found. This type of optimization is called a local one Optimization is usually not the best solution throughout the formulation space, but only the best solutions, in the formulation room near the startup phrase are located.
Dabei ist es ohne Computerunterstützung in der Praxis nicht möglich, die optimalen Formulierungen beispielsweise auf Grundlage der Optimierungsstrategie Pareto-Menge, Pareto-Front für eine Mehrzahl von Ausgangsgrößen (Zielgrößen) beispielsweise bezüglich einer bestimmten Farbe, einer Optimierung der Herstellungskosten, einer langen Haltbarkeitsdauer und dergleichen, zu finden.there is it not possible without computer support in practice, the optimal formulations, for example based on the optimization strategy Pareto set, Pareto front for a plurality of output quantities (Target variables), for example with regard to a specific color, an optimization of the production costs, a long shelf life and the like.
Viele Rezepturen sind üblicherweise „gewachsen", d. h. basierend auf schon existierenden Rezepturen entwickelt. Dabei nimmt durch die ständige Weiterentwicklung der Rezepturen die Anzahl der in der Rezeptur enthaltenen Rohstoffe in der Regel zu. Es besteht der Wunsch, einfachere Ersatzrezepturen zu finden mit identischen oder sogar besseren Eigenschaften und so die Komplexität der Formulierungen zu verringern, also zu dekomplexierenLots Recipes are usually "grown", d. H. developed based on existing recipes. there Takes by the constant advancement of the recipes the number of raw materials contained in the recipe usually to. There is a desire to find simpler substitute recipes with identical or even better properties and so the complexity of the formulations, ie to decomplex
Es existiert der Bedarf nach alternativen Formulierungen, z. B. wenn durch steigende Rohstoffpreise, Lieferprobleme oder regulatorische Bestimmungen bestimmte Rohstoffe nicht mehr eingesetzt werden sollen. Deshalb wird nach einer Vielfalt von Rezepturen gesucht, die ähnliche Eigenschaften besitzen, aber unterschiedlich zusammengesetzt sind.It there is a need for alternative formulations, e.g. For example due to rising commodity prices, delivery problems or regulatory Certain commodities should no longer be used. Therefore is looking for a variety of recipes, the similar Possess properties, but are composed differently.
Aus
Weiterhin
ist aus
Gemäß
Der Erfindung liegt das Problem der Bestimmung von Eigenschaften von Haarcolorationen basierend auf einer vorgegebenen Rohstoffzusammensetzung zugrunde. Ferner liegt das Problem der Bestimmung einer Rezeptur basierend auf vorgegebenen Eigenschaften einer Haarcoloration zugrunde.Of the Invention is the problem of determining properties of Hair colorations based on a given raw material composition based. Furthermore, there is the problem of determining a recipe based on given properties of a hair coloration.
Die Probleme werden gelöst durch ein Verfahren und eine Anordnung zum computergestützten Ermitteln mindestens einer Eigenschaft einer Haarcoloration bei Verwendung von chemisch reaktiven Formulierungen, durch ein Verfahren und eine Anordnung zum computergestützten Ermitteln mindestens einer Rezeptur einer Mehrzahl von chemisch reaktiven Formulierungen für eine Haarcoloration, und durch ein Verfahren und eine Anordnung zum computergestützten Trainieren eines vorbestimmten Modells zum computergestützten Ermitteln mindestens einer Eigenschaft einer Haarcoloration bei Verwendung von chemisch reaktiven Formulierungen.The Problems are solved by a method and an arrangement for computer-aided determination of at least one property hair coloring using chemically reactive formulations, by a method and a computer-aided arrangement Determine at least one recipe of a plurality of chemical reactive formulations for hair coloring, and by a method and an arrangement for computer-aided Train a predetermined model for computer-aided determination at least a property of hair coloring when using chemical reactive formulations.
Bei einem Verfahren zum computergestützten Ermitteln mindestens einer Eigenschaft einer Haarcoloration basierend auf einer Formulierung aus chemisch reaktiven Rohstoffen und optional zusätzlich unreaktiven Rohstoffen werden Informationen über die Formulierung einem vorbestimmten Modell zugeführt, wobei das vorbestimmte Modell eine Abbildung von Informationen über chemisch reaktive Formulierungen auf mindestens eine Eigenschaft einer entsprechenden Haarcoloration einer Vielzahl zuvor ermittelter Haarcolorationen beschreibt. Unter Verwendung des vorbestimmten Modells wird mindestens eine Eigenschaft einer Haarcoloration einer Haarcoloration basierend auf einer Formulierung aus chemisch reaktiven Rohstoffen und optional zusätzlich unreaktiven Rohstoffen ermittelt. Unter Eigenschaft ist in diesem Zusammenhang sowohl eine direkte Eigenschaft der Formulierung (z. B. Kosten) als auch eine indirekte Eigenschaft, d. h. ein Ergebnis der Verwendung der Haarcoloration (z. B. Farbe) zu verstehen.at a method for computer-aided determination at least a property of hair coloring based on a formulation from chemically reactive raw materials and optionally additionally Unreactive raw materials will provide information about the formulation fed to a predetermined model, wherein the predetermined Model an illustration of information about chemically reactive Formulations on at least one property of a corresponding one Haircoloration of a variety of previously determined hair colorations describes. Using the predetermined model becomes at least a property of a hair coloring of a hair coloring based on a formulation of chemically reactive raw materials and optional additionally determined unreactive raw materials. Under property is in this context both a direct property of the formulation (eg costs) as well as an indirect property, d. H. a result to understand the use of hair coloring (eg color).
Eine Anordnung zum Ermitteln mindestens einer Eigenschaft einer Haarcoloration basierend auf einer Formulierung aus chemisch reaktiven Rohstoffen und optional zusätzlich unreaktiven Rohstoffen weist eine Eingabeeinheit zum Eingeben von Informationen über chemisch reaktive Formulierungen in ein vorbestimmtes Modell auf sowie eine Modell-Einheit, die ein vorbestimmtes Modell aufweist, wobei das vorbestimmte Modell eine Abbildung von Informationen über die Haarcoloration, eine Formulierung aus chemisch reaktiven Rohstoffen und optional zusätzlich unreaktiven Rohstoffen auf mindestens eine Eigenschaft dieser Haarcoloration einer Vielzahl zuvor ermittelter Haarcolorationen beschreibt. Ferner ist eine Haarcolorations-Eigenschaft-Ermittlungseinheit vorgesehen zum Ermitteln der mindestens einen Eigenschaft einer Haarcoloration unter Verwendung des vorbestimmten Modells der Modell-Einheit.A Arrangement for determining at least one property of a hair coloring based on a formulation of chemically reactive raw materials and optionally additionally unreactive raw materials has an input unit for entering information about chemically reactive formulations in a predetermined model as well as a model unit, the one predetermined model, wherein the predetermined model a Illustration of information about hair coloring, one Formulation of chemically reactive raw materials and optionally additionally unreactive raw materials on at least one property of this hair coloring describes a variety of previously determined hair colorations. Further a hair coloration property determination unit is provided for determining the at least one property of a hair color using the model model's predetermined model.
Ein Vorteil dieser Ausführungsform der Erfindung liegt in der nunmehr ermöglichten quantitativen Vorhersage von Eigenschaften von Haarcolorationen, die auch durch einen Laien produktiv eingesetzt werden kann.One Advantage of this embodiment of the invention is in the now allowed quantitative prediction of properties of hair colorations that are also used productively by a layman can be.
Ferner kann ein Vorteil dieses computergestützten Verfahrens beispielsweise der Virtualisierung der Experimente darin gesehen werden, dass Ressourcen bei der Entwicklung neuer Haarcolorationen eingespart werden können bzw. deren Einsatz fokussiert werden kann.Further may be an advantage of this computerized method, for example The virtualization of the experiments can be seen in the fact that resources can be saved in the development of new hair colorations or their use can be focused.
Ein weiterer Vorteil dieses Ausführungsbeispiels der Erfindung besteht beispielsweise darin, dass die Haarcolorationsentwicklung durch das computergestützte Verfahren beispielsweise der Virtualisierung der Experimente beschleunigt wird.One Another advantage of this embodiment of the invention is, for example, that the hair coloration development for example, by the computerized method Virtualization of experiments is accelerated.
Ein weiterer Vorteil kann darin gesehen werden, dass eine mulitkriterielle Optimierung der Formulierungen und der Prozessparameter, also eine gleichzeitige Optimierung der Formulierung und der Prozessparameter hinsichtlich möglicherweise mehrerer auch gegenläufiger Zielgrößen im gesamten Formulierungsraum durchgeführt werden kann. Gemäß einem Ausführungsbeispiel werden optimierte Kompromisse bzw. global optimierte Lösungen gefunden.One Another advantage can be seen in the fact that a Mulitkriterielle Optimization of the formulations and the process parameters, ie one simultaneous optimization of formulation and process parameters with regard to possibly more and also opposing ones Target sizes throughout the formulation room can be. According to one embodiment become optimized compromises or globally optimized solutions found.
Ein weiterer Vorteil besteht darin, computergestützt Wissen aus historischen Daten zu Haarcolorationen zu extrahieren und Zusammenhänge zwischen Eingangsgrößen, beispielsweise Konzentrationen der Rohstoffe und sonstigen Einstellparameter, und den Ausgangsgrößen, beispielsweise Eigenschaften der Haarcoloration, zu erkennen und für den Produktentwickler nutzbar zu machen, um somit Rezepturinformation optimiert zu nutzen.One Another advantage is computer-aided knowledge from historical data to extract hair colorations and correlations between input quantities, for example concentrations the raw materials and other parameters, and the output quantities, For example, to recognize properties of hair coloring, and for the product developer, thus optimizing recipe information to use.
Gemäß einem Ausführungsbeispiel der Erfindung wird computergestützt Wissen aus vielen historischen Daten zu Haarcolorationen extrahiert und werden Zusammenhänge zwischen Eingangsgrößen, beispielsweise Konzentrationen der Rohstoffe und sonstige Einstellparameter, und den Ausgangsgrößen, beispielsweise Eigenschaften der Haarcoloration, erkannt und für den Produktentwickler nutzbar gemacht.According to one Embodiment of the invention is computer-aided Knowledge extracted from many historical data on hair colorations and become relationships between input quantities, for example, concentrations of raw materials and other adjustment parameters, and the output quantities, for example properties hair color, recognized and for the product developer harnessed.
Gemäß einem anderen Ausführungsbeispiel der Erfindung wird ein Verfahren zum computergestützten Ermitteln mindestens einer Rezeptur aus chemisch reaktiven Rohstoffen und optional zusätzlich chemisch unreaktiven Rohstoffen für eine Haarcoloration bereitgestellt, wobei mindestens eine Soll-Eigenschaft der Haarcoloration einem vorbestimmten Modell zugeführt wird. Das vorbestimmte Modell beschreibt eine Abbildung von Informationen über Haarcolorationen aus chemisch reaktiven Rohstoffen und optional zusätzlich chemisch unreaktiven Rohstoffen auf mindestens eine Eigenschaft einer entsprechenden Haarcoloration einer Vielzahl zuvor ermittelter Haarcolorationen. Unter Verwendung des vorbestimmten Modells werden Informationen über chemisch reaktive Formulierungen ermittelt, und aus den Informationen über chemisch reaktive Rohstoffe und optional zusätzlich über chemisch nicht reaktive Rohstoffe wird die Rezeptur basierend auf einer Mehrzahl aus chemisch reaktiven Rohstoffen und optional zusätzlich chemisch unreaktiven Rohstoffen für eine Haarcoloration ermittelt.According to one Another embodiment of the invention is a method for computer-aided determination of at least one recipe from chemically reactive raw materials and optionally additionally chemically unreactive raw materials for hair coloring provided, wherein at least one desired property of hair coloring a predetermined model is supplied. The predetermined one Model describes an illustration of information about Hair colorations from chemically reactive raw materials and optional additionally chemically unreactive raw materials on at least a feature of a corresponding hair coloration of a variety previously determined hair colorations. Using the predetermined one Models become information about chemically reactive formulations determined, and from the information on chemically reactive raw materials and optionally additionally chemically non-reactive Raw materials is the recipe based on a plurality of chemical reactive raw materials and optionally additionally chemically unreactive Raw materials for hair coloring determined.
