Спосіб управління стадіями додрукарської підготовки

1. Спосіб управління стадіями додрукарської підготовки, що включає управління растровими точками в системах кольороподілу та растрування, який відрізняється тим, що управління стадіями додрукарської підготовки в цілому, в тому числі управління растровими точками в процесі кольороподілу, та безпосередньо в процесі растрування, виконують на основі нечіткої логіки, а правила нечіткої логіки реалізовані на базі навченої нейронної мережі, при цьому на етапі растрування застосовується розмита модель та вбудована нейронна мережа, для чого спочатку формулюють послідовність правил нечіткої логіки, потім кожному із цих правил призначають числову характеристику - якість управління, причому правила нечіткої логіки реалізовані на базі навченої нейронної мережі, на вхід нейронної мережі подають параметри, що отримані раніше при тестуванні обладнання, які є технологічно необхідними для коректного друку, а на її виході формується послідовність вихідних сигналів управління, причому певну частину параметрів заносять у семантичний словник у вигляді фрази на природній мові споживача, представлену як математична функція змінної, що використовують для корегування роботи нейронної мережі, а на основі аналізу величини значень цих параметрів формальних компо U 2 (11) 1 3 трових структур зображення, а саме: нанесення на лицьову сторону прозорого матеріалу двох, різних за кольором, шарів фарби, що несуть прямі растрові зображення, а на зворотний бік - двох інших шарів фарби різних кольорів, що несуть дзеркальні растрові зображення. Растрові структури зображень на лицьовій стороні зміщують відносно один одного на півперіода растра по горизонталі, і растрові структури зображень на зворотному боці зміщують відносно один одного в ту ж сторону на півперіода растра по горизонталі, причому растрові структури зображень на лицьовій стороні прозорого матеріалу зміщені щодо растрових структур зображень на зворотному боці на півперіода растра по вертикалі. Проте, даний спосіб передбачає наявність виключно прозорого матеріалу для друку зображення і розміщення по обидві його сторони прямих та дзеркальних растрових зображень, що знижує ефективність його застосування. При реалізації відомого способу процесу кольороподілу в поліграфії ускладнено додатковими операціями, якими звужуються можливості оптимізувати зони кольорового обсягу, що пов'язано з фізичними особливостями світлових відтінків. Крім того, у цьому способі немає можливості впливати на зміну параметрів надрукованого матеріалу чи матеріалу друкарської форми. В основу корисної моделі покладено задачу удосконалення способу управління стадіями додрукарської підготовки в цілому, в тому числі управління растровими точками в процесі кольороподілу, та безпосередньо в процесі растрування для уникнення незапланованого явища, що пов'язано з фізичними особливостями світлових відтінків, шляхом застосування в технологічному процесі засобів нечіткої логіки, що дозволяє формалізувати описи перетворень процесів, які важко описати у вигляді детермінованих аналітичних функцій, що характерно для процесів управління кольороподілом в поліграфії, а також оптимізувати побудову ІСС профілів при зміні матеріалу, на якому друкується зображення, чи матеріалу друкарської форми, що друкує зображення. Крім того, дозволяє розширити зону кольорового обсягу, знизити вплив людського фактору, знизити собівартість надрукованого матеріалу через оптимізацію технологічних етапів виробництва, зокрема скорочення часу додрукарської підготовки завдяки повної чи часткової автоматизації процесу підготовки до друку. Суть корисної моделі полягає в тому, що в спосіб управління стадіями додрукарської підготовки, що включає управління растровими точками в системах кольороподілу та растрування, відповідно до корисної моделі, управління стадіями додрукарської підготовки в цілому, в тому числі управління растровими точками в процесі кольороподілу, та безпосередньо в процесі растрування, виконують на основі