TWI611314B - 為一紡織染色製程決定一目標控制數據組之裝置、方法及其電腦程式產品 - Google Patents

為一紡織染色製程決定一目標控制數據組之裝置、方法及其電腦程式產品 Download PDF

Info

Publication number
TWI611314B
TWI611314B TW105137607A TW105137607A TWI611314B TW I611314 B TWI611314 B TW I611314B TW 105137607 A TW105137607 A TW 105137607A TW 105137607 A TW105137607 A TW 105137607A TW I611314 B TWI611314 B TW I611314B
Authority
TW
Taiwan
Prior art keywords
control data
dyeing
factors
control
correlation model
Prior art date
Application number
TW105137607A
Other languages
English (en)
Other versions
TW201820191A (zh
Inventor
蔡坤成
洪一薰
陳正剛
Original Assignee
財團法人資訊工業策進會
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 財團法人資訊工業策進會 filed Critical 財團法人資訊工業策進會
Priority to TW105137607A priority Critical patent/TWI611314B/zh
Priority to CN201611063688.3A priority patent/CN108073751B/zh
Priority to US15/367,830 priority patent/US9970154B1/en
Application granted granted Critical
Publication of TWI611314B publication Critical patent/TWI611314B/zh
Publication of TW201820191A publication Critical patent/TW201820191A/zh

Links

Classifications

    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06P—DYEING OR PRINTING TEXTILES; DYEING LEATHER, FURS OR SOLID MACROMOLECULAR SUBSTANCES IN ANY FORM
    • D06P1/00—General processes of dyeing or printing textiles, or general processes of dyeing leather, furs, or solid macromolecular substances in any form, classified according to the dyes, pigments, or auxiliary substances employed
    • D06P1/0032—Determining dye recipes and dyeing parameters; Colour matching or monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • 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
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/041—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a variable is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Automation & Control Theory (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Textile Engineering (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Coloring (AREA)
  • Treatment Of Fiber Materials (AREA)

Abstract

一種為一紡織染色製程決定一目標控制數據組之裝置、方法及其電腦程式產品。該裝置利用複數筆歷史控制數據組所對應之複數個控制因子決定一染色品質關聯模型之複數個決定因子，且計算各該決定因子所對應之一係數。該裝置更根據一控制條件組，計算出使一染色目標關聯模型具有一最小值之該目標控制數據組，其中該染色目標關聯模型由該等控制因子界定，且該控制條件組包含該染色品質關聯模型之一預設範圍以及各該控制因子之一預設範圍。