Eine Anordnung zum Ermitteln mindestens einer Rezeptur basierend auf einer Mehrzahl aus chemisch reaktiven und optional zusätzlich chemisch unreaktiven Rohstoffen für eine Haarcoloration weist eine Eingabeeinheit auf zum Eingeben von mindestens einer Soll-Eigenschaft der Haarcoloration in ein vorbestimmtes Modell, eine Modell-Einheit, die ein vorbestimmtes Modell aufweist, wobei das vorbestimmte Modell eine Abbildung von Informationen über chemisch reaktive Formulierungen auf mindestens eine Eigenschaft einer entsprechenden Haarcoloration einer Vielzahl zuvor ermittelter Haarcolorationen beschreibt, sowie eine Formulierungs-Ermittlungseinheit zum Ermitteln von Informationen über chemisch reaktive Formulierungen unter Verwendung des vorbestimmten Modells der Modell-Einheit. Weiterhin ist eine Rezeptur-Ermittlungseinheit zum Ermitteln der Rezeptur einer Mehrzahl von chemisch reaktiven Formulierungen für die Haarcoloration vorgesehen.A Arrangement for determining at least one recipe based on a plurality of chemically reactive and optionally in addition chemically unreactive raw materials for hair coloring has an input unit for inputting at least one Target property of hair coloring in a predetermined model, a model unit having a predetermined model, wherein the predetermined model is a map of information about chemically reactive formulations to at least one property a corresponding hair coloring of a variety previously determined Describes hair colorations, as well as a formulation determination unit to determine information about chemically reactive Formulations using the model model's predetermined model. Furthermore, a recipe determination unit for determining the Formulation of a plurality of chemically reactive formulations for the hair coloration provided.
Gemäß einem anderen Ausführungsbeispiel der Erfindung wird ein Verfahren zum computergestützten Ermitteln einer End-Rezeptur (auch bezeichnet als eine Zusammensetzung einer Haarcoloration) von einem oder einer Mehrzahl von chemisch reaktiven Stoffen und/oder nichtreaktiven Stoffen und/oder Formulierungen für eine Haarcoloration, bei dem auf eine Rezeptur einer Mehrzahl von chemisch reaktiven Stoffen unter Verwendung mindestens eines vorbestimmten Modells ein evolutionärer Algorithmus angewendet wird, womit eine End-Rezeptur ermittelt wird, wobei das mindestens eine vorbestimmte Modell eine Abbildung von Informationen über chemisch reaktive Stoffe und/oder nichtreaktiven Stoffe und/oder Formulierungen auf mindestens eine Eigenschaft einer entsprechenden Haarcoloration einer Vielzahl zuvor ermittelter Haarcolorationen beschreibt, wobei mindestens eine Soll-Eigenschaft im Rahmen des evolutionären Verfahrens berücksichtigt wird, wobei unter Verwendung des vorbestimmten Modells Informationen über chemisch reaktive Stoffe und/oder nichtreaktiven Stoffe und/oder Formulierungen ermittelt werden und wobei auf Grundlage dieser Informationen die End-Rezeptur für eine Haarcoloration ermittelt wird.According to one Another embodiment of the invention is a method for computer-aided determination of an end recipe (also referred to as a composition of a hair coloration) of one or a plurality of chemically reactive substances and / or non-reactive Fabrics and / or formulations for hair coloring, in which to a recipe of a plurality of chemically reactive Substances using at least one predetermined model an evolutionary algorithm is applied, with which one End recipe is determined, the at least one predetermined Model an illustration of information about chemically reactive Substances and / or non-reactive substances and / or formulations at least one property of a corresponding hair coloring describes a variety of previously determined hair colorations, wherein at least one nominal property in the context of evolutionary Method is taken, wherein using of the predetermined model information about chemically reactive Substances and / or non-reactive substances and / or formulations determined and based on this information the final recipe for a hair coloration.
Weiterhin ist gemäß einem anderen Ausführungsbeispiel der Erfindung eine Anordnung zum Ermitteln einer Rezeptur einer Mehrzahl von chemisch reaktiven Formulierungen für eine Haarcoloration bereitgestellt mit einer Modell- Ermittlungseinheit zum Ermitteln einer End-Rezeptur, wobei die Rezeptur-Ermittlungseinheit derart eingerichtet ist, dass auf eine Mehrzahl von vorbestimmten Modellen ein evolutionärer Algorithmus durchgeführt wird, wobei das mindestens eine Modell eine Abbildung von Informationen über chemisch reaktive Formulierungen auf mindestens eine Eigenschaft einer entsprechenden Haarcoloration einer Vielzahl zuvor ermittelter Haarcolorationen beschreibt. Weiterhin weist die Anordnung auf eine Eingabeeinheit zum Eingeben von mindestens einer Soll-Eigenschaft der Haarcoloration in das End-Rezeptur, eine Informations-Ermittlungseinheit zum Ermitteln von Informationen über chemisch reaktive Formulierungen unter Verwendung des mindestens einen Modells, und eine Rezeptur-Ermittlungseinheit zum Ermitteln der End-Rezeptur einer Mehrzahl von chemisch reaktiven Formulierungen für eine Haarcoloration aus den Informationen über chemisch reaktive Formulierungen.Furthermore, according to another embodiment of the invention, an arrangement for determining a formulation of a plurality of chemically reactive formulations for a hair coloring is provided with a model determination unit for determining a final formulation, wherein the recipe determination unit is set up such that a plurality of an evolutionary algorithm is performed on predetermined models, the at least one model describing an image of information about chemically reactive formulations on at least one property of a corresponding hair coloration of a plurality of previously determined hair colorations. Furthermore, the arrangement has an input unit for on giving at least one desired property of the hair coloring to the final formulation, an information determination unit for determining information about chemically reactive formulations using the at least one model, and a recipe determination unit for determining the final formulation of a plurality of chemically reactive ones Formulations for a hair coloring from the information on chemically reactive formulations.
Gemäß diesem Ausführungsbeispiel ist es ermöglicht, Formulierungen von Haarcolorationen zu dekomplexieren, um einfachere Ersatzrezepturen mit identischen Eigenschaften zu finden oder um Ersatzrezepturen mit sogar besseren Eigenschaften zu bestimmen.According to this Embodiment makes it possible to formulations from decomposing hair colorations to simpler substitute formulas to find with identical properties or to substitute recipes with even better properties to determine.
Ein weiterer Vorteil besteht darin, Formulierungen von Haarcolorationen zu diversifizieren, und alternative Formulierungen zu finden, um beispielsweise auf steigende Rohstoffpreise, auf Lieferprobleme oder auf die Begrenzung der Rohstoffauswahl durch regulatorische Bestimmungen reagieren zu können.One Another advantage is the formulation of hair colorations to diversify, and to find alternative formulations to for example, rising commodity prices, delivery problems or on the limitation of raw material selection by regulatory To be able to react to regulations.
Ein Ausführungsbeispiel der Erfindung erlaubt eine Optimierung der Zusammensetzung oder der Herstellungsparameter der Haarcolorationen auch unter Vorgabe von Randbedingungen.One Embodiment of the invention allows optimization the composition or the production parameters of the hair colorations also under specification of boundary conditions.
Gemäß einem anderen Ausführungsbeispiel der Erfindung wird ein Verfahren zum computergestützten Trainieren eines vorbestimmten Modells zum computergestützten Ermitteln mindestens einer Eigenschaft einer Haarcoloration bei Verwendung von chemisch reaktiven Formulierungen bereitgestellt, wobei das vorbestimmte Modell unter Verwendung von Informationen über chemisch reaktive Formulierungen als Eingangsgrößen und mindestens einer Eigenschaft eines entsprechenden Ergebnisses einer Haarcoloration als Ausgangsgröße einer Vielzahl zuvor ermittelter Haarcolorationen trainiert wird, wobei jeweils ein Tupel von Eingangsgrößen und Ausgangsgröße einer Haarcoloration einen Trainingsdatensatz bildet. Eine Teilmenge von Trainingsdatensätzen wird aus einer Gesamtmenge von Trainingsdatensätzen zum Trainieren des vorbestimmten Modells ausgewählt.According to one Another embodiment of the invention is a method for computer-based training of a predetermined model for computer aided determination of at least one property of a Hair coloring when using chemically reactive formulations provided, wherein the predetermined model using Information about chemically reactive formulations as Input quantities and at least one property a corresponding result of a hair coloring as a starting point a variety of previously determined hair colorations is trained each one tuple of input quantities and Initial size of a hair coloration a training record forms. A subset of training records will be off a total amount of training records for training of the predetermined model selected.
In einem anderen Ausführungsbeispiel der Erfindung ist eine Anordnung zum Trainieren eines vorbestimmten Modells zum computergestützten Ermitteln mindestens einer Eigenschaft einer Haarcoloration bei Verwendung von chemisch reaktiven Formulierungen bereitgestellt mit einer Modell-Trainiereinheit zum Trainieren des vorbestimmten Modells unter Verwendung von Informationen über chemisch reaktive Formulierungen als Eingangsgrößen und mindestens einer Eigenschaft eines entsprechenden Ergebnisses einer Haarcoloration als Ausgangsgröße einer Vielzahl zuvor ermittelter Haarcolorationen, wobei jeweils ein Tupel von Eingangsgrößen und Ausgangsgröße einer Haarcoloration einen Trainingsdatensatz bildet, und mit einer Trainingsdatensatz-Auswähleinheit zum Auswählen einer Teilmenge von Trainingsdatensätzen aus einer Gesamtmenge von Trainingsdatensätzen zum Trainieren des vorbestimmten Modells.In Another embodiment of the invention is a Arrangement for training a predetermined model for computer-aided Determine at least one property of a hair colorant when used of chemically reactive formulations provided with a model trainer unit for training the predetermined model using information about chemically reactive formulations as input variables and at least one property of a corresponding result a hair color as the output of a variety previously determined hair colorations, each with a tuple of Input variables and output size a hair coloration makes a training record, and with a Training data set selecting unit for selecting a subset of training records from a total of training records for training the predetermined one Model.
Gemäß noch einem anderen Ausführungsbeispiel der Erfindung ist ein Verfahren zum computergestützten Ermitteln mindestens einer Rezeptur einer Haarcoloration vorgesehen, wobei mindestens eine Soll-Eigenschaft der Haarcoloration einem vorbestimmten Modell zugeführt wird; wobei das vorbestimmte Modell eine Abbildung von Informationen über die Formulierung auf mindestens eine Eigenschaft einer entsprechenden Haarcoloration einer Vielzahl zuvor ermittelter Haarcolorationen beschreibt; wobei unter Verwendung des vorbestimmten Modells Informationen über chemisch reaktive Formulierungen ermittelt werden; und wobei aus den Informationen über chemisch reaktive Formulierungen die Rezeptur einer Mehrzahl von chemisch reaktiven Formulierungen für eine Haarcoloration ermittelt wird.According to Another embodiment of the invention is a Method for computer-aided determination of at least one Formulation of a hair coloration provided, wherein at least one Target property of hair coloring supplied to a predetermined model becomes; wherein the predetermined model is a map of information about the wording on at least one property of a corresponding one Haircoloration of a variety of previously determined hair colorations describes; information about. using the predetermined model chemically reactive formulations are determined; and being from the Information about chemically reactive formulations Formulation of a plurality of chemically reactive formulations for a hair coloration is detected.
Beispielhafte Ausgestaltungen der Erfindung ergeben sich aus den abhängigen Ansprüchen. Die beschriebenen Ausgestaltungen der Erfindung gelten sinngemäß für die verschiedenen Ausführungsbeispiele der Verfahren, der Anordnungen sowie der computerlesbaren Speichermedien.exemplary Embodiments of the invention will become apparent from the dependent Claims. The described embodiments of the invention apply mutatis mutandis to the various Embodiments of the method, the arrangements as well the computer-readable storage media.
Gemäß einer Ausgestaltung dieses Ausführungsbeispiels enthalten die Informationen über chemisch reaktive Formulierungen mindestens eine der folgenden Informationen: eine Angabe über die Art der Basisformulierung; eine Angabe über das Mischungsverhältnis zwischen einer bei der jeweiligen Haarcoloration verwendeten Farbcreme und einer bei der jeweiligen Haarcoloration verwendeten Entwicklerlösung; der pH-Wert einer Anwendungsmischung, die sich durch Mischen einer bei der jeweiligen Haarcoloration verwendeten Farbcreme und einer bei der jeweiligen Haarcoloration verwendeten Entwicklerlösung ergibt; und/oder Konzentrationsangaben über Rohstoffe in einer der Entwicklerlösung, der Farbcreme und/oder der Anwendungsmischung, die sich durch Mischen einer bei der jeweiligen Haarcoloration verwendeten Farbcreme und einer bei der jeweiligen Haarcoloration verwendeten Entwicklerlösung ergibt.According to one Embodiment of this embodiment include the Information about chemically reactive formulations at least one of the following information: an indication of the Type of basic formulation; an indication of the mixing ratio between a color cream used in the respective hair coloring and a developing solution used in the respective hair coloring; the pH of an application mixture that is characterized by mixing a Color cream used in the respective hair coloring and a developing solution used in the respective hair coloring results; and / or concentration data on raw materials in one of the developer solution, the color cream and / or the Application mixture that is characterized by mixing one at the respective Haircoloration used color cream and one at the respective Haircolor used developer solution.
In einer Ausführungsform der Erfindung enthalten Formulierungen mindestens einen Farbstoff und/oder mindestens eine Farbstoffvorstufe.In an embodiment of the invention contain formulations at least one dye and / or at least one dye precursor.
