DE4439986A1 - Adaptives Prozeßsteuerungssystem und Verfahren - Google Patents
Adaptives Prozeßsteuerungssystem und VerfahrenInfo
- Publication number
- DE4439986A1 DE4439986A1 DE19944439986 DE4439986A DE4439986A1 DE 4439986 A1 DE4439986 A1 DE 4439986A1 DE 19944439986 DE19944439986 DE 19944439986 DE 4439986 A DE4439986 A DE 4439986A DE 4439986 A1 DE4439986 A1 DE 4439986A1
- Authority
- DE
- Germany
- Prior art keywords
- model
- control system
- press
- neural network
- control unit
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41F—PRINTING MACHINES OR PRESSES
- B41F33/00—Indicating, counting, warning, control or safety devices
- B41F33/0009—Central control units
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Inking, Control Or Cleaning Of Printing Machines (AREA)
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), wÿ 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.
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.
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.
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.
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.
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.
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.
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.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15305793A | 1993-11-09 | 1993-11-09 |
Publications (1)
Publication Number | Publication Date |
---|---|
DE4439986A1 true DE4439986A1 (de) | 1995-06-01 |
Family
ID=22545607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE19944439986 Withdrawn DE4439986A1 (de) | 1993-11-09 | 1994-11-09 | Adaptives Prozeßsteuerungssystem und Verfahren |
Country Status (2)
Country | Link |
---|---|
DE (1) | DE4439986A1 (de) |
GB (1) | GB2283834A (de) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19527521C1 (de) * | 1995-07-27 | 1996-12-19 | Siemens Ag | Lernverfahren für ein neuronales Netz |
WO1997002952A3 (de) * | 1995-07-11 | 1997-05-09 | Koenig & Bauer Albert Ag | Verfahren zur regelung einer bahnspannung |
DE19731980A1 (de) * | 1997-07-24 | 1999-01-28 | Siemens Ag | Verfahren zur Steuerung und Voreinstellung eines Walzgerüstes oder einer Walzstraße zum Walzen eines Walzbandes |
WO2001057605A1 (en) * | 2000-02-03 | 2001-08-09 | Pronetix Ltd. | Method for finding optimal set-points for machines and processes |
EP1226942A1 (de) * | 2001-01-24 | 2002-07-31 | Heidelberger Druckmaschinen Aktiengesellschaft | Verfahren zur Einstellung drucktechnischer und anderer jobabhängiger Parameter einer Druckmaschine |
DE19530049B4 (de) * | 1995-08-16 | 2004-12-23 | Thomas Froese | Verfahren zur Erkennung von fehlerhaften Vorhersagen in einer neuromodellgestützten oder neuronalen Regelung |
EP2273326A1 (de) * | 2009-07-09 | 2011-01-12 | WIFAG Maschinenfabrik AG | Regler für eine Druckmaschine |
US8045213B2 (en) | 2006-03-31 | 2011-10-25 | Heidelberger Druckmaschinen Ag | Automated production control method |
DE102020111192A1 (de) | 2020-04-24 | 2021-10-28 | Koenig & Bauer Ag | Verfahren zur automatischen Einstellung einer über ein Netzwerk mit einem Speicher verbundenen Druckmaschine und Druckmaschine insbesondere zur Durchführung eines Verfahrens |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6477954B1 (en) * | 2000-06-28 | 2002-11-12 | Heidelberger Druckmaschinen Ag | Ink key presetting system for offset printing machines |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5847042B2 (ja) * | 1977-03-08 | 1983-10-20 | 株式会社日立製作所 | 異常検知方法 |
JPS5413883A (en) * | 1977-07-04 | 1979-02-01 | Hitachi Ltd | Abnormalness detector of automatic controller |
-
1994
- 1994-11-09 GB GB9422589A patent/GB2283834A/en not_active Withdrawn
- 1994-11-09 DE DE19944439986 patent/DE4439986A1/de not_active Withdrawn
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1997002952A3 (de) * | 1995-07-11 | 1997-05-09 | Koenig & Bauer Albert Ag | Verfahren zur regelung einer bahnspannung |
US6211968B1 (en) | 1995-07-11 | 2001-04-03 | Koenig & Bauer-Albert Aktiengesellschaft | Method of regulating a web tension |
DE19527521C1 (de) * | 1995-07-27 | 1996-12-19 | Siemens Ag | Lernverfahren für ein neuronales Netz |
DE19530049B4 (de) * | 1995-08-16 | 2004-12-23 | Thomas Froese | Verfahren zur Erkennung von fehlerhaften Vorhersagen in einer neuromodellgestützten oder neuronalen Regelung |
US6807449B1 (en) | 1997-07-24 | 2004-10-19 | Siemens Aktiengessellscaft | Method for controlling and pre-setting a steelworks or parts of a steelworks |