Description

為一紡織染色製程決定一目標控制數據組之裝置、方法及其電腦程式產品
本發明係關於一種為一紡織染色製程決定一目標控制數據組之裝置、方法及其電腦程式產品；更具體而言，本發明係關於一種利用多個關聯模型來為一紡織染色製程決定一目標控制數據組之裝置、方法及其電腦程式產品。
紡織染色技術主要是以三個階段來為一紡織染色製程決定染料配方(例如：紅色染料、黃色染料、藍色染料之比例)及複數個控制因子(例如：主要染程之起始溫度、主要染程之升溫速率、主要染程之終點溫度、主要染程之最高溫度之持溫時間、浴比值)之控制數據組。概要而言，第一階段係由使用者於化驗室以樣本試驗，藉此初步地決定一紡織染色製程之染料配方及複數個控制因子之控制數據組。第二階段再以第一階段所決定之染料配方及控制數據組於工廠之染缸實際操作。第三階段則是檢驗第二階段之染色結果(例如：以分光儀解析成品顏色與訂單顏色之一致性)。若染色結果不符預期，則需要重複地執行此三階段，直到所決定之染料配方及控制數據組能使染色結果符合預期。然而，工廠實際染色之規模遠大於化 驗室測試之規模(例如：工廠之染缸進行染色之布，其重量可能為實驗室所採用之樣本之數萬或數十萬倍)，若多次重複地執行前述三階段，將大幅地增加紡織染色製程之成本。
由上述說明可知，第一階段在化驗室所決定之染料配方及控制數據組是否符合需求極為關鍵。習知技術係以發展相當成熟之染料配方設計軟體(例如：Datacolor MATCH)決定一紡織染色製程之染料配方，因此通常毋須再多次調整。至於紡織染色製程之控制因子之控制數據組，則由業者依據經驗決定。此種決定方式不僅欠缺效率，且當業者決定出較差之控制數據組(例如：由於經驗不足)時，勢必需要多次重複地執行前述三個階段，將大幅地增加紡織染色製程之成本。
有鑑於此，如何有效率地且準確地決定出紡織染色製程之目標控制數據組，以達到所要求之染色品質、提升穩定度以及降低生產成本，乃業界亟需努力之目標。
為解決前述問題，本發明提供了一種為一紡織染色製程決定一目標控制數據組之裝置、方法及其電腦程式產品。
本發明所提供之為一紡織染色製程決定一目標控制數據組之裝置包含一儲存器及一處理器，且二者彼此電性連接。該目標控制數據組包含複數個控制數據，且該等控制數據一對一地對應至複數個控制因子。該儲存器儲存複數筆歷史控制數據組，且各該歷史控制數據組包含一歷史染色品質數據及複數個歷史控制數據一對一地對應至該等控制因子。該處理器決定該紡織染色製程之一染色品質關聯模型。具體而言，該處理器係執行 以下運作來決定該染色品質關聯模型：(a1)根據該等控制因子決定該染色品質關聯模型之複數個決定因子，以及(a2)根據該紡織染色製程之該等歷史控制數據組計算該染色品質關聯模型之各該決定因子之一係數。該處理器更根據一控制條件組，計算出使一染色目標關聯模型具有一最小值之該目標控制數據組。該染色目標關聯模型由該等控制因子界定，且該控制條件組包含該染色品質關聯模型之一預設範圍以及各該控制因子之一預設範圍。
本發明所提供之為一紡織染色製程決定一目標控制數據組之方法適用於一電子計算裝置。該目標控制數據組包含複數個控制數據，且該等控制數據一對一地對應至複數個控制因子。該方法包含下列步驟：(a)決定該紡織染色製程之一染色品質關聯模型，以及(b)根據一控制條件組，計算出使一染色目標關聯模型具有一最小值之該目標控制數據組。具體而言，該步驟(a)包含下列步驟：(a1)根據該等控制因子決定該染色品質關聯模型之複數個決定因子，以及(a2)根據該紡織染色製程之複數筆歷史控制數據組計算該染色品質關聯模型之各該決定因子之一係數。各該歷史控制數據組包含一歷史染色品質數據及複數個歷史控制數據一對一地對應至該等控制因子。該步驟(b)中之該染色目標關聯模型由該等控制因子界定，且該控制條件組包含該染色品質關聯模型之一預設範圍以及各該控制因子之一預設範圍。
本發明所提供之電腦程式產品經由一電子計算裝置載入後，該電子計算裝置執行該電腦程式產品所包含之複數個程式指令以執行一種為一紡織染色製程決定一目標控制數據組之方法。該目標控制數據組包含複數個控制數據，且該等控制數據一對一地對應至複數個控制因子。該方法 包含下列步驟：(a)決定該紡織染色製程之一染色品質關聯模型，以及(b)根據一控制條件組，計算出使一染色目標關聯模型具有一最小值之該目標控制數據組。具體而言，該步驟(a)包含下列步驟：(a1)根據該等控制因子決定該染色品質關聯模型之複數個決定因子，以及(a2)根據該紡織染色製程之複數筆歷史控制數據組計算該染色品質關聯模型之各該決定因子之一係數。各該歷史控制數據組包含一歷史染色品質數據及複數個歷史控制數據一對一地對應至該等控制因子。該步驟(b)中之該染色目標關聯模型由該等控制因子界定，且該控制條件組包含該染色品質關聯模型之一預設範圍以及各該控制因子之一預設範圍。
簡言之，本發明所提供之技術係利用多筆歷史控制數據組決定至少一染色品質關聯模型，再計算出能滿足一控制條件組(包含該染色品質關聯模型之一預設範圍以及多個控制因子各自之預設範圍)且使一染色目標關聯模型具有一最小值之一目標控制數據組。本發明在決定目標控制數據組時所利用之至少一染色品質關聯模型及染色目標關聯模型皆與一紡織染色製程之複數個控制因子相關。由於考量了影響紡織染色製程之多個控制因子，且利用了歷史控制數據組，因此本發明所提供之技術能有效率地計算出用於紡織染色製程之目標控制數據，且能避免業者僅憑經驗決定目標控制數據組時所可能導致之成本浪費。
以下結合圖式闡述本發明之詳細技術及實施方式，俾使本發明所屬技術領域中具有通常知識者能理解所請求保護之發明之特徵。
10a、10b、……、10c‧‧‧歷史控制數據組
11‧‧‧控制數據決定裝置
111‧‧‧儲存器
113‧‧‧處理器
12‧‧‧目標控制數據組
A、B、C、D、E‧‧‧控制因子
K/S‧‧‧染色品質標準
△E‧‧‧染色品質標準