In einer Ausführungsform der Erfindung wird das vorbestimmte Modell unter Verwendung von Informationen über chemisch reaktive Formulierungen als Eingangsgrößen und mindestens einer Eigenschaft eines entsprechenden Ergebnisses einer Haarcoloration als Ausgangsgröße einer Vielzahl zuvor ermittelter Haarcolorationen trainiert.In an embodiment of the invention will be the predetermined Model using chemical information reactive formulations as inputs and at least one property of a corresponding result of a Hair colouration as an output of a variety previously determined hair colorations trained.
Ein Vorteil dieser Ausführungsform der Erfindung kann darin gesehen werden, dass Rückschlüsse aus historischen oder experimentell ermittelten Daten mit einbezogen werden können.One Advantage of this embodiment of the invention can therein be seen that conclusions from historical or experimentally determined data can be included.
In einer Ausführungsform der Erfindung bildet jeweils ein Tupel von Eingangsgrößen und Ausgangsgröße einer Haarcoloration einen Trainingsdatensatz, wobei eine Teilmenge von Trainingsdatensätzen aus einer Gesamtmenge von Trainingsdatensätzen zum Trainieren des vorbestimmten Modells ausgewählt wird.In an embodiment of the invention forms each one Tuple of input quantities and output size a hair coloration a training data set, wherein a subset of training records from a total set of training records is selected to train the predetermined model.
In einer weiteren Ausgestaltung der Erfindung werden aus der Gesamtmenge von Trainingsdatensätzen zum Trainieren des vorbestimmten Modells diejenigen Trainingsdatensätze ausgewählt, für deren verwendete chemisch reaktiven Formulierungen eine Anzahl von Trainingsdatensätzen vorliegt, die größer oder gleich ist als ein vorgegebener Schwellenwert.In Another embodiment of the invention will become apparent from the total amount of training records for training the predetermined one Model those training records selected, for their chemically reactive formulations used there are a number of training records that are larger or equal to a predetermined threshold.
Ein Vorteil dieser Ausgestaltung der Erfindung liegt darin, dass der zum Trainieren des vorbestimmten Modells verwendete Trainingsdatensatz verbesserte Eigenschaften aufweist und zu einem hinsichtlich der Prognoseeigenschaften verbesserten vorbestimmten Modell führt. Es ist anzumerken, dass in einem Ausführungsbeispiel der Erfindung kein Zusammenhang zwischen Randbedingungen und Straffunktionen für die Optimierung und der Selektion der Datensätze für die Erstellung der Modelle zur Vorhersage der Eigenschaften besteht.One Advantage of this embodiment of the invention is that the training data set used to train the predetermined model has improved properties and one with regard to forecasting properties improved predetermined model leads. It should be noted that in one embodiment of the invention no connection between constraints and penalty functions for optimization and the selection of records for creation the models for predicting the properties consists.
In einer Ausführungsform der Erfindung umfasst die mindestens eine Eigenschaft eines entsprechenden Ergebnisses einer Haarcoloration mindestens Folgendes: eine Farbinformation, welche die sich ergebende Haarfarbe der Haarcoloration beschreibt; eine Information über eine Lichtechtheit der Haarfarbe der Haarcoloration; eine Information über eine Waschechtheit der Haarfarbe der Haarcoloration; eine Information über eine Grauabdeckung der Haarfarbe der Haarcoloration; eine Information über die Kostender Haarcoloration; und/oder eine Information über die Qualität der Haarcoloration.In An embodiment of the invention comprises at least a property of a corresponding result of a hair coloring at least the following: a color information which is the resulting Hair color describes the hair coloring; an information about a light fastness of the hair color of the hair coloring; an information about a wash fastness of hair color of hair coloring; an information about one Gray coverage of hair color of hair coloration; an information about the cost of hair coloring; and / or information about the quality of hair coloring.
In einer Ausführungsform der Erfindung wird als das vorbestimmte Modell zumindest eines der folgenden Modelle verwendet: mindestens ein künstliches neuronales Netz; mindestens ein Fuzzy-Logic-Modell; mindestens eine Support Vector Machine; mindestens ein Entscheidungsbaum; mindestens ein Bayes'sches Netz. In einer alternativen Ausführungsform der Erfindung kann als das vorbestimmte Modell jegliches andere geeignete (beispielsweise mit einem Trainingsdatensatz trainierbare) Modell verwendet werden.In an embodiment of the invention is considered the predetermined Model used at least one of the following models: at least an artificial neural network; at least one fuzzy logic model; at least a support vector machine; at least one decision tree; at least a Bayesian network. In an alternative embodiment The invention may be any other than the predetermined model (trainable with a training record, for example) model be used.
Somit hängt die Vorhersage von Eigenschaften einer Haarcoloration oder auch das Ermitteln einer Rezeptur nicht von einem spezifischen Modell ab. Es können beliebige geeignete Verfahren bzw. Modelle aus dem Bereich „Computational Intelligence", „Soft Computing", „Natural Computing", „Machine Learning" eingesetzt werden.Consequently depends the prediction of properties of a hair coloring or even finding a recipe not from a specific one Model off. Any suitable method or Models from the field of "Computational Intelligence", "Soft Computing, Natural Computing, Machine Learning be used.
In einer anderen Ausgestaltung der Erfindung enthält die mindestens eine Eigenschaft eines entsprechenden Ergebnisses einer Haarcoloration mindestens eine Farbinformation, welche die sich ergebende Haarfarbe der Haarcoloration beschreibt, wobei zur Codierung Farbinformation einer der folgenden Farbräume verwendet: Lab-Farbraum; xyY-Farbraum; XYZ-Farbraum; RGB-Farbraum; CMYK-Farbraum; HSV-Farbraum; LCh-Farbraum; I1I2I3-Farbraum; YCbCr-Farbraum; YPbPr-Farbraum; YUV-Farbraum; YIQ-Farbraum.In another embodiment of the invention contains the at least a property of a corresponding result of a hair coloring at least one color information indicating the resulting hair color describes the hair coloring, color coding for coding one of the following color spaces used: Lab color space; xyY color space; XYZ color space; RGB color space; CMYK color space; HSV color space; Lch color space; I1I2I3 color space; YCbCr color space; YPbPr color space; YUV color space; YIQ color space.
Die Wahl verschiedener Farbräume das Verfahren und die Anordnung sind gemäß einer Ausgestaltung der Erfindung nicht auf eine bestimmte Charakteristik eines Farbraumes eingeschränkt.The Choice of different color spaces the method and the arrangement are not according to an embodiment of the invention limited to a specific characteristic of a color space.
In einer Ausführungsform der Erfindung weist das vorbestimmte Modell eine Mehrzahl von Teil-Modellen auf.In an embodiment of the invention has the predetermined Model a plurality of partial models on.
Weiterhin kann zumindest ein Teil-Modell der Mehrzahl von Teil-Modellen eine Abbildung von Informationen über chemisch reaktive Rohstoffe und optional zusätzlich über chemisch nicht reaktive Rohstoffe auf genau eine Eigenschaft einer entsprechenden Haarcoloration einer Vielzahl zuvor ermittelter Haarcolorationen beschreiben.Furthermore, at least one sub-model of the plurality of sub-models may include mapping information about chemically reactive raw materials, and optionally additionally chemically non-reactive raw materials to exactly one property of a corresponding hair coloration of a plurality of previously determined hair colorations describe.
In einer Weiterbildung der Erfindung beschreiben alle Teil-Modelle der Mehrzahl von Teil-Modellen jeweils eine Abbildung von Informationen über chemisch reaktive Rohstoffe und optional zusätzlich über chemisch nicht reaktive Rohstoffe auf genau eine Eigenschaft einer entsprechenden Haarcoloration einer Vielzahl zuvor ermittelter Haarcolorationen.In a development of the invention describe all sub-models The majority of sub-models each have a map of information about chemically reactive raw materials and optionally additionally over chemically non-reactive raw materials to exactly one property of a corresponding hair coloring of a variety of previously determined Haarcolorationen.
Ein Vorteil einer Ausführungsform der Erfindung kann darin gesehen werden, dass mittels Verfahren aus dem Bereich „Computational Intelligence", „Soft Computing", „Natural Computing", „Machine Learning", Haarcolorationen unter Verwendung bestimmter Rohstoffe (z. B. Direktzieher, Entwickler, Kuppler, Oxidationsmittel, Stabilisatoren, etc.) und unter bestimmten Einstellungen von Prozessparametern (z. B. ph-Wert) hergestellt werden können.One Advantage of an embodiment of the invention can therein be seen that using methods from the field of "Computational Intelligence, Soft Computing, Natural Computing, Machine Learning ", hair colorations using certain raw materials (eg, direct drawers, developers, couplers, oxidizers, stabilizers, etc.) and under certain settings of process parameters (eg. B. ph value) can be produced.
Gemäß einer Ausführungsform der Erfindung wird der Zusammenhang zwischen Eingangs- und Ausgangsgrößen auf der Grundlage historischer experimenteller Daten von chemisch reaktive Formulierungen von computergestützten Systemen erlernt (z. B. durch Verwendung künstlicher neuronaler Netze, Fuzzy-Systeme, Support Vector Machines, Entscheidungsbäumen oder Bayes'sches Netzen) und in Form von Modellen gespeichert.According to one Embodiment of the invention, the relationship between Input and output quantities based on historical experimental data from chemically reactive formulations of computer-based systems (eg through use Artificial Neural Networks, Fuzzy Systems, Support Vector Machines, Decision trees or Bayesian networks) and saved in the form of models.
Gemäß noch einer anderen Ausgestaltung der Erfindung wird das vorbestimmte Modell verändert und das Verfahren wird wiederholt durchgeführt unter Verwendung des veränderten vorbestimmten Modells.According to In another embodiment of the invention, the predetermined Model changed and the procedure is repeated using the modified predefined model.
Die Rezeptur kann unter Verwendung eines evolutionären Algorithmus ermittelt werden, wobei die Optimierung der Population von Haarcolorationen durch evolutionäre Algorithmen durchgeführt wird.The Recipe can be made using an evolutionary algorithm to be determined, optimizing the population of hair colorations is performed by evolutionary algorithms.
Als ein evolutionärer Algorithmus können beispielsweise genetische Algorithmen, Evolutionsstrategien, genetische Programmierung und evolutionäre Programmierung, verwendet werden.When For example, an evolutionary algorithm can genetic algorithms, evolutionary strategies, genetic programming and evolutionary programming.
Der evolutionärer Algorithmus kann zumindest einen der folgenden Mechanismen aufweisen: Evaluation, Mutation, Rekombination, Selektion. Zusätzlich oder alternativ können andere übliche oder zukünftige Mechanismen eines evolutionären Verfahrens eingesetzt werden in einer anderen Ausgestaltung der Erfindung.Of the evolutionary algorithm can at least one of the following Mechanisms include: evaluation, mutation, recombination, selection. Additionally or alternatively, other common or future mechanisms of evolutionary Method be used in another embodiment of Invention.
Die Informationen über chemisch reaktive Formulierungen kann mindestens eine der folgenden Informationen enthalten: Konzentrationsangaben über die Inhaltsstoffe der chemisch reaktiven Formulierung; eine Angabe über die Art der Basisformulierung; eine Angabe über das Mischungsverhältnis zwischen einer bei der jeweiligen Haarcoloration verwendeten Farbcreme und einer bei der jeweiligen Haarcoloration verwendeten Entwicklerlösung; der pH-Wert einer Anwendungsmischung, die sich durch Mischen einer bei der jeweiligen Haarcoloration verwendeten Farbcreme und einer bei der jeweiligen Haarcoloration verwendeten Entwicklerlösung ergibt; und/oder Konzentrationsangaben über Rohstoffe in einer Anwendungsmischung, die sich durch Mischen einer bei der jeweiligen Haarcoloration verwendeten Farbcreme und einer bei der jeweiligen Haarcoloration verwendeten Entwicklerlösung ergibt.The Information about chemically reactive formulations can be contain at least one of the following information: Concentration information on the ingredients of the chemically reactive formulation; an indication about the type of basic formulation; an indication of the mixing ratio between a color cream used in the respective hair coloring and a developing solution used in the respective hair coloring; the pH of an application mixture that is characterized by mixing a Color cream used in the respective hair coloring and a developing solution used in the respective hair coloring results; and / or concentration data on raw materials in an application mixture that is characterized by mixing one at the respective Haircoloration used color cream and one at the respective Haircolor used developer solution.
Gemäß einer Ausgestaltung des Trainingsverfahrens werden aus der Gesamtmenge von Trainingsdatensätzen zum Trainieren des vorbestimmten Modells diejenigen Trainingsdatensätze ausgewählt, für deren verwendete Eingangsgrößen eine Anzahl von Trainingsdatensätzen vorliegt, die größer oder gleich ist als ein vorgegebener Schwellenwert.According to one Embodiment of the training process will be out of the total of training records for training the predetermined one Model those training records selected, for the input variables used Number of training records is larger or equal to a predetermined threshold.
