DE4439986A1 - Adaptives Prozeßsteuerungssystem und Verfahren - Google Patents

Description

Die Erfindung betrifft allgemein das Gebiet der Prozeßsteu­ ereinheiten und insbesondere Prozeßsteuereinheiten, bei denen Modelle des zu steuernden Prozesses verwendet werden.

In jüngster Zeit wurden künstliche neuronale Netz e (ANNs = Artificial Neural Networks) zur Identifizierung und Steue­ rung dynamischer Systeme ausgenutzt, die sich aus Narendra, K.S., und Parthasarathy, K., März 1990, "Identification and Control of Dynamical Systems Using Neural Networks", IEEE Transactions on Neural Networks, Band 1, Nr. 1, Seiten 4- 27, ergeben. Künstliche neuronale Netze wurden angewandt für eine Bewegungssteuerung, Prozeßsteuerung und Luftfahrzeug­ steuerung. Lan, M.S., November 1990, "Learning Tracking Con­ trollers for Unknown Dynamical Systems Via Neural Network Approach", Proceedings of the 1990 IEEE International Con­ ference on Systems, Man, and Cybernetics, Seiten 29-31. Neural Networks for Control, 1990, herausgegeben von T. Miller III, R.S. Sutton und P. J. Werbos, MIT Press. Ver­ schiedene Attribute der künstlichen neuronalen Netze machen diese für eine Prozeßgestaltung und -steuerung attraktiv. Diese Attribute enthalten die Möglichkeit einer willkürlichen Annäherung an nicht lineare Beziehungen, einer Anpassung und eines Lernens. Sind künstliche neuronale Netze in einer Hardware wie in einer Größtintegration (VLSI) im­ plementiert, so gestattet überdies die parallele verteilte Verarbeitungsarchitektur ein schnelles Verarbeiten, und sie führt zu einem Grad an Beständigkeit gegenüber Fehlertole­ ranzen und leichten Qualitätsverlusten.

Ein Problem bei diesen Steuereinheiten ist jedoch, daß die neuronalen Netze, in denen die Modelle verwirklicht sind, auf alle erfaßten Ungleichheiten zwischen einem gewählten Attribut der tatsächlichen Ausgangsgröße oder dem tatsäch­ lichen Ergebnis des Prozesses und einem gewünschten Attri­ butergebnis selbst dann ansprechen, wenn diese Ungleich­ heiten oder Fehler auf bekannten Ursachen oder bekannten Typen von Ursachen beruhen, hinsichtlich derer eine Abände­ rung des Modells nicht gewünscht ist. Folglich werden die Modelle bei solchen Systemen auf unzweckmäßige Art und Weise geändert, die zur Erzielung des gewünschten Ergebnisses nicht erforderlich ist, da solche Abweichungen entweder be­ absichtigt sind oder von bekannten oder gemessenen Ursachen herrühren, für deren Korrektur andere Aspekte des Steue­ rungssystems vorgesehen sind. Allgemein wird das neuronale Netz, das sich gemäß einem Lernalgorithmus zur Erzeugung des gewünschten Ergebnisses anpaßt, mit größtem Vorteil genutzt, wenn man es nur mit unbekannten Variablen zu tun hat, die nicht gemessen werden können, oder, aus praktischen Gründen, nicht gemessen werden. Sind die Variablen nicht meßbar, so können sie nicht die Basis für eine Steuerung bei herkömm­ lichen linearen Steuerungssystemen liefern.

Ein Hauptziel der Erfindung ist es daher, eine Prozeßsteuer­ einheit und ein Verfahren zu schaffen, bei denen Modelle des Prozesses nur dann abgeändert werden, wenn die Ursache nicht von einem bekannten Typ ist, um unnötige und nachteilige Ab­ änderungen des Steuermodells zu verhindern.

Dieses Ziel wird erreicht durch die Schaffung eines Prozeß­ steuerungssystems mit einem Modell des zu steuernden Prozes­ ses, Mitteln zum Bestimmen unterschiedlicher Typen von Feh­ lerursachen in dem Prozeß und Mitteln zum Abändern des Mo­ dells des Prozesses, um einen der Fehler nur dann zu korri­ gieren, wenn die bestimmte Ursache für den einen der Fehler nicht wenigstens einem vorgewählten Typ der unterschiedli­ chen Typen von Ursachen zugeordnet werden kann. Bei einer bevorzugten Ausführungsform enthält das Prozeßsteuerungs­ system Mittel zum Abändern des Modells als Antwort auf eine gemessene Änderung bei zumindest einem der folgenden Parame­ ter: (a) einer eingeprägten Variablen und (b) einer nicht steuerbaren Variablen.

Vorzugsweise enthält das Prozeßsteuerungssystem eine auf das Modell ansprechende Optimierungssteuereinheit zur Erzeugung entsprechender Änderungen in dem Prozeß, die ein künstliches neuronales Netz enthält, das ein weiteres Modell entspre­ chend dem Modell des Prozesses verwirklicht, und das auf das künstliche neuronale Netz ansprechende Mittel zum Steuern des Prozesses enthält.

Das Ziel der Erfindung wird andererseits erreicht durch ein Verfahren zur Steuerung eines Prozesses, das die folgenden Schritte enthält: (a) Bereitstellen eines Modells des Pro­ zesses, (b) Bestimmen unterschiedlicher Typen von Ursachen für einen Fehler in dem Prozeß und (c) Abändern des Modells des Prozesses, um den Fehler nur dann zu korrigieren, wenn die bestimmte Ursache für den Fehler nicht wenigstens einem vorgewählten Typ von Ursachentypen zugeordnet werden kann.

Das Ziel der Erfindung wird andererseits auch erreicht durch ein Prozeßsteuerungssystem mit Mitteln zum Erfassen von Än­ derungen in einigen Typen von Zuständen, die die genaue Be­ triebsweise eines Prozesses beeinflussen, einem Prozeßmodell zum Errichten von Steuerparametern zum Betreiben des Prozes­ ses, Mitteln zum Erfassen einer Ungleichheit bei Attributen zwischen tatsächlich durch den Prozeß erzeugten Produkten und vorgewählten gewünschten Attributen und Mitteln, um das Prozeßmodell als Antwort auf die Ungleichheit nur dann zu ändern, wenn die Ungleichheit keiner der erfaßten Zustands­ änderungen zugeordnet werden kann.

Somit wird das Ziel auch erreicht durch das Schaffen eines Verfahrens zur Steuerung eines Prozesses, mit den Schritten (a) des Erfassens von Änderungen bei einigen Zuständen, die das korrekte Funktionieren eines Prozesses beeinflussen, (b) des Erstellens von Steuerparametern durch ein Prozeßmodell für das Betreiben des Prozesses, (c) des Erfassens einer Ungleichheit von Attributen zwischen durch den Prozeß tat­ sächlich erzeugten Produkten und vorgewählten gewünschten Attributen und (d) des Änderns des Prozeßmodells als Antwort auf die Ungleichheit nur in dem Fall, daß die Ungleichheit keinem der erfaßten Zustandsänderungen zugeordnet werden kann.

Wie festzustellen ist, wird das erste Ziel der Erfindung auch dadurch erreicht, daß eine Druckerpresse zum Herstellen von Kopien eines gedruckten Produktes geschaffen wird, die eine Steuereinheit aufweist, mit Mitteln zum Erfassen von Änderungen bei einigen Pressenzuständen, die den korrekten Betrieb der Presse beeinflussen, einem Prozeßmodell zum Er­ stellen von Steuerparametern für den Betrieb der Presse und Mitteln zum Erfassen einer Ungleichheit zwischen Druckattri­ buten von durch die Presse erzeugten Kopien und vorgewählten gewünschten Druckattributen, und Mitteln, um das Prozeßmo­ dell ansprechend auf die Ungleichheitserfassungsmittel nur dann zu ändern, wenn die Ungleichheit keinem der erfaßten Pressenzustände zugeordnet werden kann. Vorzugsweise ent­ halten die erfaßten Pressenzustände wenigstens einen der folgenden Parameter: (a) Einstellen der Drehzahl des Be­ feuchtungsmotors, (b) Einstellungen der Farbzonenschrauben, (c) Pressendrehzahl, (d) Pressentemperatur.

Die vorhergehenden und weitere Merkmale und Vorteile der Er­ findung ergeben sich deutlicher aus der folgenden Beschrei­ bung der bevorzugten Ausführungsform der Erfindung, wobei auf die Zeichnung Bezug genommen wird; in dieser zeigen:

Fig. 1A ein allgemeines Funktionsblockdiagramm der bevorzugten Ausführungsform der Prozeßsteuereinheit der Erfindung;

Fig. 1B eine schematische Darstellung einer lithographi­ schen Farbdruckerpresse, bei der die erfindungsgemäße Pro­ zeßsteuereinheit verwendet wird;

Fig. 2A eine schematische Darstellung der bevorzugten Aus­ führungsform eines künstlichen neuronalen Netzes, das bei der Druckerpressen-Prozeßsteuereinheit der Fig. 1 verwendet wird und vorzugsweise lokal angeschlossen ist, um ein Pro­ zeßoptimierungsmodell zu bilden, das als das Modell der Druckerpresse des Druckers der Fig. 1 verwendet wird;

Fig. 2B eine schematische Darstellung der bevorzugten Aus­ führungsform eines künstlichen neuronalen Netzes, das bei der Druckerpresse-Prozeßsteuereinheit der Fig. 1 verwendet wird und vorzugsweise lokal angeschlossen ist, um eine Opti­ mierungssteuereinheit zu bilden, wie sie in der Druckerpres­ se der Fig. 1 benutzt wird;

Fig. 3A, 3B und 3C Balkendiagramme von Bereichen von ab­ soluten Farbvorhersagefehlern für den L* (Helligkeit)-, a* (Rot/Grün-Wert)- und b* (Gelb/Blau-Wert)-Raum, basierend auf einem Vergleich der tatsächlichen Farben, die von einer Druckerpresse gedruckt wurden, bei der die Druckerpresse- Steuereinheit der Fig. 1 und 2 verwendet wird, mit den Farben, die durch ein Prozeßmodell der Druckerpresse-Steu­ ereinheit vorhergesagt wurden, wobei die Oberseite der Bal­ ken den maximalen Fehler darstellt, während die Unterseite der Balken den minimalen Fehler für die in der Anzahl von neun vorgesehenen Farbzonenschrauben der Presse repräsen­ tiert;

Fig. 4 ein allgemeines Funktionsblockdiagramm der bevorzug­ ten Ausführungsform des lokalen Abbildungsabschnitts oder, on-line, des Abschnitts der Druckerpresse-Farbsteuereinheit der Druckerpresse-Prozeßsteuereinheit; und

Fig. 5 ein Funktionsblockdiagramm der bevorzugten Ausfüh­ rungsform der Druckerpresse-Prozeßsteuereinheit der Fig. 1 mit dem lokalen Abbildungsabschnitt der Fig. 4 und einem globalen Abbildungsabschnitt für ein automatisches Erstellen von anfänglichen oder voreingestellten Zuständen.