S201、S203、S205、S207、S209‧‧‧步驟
第1A圖係描繪第一實施方式之控制數據決定裝置11之架構 示意圖；第1B圖係描繪一示例性之複數筆歷史控制數據組10a、10b、…、10c之示意圖；以及第2圖係描繪第二實施方式之控制數據決定方法之流程圖。
以下將透過實施方式來解釋本發明所提供之一種為一紡織染色製程決定一目標控制數據組之裝置、方法及其電腦程式產品。然而，該等實施方式並非用以限制本發明需在如該等實施方式所述之任何環境、應用或方式方能實施。因此，關於實施方式之說明僅為闡釋本發明之目的，而非用以限制本發明之範圍。應理解，在以下實施方式及圖式中，與本發明非直接相關之元件已省略而未繪示，且各元件之尺寸以及元件間之尺寸比例僅為例示而已，而非用以限制本發明之範圍。
本發明之第一實施方式為一種為一紡織染色製程決定一目標控制數據組之裝置(下稱「控制數據決定裝置」)11，其架構示意圖係描繪於第1A圖。控制數據決定裝置11包含一儲存器111及一處理器113，且二者彼此電性連接。儲存器111可為一記憶體、一通用串列匯流排(Universal Serial Bus；USB)碟、一硬碟、一光碟(Compact Disk；CD)、一隨身碟或本發明所屬技術領域中具有通常知識者所知且具有相同功能之任何其他儲存媒體或電路。處理器113可為各種處理單元、中央處理單元(Central Processing Unit；CPU)、微處理器或本發明所屬技術領域中具有通常知識者所知悉之其他計算裝置。
在紡織染色技術中，各種織品材料(例如：聚脂纖維、尼龍、 混紡)、各種纖維規格(例如：小於75纖度(denier)、大於75纖度)、各種染劑類別(例如：均染(leveling)、金屬錯合物(metal complex))及各種總濃度範圍(例如：小於0.5%、介於0.5%及1.5%之間、大於1.5%)所形成的不同組合需要不同的紡織染色製程。控制數據決定裝置11能針對不同的紡織染色製程決定不同的目標控制數據組。由於控制數據決定裝置11係以雷同之技術為不同的紡織染色製程決定目標控制數據組，故以下將僅針對一個紡織染色製程進行詳細說明。
一個紡織染色製程所能達成之染色結果(例如：染色品質、穩定度及生產成本)受到複數個控制因子(例如：染液濃度、助劑濃度、酸鹼值、浴比值、主要染程之起始溫度、主要染程之升溫速率、主要染程之終點溫度、主要染程之最高溫度之持續時間以及水洗時間等)影響。控制數據決定裝置11便是為一紡織染色製程決定該等控制因子之控制數據，而這些控制數據所形成之集合即為目標控制數據組。換言之，控制數據決定裝置11所決定之目標控制數據組包含複數個控制數據，且該等控制數據一對一地對應至該等控制因子。需說明者，主要染程係指在一個紡織染色製程中，該等控制因子影響染色結果較為明顯之製程區間。習知的紡織染色製程通常將升溫過程區分為三個區間：第一區間係由室溫至主要染程之起始溫度，第二區間係由主要染程之起始溫度至主要染程之終點溫度，而第三區間係由主要染程之終點溫度至主要染程之最高溫度。該等控制因子在第二區間對染色結果之影響遠大於在第一區間或/及第三區間對染色結果之影響，故第二區間被認為是紡織染色製程之危險區間。因此，本發明所屬技術領域中具有通常知識者應能理解可採用與主要染程(亦即，第二區間)相關之資訊作 為控制因子。
控制數據決定裝置n之儲存器111儲存該紡織染色製程之複數筆歷史控制數據組10a、10b、…、10c，其中歷史控制數據組10a、10b、…、10c中之每一組包含至少一歷史染色品質數據及複數個歷史控制數據一對一地對應至該等控制因子。具體而言，歷史控制數據組10a、10b、…、10c中之每一組包含過去執行該紡織染色製程時各控制因子之控制數據及染色完成品之實際染色品質數據。
為便於理解，請參第1B圖所繪示之具體範例。於此具體範例中，紡織染色製程具有五個控制因子A、B、C、D、E及二個染色品質標準K/S及△E。舉例而言，控制因子A、B、C、D、E可分別為紡織染色製程之主要染程之起始溫度、主要染程之升溫速率、主要染程之終點溫度、主要染程之最高溫度之持續時間及浴比值，染色品質標準K/S可為固色力標準，且染色品質標準△E可為國際照明委員會(International Commission on Illumination：CIE)所制定之CIE76標準中之感覺差異值(delta E)。於此具體範例中，歷史控制數據組10a、10b、…、10c中之每一組包含五個歷史控制數據一對一地對應至控制因子A、B、C、D、E及二個歷史染色品質數據一對一地對應至染色品質標準K/S及△E。需說明者，本具體範例中之控制因子之數目、染色品質標準之數目、各控制因子之具體態樣及各染色品質標準之具體態樣僅為例示而已，而非用以限制本發明之範圍。
接著說明控制數據決定裝置11如何為一紡織染色製程決定一目標控制數據組。於本實施方式中，控制數據決定裝置11利用歷史控制數據組10a、10b、…、10c、至少一染色品質關聯模型及一染色目標關聯模型 來決定該目標控制數據組。
首先，控制數據決定裝置11之處理器113決定該紡織染色製程之至少一染色品質關聯模型，其目的在於建立該等控制因子與染色品質間之關聯性。於本實施方式中，處理器113係決定二個染色品質關聯模型，分別為一第一染色品質關聯模型及一第二染色品質關聯模型。需說明者，於其他實施方式中，處理器113可決定其他數目個染色品質關聯模型；換言之，本發明並未限制控制數據決定裝置11需決定二個染色品質關聯模型。
具體而言，處理器113根據該等控制因子決定該第一染色品質關聯模型之複數個第一決定因子，再根據該紡織染色製程之歷史控制數據組10a、10b、…、10c計算第一染色品質關聯模型之各該第一決定因子之一第一係數。如前所述，一個紡織染色製程所能達成之染色結果受到複數個控制因子影響。此外，該等控制因子亦會交互影響，進而改變染色結果。因此，處理器113根據該等控制因子決定第一染色品質關聯模型之該等第一決定因子，而該等第一決定因子可視為會影響該紡織染色製程之染色結果之因子。為便於理解，茲以第1B圖所繪示之具體範例接續說明。處理器113可考量控制因子A、B、C、D、E及任意二者間之交互影響，藉此決定出複數個第一決定因子。請參以下公式(1)：f K/S(A,B,C,D,E)=b+b AA+b BB+…+b EE+b ABAB+b ACAC+…+b AAA2+… (1)
