Fred Kuo :: Blog

六月 7, 2018

Print by Number :: print by number

Filed under: 色彩管理,Fogra,G7,印刷標準化 — 標籤:, , , — Administrator @ 5:10 下午

 

以下是同一家印刷廠,同一部印刷機,同一組版,日晚兩班兩個領機印出來的成品。
就這個印件,很多方面可以談 一下。

FWSam800

…顯然沒有做印刷標準化!
…哪一張才是好的?哪一張才是對的?好的東西是不是就是等於對的東西?
…由誰來決定OK成品?業務、客戶、領機、印刷主管、印前主管、廠長、總經理.…
…為什麼同 一部機器會印出差距這麼大的成品?問題在哪裡?是機器出問題?還是領機的各自觀點問題?
…如果是機器出問題,問題在哪裡?
…如果是領機的觀點問題,為什麼容許同一個廠的兩個領機會有如此大的差距?
…如果廠裏的領機觀點有這麼大的差異,那該是管理出問題了?那麼誰得站出來管呢?管理的依據是什麼?

當我被諮詢到這個印件時,至少我能在印件的導表上收到我要的9個數據(CMYK100+CMYK50+Gray);數據攤開來,大致上就沒有太多爭論了。

上面樣張的數據:FWSam-9

下面樣張的數據:

FWSam78 

上面樣張的分數是-9.88(*分數系統參考後面ps.說明),下面樣張分數78.58,毫無懸念,下一張才是正確的,
至於哪一張是好的?我不做評斷,我只清楚判定,下面樣張是正確的,因為各方面數據比較接近標準規範(Fogra39/G7)。

***********************************************
印刷是要印出好看的東西還是正確的東西?
好看的東西有時候會不等於正確的東西,標準化要求的是要印出正確的東西,與印出來好不好看無關;
好不好看難有客觀定義,但正不正確可以從數據上看得清清楚楚;
再說,只要原稿好看,從標準化作業來說,印出來的東西不會不好看;
反之,好看的原稿,在不標準的作業環境下,是有可能印出來不好看,
所以,對一個實施印刷標準化的廠,印出來的東西好不好看只與原稿有關,跟印刷廠是沒有關係的。
印刷廠只要維持印機執行出來的數據品符合規範數據就可以了。

*************************************************
說一說數據:
下面樣張的CMYK SID 除了K版太重,CMY均在Fogra39 規範的5個色差內,TVI 50 均在 規範的 ± 4之內, G7 灰度差為3.29。
上面樣張的CMYK SID均在Fogra39 規範的5個色差外,TVI 50 都過重, G7 灰度差為6.09。
從各方面數據看,下方樣張均優於上方樣張。

************************************************
從數據看問題:
上方樣張放墨量比下方樣張輕,TVI卻比下方樣張重,直接推斷是印機壓力設定問題;詢問領機後,得知兩位領機對同一印件做了不同的紙張設定,顯然上方樣張的領機設定是錯誤的。

************************************************
談一下管理:
會發生這樣的問題已經不僅僅是領機的觀點問題而已,它必須是管理層面的問題:為什麼廠裏的不同領機可以有不同的觀點去操作印機?
數據攤出來,就是管理的依據;誰做的對?誰該檢討?有數據就可以說明白,講清楚。
以印刷標準化觀點,東西印得好不好,是以量測數據為準,而不是各別領機的觀點。
************************************************
 
以上,簡單9個數據,不用幾分鐘就可以迅速釐清幾個方面的問題:正確性問題、機械問題、操作問題、驗收問題、部門責任問題、管理問題…

印刷標準化或許不一定等於產出最好看的印刷品,它代表的是一種效益最大化的生產方式,不管是對製稿端、客戶端、業務端、印刷執行端;在標準化的規範下,相對能走出最順暢的流程。
說到標準化,也不一定要去拿個 Fogra PSO 或 G7之類的證書;只要在日常印件簡單的落實SID到位、TV50/G7到位,這個意義遠遠大於一年只看6張印樣(而且只看單邊)的G7證書。

===================================================================================
後續:
印前部門趕緊提出自己部門CTP品質穩定的證據:數據顯示一個星期下來,印版TV50的變動不超過0.5,安全脫身。
FW-PlateALL

再持續追蹤晚班領機的工作模式:一樣的SID不足的情況下,TV50嚴重偏高。…案情已無懸念。
FWSam800-2FWSam-25

 