Fig. 1A zeigt ein allgemeines Funktionsblockdiagramm der erfindungsgemäßen Prozeßsteuereinheit 33, die einen Prozeß 60 steuert, der ein Produkt 30 hervorbringt. Die physischen Attribute des Produktes variieren entsprechend Änderungen bei den Steuereinstellungen, die solche Faktoren wie die Geschwindigkeit, die Position und die Temperatur festlegen. Die Steuereinstellungen sind wiederum abhängig von Signalen an Eingängen 45. Die Eingangssignale für die Steuereinstel­ lungen werden automatisch geändert, um eine Ungleichheit zwischen gewünschten Produktattributen 44 und den tatsäch­ lichen, von einem Produktsensor erfaßten Produktattributen 48 oder einen Fehler zu beseitigen.

Erfindungsgemäß ist ein Modell, vorzugsweise ein Prozeßopti­ mierungsmodell 52 eines neuronalen Netzes vorgesehen, wel­ ches ein Modell des Prozesses 60 enthält, das nur dann abge­ ändert wird, um einen Fehler zu korrigieren, wenn die Ur­ sache des Fehlers nicht wenigstens einer vorgewählten Ur­ sache einer Mehrzahl von bekannten Ursachen zugeordnet wer­ den kann. Diese bekannten oder gemessenen Ursachen leiten Änderungen bei den Steuereinstellungen 46 selbst ein, die durch eine Optimierungssteuereinheit, vorzugsweise eine Op­ timierungssteuereinheit 42 eines neuronalen Netzes mit Aus­ hängen 45 vorgenommen werden. Die unterschiedlichen Typen von Ursachen oder unterschiedlichen Ursachen von Fehlern bei dem Prozeß werden dadurch bestimmt, daß bei 67 die vorausge­ sagten Produktattribute 64, die durch das Prozeßoptimie­ rungsmodell 52 des neuronalen Netzes vorausgesagt wurden, mit den tatsächlichen Produktattributen 48 verglichen wer­ den. Diese vorausgesagten Attribute 64 werden auf der Basis des Wertes der Steuereinstellung 46, der als Eingangsgrößen 51 dem Modell 52 zugeführt wird, mit den aktuellen Produkt­ attributen 48 bestimmt. Stimmen die vorausgesagten Produkt­ attribute 64 mit den tatsächlichen Produktattributen 48 überein, die von dem Produktsensor 83 bestimmt wurden, so wird das Modell nicht abgeändert, um irgendeinen Fehler zu beseitigen, der ausgehend von einem Vergleich bei 65 zwi­ schen den tatsächlichen Produktattributen 48 und den ge­ wünschten Produktattributen 44 erfaßt wurde.

Stimmen die vorausgesagten Produktattribute, die durch das Prozeßoptimierungsmodell 52 des neuronalen Netzes auf der Basis der existierenden Steuereinstellungen 46 bestimmt wur­ den, und die den Eingangsgrößen des Prozeßoptimierungsmo­ dells 52 des neuronalen Netzes verliehenen Gewichte nicht überein, so werden die Gewichte des Prozeßoptimierungsmo­ dells in Übereinstimmung mit einem für den in Frage stehen­ den Prozeß geeigneten Lernalgorithmus abgeändert. In einem solchen Fall wird der Fehler durch das Prozeßmodell 50 rück­ übertragen, um die Gewichte 54 und 55 des Prozeßoptimie­ rungsmodells 50 und der Optimierungssteuereinheit zu aktua­ lisieren. Im Fall einer Farbdruckerpresse, wie sie unten im Zusammenhang mit den Fig. 1B-5 beschrieben wird, hat sich ein Lernalgorithmus auf der Basis der Sigmafunktion als ge­ eignet herausgestellt, der einem in den Fig. 2A und 2B gezeigten künstlichen neuronalen, lokal angeschlossenen Netzwerk mit drei Ebenen, drei Eingängen und drei Ausgängen auferlegt wird.

Das Aktualisieren der Gewichte 55 der Optimierungssteuerein­ heit 42 bewirkt, daß das Prozeßmodell der Optimierungssteu­ ereinheit 42 mit dem Prozeßoptimierungsmodell übereinstimmt.

Die Steuereinstellungen 46 werden entsprechend geändert, um die Ungleichheit zwischen den aktuellen Produktattributen 48 und den gewünschten Produktattributen zu korrigieren. Die Neueinstellung führt zu neuen vorausgesagten Produktattri­ buten für einen Vergleich bei 67 mit dem aktuellen Produkt­ attribut 65.

In Fig. 1B wird das Prozeßsteuerungssystem 32 der Fig. 1A bezüglich der Steuerung einer lithographischen Vollfarben- Rollendruckerpresse beschrieben. Bei einem lithographischen Druckerpressensystem wird die Farbe durch die Verwendung ei­ ner Vorrichtung wie eines Farbenmessers oder Spektrophotome­ ters gemessen, der ein CIELAB (L*, a*, b*)-Triplett auf der Basis einer internationalen Norm liefert. L* definiert die Helligkeit, a* den Rot/Grün-Farbwert und b* den Gelb/Blau- Farbwert. Der Farbdruckprozeß bringt Mehrfachsteuereingänge mit sich, und er erzeugt Mehrfachprozeßausgänge. Die ge­ wünschte Ausgangsgröße des Prozesses ist die Qualität ge­ druckter Farben an mehreren Stellen über der Breite des Pa­ piers. Die Komplexität und inhärente Nichtlinearitäten, die von verschiedenen Quellen wie den Druckfarben, Nichtlineari­ täten von Farbzonenschrauben und Befeuchtungslösungs- Stellgliedern, der Papierqualität, der Pressentemperatur, Umgebungseffekten und Querflußeffekten herrühren, komplizie­ ren jedoch stark die Entwicklung eines analytischen Prozeß­ modells für den herkömmliche Verfahren verwendenden Farb­ druckprozeß. Entsprechend wurde gemäß der Erfindung unter Würdigung der Komplexität des Druckprozesses, die frühere Versuche für eine On-Line-Farbsteuerung einer lithographi­ schen Druckerpresse verhindert haben, festgestellt, daß eine hinreichende Steuerung durch die Verwendung eines obenbe­ schriebenen künstlichen neuronalen Netzes oder ANN erreicht werden kann. Anders als die Verwendung analytischer Prozeß­ modelle für die Druckerpressensteuerung ermöglicht die Ver­ wendung eines ANN für die Zwecke des Entwurfs und des Steu­ erns des Druckprozesses eine Fähigkeit der Druckerpresse- Prozeßsteuereinheit, sich willkürlichen nichtlinearen Be­ ziehungen anzunähern, sich anzupassen und zu lernen, die Steuerung während eines On-Line-Betriebs der Presse zu ver­ bessern. Es wird verwiesen auf "Modeling and Control of the Lithographic Offset Color Printing Process Using Artificial Neural Networks" von den Miterfindern dieser Anmeldung, er­ schienen in PED-Vol. 57, Neural Networks in Manufacturing and Robotics, am 13. November 1992 veröffentlicht durch die American Society of Mechanical Engineers in Book No. G00706- 1992, "Neural Networks as a Control Technology", Guha, A., Haggerty, A. und Jelinek, J., veröffentlicht in der Winter­ ausgabe 1989 von Scientific Honeyweller, veröffentlicht von dem Sensor and System Development Center, und die darin zi­ tierten Schriften für weitere Details bezüglich der neuro­ nalen Netze und deren Verwendung beim Steuern dynamischer Systeme. Wie oben festgestellt, wurden neuronale Netze (ANNs - Artificial Neural Networks) zur Identifizierung und Steuerung dynamischer Systeme genutzt, die sich aus Narendra, K.S., und Parthasarathy, K., März 1990, "Iden­ tification and Control of Dynamical Systems Using Neural Networks", IEEE Transactions on Neural Networks, Band 1, Nr. 1, Seiten 4-27, ergibt. Künstliche neuronale Netze wurden angewandt für eine Bewegungssteuerung, Prozeßsteuerung und Luftfahrzeugsteuerung. Lan, M.S., November 1990, "Learning Tracking Controllers for Unknown Dynamical Systems Via Neural Network Approach", Proceedings of the 1990 IEEE International Conference on Systems, Man, and Cybernetics, Seiten 29-31. Neural Networks for Control, 1990, heraus­ gegeben von T. Miller III, R.S. Sutton und P. J. Werbos, MIT Press.

Gemäß Fig. 1 ist eine bevorzugte Ausführung des Drucker­ pressensystems 10 mit einer Druckerpresse-Prozeßsteuerein­ heit 32 gemäß der vorliegenden Nummer versehen, wobei ein Farbwalzenzug 12 und ein Befeuchtungswalzenzug 14 Druckfarbe bzw. Befeuchtungsflüssigkeit an einen Plattenzylinder 22 liefern. Der Farbwalzenzug 12 empfängt Druckfarbe 15 von ei­ ner Farbzufuhreinrichtung 16 über eine Mehrzahl von Farb­ schraubenzonen 18. Befeuchtungslösung 17 wird von einem Be­ hälter 20 auf eine Platte übertragen, die eingefärbte Bild­ bereiche auf der Oberfläche einer Druckplatte besitzt, die von dem Plattenzylinder 22 getragen wird. Das eingefärbte Bild auf der Druckplatte steht mit einem Offset-Drucktuch­ zylinder 24 in Verbindung, der in Rollkontakt mit einem Druckzylinder 26 steht. Der Druckzylinder 26 drückt eine Papierbahn 28 gegen das Bild auf dem Drucktuchzylinder 24, um das gedruckte Produkt 30 zu erzeugen. Für weitere Einzel­ heiten eines beispielhaften Druckerpressensystems mit einem Plattenzylinder, einem Farbwalzenzug und einem Befeuchtungs­ walzenzug kann auf das US-Patent Nr. 5 107 762 von Fadner u. a. mit dem Titel "Ink Dampener For Lithographic Printing Press", erteilt am 28. April 1992, und das US-Patent Nr. 4 684 925 von Van Kanegan u. a. mit dem Titel "Simplified Lithography Using Ink and Water Admixtures", erteilt am 12. September 1989, Bezug genommen werden. Wie weiter unten be­ schrieben, wird in der Druckerpresse eine On-Line-Drucker­ presse-Prozeßsteuereinheit 32 verwendet, um die Druckvor­ gänge der Presse zu steuern.

