KR102465871B1

KR102465871B1 - 인쇄물의 색상 조정 방법

Info

Publication number: KR102465871B1
Application number: KR1020200121473A
Authority: KR
Inventors: 태현철
Original assignee: 한국생산기술연구원
Priority date: 2020-09-21
Filing date: 2020-09-21
Publication date: 2022-11-14
Also published as: KR20220039888A

Abstract

본 발명은, (a) 인공지능 모듈(100)에 생산할 인쇄물의 종이 종류, 매수, 납부기한을 포함하는 옵션 데이터 및 시안 데이터를 입력하는 단계; (b) 상기 인공지능 모듈(100)에서 (a)단계에서 입력된 상기 시안 데이터가 포함한 각 색상을 Lab좌표로 판단하는 단계; (c) 상기 인공지능 모듈(100)에서 상기 (b)단계에서 판단된 Lab좌표를 상기 인공지능 모듈(100)에 미리 저장된 기설정된 기준 허용구의 범위로 다수의 극단 Lab좌표를 연산하는 단계; (d) 상기 인공지능 모듈(100)은 상기 (c)단계에서 연산된 상기 다수의 극 단 Lab좌표가 기설정된 색상 허용범위 내에 있는지 판단하여, 최종거래비용 및 인쇄 모듈(300)로 전송할 출력색상범위를 결정하는 단계; 및 (e) 상기 인쇄 모듈(300)은 상기 (d)단계에서 결정된 출력 색상 범위로 인쇄물을 출력하는 단계; 를 포함하고, 상기 (c)단계에서, 상기 기설정된 기준 허용구의 범위로 연산한 다수의 극단 Lab좌표는, 상기 판단된 Lab좌표에서 상기 기준 허용구의 범위만큼 x, y, z축으로 이동한 좌표이고, 상기 (d)단계는, (d1) 상기 인공지능 모듈(100)에서, 상기 전송된 다수의 극단 Lab좌표가 상기 기설정된 색상 허용범위 외라고 판단하면 상기 허용구의 범위를 좁히는 단계; 및 (d2) 상기 인공지능 모듈(100)은 상기 전송된 다수의 극단 Lab좌표가 상기 기설정된 색상 허용범위 내라고 판단하면, 상기 허용구에서의 거래비용이 기설정된 허용 거래비용 내인지 판단하는 단계; 를 포함하는, 색상 조정 방법에 관한 것이다.

Description

인쇄물의 색상 조정 방법{Adjustment method of the color of the print}

본 발명은 인쇄물의 색상 조정 방법에 관한 것이다.

포장 인쇄물을 생산하는 과정은 제작된 생산 시안과 생산 시안을 바탕으로제작된 간이 인쇄물을 비교한 후, 간이 인쇄물이 생산 시안과 대응된다고 판단되면 대량생산하는 과정을 거친다.

도 1을 참조하여, 종래의 포장 인쇄물을 생산하는 과정을 설명한다.

고객사가 생산 시안을 만들면, 만들어진 생산 시안을 간이 인쇄소에 보내서 시험생산을 한다. 고객사는 간이 인쇄소를 직접 방문하여 시험생산으로 만들어진 간이 인쇄물과 생산 시안의 색상을 비교한다. 색이 제대로 나오지 않았다면 시험생산을 반복한 후, 생산 시안과 간이 인쇄물의 색상이 대응되면 대량 생산을 위해 인쇄업체에 전달한다. 인쇄업체는 고객사에서 보내준 간이 인쇄물에 맞추어 시험생산한다. 고객사는 인쇄업체에 직접 방문하여 시험생산한 인쇄물과 간이 인쇄물의 색상을 비교한다. 색이 제대로 나오지 않았다면 시험생산을 반복하고, 간이 인쇄물과 시험생산한 인쇄물이 대응되면 인쇄업체는 대량생산에 들어가는 과정을 거친다.

종래에는 포장 인쇄물을 생산하여 검수하는 과정에서, 사람이 인쇄물에 인쇄된 색상을 육안으로 판단하였다. 다만, 사람마다 망막의 길이가 모두 상이하고, 인쇄물이 놓인 장소의 조명, 인쇄물을 보는 각도에 따라, 인쇄물의 색상의 판단이 달라져 객관적인 검수가 어려우며 검수 기준이 명확하지 않았다.

또한, 보통의 사람의 눈은 400에서 700nm까지의 범위를 감지하는데, 태양 복사 에너지선, 적외선, 자외선에 적응된 눈은 가시광선의 녹색 부분(약 555 nm)에서 최대 감도(sensitivity)를 나타내며, 가시광선의 적색 부분에서 최소 감도를 나타내는 바, 사람은 녹색계열의 색상은 광에너지가 작아도 녹색으로 판단하지만 적색계열의 색상은 적색으로 인지하는 것이 어렵다.

이에 따라, 사람의 눈은 녹색계열의 색상에서 세분화된 색상을 구분하기는 어려우며, 적색계열의 색상에서는 세분화된 색상을 용이하게 구분한다. 적색계열의 색상의 경우 약간의 오차가 있어도 쉽게 판단 가능하기에 적색계열의 색상을 인쇄하고 검수하여 재생산되는 횟수가 증가되는 바, 적색계열의 색상을 인쇄하는 것은 녹색계열의 색상을 인쇄하는 것보다 난이도가 높으며 비용이 높다.