In einer Ausgestaltung der Anordnung zum Ermitteln mindestens einer Eigenschaft einer Haarcoloration ist eine Modell-Trainiereinheit vorgesehen zum Trainieren des vorbestimmten Modells unter Verwendung von Informationen über chemisch reaktive Formulierungen als Eingangsgrößen und mindestens einer Eigenschaft eines entsprechenden Ergebnisses einer Haarcoloration als Ausgangsgröße einer Vielzahl zuvor ermittelter Haarcolorationen.In an embodiment of the arrangement for determining at least one Feature of a hair coloring is a model trainer unit provided for training the predetermined model using Information about chemically reactive formulations as Input quantities and at least one property a corresponding result of a hair coloring as a starting point a variety of previously determined hair colorations.
Weiterhin kann in dieser Ausgestaltung der Anordnung zum Ermitteln mindestens einer Eigenschaft einer Haarcoloration bei Verwendung von chemisch reaktiven Formulierungen jeweils ein Tupel von Eingangsgrößen und Ausgangsgröße einer Haarcoloration einen Trainingsdatensatz bilden und es kann zusätzlich eine Trainingsdatensatz-Auswähleinheit vorgesehen sein zum Auswählen einer Teilmenge von Trainingsdatensätzen aus einer Gesamtmenge von Trainingsdatensätzen zum Trainieren des vorbestimmten Modells.Farther can in this embodiment of the arrangement for determining at least a property of hair coloring when using chemical reactive formulations each have a tuple of input variables and output a hair coloration a training record and additionally may be a training record selection unit be provided for selecting a subset of training records from a total amount of training records for training of the predetermined model.
Die Trainingsdatensatz-Auswähleinheit kann eingerichtet sein zum Auswählen derjenigen Trainingsdatensätze aus der Gesamtmenge von Trainingsdatensätzen zum Trainieren des vorbestimmten Modells, für deren verwendete chemisch reaktiven Formulierungen eine Anzahl von Trainingsdatensätzen vorliegt, die größer oder gleich ist als ein vorgegebener Schwellenwert.The Training record selection unit may be established to select those training records the total amount of training records for training of the predetermined model for which used chemically reactive formulations a number of training records present, which is greater than or equal to a predetermined Threshold.
In einer Ausgestaltung der Anordnung zum Ermitteln mindestens einer Rezeptur einer Mehrzahl von chemisch reaktiven Formulierungen für eine Haarcoloration ist die Modell-Einheit derart eingerichtet, dass sie das vorbestimmte Modell verändert und das veränderte vorbestimmte Modell bereitstellt zum wiederholten Ermitteln von Informationen über chemisch reaktive Formulierungen unter Verwendung des veränderten vorbestimmten Modells.In an embodiment of the arrangement for determining at least one Formulation of a plurality of chemically reactive formulations for a hair color is the model unit set up so that it changes the predefined model and changes that predetermined model provides for repeatedly determining Information on chemically reactive formulations under Use of the modified predetermined model.
In einer anderen Ausgestaltung der Anordnung zum Ermitteln mindestens einer Rezeptur ist diese eingerichtet zum Durchführen eines evolutionären Verfahrens zum Ermitteln der Rezeptur, wobei gemäß dem evolutionären Verfahren die Rezeptur verändert wird, beispielsweise eines solchen, wie es oben beschrieben worden ist oder im Folgenden noch näher erläutert wird.In another embodiment of the arrangement for determining at least A recipe is set up to do this evolutionary method for determining the recipe, wherein according to the evolutionary method the Recipe is changed, such as one, as described above or even more closely below is explained.
In einer Ausgestaltung der Anordnung zum Trainieren eines vorbestimmten Modells zum computergestützten Ermitteln mindestens einer Eigenschaft einer Haarcoloration bei Verwendung von chemisch reaktiven Formulierungen, ist die Trainingsdatensatz-Auswähleinheit eingerichtet zum Auswählen derjenigen Trainingsdatensätze aus der Gesamtmenge von Trainingsdatensätzen zum Trainieren des vorbestimmten Modells, für deren verwendete chemisch reaktiven Formulierungen eine Anzahl von Trainingsdatensätzen vorliegt, die größer oder gleich ist als ein vorgegebener Schwellenwert.In an embodiment of the arrangement for training a predetermined Model for computer-aided determination of at least one Property of hair coloring when using chemically reactive formulations, the training record selection unit is set up to select those training records the total amount of training records for training of the predetermined model for which used chemically reactive formulations a number of training records present, which is greater than or equal to a predetermined Threshold.
In einem anderen Ausführungsbeispiel der Erfindung ist ein computerlesbares Speichermedium bereitgestellt, auf dem ein Computerprogrammcode gespeichert ist, der, wenn er von einem Prozessor ausgeführt wird, eines oder mehrere der oben oder der im Folgenden beschriebenen Verfahren aufweist.In Another embodiment of the invention is a computer-readable storage medium provided on which a computer program code which is stored when executed by a processor one or more of the above or below Method has.
Ausführungsbeispiele der Erfindung sind in den Figuren dargestellt und werden im Folgenden näher erläutert.embodiments The invention is illustrated in the figures and will be described below explained in more detail.
Im Rahmen dieser Beschreibung werden die Begriffe "verbunden", "angeschlossen" sowie "gekoppelt" verwendet zum Beschreiben sowohl einer direkten als auch einer indirekten Verbindung, eines direkten oder indirekten Anschlusses sowie einer direkten oder indirekten Kopplung. In den Figuren werden identische oder ähnliche Elemente mit identischen Bezugszeichen versehen, soweit dies zweckmäßig ist.For the purposes of this description, the terms "connected,""connected," and "coupled" are used to describe both a direct and indirect connection, a direct or indirect connection indirect connection and direct or indirect coupling. In the figures, identical or similar elements are provided with identical reference numerals, as appropriate.
In einer Ausführungsform der vorliegenden Erfindung wird ein System beschrieben, welches auf einem Computer oder einem Gerät ausgeführt werden kann und welches zur Modellbildung mittels neuronaler Netze geeignet ist. Das System wird aus einem Teil, der zur Modellbildung neuronaler Netze geeignet ist, gebildet, hier beispielsweise einem Programm, welches auf einem Prozessor eines Computers abläuft.In an embodiment of the present invention is a System described on a computer or device can be executed and which for modeling by means neural networks is suitable. The system is made of a part that is suitable for modeling neural networks, formed here For example, a program which is based on a processor Computers expire.
Dieses kann kombiniert werden mit einer Software oder Vorrichtung, zur Eingabe und Ausgabe von Nutzerdaten, beispielsweise Farbmischungen und Farbdaten, wie z. B. einer geeignet eingerichteten Farbverarbeitungs-Software, die zusätzlich derart eingerichtet ist, dass sie eines der folgenden Ausführungsbeispiele implementiert.This can be combined with a software or device to Input and output of user data, for example color mixtures and color data, such as. B. a suitably equipped color processing software, which is additionally set up to be one implemented in the following embodiments.
In einem Ausführungsbeispiel soll nun auf die Colorationsmodellbildung eingegangen werden.In An embodiment is now on the coloring model formation To be received.
In
der Speichereinheit
Zu
Beginn (nach Starten des Verfahrens in
In
einem Ausführungsbeispiel der Erfindung werden die Trainingsdatensätze
Bei
der Modellierung können alternativ die Konzentrationen
der Rohstoffe in der Anwendungsmischung verwendet werden, die sich
aus den Konzentrationen der Rohstoffe in der Farbcreme und der Entwicklerlösung
in Kombination mit dem Mischungsverhältnis berechnen lassen.
Die Zielgröße eines Trainingsdatums eines Trainingsdatensatzes
Es können prinzipiell verschiedene Haare, beispielsweise verschiedene Standardhaare, verwendet werden, z. B. braune Haare, menschliche Haare oder auch andere färbbare Materialien.It can in principle different hair, for example different Standard hair, used, for. B. brown hair, human Hair or other dyeable materials.
In
alternativen Ausführungsbeispielen der Erfindung können
andere Zielgrößen alternativ oder zusätzlich
in einem Trainingsdatum eines Trainingsdatensatzes
Weitere Zielgrößen können beispielsweise sein:
- a. die Lichtechtheit, d. h. die Haltbarkeit der Farbe unter Licht-Bestrahlung, beispielsweise unter UV-Bestrahlung;
- b. die Waschechtheit, d. h. die Haltbarkeit der Farbe bei mehrmaliger Wäsche der Strähne;
- c. der Grauabdeckungsindex, d. h. ein Maß für die Fähigkeit der Haarcoloration, helle Haare und dunkle Haare gleichmäßig abzudecken;
- d. die Rohstoffkosten.
- a. the light fastness, ie the durability of the color under light irradiation, for example under UV irradiation;
- b. the wash fastness, ie the durability of the paint with repeated washing of the tress;
- c. the gray coverage index, ie a measure of the ability of hair coloring to evenly cover light hair and dark hair;
- d. the raw material costs.
Die
Trainingsdatensätze
Die
vorgegebenen ermittelten experimentellen Daten werden dabei zunächst
einer Vorauswahl unterworfen wie es in
In einer ersten Stufe wird das
gesamte Konzentrationsintervall des jeweiligen Rohstoffs wird durch
die geringste eingesetzte Konzentration xmin (beispielsweise
0%) und die höchste eingesetzte xmax Konzentration festgelegt.
Das Intervall xmax und xmin kann
für jeden Rohstoff unterschiedlich sein (z. B. für
Rohstoff A im Bereich 0%–10% und für Rohstoff
B im Bereich 2%–3%). Anschließend werden die Konzentrationsintervalle
normiert zu: The predefined experimental data are first subjected to a pre-selection as in
In a first stage, the total concentration interval of the respective raw material is determined by the lowest used concentration x min (for example 0%) and the highest used x max concentration. The interval x max and x min can be different for each raw material (eg for raw material A in the range 0% -10% and for raw material B in the range 2% -3%). Subsequently, the concentration intervals are normalized to:
Die
normierten Konzentrationsintervalle beispielsweise das Intervall
zwischen 0 und 1 wird anschließend in 10 Teilintervalle
oder auch Levels zu jeweils 0,1, wie durch Bezugszeichen
In
einer zweiten Stufe werden im Anschluss alle Rezepturen ausgewählt,
die aus ausschließlich aus dieser Rohstoffauswahl
Da in der zweiten Stufe die Anzahl der Datensätze verkleinert wird, wird das Verfahren solange mit der ersten Stufe beginnend wiederholt, bis sich die Anzahl der zu verwendenden Faktoren und Formulierungen nicht mehr ändert.There in the second stage, the number of records is reduced the procedure will start with the first step Repeats until the number of factors to use and Formulations no longer changes.
Das
in der vorliegenden Ausführungsform verwendete künstliche
neuronale Netzwerk
Die Eingangsparameter können beispielsweise sein: die Originalhaarfarbe, der Haarzustand und die Haarlänge, die Art der Applikation, die Zusammensetzung der Colorationsmischung, die Temperatur und andere Applikations-Randbedingungen.The Input parameters can be for example: the original hair color, the hair condition and the hair length, the type of application, the composition of the coloring mixture, the temperature and other application constraints.
Die Ausgabeparameter können die Parameter sein, die nach der Färbung erzielt werden sollen, wie beispielsweise die Haarfarbe und andere Eigenschaften, wie beispielsweise die Farbstabilität.The Output parameters can be the parameters that follow the Coloring should be achieved, such as the hair color and other properties, such as color stability.
Die Gewichtung bezeichnet die Übergangswahrscheinlichkeit (auch bezeichnet als Verbindungsstärke) von einem Knotenpunkt des KNN zu einem diesem nachfolgenden Knotenpunkt, und bemisst sich aufgrund von Erfahrungswerten, die in einer Trainingsphase statistisch aus einer Menge von experimentellen Daten hergeleitet werden. Die Übergangswahrscheinlichkeit zwischen den Knotenpunkten werden in einer Lernphase bzw. Trainingsphase des künstlichen neuronalen Netzwerkes ermittelt und später für die Schätzung (Prädiktion) von Zielparametern bei einer anderen Kombination von Eingangsparametern eingesetzt. Die Interaktionen zwischen relevanten Faktoren sind zahlreich und komplex.The weighting designates the transition probability (also referred to as connection strength) from a node of the KNN to a node following this, and is based on empirical values that are statistically derived from a set of experimental data during a training phase. The transition probability between the nodes are in a learning phase or training phase of the artificial neural network and later used for the estimation (prediction) of target parameters in another combination of input parameters. The interactions between relevant factors are numerous and complex.