Nach Fig. 2A wird bei der Steuereinheit 32 vorzugsweise ein Mehrschichtoptimierungsnetz 34 zum Entwickeln des komplexen Farbdruckprozesses verwendet. Dieses Mehrschichtnetz 34 bil­ det eine komplexe nichtlineare Abbildung oder Zuordnung zwischen den Druckprozeßeingängen 36 und Ausgängen 38. Wie in Fig. 2A zu sehen ist, ist ein lokal angeschlossenes Dreischichtnetz dafür ausgelegt, die räumliche Beziehung der Farbzonenschrauben 18, Fig. 1, zu adressieren und den Wechselwirkungseffekt von Farbflüssen zwischen zwei benach­ barten Einfärbungszonen zu erfassen. Der Ausdruck "lokal angeschlossen" bezieht sich auf die Neuronen einer Farbzo­ nenschraubenstellung 18, die nur mit den Neuronen derselben Farbschraubenzonenstelle sowie der benachbarten Stellen verbunden sind. Die Querverbindungen für die Neuronen 40 der beiden benachbarten Farbzonenschraubenstellen, die als das Prozeßoptimierungsmodell 52 verwendet werden, Fig. 4 und 5, treten zwischen der Eingangsschicht 36, Fig. 2A, und ei­ ner verdeckten Schicht 41 auf. Neuronen 40 einer jeden Zo­ nenschraubenstelle sind in Zellen gruppiert. Die Neuronen 40 einer jeden Gruppe sind mit den anderen Neuronen der Gruppe und den anderen Neuronen einer spezifizierten Anzahl von be­ nachbarten Gruppen verbunden. Die Eingänge 36 des Netzes 34 sind die Einstellungen von Mehrfachzonenschrauben eines je­ den Druckpaares. Die Ausgänge 38 des Netzes 34 sind vor­ ausgesagte Farben bei den entsprechenden Stellen von Farb­ zonenschrauben 18, Fig. 1. Das künstliche neuronale Netz 34, Fig. 2A, besitzt vorzugsweise drei Eingänge 36, die für die subtraktiven Primärfarben Zyan, Magenta bzw. Gelb sub­ traktive Primärfarben repräsentativ sind. Die drei Eingänge 38 erzeugen Ausgangssignale, die für die Farbattribute, Farbton, Sättigung und Helligkeit für die Einstellungen ei­ ner jeden der Farbzonenschrauben 18, Fig. 1, repräsentativ sind.

In Fig. 2B ist ein lokal angeschlossenes künstliches neuro­ nales Optimierungsnetz 34 gezeigt, das als Optimierungs­ steuereinheit 42, Fig. 4 und 5, verwendet wird. Vorzugs­ weise ist eine Zelle in der Eingangsschicht 36 des künst­ lichen neuronalen Netzes, das als Steuereinheit verwendet wird, aus drei Neuronen 40 zusammengesetzt, die L*-, a*- bzw. b*-Werte annehmen. Kollektiv beschreiben die L*-, a*- und b*-Werte eine Farbe. Die Ausgangsschicht 38 ist aus drei Neuronen 40 zusammengesetzt, die Zonenschraubeneinstellungen für das Zyan-, Gelb- bzw. Magenta-Druckpaar liefert. Die An­ zahl von Neuronen 40 in jeder Zelle der verdeckten Schicht 41 ist ein wählbarer Parameter. Die Querverbindungen für die Neuronen 40 von zwei benachbarten Zonenschraubenstellen treten zwischen der verdeckten Schicht 41 und der Ausgangs­ schicht 38 auf.

Das neuronale Optimierungsnetz 34 besteht aus Mehrfach­ schichten 36, 38 und 41, wie in den Fig. 2A und 2B ge­ zeigt. Jede Schicht besteht aus einfachen Verarbeitungs­ elementen, die als Neuronen 40 bezeichnet werden. Die Neu­ ronen 40 zwischen zwei benachbarten Schichten sind mit zu­ geordneten Gewichten verknüpft. Es gibt keine Verbindungen zwischen Neuronen in der gleichen Schicht. Jedes Neuron 40 einer gegebenen Schicht empfängt ein Eingangssignal, eine gewichtete Summe von Ausgängen der verbundenen Neuronen in der vorhergehenden Schicht, und es liefert seinen Ausgang an jedes verbundene Neutron 40 in der folgenden Schicht. Die Be­ ziehung zwischen dem Eingang und dem Ausgang eines jeden Neurons ist durch eine Aktivierungsfunktion bestimmt. Es wird eine Reihe von Aktivierungsfunktionen verwendet. Vor­ zugsweise wird die üblicherweise benutzte Sigma-Funktion f(x) = 1 (1 + e^-x) verwendet. Die Verbindungsgewichte werden jedesmal eingestellt, wenn das Netz 34 mit einer Reihe von Eingangsmustern vorliegt, und seine Ausgänge werden mit dem gewünschten Ausgang verglichen. Die Gewichte werden dadurch eingestellt, daß ein Fehlerrückübertragungs-Verfahren ange­ wandt wird, das den Unterschied zwischen dem gewünschten Ausgang und dem Netzausgang durch das Netz 34 rücküberträgt. Die weiteren Einzelheiten des Fehlerrückübertragungs-Ver­ fahrens ergeben sich beispielsweise aus Runnelhard, D.E., Hinton, G.E. und Williams, R.J., 1986, "Learning Internal Representations", Parallel Distributed Processing: Explorations in the Microstructures of Cognition, Band 1: Foundations, MIT Press, Seiten 318-362.

Der am häufigsten verwendete Lernalgorithmus zum Einstellen von Verbindungsgewichten ist die verallgemeinerte Delta- Regel. In ihrer Grundform ist sie eine einfache Gradienten­ optimierungsprozedur:

worin E die Kostenfunktion ist, die minimiert wird (gewöhn­ lich der quadratische Ausgangsfehler), w_ÿ ist ein Gewicht in dem Netz, und N ist die Lernrate. Ein Nachteil dieser Prozedur ist die langsame Konvergenz. Die Geschwindigkeit kann durch die Verwendung eines Impulsausdrucks erhöht wer­ den, wie beschrieben in Rumelhart, Hinton und Williams, 1986, wie oben erwähnt. Der abgewandelte Algorithmus ist:

Der Impulsausdruck liefert einen Dämpfungseffekt, der das Schwingungsausmaß während des Lernprozesses verringert.

In den Fig. 3A, 3B und 3C sind die Bereiche der Vorher­ sagefehler für L*, a* bzw. b* dargestellt. L* gibt die Hel­ ligkeit an, a* den Rot/Grün-Wert und b* den Gelb/Blau-Wert. Die Vorhersage von Fehlern basiert auf einem Satz von Vor­ bereitungsdaten. Der aus einer Mehrzahl von Paaren von Ein­ gangs- und Ausgangsmustern zusammengesetzt ist. Das Netz 34, Fig. 2, wird bei zehntausend Wiederholungen vorbereitet. Nachdem das Netz 34 vorbereitet wurde, werden alle siebzehn Eingangsmuster individuell der Eingangsschicht 36 des Netzes 34 präsentiert, und die vorausgesagten Farben des Modells für jedes Eingangsmuster werden bei der Ausgangsschicht 38 erzeugt. Die absoluten Werte der Farbvoraussagefehler werden berechnet, indem die tatsächlich gedruckten Farben mit den vorausgesagten Modellfarben verglichen werden.

Die Ergebnisse der Fig. 3A, 3B und 3C zeigen, daß das künstliche neuronale Netz wirksam vorbereitet, d. h. trai­ niert wurde, um den komplexen Farbdruckprozeß auszubilden. Menschen mit normalem Sehvermögen (nicht farbenblind) können keine Farbunterschiede wahrnehmen, die kleiner als etwa eine oder zwei Vektoreinheiten im L*-, a*- und b*-Raum sind, was dazu führt, daß die meisten der in den Fig. 3A, 3B und 3C gezeigten Voraussagefehler unterhalb der visuellen Erfas­ sungsschwelle liegen werden.

In Fig. 4 ist ein Blockdiagramm der On-Line-Farbsteue­ rungsarchitektur auf der Basis des künstlichen neuronalen Netzes gezeigt, bei der die Steuereinheit 42 des künstlichen neuronalen Netzes als Optimierungssteuereinheit wirkt, die als Eingänge gewünschte Farben 44 annimmt, die durch (L*, a*, b*)-Tripletts als Eingänge dargestellt sind, und die Ausgangssignale von Steuervariablen für die Zonenschrauben­ einstellung 46 liefert. Da die Übertragungsfunktion der Steuereinheit 42 ein perfektes inverses Modell des aktuellen Druckprozesses ist, steuert die Steuereinheit den Prozeß zur Erzeugung gewünschter Farben. Die Optimierungssteuereinheit 42 ist in einem neuronalen Mehrschichtnetz 34, wie in Fig. 2B dargestellt, implementiert, das vorbereitet wird, um das inverse Modell des nichtlinearen Druckprozesses zu lernen. Die in einem künstlichen neuronalen Netz implementierte Steuereinheit 42 nach Fig. 4 ist darüber hinaus an einen neuen Druckzustand anpaßbar.

Ein Vorbereiten der Steuereinheit 42 erfordert die Kenntnis der Unterschiede zwischen den optimalen Einstellungen von Steuervariablen für einen gegebenen Satz gewünschter Farben 44 und den Zonenschraubeneinstellungen 46, die von der Steuereinheit für die gleichen gewünschten Farben erzeugt wurden. Da die optimalen Einstellungen der Steuervariablen für einen gegebenen Satz gewünschter Farben anfänglich nicht bekannt sind, werden die Unterschiede zwischen den gewünsch­ ten Farben 44 und den tatsächlich gedruckten Farben 48 dazu verwendet, die Unterschiede zwischen den optimalen und den von der Steuereinheit 42 erzeugten Einstellungen zu berech­ nen. Dies erfolgt durch eine Fehlerrückübertragung der Ab­ weichungen zwischen der gewünschten 44 und den tatsächlich gedruckten Farben 48 über ein Prozeßoptimierungsmodell 52 des Prozesses entlang der Linie 50. Es wird nur ein Prozeß­ optimierungsmodell 52 in einer differenzierbaren Form be­ nötigt. Da kein mathematisches Modell des Druckprozesses verfügbar ist, wird ein künstliches neuronales Netzmodell oder ein Prozeßoptimierungsmodell 52 verwendet, um das Opti­ mierungsmodell des Prozesses zu lernen, das dann bei dem Fehlerrückübertragungsprozeß entlang der Linie 50 zum Ein­ stellen der Verbindungsgewichte 55 in der Steuereinheit 42 des neuronalen Netzes verwendet wird.

Dies bringt überdies den Vorteil mit sich, daß die Steuer­ einheit an Änderungen bei charakteristischen Prozeßeigen­ schaften angepaßt werden kann, da das Prozeßoptimierungs­ modell 52 auf der Basis von neuen Druckdaten aktualisiert wird.

