Fred Kuo :: Blog

Fig. 本次作業主要機器理光C7200

Fig. 本次作業A4樣張 ，含CT10、CT23 i1導具，及加大色塊供CR30使用。

在發給學生的第一次作業，先學習做CT10的控制，CT10 是一個最精簡的控制方法，十個色塊的的結構包含紙白、CMYK 100%、CMYK 50%及灰平衡(C50MY40)。

紙白數據有三個作用，一個是用來計算灰平衡目標(C50MY40目標L*訂在58，a*,b* 目標值為紙白a*,b*值 x 0.5)，再一個是計算TV時必須知道紙張濃度，第三個作用是用來與Beer’s Law 計算(預測)CMYK 100%的最佳放墨濃度。

CMYK 100%色塊的作用自然就是用來比對是否達到規定的最佳色度，配合紙張光譜數據及Beer’s Law 可以用來計算(預測)CMYK 100%的最佳放墨濃度。

CMYK 50% 則是用來比對是否達到規定的TV值，依比對值取得控制指令(控制方向及控制量)。

C50MY40 則是用來比對是否達到規定的灰平衡L*值與a*,b*值，並取得控制指令。

我會多次跟學生強調，當TV的控制指令與灰平衡的控制指令有衝突時要以灰平衡為優先，畢竟人眼的感受更接近Lab數據而不是TV數據。

同樣的，色彩輸出控制的程序是先把滿版做到位再去做中間調。以這一次的作業環境，我沒有找到理光機器在RIP裡面控制濃度的功能，但機器的控制面板是有找到濃度控制的部分；雖然說控制間隔只能是+-5，控制間隔較大，但已足以帶出滿版控制的概念。中間調部分預計這一次就讓學生在Photoshop裡面操作；在生產單位裏，我會盡可能讓曲線控制項直接進到RIP裡面。

Fig. 理光7200的濃度可以在機器的面板做操作。

量測儀器用的是CR30，由於價格不高，我得以提供8部儀器讓學生分組使用，工具軟體則分別寫了Android及iOS的App供學生使用，同學只要CR30加手機就可以完成這次作業。

Fig. Android 介面(左)及 iOS 介面。

Fig. 手機只負責取資料，工作指令由手機上傳數據到雲端後由Server運算及呈現。

由後台統計，總共35位同學有34位成功資料上傳。34位同學總共上傳583筆資料。其中有同學上傳高達61次，取得91.33分的分數，最高分同學為99.16分，總共上傳8次達成，上傳次數最少的是兩次，但兩次修正就已經能拿到86.62分。

Fig. 34位同學總共上傳583筆資料

Fig. 34位同學最高分為99.16分，其中30位同學拿到80分以上的分數。

Fig. 單一同學上傳最高達61次，取得91.33分。最高分同學為99.16分，上傳8次達成。上傳次數最少的是兩次，但兩次修正就已經能拿到86.62分。

綜合幾項同學操作上的錯誤，第一個是有部分同學在Photoshop開樣張pdf檔的時候把它開成RGB檔，一旦開成RGB，後面就沒有修正的可能，修正指令完全對不上。經過修正後都能很快的拿到80分以上。

Fig. 觀察學號xxx838同學上傳的數據，前面10筆分數始終無法提上來，了解情況後知道是開成RGB檔的原故；修正後，兩次修正上傳就能達到81.41分。

另一個影響控制的因素是有同學啟用了RIP裡面的icc程序；在這個作業裡，要練習的是，只透過兩個單純的控制項：滿版到位及中間調到位，兩個控制項就能將輸出品質控制到可以符合某一個規範的品質。icc 的介入反而會稀釋掉控制指令的運作；況且我們還不能確定這部機器是在什麼樣的狀況下形成它的icc程序，在未知的情況下直接啟動icc程序不見得能夠達成我們預期的結果。

再一個情況是，當黃色滿版濃度還不夠的情況下，TV已嚴重過大，顯示當時黃墨的線性是有狀況的， 由於我的分數系統TV的佔比遠大於滿版的佔比，雖然工作原則是先做滿版到位再做中間調到位，這時候放棄黃色滿版到位，不再增加黃色濃度，對TV的調整反而更容易達成。

Fig. 當黃色滿版濃度還不夠的情況下，TV已嚴重過大。

這一個作業的佈置除了讓學生了解及練習色彩輸出的控制程序，背後還有幾個重要的意義：

1. 低門檻的儀器及更方便的手機APP讓色彩控制這一項傳統上是高門檻設備及技術要求的工作變得更為普及可行。

2. 對於一個營利生產單位，80分的穩定的輸出遠重要於90分以上的品質追求；以這種低門檻但密集監控的運作方式已經有能力維持廠裡80分的穩定輸出。

3. 每一筆量測資料都記錄在雲端資料庫，後台可以經由這些數據知道每部機器的狀況，或者是每一個操作人員的作業狀況及作業能力。更甚者，經由大量數據的機器學習(machine learning)及人工智慧的介入，雲端服務器有可能在發覺跡象時主動介入機台的控制。低門檻且密集監控的程序更有助於後面大量資料的學習。

在後台數據的應用上可以有多種的可能性，下面一個例子是從雲端數據可以知道每一個學生的作業歷程；他們的修正次數及修正的成果雲端都有記錄。衍生的場景運用比如雲端可以知道廠裡每一部機台的狀況及其修正的歷程，一種以數據來管理廠裡生產品質的概念。

Fig. 從雲端數據可以知道每位同學的作業歷程：修正了幾次、修正的成果，Server都有記錄。

Fig. 放一些同學80分以上的輸出成品，都是可以接受品質。

Fig. 讓同學把他們過程中滿版放墨的位置及中間調修正的位置記錄下來，即使在不同的位置，經由灰平衡指令的引導，輸出的成品都有其視覺一致性。

簡單總結一下，這個作業的用意主要讓學生認知到色彩是一個可以用數字來傳達的物理量，一旦以數字的方式呈現，我們就可以透過數學的方式去操作、去定規範、去預測、去檢驗、去品管、去做機器學習、去做自動化管理…，這一次經由同學親自使用儀器去取得數據，透過數值上的操作，然後取得一個合乎規範的品質；通過這次作業，讓同學在處理色彩問題時有不同的認知。

順帶一提，學生中有一位視弱的同學，依著數字規則操作，其成果與其他同學並沒有兩樣。還是那句話，色彩這個感官現象，一旦進入生產行為，完全可以用數字的方法去操作。