нечіткої логіки, а правила нечіткої логіки реалізовані на базі навченої нейронної мережі, при цьому на етапі растрування застосовується розмита модель та вбудована нейронна мережа, для чого спочатку формулюють послідовність правил нечіткої логіки, 57918 4 потім кожному із цих правил призначають числову характеристику - якість управління, причому правила нечіткої логіки реалізовані на базі навченої нейронної мережі, на вхід нейронної мережі подають параметри, що отримані раніше при тестуванні обладнання, які є технологічно необхідними для коректного друку, а на її виході формується послідовність вихідних сигналів управління, причому певну частина параметрів заносять у семантичний словник у вигляді фрази на природній мові споживача, представлену як математична функція змінної, що використовують для корегування роботи нейронної мережі, а на основі аналізу величини значень цих параметрів формальних компонент розмитої моделі формують умови допустимості конкатенації. На етапі растрування в базі закладають параметри стохастичного растрування та регулярного растрування, для окремих критичних зон, у вигляді змінних, таких як: - розтискання растрової частини в зоні 5-35 % наповнення растром; - розтискання растрової частини в зоні 35-70 % наповнення растром; - розтискання растрової частини в зоні 70-98 % наповнення растром; кути нахилу растру для кожного кольору, що розраховується згідно формули: X = N×C×cos()+M×C×sin() Y = N×C×sin()-M×C×cos() де  - кут нахилу растру, С - відстань між точками в ряду, що залежить від лінеатури, N - номер друкуючої точки у напрямку координат шкали X, М - номер друкуючої точки у напрямку координат шкали Y; координати кольору в системі L*a*b (для введення в схему вбудованого спектрофотометру для здійснення оберненого зв'язку) та інші параметри. У першому шарі нейронної мережі, параметри, що генеруються псевдостохастичним генератором, коригуються згідно умов, що вимагає розмита модель, завдяки характеристикам функції приналежності (x), в другому шарі мережі відбувається розподілення на зони, в яких застосовують вищевказані параметри та приймають рішення щодо умов застосовування, а в третьому шарі мережі очікують рішення користувача щодо якості отриманого результату, в результаті чого забезпечують зворотний зв'язок. На фіг. 1 представлена структурна схема моделі нечіткої системи з двома входами і одним виходом. На фіг. 2 приведена схема елементів системи управління растровими точками. На фіг. 3 показана схема роботи нейронної мережі. На фіг. 4 - порівняльна характеристика кольорового балансу для регулярного та стохастичного растрів для ділянок з різним наповненням растру при різній світлоті. Специфіка кольороподілу кожного друкуючого вузла машини відображається у вигляді профілів відповідної машини. Процес створення та налаго 5 дження профілів, в цілому, складається з наступних етапів: - вимірювання та контроль процесу, створення профілів для різних типів пристроїв; - оцінка профілів. Для забезпечення ефективності управління кольорами необхідно використовувати наступні способи управління: - калібрування друкарських машин з метою повернення їх в стан, для якого було виконане профілювання; - формування нового профілю, який описував би новий стан друкарської машини; - аналіз даних про допустимі відхилення параметрів, що визначають режим роботи машини, усереднення цих даних і формування на їх основі нового профілю друкарської машини. В цілому, управління кольорами можна представити як послідовність чотирьох етапів: - визначення значення кольору, в числових величинах RGB або CMYK, або отримання результатів вимірювання в просторі L*a*b; - нормалізація кольорів, що полягає у приведенні всіх кольорів до єдиного простору; - перетворення для виводу, в результаті якого отримується ряд числових значень для відображення необхідного зовнішнього вигляду кольору на друкарських машинах; - виведення кольоропроби, необхідність якої полягає у перевірці правильності відтворення кольору при остаточному виводі. Розмита модель