於公式(1)中，f K/S(A,B,C,D,E)代表第一染色品質關聯模型，變數A、B、…、E分別代表控制因子A、B、C、D、E，而處理器113所決定之該等第一決定因子則包含變數A、B、…、E、AB、AC、…、A2、…。需 說明者，於公式(1)中，處理器113僅考慮單一控制因子所造成之影響及任意二個控制因子間之交互影響，但於其他實施方式中，處理器113亦可進一步地考慮其他數目個控制因子間之交互影響(例如：三個、四個)。
在處理器113決定了該等第一決定因子後，處理器113根據歷史控制數據組10a、10b、…、10c中每一組對應至染色品質標準K/S之歷史染色品質數據及對應至控制因子A、B、…、E之該等歷數數據，計算出第一染色品質關聯模型之各第一決定因子之第一係數。各該第一係數可呈現出相對應之該第一決定因子在第一染色品質關聯模型中之貢獻程度。以公式(1)為例，變數b、bA、bB、…、bE、bAB、bAC、…、bAA、…即代表處理器113所欲計算出之該等第一係數。在處理器113計算出該等第一係數後，便已決定出第一染色品質關聯模型。由於處理器113在決定第一染色品質關聯模型時係利用歷史控制數據組10a、10b、…、10c中對應至染色品質標準K/S之歷史染色品質數據，因此第一染色品質關聯模型可視為與固色力標準相關。
需說明者，於某些實施方式中，處理器113可藉由一統計學演算法、一倒傳遞神經網路(Back-Propagation Neural network；BPN)演算法或一支持向量迴歸(Support Vector Regression；SVR)演算法來計算該等第一係數。前述統計學演算法可包含一多變量線性迴歸(Multiple Linear Regression)演算法及複數個相對權重(Relative Weight)。本發明所屬技術領域中具有通常知識者應可瞭解如何藉由一統計學演算法、一倒傳遞神經網路演算法或一支持向量迴歸演算法來計算出公式(1)中之該等第一係數，故不贅言。
類似的，處理器113亦根據該等控制因子決定該第二染色品 質關聯模型之複數個第二決定因子，再根據該紡織染色製程之歷史控制數據組10a、10b、…、10c計算第二染色品質關聯模型之各該第二決定因子之一第二係數。該等第二決定因子可視為會影響該紡織染色製程之染色結果之因子，而各該第二係數可呈現出相對應之該第二決定因子在第二染色品質關聯模型中之貢獻程度。以第1B圖為例，處理器113可考量控制因子A、B、C、D、E及任意二者間之交互影響，藉此決定出複數個第二決定因子。請參以下公式(2)：f △E (A,B,C,D,E) =a+aAA+aBB+…+aEE+aABAB+aACAC+…+aAAA2+… (2)
於公式(2)中，f △E (A,B,C,D,E)代表第二染色品質關聯模型，變數A、B、…、E分別代表控制因子A、B、C、D、E，而處理器113所決定之第二決定因子則包含變數A、B、…、E、AB、AC、…、A2、…。類似的，於公式(2)中，處理器113僅考慮單一控制因子所造成之影響及任意二個控制因子間之交互影響，但於其他實施態樣中，處理器113亦可進一步地考慮其他數目個控制因子間之交互影響(例如：三個、四個)。
在處理器113決定了該等第二決定因子後，處理器113根據歷史控制數據組10a、10b、…、10c中每一組對應至染色品質標準△E之歷史染色品質數據及對應至控制因子A、B、…、E之該等歷數數據，計算出第二染色品質關聯模型之各第二決定因子之第二係數。以公式(2)為例，變數a、aA、aB、…、aE、aAB、aAC、…、aAA、…即代表處理器113所欲計算出之該等第二係數。在處理器113計算出該等第二係數後，便已決定出第二染色品質關聯模型。由於處理器113在決定第二染色品質關聯模型時係利用歷史控制數據 組10a、10b、…、10c中對應至染色品質標準△E之歷史染色品質數據，因此第二染色品質關聯模型可視為與CIE76標準中之感覺差異值相關。
類似的，於某些實施方式中，處理器113可藉由一統計學演算法、一倒傳遞神經網路演算法或一支持向量迴歸演算法來計算該等第二係數。前述統計學演算法可包含一多變量線性迴歸演算法及複數個相對權重。
接著說明處理器113如何根據一控制條件組計算出使一染色目標關聯模型具有一最小值之該目標控制數據組12。
本實施方式之控制數據決定裝置11提供三個不同的染色目標關聯模型，其中第一染色目標關聯模型與一染色品質標準相關，第二染色目標關聯模型與染色穩定度相關，且第三染色目標關聯模型與染色成本相關。第一、第二及第三染色目標關聯模型皆由該等控制因子所界定(亦即，與該等控制因子相關)。第一、第二及第三染色目標關聯模型可事先地儲存於儲存器111。需說明者，於其他實施方式中，控制數據決定裝置11可提供其他數目個染色目標關聯模型；換言之，本發明並未限制控制數據決定裝置11需提供三個染色目標關聯模型。此外，控制數據決定裝置11所提供之染色目標關聯模型亦可與使用者關心之其他目標相關；換言之，本發明並未限制染色目標關聯模型一定要與染色品質標準、染色穩定度或染色成本相關。
為便於理解，茲延續第1B圖所繪示之具體範例繼續說明。舉例而言，處理器113可採用前述公式(2)作為第一染色目標關聯模型，故此第一染色目標關聯模型與CIE76標準中之感覺差異值相關，且此第一染色目標關聯模型由控制因子A、B、C、D、E界定。再舉例而言，處理器113可採用 以下公式(3)作為第二染色目標關聯模型，此第二染色目標關聯模型由控制因子A、B、C、D、E界定。由於第二染色目標關聯模型係考量f △E (A,B,C,D,E)之梯度值，故可視為與染色穩定度相關。