Das Mehrschichtnetz 34 der Fig. 2B, das als Steuereinheit 42 verwendet wird, Fig. 4, ist mit dem in Fig. 2A gezeig­ ten Netz für das Prozeßmodell vergleichbar. Das Mehrschicht­ netz 34 für die Steuereinheit ist ein lokal angeschlossenes Netz, und es ist aus drei Schichten 36, 38 und 41 zusammen­ gesetzt. Die Eingangsgrößen für das Netz sind die gewünsch­ ten Farben 44, beschrieben als (L*, a*, b*)-Tripletts, für Mehrfachmeßstellen, während die Ausgangsgrößen Zonenschrau­ beneinstellungen 46 für die Druckpaare der drei Druckfarben sind. Die Querverbindungen treten jedoch nur zwischen dem Ausgang 38 nach Fig. 2B und den verdeckten Schichten 41 auf, anstatt zwischen den Eingangsschichten 36 und den ver­ deckten Schichten 41, wie in Fig. 2A zu sehen ist. Ähnlich wie bei dem künstlichen neuronalen Netz 34 der Fig. 2A, das als das Prozeßoptimierungsmodell 52 verwendet wird, ist eine Zelle in der Eingangsschicht 36 des neuronalen Steuerein­ heitnetzes 42 nach Fig. 4 aus drei Neuronen 40 nach Fig. 2B zusammengesetzt, die L*-, a*- bzw. b*-Werte annehmen. Da Zonenschraubeneinstellungen 46, Fig. 4, betrachtet werden, ist auch eine Zelle in der Ausgangsschicht 38, Fig. 2B, aus drei Neuronen zusammengesetzt, die Zonenschraubeneinstellun­ gen für die Zyan-, Gelb- bzw. Magenta-Druckpaare liefern. Da drei Druckfarben und neun Farbzonenschrauben an jedem Druck­ paar betrachtet werden, werden insgesamt 27 Neuronen 40 in der Ausgangsschicht 28 des künstlichen neuronalen Netzes 34 der Steuereinheit verwendet. In gleicher Weise werden ins­ gesamt 27 Neuronen 40, Fig. 2B, in der Eingangsschicht 36 verwendet, da ein Triplett zur Beschreibung einer Farbe er­ forderlich ist, wobei die Farben vorzugsweise an neun Stel­ len gemessen werden.

Wiederum nach Fig. 4 empfängt die Steuereinheit des künst­ lichen neuronalen Netzes oder die Optimierungssteuereinheit 42 erzeugte Referenzsignale, die für gewünschte vorgewählte Farbattribute 44 des gedruckten Produktes repräsentativ sind. Als Antwort auf den Empfang der gewünschten Attribute des gedruckten Produktes errichtet die Steuereinheit 42 des neuronalen Netzes die geeigneten Einstellungen für die Zo­ nenschraubeneinstellung 46. Die Zonenschraubeneinstellungen 46 sind Ausgangsgrößen der Steuereinheit 42 des neuronalen Netzes.

Auf der Basis der Zonenschraubeneinstellungen 46 durchläuft die Druckerpresse 10, Fig. 1, den Farbdruckprozeß 60 durch die Übertragung von Druckfarbe und Befeuchtungslösung über eine Reihe von Walzen, um ein gedrucktes Produkt 30 zu er­ zeugen. Das gedruckte Produkt 30 wird von einem Farbsensor 63 gelesen, um die Farbe des gedruckten Produktes 30 fest­ zustellen. Die Ausgangsgröße des Farbsensors 63 ist die tat­ sächliche Farbe 48 des gedruckten Produktes 30, repräsen­ tiert durch L*, a* und b*. Bezüglich weiterer Einzelheiten des Farbsensors kann auf die US-Patentanmeldung Nr. 07/800 947 mit dem Titel "Control System for a Printing Press", 2. Dezember 1991, Wang, verwiesen werden.

Der den On-Line-Farbdruckprozeß steuernde lokale Mapper 33 enthält ein weiteres künstliches neuronales Netz 52, das als Modell des zu steuernden Druckbetriebes funktioniert. Das neuronale Netzmodell 52 spricht auf die Ausgangssignale der Steuereinheit 42 des neuronalen Netzes an, um ein Ausgangs­ signal zu erzeugen, das repräsentativ ist für die vorausge­ sagten Farbattribute 64 des gedruckten Produktes 30. Die für die tatsächlichen Farbattribute 48 des gedruckten Produktes 30 repräsentativen Signale werden mit den Ausgangssignalen des neuronalen Netzmodells 52 verglichen, das die vorausge­ sagten Farben repräsentiert. Besteht eine Abweichung zwi­ schen den tatsächlichen Farben 48 und den vorausgesagten Farben 64 von dem neuronalen Netzmodell 52, so werden die Gewichtungsfaktoren 54 des neuronalen Netzmodells korrekt aktualisiert, um der Abweichung Rechnung zu tragen. Ein Ändern der Gewichtungsfaktoren 54 als Ergebnis einer gemes­ senen Abweichung zwischen den tatsächlichen Attributen 48 und den vorausgesagten Attributen 64 führt zu einer Änderung des Prozeßmodells des anderen neuronalen Netzes, das als Prozeßoptimierungsmodell 52 implementiert ist. Überdies sor­ gen die Änderungen bei den Gewichtungsfaktoren 54 des neura­ len Netzmodells 52 für entsprechende Änderungen des Betriebs der Steuereinheit 42 des neuronalen Netzes, welche wiederum die Ausgangssteuersignale der Steuereinheit des neuronalen Netzes ändert, die das gedruckte Produkt mit den gewünschten Farbattributen während des On-Line-Betriebs der Presse 10, Fig. 1, erzeugt.

Die gewünschten Farbattribute 44 werden auch mit den tat­ sächlichen Farbattributen 48 des gedruckten Produktes 30 verglichen. Existiert eine Abweichung zwischen den gewünsch­ ten Farbattributen 44 und den tatsächlichen Farbattributen 48, so werden die Gewichte 55 der Steuereinheit 42 des neu­ ronalen Netzes geändert, um ein neues Steuerausgangssignal der Steuereinheit des neuronalen Netzes zu erzeugen. Dies erfolgt durch eine Rückübertragung des Fehlers entlang der Linie 50 der Fig. 4 zwischen der gewünschten 44 und der tatsächlich gedruckten Farbe 48 über das Prozeßoptimierungs­ modell oder das neuronale Netzmodell 52.

Der lokale Mapper oder die On-Line-Farbsteuereinheit 33 der Fig. 4 reagiert automatisch auf erfaßte Attribute des ge­ druckten Produktes 30, um einen lokalen Steuerraum des Farb­ druckprozesses 60 zu erstellen. Der lokale Mapper 30 arbei­ tet in Übereinstimmung mit einem globalen Mapper, der einen globalen Steuerraum definiert, der anfängliche Steuerein­ stellungen errichtet, wie in Fig. 5 beschrieben ist. Der lokale Mapper 33 enthält das neuronale Netzmodell 52 des Pressenbetriebs, das in Übereinstimmung mit Änderungen bei den Farbattributen des gedruckten Produktes 30 geändert wird, um eine Ungleichheit zwischen den tatsächlichen Attri­ buten 48 des gedruckten Produktes und dem ursprünglichen ge­ druckten Produkt zu verringern.

Fig. 5 zeigt die Architektur der Druckerpresse-Prozeß­ steuereinheit 32, wobei das ursprüngliche Bild 70 für das gewünschte gedruckte Produkt die ursprünglichen, durch die Farbbrennabtasteinrichtung 61 erfaßten Farbattribute auf­ weist. Die Farbtrennabtasteinrichtung 61 trennt die indivi­ duellen Farbkomponenten des ursprünglichen Bildes 70. Die Farbtrennabtasteinrichtung 61 ermittelt die Farbe des zu druckenden ursprünglichen Produktes 70. Die Ausgangsgröße der Farbtrennabtasteinrichtung 61 wird dazu verwendet, Trennegative 72 zu entwickeln. Jeder Film der Trennegative 72 repräsentiert eine individuelle Farbkomponente des ur­ sprünglichen Bildes 70. Die Ausgangsgröße der Trennegative 72 wird bei den Druckplatten 74 verwendet, von denen jede eine Farbkomponente des ursprünglichen Bildes trägt. Die Druckplatten 74 sind ein wesentliches Element in dem Druck­ prozeß 60 zur Herstellung des endgültigen gedruckten Pro­ duktes 30, wie in Fig. 1 dargestellt. Die Bedeckung 76 des gedruckten Bereiches, Fig. 5, wird von den Trennegativen 72 und den Druckplatten 74 bei den Einheitsbedeckungsdaten hergeleitet, die von einer Plattenabtasteinrichtung oder einem Druckbereichsleser (nicht gezeigt) von Negativfilmen geliefert werden.

Die Bedeckungsdaten 76 des gedruckten Bereiches werden mit Auftragsdaten 78 zu einem globalen Mapper 80 gesendet. Die Auftragsdaten 78 sind die Daten für die dynamischen Pressen­ zustände und für die Druckmaterialien. Die Auftragsdaten 78 sind für den globalen Mapper 80 erforderlich, um eine Abbil­ dung für jeden neuen Druckauftrag abzuschließen. Der globale Mapper 80 reagiert automatisch auf den gedruckten Bereich, die Auftragsdaten 78, die Bereichsbedeckungsdaten und die Druckattribute des zu druckenden Originals 70, um einen ent­ sprechenden globalen Steuerraum zu definieren, der anfäng­ liche Steuerzustände der Presse 10, Fig. 1, errichtet. Der globale Mapper 80, Fig. 5, führt eine globale Abbildung auf der Basis der empfangenen Daten aus, und er weist die Opti­ mierungssteuereinheit oder die neuronale Netzsteuereinheit 42 an, die Presse 10, Fig. 1, voreinzustellen, während die Presse off-line ist.

Das globale Abbilden oder Zuordnen ist ein Prozeß des Durch­ suchens des lokalen Steuerraums nach stabilen Zuständen. In dem globalen Abbildungsprozeß sind dies die geeigneten steuerbaren Variablen (Farbzonenschrauben- und Befeuch­ tungseinstellungen) für die gewünschte Farbe und die einge­ prägte und nicht kontrollierbare Variable (dynamische Pres­ senvariable, Druckmaterialien und Bild). Während des Pro­ zesses der globalen Abbildung berücksichtigt das Pressen­ steuerungssystem 32 soviele Variablen wie möglich. Das glo­ bale Abbilden ist ein adaptives Voreinstellen, das nicht nur auf der Farbbedeckung, sondern auch auf Druckmaterialien und dynamischen Pressenvariablen basiert. Der globale Mapper 80 definiert einen globalen Steuerraum, der anfängliche Steuer­ bedingungen eines wählbaren Bereiches errichtet, bei dem die Presse angeordnet ist. Der lokale Mapper 33 der Fig. 4 ar­ beitet in Übereinstimmung mit dem globalen Steuerraum, der durch den globalen Mapper 80 nach Fig. 5 definiert wird, um einen lokalen Steuerraum 47 für das Prozeßoptimierungsmodell 52 zu bilden. Der globale Mapper 80 enthält eine Spezifika­ tion von voreingestellten Werten und einen voreingestellten Algorithmus, der beim Definieren des globalen Steuerraums verwendet wird.