може вміщувати цілу сукупність правил виводу, з якої вибирається, для кожного окремого випадку, певна підмножина цих правил, та приводить існуючий алгоритм виводу функції приналежності V(у): - на першому кроці обчислюється міра реалізації посилки в текучому правилі виводу; - на другому кроці визначається модифікована функція приналежності Bj(y) виводу послідовних правил. Такі правила називають активізованими; - на третьому кроці виконується обчислення результуючої функції приналежностіV(у). З приведеного алгоритму робиться висновок, що розмита модель дозволяє формалізувати описи перетворень процесів, які важко описати у вигляді детермінованих аналітичних функцій, що характерно для процесів управління кольороподілом в поліграфії. В загальному випадку, розмита модель представляє собою наступну структуру, що об'єднує основні елементи розмитих моделей. Структурна схема прикладу моделі нечіткої системи з двома входами і одним виходом представлена на фіг. 1, де прийняті наступні позначення: - MF - модуль фазифікації вхідних сигналів, - MV - модуль нечіткого виводу, - ВР - база правил виводу, - FP - визначення функції приналежності, - DF - модуль дефазифікації, - x1 ,x2 - вхідні сигнали, - А1(x1), А2(x1), В1(x2), В2(x2) - функції приналежності розмитих послідовних входів, - V(у) - функція приналежності виходу, 57918 6 - у* - вихідний сигнал, Модуль MF визначає функцію приналежності вхідних сигналів х1 і х2 до множин розмитих входів. Такі множини А і В розмитих входів для вхідних сигналів вибираються в рамках розмитої моделі (RM) на основі даних про кожну конкретну задачу, для розв'язку якої, передбачується використовувати RM. Модуль виводу вихідного сигналу, або модуль його формування, використовує правила виводу, що розміщуються в базі правил. В класичному випадку, такі правила представляють собою причинно-наслідкові схеми з різними структурами, які описують залежності між множинами розмитих входів і виходів. В загальному випадку, такі правила можуть описувати і більш складні взаємозв'язки між змінними, які аналізуються в рамках моделі. Механізм виводу реалізує визначення функції приналежності вихідної величини у і складається з наступних частин: - визначення міри відповідності посилок тим, чи іншим правилом виводу, завдяки чому вибирається, в кожному окремому випадку побудови послідовного виводу, відповідне правило виводу з бази правил, - визначення міри активізації висновку послідовних правил, яка визначає міру зміни значення атрибуту, що отриманий в наслідок використання імплікації, - визначення вихідної функції приналежності на основі міри активації заключень послідовних правил. В блоці фазифікації процес останньої реалізується наступним способом: - задається діапазон можливих значень вхідної змінної, наприклад, нехай вхідна змінна х1 може змінюватись від 0 до 2, а її вхідне значення є 1,4; - задається функція зміни міри приналежності в межах заданого діапазону, при цьому, відомо, що (x1) і А1(x2) змінюються від 0 до 1,0. Для прикладу приймаємо, що така функція є лінійною. Формально, відповідно до даних прийнятого прикладу можна записати наступне: µА1(x1)=0.5(х1-0); µА2(x1)=0.5(2-х1) (2.12) µВ1(x2)=0.5(х2-0); µВ2(x2)=0.5(2-х2) (2.13) В результаті фазифікації необхідно визначити, в якій мірі вхідна величина близька до свого мінімального та максимального значення. В рамках прикладу, А1 - мале (значення х1 коло нуля), А2 велике (значення близьке до двух) В рамках приведеного прикладу, при проведенні тривіальних обчислень, по співвідношеннях (2.12) з (2.13), отримаємо, що міра приналежності x1=1,4 до множини А1 (множини малих значень) буде дорівнювати 0,3, а міра приналежності х1=1,4 до множини А2 (множини великих значень) буде дорівнювати 0,7. Тому x1=1,4 скоріше всього відноситься до значення «великого», яке дорівнює 2, а не до значення «малого», яке дорівнює 0. Якщо прийняти, що х2=1,6, то відповідно до (2.13), функція приналежності (x2) скоріше всього відноситься до величини «велике», ніж до величини «мале», і відповідно В1(x2)=0.2, а В2(x2)=0.8. 