Grediant of[f △E (A,B,C,D,E)2] (3)
再舉例而言，處理器113可採用以下公式(4)作為第三染色目標關聯模型，其係考量了該紡織染色製程之耗電成本、用水成本及機台占用成本。此第三染色目標關聯模型由控制因子A、B、C、D、E界定。
Figure TWI611314BD00001
於公式(4)中，變數C 1為每焦耳之成本，變數S為熱容量，變數M為紡織品重量，T L 變數為室內溫度，變數T H 為最高溫度，變數C 2為每公斤耗水量之成本，變數C 3為每公斤廢水之處理成本，變數K為換水次數，變數C 4為機台占用每分鐘之成本，變數v為室內溫度T L 至主要染程之起始溫度A(亦即，紡織染色製程之升溫過程之第一區間)以及主要染程之終點溫度C至最高溫度T H (亦即，紡織染色製程之升溫過程之第三區間)之升溫速率。於公式(4)中，C 1SM(T H -T L )E為耗電成本，(C 2+C 3)MKE為用水成本，且
Figure TWI611314BD00002
為機台占用成本。
處理器113可依據使用者之指示(例如：透過控制數據決定裝置11之一收發介面接收使用者所輸入之指示)選擇其中一個染色目標關聯模型，並依據相對應之控制條件組計算出使該染色目標關聯模型具有一最小值之目標控制數據組12。控制條件組包含第一染色品質關聯模型之一預設範圍以及各該控制因子之一預設範圍。
茲假設使用者選擇第一染色目標關聯模型(亦即，公式(2))， 則相對應之控制條件組可包含以下公式(5)-(10)：
Figure TWI611314BD00003
Figure TWI611314BD00004
Figure TWI611314BD00005
Figure TWI611314BD00006
Figure TWI611314BD00007
Figure TWI611314BD00008
公式(5)-(10)中之變數LBA、LBB、UBB、LBC、UBC、LBD、UBD、LBE、UBE、LBK/S、UBK/S可為預設值，亦可由使用者視實際需要而設定(例如：透過控制數據決定裝置11之一收發介面接收使用者所輸入之設定)。上述公式(5)-(9)分別為控制因子A、B、C、D、E之預設範圍，而公式(10)為第一染色品質關聯模型之預設範圍。處理器113根據此控制條件組，計算出滿足此控制條件組之所有要求，且使第一染色目標關聯模型(亦即，公式(2))具有一最小值之控制因子A、B、C、D、E之控制數據作為目標控制數據組12。
茲假設使用者選擇第二染色目標關聯模型(亦即，公式(3))，則相對應之控制條件組除了可包含公式(5)-(10)，更可包含以下公式(11)：
Figure TWI611314BD00009
公式(11)中之變數UB △E 可為預設值，亦可由使用者視實際需要而設定(例如：透過控制數據決定裝置11之一收發介面接收使用者所輸入之設定)。公式(11)為第二染色品質關聯模型之預設範圍。處理器113根據此控制條件組，計算出滿足此控制條件組之所有要求，且使第二染色目標關聯 模型(亦即，公式(3))具有一最小值之控制因子A、B、C、D、E之控制數據作為目標控制數據組12。
茲假設使用者選擇第三染色目標關聯模型(亦即，公式(4))，則相對應之控制條件組可包含公式(5)-(11)。類似的，處理器113根據此控制條件組，計算出滿足此控制條件組之所有要求，且使第三染色目標關聯模型(亦即，公式(4))具有一最小值之控制因子A、B、C、D、E之控制數據作為目標控制數據組12。
不論採用哪一染色目標關聯模型，處理器113所算出之目標控制數據組12所包含之該等控制數據即為所欲求得之數據。控制數據決定裝置11可將目標控制數據組12所包含之該等控制數據傳送給使用者(例如：透過控制數據決定裝置11之一收發介面傳送給使用者)或顯示於一顯示裝置(可包含於控制數據決定裝置11或外在於控制數據決定裝置11)上。後續，使用者便可利用目標控制數據組12所包含之該等控制數據，於工廠之染缸實際操作，且計算該次染色結果之一或多個染色品質數據(例如：對應至染色品質標準K/S之染色品質數據及對應至染色品質標準△E之染色品質數據)。
於某些實施方式中，處理器113更可將目標控制數據組12所包含之該等控制數據以及相對應之染色品質數據(亦即，利用目標控制數據組12進行染色，其染色結果之染色品質數據)儲存於儲存器111。於某些實施方式中，處理器113可進一步地根據歷史控制數據組10a、10b、…、10c、目標控制數據組12及目標控制數據組12所對應之至少一染色品質數據，更新第一染色品質關聯模型之該等第一係數或/及第二染色品質關聯模型之該 等第二係數。本發明所屬技術領域中具有通常知識者依據前述說明，應可理解處理器113如何根據歷史控制數據組10a、10b、…、10c、目標控制數據組12及目標控制數據組12所對應之至少一染色品質數據，更新第一染色品質關聯模型之該等第一係數或/及第二染色品質關聯模型之該等第二係數，故不贅言。透過更新第一染色品質關聯模型之該等第一係數或/及第二染色品質關聯模型之該等第二係數，將使處理器113後續能更為準確地計算出其他目標控制數據組。
由上述說明可知，控制數據決定裝置11根據多筆歷史控制數據組10a、10b、…、10c決定至少一染色品質關聯模型，再根據一控制條件組，計算出使一染色目標關聯模型具有一最小值之一目標控制數據組。控制數據決定裝置11在決定目標控制數據組時所利用之至少一染色品質關聯模型及染色目標關聯模型皆與一紡織染色製程之複數個控制因子相關。由於考量了影響紡織染色製程之多個控制因子，且利用了歷史控制數據組10a、10b、…、10c，因此控制數據決定裝置11能有效率地計算出用於紡織染色製程之目標控制數據組，且能避免業者僅憑經驗決定目標控制數據組時所可能導致之成本浪費。