Die Referenzsignale, die von der Bedeckung 76 des gedruckten Bereichs von der Farbtrennabtasteinrichtung 61 und dem glo­ balen Mapper 80 abgeleitet wurden und repräsentativ für die gewünschten Farbattribute des gedruckten Produktes sind, werden zu der Optimierungssteuereinheit 42 des künstlichen neuronalen Netzes gesendet. Ansprechend auf den Empfang der erzeugten Referenzsignale erzeugt die Steuereinheit 42 des künstlichen neuronalen Netzes zugeordnete Ausgangssteuersig­ nale zum Steuern des zugeordneten Betriebs der Presse und zur Erzeugung der gewünschten Attribute des gedruckten Pro­ duktes. Die Farbtrennabtasteinrichtung 64 erzeugt das Refe­ renzsignal, das für die vorgewählten oder gewünschten Farb­ attribute des ursprünglichen gedruckten Produktes repräsen­ tativ ist. Die Steuereinheit 42 des künstlichen neuronalen Netzes empfängt Befehlssignale von dem globalen Mapper 80, während die Presse off-line ist, und von dem Prozeßoptimie­ rungsmodell oder einem weiteren neuronalen Netz 52 während des On-Line-Betriebs der Presse.

Die Optimierungssteuereinheit 42 des neuronalen Netzes über­ trägt Ausgangssignale zu dem Befeuchtungsmotor 78 und den Zonenschraubeneinstellungen 46 zum Steuern der Funktionali­ tät des Druckprozesses 60. Der Druckprozeß 60 empfängt auch eine Eingangsgröße von den Druckplatten 74 und der Haupt- oder Master-Farbsteuerung 80. Die Hauptfarbsteuerung 80 be­ stimmt die Drehzahl der Tauchfarbwalzen auf der Basis der Drehzahl der Presse 82. Die Einstellungen des Befeuchtungs­ motors 78 bestimmen die Zufuhrrate der Befeuchtungslösung 17, Fig. 1, für den Befeuchtungszug der Walzen 14. Die Farbzufuhrraten über die Druckeinheit werden durch Ein­ stellen der Zonenschraubeneinstellungen 46, Fig. 5, ge­ steuert. Nach Vollendung der von der Steuereinheit 42 des künstlichen neuronalen Netzes gesteuerten Druckprozesses 60 wird ein gedrucktes Produkt mit den tatsächlichen Farbattri­ buten von L*, a* und b*, 48, erzeugt. Die tatsächlichen Farbattribute des gedruckten Produktes werden mit den ge­ wünschten Farbattributen des ursprünglichen Bildes 70 ver­ glichen. Liegt eine Abweichung zwischen dem gewünschten Farbausgang und dem tatsächlichen Farbausgang vor, so wird ein Steuersignal zu der Optimierungssteuereinheit 42 des neuronalen Netzes gesendet, um die Änderungen bei den steuerbaren Prozeßvariablen vorzunehmen und die geeigneten Presseneinstellungen vorzunehmen.

Das auch als neuronales Netzmodell 52 bezeichnete Prozeß­ optimierungsmodell ist der Kern der Druckerpresse-Prozeß­ steuereinheitsarchitektur 32. Das Prozeßoptimierungsmodell 52 erzeugt ein Prozeßmodell, wie es erforderlich ist, während die Presse 10 nach Fig. 1 im On-Line-Betrieb ist. Die Opti­ mierungssteuereinheit 42 errichtet die Steuerparameter für den Betrieb der Presse. Das Prozeßoptimierungsmodell 52 steuert ferner die Optimierungssteuereinheit 42 des neurona­ len Netzes für eine Anpassung an den fortlaufenden Prozeß. Das Prozeßoptimierungsmodell 52 arbeitet in dem Steuerraum, der durch den globalen Mapper 80 identifiziert wird. Das Prozeßoptimierungsmodell oder ein anderes neuronales Netz 42 empfängt Eingangssignale, die für die von dem Befeuchtungs­ motor 78 empfangenen Drehzahleinstellungen des Befeuchtungs­ motors, die Zonenschraubeneinstellungen 46, die Drehzahl 82 der Presse und die Temperatur 84 der Presse repräsentativ sind. Das Prozeßoptimierungsmodell erzeugt Ausgangssignale, die für die vorausgesagten Farbattribute 64 für das gedruck­ te Produkt 30, Fig. 1, repräsentativ sind, die ansprechend auf die bei dem Prozeßoptimierungsmodell empfangenen Ein­ gangssignale zu erzeugen sind.

Die Optimierungssteuereinheit 42 des neuronalen Netzes steu­ ert die optische Dichte des Farbfilmes durch die Vornahme entsprechender Änderungen bei den Zonenschraubeneinstellun­ gen 46. Der Farbsensor 63, Fig. 4, erfaßt die tatsächliche optische Farbfilmdichte der tatsächlichen gedruckten Farben 48 des gedruckten Endproduktes 30, Fig. 1. Die Farbattribu­ te der optischen Farbfilmdichte, die als Ausgang von dem Prozeßoptimierungsmodell 52 nach Fig. 5 errichtet wurden, werden mit der tatsächlichen erfaßten optischen Farbfilm­ dichte von dem tatsächlichen gedruckten Produkt 30, Fig. 1, verglichen. Die Druckerpresse-Prozeßsteuereinheit 32 stellt fest, ob eine Abweichung zwischen den tatsächlichen Farb­ attributen des gedruckten Produktes und den vorausgesagten Farbattributen vorliegt, die durch das Prozeßoptimierungs­ modell 52 errichtet wurden. Liegt eine Abweichung zwischen den tatsächlichen Farbdruckattributen und den vorausgesagten Farbdruckattributen vor, so werden die Gewichte in dem Pro­ zeßoptimierungsmodell 52 bei dem Versuch, die Abweichung zu kompensieren, eingestellt.

Wie oben erläutert, empfangen das Prozeßoptimierungsmodell oder andere künstliche neuronale Netze 52 Eingangsgrößen, die für Pressenzustände der Drehzahleinstellungen 28 des Befeuchtungsmotors, den Zonenschraubeneinstellungen 46, der Drehzahl 82 der Presse und der Temperatur 84 der Presse re­ präsentativ sind. Das Prozeßoptimierungsmodell 52 empfängt Informationen bezüglich Änderungen bei diesen erfaßten Pres­ senzuständen, die den korrekten Betrieb der Presse 10, Fig. 1, beeinflussen. Die Druckerpresse-Prozeßsteuereinheit 32 erfaßt eine Ungleichheit zwischen den tatsächlichen Druck­ attributen 48 der Kopien der gedruckten Produkte und den von dem ursprünglichen Bild 70 erhaltenen gewünschten Druck­ attributen. Das Prozeßoptimierungsmodell 52 wird in Abhän­ gigkeit von dem Erfassen einer Abweichung zwischen den tat­ sächlichen Druckattributen und den gewünschten Druckattribu­ ten nur dann geändert, wenn diese Ungleichheit nicht einem erfaßten Pressenzustand zugeordnet ist (zum Beispiel Dreh­ zahleinstellung des Befeuchtungsmotors, Zonenschraubenein­ stellung, Drehzahl der Presse, Temperatur der Presse).

Das Prozeßoptimierungsmodell 52 arbeitet innerhalb des Steuerraumes, der von dem globalen Mapper 80 identifiziert wird. Tritt ein Ausgangsfehler (die Abweichung zwischen tat­ sächlichen Farbattributen 48 und vorausgesagten Farbattri­ buten 64) auf und wird dieser überwacht, so bestimmt das Prozeßsteuerungssystem 32 die Ursachen für den überwachten Fehler, wenn der Fehler irgendeiner der gemessenen einge­ prägten oder nicht steuerbaren Variablen zugeordnet ist, die geändert werden, wobei die Optimierungssteuereinheit 42 des neuronalen Netzes die geeigneten Presseneinstellungen vor­ nimmt.

Die Optimierungssteuereinheit 42 nimmt eine Voreinstellung der Steuervariablen vor, um eine gegenseitige Anpassung der Tendenzen der sich ändernden eingeprägten und nicht steuer­ baren Variablen während Pressenübergangszuständen zu bewir­ ken. Kann jedoch der überwachte Fehler keiner gemessenen Än­ derung bei einer eingeprägten oder nicht steuerbaren Variab­ len zugeordnet werden, so wird der Schritt des Änderns oder Aktualisierens des Prozeßmodells 86 durch ein Ändern der Ge­ wichte des Prozeßoptimierungsmodells 52 ausgeführt. Die Optimierungssteuereinheit 42 des neuronalen Netzes paßt sich wiederum an das neuronale Prozeßoptimierungsmodellnetz 52 an. Die Druckerpresse-Prozeßsteuereinheit 32 stellt fest, ob die Ungleichheit bei einem vorausgesagten Farbattribut 64, das in Übereinstimmung mit dem Optimierungsmodell 52 erzeugt wurde, und dem gewünschten Farbattribut des Originals 70 ei­ ner bekannten gemessenen Ursache wie einer Änderung der Zo­ nenschraubeneinstellungen 46 zugeordnet ist. Ist die Un­ gleichheit zwischen den Attributen der gewünschten Farbe und der vorausgesagten Farbe 64 keiner bekannten gemessenen Ur­ sache zugeordnet, so wird das Modell entsprechend geändert oder abgeändert, um die Ungleichheit in den Farbattributen zu beseitigen. Damit ist die Beziehung zwischen dem Prozeß­ optimierungsmodell 52 und der Optimierungssteuereinheit 42 die von Master und Slave. Das als Master arbeitende Prozeß­ optimierungsmodell 52 überwacht kontinuierlich den Steuer­ prozeß, und es aktiviert das Prozeßmodell, soweit dies er­ forderlich ist. Das Prozeßoptimierungsmodell 52 wiederum weist die Optimierungssteuereinheit 42 für eine Anpassung an den aktualisierten Prozeß an. Die Optimierungssteuereinheit 42 wirkt als eine Hilfseinrichtung, die der Steuerung des Prozeßoptimierungsmodells 52 unterliegt.

Die Optimierungssteuereinheit 42, das Prozeßoptimierungs­ modell 52 und der globale Mapper 80 sowie die Vergleichs­ schritte der gewünschten, tatsächlichen und vorausgesagten Farbattribute werden vorzugsweise in einem Digitalrechner verwendet, so wie bei einem Sun-Arbeitsplatz oder einem IBM- PC auf der Basis eines Microprozessors vom Typ Intel 80486. Es können jedoch auch ein äquivalenter Digitalrechner oder eine Zentralverarbeitung mit zugeordnetem Speicher bei der Druckerpresse-Prozeßsteuereinheit verwendet werden. Es ist festzustellen, daß getrennte Komponenten alternativ für die Implementation der künstlichen neuronalen Netze verwendet werden können, ohne daß dadurch der Bereich der vorliegenden Erfindung verlassen wird.

Die Entwicklung einer wirklichen rückgekoppelten Echtzeit- Steuereinheit 42 erfordert es, daß die Dynamik des gesteuer­ ten Prozesses explizit in den kombinierten rückwirkenden und nach vorne wirkenden Elementen des On-Line-Druckprozeßsteue­ rungssystems 32 berücksichtigt werden. Die zeitabhängigen Parameter, die für die Optimierungssteuereinheit 42 bemessen wurden, stellen sicher, daß das Prozeßsteuerungssystem 32 hinreichend empfindlich ist, um einen entsprechenden Wir­ kungsgrad zu erzielen, jedoch nicht so empfindlich ist, daß dies zu einer Instabilität des Prozesses führt. Die meisten grundlegenden Implementationen einer Optimierungssteuerung bestehen darin, daß eine Farbvoreinstellung vorgesehen wird. Die bei dem Voreinstellungsmerkmal bei der Presse 10, Fig. 1, verwendeten Algorithmen werden empirisch in einer einge­ prägten Umgebung bestimmt.