다만, 종래에는 인쇄물에 인쇄되는 색상에 따라 인쇄의 난이도가 달라지는것과 인쇄되는 색상 별로 인쇄잉크의 단가의 차이에 따른 비용을 정확하게 예측하는 것이 어려웠다. 이에 따라, 고객사가 인쇄된 색상을 검수하여 색상을 조정할 때, 조정되는 색상에 따라 달라지는 비용을 정확하게 예측 및 산출하기는 어려운 문제점이 있었다.

예를 들어, 일본공개특허공보 제2016-005078호는 분광측색기를 포함하여, 인쇄된 인쇄물의 Lab값을 측정할 수 있고, 인쇄물을 보정하거나 검수할 수 있는 색값 보정 시스템에 관한 것으로, 고객이 결정한 납입 조건을 토대로 인쇄물을 보정하거나 검수하는 것에 대한 인식은 있으나 조정되는 색상에 따라 달라지는 비용을 예측 및 산출하기는 어려운 문제점이 있다.

예를 들어, 일본등록특허공보 제4298050 호는 상 마다 사용되는 착색제 비용을 얻으며, 사용자는 화상 처리, 용지 및/또는 마무리의 다양한 설정과 각 설정별 작업 비용 추정을 이용하여 몇 개의 시험 인쇄를 한 후 본 인쇄를 할 수 있으나, 각 색상을 rgb로 표시하고 비용을 조절하기 위해 언더 컬러 제거(ucr), 그레이 성분 치환(gcr)을 사용하는 것에 대한 인식은 있으나, 조정되는 색상에 따라 달라지는 비용을 예측 및 산출하기는 어려운 문제점이 있다.

(특허문헌 1) 일본공개특허공보 제2016-005078호

(특허문헌 2) 일본등록특허공보 제4298050호

본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것이다.

구체적으로, 본 발명은 기계학습된 모델을 통해 색상의 LAB좌표를 판단하고, 판단된 LAB좌표에서 허용구 범위를 조정하여 거래비용을 조정하기 위함이다.

또한, 본 발명은 색상 별, 생산횟수, 평균 생산시간, 비용 등에 대한 데이터를 바탕으로 기계학습된 모델을 생성하기 위함이다.

또한, 본 발명은 색상 별 재생산 횟수에 대한 데이터를 바탕으로 기계학습된 모델을 생성할 수 있어, 인쇄되는 색상의 난이도를 거래비용에 반영하기 위함이다.

또한, 본 발명은 조정되는 색상에 따라 발생되는 비용을 실시간으로 예측하여 고객사와 거래비용을 실시간으로 조정하기 위함이다.

또한, 본 발명은 색상의 이미지 파일만으로도 색상을 검수할 수 있고 대량 생산하도록 결정하여, 간이 인쇄하는 과정을 생략하기 위함이다.

상기와 같은 과제를 해결하기 위한 본 발명의 일 실시예는, (a) 인공지능 모듈(100)에 생산할 인쇄물의 종이 종류, 매수, 납부기한을 포함하는 옵션 데이터 및 시안 데이터를 입력하는 단계; (b) 상기 인공지능 모듈(100)에서 (a)단계에서 입력된 상기 시안 데이터가 포함한 각 색상을 Lab좌표로 판단하는 단계; (c) 상기 인공지능 모듈(100)에서 상기 (b)단계에서 판단된 Lab좌표를 상기 인공지능 모듈(100)에 미리 저장된 기설정된 기준 허용구의 범위로 다수의 극단 Lab좌표를 연산하는 단계; (d) 상기 인공지능 모듈(100)은 상기 (c)단계에서 연산된 상기 다수의 극 단 Lab좌표가 기설정된 색상 허용범위 내에 있는지 판단하여, 최종거래비용 및 인쇄 모듈(300)로 전송할 출력색상범위를 결정하는 단계; 및 (e) 상기 인쇄 모듈(300)은 상기 (d)단계에서 결정된 출력 색상 범위로 인쇄물을 출력하는 단계; 를 포함하고, 상기 (c)단계에서, 상기 기설정된 기준 허용구의 범위로 연산한 다수의 극단 Lab좌표는, 상기 판단된 Lab좌표에서 상기 기준 허용구의 범위만큼 x, y, z축으로 이동한 좌표이고, 상기 (d)단계는, (d1) 상기 인공지능 모듈(100)에서, 상기 전송된 다수의 극단 Lab좌표가 상기 기설정된 색상 허용범위 외라고 판단하면 상기 허용구의 범위를 좁히는 단계; 및 (d2) 상기 인공지능 모듈(100)은 상기 전송된 다수의 극단 Lab좌표가 상기 기설정된 색상 허용범위 내라고 판단하면, 상기 허용구에서의 거래비용이 기설정된 허용 거래비용 내인지 판단하는 단계; 를 포함하는, 색상 조정 방법에 관한 것이다.

일 실시예에 있어서, 상기 (d2) 단계는, (d21) 상기 인공지능 모듈(100)은 상기 허용구에서의 거래비용이 상기 허용 거래비용보다 이상이면, 상기 옵션데이터 중 어느 하나 이상을 조정하거나 상기 허용구의 범위를 넓히도록 결정하는 단계; (d22) 상기 인공지능 모듈(100)은 상기 허용구의 범위를 넓히도록 결정하면, 넓혀진 상기 허용구의 극단 Lab좌표를 연산하는 단계; (d23) 상기 인공지능 모듈(100)은 상기 (d22)단계에서 전송된 극단 Lab좌표가 상기 기설정된 색상 허용범위 내인지 판단하고, 넓혀진 상기 허용구에서의 거래비용이 상기 허용 거래비용 내인지 판단하는 단계; 및 (d24) 상기 (d21) 내지 (d23)단계를 반복 수행하여, 상기 인공지능 모듈(100)은 상기 (d22)단계에서 전송된 Lab좌표가 상기 기설정된 색상 허용범위 내이고, 상기 (d22)단계에서의 거래 비용이 상기 허용 거래비용보다 미만이면, 상기 허용구의 범위를 상기 출력 색상 범위로 결정하고 상기 허용구에서의 비용을 최종 거래비용으로 결정하는 단계; 를 포함할 수 있다.