本發明之第二實施方式為一種為一紡織染色製程決定一目標控制數據組之方法(以下簡稱「控制數據決定方法」)，其流程圖係描繪於第2圖。該控制數據決定方法適用於一電子計算裝置，例如第一實施方式所述之控制數據決定裝置11。該紡織染色製程受到複數個控制因子影響，而本實施方式所欲決定之該目標控制數據組包含複數個控制數據，且該等控制數據一對一地對應至該等控制因子。
首先，由該電子計算裝置決定該紡織染色製程之一第一染色品質關聯模型。具體而言，於步驟S201，由該電子計算裝置根據該等控制因子決定該第一染色品質關聯模型之複數個第一決定因子。接著，執行步驟S203，由該電子計算裝置根據該紡織染色製程之複數筆歷史控制數據組計算該第一染色品質關聯模型之各該第一決定因子之一第一係數。前述各該歷史控制數據組包含至少一歷史染色品質數據及複數個歷史控制數據一對一地對應至該等控制因子。於某些實施方式中，步驟S203可採一統計學演算法、一倒傳遞神經網路演算法及一支持向量迴歸演算法其中之一計算該等第一係數。前述該統計學演算法包含一多變量線性迴歸演算法及複數個相對權重。需說明者，於某些實施方式中，該第一染色品質關聯模型可與一固色力標準或一染色品質標準相關。
之後，由該電子計算裝置決定該紡織染色製程之一第二染色品質關聯模型。具體而言，於步驟S205，由該電子計算裝置根據該等控制因子決定該第二染色品質關聯模型之複數個第二決定因子。接著，於步驟S207，由該電子計算裝置根據該等歷史控制數據組計算該第二染色品質關聯模型之各該第二決定因子之一第二係數。於某些實施方式中，步驟S207可採一統計學演算法、一倒傳遞神經網路演算法及一支持向量迴歸演算法其中之一計算該等第二係數。前述該統計學演算法包含一多變量線性迴歸演算法及複數個相對權重。需說明者，於某些實施方式中，該第二染色品質關聯模型可與一固色力標準或一染色品質標準相關。
需說明者，於某些實施方式中，步驟S205及步驟S207可予以省略。此外，於某些實施方式中，控制數據決定方法則可重複地執行步驟 S201及步驟S203(或步驟S205及步驟S207)以決定該紡織染色製程之其他染色品質關聯模型。本發明所屬技術領域中具有通常知識者依據前述內容應可理解如何決定該紡織染色製程之其他染色品質關聯模型，茲不贅言。
之後，執行步驟S209，由該電子計算裝置根據一控制條件組，計算出使一染色目標關聯模型具有一最小值之該目標控制數據組。該染色目標關聯模型由該等控制因子界定，且該控制條件組包含該第一染色品質關聯模型之一預設範圍以及各該控制因子之一預設範圍。需說明者，於某些實施方式中，該控制條件組可更包含該第二染色品質關聯模型之一預設範圍。此外，於某些實施方式中，該染色目標關聯模型與一染色品質標準、一染色穩定度或/及一染色成本相關。再者，於某些實施方式中，步驟S209係以第二染色品質關聯模型作為該染色目標關聯模型。
於某些實施方式中，該控制數據決定方法可再執行一步驟(未繪示)，由該電子計算裝置根據該等歷史控制數據組、該目標控制數據組及該目標控制數據組所對應之一染色品質數據(亦即，利用該目標控制數據組進行染色，其染色結果之染色品質數據)，更新該第一染色品質關聯模型之該等第一係數或/及第二染色品質關聯模型之該等第二係數。透過更新第一染色品質關聯模型之該等第一係數或/及第二染色品質關聯模型之該等第二係數，將使控制數據決定方法後續能更為準確地計算出其他目標控制數據組。
除了上述步驟，第二實施方式亦能執行第一實施方式所描述之控制數據決定裝置11之所有運作及步驟，具有同樣之功能，且達到同樣之技術效果。本發明所屬技術領域中具有通常知識者可直接瞭解第二實施方 式如何基於上述第一實施方式以執行此等運作及步驟，具有同樣之功能，並達到同樣之技術效果，故不贅述。
第二實施方式所闡述之控制數據決定方法可由具有複數個指令之一電腦程式產品實現。該電腦程式產品可為能於網路上被傳輸之檔案，亦可被儲存於一非暫態電腦可讀取儲存媒體中。針對該電腦程式產品，在其所包含之該等指令被載入至一電子計算裝置(例如：控制數據決定裝置11)之後，該電腦程式產品執行第二實施方式所述之控制數據決定裝方法。該非暫態電腦可讀取儲存媒體可為一電子產品，例如：一唯讀記憶體(read only memory；ROM)、一快閃記憶體、一軟碟、一硬碟、一光碟(compact disk；CD)、一隨身碟、一磁帶、一可由網路存取之資料庫或本發明所屬技術領域中具有通常知識者所知且具有相同功能之任何其他儲存媒體。
需說明者，於本發明專利說明書及申請專利範圍中，第一染色品質關聯模型及第二染色品質關聯模型中之「第一」及「第二」僅用來表示該等染色品質關聯模型為不同之染色品質關聯模型。第一決定因子及第二決定因子中之「第一」及「第二」僅用來表示該等決定因子屬於不同染色品質關聯模型之決定因子。第一係數及第二係數中之「第一」及「第二」僅用來表示該等係數屬於不同染色品質關聯模型之係數。
由上述說明可知，本發明所提供之控制數據決定裝置、方法及其電腦程式產品根據複數筆歷史控制數據組決定至少一染色品質關聯模型，再計算出能滿足一控制條件組且使一染色目標關聯模型具有一最小值之一目標控制數據組。本發明在決定目標控制數據組時所利用之至少一染色品質關聯模型及染色目標關聯模型皆與一紡織染色製程之複數個控制因 子相關。由於考量了影響紡織染色製程之多個控制因子，且利用了歷史控制數據組，因此本發明能有效率地計算出用於紡織染色製程之目標控制數據，且能避免業者僅憑經驗決定目標控制數據組時所可能導致之成本浪費。
上述實施方式僅用來例舉本發明之部分實施態樣，以及闡釋本發明之技術特徵，而非用來限制本發明之保護範疇及範圍。任何本發明所屬技術領域中具有通常知識者可輕易完成之改變或均等性之安排均屬於本發明所主張之範圍，而本發明之權利保護範圍以申請專利範圍為準。
S201、S203、S205、S207、S209‧‧‧步驟