Es wird angenommen, daß ein Satz von Prozeßmaterialien und Betriebszuständen repräsentativ für alle Prozeßmaterialien und Betriebszustände ist, die bei einer gegebenen Presse auftreten. Zum Beispiel ist ein Warmstart bei einer Zei­ tungspresse ein zufriedenstellender Betriebsmodus. Dies trifft auf einen Kaltstart bei einer Thermofixierpresse nicht zu. Der Grund dafür besteht darin, daß bei einem Kalt­ start bei einer Thermofixierpresse die unterschiedlichen Faktoren, die das Ergebnis des Druckprozesses bestimmen, insbesondere die Farbe auf der Seite, stärker variieren, so daß dem nicht mehr durch eine Anpassung durch einen einzigen Satz von Werten bei einem voreingestellten Algorithmus Rech­ nung getragen werden kann.

Eine adaptive Optimierungssteuerung erweitert die Idee einer Farbvoreinstellung durch Verwendung eines gültigen Algorith­ mus zum Übertragen der gewünschten Ergebnisse von dem Druck­ prozeß (die im Fall einer herkömmlichen Voreinstellung die optischen Farbfilmdichten sind) auf Einstellungssignale für elektromechanische Vorrichtungen unter einer Reihe von Um­ ständen. Dasselbe erfolgt unter mehreren Reihen von Umstän­ den. Eine adaptive On-Line-Optimierungssteuerung ermittelt den augenblicklichen Betriebszustand einer Presse 10, Fig. 1, um festzustellen, ob der Algorithmus, der das gewünschte Ergebnis für die elektromechanische Einstellung betrifft, immer noch gültig ist oder nicht, und sie aktualisiert den Algorithmus, falls er momentan nicht gültig ist, und sie setzt die Presse zurück, falls der Algorithmus geändert wurde.

Der Gedanke des Beibehaltens von Laufende-Zonenschrauben­ einstellungen und das Vergleichen dieser Einstellungen mit den voreingestellten Werten zum Zwecke des schrittweisen Erhöhens dieser Voreinstellungen, die wiederholt von den Operatoreinstellungen abweichen, wurde in verschiedenen Fällen berücksichtigt. Das Druckerpresse-Prozeßsteuerungs­ system 32 der vorliegenden Erfindung vergleicht die ge­ wünschten Druckattribute mit den tatsächlichen Druckattri­ buten, anstatt eines Vergleichs vor und nach Einstellungen von Vorrichtungen, und das Abändern des Optimierungsalgo­ rithmus erfolgt on-line während des Pressenlaufs anstatt off-line nach dem Lauf. Die Verwendung von Farben und Be­ feuchtungskurven zum Verfolgen von Farb- und Wasserzufuhr­ raten bei der Drehzahl der Presse ist ebenfalls eine grund­ legende Form einer adaptiven Steuerung. Die vorhergehenden Beispiele veranschaulichen eine Eins-zu-Eins-Abbildung zwi­ schen einem steuerbaren Parameter und einer steuerbaren Aus­ gangsgröße. Die Optimierungssteuereinheit 42 nach Fig. 5 muß auf möglichst viele der Variablen zugreifen können, die das Ergebnis des Prozesses beeinflussen. Damit basiert die Erfindung auf einer Mehrere-zu-Eins-Abbildung zwischen den Farbattributen des gedruckten Produktes und den steuerbaren, nicht steuerbaren und eingeprägten Variablen, die den Druck­ prozeß lenken. Die steuerbaren, eingeprägten und nicht steu­ erbaren Prozeßvariablen beeinflussen die Farbqualität der gedruckten Produkte beim lithographischen Offset-Druck. Die steuerbaren Prozeßvariablen enthalten die Farbzufuhrrate und die Befeuchtungszufuhrrate. Die eingeprägten Prozeßvariab­ len enthalten die Drehzahl der Presse und die Leitfähigkeit sowie den pH-Wert der Befeuchtungslösung. Die nicht steuer­ baren Variablen enthalten die Temperatur der Presse, die Um­ gebungsfeuchtigkeit, die Papierfarbe und die Papiertextur.

Das Druckerpresse-Prozeßsteuerungssystem 32, Fig. 5, lie­ fert die Intelligenz der Presse 10 nach Fig. 1, die für eine On-Line-Adaptation der Optimierungsalgorithmen erfor­ derlich ist. Die neuronale Netztechnologie sorgt für das Ab­ bilden oder Zuordnen der steuerbaren und eingeprägten, in einem Druckprozeß möglichen Einstellungen bezüglich der Attribute, die die Qualität des Drucks bestimmen. Die Farbe auf einer Flächeneinheit des gedruckten Endproduktes 30, Fig. 1, ändert sich aufgrund der Art und Weise, in der der Druckprozeß erfolgt, wobei nur drei Parameter erforderlich sind, um eine Übereinstimmung oder deren Fehlen festzustel­ len. Es gibt eine Anzahl von Bezugsrahmen, innerhalb derer diese drei Parameter spezifiziert sind, wobei einige genormt sind, wie die CIELAB-Farbräume, und einige nicht genormt sind, wie die Rot/Grün/Blau-Werte, die durch Farbvideo er­ zeugt werden. Es gibt viele steuerbare, von dem Bezugsrahmen unabhängige Variable, die zur Quantifizierung des Ausgangs des Prozesses verwendet werden. Diese steuerbaren Variablen enthalten die Zonenschraubeneinstellungen, die Drehzahl von Tauchfarbwalzen und die Drehzahl von Befeuchtungswalzen. Eingeprägte Variable wie die Drehzahl der Presse, die Leit­ fähigkeit der Feuchtwasserlösung und die Temperatur der Feuchtwasserlösung und einige nicht steuerbare Variable wie die Temperatur der Presse und die relative Feuchtigkeit be­ einflussen das Prozeßergebnis. Die neuronale Netztechnologie gestattet es, daß das Prozeßsteuerungssystem 32, Fig. 5, die Beziehung zwischen diesen Variablen und den Attributen des gedruckten Produktes erlernt und dadurch die Optimie­ rungssteuereinrichtung 42, Fig. 4, durch ein Abändern der Gewichtungsfunktionen, die sie verwendet, anpaßt, um die Abbildung zwischen den Druckattributen und den elektromecha­ nischen Einstellungen zu bewirken. Der Lernprozeß wird da­ durch gesteuert, daß die drei Farbattribute in spezifizier­ ten Bereichen auf der bedruckten Bahn 28, Fig. 1, erfaßt werden, wobei diese Werte mit den gewünschten Werten ver­ glichen werden und die Fehler zwischen den beiden verwendet werden, um der Optimierungssteuereinheit 42 die neuen Be­ ziehungen beizubringen.

Zu weiteren Einzelheiten der Lern- und Lehr-Fähigkeiten der neuronalen Netztechnologie kann verwiesen werden auf Lan, M.S., November 1990, "Learning Tracking Controllers For Unknown Dynamical Systems Using Neural Networks", Pro­ ceedings on the 1990 IEEE International Conference on systems, Man und Cybernetics, Seiten 29-31; Lan, M.S., Bain, L.J. und Lin, P., "Modeling and Control of Lithographic Of fset Color Printing Process Using Artificial Neural Net­ works, American Society of Mechanical Engineers, Neuauflage von PED - Band 57, Neural Networks in Manufacturing and Ro­ botics, Book No. G00706, 1992; Widrow, B. und Lehr, M.A., "30 Years of Adaptive Neural Networks: Perception, Madaline and Backpropagation", Proceedings of the IEEE, Band 78, Nr. 9, September 1990, Seiten 1415-1442; und Guha, A., Haggerty, A. und Jelinek, J., "Neural Networks as a Control Technolo­ gy", Scientific Honeyweller, Winter 1989.

Die Möglichkeit der Verwendung einer adaptiven Druckprozeß- Optimierungssteuereinheit 32 nach Fig. 4 auf der Basis ei­ ner neuronalen Netztechnologie für eine On-Line-Pressen­ steuerung ist nicht abhängig von irgendeinem besonderen Satz von Farbattributen oder irgendeiner besonderen Sensortechno­ logie oder von einer besonderen Gruppe von Presseneinstel­ lungen. Die zur Schaffung dieser Möglichkeit herangezogenen Experimente basieren auf der Verwendung des (L*, a*, b*)- Tripletts zum Definieren des Prozeßeingangs und -ausgangs und auf der Auswahl von Zonenschraubeneinstellungen 46, der Drehzahl der Befeuchtungswalze, der Temperatur der Presse sowie der Prozeßvariablen. Die Farbraumkoordinaten werden ausgewählt, da sie einen genormten Rahmen oder eine Bezugs­ größe repräsentieren, die von der Vorrichtung unabhängig sind. Überdies führen bestimmte Kombinationen von Prozeß­ variablen, die identische Ergebnisse beim (L*, a*, b*)-Raum ergeben, zu unterschiedlichen Ergebnissen bezüglich des Cyan/Magenta/Gelb-Raums. Die Kenntnis darüber, ob dies zu­ trifft oder nicht, ist entscheidend bei der Bestimmung, wie eine Presse optimal gesteuert wird.

Steuerbare, eingeprägte und nicht steuerbare Prozeßvariable als eine Gruppe bestehen aus jenen, von denen angenommen wird, daß sie sich während eines Pressenlaufs oder eines Auftrags ändern. In vielen Fällen gibt es Aspekte des Pro­ zesses, die sich nicht während einem einzelnen Lauf oder Auftrags ändern, die sich jedoch von einem Lauf zum andern oder von einem Auftrag zum andern ändern. Zum Beispiel ist ein Auftrag bei einer Presse das Thermofixieren, während ein anderer Auftrag bei der Presse jedoch ein nicht auf Wärme basierendes Fixieren ist. Ein Lauf bedeutet Prozeßfarbe auf beiden Seiten und ein anderer Lauf bedeutet Prozeßfarbe auf einer Seite mit schwarz und einer Punktfarbe auf der anderen Seite. Diese Variationen des Prozesses werden als globale Variationen bezeichnet. Die drei Typen von Variationen, von denen angenommen wird, daß sie während eines Laufs oder ei­ nes Auftrags auftreten, werden lokale Variationen genannt. Die bevorzugte Steuerstrategie wird in eine globale Kompo­ nente und eine lokale Komponente aufgeteilt.

Der Prozeß der Inbetriebnahme der Presse 10, Fig. 1, ent­ hält die Ausführung einer Reihe von Testläufen mit den Pro­ zeßmaterialien und bei den Betriebszuständen, von denen an­ genommen wird, daß sie die Produktionsroutine der Presse ausmachen. Die Testläufe sorgen für die Grundvorbereitung der Steuereinheit 42 nach Fig. 4 bezüglich der globalen Parameter, die variiert werden, und der wesentlichen Bezie­ hungen zwischen den lokalen Variablen innerhalb eines jeden globalen Satzes. Die globalen Variablen sind zwei Arten zu­ zuordnen, wobei die einen den Zustand der Presse 10, Fig. 1, bestimmen, während die anderen die Prozeßmaterialien identifizieren.