일 실시예에 있어서, 상기 (d2) 단계는, (d25) 지원모듈(200)이 상기 허용구의 범위 내인 색상의 Lab좌표에서의 비용이 상기 허용 거래비용보다 이상이면 상기 허용 거래비용을 높이라는 지시데이터를 인공지능 모듈(100)에 전송하는 단계; (d26) 상기 인공지능 모듈(100)은 상기 지시 데이터를 허용 거래비용을 높이고, 상기 (d25)단계에서의 상기 거래비용을 최종 거래비용으로 결정하고 상기 허용구의 범위를 상기 출력 색상 범위로 결정하는 단계; 를 더 포함할 수 있다.

일 실시예에 있어서, 상기 (d1)단계는, (d11) 상기 인공지능 모듈(100)은 상기 허용구의 범위를 좁히고, 좁혀진 허용구의 극단 Lab좌표를 연산하는 단계; (d12) 상기 인공지능 모듈(100)은 상기 (d11)단계에서 전송된 극단 Lab좌표가 기설정된 색상 허용범위 내인지 판단하는 단계; 및 (d13) 상기 (d11) 및 (d12) 단계를 반복하는 단계; 를 포함할 수 있다.

일 실시예에 있어서, (f) 상기 인쇄 모듈(300)은 상기 (e)단계에서 각 색상 별 생산 횟수, 생산 시간 및 재생산 횟수에 대한 정보를 상기 인공지능 모듈(100)로 전송하는 단계; 및 (g) 상기 인공지능 모듈(100)은 각 색상 별 상기 허용구의 범위와 상기 옵션데이터 및 상기 (f)단계에서 전송한 생산 횟수, 생산시간 및 재생산 횟수에 대한 정보를 기계 학습하는 단계; 를 더 포함하고, 상기 (a)단계 내지 (g)단계가 반복될 수 있다.

일 실시예에 있어서, 상기 인공지능 모듈(100)에는 각 색상 별 비용이 저장되고, 재생산 횟수가 증가되면 각 색상 별 비용이 증가될 수 있다.

일 실시예에 있어서, 상기 인공지능 모듈(100)에서 연산되는 다수의 극단 Lab좌표 및 거래비용은 실시간으로 지원모듈(200)에 전송될 수 있다.

일 실시예에 있어서, 상기 (d2)단계는, (d27) 지원모듈(200)은 상기 허용구의 범위 내인 색상의 Lab좌표에서의 비용이 상기 허용 거래비용보다 이상이면 상기 옵션데이터에서 상기 종이 종류를 변경하거나 상기 매수의 감소, 상기 납부 기한의 증가 중 어느 하나 이상을 조정한 지시데이터를 상기 인공지능 모듈(100)에 전송하는 단계; (d28) 상기 인공지능 모듈(100)은 상기 지시데이터를 전송받아, 상기 (d27)단계에서 옵션데이터를 조정함에 따라 조정되는 거래비용이 상기 허용 거래비용보다 미만인지 판단하는 단계; 및 (d29) 상기 인공지능 모듈(100)은 상기 조정되는 거래비용이 상기 허용 거래비용보다 미만이면, 상기 조정되는 거래비용을 최종거래비용으로 결정하는 단계;를 더 포함할 수 있다.

일 실시예에 있어서, 상기 (e)단계는, 상기 인공지능 모듈(100)은 상기 인쇄물의 최종 거래비용이 결정되면, 상기 허용구의 범위와 상기 옵션데이터로 대량생산하도록 결정하고, 상기 인쇄 모듈(300)은 상기 인공지능 모듈(100)로부터 전송된 상기 (d)단계에서 결정된 상기 허용구의 범위와 상기 옵션데이터로 대량생산하는 단계일 수 있다.

일 실시예에 있어서, 상기 Lab좌표는, L은 명도 축이고, a는 빨강과 초록을 나타내는 축이고, b는 노랑과 파랑을 나타내는 축이고, 상기 기설정된 기준 허용구의 범위는 상기 (b)단계에서 판단된 Lab좌표를 중심(C)으로 하고, 반지름이 r로 이격되어 형성되는 구일 수 있다.

일 실시예에 있어서, 상기 허용거래비용은, 상기 인공지능 모듈(100)이 상기 판단된 Lab좌표마다 결정된 상기 출력색상범위에서 거래되는 최종 거래비용을 기계학습하여 생성한 비용의 평균비용일 수 있다.

본 발명에 따른 방법은, 기계학습된 모델을 통해 색상의 LAB좌표를 판단하고, 판단된 LAB좌표에서 허용구 범위를 조정하여 거래비용을 조정할 수 있다.

또한, 본 발명은 색상 별, 생산횟수, 평균 생산시간, 비용 등에 대한 데이터를 바탕으로 기계학습된 모델을 생성할 수 있다.

또한, 본 발명은 색상 별 재생산 횟수에 대한 데이터를 바탕으로 기계학습된 모델을 생성할 수 있어, 인쇄되는 색상의 난이도를 거래비용에 반영할 수 있다.