7 Для систем кольороподілу характерною є ситуація, коли однаковий набір вихідних змінних може ініціюватися різними наборами вхідних змінних. Це обумовлюється тим, що асортимент вихідних змінних формується на основі параметрів, що характеризують результат управління. Наприклад, температура сушіння, сила натиску, швидкість друку може обумовлювати значення розтискання растрових елементів. Тип растрування, форма друкуючого елемента, кількість розчинника може обумовлювати те ж саме. В результаті маємо однаковий певний колір. Тому, при аналізі розмитої моделі ситуація, при якій різні компоненти вхідних параметрів можуть приводити до ініціалізації одного і того ж комплекту вихідних параметрів, є можливою. Розмита модель, що використовується в системі управління кольороподілом та растровою точкою, представляє собою синтез ряду окремих розмитих моделей, кожна з яких орієнтована на опис окремих або виділених технологічних процесів в друкарській технології. До таких виділених технологічних процесів можна віднести наступні фрагменти друкарської технології: - управління кольороподілом; - управління точками растру; - реалізація процесу оберненого зв'язку; - управління процесом друку. Управління кольороподілом є окремим компонентом системи управління. Якість друкованого продукту, якщо він є кольоровим, залежить не тільки від кольороподілу, який забезпечує необхідний рівень якості гами кольорів, а й від способу формування растрових точок. Для забезпечення заданих параметрів якості друкованого продукту необхідно реалізувати систему процесу управління растровими точками. На фіг. 2 приведена схема елементів системи управління растром, де використано наступні скорочення: ОЕ - вхідний образ системи управління, VGT - блок вибору текучого місця розміщення групи точок растру, PVG - псевдовипадковий генератор координат розміщення окремої точки растру вибраної групи точок, АРО - блок аналізу повноти відображення образу, CO - кінцевий образ, ARO - блок аналізу растру образу, FPG - формування нових параметрів генератора координат точок растру, RMR - розмита модель управління псевдовипадковим генератором. Для побудови інтегральних моделей на основі використання розмитих множин найбільш розвинутим є підхід, що базується на використанні уявлень про нейронні мережі. Нейронні мережі представляють собою різні структури, які складаються з досить простих функціональних вузлів, або нейронів, та певним чином сформованих зв'язків між ними. Вершина нейтронної мережі, в разі її застосування для розмитих моделей, може реалізувати, 57918 8 в якості типового перетворення, розмиту імплікацію. Для того, щоб процеси змін, які відбуваються в нейронній мережі (NS), відповідали змінам у фрагменті технологічного процесу, що моделюється, необхідно, щоб виконувались наступні вимоги: - необхідно ввести критерії оцінки результатів, що отримані в процесі функціонування NS; - параметри, що описують NS, повинні допускати свою інтерпретацію в предметній області задачі, що розв'язується, або між ними повинні бути функціональні зв'язки; - процес адаптації, що проявляється у зміні параметрів NS, повинен характеризуватися такою швидкістю зміни власних параметрів, яка залишає NS в межах вимог, що визначаються прикладною задачею; - зміни, що відбуваються в процесі адаптації NS, не повинні приводити до змін, які потребували б фізичного втручання споживача в роботу системи. Для моделей, що ґрунтуються на використанні нечіткої математики, є особливо важливою можливість використання інформаційних засобів. Такі засоби представляють собою компоненти, що забезпечують можливість реалізації різних способів встановлення зв'язку між формальними компонентами розмитої моделі, та інтерпретацію цих компонент в предметній області прикладної задачі, що описуються на природній мові споживача. В заявленому технічному рішенні розроблено підхід, що ґрунтується на аналізі функціональності всіх компонент предметної області та окремих її фрагментів. Для цього вводиться уявлення про