Der Zustand der Presse 10 gemäß Fig. 1 wird durch die in­ stallierten Walzen 12 und 14 und Drucktücher bestimmt, da­ durch, wie diese auf ihre jeweiligen Zylinder und Trommeln gesetzt werden, Eisen-zu-Eisen-Einstellungen, Trägerbela­ stungen, Nullpunkte der Farbzonenschrauben und weitere Ein­ stellungen, die bei Aufrechterhaltungshandlungen vorgenommen werden, jedoch nicht als Betriebseinstellung erfolgen. Das Steuerungssystem 32 muß wissen, ob die Presse einen normalen Betriebszustand einnimmt oder in einem anderen als diesem normalen Zustand betrieben wird. Diese ist logischerweise eine Fehlerentscheidung, wobei das Steuerungssystem 32 gemäß Fig. 5 davon ausgeht, daß die Presse 10 gemäß Fig. 5 ihren normalen Betriebszustand einnimmt, bis ihr etwas anderes mitgeteilt wird.

Die Prozeßmaterialien sind Papier 28, Druckfarbe 15 und Feuchtwasserlösung 17. Das Papier 28 kann alternativ be­ schichtet oder unbeschichtet sein. Die Druckfarbe wird alternativ thermofixiert oder nicht auf Wärmebasis beruhend fixiert. Die Druckfarbe kann auch eine unübliche Farbe sein. Die Feuchtwasserlösung ist alternativ sauer, alkalisch oder neutral, und sie kann eine Alkoholsubstitution sein. Die Änderungen der Prozeßmaterialien treten in Gruppen auf, so daß die Kombinationen von Papier 28, Druckfarbe 15 und die Feuchtwasserlösung 17 begrenzt sind. Das Steuerungssystem 32 kennt die Kombinationen von Prozeßmaterialien bei der Presse 10.

Wird die Druckerpresse-Prozeßsteuereinheit 32 über den Zu­ stand der Presse und den Satz von Prozeßmaterialien infor­ miert, so führt sie eine globale Abbildungsuntersuchung durch, um den Steuerraum zu identifizieren, in dem sie wäh­ rend des Laufs oder des gegebenen Auftrags arbeitet. Ist der Steuerraum einmal ausgewählt, so erwartet die Druckerpresse- Prozeßsteuereinheit 32 den Empfang von Informationen, die die Bedeckung des gedruckten Bereichs für jede Steuerzone spezifizieren. Mit diesen Informationen ruft die Prozeßsteu­ ereinheit 32 den voreingestellten Algorithmus auf, der mo­ mentan in dem ausgewählten Steuerraum aktiv ist, und sie verlangt nach Ablesungen der eingeprägten und nicht steuer­ baren Variablen. Das On-Line-Steuerungssystem 32 liefert Be­ fehle zur Voreinstellung der steuerbaren Variablen, und es schaltet von dem voreingestellten Modus auf den Laufmodus.

Wird die Presse 10 gestartet, so arbeitet die On-Line-Farb­ steuereinheit 33 nach Fig. 4 mit dem ausgewählten Steuer­ raum, und sie verändert die parametrischen Gewichtungsfunk­ tionen, die diesen Raum beschreiben, um einen minimalen Feh­ ler zwischen dem gewünschten Farbergebnis und dem tatsäch­ lichen Farbergebnis zu erzielen. Über diesen Prozeß paßt die Druckerpresse-Steuereinheit 32 gemäß Fig. 5 die Form des lokalen Steuerraums so an, wie dies durch die neu erfaßten Informationen vorgegeben wird. Die spezifische Art und Wei­ se, in der sie dies durchführt, wird von der lokalen Strate­ gie gesteuert.

Die Druckerpresse-Prozeßsteuereinheit 32 wird dazu program­ miert, die Werte von ausgewählten eingeprägten und nicht steuerbaren Variablen abzutasten und die Attribute des ge­ druckten Produktes abzutasten. Die eingeprägten Variablen, die Drehzahl der Presse und die Eigenschaften der Feuchtmit­ tellösung sind solche, die einen quasi statischen Einfluß auf das Druckergebnis besitzen. Beispielsweise mit einer Auftragswalze, die der Drehzahl der Presse folgt, ist es nicht erforderlich, daß Ableitungen oder eine Änderung der Drehzahl erfolgen. Es ist lediglich erforderlich, daß dann, wenn die gewählte Geschwindigkeit erreicht ist, die Auf­ tragswalze die richtige Drehzahl annimmt. Die Temperatur, die primäre, nicht steuerbare Variable, verlangt nach einer Berechnung der Änderungsrate. Die Wärmeträgheit in der Presse 10 und der Druckfarbe 15 verlangt, daß Einstellungen, die nur auf der Basis der momentanen Temperatur erfolgen, stets hinter der Kurve zurückbleiben, bis die Temperatur einen Gleichgewichtszustand erreicht hat. Druckfarbeneinstellun­ gen, die aufgrund von Temperaturänderungen vorgenommen wur­ den, führen eher zu einem Voreilen als zu einem Nacheilen bezüglich der Temperaturkurve.

Eine On-Line-Messung der Farbattribute des gedruckten Pro­ duktes ist von dem besonderen Farbraum abhängig, der als Steuerraum ausgewählt wurde. Der verwendete Farbsensor 63 gemäß Fig. 5 muß in der Lage sein, von dem Bild reflektier­ tes Licht in einer Weise zu erfassen und zu verarbeiten, die hinreichend genau und bezüglich der Abmessungen mit dem aus­ gewählten Farbraum konsistent ist. Zum Beispiel ist das Er­ fassen des Bildes mit einem Spektrophotometer konsistent mit der Auswahl eines Steuerraumes auf der Basis der optischen Dichte, wobei jedoch die Verwendung eines Densitometers nicht konsistent ist mit der Auswahl von (L*, a*, b*)-Ab­ messungen für den Steuerraum. Die Attribute der gedruckten Farbe sind auch statistisch über mehrere Kopien verteilt, so daß die Messung dieser Attribute für die Zwecke einer Pro­ zeßsteuerung nur innerhalb eines statistischen Bezugsrahmens genau ist. Mehrfachkopien werden abgetastet, um festzustel­ len, welches die wirklichen Werte der Attribute sind. Ein Vergleich dieser wahren Werte mit den gewünschten Werten er­ gibt Fehlerwerte, die bei dem Prozeßsteuerungssystem 32 dazu verwendet werden, festzustellen, welche Handlung zu erfolgen hat.

Änderungen in irgendeiner der eingeprägten oder nicht steu­ erbaren Variablen leitet einen Übergang von einem Zustand in der Presse zu einem anderen ein. Die Farbattribute auf dem gedruckten Produkt ändern sich nicht phasengenau mit der sich ändernden Pressenvariablen, so daß der Fehler zwischen den tatsächlichen und gewünschten Werten Null ist, obwohl der Übergang von einem Zustand zum anderen begonnen hat. Die Druckerpresse-Prozeßsteuereinheit oder das Prozeßsteuerungs­ system 32 enthält die Zeitfunktion, die zum Einleiten ent­ sprechender Änderungen bei den steuerbaren variablen in die­ sem Fall erforderlich sind, so daß der Übergangszustand in der Presse 10 minimalen Einfluß auf das gedruckte Produkt 30 hat. Es erfolgt keine Anpassung der Druckerpresse-Prozeß­ steuereinheit 32, da der Anpassungsprozeß durch eine Rück­ übertragung von Fehlern zwischen den gewünschten und den tatsächlichen Attributen erfolgt, die in diesem Fall Null sind.

Änderungen der Farbattribute auf dem gedruckten Produkt tre­ ten selbst dann auf, wenn keine Änderungsanzeigen bei den eingeprägten und nicht steuerbaren Variablen vorliegen. Die­ se sind das Ergebnis von Einflüssen, die bezüglich des ge­ messenen Satzes extern sind. Ist zum Beispiel die Farbe des Papiers 28, Fig. 1, keine der gemessenen Variablen, so kann eine Verbindungsstelle in einer neuen Walze das Ergebnis des Prozesses ändern; und der einzige Hinweis darauf, der der Steuereinheit geliefert wird, ist eine Änderung der gemesse­ nen Farbattribute. Ein Fehlersignal wird erzeugt, wenn die gewünschten und tatsächlichen Attribute verglichen werden, und die Gewichtungsfunktionen 55 gemäß Fig. 4 in der Opti­ mierungssteuereinheit 42 des neuronalen Netzes werden abge­ ändert, so daß das Steuerungssystem 32 an das neue Papier angepaßt ist. Steuermaßnahmen werden eingeleitet, um die tatsächlichen Farbattribute wieder in Übereinstimmung mit den gewünschten Werten zu bringen. Die neuen Gewichtungs­ funktionen bleiben in Kraft, bis ein weiteres Fehlersignal empfangen wird, das keiner gemessenen Änderung einer einge­ prägten oder nicht steuerbaren Variablen zugeordnet werden kann. Wird die Presse 10 gemäß Fig. 1 für das Einsetzen ei­ ner neuen Platte abgeschaltet, nachdem die neue Papierrolle 28 angetroffen und auf diese eingewirkt wurde, so wird nach einer neuen Farbvoreinstellung verlangt. Die rückgekoppelten Steuersysteme des Standes der Technik haben in dieser Hin­ sicht nichts aufzuweisen, woraus folgt, daß für die Druck­ farbe eine Voreinstellung erfolgen würde, als ob das Papier stets dasselbe wäre.

Würde die Presse 10 nach Fig. 1 neu gestaltet, so wären die Farbattribute auf der gedruckten Kopie fehlerhaft, und die Druckerpresse-Prozeßsteuereinheit 32 nach Fig. 5 würde den gleichen Satz von Handlungen durchlaufen, die sie soeben vor dem Einsetzen einer neuen Platte beendet hat, um das Drucken anzugleichen. Das adaptive Optimierungssteuerungssystem oder die Prozeßsteuereinheit 32 gemäß der Erfindung nimmt eine neue Farbvoreinstellung mit den Gewichtungsfunktionen vor, die an das neue Papier angepaßt sind. Die Farbattribute sind nicht fehlerhaft, und es sind keine Laufeinstellungen auf den Neustart der Presse 10 hin erforderlich.