또한, 본 발명은 조정되는 색상에 따라 발생되는 비용을 실시간으로 예측하여 고객사와 거래비용을 실시간으로 조정할 수 있다.

또한, 본 발명은 색상의 이미지 파일만으로도 색상을 검수할 수 있고 대량 생산하도록 결정하여, 간이 인쇄하는 과정을 생략할 수 있다.

도 1은 기존의 포장 인쇄 시스템의 생산 과정을 설명하기 위한 도면이다.
도 2는 인공지능 모듈과 인쇄 모듈을 설명하기 위한 도면이다.
도 3은 색상 별 Lab좌표와 허용구의 범위를 설명하기 위한 도면이다.
도 4는 본 발명에 따른 방법의 순서도를 설명하기 위한 도면이다.

이하, 도면을 참조하여 본 발명을 보다 상세히 설명한다.

이하에서, "Lab 좌표"란, 색 좌표를 의미하는 것으로, L은 명도, a는 빨강색과 초록색의 정도, b는 노랑색과 파랑색의 정도를 나타내는 3차원의 입체 좌표를 의미한다. L*＝0이면 검은색이며, L*＝100이면 흰색을 나타낸다. a*이 음수이면 초록에 치우친 색깔이며, 양수이면 빨강, 보라 쪽으로 치우친 색깔이다. b*이 음수이면 파랑이고, b*이 양수이면 노랑이다.

이하에서, "허용구(Tolerance Sphere)"란, Lab좌표계에서 각 색상과 근접한 것으로 판단되는 색의 허용 범위를 나타낸 구를 의미하며, 구의 내부 및 둘레의 좌표는 구의 중심에 해당되는 Lab좌표와 근접한 것으로 판단된다.

본 발명에 따른 인쇄물의 색상 조정 방법은, 인공지능 모듈(100), 지원 모듈(200), 인쇄 모듈(300)을 포함한다.

도 1 내지 도 4를 참조하여 본 발명에 따른 인쇄물의 색상 조정 방법에 대하여 설명한다.

(1) 인공지능 모듈(100)에 생산할 인쇄물의 종이 종류, 매수, 납부기한을 포함하는 옵션 데이터, 시안 데이터를 입력하는 단계

인공지능 모듈(100)에 생산할 인쇄물의 종이 종류, 매수, 납부기한을 포함하는 옵션 데이터 및 시안 데이터를 입력한다.

인공지능 모듈(100)은 이미지 파일로부터 색상의 Lab좌표를 판단하는 것이 미리 기계학습된다.

또한, 인공지능 모듈(100)은 각 색상 별 생산 횟수, 생산 시간 및 재생산 횟수에 대한 정보에 대한 정보와 이 때의 비용이 미리 기계학습될 수 있으나 이에 제한되는 것은 아니다.

또한, 인공지능 모듈(100)은 옵션 데이터, 인쇄 시안의 색상, 거래비용 등에 대한 정보를 입력 받아 기계학습할 수 있으며, 인공지능 모듈(100)은 후술되는 인쇄 모듈(300)로부터 인쇄 데이터를 송부 받아, 기계학습할 수 있다. 이에 대하여는 후술한다.

옵션 데이터는 생산할 인쇄물의 종이 종류, 매수, 납부기한에 대한 정보를 포함한다.

사용자가 주문하고자 하는 종이 종류, 매수, 납부기한은 미리 결정되어 있다. 따라서, 옵션 데이터의 초기 정보는 미리 결정되어 있을 수 있다.

다만, 최종 거래비용을 조정하기 위해, 옵션데이터의 각 정보는 조정될 수 있다. 예를 들어, 최종 거래비용을 낮추기 위해 사용자는 매수를 줄이거나 납부기한을 늘리는 등 옵션데이터를 변경할 수 있다. 이에 대한 자세한 설명은 후술한다.

이 때, 옵션 데이터는 전술한 정보에 제한되는 것은 아니고, 사용자가 인쇄 시 조정할 수 있는 정보를 모두 포함할 수 있다.

시안 데이터는 사용자가 디자인하여 만든 인쇄물의 이미지 파일을 포함한다.

인공지능 모듈(100)은 입력된 시안 데이터에서 색상의 Lab좌표를 판단할 수 있다.

(2) 인공지능 모듈(100)은 입력된 시안 데이터가 포함한 각 색상을 Lab좌표로 판단하는 단계

인공지능 모듈(100)에 시안 데이터를 입력하면, 인공지능 모듈(100)은 입력된 시안 데이터의 각 색상을 Lab좌표로 판단한다.

시안 데이터는 글자 및 형상에 따라 다수의 색상을 포함할 수 있다.

다수의 색상에 대한 거래비용을 결정하는 것은 본 발명에 따른 방법을 다수 회 수행하여 결정될 수 있다.

전술한 바와 같이, 인공지능 모듈(100)은 시안 데이터의 Lab좌표를 판단할 수 있도록, 색상의 Lab좌표에 대한 데이터가 미리 학습되는 바, 인공지능 모듈(100)에 인쇄 시안을 입력하면, 시안 데이터의 Lab좌표를 판단할 수 있으며, Lab좌표는 3차원으로 표현된다.

이 때, 인공지능 모듈(100)에는 판단된 Lab좌표 및 후술하는 극단 Lab좌표에서의 평균거래비용이 저장되어 있을 수 있다.