функціональні параметри окремих компонент середовища. На основі аналізу величини значень параметрів компонент формуються умови допустимості конкатенації («склеювання») відповідних компонент у фразах, що мають певний вигляд, такий як і(хі1,..., хіm). Першу стадію процесу представлено у вигляді додрукарської підготовки, яка є основою процесу відображення сюжету на пакуванні. На цій стадії оцінюється можливість того чи іншого друку відносно особливостей іміджу пакування, який замовлено. Після оцінювання можливості друку починається безпосередньо процес кольороподілу, який включає в себе багато стадій, в залежності від стану електронної версії замовленого зображення, що повинно бути надруковане. На цьому етапі визначаються параметри, які повинні бути виконані до здійснення розділення кольорів та сам кольороподіл, згідно профілю друкарського пристрою. Оцінюються, наприклад, такі параметри: - шрифти повинні бути конвертовані в криві; - товщина роздільних ліній не менше ніж заданий параметр для певного типу друку; - кількість кольорів повинна відповідати друкарському пристрою; - роздільність растрової частини не менше ніж 300dpi; - прозорості відсутні, та інші параметри. Кожний з параметрів може бути занесений у семантичний словник у вигляді змінної, для подальшої роботи нейронної мережі. 9 Після кольороподілу іде етап растрування зображення. На цьому етапі застосовується розмита модель на виході псевдостохастичного генератора при подальшому застосуванні нейронної мережі. В базі закладаються параметри стохастичного растрування та регулярного растрування, для окремих критичних зон, у вигляді змінних, таких як: - розтискання растрової частини в зоні 5-35 % наповнення растром; - розтискання растрової частини в зоні 35-70 % наповнення растром; - розтискання растрової частини в зоні 70-98 % наповнення растром; - кути нахилу растру для кожного кольору, що розраховується згідно формули: X = N×C×cos()+M×С×sin () Y = N×C×sin ()–М×C×cos() де  - кут нахилу растру, С - відстань між точками в ряду, що залежить від лінеатури, N - номер друкуючої точки у напрямку координат шкали X, М - номер друкуючої точки у напрямку координат шкали Y; - координати кольору в системі L*a*b (для введення в схему вбудованого спектрофотометру для здійснення оберненого зв'язку) та інші параметри. Схема працюючої нейронної мережі показана на фіг 3. При роботі нейронної мережі застосовуються наступні формули: k k Якщо S i - і-тий елемент k-того шару, w ij - вага k+1 k зв'язку між Si та S j, тоді: Sk 1   w k  Sk - для k  .{1, 2}. i ij j j S1 i 3  ti   wij  S3k - для першого шару, j j де t i - вхід на елемент S1 (така залежність i отримується завдяки оберненому зв'язку). У схемі роботи нейронної мережі (фіг. 3): х1, у1 - вхідні параметри, що отримані при проведенні тестування обладнання; х1, у1 - вхідні параметри, що отримані завдяки псевдостохастичному генератору; Sk - і-тий елемент k-того шару нейромережі; i wk - вага зв'язку між Sk 1 та Sk ; i ij j х, у - вихідні параметри, що отримані після обробки значень при застосуванні розмитої моделі, з врахуванням міри приналежності 1(х), 2(у). На етапі растрування застосовується розмита модель та вбудована нейронна мережа. На вхід подаються параметри, що отримані раніше при тестуванні обладнання, які є технологічно необхідними для коректного друку. В першому шарі нейронної мережі, параметри, що генеруються псевдостохастичним генератором, коригуються згідно умов, що вимагає розмита модель, завдяки характеристикам функції приналежності  (х), таким як: - зони, що зазначені фразами з семантичного словника, раструються згідно з характеристикою 57918 10 функції приналежності (х). У кожній необхідній зоні задається бажаний параметр для функції приналежності; - розтискання задається відповідно до ІСС профілю. Параметр змінюється згідно до певного методу растрування, що застосовано для розглянутої зони; - вибрані кути нахилу растрових елементів для кожного кольору відповідають певній зоні, в залежності від способу растрування; - змінюються