Claims (20)

  1. 一種為一紡織染色製程決定一目標控制數據組之裝置，該目標控制數據組包含複數個控制數據，該等控制數據一對一地對應至複數個控制因子，該裝置包含：一儲存器，儲存複數筆歷史控制數據組，各該歷史控制數據組包含一歷史染色品質數據及複數個歷史控制數據一對一地對應至該等控制因子；以及一處理器，電性連接至該儲存器，且決定該紡織染色製程之一第一染色品質關聯模型，其中該處理器係執行以下運作來決定該第一染色品質關聯模型：(a1)根據該等控制因子決定該第一染色品質關聯模型之複數個第一決定因子，以及(a2)根據該紡織染色製程之該等歷史控制數據組計算該第一染色品質關聯模型之各該第一決定因子之一第一係數，其中，該處理器更根據一控制條件組，計算出使一染色自標關聯模型具有一最小值之該目標控制數據組，其中該染色目標關聯模型由該等控制因子界定，該控制條件組包含該第一染色品質關聯模型之一預設範圍以及各該控制因子之一預設範圍。
  2. 如請求項1所述之裝置，其中該處理器更決定該紡織染色製程之一第二染色品質關聯模型，其中該處理器係執行以下運作來決定該第二染色品質關聯模型：(b1)根據該等控制因子決定該第二染色品質關聯模型之複數個第二決定因子，以及(b2)根據該等歷史控制數據組計算該第二染色品質關聯模型之各該第二決定因子之一第二係數。
  3. 如請求項2所述之裝置，其中該處理器係以該第二染色品質關聯模型作為 該染色目標關聯模型。
  4. 如請求項2所述之裝置，其中該控制條件組更包含該第二染色品質關聯模型之一預設範圍。
  5. 如請求項1所述之裝置，其中該處理器更根據該等歷史控制數據組、該目標控制數據組及該目標控制數據組所對應之一染色品質數據，更新該第一染色品質關聯模型之該等第一係數。
  6. 如請求項1所述之裝置，其中該處理器係以一統計學演算法、一倒傳遞神經網路(Back-Propagation Neural network；BPN)演算法及一支持向量迴歸(Support Vector Regression；SVR)演算法其中之一計算該等第一係數。
  7. 如請求項6所述之裝置，其中該統計學演算法包含一多變量線性迴歸(Multiple Linear Regression)演算法及複數個相對權重(Relative Weight)。
  8. 如請求項1所述之裝置，其中該第一染色品質關聯模型與一固色力標準及一染色品質標準其中之一相關。
  9. 如請求項1所述之裝置，其中該染色目標關聯模型與一染色品質標準、一染色穩定度及一染色成本其中之一或其組合相關。
  10. 一種為一紡織染色製程決定一目標控制數據組之方法，適用於一電子計算裝置，該目標控制數據組包含複數個控制數據，該等控制數據一對一地對應至複數個控制因子，該方法包含下列步驟：(a)決定該紡織染色製程之一第一染色品質關聯模型，包含下列步驟：(a1)根據該等控制因子決定該第一染色品質關聯模型之複數個 第一決定因子；以及(a2)根據該紡織染色製程之複數筆歷史控制數據組計算該第一染色品質關聯模型之各該第一決定因子之一第一係數，各該歷史控制數據組包含一歷史染色品質數據及複數個歷史控制數據一對一地對應至該等控制因子；以及(b)根據一控制條件組，計算出使一染色目標關聯模型具有一最小值之該目標控制數據組，其中該染色目標關聯模型由該等控制因子界定，該控制條件組包含該第一染色品質關聯模型之一預設範圍以及各該控制因子之一預設範圍。
  11. 如請求項10所述之方法，更包含下列步驟：(c)決定該紡織染色製程之一第二染色品質關聯模型，包含下列步驟：(c1)根據該等控制因子決定該第二染色品質關聯模型之複數個第二決定因子；以及(c2)根據該等歷史控制數據組計算該第二染色品質關聯模型之各該第二決定因子之一第二係數。
  12. 如請求項11所述之方法，其中該步驟(b)係以該第二染色品質模型作為該染色目標關聯模型。
  13. 如請求項11所述之方法，其中該控制條件組更包含該第二染色品質關聯模型之一預設範圍。
  14. 如請求項10所述之方法，更包含下列步驟：根據該等歷史控制數據組、該目標控制數據組及該目標控制數據組 所對應之一染色品質數據，更新該第一染色品質關聯模型之該等第一係數。
  15. 如請求項10所述之方法，其中該步驟(a2)係以一統計學演算法、一倒傳遞神經網路(Back-Propagation Neural network；BPN)演算法及一支持向量迴歸(Support Vector Regression；SVR)演算法其中之一計算該等第一係數。
  16. 如請求項15所述之方法，其中該統計學演算法包含一多變量線性迴歸(Multiple Linear Regression)演算法及複數個相對權重(Relative Weight)。
  17. 如請求項10所述之方法，其中該第一染色品質關聯模型與一固色力標準及一染色品質標準其中之一相關。
  18. 如請求項10所述之方法，其中該染色目標關聯模型與一染色品質標準、一染色穩定度及一染色成本其中之一或其組合相關。
  19. 一種電腦程式產品，經由一電子計算裝置載入該電腦程式產品後，該電子計算裝置執行該電腦程式產品所包含之複數個程式指令以執行一種為一紡織染色製程決定一目標控制數據組之方法，該目標控制數據組包含複數個控制數據，該等控制數據一對一地對應至複數個控制因子，該方法包含下列步驟：(a)決定該紡織染色製程之一第一染色品質關聯模型，包含下列步驟：(a1)根據該等控制因子決定該第一染色品質關聯模型之複數個第一決定因子；以及 (a2)根據該紡織染色製程之複數筆歷史控制數據組計算該第一染色品質關聯模型之各該第一決定因子之一第一係數，各該歷史控制數據組包含一歷史染色品質數據及複數個歷史控制數據一對一地對應至該等控制因子；以及(b)根據一控制條件組，計算出使一染色目標關聯模型具有一最小值之該目標控制數據組，其中該染色目標關聯模型由該等控制因子界定，該控制條件組包含該第一染色品質關聯模型之一預設範圍以及各該控制因子之一預設範圍。
  20. 如請求項19所述之電腦程式產品，其中該方法更包含下列步驟：(c)決定該紡織染色製程之一第二染色品質關聯模型，包含下列步驟：(c1)根據該等控制因子決定該第二染色品質關聯模型之複數個第二決定因子；以及(c2)根據該等歷史控制數據組計算該第二染色品質關聯模型之各該第二決定因子之一第二係數。
TW105137607A 2016-11-17 2016-11-17 為一紡織染色製程決定一目標控制數據組之裝置、方法及其電腦程式產品 TWI611314B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW105137607A TWI611314B (zh) 2016-11-17 2016-11-17 為一紡織染色製程決定一目標控制數據組之裝置、方法及其電腦程式產品
CN201611063688.3A CN108073751B (zh) 2016-11-17 2016-11-28 为一纺织染色制程决定一目标控制数据组的装置、方法及其电脑可读取储存媒体
US15/367,830 US9970154B1 (en) 2016-11-17 2016-12-02 Apparatus, method, and non-transitory computer readable medium thereof for deciding a target control data set of a fabric dyeing process