이 때, 평균 거래비용이란 각 색상 Lab좌표에 따라 거래되는 비용의 평균값을 의미한다.

(3) 인공지능 모듈(100)에서 판단된 Lab좌표를 인공지능 모듈(100)에 미리 저장된 기설정된 기준 허용구의 범위로 다수의 극단 Lab좌표를 연산하는 단계

인공지능 모듈(100)은 입력된 시안 데이터의 각 색상을 Lab좌표로 판단하면, 인공지능 모듈(100)은 미리 저장된 기설정된 기준 허용구의 범위를 이용하여 극단 Lab좌표를 연산한다.

기설정된 기준 허용구의 범위는 미리 결정된 특정값인 r값으로, 색상의 Lab좌표를 중심으로 반지름이 r로 형성되는 구의 범위로, 구의 중심에 있는 Lab좌표와 근접한 것으로 판단하는 범위이다.

극단 Lab좌표는 허용구의 범위에서 최극단에 있는 좌표를 의미한다. 극단 Lab좌표는, 판단된 Lab좌표에서 기준 허용구의 범위만큼 x, y, z축으로 이동한 좌표이다.

도 3(a)를 참조하면, 중심이 (L', a', b') 이며, 반지름이 r인 구가 도시되며, 도시되는 구는 허용구의 범위를 나타낸다.

도 3(b)를 참조하면, 도 3(a)의 구에서 극단에 있는 좌표를 도시하며, (L' + r, a', b'), (L' - r, a', b') (L', a' + r, b') (L', a' - r, b') (L', a', b' + r), (L', a', b' - r)이다.

예를 들어, 인쇄시안에서 판단된 Lab좌표가 (0.8, 1, 0.6)이고, r값이 0.5라 하면, 허용구는 중심이 (0.8, 1, 0.6)이고 반지름이 0.5인 구이다. 구에서 극단에 있는 Lab좌표는 (0.8+0.5, 1, 0.6), (0.8-0.5, 1 0.6), (0.8, 1+0.5, 0.6), (0.8, 1-0.5, 0.6), (0.8, 1, 0.6+0.5), (0.8, 1, 0.6-0.5)이다.

기준 허용구의 범위는 미리 결정되어 있으나, 최종 거래비용을 조정하기 위해 r값을 조절하여 허용구의 범위를 조절할 수 있다.

기준 허용구의 범위가 좁다는 것은 중심이 되는 Lab좌표와 근접한 것으로 간주되는 범위가 작다는 것을 의미하는 바, 거래비용이 증가한다. 기준 허용구의 범위가 넓다는 것은, 중심이 되는 Lab좌표와 근접한 것으로 간주되는 범위가 넓다는 것을 의미하는 바, 거래비용이 감소한다.

따라서, 기준 허용구의 범위를 조절하여, 최종 거래비용을 조정할 수 있다. 이에 대한 자세한 설명은 후술한다.

이 때, 인공지능 모듈(100)에 기설정된 기준 허용구의 범위는 미리 저장되어 있는 것으로 설명하였으나 이에 제한되는 것은 아니고, 인공지능 모듈(100)에 기준 허용구의 범위가 입력될 수도 있다.

인공지능 모듈(100)에는 최종 결정되는 허용구의 범위가 기계학습될 수 있고, 인공지능 모듈(100)에 미리 저장되는 기설정된 기준 허용구의 범위는 색상의 Lab좌표에 따라 달라질 수 있다.

예를 들어, 초록색은 기설정된 기준 허용구의 범위가 클 수 있고, 빨간색은 기설정된 기준 허용구의 범위가 좁게 설정될 수 있다.

(4) 인공지능 모듈(100)은 연산된 다수의 극 단 Lab좌표가 기설정된 색상 허용범위 내에 있는지 판단하여, 최종거래비용 및 인쇄 모듈(300)로 전송할 출력색상범위를 결정하는 단계

인공지능 모듈(100)은 전송된 다수의 색상의 Lab좌표가 기설정된 색상 허용범위 외라고 판단하면, 허용구의 범위를 좁히도록 판단하고, 좁혀진 허용구의 극단 Lab좌표를 연산한다.

인공지능 모듈(100)은 좁혀진 허용구의 극단 Lab좌표가 기설정된 색상 허용범위 내인지 판단하고, 기설정된 색상 허용 범위 외이면 상기의 과정을 반복하여, 허용구의 극단 Lab좌표가 기설정된 색상 허용 범위 내일 때까지 반복할 수 있다.

이 때, 인공지능 모듈(100)은 실시간으로 허용구 범위에 따라 변화되는 거래비용을 확인하여, 허용구를 좁힐 때의 거래비용을 판단할 수 있다.

이 때, 인공지능 모듈(100)은 좁혀진 허용구의 극단 Lab좌표가 기설정된 색상 허용 범위 외여도 지원모듈(200)에서 기설정된 색상 허용 범위를 변경하도록 지시하면, 기설정된 색상 허용 범위 외여도 이 때의 허용구를 출력 색상 범위로 결정할 수 있고 그 때의 거래비용을 최종거래비용으로 결정할 수도 있다.

즉, 지원모듈(200)에서는 인공지능 모듈(100)에서의 과정을 실시간으로 가시하거나 데이터를 전송받을 수 있어, 거래비용에 따라 출력 색상 범위를 결정하도록 인공지능 모듈(100)에 지시할 수도 있다.