In einer Ausführungsform der Erfindung wird ein solches Modell abgeleitet auf Basis der Methoden der künstlichen neuronalen Netzwerke (KNN). Künstliche neuronale Netzwerke werden im Rahmen des Softcomputings zur Modellierung von komplexen, nicht-linearen Beziehungen zwischen Eingangsparametern und Ausgangsparameter ohne die vorangegangene Spezifizierung von einzelnen formal vorgegebenen Beziehungen eingesetzt. Jedoch können andere statistische Techniken, welche ähnliche Merkmale aufweisen, eingesetzt werden in alternativen Ausführungsbeispielen der Erfindung.In An embodiment of the invention becomes such a model derived on the basis of artificial neural methods Networks (KNN). Becoming Artificial Neural Networks in the context of soft computing for the modeling of complex, non-linear Relationships between input parameters and output parameters without the previous specification of individual formally given Relationships used. However, other statistical Techniques having similar features are used in alternative embodiments of the invention.
Eine
Ausführungsform der Optimierung der Formulierung wird durch
folgende Schritte erlangt (siehe
In
In einer Ausführungsform wird dazu für jede der drei Zielgrößen L, a und b ein eigenes Modell basierend auf einem KNN verwendet. In einem alternativen Ausführungsbeispiel der Erfindung können auch mehrere Zielgrößen in einem gemeinsamen KNN berücksichtigt werden. Zur Erzielung einer möglichst guten Abbildung der Eingangsparameter auf die jeweiligen Zielgrößenwerte der zum Trainieren verwendeten Trainingsdaten sind gemäß einem Ausführungsbeispiel mehrere rekursive Schritte vorgesehen, weil im Beispiel von einer Anwendungsmischung für Haarcolorationen die Farben erst nach der Abfolge einer Vielzahl von chemischen Reaktionen entstehen.In an embodiment becomes for each of the three Goals L, a and b are based on their own model used on a KNN. In an alternative embodiment The invention can also have multiple target sizes be taken into account in a common KNN. To achieve the best possible mapping of the input parameters the respective target size values for training used training data are according to one embodiment provided several recursive steps, because in the example of a Application mixture for hair colorations the colors first arise after the sequence of a variety of chemical reactions.
Dieses oder diese trainierten KNN-Modelle werden in 1116 zur Weiterverarbeitung geeignet formatiert und zur weiteren Verwendung durch ein anderes Programm exportiert. Die exportierten Modelle werden anschließend in die Haarcolorations-Modellierungs-Software importiert und eingebunden. Die Haarcolorations-Modellierungs-Software ermöglicht mit Hilfe des oder der importierten KNN-Modelle die Vorhersage der Farbe von existierenden als auch rein virtuellen Rezepturen. Sie erlaubt ferner die Visualisierung der experimentell bestimmten als auch von vorhergesagten Farben. Zudem ist mit dieser Software gemäß einem Ausführungsbeispiel der Erfindung die Optimierung von Rezepturen hinsichtlich gewünschter Einstellungen der Zielgroßen (z. B. vorgegebene Farbe) möglich.This or these trained KNN models will be in 1116 for further processing suitably formatted and for further use by another Program exported. The exported models will be subsequently imported and integrated into the hair coloration modeling software. The hair coloration modeling software allows with Help of the imported KNN models or the prediction of the color of existing as well as purely virtual formulations. she allows Furthermore, the visualization of the experimentally determined as well of predicted colors. In addition, with this software according to a Embodiment of the invention, the optimization of formulations in terms of desired settings of the target sizes (eg specified color) possible.
Das
Design neuer Formulierungen wird gemäß einem Ausführungsbeispiel
der Erfindung (dargestellt in einem Ablaufdiagramm
Der
stochastische Formulierungsgenerator ermöglicht die Optimierung
In einem Ausführungsbeispiel der Erfindung ist es vorgesehen, dass für den Fall, dass im Rahmen des Trainings, anders ausgedrückt beispielsweise bei der Veränderungen der Gewichte oder der Kopplungen in dem zu trainierenden Modell (beispielsweise Veränderungen in Faktoren oder Faktorfunktionen des zu trainierenden Modells), Veränderungen auftreten, die zu einer Manipulation der Struktur oder der Gewichte außerhalb eines vorgegebenen zulässigen Bereichs auftritt, kann der Benutzer entsprechend informiert werden.In An embodiment of the invention is intended that in the event that as part of the training, different expressed, for example, in the changes the weights or couplings in the model to be trained (For example, changes in factors or factor functions of the model to be trained), changes occur leading to a manipulation of the structure or the weights outside a predetermined allowable range occurs, the Users are informed accordingly.
Der
Formulierungsdesigner bildet anschaulich die Arbeitsweise der Produktentwickler
im Rechner nach und stellt somit anschaulich ein virtuelles Labor
bereit:
Ausgehend von einer gewählten Formulierung
werden die Faktoren (anders ausgedrückt, die das jeweilige Modell
in seiner Abbildung beschreibenden Parameter) durch den Anwender
solange verändert, bis sich die gewünschten Zielgrößen
(gemäß den verwendeten Trainingsdaten) einstellen.
Durch den Formulierungsdesigner ist eine schnelle computergestützte Überprüfung
für einen Anwender interessanter Formulierungen unter Verwendung
der zuvor erstellten Modelle möglich. Ferner unterstützt
der Formulierungsdesigner beispielsweise einen Anwender bei der
Auswahl der aussichtsreichsten Formulierungen von Haarcolorationen.
Diese Vorauswahl (Pre-Screening) schont experimentelle Ressourcen.The formulation designer clearly visualizes the working methods of the product developers in the computer and thus vividly provides a virtual laboratory:
Starting from a selected formulation, the factors (in other words, the parameters describing the respective model in its illustration) are changed by the user until the desired target values (according to the training data used) are set. The Formulation Designer enables quick computer-assisted validation for a user of interesting formulations using the previously created models. Further, the formulator designer, for example, assists a user in selecting the most promising formulations of hair colorations. This preselection (pre-screening) spares experimental resources.
In
Das
künstliche neuronale Netz
eine Eingangsschicht
an input layer
Es
können in alternativen Ausführungsbeispielen beliebig
viele Schichten (mit jeweils beliebig vielen Neuronen in einer jeweiligen
Schicht) in einem künstlichen neuronalen Netz
In
Nachfolgend
wird eine nicht-lineare Transformation
Die Aktivierungsfunktion kann eine beliebige geeignete Struktur aufweisen.The Activation function may have any suitable structure.
Eine Ausführungsform der nicht-linearen Transformation ist die Sigmoid Transformationsfunktion, welche durch die folgende Formel f(x) = 1/(1 + e – x) definiert ist: One embodiment of the non-linear transformation is the sigmoid transformation function defined by the following formula f (x) = 1 / (1 + e-x):
Alternativ können auch andere Funktionen, beispielsweise Schwellenwertfunktionen oder abschnittweise definierte Funktionen eingesetzt werden.alternative can also use other functions, such as threshold functions or sections defined functions are used.
Ferner können auch andere Arten von Neuronen, z. B. Perzeptronen, biologische Neuronen, gepulste Neuronen, etc. eingesetzt werden. Zudem kann in einem jeweiligen Neuron auch als Zwischenschritt ein Zustand abgelegt werden.Further Other types of neurons, eg. B. perceptrons, biological neurons, pulsed neurons, etc. are used. In addition, in a particular neuron can also as an intermediate step State are filed.
Das Modell wird aufgrund einer neuronalen Netzwerkarchitektur und einer Menge von experimentell ermittelten „Eingabe-Ausgabe" Datenpunkten als Trainingsmenge (oder Trainingssatz) gebildet.The Model is due to a neural network architecture and a Set of experimentally determined "input-output" data points formed as a training set (or training set).
Das Modell wird im Einzelnen gebildet, durch willkürliche Initialisierungen und iterative Optimierungen der Menge der Gewichte oder Gewichtungen wjk, um beispielsweise den quadratischen Mittelwert der Distanz zwischen den experimentell ermittelten und geschätzten Ausgangswerten für jeden Eingangswert zu optimieren. Man bezeichnet dies auch als Training des Netzwerkes oder als Lernphase.Specifically, the model is formed by arbitrary initializations and iterative optimizations of the set of weights w jk , for example, to optimize the root mean square of the distance between the experimentally determined and estimated output values for each input value. This is also called training of the network or as a learning phase.
Eine Vielzahl von nicht-linearen Optimierungstechniken, wie sie an sich bekannt sind, können in einem alternativen Ausführungsbeispiel der Erfindung angewendet werden.A Variety of non-linear optimization techniques, as they are in themselves may be known in an alternative embodiment of the invention are used.
In einer Ausführungsform wird das back-propagation-feed-forward-mehrschichtiges-neuronales-Netzwerk mit entweder der generalisierten Delta-Regel oder dem Resilient Propagation (RPROP) Lernalgorithmus mit frühzeitigem Abbruch (early stopping) gesteuert. Es wird zur Steuerung ein Zurückhalte-Validationsdatensatz eingesetzt. Dazu wird zur Steuerung der Modell-Prädiktionsfähigkeit eine Untermenge der verfügbaren Daten, gemeinhin als Validationsdatensatz bezeichnet, eingesetzt, so dass in jeder Iteration die Zuverlässigkeit des Modells, welches aus dem Trainingsdatensatz erzeugt wird, gegen den Validationsdatensatz verifiziert wird. Andere Arten künstlicher neuronaler Netze und nicht statistischer Lernmethoden, welche ähnliche Merkmale vorsehen, können in einem alternativen Ausführungsbeispiel der Erfindung vorgesehen sein. Andere Arten neuronaler Netzwerke, wie radiale Basisfunktionennetze (RBF-Netze) und Fuzzy-ART-Map (vorhersagendes adaptives Resonanztheorie Netzwerk) können in einem Ausführungsbeispiel eingesetzt werden. Zudem können auch unterschiedliche Kernel-basierte Methoden für nicht neuronale Netzwerkansätze für diesen Zweck als zu trainierendes Modell eingesetzt werden, beispielsweise das Support Vector Regression Verfahren.In In one embodiment, the back-propagation feed-forward multilayer neural network becomes with either the generalized delta rule or the resilient Propagation (RPROP) learning algorithm with early termination (early stopping) controlled. It becomes a retention validation record for control used. This is done to control the model prediction ability a subset of the available data, commonly called a validation record used, so that in each iteration the reliability of the model generated from the training data set against the validation record is verified. Other types of artificial neural networks and non-statistical learning methods, which are similar Features provide, in an alternative embodiment be provided of the invention. Other types of neural networks, such as radial basis function networks (RBF networks) and fuzzy ART map (predictive adaptive resonance theory network) can be used in one embodiment be used. In addition, different kernel-based Methods for non-neural network approaches for this purpose can be used as a model to be trained, for example the support vector regression procedure.
Zur Vorbereitung der Modellbildung werden gemäß einem Ausführungsbeispiel der Erfindung zwei vorbereitende Schritte durchgeführt.to Preparation of the modeling will be done according to a Embodiment of the invention two preparatory steps carried out.
Die
Daten werden gefiltert, um unterrepräsentierte Faktoren
zu entfernen. Dieses erhöht die Genauigkeit und Stabilität
der nachfolgenden Datenmodellierung. Beispielsweise kann ein Histogramm
zur Darstellung der Verteilung von jedem Eingangsfaktor aufgestellt
werden. Daraus werden lediglich die Faktoren verwendet, welche sich über
einen ausreichenden Wertebereich erstrecken und eine vorgegebene
Mindestanzahl ausreichend belegter Niveaus erreichen, wie oben beispielsweise
unter Bezugnahme auf
Zweitens können nicht-lineare Modifikationen der Eingangsfaktoren in die Analyse eingeführt werden, beispielsweise Quadratwurzel, quadratische und/oder inverse Funktionen der Originalfaktoren oder auch abgeleitete ganzzahlige Größen wie die Anzahl der Eingangsfaktoren.Secondly can be non-linear modifications of the input factors be introduced into the analysis, for example square root, quadratic and / or inverse functions of the original factors or also derived integer sizes like the number the input factors.
Zur Verdeutlichung werden im Folgenden Beispiele für die Datenfilterung angeführt.to The following are examples of data filtering cited.
In einem Beispiel weist der Rohdatensatz 336 Datenpunkte auf, welche durch 74 Faktorenwerte gekennzeichnet sind. Der minimal erforderliche Bereich für die Datenfilterung betrug 0,001 und ein 10-Level-Histogramm wurde erstellt, worin die Faktoren mindestens zwei Levels mit jeweils mindestens zwei Datenpunkten aufweisen müssen. Daraus wird ein repräsentativer Datensatz von 324 Punkten gebildet, wodurch jeder Punkt durch 48 Faktorwerte gekennzeichnet ist.In In one example, raw data set 336 has data points which are characterized by 74 factor values. The minimum required Data filtering area was 0.001 and a 10-level histogram was created in which the factors are at least two levels each must have at least two data points. It will formed a representative record of 324 points, whereby each point is characterized by 48 factor values.
