텍스타일 염색을 위한 AI: 색상 레시피 예측과 색조 매칭

텍스타일 염색은 제조업에서 가장 도전적인 색상 공정 중 하나입니다. 최종 색상은 염료 레시피, 섬유 유형 및 로트, 수질 화학, 염색 온도 프로파일, 마감 처리에 따라 달라집니다. 한 섬유 로트에서 완벽한 색조를 생산하는 레시피는 다음 로트에서 눈에 띄게 다를 수 있습니다. 계절 간 수질 경도 변화는 색조를 변화시킬 수 있습니다. 심지어 염료가 추가되는 순서도 최종 색상에 영향을 미칠 수 있습니다.

레시피를 잘못 만들면 비용이 많이 듭니다. 재염색은 추가 염료, 물, 에너지, 시간을 소비합니다. 일부 재염색은 먼저 원래 색상을 제거해야 하므로 섬유가 손상됩니다. 첫 시도에 정확하게 염색하는 것이 목표이며, AI는 이를 더 일관되게 달성할 수 있게 만듭니다.

레시피 예측이 어려운 이유

염료 농도와 결과 색상 간의 관계는 비선형적입니다. 염료 농도를 두 배로 늘려도 색상 깊이가 두 배가 되지는 않습니다. 레시피의 다른 염료들은 서로 상호작용하여 흡수와 색조에 영향을 미칩니다. 섬유는 준비, 수분 함량, 화학 처리 이력에 따라 다르게 염료를 흡수합니다.

전통적인 레시피 예측은 섬유의 염료 흡수와 산란 특성을 모델링하는 Kubelka-Munk 이론을 기반으로 한 색상 매칭 소프트웨어를 사용합니다. 이러한 모델은 통제된 조건에서는 잘 작동하지만 실제 생산의 변동성과는 어려움을 겪습니다.

AI가 레시피 예측을 개선하는 방법

AI 기반 색상 레시피 시스템은 생산된 모든 염색 배치로부터 학습합니다. 섬유의 이론적 염료 거동뿐만 아니라 실제 생산 조건에서 관찰된 실제 거동을 고려한 모델을 구축합니다. 모델은 섬유 로트 특성, 수질 화학 데이터, 장비별 거동, 계절적 변동을 통합합니다.

새 염색 주문이 들어오면 AI는 과거 생산 데이터베이스에 대해 목표 색조를 평가합니다. 성공적으로 생산된 가장 유사한 색조를 식별하고 그 레시피를 시작점으로 사용합니다. 그런 다음 현재 조건과 참조 색조가 염색된 조건 간의 차이에 맞춰 레시피를 조정합니다.

결과는 첫 시도에 목표 색조에 맞을 가능성이 더 높은 레시피입니다. 첫 시도 정확도는 일반적인 60~70%에서 85~90% 이상으로 개선되어 재염색 비용과 생산 시간에서 상당한 절감을 나타냅니다.

색조 매칭 및 메타메리즘

AI는 또한 한 광원에서 일치하는 두 샘플이 다른 광원에서 다르게 보이는 메타메리즘 문제를 처리합니다. AI는 레시피의 염료의 분광 특성을 고려하고 고객이 사용하는 표준 광원에서 메타메리즘 가능성을 평가합니다. 제안된 레시피가 메타메리즘 위험이 높을 경우, AI는 더 나은 분광 매칭으로 동일한 시각적 색조를 달성하는 대체 염료 조합을 제안합니다.

제조업의 AI 공정 최적화에 대한 자세한 내용은 FirmAdapt 제조업 분석 페이지를 방문해 주세요.