지원 모듈(200)은 실시간으로 사용자의 의사정보가 저장되는 모듈을 의미한다. 즉, 사용자는 지원 모듈(200)에 실시간으로 의사정보를 전달할 수 있어, 지원 모듈(200)은 사용자의 의사정보를 실시간으로 반영한다.

즉, 인공지능 모듈(100)에서 연산되는 다수의 극단 Lab좌표 및 거래비용은 실시간으로 지원모듈(200)에 전송될 수 있다.

지원모듈(200)에서는 다수의 극단 Lab좌표 및 거래비용을 전송받아 지시데이터를 생성하여 인공지능 모듈(100)에 전송할 수도 있다. 이에 대하여는 후술한다.

인공지능 모듈(100)은 다수의 극단 Lab좌표가 기설정된 색상 허용범위 내라고 판단하면, 인공지능 모듈(100)은 이 때의 허용구 범위에서의 거래비용과 허용 거래비용을 비교한다.

이 때, 허용 거래비용은 사용자가 기설정한 최초의 거래비용을 나타낸다. 다만, 최종 거래비용을 조절하기 위해 허용 거래비용 자체가 변경될 수도 있다. 이에 대하여는 후술한다.

이 때, 허용 거래비용은 인공지능 모듈(100)에 미리 입력되어 있을 수 있으나 이에 제한되는 것은 아니고, 후술하는 지원 모듈(200)에서 평균 거래비용을 보고 입력할 수도 있고, 평균 거래비용으로 설정될 수도 있다.

인공지능 모듈(100)은 허용구 범위에서의 거래비용이 허용 거래비용 이상이면, 허용구 범위에서의 거래비용이 허용 거래비용 내 이도록 출력 색상 범위를 결정하거나, 허용 거래비용을 조정하도록 요청데이터를 생성할 수 있다.

이 때, 출력 색상 범위는 인쇄 모듈(300)에서 출력할 색상 범위를 의미하는 것으로, 최종으로 결정된 색상 범위를 의미한다.

인공지능 모듈(100)은 허용구의 범위를 넓히도록 결정하면, 넓혀진 허용구의 극단 Lab좌표를 연산한다.

이 때, 허용구의 범위는 기설정된 크기만큼 넓혀질 수 있다.

인공지능 모듈(100)은 극단 Lab좌표가 기설정된 색상 허용범위 내인지 판단하고, 허용구에서의 거래비용이 허용 거래비용 내인지 재판단한다.

인공지능 모듈(100)은 Lab좌표가 기설정된 색상 허용범위 내이고, 거래 비용이 허용 거래비용보다 미만이면, 이 때의 허용구의 범위를 출력 색상 범위로 결정하고 비용을 최종 거래비용으로 결정할 수 있다.

인공지능 모듈(100)에서 비용을 조정하는 것은, 거래비용이 허용 거래비용 이하로 될 때까지 상기의 과정이 반복될 수 있다.

상기의 과정은 거래비용이 허용 거래비용보다 작고, 기설정된 색상 허용범위 내에 있을 때까지 비용을 조정하는 것으로 설명하였으나, 이에 제한되는 것은 아니고 지원모듈(200)에서 입력을 통해 조절될 수도 있다.

또한, 인공지능 모듈(100)은 허용 거래비용 자체를 높여 최종 거래비용을 결정할 수 있다.

지원 모듈(200)은 허용구의 범위 내인 색상의 Lab좌표에서의 비용이 허용 거래비용보다 이상이면 허용 거래비용을 높이라는 지시데이터 또는 허용 거래비용을 지정하여 인공지능 모듈(100)에 전송할 수 있다.

인공지능 모듈(100)은 허용거래비용을 높이라는 지시데이터를 전송받으면, 허용 거래비용을 높여 상기 허용구의 범위를 조절하는 과정을 다시 수행하여 최종 거래비용을 결정할 수 있다.

또한, 인공지능 모듈(100)은 지원모듈(200)로부터 허용 거래비용을 지정한 지시데이터를 전송받으면, 허용 거래비용을 전송된 거래비용에 맞도록 수정하고, 거래비용을 최종 거래비용으로 결정하고 상기 허용구의 범위를 상기 출력 색상 범위로 결정할 수 있다.

이 때, 지원 모듈(200)은 이전에 옵션데이터 및 허용구의 범위를 조절하였을 수 있으나 이에 제한되는 것은 아니다.

이 때, 인공지능 모듈(100)은 허용구의 범위 내인 색상의 Lab좌표에서의 비용이 허용 거래비용보다 이상이면 허용 거래비용을 높일지 여부에 대한 요청 데이터를 지원모듈(200)에 전송할 수도 있다. 지원모듈(200)은 상기 요청 데이터를 전송받아, 상기 허용 거래비용을 재설정할지 결정하여 상기 인공지능 모듈(100)에 결정된 거래비용을 전송할 수도 있으나 이에 제한되는 것은 아니다.

또한, 인공지능모듈(100)은 옵션데이터를 조정하여 거래비용을 조정할 수 있다.

지원모듈(200)은 허용구의 범위 내인 색상의 Lab좌표에서의 비용이 허용 거래비용보다 이상이면 옵션데이터에서 종이 종류를 변경하거나 매수의 감소, 납부 기한을 늘릴지를 결정한 지시데이터를 인공지능 모듈(100)에 전송할 수 있다.

인공지능 모듈(100)은 옵션데이터를 조정함에 따라 조정되는 거래비용이 상기 허용 거래비용보다 미만인지 판단하고, 인공지능 모듈(100)은 상기 조정되는 거래비용이 상기 허용 거래비용보다 미만이면, 상기 조정되는 거래비용을 최종거래비용으로 결정한다.