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW105137607A TWI611314B (zh) 2016-11-17 2016-11-17 為一紡織染色製程決定一目標控制數據組之裝置、方法及其電腦程式產品

Publications (2)

Publication Number Publication Date
TWI611314B true TWI611314B (zh) 2018-01-11
TW201820191A TW201820191A (zh) 2018-06-01

Family

ID=61728610

Family Applications (1)

Application Number Title Priority Date Filing Date
TW105137607A TWI611314B (zh) 2016-11-17 2016-11-17 為一紡織染色製程決定一目標控制數據組之裝置、方法及其電腦程式產品

Country Status (3)

Country Link
US (1) US9970154B1 (zh)
CN (1) CN108073751B (zh)
TW (1) TWI611314B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3540660A1 (en) * 2018-03-12 2019-09-18 Institute for Imformation Industry Apparatus and method thereof for determining a control condition set of a production line
TWI757929B (zh) * 2020-10-23 2022-03-11 財團法人紡織產業綜合研究所 織物染色設備的控制方法
TWI764423B (zh) * 2020-12-10 2022-05-11 財團法人紡織產業綜合研究所 織物染色製程助劑試配性的判斷方法及其判斷系統

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI698806B (zh) * 2018-08-10 2020-07-11 財團法人資訊工業策進會 動作資料標記裝置、方法及非暫態電腦可讀取記錄媒體
TWI695280B (zh) * 2018-10-08 2020-06-01 財團法人資訊工業策進會 為一生產線之一預設控制條件組決定一目標調整路徑之裝置及方法
CN109754164B (zh) * 2018-12-18 2023-06-20 内蒙古鄂尔多斯资源股份有限公司东昊厂 一种羊绒纺织生产计算投入量的动态制成率模型
CN110287623B (zh) * 2019-06-28 2023-07-28 广东溢达纺织有限公司 调色配方校正方法、装置、计算机设备和存储介质
TW202119260A (zh) * 2019-11-06 2021-05-16 財團法人資訊工業策進會 資料解讀裝置、方法及其電腦程式產品
CN111553114B (zh) * 2020-04-11 2022-10-11 东华大学 一种基于数据驱动的纺织印染智能配色方法
CN113249982B (zh) * 2021-06-18 2021-09-10 南通宝硕纺织品有限公司 一种提高织物印花稳固性的方法及装置
CN116643497B (zh) * 2023-05-29 2024-05-10 汕头市鼎泰丰实业有限公司 筒子纱的染色控制系统及其方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US2707383A (en) * 1953-03-30 1955-05-03 Burlington Engineering Company Fabric dyeing apparatus
TW200510075A (en) * 2003-01-14 2005-03-16 Milliken & Co Patterned textile product

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5846265A (en) 1996-07-26 1998-12-08 North Carolina State University Closed-loop textile dyeing process utilizing real-time metered dosing of dyes and chemicals
CN1243945A (zh) * 1998-08-04 2000-02-09 财团法人中国纺织工业研究中心 浸染染色自动加药暨酸碱值控制系统
US7738149B2 (en) * 2001-08-16 2010-06-15 Sun Chemical Corporation System and method for managing electronic transmission of color data
US6792329B2 (en) * 2001-08-22 2004-09-14 Milliken & Company Construction of colored images on absorbent substrates using a computer-aided design system
US6704610B2 (en) * 2001-08-22 2004-03-09 Milliken & Company Reproduction of colored images on absorbent substrates using color blending techniques
EP1789618B1 (en) * 2004-01-30 2013-06-19 Milliken & Company Digital control system
EP1985739B1 (en) * 2007-04-24 2012-07-18 Mohawk Carpet Distribution, Inc. Carpet dyeing method
CN101575724A (zh) * 2008-05-09 2009-11-11 立督科技股份有限公司 应用于铝合金双色表面处理的曲面遮蔽制程

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US2707383A (en) * 1953-03-30 1955-05-03 Burlington Engineering Company Fabric dyeing apparatus
TW200510075A (en) * 2003-01-14 2005-03-16 Milliken & Co Patterned textile product

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3540660A1 (en) * 2018-03-12 2019-09-18 Institute for Imformation Industry Apparatus and method thereof for determining a control condition set of a production line
CN110262290A (zh) * 2018-03-12 2019-09-20 财团法人资讯工业策进会 为一生产线决定一控制条件组的装置及其方法
US10444741B2 (en) 2018-03-12 2019-10-15 Institute For Information Industry Apparatus and method thereof for determining a control condition set of a production line
CN110262290B (zh) * 2018-03-12 2021-06-25 财团法人资讯工业策进会 为一生产线决定一控制条件组的装置及其方法
TWI757929B (zh) * 2020-10-23 2022-03-11 財團法人紡織產業綜合研究所 織物染色設備的控制方法
TWI764423B (zh) * 2020-12-10 2022-05-11 財團法人紡織產業綜合研究所 織物染色製程助劑試配性的判斷方法及其判斷系統

Also Published As

Publication number Publication date
CN108073751B (zh) 2021-07-06
CN108073751A (zh) 2018-05-25
US9970154B1 (en) 2018-05-15
US20180135243A1 (en) 2018-05-17
TW201820191A (zh) 2018-06-01

Similar Documents

Publication Publication Date Title
TWI611314B (zh) 為一紡織染色製程決定一目標控制數據組之裝置、方法及其電腦程式產品
US11914348B2 (en) Plant operation condition setting assistance system, learning device, and operation condition setting assistance device
Huynh et al. A hybrid multi-subpopulation genetic algorithm for textile batch dyeing scheduling and an empirical study
US11489736B2 (en) System and method for managing computing devices
US10436470B2 (en) Rule-based load shedding algorithm for building energy management
WO2019234810A1 (ja) 学習装置、推論装置、方法、及びプログラム
CN112947134A (zh) 装置、方法和记录介质
CN112100916A (zh) 用于构建强化学习模型的方法、装置、电子设备及介质
CN107203462A (zh) 一种数据生成方法及装置
US20210352831A1 (en) Method of controlling cooling in a data centre
Liu et al. Scenario-based multi-objective robust scheduling for a semiconductor production line
CN113699032A (zh) 培养箱及控制的方法、装置
CN111309065B (zh) 压力模型建立方法、压力调节方法以及装置
CN106297614A (zh) 一种液晶产品的测试方法
CN109031943A (zh) 模拟量控制回路控制器参数整定方法及装置
JP7081070B2 (ja) 消費電力推定装置
CN113917959B (zh) 一种基于控制调节器的温度控制方法、装置及电子设备
KR102047121B1 (ko) 지거 상압 염색 제어 시스템
Zheng et al. Unrelated parallel machine scheduling with processing cost, machine eligibility and order splitting
CN113993343A (zh) 制冷设备的节能控制方法、装置、终端及存储介质
Firmansyah et al. IoT based temperature control system using node MCU ESP 8266
DE102016119225A1 (de) Verfahren und Informationssystem zum Betreiben eines Haushaltgeräts und Haushaltgerät
CN116029191A (zh) 染料配方模型训练方法、计算机装置及存储介质
Essien Dynamic Control and Performance Evaluation of Microcontroller-Based Smart Industrial Heat Extractor
KR102582790B1 (ko) 기판 처리 장치, 및 기판 처리 방법