технологічні параметри виготовлення друкарських форм, якщо це помічено фразами з семантичного словника, та інші параметри. Параметри на виході є результатом роботи нейронної мережі. В другому шарі нейронної мережі відбувається розподілення на зони, в яких застосовано вищевказані параметри та приймається рішення - які умови застосовувати. В третьому шарі мережі очікуються рішення користувача, які повинні ґрунтуватися на показниках приладів, таких, наприклад, як спектрофотометр, що забезпечує обернений зв'язок. Наприклад, якщо результуючий колір має відхилення на значення АЕ більше 3 од., система дає завдання починати процес з початку. Робота розмитої моделі з застосуванням нейронної мережі впливає на зміну параметрів надрукованого матеріалу певним чином: - змінюється зони кольорового обсягу. Частіше, при переході до стохастичного растрування, зона кольорового обсягу розширюється; - змінюється величини та форми вічка (для глибокого друку); - змінюється кількість виходу фарби з вічка, що призводить до зниження кількості остатнього розчинника в сухому залишку; - зміна натиску друкарського валу, у випадках, якщо це враховано, в разі, коли змінюється ІСС профіль та інші параметри. Після проведення аналізу результату друку на матеріалі можна прорахувати економічний ефект. Таким чином, розрахунки показали, що при запропонованому методі економічний ефект дорівнює 2,08 % - 5,72 % в залежності від задачі, що розв'язується. Важливість розв'язання цього завдання полягає у необхідності уникнути незапланованого явища, що пов'язано з фізичними особливостями світлових відтінків. Треба наголосити, що застосування автоматизації уникає виникнення можливості помилки користувача. Таким чином, базові дані, отримані під час головного тестування, вносяться централізовано технологічними службами, що дає змогу користувачу підготувати додруковий процес автоматично, тобто без впливу «людського фактору». Завдяки розмитим моделям можна розв'язати інші завдання, що стосуються друкарського процесу. Наприклад, побудова ІСС профілів при зміні матеріалу, на якому друкується сюжет, чи матеріалу друкарської форми, що друкує сюжет. В даному випадку змінними може бути світлова щільність матеріалу, температура сушіння, швидкість друку, змінена твердість фотополімерної пластини (щодо флексографського друку), змінена глибина вічка та 11 вихід певної кількості фарби з нього (щодо глибокого друку), змінені параметри кривої лазерного експонування, при виготовленні друкарських форм. При зверненні до семантичного словника ведеться пошук позначених в ньому особливих ситуацій та очікується прийняття рішення від користувача. Технологічні досягнення показані у вигляді діаграм, що відображають кольоровий обсяг (фіг. 4), який розширюється в зоні застосуванні стохастичного растрування, та зміни міри розтискання друкуючого елемента, що зменшує міру спотворення електронної версії сюжету при друці на обладнанні. Порівняльна характеристика кольорового балансу для регулярного та стохастичного растрів для 57918 12 ділянок з різним наповненням растру при різній світлоті, а саме: 10 %, 20 %, 40 %, 60 %. Результатом застосування на виробництві є розширення кольорового обсягу при переході на стохастичне растрування, зниження собівартості кінцевого продукту, яким є надрукований матеріал. Одним з основних досягнень є зниження людського фактору, скорочення часу до друкарської підготовки, завдяки повної чи часткової автоматизації процесу підготовки сюжету до друку, можливість уникнення помилки, уникнення необхідності проходити деякі важливі, але об'ємні за затратами, технологічні етапи виробництва, такі, наприклад, як додаткове тестування друкарського обладнання при зміні типу друкарських форм. 13 Комп’ютерна верстка А. Крижанівський 57918 Підписне 14 Тираж 23 прим. Міністерство освіти і науки України Державний департамент інтелектуальної власності, вул. Урицького, 45, м. Київ, МСП, 03680, Україна ДП “Український інститут промислової власності”, вул. Глазунова, 1, м. Київ – 42, 01601