이 때, 인공지능 모듈(100)은 옵션데이터를 조정함에 따라 조정되는 거래비용이 상기 허용 거래비용보다 이상이면, 지원모듈(200)에 비용을 조절할지에 대한 요청 데이터를 전송할 수 있고, 상기의 과정을 반복할 수도 있으나 이에 제한되는 것은 아니다.

이 때, 인공지능 모듈(100)은 옵션 데이터와 허용구의 범위를 모두 조정할 수 있다.

(5) 상기 인쇄 모듈(300)은 결정된 출력 색상 범위로 인쇄물을 출력하는 단계 및 기계학습하는 단계

인공지능 모듈(100)은 최종 거래비용이 결정되면, 이 때의 출력 색상 범위와 옵션데이터로 대량생산하도록 결정한다.

인쇄 모듈(300)은 인공지능 모듈(100)로부터 출력 색상 범위와 옵션데이터로 대량생산한다.

인쇄 모듈(300)은 각 색상 별 생산 횟수, 생산 시간 및 재생산 횟수에 대한 정보를 인공지능 모듈(100)로 전송한다.

인공지능 모듈(100)은 각 색상 별 허용구의 범위와 옵션데이터 및 인쇄 모듈(300)에서 전송한 생산 횟수, 생산시간 및 재생산 횟수에 대한 정보를 기계 학습한다.

인공지능 모듈(100)에 각 색상 별 거래비용이 저장되고, 재생산 횟수가 증가되면 각 색상 별 거래비용이 증가되는데, 인공지능 모듈(100)은 이를 기계학습하는 바, 색상 별로 달라지는 재생산 횟수 및 그 때의 비용이 충분히 학습될 수 있다.

또한, 인공지능 모듈(100)은 전술한 바와 같이 각 색상 별 허용구의 범위와 거래비용이 저장되는 바, 색상 별로 달라지는 거래비용을 충분히 학습될 수 있다.

이에 따라, 인공지능 모듈(100)에서는 색상 별 인쇄 난이도에 따른 비용이 반영될 수 있다.

이 때, 인공지능 모듈(100)에서는 각 색상 별 생산 횟수, 생산 시간 및 재생산 횟수에 대한 정보가 미리 학습될 수도 있다.

이상, 인공지능 모듈(100)에 입력되는 데이터와 지원 모듈(200)에서 입력되는 데이터를 바탕으로, 인공지능 모듈(100)이 최종 거래비용과 출력 색상 범위를 결정하는 것으로 설명하였으나, 이에 제한되는 것은 아니고, 사용자는 지원 모듈(200) 및 인공지능 모듈(100)을 통해 보다 유동적으로 최종 거래비용과 출력 색상 범위를 결정 및 거래할 수도 있음은 물론이다.

이상, 본 명세서에는 본 발명을 당업자가 용이하게 이해하고 재현할 수 있도록 도면에 도시한 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 당업자라면 본 발명의 실시예로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 보호범위는 특허청구범위에 의해서 정해져야 할 것이다.