In einem weiteren Beispiel wird die Bildung eines künstlichen neuronalen Netzwerkmodells dargestellt.In Another example is the formation of an artificial neural network model.
In
diesem Beispiel beträgt die Anzahl der Werte
Die Zielfarbparameter L, a und b wurden mittels eines Feed Forward KNN mit einer verdeckten Schicht mit je zwei die RPROP Optimierungsmethode einsetzende Neuronen getrennt modelliert.The Target color parameters L, a and b were determined by means of a feed forward KNN with a hidden layer with two each the RPROP optimization method neurons are modeled separately.
Für
den L-Parameter wurde das optimale Modell bei Iteration
Für
den a-Parameter wurde das optimale Modell bei Iterationsschritt
Für
den b-Parameter wurde das optimale Modell bei Iterationsschritt
Bezug
nehmend auf
Ein
möglicher Ablauf ist in einem Ablaufdiagramm
Anfangs
ist eine Eingangspopulation
In
Es werde in der vorliegenden Ausführungsform drei folgenden Evolutionsoperatoren eingesetzt: Mutation, Crossover und/oder Drift.It become three in the present embodiment Evolutionary operators used: mutation, crossover and / or drift.
Im Falle der Mutation wird für ein Elter bzw. Individuum bzw. einen Lösungunsgkandidaten, ein einzelner zufällig ausgewählter Faktor in vorbestimmten, festgelegten Schritten verändert.in the Case of the mutation is for a parent or individual or a solution candidate, a single randomly selected one Factor changed in predetermined, fixed steps.
Im Falle des Crossovers werden zwischen zwei Eltern bzw. zwischen zwei Individuen bzw. zwei Lösungskandidaten die Faktorwertvektoren in zwei zufällig aufgeteilten Sektionen miteinander ausgetauscht, so dass jede Kindlösung einen ersten Teil von dem einen Elternteil und einen zweiten Teil von dem anderen Elternteil erhält.in the Traps of crossovers are between two parents or between two Individuals or two solution candidates the factor value vectors exchanged in two randomly divided sections, so every child solution is a first part of the one Parent and a second part of the other parent receives.
Im Falle des Drifts wird für ein Elternteil bzw. Individuum, bzw. Lösungskandidaten, ein geringer zufälliger Versatz in einen einzelnen, zufällig ausgewählten Faktorwert eingeführt.in the Case of drift becomes for a parent or individual, or solution candidates, a minor accidental Offset into a single, randomly selected one Factor value introduced.
In
Die Farbdifferenz,
beispielsweise ΔE, zwischen der Zielfarbe und der Farbe,
welche durch das Modell für diese Kombination von Faktorwerten
vorhergesagt wird.In
The color difference, e.g. ΔE, between the target color and the color predicted by the model for that combination of factor values.
In einem Ausführungsbeispiel der Erfindung wird in dem Fitness-Strafwert (auch bezeichnet als Fitness-Penalty-Wert) die Verletzung von vorgegebenen Grenzen berücksichtigt.In An embodiment of the invention will be in the fitness penalty (also referred to as fitness penalty value) the violation of predetermined Limits taken into account.
In einem Ausführungsbeispiel der Erfindung wird in dem Effektiv-Fitness-Bonuswert das Alter der Lösung berücksichtigt.In An embodiment of the invention will be included in the Effective Fitness bonus value considered the age of the solution.
In einem Ausführungsbeispiel der Erfindung wird in dem Effektiv-Fitness-Bonuswert die Einzigartigkeit der Lösung berücksichtigt.In An embodiment of the invention will be included in the Effective Fitness bonus value considered the uniqueness of the solution.
Werden
diese Werte für eine erzeugtes Modell eingehalten, wird
in Schritt
In
In
In alternativen Ausführungen der Erfindung können alternative Optimierungsmethoden insbesondere aus dem Gebiet der heuristischen Optimierungsverfahren eingesetzt werden, wie beispielsweise Evolutionsstrategien, simulierte Abkühlung, Sintflutalgorithmus, Ameisenalgorithmus, Schwarmoptimierung.In alternative embodiments of the invention can alternative optimization methods especially in the field of heuristic optimization methods are used, such as Evolution strategies, simulated cooling, deluge algorithm, Ant algorithm, swarm optimization.
Das künstliche neuronale Netzwerk, allgemein das zu trainierende oder das trainierte Modell, wie es oben beschrieben wurde, wird nun eingesetzt zur Vorhersage der sich ergebenden Farbe für eine beliebige Kombination von Faktorwerten, anders ausgedrückt, von Eingangsparametern, beispielsweise die oben beschriebenen Eingangsparameter. Jedoch kann dieses auch durch andere Modellmethoden in einem alternativen Ausführungsbeispiel der Erfindung ersetzt werden.The artificial neural network, generally the one to be trained or the trained model as described above now used to predict the resulting color for any combination of factor values, in other words, input parameters, for example, the input parameters described above. However, this can also be done by other modeling methods in an alternative Embodiment of the invention to be replaced.
Zudem werden in einem alternativen Ausführungsbeispiel der Erfindung neben der Farbe alternativ oder zusätzlich andere Zielgrößen berücksichtigt.moreover be in an alternative embodiment of the invention next to the color alternatively or in addition other target sizes considered.
In einer Ausführungsform wird der vorgegebene einzuhaltende Bereich eines Parameters im Rahmen der Optimierung durch eine Straffunktion berücksichtigt. Diese Straffunktion ist eine Quadratfunktion der Distanz zwischen dem tatsächlich vorliegenden Wert eines Parameters und seines vorgegebenen Bereichs. Durch eine vorsichtige Wahl der Begrenzungen können verschiedene Optimierungsprobleme gelöst werden.In According to one embodiment, the predetermined one to be observed Range of a parameter as part of optimization by a penalty function considered. This penalty function is a square function the distance between the actual value a parameter and its default range. By a careful Choice of limits can have different optimization problems be solved.
Die Möglichkeit der Diversitätssteuerung des verwendeten genetischen Algorithmus dient gemäß einem Ausführungsbeispiel der Erfindung dazu, eine voreilige Konvergenz und damit ein Kollabieren des Suchraums zu kleinen Variationen einer einzelnen guten Lösung zu verhindern. Dieses basiert auf der Anwendung von vorgegebenen „Bonuswerten" in der Berechnung der effektiven Fitness Dabei wird das Alter der Lösung berücksichtigt, um eine gewisse Stabilität zu erreichen, als auch die „Einzigartigkeit" der Lösung, d. h. die mittlere Distanz in dem Faktorraum zu anderen Lösungen der Population, in Betracht gezogen. In einer Ausführungsform wird die Linear-Sigmoid-Bonusfunktion eingesetzt, welche sich linear von A1 zu A2 im Intervall von B1 zu B2 verhält. Als Funktionsargument (x) wird der relative Rang der Lösung, d. h. die Rangpositionen geteilt durch die Gesamtanzahl der Lösungen, in Bezug auf einen gegebenen Parameter eingesetzt: The possibility of diversity control of the genetic algorithm used according to an embodiment of the invention serves to prevent premature convergence and thus collapse of the search space to small variations of a single good solution. This is based on the application of predetermined "bonus values" in the calculation of the effective fitness. The age of the solution is taken into account in order to achieve a certain stability, as well as the "uniqueness" of the solution, ie the mean distance in the factor space to other solutions of the population, considered. In one embodiment, the linear sigmoid bonus function is used, which behaves linearly from A1 to A2 in the interval from B1 to B2. The function argument (x) is the relative rank of the solution, ie the rank positions divided by the total number of solutions, relative to a given parameter:
In einem Beispiel soll die Reduktion der Komponentenanzahl in einer Formulierung, also die Vereinfachung einer Rezeptur, dargestellt werden.In An example is the reduction of the number of components in one Formulation, ie the simplification of a recipe, shown become.
Basierend auf dem Grundkonzept, welches oben beschrieben wurde, und startend von einer vorgegebenen Ausgangsformulierung, welche sechs Komponenten enthält, wird ein erster Satz von Farbparametern vorgegeben.Based on the basic concept described above and starting from a given starting formulation, which six components contains, a first set of color parameters is given.
Ein Abweichen von vorgegebenen Parametern wird durch Penalty-Werte bestraft. Wunschweise können zusätzliche Grenzen und Randbedingungen berücksichtigt werden, beispielsweise eine Obergrenze der Anzahl zur Verfügung stehenden Komponenten, um z. B. die Anzahl der Komponenten zu reduzieren und/oder die Einhaltung gewisser Verhältnisse zwischen verschiedenen Komponenten sicher zu stellen, z. B. um die geforderte Stöchiometrie der chemischen Reaktionen einzuhalten. Nachdem die im genetischen Algorithmus die Konvergenz erreicht ist oder eine vorgegebene und ausreichende Anzahl von Schleifen im genetischen Algorithmus durchlaufen wurde, erden eine oder mehr Lösungen bzw. Formulierungen erzielt, welche
- (1) eine vorhergesagte Farbe aufweisen, die der angestrebten Zielfarbe sehr nahe kommen;
- (2) bis zu fünf Komponenten aufweisen;
- (3) andere vorgegebene Grenzen erfüllen.
- (1) have a predicted color very close to the intended target color;
- (2) have up to five components;
- (3) meet other predetermined limits.
Diese Lösungen können dann analysiert und experimentell überprüft werden.These Solutions can then be analyzed and experimentally verified become.
Des Weiteren wird ein Beispiel gegeben für das Entfernen einzelner Komponenten aus einer Formulierung.Of Further, an example will be given for removing individual ones Components from a formulation.
Um
eine einzelne Komponente aus einer gegebenen Formulierung zu entfernen
wird basierend auf dem in
- (1) eine vorhergesagte Farbe aufweisen, welche der Zielfarbe nahestehend ist;
- (2) die entfernte Komponente nicht mehr enthalten;
- (3) andere vorgegebenen Grenzen erfüllen. Eine solche Lösung kann anschließend analysiert und experimentell überprüft werden.
- (1) have a predicted color that is close to the target color;
- (2) no longer contain the removed component;
- (3) meet other predetermined limits. Such a solution can then be analyzed and experimentally verified.
Im
oberen linken Teilfenster
Es können gemäß einem Ausführungsbeispiel nicht nur alle historischen Daten dargestellt werden, sondern auch definierte Untermengen, z. B. alle Datenpunkte in einem definierten Farbbereich oder alle Datenpunkte mit einer vorgegebenen Übereinstimmung zwischen Experiment und Theorie, etc. Dies hilft dem Produktentwickler bei der Suche nach alternativen Formulierungen einer bestimmten Farbe im Pool der bereits existierenden Formulierungen.It can according to one embodiment not only all historical data are presented, but also defined subsets, eg. For example, all data points in a defined Color range or all data points with a given match between experiment and theory, etc. This helps the product developer in the search for alternative formulations of a particular Color in the pool of existing formulations.
Die Eingabe- und Ausgabeparameter des oben angesprochenen Modells werden mithilfe von einem Softwareprogramm dargestellt. Natürlich können auch andere Bildschirmdarstellungen sowie andere alternative Programme vorgesehen sein, die geeignet sind, die Ergebnisse oder den Ablauf der Modellierung darzustellen.The Input and output parameters of the above-mentioned model represented by a software program. Naturally can also use other screen images as well as others be provided alternative programs that are suitable to the results or to illustrate the process of modeling.
In
dem oberen linken Teilfenster
Wenn
ein Datenpunkt mittels der Tastatur oder der Maus ausgewählt
wurde, welcher dann beispielsweise farblich unterlegt dargestellt
wird, werden die jeweiligen experimentellen und vorhergesagten Farben, wie
sie in den benachbarten Teilfenstern
Die
Datensatzfarben werden als Punkte in dem Lab-Raum oder xyY-Raum,
nach Möglichkeit mit einer Verbindungslinie, angezeigt
und die vorliegende Farbe wird mittels eines Fadenkreuzes markiert.
In den darunter liegenden Feldern
Zusätzlich
zu den experimentellen Daten
In
dem Farbdisplay sind die folgenden Werkzeuge verfügbar:
Linke
Maustaste und Ziehen (rechteckige Fläche) zum Einzoomen
in die Colorations-Box (beispielsweise a, b) oder in die Helligkeitsbox
(beispielsweise L); Steuerungstaste drücken und linke Maustaste
klicken zum Umschalten zwischen einer Anzahl von benachbarten Datenpunkten,
welche in dem Datensatzfeld herausstellend gekennzeichnet werden;
rechte Maustaste Klicken zum Einzoomen (ungefähr zweifacher
Zoom);, rechte Maustaste Doppelklicken zum vollständigen
Herauszoomen (100%ige Darstellung des verfügbaren Farbraumes).The following tools are available in the color display:
Left mouse button and drag (rectangular area) to zoom in the Colorations box (for example, a, b) or in the brightness box (for example, L); Press control key and click left mouse button to toggle between a number of adjacent data points identified in the record field; right mouse click Click to zoom in (approximately double zoom) ;, right mouse button Double click to zoom out completely (100% representation of the available color space).
