史習岡、莊文斌 / 工研院材化所
本文介紹以AI輔助開發可用於數位印刷製程的高安定性分散液之技術。AI輔助可快速提供研磨分散製程條件，減少開發過程造成的材料與時間成本、提高開發效率，達到基本的減碳效益；且高安定性分散液可幫助印刷油墨轉往數位印刷製程應用，數位印刷製程相對於其他印刷製程方式可將油墨利用率提高，擴大印刷油墨減碳成效。本文亦介紹AI輔助的智能配色系統在油墨印刷減碳之應用，智能配色系統可幫助非數位印刷製程的疊色印刷，減少油墨材料使用及縮短印刷時間並減少耗電，協助印刷油墨產業落實節能減碳。
【內文精選】
白色UV分散液
數位噴墨印刷的優勢包含了高精細度、快速設計無版製樣與自動化。如上述所提及，分散液是數位噴墨印刷油墨中最關鍵之材料，UV油墨用的分散液除了需有極佳的分散安定性外，亦需要具備與UV單體/樹脂良好的相容性，如此才能完全發揮其於UV油墨及印刷的效用。分散液的研磨分散製程需經粉體分析與篩選、分散劑分析與篩選後，再進行研磨分散的配方設計。研磨分散的配方設計主要是進行粉體、分散劑及溶媒的搭配，所以粉體的材料型態與形貌分析(Morphology)、表面分析(Surface Analysis)和基本的物理性質(Physical Properties)都相當重要，藉由分析結果及UV溶媒來進行分散劑的篩選與搭配，讓整體分散系統可穩定完成高安定性分散液的開發。
1. 研磨分散製程分析
研磨分散安定化的製程可簡單分為：粉體的濕潤、介質的研磨分散與粉體安定化三個過程。分散液的製備需先以適合之分散劑進行粉體的表面潤濕，再利用研磨介質搭配物理機械應力(包含摩擦力、剪切力、擠壓力等)將團聚的粉體拉開，形成一次/二次粒子型態、甚至粉碎，外圍的分散劑在溶媒中可提供有效之立體障礙和靜電排斥力(如圖五)，使得粉體不易再次形成團聚或聚集，以維持長期安定且懸浮狀態。
圖五、靜電排斥力和立體障礙示意圖
2. AI輔助開發白色UV分散液
研磨分散配方與製程中可調控的參數包含：分散劑添加比例、研磨介質填充量、粉體濕潤時間、物理機械應力大小及研磨分散時間等，而配比與製程參數的探討則可利用實驗設計法(DOE)進行，藉由大量實驗及結果分析，推估最佳配比與製程參數，完成開發高安定性分散液之目標。本研究室將小量研磨分散實驗數據與結果進行整理並彙整為數據資料庫，再利用工研院材化所的AI平台進行分析計算，藉由AI之輔助，可預測不同研磨分散製程的參數條件所得之色漿平均粒徑及分布度，亦可設定所需要之研磨分散目標由AI輔助提供配比和研磨分散製程，此技術大幅減少不必要之實驗設計、實驗時間和材料。
本文AI輔助開發UV白色分散液之案例，其二氧化鈦固含量設定為40 wt%。首先針對單一實驗結果(分散液平均粒徑)在機器學習以隨機梯度下降迴歸(Stochastic Gradient Descent; SGD)進行演算法計算，計算收斂度極高(Training Lost達0.03)，而利用此AI模型進行驗證實驗參數的研磨分散結果預測，預測結果與實際實驗結果比對得到的相對誤差率很低，平均的預測誤差率僅1.4%，證明本研究團隊所建立之高密度神經網路架構及模型正確適合。
AI輔助研磨分散之減碳效益
依據本研究室對研磨分散實驗用材料、清洗裝置廢液及使用到之設備的耗電預估，個別實驗在AI輔助最佳化研磨分散時間平均可降低碳排約30%，減少約3.7 kgCO2e/kg；而利用AI輔助來減少實驗組數、減少清洗所產生之廢棄物及實驗用設備耗電，就單一開發評估至少可減少40%以上的實驗量，以實驗設計法對平均粒徑目標做規劃約可減少60~70組之實驗，針對平均粒徑及粒徑分布之開發目標，單一案例開發流程至少可減少碳排約600 kgCO2e。
智能配色系統之減碳效益
由於部分印刷之應用需要追求印刷速度及應用物性大於印刷解析度，故柔版、凹版及網版印刷製程短時間內仍然難以被數位印刷取代。而柔版、凹版及網版印刷在色彩部分都須使用疊色印刷，部分應用係使用YMCK原色做單色的疊色，也有部分印刷是需要經由調配後得到特殊色再進行疊色印刷。因此，工研院材化所開發智能配色系統(Intelligent Color Formulation System)，可準確提供印刷所需之色彩配方。由智能配色系統提供之配色配方印刷與目標色彩進行比對，色彩準確率經分析色彩差異值ΔE = 0.5~3(如圖十四) ---以上為部分節錄資料，完整內容請見下方附檔。
圖十四、智能配色系統配色印刷結果
★本文節錄自《工業材料雜誌》436期，更多資料請見下方附檔。