DE19731980A1 (de) * | 1997-07-24 | 1999-01-28 | Siemens Ag | Verfahren zur Steuerung und Voreinstellung eines Walzgerüstes oder einer Walzstraße zum Walzen eines Walzbandes |
WO2001057605A1 (en) * | 2000-02-03 | 2001-08-09 | Pronetix Ltd. | Method for finding optimal set-points for machines and processes |
US6705229B2 (en) | 2001-01-24 | 2004-03-16 | Heidelberger Druckmaschinen Ag | Method and device for setting printing-technology and other job-dependent parameters of a printing machine |
EP1226942A1 (de) * | 2001-01-24 | 2002-07-31 | Heidelberger Druckmaschinen Aktiengesellschaft | Verfahren zur Einstellung drucktechnischer und anderer jobabhängiger Parameter einer Druckmaschine |
US8045213B2 (en) | 2006-03-31 | 2011-10-25 | Heidelberger Druckmaschinen Ag | Automated production control method |
US8253971B2 (en) | 2006-03-31 | 2012-08-28 | Heidelberger Druckmaschinen Ag | Automated production control method |
EP2273326A1 (de) * | 2009-07-09 | 2011-01-12 | WIFAG Maschinenfabrik AG | Regler für eine Druckmaschine |
DE102020111192A1 (de) | 2020-04-24 | 2021-10-28 | Koenig & Bauer Ag | Verfahren zur automatischen Einstellung einer über ein Netzwerk mit einem Speicher verbundenen Druckmaschine und Druckmaschine insbesondere zur Durchführung eines Verfahrens |
Also Published As
Publication number | Publication date |
---|---|
GB2283834A (en) | 1995-05-17 |
GB9422589D0 (en) | 1995-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1226942B1 (de) | Verfahren zur Einstellung drucktechnischer und anderer jobabhängiger Parameter einer Druckmaschine | |
EP0196431B1 (de) | Verfahren, Regelvorrichtung und Hilfsmittel zur Erzielung eines gleichförmigen Druckresultats an einer autotypisch arbeitenden Mehrfarbenoffsetdruckmaschine | |
EP0408507B1 (de) | Verfahren zur Bestimmung der Farbmasszahldifferenzen zwischen zwei mit hilfe einer Druckmaschine gedruckten Rasterfeldern sowie Verfahren zur Farbsteuerung oder Farbregelung des Druckes einer Druckmaschine | |
EP0142470B1 (de) | Verfahren und Vorrichtung zur Beurteilung der Druckqualität eines vorzugsweise auf einer Offset-Druckmaschine hergestellten Druckerzeugnisses und mit einer entsprechenden Vorrichtung ausgestattete Offset-Druckmaschine | |
EP0255924B1 (de) | Verfahren und Vorrichtung zur Beeinflussung der farblichen Erscheinung einer Farbfläche bei einem Druckvorgang | |
DE19822662C2 (de) | Verfahren zur Farbreproduktion auf einer Bilddaten orientierten Druckmaschine | |
DE69535702T2 (de) | Steuerungseinrichtung für Heizelement | |
DE2401750A1 (de) | Verfahren und vorrichtung zur farbdichtesteuerung bei druckmaschinen | |
DE4008510A1 (de) | Regeleinheit mit optimal-entscheidungsmitteln | |
EP0585740B1 (de) | Verfahren zur Steuerung des Druckprozesses auf einer autotypisch arbeitenden Druckmaschine, insbesondere Bogenoffsetdruckmaschine | |
DE3830121A1 (de) | Verfahren und vorrichtung zur einstellung eines vorgegebenen, durch ein wertepaar volltondichte/rasterpunktaenderung definierten druckstandards bei einem autotypischen druckvorgang | |
DE4439986A1 (de) | Adaptives Prozeßsteuerungssystem und Verfahren | |
EP0505323B2 (de) | Verfahren zur Einstellung der Rasterpunktgrössen für eine Offset-Rotationsdruckmaschine | |
EP0394681B1 (de) | Verfahren zur Steuerung der Farbführung einer Druckmaschine mit Begrenzung der Schichtdicke und der Tonwertzunahme | |
DE10312998A1 (de) | Lernende Farbführung | |
DE4402828C2 (de) | Messfeldgruppe und Verfahren zur Qualitätsdatenerfassung unter Verwendung der Messfeldgruppe | |
EP1167033A1 (de) | Verfahren zur Voreinstellung eines Farbwerks | |
DE4439961A1 (de) | Prozeßsteuereinheit für eine Druckerpresse | |
DE10105990A1 (de) | Verfahren zum Steuern einer Farbschicht auf der Druckform einer Druckmaschine | |
EP0522301B1 (de) | Verfahren zur Überwachung und Regelung des Druckprozesses, insbesondere an Offsetdruckmaschinen | |
DE19602103B4 (de) | Verfahren zum Bestimmen von Meßorten für eine Abtastung eines mehrfarbigen Druckbildes zum Steuern oder Regeln einer Farbgebung einer Druckmaschine | |
EP3715126B1 (de) | Färbungskompensation im offsetdruck | |
Almutawa et al. | The development of a connectionist expert system for compensation of color deviation in offset lithographic printing | |
DE102004011239B4 (de) | Verfahren zur automatischen Farbvoreinstellung an mindestens einem Farbwerk einer Druckmaschine | |
EP1720705B1 (de) | Verfahren zur farbregelung an druckmaschinen |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8127 | New person/name/address of the applicant |
Owner name: GOSS GRAPHIC SYSTEMS, INC., WESTMONT, ILL., US |
|
8139 | Disposal/non-payment of the annual fee |