 

ps. 分數系統持續修正中,目前分數規則如下:
1. 由總分120點開始扣。
2. 主色(CMYK100%)扣分為色差乘以1個權重。
3. TVI(CMY50%)扣分為網點差乘以1個權重。
4. TVI(K50%)扣分為網點差乘以2個權重。
5.灰平衡(Ga,Gb)扣分為灰度差(df)乘以6個權重。
5.灰平衡亮度(GL)扣分為亮度差(dL)乘以2個權重。

*一般來說75分以上為可接受品質。
**分數權重主要落在中間調灰平衡上,中間調顧好會比滿版色度到位重要。
***詢求各方意見,分數系統持續修正中。

2 people like this post.

一月 28, 2018

Print by Number:: G7 on M1

Filed under: 色彩管理,G7,印刷標準化 — 標籤:, , , , , , — Administrator @ 10:34 上午

照說G7已經是很熟練了,最多4個小時就可以完成,最近卻碰到兩次要跑兩遍才能做完;其實也不是第一遍沒做好,其中還關係到與香港G7那邊的溝通問題。
這兩次都有一個共通的特性是:紙張都不在 Gracol 2006的範圍內(95,0 ,-2, de 3),所以將color target 從Gracol 2006 改到 Gracol 2013(paper white at 95,1,-4),但當時並不清楚做 Gracol 2013 量測資料必須是M1方式,所以我們以Gracol 2013 M0的數據上繳被打回票,也才有這次 G7 on M1 的工作紀錄。

案號: HS20171229
紙白:  94,2,-6(ISO 13655 M1)
油墨:  Huber (印度油墨)
P_HSink_800

第一個樣本時間: 13:45
HSM1_0
CMY 墨沒有問題,RGB也帶得不錯,K墨偏紅(a*b* at 2,5),Beer’s Law 預測無法帶到標準位置,兩次嘗試後決定換墨。

換墨後,K墨順利進入標準範圍:
HSM1_1灰平衡也OK,但調子太重. (L* on 53 vs. 58.5);接著處理NPDC問題。
HSM1_2
機器停停走走之間,師傅反映這批印度墨很不穩定,控墨台的指令未能及時反應出來,搞了兩個鐘頭才在16:07收到合格的數據。

HSM1_4HSM1_3

工作邏輯跟Gracol 2006 M0 一樣,但因做Gracol 2013 必需要M1數據,收數據的儀器跟軟體都跟以前不同:
第一個是舊的i1Pro只有M0能力,必須用i1Pro2才有M1能力;
i1ProEO2PHO_gl_f53

第二個是以前用Colorport只能收到M0,要用i1Profiler配合i1Pro2才能收M1資料

ColorPortG7i1ProfilerG7-1

再來要處理的東西說來有點麻煩;在官方Excel 報告中,樣本順序排列如下:
HSM1_5
但i1Profiler 丟出來的樣本順序排列如下:
HSM1_6
也就是說如果要將i1Profiler的資料貼 到Excel 裏,這300行資料必須重新排列;做這個沒甚麼技術成分,就是繁瑣耗時而已;但有鑑於這情況往後有可能頻繁發生,索性再寫個程式來做這件事:

HSM1_7
改寫順序後貼入Excel才算完成整個G7 on M1 的工作程序。

HSM1_8

6 people like this post.

Print by Number :: 疊印色(RGB)預測

Filed under: Fogra,G7,印刷標準化 — 標籤:, , , , , — Administrator @ 10:31 上午

以 Beer’s Law來預測CMYK濃度(密度)落點在一年來的實測工作中已無懸念,確實是可用方法,這對標準化(數據化)的作法帶來了最好的基礎工具,一般在3個樣本內就可以確認濃度(密度)落點。那2次疊印色(RGB)也用得上嗎?

beeronRGB1

以Fogra PSO認證來說只檢測CMYK並不檢察RGB,這個自然沒有問題;但G7證書需檢察RGB,Beer’s Law 可以用來預測RGB嗎?這是非常有有趣的題目,我做了一些嚐試,複雜程度遠超過我的想像,但還是有一些成果,在這裡交代一下。

Beer’s Law 用來預測1次色(CMYK或單一特別色)非常有用,但用來預測2次色有諸多困難。目前1次色預測需要紙張光譜值及1次色色料光譜值數據,經由改變1次色色料光譜分佈值數據來預測該色料最接近標準色彩值的濃度落點。二次色疊印除了多了 一層色料的光譜分佈,更難處理是這兩個色墨間的疊印效果;以濃度的觀點,有一個疊印值公式可用:

疊印值公式:(Blue, Magenta over Cyan)
(  Blue density(on M filter) – Cyan density (on M filter)  ) /  Magenta density (on M filter)

但在光譜值上還找不到類似光譜疊印的公式。
再者,以 Blue (M over C)為例,當我喬好了MC的關係,M 又會影響到 Red(Y over M),C 也會影響到 Green (Y over C),RGB 與 CMY 間互相干擾影響,使得整個預測工作非常複雜。

我試著將RGB當成一次色,一樣可以用Beer’s Law 來預測濃度落點,但是這個濃度落點並不是由CMY單一頻道執行,它是兩個頻道共同執行,而且兩兩相互影響;這樣下來還是沒有明確的指令。

beeronRGB3

如果將CMYRGB的ab值圖像化,指令似乎就比較清楚了。


beeronRGB2

以上圖為例,藍色六角為Fogra39 MRYGCB落點,紅色六角為實際印刷色彩落點,延伸點狀為Beer’s Law 預測點;以上面的例子來說,Red 還未達到標準,從圖像判斷,將Y往回拉,R跟G都會回到更好的位置。實際運作確也實能達到效果。
beeronRGB4
再一個例子,上面這個圖顯示由於M墨不足,導致R及B都未能到位,只要將M拉出去,R及B
都會回到更好的位置。實際運作確也實能達到效果。
beeronRGB5

上述例子顯示CMYRGB均已到位。

在Beer’s Law 疊印算法未明朗之前,六角ab圖的使用雖然指令還是沒有非常明確,但也還算用得上手,比起trail & error 的嘗試是好上很多。

6 people like this post.

九月 22, 2016

Print by Number:: Beer’s Law on SID prediction- 以 Beer’s Law 預測印刷最佳放墨濃度

Filed under: 色彩管理,Fogra,G7 — 標籤:, , , , , — Administrator @ 2:51 上午

Beer’s Law 可參考 WIKI
真的啤酒版:  http://johnthemathguy.blogspot.tw/2012/08/one-beers-law-too-many.html
Beer’s Law 快速說明: 當一杯啤酒檔掉了光線的1/2能量,光線穿過兩杯啤酒只剩下(1/2 x 1/2 =1/4) 的能量,穿過3杯啤酒則剩下(1/2 x 1/2  x 1/2=1/8) 的能量…以此類推。

致於會拿來印刷運用,我的原始來源是RIT 鍾宜寧教授的 一個 Excel 檔,運用的概念如下:
1. 先取得一個油墨(Ex. Cyan)(光線穿過n杯啤酒)的光譜分佈值,此光譜值可換算取得一Lab值,由此Lab值可得到與該油墨標準值(Fogra39 Cyan: 55,-37,-50)的色差;經由光譜值也可一併算出其濃度值。
2. 以 Beer’s Law方法,模擬出該油墨各種不同油墨厚度(濃度,啤酒杯數))的光譜值,併計算其Lab值與濃度值。
3. 由上述取得的Lab值與濃度值數列,可以很快的判定該油墨能否達成規範的色彩值(<5 deltaE),也可一併預測出達成最小色差的濃度值,

示範:
1. 取得Cyan的光譜值(400nm – 700 nm): 0.236366    0.364097    0.497496    0.586228    0.669625    0.7194    0.732339    0.731587    0.717537    0.692111    0.651947    0.592692    0.513103    0.424484    0.337125    0.249691    0.169286    0.113598    0.083603    0.06813    0.05695    0.05037    0.04945    0.05081    0.055044    0.064896    0.078545    0.085835    0.083142    0.074646    0.062233

2. 取得其Lab值 :57.53, -33.72, -48.68,連帶與紙白光譜值算出其濃度值 1.26 (Status T),與Fogra39 Cyan(55,-37,-50) 色差 4.21。

3. 以 Beer’s Law 模擬出其前後約30組不同油墨厚度(濃度,前後30個不同的啤酒杯數)的光譜值。

BeelsLawCyan      BeelsLawCyanPredict

4. 由這30組光譜值再換算其Lab值及其濃度值並取得其與標準色的色差值

(more…)

Be the first to like.

Powered by WordPress

Rss Feed Tweeter button Facebook button