Die Zoomeinstellung kann ebenfalls durch das „View"-Menü, welches ferner beschrieben wird, geändert werden.The Zoom adjustment can also be made through the "View" menu, which will be further described.
In
dem unteren Fenster
Das
Programmmenü ist in der Kopfzeile des Hauptfensters nach
Das
View-Menü sieht den Menüpunkt Mode zum Auswählen
der Farbdarstellung (z. B. Lab oder xyY vor), Marker zum Auswählen
unterschiedlicher Markierungen für den tatsächlich
darzustellenden Datenpunkt, Link zum Steuern der Darstellung von
Verbindungslinien zwischen den Datenpunkten für die Darstellung
der Helligkeit L bzw. Y-Datenpunkte für die Darstellung
der Farbwerte ab bzw. xy, mit den Einstellungen All, Current, None
Ferner weist das View-Menü den Punkt Zoom aus zur Anpassung
der Zoom-Parameter in dem Farbdisplay
Das Select-Menü erlaubt es, folgende Optionen zum Auswählen einer Teilmenge der gesamten Daten auszuführen, wobei nur die ausgewählten Datenpunkte, welche durch die „Use"-Auswahlkästchen gekennzeichnet sind, in dem Farbblock dargestellt werden.The Select menu allows the following options to be selected to execute a subset of the entire data, with only the selected data points, which are indicated by the "Use" check boxes are displayed in the color block.
Das Menü umfasst die folgenden Einträge: All zum Auswählen aller Formulierungen, None zum Abwählen aller Formulierungen, Invert zum Invertieren der Auswahl der Formulierungen, zusätzlich die Punkte Color-Range zum Auswählen der Formulierungen, die in einem bestimmten Farbbereich charakterisiert Ober und Untergrenzen der Lab-Werte oder in einem Prädiktionsfehlerbereich des laufenden ausgewählten Modells fallen. Color Around, welches die Formulierungen, die in einen spezifischen Toleranzbereich (z. B. dE und/oder dE94 und/oder DHCL) um eine spezifische Farbe fallen auswählbar, zudem steht der Menüpunkt Visible zum Auswählen der Formulierungsdatenpunkte, welche in dem laufenden Zoombereich sichtbar sind und Experiment zur Auswahl von Formulierungen, für die experimentelle Daten vorliegen, zur Verfügung.The menu contains the following entries: All for selecting all formulations, None for deselecting all formulations, Invert for inverting the selection of formulations, additionally the items Color-Range for selecting the formulations that characterize in a particular color range Upper and lower limits of the Lab Values or within a prediction error range of the currently selected model. Color Around, which selects the formulations that fall within a specific tolerance range (eg dE and / or dE94 and / or D HCL ) by a specific color, also has the menu item Visible for selecting the formulation data points that are in the current zoom range are visible and experiment to select formulations for which experimental data are available.
Das Tools-Menü weist eine Anzahl von Optionen auf, die eine fortgeschrittene Datenanalyse und Datendesign ermöglichen.The Tools menu has a number of options that include Advanced Data Analysis and Da enable design.
Dazu zählt der Menüpunkt Predict, welcher einer Voraussage der Farbwerte unter allen möglichen Modellen dient. Die Resultate der Prädiktion werden zusammen mit der Farbdifferenzmessung der Datensatztabelle zugeführt und in einem zweiten Farbblock angezeigt. Fehlgeschlagene Voraussagen werden durch Nullen (leere Boxen) gekennzeichnet und sind nicht in dem Farbdisplay angezeigt.To counts the menu item Predict, which is a prediction the color values among all possible models. The Results of the prediction are combined with the color difference measurement fed to the record table and in a second color block displayed. Failed predictions are null (blank Boxes) and are not shown in the color display.
Der Menüpunkt Filter führt eine Datenfilterung zur Entfernung von unterrepräsentierten Faktoren durch. Der Menüpunkt Design führt ein interaktives Formulierungsdesign durch Ändern der Faktorwerte durch.Of the Menu item Filter performs a data filtering Removal of under-represented factors. Of the Menu item Design leads an interactive formulation design by changing the factor values.
Der Menüpunkt Generate führt die stochastische Generation von Formulierungen, welche die Zielfarbe ergeben, durch einen genetischen Algorithmus durch.Of the Menu item Generate leads the stochastic generation of formulations which give the target color by a genetic Algorithm through.
Der Menüpunkt Factors öffnet das unterstützende Faktorverzeichnisfenster.Of the Menu item Factors opens the supporting Factor directory window.
Der Menüpunkt Modells handhabt die Menge der verfügbaren Prädiktionsmodelle.Of the Menu item model handles the amount of available Prediction models.
Der Menüpunkt Functions öffnet das unterstützende Factor-Function-Verzeichnisfenster.Of the Menu item Functions opens the supporting Factor Function List window.
Der Menüpunkt Options spezifiziert die Parameter zur Steuerung der Programmoperation. Dabei sind verfügbare Menüpunkte der Menüpunkt ColorCorrection, welcher die Farbkorrekturparameter (Gamma und Illuminant) steuert.Of the Options menu item specifies the parameters for control the program operation. There are available menu items the menu item ColorCorrection, which sets the color correction parameters (Gamma and illuminant) controls.
In
Das Faktorverzeichnisfenster umfasst eine Anzahl von wichtigen Parametern für jeden Faktor. Wenn ein neuer Faktor erstmals eingelesen wird, werden diese Parameter automatisch bestimmt und können manuell verfeinert werden. Das Fenster umfasst folgende Kriterien, die in der oberen Zeile dargestellt sind. Fullname gibt den Namen des darzustellenden Faktors wieder. Die Menüpunkte Min bzw. Max zeigen einen möglichen minimalen bzw. maximalen Wert für den Faktor an. Der Menüpunkt Strict zeigt die Durchsetzung der Min- und Maxgrenzen an: dabei bedeutet "0", dass Verletzungen in einem spezifischen Bereich ignoriert werden, "1", dass Warnungen bei Verletzungen des Bereichs ausgegeben werden, und "2" bedeutet, dass verletzende Werte automatisch in den vorgegebenen Bereich zurückgeführt werden, wobei unterschiedliche Programmfunktionen diese Verletzungen unterschiedlich handhaben.The Factor directory window includes a number of important parameters for every factor. When a new factor first read , these parameters are automatically determined and can manually refined. The window includes the following criteria which are shown in the upper line. Fullname gives the name of the factor to be displayed again. The menu items Min or Max show a possible minimum or maximum Value for the factor. The menu item Strict shows the enforcement of the minimum and maximum limits: where "0", that injuries in a specific area are ignored, "1" that warnings are issued in case of violations of the area, and "2" means that hurtful values are automatically in the given ones Be attributed area, with different Program functions handle these injuries differently.
Der Menüpunkt Step gibt die Schrittweite für die Anpassung des Faktors wieder, der Menüpunkt RepLevels gibt die minimale Anzahl der repräsentativen Niveaus für die Faktorfilterung wieder. Unnötige Faktoren können mit der Entfernentaste entfernt werden.Of the Menu item Step gives the step size for the adjustment of the factor again, the menu item RepLevels gives the minimum Number of representative levels for factor filtering again. Unnecessary factors can be removed using the delete key be removed.
Die
Das
Faktorfunktionenfenster ist als Anzeige zur vereinfachten Vorgabe
und Steuerung komplexer Parameter und Begrenzungen unter Zusammenfassung
vieler oder sogar aller Faktoren vorgesehen. Jeder Faktorfunktion
liegt eine gewisse lineare Kombination von Faktorwerten zugrunde
(beispielsweise F = ΣaiFi). In der Anzeige
Zwei spezielle Funktionen sind dabei in einem Ausführungsbeispiel der Erfindung vorgesehen, deren Namen mit einem Rautenzeichen (#) beginnen und die als zählbasierte Funktionen berechnet werden. Dabei wird anstatt des tatsächlichen Faktorwerts Fi der Wert "1" für alle nicht null gesetzten Faktoren und der Wert "0" für alle 0 gesetzten Faktoren angezeigt.Two special functions are provided in one embodiment of the invention whose names start with a diamond sign (#) and which are calculated as count-based functions. In this case, instead of the actual factor value F i, the value "1" is displayed for all factors not set to zero and the value "0" for all factors set 0.
In
dem Beispiel in
Wenn die Funktion mit einem Dollar ($)-Zeichen beginnt, wird die Funktion renormalisiert berechnet. Das bedeutet, dass hier die normalisierte Funktion: dargestellt wird.If the function starts with a dollar ($) character, the function is renormalized. That means that here is the normalized function: is pictured.
Eine solche Funktion ist dann sinnvoll, wenn die Terme unterschiedliche Vorzeichen aufweisen. Dieses vereinfacht die Handhabung von Randbedingungen für Mengenverhältnisse. Zum Beispiel eines molaren Verhältnisses (C/MC)/D/MD) = α, welches äquivalent ist zu der Formel wobei ai = 1/Mi für C ist und ai = –1/Mi für D ist (wobei M die molare Masse darstellt und Fi, C bzw. D die Konzentration von der Komponente Fi, C bzw. D).Such a function is useful if the terms have different signs. This simplifies the handling of boundary conditions for quantity ratios. For example, a molar ratio (C / M C ) / D / M D ) = α, which is equivalent to the formula where a i = 1 / M i for C and a i = -1 / M i for D (where M represents the molar mass and F i , C and D respectively the concentration of the component F i , C and D, respectively ).
Nun wird auf die Datenfilterung gemäß einem Ausführungsbeispiel der Erfindung eingegangen.Now is based on data filtering according to one embodiment the invention received.
Die Datenfilterungsfunktion erlaubt es, unterrepräsentierte Faktoren zur Erhöhung der Genauigkeit und Stabilität der daraus folgenden Datenmodulierung durchzuführen.The Data Filtering allows underrepresented Factors to increase accuracy and stability the resulting data modulation.
Das Dialogfenster sieht folgende Funktionen vor: der Menüpunkt minimum range definiert das Minimum des akzeptablen Bereichs eines Faktors.The Dialog window provides the following functions: the menu item minimum range defines the minimum of the acceptable range of a Factor.
Der Menüpunkt total levels bezeichnet die Anzahl der Niveaus für die Verteilung in der Histogrammanalyse. Der Menüpunkt minimum postulated levels zeigt die minimale Anzahl der Niveaus an, welche mindestens einen Datenpunkt aufweisen.Of the Menu item total levels refers to the number of levels for distribution in the histogram analysis. The menu item minimum postulated levels shows the minimum number of levels which have at least one data point.
Der Menüpunkt minimum representative population zeigt die minimale Anzahl von Datenpunkten in einem Niveau an, welches als repräsentativ gewertet werden soll.Of the Menu item minimum representative population shows the minimum Number of data points in a level which is representative should be evaluated.
Der Menüpunkt minimum representative levels zeigt die minimale Anzahl der repräsentativen Niveaus an.Of the Menu item minimum representative levels shows the minimum Number of representative levels.
Der Menüpunkt Delete Faktors löscht die unterrepräsentierten Faktoren (Spalten) aus der Datentabelle.The menu item Delete Factors deletes the under-represented factors (columns) from the data label le.
Der Menüpunkt Delete records löscht die Datensätze (Zeilen), die Einträge für unterrepräsentierte Faktoren aufweisen, aus der Datentabelle.Of the Menu item Delete records deletes the data records (Rows), the entries for under-represented factors have, from the data table.
Der Menüpunkt Self consisting filtering führt eine Filterung in mehreren Zügen durch, um unterrepräsentierte Faktoren zu entfernen ebenso wie die Datensätze, die Einträge für diese unterrepräsentierte Faktoren enthalten, solange bis ausschließlich ausreichend repräsentierte Faktoren und ausschließlich Datensätze aus ausschließlich ausreichend repräsentierten Faktoren in der Datentabelle enthalten sind.Of the Menu item Self Ease Filtering performs a Filtering in several passes through to underrepresented Factors to remove as well as the records, the entries for these under-represented factors, as long as exclusively sufficient represented Factors and only records from exclusively sufficiently represented factors in the data table are included.
Der
Formulierungsdesigner ermöglicht die Zusammenstellung einer
neuen Formulierung durch manuelles Anpassen der Faktorwerte. Die
aktuell ausgesuchte Formulierung in einem Datensatz wird als Startpunkt verwendet.