100: 인공지능 모듈
200: 지원 모듈
300: 인쇄 모듈

Claims

(a) 인공지능 모듈(100)에 생산할 인쇄물의 종이 종류, 매수, 납부기한을 포함하는 옵션 데이터 및 시안 데이터를 입력하는 단계;
(b) 상기 인공지능 모듈(100)에서 (a)단계에서 입력된 상기 시안 데이터가 포함한 각 색상을 Lab좌표로 판단하는 단계;
(c) 상기 인공지능 모듈(100)에서 상기 (b)단계에서 판단된 Lab좌표를 상기 인공지능 모듈(100)에 미리 저장된 기설정된 기준 허용구의 범위로 다수의 극단 Lab좌표를 연산하는 단계;
(d) 상기 인공지능 모듈(100)은 상기 (c)단계에서 연산된 상기 다수의 극 단 Lab좌표가 기설정된 색상 허용범위 내에 있는지 판단하여, 최종거래비용 및 인쇄 모듈(300)로 전송할 출력색상범위를 결정하는 단계; 및
(e) 상기 인쇄 모듈(300)은 상기 (d)단계에서 결정된 출력 색상 범위로 인쇄물을 출력하는 단계; 를 포함하고,
상기 (c)단계에서,
상기 기설정된 기준 허용구의 범위로 연산한 다수의 극단 Lab좌표는, 상기 판단된 Lab좌표에서 상기 기준 허용구의 범위만큼 x, y, z축으로 이동한 좌표이고,
상기 (d)단계는,
(d1) 상기 인공지능 모듈(100)에서, 상기 전송된 다수의 극단 Lab좌표가 상기 기설정된 색상 허용범위 외라고 판단하면 상기 허용구의 범위를 좁히는 단계; 및
(d2) 상기 인공지능 모듈(100)은 상기 전송된 다수의 극단 Lab좌표가 상기 기설정된 색상 허용범위 내라고 판단하면, 상기 허용구에서의 거래비용이 기설정된 허용 거래비용 내인지 판단하는 단계; 를 포함하는,
색상 조정 방법.
제1항에 있어서,
상기 (d2) 단계는,
(d21) 상기 인공지능 모듈(100)은 상기 허용구에서의 거래비용이 상기 허용 거래비용보다 이상이면, 상기 옵션데이터 중 어느 하나 이상을 조정하거나 상기 허용구의 범위를 넓히도록 결정하는 단계;
(d22) 상기 인공지능 모듈(100)은 상기 허용구의 범위를 넓히도록 결정하면, 넓혀진 상기 허용구의 극단 Lab좌표를 연산하는 단계;
(d23) 상기 인공지능 모듈(100)은 상기 (d22)단계에서 전송된 극단 Lab좌표가 상기 기설정된 색상 허용범위 내인지 판단하고, 넓혀진 상기 허용구에서의 거래비용이 상기 허용 거래비용 내인지 판단하는 단계; 및
(d24) 상기 (d21) 내지 (d23)단계를 반복 수행하여, 상기 인공지능 모듈(100)은 상기 (d22)단계에서 전송된 Lab좌표가 상기 기설정된 색상 허용범위 내이고, 상기 (d22)단계에서의 거래 비용이 상기 허용 거래비용보다 미만이면, 상기 허용구의 범위를 상기 출력 색상 범위로 결정하고 상기 허용구에서의 비용을 최종 거래비용으로 결정하는 단계; 를 포함하는,
색상 조정 방법.
제2항에 있어서,
상기 (d2) 단계는,
(d25) 지원모듈(200)이 상기 허용구의 범위 내인 색상의 Lab좌표에서의 비용이 상기 허용 거래비용보다 이상이면 상기 허용 거래비용을 높이라는 지시데이터를 인공지능 모듈(100)에 전송하는 단계; 및
(d26) 상기 인공지능 모듈(100)은 상기 지시 데이터를 허용 거래비용을 높이고, 상기 (d25)단계에서의 상기 거래비용을 최종 거래비용으로 결정하고 상기 허용구의 범위를 상기 출력 색상 범위로 결정하는 단계; 를 더 포함하는,
색상 조정 방법.
제1항에 있어서,
상기 (d1)단계는,
(d11) 상기 인공지능 모듈(100)은 상기 허용구의 범위를 좁히고, 좁혀진 허용구의 극단 Lab좌표를 연산하는 단계;
(d12) 상기 인공지능 모듈(100)은 상기 (d11)단계에서 전송된 극단 Lab좌표가 기설정된 색상 허용범위 내인지 판단하는 단계; 및
(d13) 상기 (d11) 및 (d12) 단계를 반복하는 단계; 를 포함하는,
색상 조정 방법.
제4항에 있어서,
(f) 상기 인쇄 모듈(300)은 상기 (e)단계에서 각 색상 별 생산 횟수, 생산 시간 및 재생산 횟수에 대한 정보를 상기 인공지능 모듈(100)로 전송하는 단계; 및
(g) 상기 인공지능 모듈(100)은 각 색상 별 상기 허용구의 범위와 상기 옵션데이터 및 상기 (f)단계에서 전송한 생산 횟수, 생산시간 및 재생산 횟수에 대한 정보를 기계 학습하는 단계; 를 더 포함하고,
상기 (a)단계 내지 (g)단계가 반복되는,
색상 조정 방법.
제5항에 있어서,
상기 인공지능 모듈(100)에는 각 색상 별 비용이 저장되고,
재생산 횟수가 증가되면 각 색상 별 비용이 증가되는,
색상 조정 방법.
제1항에 있어서,
상기 인공지능 모듈(100)에서 연산되는 다수의 극단 Lab좌표 및 거래비용은 실시간으로 지원모듈(200)에 전송되는,
색상 조정 방법.
제7항에 있어서,
상기 (d2)단계는,
(d27) 지원모듈(200)은 상기 허용구의 범위 내인 색상의 Lab좌표에서의 비용이 상기 허용 거래비용보다 이상이면 상기 옵션데이터에서 상기 종이 종류를 변경하거나 상기 매수의 감소, 상기 납부 기한의 증가 중 어느 하나 이상을 조정한 지시데이터를 상기 인공지능 모듈(100)에 전송하는 단계;
(d28) 상기 인공지능 모듈(100)은 상기 지시데이터를 전송받아, 상기 (d27)단계에서 옵션데이터를 조정함에 따라 조정되는 거래비용이 상기 허용 거래비용보다 미만인지 판단하는 단계; 및
(d29) 상기 인공지능 모듈(100)은 상기 조정되는 거래비용이 상기 허용 거래비용보다 미만이면, 상기 조정되는 거래비용을 최종거래비용으로 결정하는 단계;를 더 포함하는,
색상 조정 방법.
제1항에 있어서,
상기 (e)단계는,
상기 인공지능 모듈(100)은 상기 인쇄물의 최종 거래비용이 결정되면, 상기 허용구의 범위와 상기 옵션데이터로 대량생산하도록 결정하고, 상기 인쇄 모듈(300)은 상기 인공지능 모듈(100)로부터 전송된 상기 (d)단계에서 결정된 상기 허용구의 범위와 상기 옵션데이터로 대량생산하는 단계인,
색상 조정 방법.
제1항에 있어서,
상기 Lab좌표는,
L은 명도 축이고, a는 빨강과 초록을 나타내는 축이고, b는 노랑과 파랑을 나타내는 축이고,
상기 기설정된 기준 허용구의 범위는 상기 (b)단계에서 판단된 Lab좌표를 중심(C)으로 하고, 반지름이 r로 이격되어 형성되는 구인,
색상 조정 방법.
제1항에 있어서,
상기 허용거래비용은,
상기 인공지능 모듈(100)이 상기 판단된 Lab좌표마다 결정된 상기 출력색상범위에서 거래되는 최종 거래비용을 기계학습하여 생성한 비용의 평균비용인,
색상 조정 방법.