Zeigen die Messungen der eingeprägten oder der nicht steuer­ baren Variablen an, daß eine oder mehrere der Variablen sich in einem solchen Ausmaß ändern, daß der Zustand der Presse 10 gemäß Fig. 1 geändert wird, und liegt eine gleichzeitige Fehleranzeige von einem Farbattributkomparator vor, so stellt die Druckerpresse-Prozeßsteuereinheit 32 fest, ob die Änderung des Zustands der Presse und die Fehleranzeige in einer Ursache-Wirkung-Beziehung stehen. Besteht keine Bezie­ hung zwischen ihnen, so werden geeignete Steuermaßnahmen ge­ troffen. In bestimmten Fällen ist es rechnerisch ineffizi­ ent, jedes eingehende Signal bei jedem Abtastintervall abzu­ rufen. Einige Variable, wie zum Beispiel die chemische Zu­ sammensetzung der Feuchtwasserlösung, ändern sich nicht schnell genug, um kurze Abfrageintervalle zu rechtfertigen. Bei der Druckerpresse-Prozeßsteuereinheit 32 werden Farb­ attribut-Fehleranzeigen verwendet, um das Abfragen von Vari­ ablen einzuleiten und festzustellen, ob eine Aktualisierung ihrer Werte zu einer Entscheidung führen würde, eine Steue­ rungshandlung vorzunehmen, jedoch auf ein Aktualisieren der Gewichtungswerte zu verzichten. Werden keine solchen Ur­ sache-Wirkung-Beziehungen identifiziert, so führt dies zu einem Einwirken auf die entsprechenden steuerbaren Variablen und zu einer Anpassung des Steuerraumes an den neuen Satz von Zuständen.

Die statistische Natur der Farbattribute des Druckens ver­ langt, daß die Messung dieser Farbattribute entsprechend behandelt wird. Eine wesentliche Dimension der lokalen Stra­ tegiekomponente der Prozeßsteuereinheit 32 ist das Aufrufen von statistischen Prozeßsteuerungskonzepten, da sie auf kon­ tinuierliche Prozesse anwendbar sind.

Das Ergebnis des Druckprozesses wird selektiv durch eine Normalverteilung von meßbaren Elementen beschrieben. Die meßbaren Elemente sind die Vektoren in dem ausgewählten Farbraum. Ist der Prozeß invariant, so ist eine statistisch signifikante Anzahl von gedruckten Kopien (was zumindest fünf bedeutet) ausreichend, um den Satz zu quantifizieren, zu dem jede Kopie gehört. Es wird eine Wahrscheinlichkeit berechnet, mit der irgendeine einzelne Kopie oder eine ein­ zelne Gruppe von Kopien dem Satz angehört. Bei diskreten Prozessen ist dies ausreichend zur Errichtung eines stati­ stischen Prozeßsteuerungsschemas. Bei einem kontinuierlichen Prozeß ist dies jedoch nicht ausreichend. Es ist ein Voraus­ sageelement erforderlich, da Produkte kontinuierlich erzeugt werden, während die Bewertung der Qualität erfolgt. Die Druckerpresse-Prozeßsteuereinheit 32 bestimmt nicht nur die Wahrscheinlichkeit dafür, daß eine Produktprobe innerhalb oder außerhalb des Satzes angeglichener Produkte liegt, son­ dern sie bestimmt auch die Wahrscheinlichkeit dafür, daß ei­ ne Produktprobe zu einem bestimmten, in der Zukunft liegen­ den Zeitpunkt hergestellt wird. Direkte Steueraktionen oder eine Anpassung der Gewichtungsfunktionen in der Druckerpres­ se-Prozeßsteuereinheit werden nur ausgeführt, wenn eine ge­ nügend hohe Wahrscheinlichkeit dafür besteht, daß nicht an­ gepaßte Produkte gedruckt werden, falls keine Aktion erfolgt und/oder die Gewichtungsfunktionen nicht aktualisiert wer­ den. Daher ändert die Druckerpresse-Prozeßsteuereinheit 32 den Druckprozeß nur als Antwort darauf, daß die Wahrschein­ lichkeit dafür, daß eine Kopie in einem Bereich von Spezi­ fikationen für angepaßte Produkte liegt, unter einem vorge­ wählten minimalen Niveau liegt. Es versteht sich, daß die Zahlenwerte, die festlegen, was ausreichend hoch ist, von der besonderen auszuführenden Anwendung abhängig sind. Die Statistik des Prozesses ist jedoch hinreichend bekannt, um diese Bestimmung zu einer einfachen Aufgabe zu machen.

Die Erfindung ist nicht auf die beschriebene bevorzugte Ausführungsform beschränkt.

Claims (22)

1. Prozeßsteuerungssystem mit:
einem Modell des zu steuernden Prozesses;
Mitteln zum Bestimmen unterschiedlicher Typen von Fehlerursachen in dem Prozeß; und
Mitteln zum Abändern des Modells des Prozesses, um einen der Fehler nur dann zu korrigieren, wenn die bestimmte Ursache für den einen der Fehler nicht wenigstens einem vorgewählten Typ der unterschiedlichen Typen von Ursachen zugeordnet werden kann.

2. Prozeßsteuerungssystem nach Anspruch 1 mit Mitteln zum Abändern des Modells als Antwort auf eine gemessene Änderung bei zumindest einem der folgenden Parameter: (a) einer eingeprägten Variablen und (b) einer nicht steuerbaren Variablen.

3. Prozeßsteuerungssystem nach Anspruch 2 mit einer Optimierungssteuereinheit, die auf das Modell anspricht, um entsprechende Änderungen in dem Prozeß zu erzeugen.

4. Prozeßsteuerungssystem nach Anspruch 3, bei dem die Optimierungssteuereinheit
ein künstliches neuronales Netz mit einem weiteren Modell entsprechend dem Modell des Prozesses, und
auf das künstliche neuronale Netz ansprechende Mittel zur Steuerung des Prozesses
enthält.

5. Prozeßsteuerungssystem nach Anspruch 1 mit Mitteln zum Definieren eines Steuerraumparameters des Modells des zu steuernden Prozesses.

6. Prozeßsteuerungssystem nach irgendeinem der vorhergehenden Ansprüche mit Mitteln zum Vergleichen einer vorausgesagten Ausgangsgröße für eine Änderung in Abhän­ gigkeit von dem Prozeß mit der aktuellen Änderung bei der Ausgangsgröße.

7. Prozeßsteuerungssystem nach Anspruch 1, bei dem die Bestimmungsmittel Mittel zum Erfassen des Fehlers bei dem Prozeßsteuerungssystem durch Messen einer Abweichung zwi­ schen einer tatsächlichen Ausgangsgröße des Prozesses und einer gewünschten Ausgangsgröße des Prozesses enthalten, um festzustellen, ob ein Fehler vorliegt.

8. Prozeßsteuerungssystem nach Anspruch 1 mit
einer Optimierungssteuereinheit und
Mitteln zur Anpassung der Optimierungssteuereinheit für einen Angleich an das abgeänderte Modell.

9. Prozeßsteuerungssystem nach Anspruch 1, bei dem die Änderungsmittel Mittel enthalten, um das Modell zu aktuali­ sieren, während der Prozeß on-line ist.

10. Prozeßsteuerungssystem mit:
Mitteln zum Erfassen von Änderungen in einigen Typen von Zuständen, die die genaue Betriebsweise eines Prozesses beeinflussen;
einem Prozeßmodell zum Errichten von Steuerparametern zum Betreiben des Prozesses;
Mitteln zum Erfassen einer Ungleichheit bei Attributen zwischen tatsächlich durch den Prozeß erzeugten Produkten und vorgewählten gewünschten Attributen; und
Mitteln, um das Prozeßmodell als Antwort auf die Un­ gleichheit nur dann zu ändern, wenn die Ungleichheit keiner der erfaßten Zustandsänderungen zugeordnet werden kann.

11. Prozeßsteuerungssystem nach Anspruch 10, bei dem das Modell in einem künstlichen neuronalen Netz enthalten ist, das einen Ausgang für jedes der Attribute und einen Eingang für jeden der erfaßten Zustandstypen enthält.

12. Prozeßsteuerungssystem nach Anspruch 10 mit Mitteln, die auf Änderungen bei dem Prozeßmodell ansprechen, um Änderungen in dem Prozeß während eines On-Line-Betriebs des Prozesses zu bewirken.

13. Prozeßsteuerungssystem nach Anspruch 12, bei dem die die Änderung bewirkenden Mittel folgendes enthalten:
eine Steuereinheit eines künstlichen neuronalen Netzes und
Mittel zum Einsetzen eines Steuermodells in das neuronale Netz, das dem Prozeßmodell entspricht.

14. Prozeßsteuerungssystem nach Anspruch 10 in Verbindung mit einer Druckerpresse zum Steuern der Drucker­ presse während eines On-Line-Betriebs der Presse.

15. Prozeßsteuerungssystem nach Anspruch 14, bei dem das Prozeßmodell selektiv nicht als Antwort auf einen Fehler geändert wird, der durch steuerbare Variable einschließlich wenigstens eines der Parameter Farbzufuhrrate und Befeuch­ tungslösungs-Zufuhrrate geändert wird.

16. Prozeßsteuerungssystem nach Anspruch 14, bei dem das Modell als Antwort auf Ungleichheiten abgeändert wird, die verursacht wurden durch wenigstens einen der folgenden Paramter: (a) Leitfähigkeit der Befeuchtungslösung, (b) pH- Wert der Befeuchtungslösung, (c) Pressentemperatur, (d) Um­ gebungsfeuchtigkeit, (e) Papierfarbe und (f) Papiertextur.

17. Prozeßsteuerungssystem nach Anspruch 14, bei dem das Prozeßmodell ein künstliches neuronales Netz mit einem Prozeßoptimierungsmodell der Druckerpresse enthält.

18. Verfahren zur Steuerung eines Prozesses, das die folgenden Schritte enthält:
Bereitstellen eines Modells des Prozesses; Bestimmen unterschiedlicher Typen von Ursachen für einen Fehler in dem Prozeß; und
Abändern des Modells des Prozesses, um den Fehler nur dann zu korrigieren, wenn die bestimmte Ursache für den Fehler nicht wenigstens einem vorgewählten Typ von Ursachen­ typen zugeordnet werden kann.

19. Verfahren nach Anspruch 18 mit dem Schritt des Abänderns des Modells als Antwort auf eine gemessene Ände­ rung bei zumindest einem der folgenden Parameter: (a) einer eingeprägten Variablen und (b) einer nicht steuerbaren Vari­ ablen.

20. Verfahren nach Anspruch 18, bei dem der Bestim­ mungsschritt den Schritt des Erfassens des Fehlers in dem Prozeßsteuerungssystem durch Messen einer Abweichung zwi­ schen einer tatsächlichen Ausgangsgröße des Prozesses und einer gewünschten Ausgangsgröße des Prozesses enthält.

21. Verfahren nach Anspruch 18, bei dem das Prozeßmo­ dell in einer Steuereinheit eines künstlichen neuronalen Netzes verwirklicht ist und
das Modell des Prozesses dadurch geändert wird, daß die Gewichtung des neuronalen Netzes in Übereinstimmung mit einem Lernalgorhythmus des neuronalen Netzes geändert wird.

22. Verfahren nach Anspruch 20, bei dem die eine Un­ gleichheit erfassenden Mittel Mittel zum Vergleichen voraus­ gesagter Änderungen bei der sich aus gemessenen Zustandsän­ derungen ergebenden Ausgangsgröße mit den tatsächlichen Än­ derungen in dem Ausgangsprodukt enthalten.