Das Fenster des Formulierungsdesigners weist drei Teilfenster auf,
ein unteres linkes Teilfenster
Ein
rechtes Teilfenster
Ein
oberes linkes Fenster
Der Formulierungsgenerator (Formulation Generator) optimiert Formulierungen hinsichtlich bestimmter Zielgrößen unter Berücksichtigung von Randbedingungen (z B Optimierung der Farbe und der Kosten bei einer festgelegten Anzahl oder Auswahl von Rohstoffen) Er macht Gebrach von einem evolutionären Algorithmus. Dabei wird eine Population von Formulierungen und den zugehörigen Prozessparametern (zusammen: Faktoreinstellungen) einer Evolution basierend auf den Mechanismen Selektion, Mutation und Fortpflanzung unterworfen bis ein Satz von Faktoreinstellungen erhalten wird der die gewünschten Zielwerte und Randbedingungen erfüllt. Eine auf diese Weise erhaltene Lösung wird als optimale Lösung interpretiert. Dies reduziert den Entwicklungsaufwand für eine Haarcoloration im Labor erheblich und unterstützt damit die Arbeit der Produktentwickler.Of the Formulation Generator optimizes formulations with regard to certain target values of constraints (eg optimizing color and cost in a fixed number or selection of raw materials) He makes Gebrach from an evolutionary algorithm. This becomes a population of formulations and the associated process parameters (together: factor settings) of an evolution based on the Mechanisms of selection, mutation and propagation are subject to a set of factor settings is obtained which the desired Target values and boundary conditions met. One in this way The solution obtained is interpreted as the optimal solution. This reduces the development effort for a hair coloring considerably in the laboratory and thus supports the work of the Product developer.
Ein
unteres Fenster
Ein
Fenster unten links
Der Menüpunkt Fitness zeigt den Fitnesswert für die beste Lösung der Population unter Bezugnahme der Farbabweichung und der Werte der Straffunktionen (Penalties).Of the Menu item Fitness shows the fitness value for the best solution of the population with reference to the color deviation and the values of the penalty functions (penalties).
Mit
den Knöpfen Save, Export und Close unter dem Fenster
ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDE IN THE DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list The documents listed by the applicant have been automated generated and is solely for better information recorded by the reader. The list is not part of the German Patent or utility model application. The DPMA takes over no liability for any errors or omissions.
Zitierte PatentliteraturCited patent literature
- - EP 1138347 A1 [0009] - EP 1138347 A1 [0009]
- - EP 1380720 A1 [0010, 0011] - EP 1380720 A1 [0010, 0011]
Claims (88)
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102007050434A DE102007050434A1 (en) | 2007-10-22 | 2007-10-22 | A method and arrangement for computer-assisted determination of at least one property of a hair colorant based on a formulation of chemically reactive and / or unreactive raw materials, method and apparatus for computer-assisted determination of a hair colorant formulation based on chemically reactive and / or unreactive raw materials, and method and arrangement for computer aided Train a predetermined model to computer-aided determine at least one property of a hair coloring based on a formulation of chemically reactive and / or unreactive raw materials |
PCT/EP2008/061374 WO2009053137A2 (en) | 2007-10-22 | 2008-08-29 | Method for the computer-aided ascertainment of at least one property of a hair colouration |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102007050434A DE102007050434A1 (en) | 2007-10-22 | 2007-10-22 | A method and arrangement for computer-assisted determination of at least one property of a hair colorant based on a formulation of chemically reactive and / or unreactive raw materials, method and apparatus for computer-assisted determination of a hair colorant formulation based on chemically reactive and / or unreactive raw materials, and method and arrangement for computer aided Train a predetermined model to computer-aided determine at least one property of a hair coloring based on a formulation of chemically reactive and / or unreactive raw materials |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102007050434A1 true DE102007050434A1 (en) | 2009-04-23 |
Family
ID=40458953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102007050434A Ceased DE102007050434A1 (en) | 2007-10-22 | 2007-10-22 | A method and arrangement for computer-assisted determination of at least one property of a hair colorant based on a formulation of chemically reactive and / or unreactive raw materials, method and apparatus for computer-assisted determination of a hair colorant formulation based on chemically reactive and / or unreactive raw materials, and method and arrangement for computer aided Train a predetermined model to computer-aided determine at least one property of a hair coloring based on a formulation of chemically reactive and / or unreactive raw materials |
Country Status (2)
Country | Link |
---|---|
DE (1) | DE102007050434A1 (en) |
WO (1) | WO2009053137A2 (en) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102566572A (en) * | 2011-12-06 | 2012-07-11 | 山东交通学院 | Multi-software robot evolution positioning method on basis of Bayesian method |
CN102870534A (en) * | 2012-09-21 | 2013-01-16 | 浙江大学 | Genetic algorithm based automatic bowl transporting route optimization method of plug seedlings |
CN106295705A (en) * | 2016-08-17 | 2017-01-04 | 汕头市三三智能科技有限公司 | A kind of many colors material screening number system under movement background |
CN108961873A (en) * | 2018-07-19 | 2018-12-07 | 无锡科技职业学院 | Online experiment room based on virtual platform |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102015225458A1 (en) * | 2015-12-16 | 2017-06-22 | Henkel Ag & Co. Kgaa | Method and data processing device for computer-aided determination of properties of hair colors |
US10515715B1 (en) * | 2019-06-25 | 2019-12-24 | Colgate-Palmolive Company | Systems and methods for evaluating compositions |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1138347A2 (en) | 2000-04-01 | 2001-10-04 | BIOTRONIK Mess- und Therapiegeräte GmbH & Co Ingenieurbüro Berlin | Device for processing physiological signals |
EP1380720A1 (en) | 2002-07-11 | 2004-01-14 | Halliburton Energy Services, Inc. | Downhole float apparatus |
US20070222547A1 (en) * | 2006-02-13 | 2007-09-27 | Tobias Stahle | Methods for simulating custom hair color results and thereby formulating custom hair coloring compositions |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5140530A (en) * | 1989-03-28 | 1992-08-18 | Honeywell Inc. | Genetic algorithm synthesis of neural networks |
JPH0310366A (en) * | 1989-05-19 | 1991-01-17 | Philips Gloeilampenfab:Nv | Artificial neural network |
US20060031027A1 (en) * | 2004-08-03 | 2006-02-09 | Alman David H | Method and apparatus for predicting properties of a chemical mixture |
-
2007
- 2007-10-22 DE DE102007050434A patent/DE102007050434A1/en not_active Ceased
-
2008
- 2008-08-29 WO PCT/EP2008/061374 patent/WO2009053137A2/en active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1138347A2 (en) | 2000-04-01 | 2001-10-04 | BIOTRONIK Mess- und Therapiegeräte GmbH & Co Ingenieurbüro Berlin | Device for processing physiological signals |
EP1380720A1 (en) | 2002-07-11 | 2004-01-14 | Halliburton Energy Services, Inc. | Downhole float apparatus |
US20070222547A1 (en) * | 2006-02-13 | 2007-09-27 | Tobias Stahle | Methods for simulating custom hair color results and thereby formulating custom hair coloring compositions |
Non-Patent Citations (6)
Title |
---|
Wikipe dia: Support Vector Machine. Version vom 04.09.200 7. (recherchiert am 28.04.2007). Im Internet: <URL :http://de.wikipedia.org/w/index.php?title=Support_Vector_Machine&oldid=36312044> * |
Wikipedia Neuronales Netz. Version vom 26.04.2007. recherchiert am 28.04.2007). Im Internet: <URL:ht t p://de.wikipedia.org/w/index.php?title=Neuronale s_ Netz&oldid=31007067>; Wikipedia: Fuzzy-Logik. V ersion vom 14.10.2007. (recherchiert am 28.04.2007 ). Im Internet: <URL:ht tp://de.wikipedia.org/w/in dex.php?title=Fuzzy-Logi k&oldid=37808493>; Wikipe dia: Support Vector Machine. Version vom 04.09.200 7. (recherchiert am 28.04.2007). Im Internet: <URL :http://de.wikipedia.org/w/index.php?t itle=Suppor t_Vector_Machine&oldid=36312044>; Wikipedia: Entsc heidungsbaum. Version vom 12.10. 2007. (recherchie rt am 28.04.2007). Im Internet: <URL:http://de.wik ipedia.org/w/index.php?title=Ent scheidungsbaum&ol did=37745889>; Wikipedia: Bayessches Netz.Version vom 13.10.2007. (recherchiert am 28.04.2007). Im I nternet: <URL:ht tp://de.wikipedia.org/w/index.php ?title=Bayessches _Netz&oldid=37772577> |
Wikipedia Neuronales Netz. Version vom 26.04.2007. recherchiert am 28.04.2007). Im Internet: <URL:http://de.wikipedia.org/w/index.php?title=Neuronales_Netz&oldid=31007067> * |
Wikipedia: Bayessches Netz Version vom 13.10.2007. (recherchiert am 28.04.2007). Im Internet: <URL:http://de.wikipedia.org/w/index.php?title=Bayessches-Netz&oldid=37772577> * |
Wikipedia: Entscheidungsbaum. Version vom 12.10.2007. (recherchiert am 28.04.2007). Im Internet: <URL:http://de.wikipedia.org/w/index.php?title=Ent scheidungsbaum&oldid=37745889> * |
Wikipedia: Fuzzy-Logik. Version vom 14.10.2007. (recherchiert am 28.04.2007). Im Internet: <URL:http://de.wikipedia.org/w/index.php?title=Fuzzy-Logik&oldid=37808493> * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102566572A (en) * | 2011-12-06 | 2012-07-11 | 山东交通学院 | Multi-software robot evolution positioning method on basis of Bayesian method |
CN102566572B (en) * | 2011-12-06 | 2017-07-11 | 山东交通学院 | A kind of many software robot evolution localization methods based on bayes method |
CN102870534A (en) * | 2012-09-21 | 2013-01-16 | 浙江大学 | Genetic algorithm based automatic bowl transporting route optimization method of plug seedlings |
CN102870534B (en) * | 2012-09-21 | 2014-09-17 | 浙江大学 | Genetic algorithm based automatic bowl transporting route optimization method of plug seedlings |
CN106295705A (en) * | 2016-08-17 | 2017-01-04 | 汕头市三三智能科技有限公司 | A kind of many colors material screening number system under movement background |
CN106295705B (en) * | 2016-08-17 | 2019-04-05 | 广东三三智能科技有限公司 | A kind of more color materials under movement background screen number system |
CN108961873A (en) * | 2018-07-19 | 2018-12-07 | 无锡科技职业学院 | Online experiment room based on virtual platform |
Also Published As
Publication number | Publication date |
---|---|
WO2009053137A3 (en) | 2010-10-21 |
WO2009053137A2 (en) | 2009-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE10341764B4 (en) | Integrated model prediction control and optimization within a process control system | |
DE69014613T2 (en) | GENETIC SYNTHESIS OF NEURONAL NETWORKS. | |
DE10341573B4 (en) | Integrated model-based predicative control and optimization within a process control system | |
DE102007063915B4 (en) | Process control and optimization technology using immunological concepts | |
DE69125809T2 (en) | ON-LINE TRAINING NEURONAL NETWORK FOR PROCESS CONTROL | |
DE112017005538T5 (en) | Automated generation of workflows | |
DE102007050434A1 (en) | A method and arrangement for computer-assisted determination of at least one property of a hair colorant based on a formulation of chemically reactive and / or unreactive raw materials, method and apparatus for computer-assisted determination of a hair colorant formulation based on chemically reactive and / or unreactive raw materials, and method and arrangement for computer aided Train a predetermined model to computer-aided determine at least one property of a hair coloring based on a formulation of chemically reactive and / or unreactive raw materials | |
DE102020005646A1 (en) | Slot filling with contextual information | |
EP2425331A1 (en) | Method for producing at least one application guide | |
Zander | Agricultural land use and conservation options: a modelling approach | |
EP3941981B1 (en) | Method for generating a composition for paints, varnishes, inks, grinding resins, pigment concentrates or other coatings | |
DE69031998T2 (en) | Tool for structuring a knowledge processing system | |
DE102020204351A1 (en) | DEVICE AND METHOD FOR PLANNING A MULTIPLE ORDERS FOR A VARIETY OF MACHINERY | |
EP1546823B1 (en) | Method for the computer-supported generation of prognoses for operative systems and system for the generation of prognoses for operative systems | |
Kondor et al. | Learning in crowded markets | |
EP1499930B1 (en) | Method and computer for experimental design | |
DE19549300C1 (en) | Evaluation variable determination system for Bayesian network graph | |
DE102020201383A1 (en) | Support system, storage medium and method for representing relationships of elements | |
DE19831651C1 (en) | Method for generating a controllable and adaptable network of models of behavior patterns, including software systems | |
EP3716058A1 (en) | Method for operating a device with a new program code | |
EP2996001A1 (en) | Method for computer-based analysis of a data set from observations | |
EP1183575A1 (en) | Method, arrangement and computer program for designing a technical system | |
DE102019131639B4 (en) | System for providing an explanation data set for an AI module | |
DE112010005924T5 (en) | Method and system for passing changes to a master unit to duplicates | |
DE102021110469A1 (en) | Method and system for selecting a process control instruction using a computer unit using fuzzy logic |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
8131 | Rejection |