基于Power BI的汽车外表面色差数据展示系统

蒋佳伟

基于Power BI的汽车外表面色差数据展示系统

蒋佳伟

一个测量部位的色差数据通常包括多个元素，而整台车的外表面又包含多个测量部位，即多组数据，且各组数据间又有匹配和相合关系。色差数据如果用纯文字展示，不但不便于阅读，还不便于展示各元素间的关系。为了解决这一问题，利用Power BI强大的信息分拣与可视化功能，开发了一种展示工具。该工具用简洁、清晰的方法展示诸如色差数据这类包含多个元素且有匹配关系的信息，并展示其变化趋势。有助于指导质量优化，并促进该项工作的跨单位、跨部门协作。

Power BI；信息可视化；色差

1 研究背景

1.1 汽车外表面色差的应用

当代很多乘用车，车身外壳（包括车身骨架、翼子板、门盖）及其相邻的外饰件（前后保险杠、加油小门、门外把手、外后视镜罩壳等等）都被设计成同色，如图1(a)与图1(b)的对比。

车身外壳及其相邻的外饰件，虽然被设计成同种颜色，但由于是不同厂家生产的，所以相互之间难免出现色差。色差，即颜色差异，既包括被测件与标准色板间的差异，也包括两个被测件之间的差异。本次研究的应用场合是车身外壳及其相邻的外饰件的颜色差异，即上述第二种情况[2]。

色差的评判，以目视为首要方法，因为这是用户能直接体验到的质量。另一种方法是测量数据，主要用于指导产品状态分析与优化。绝对消除色差是难以实现的，但保持在用户不易察觉的范围内，是必要且可行的[1-3,5]。

图1 车身外壳与各外饰件颜色对比

1.2 色差数据展示方法的改善

色差数据，通常用明度和色相来表示，而色相又分为红相和黄相。图2表达了红相和黄相相互作用后的目视效果，表1表示了这三个指标大小对目视感觉趋向的影响。

图2 色相相互作用后的目视效果

每一种颜色都有各自的标准数据：如某颜色标准数据是’=4.25，’=21.28，’=13.27。而在实际工作中，通常采用实测数据减去标准数据之差，即偏差数据来描述颜色：如某车某测量部位实测后得偏差数据为Δ=0.25，Δ=0.10，Δ=−0.05，即该测量部位比标准颜色在数据上偏亮偏红偏蓝；再如某测量部位实测后得偏差数据为Δ=0.15，Δ=0.33，Δ=0，即该测量部位比标准颜色在数据上偏亮偏红，而黄相与标准数据相同。需要指出的是，以上的“偏向”都是数据上的，而数据又与每个人的目视效果可能存在差异。目视是很直观也很主观的评价方式，数据则是量化的产品状态分析与优化的工具。

表1 三个指标对目视感觉趋向的影响

指标越大越小 L趋亮趋暗 a趋红趋绿 b趋黄趋蓝

用仪器测量颜色，还要考虑仪器对被测表面的光入射角度的不同。例如某企业规定：要用仪器测量20°、45°、100°三个入射角状态下的颜色数据，三个入射角也各有对应的标准数据’、’、’，由此，实测后也得到三组Δ、Δ、Δ。

测得的数据多而杂，如何用更简洁、清晰的方法展示数据，是本次研究的意义[1,3]。

颜色也可以不用、、，而使用、、即明度、饱和度、色调角来表达，本文暂不研究。

2 现状描述

表2上每列为一个测量部位。因为有三个光入射角度，每个入射角都有各自的Δ、Δ、Δ，所以每个测量部位有9个数据。

表2 车身为某种蓝色的某车外表面测量报告

测量部位12345678910 20°△L−1.04−1.23−0.890.32−1.670.15−1.39−0.89−1.750.08 △a0.14−0.320.03−0.24−0.07−0.310.27−0.33−0.03−0.29 △b0.170.21−0.310.360.240.310.470.330.440.49 45°△L0.290.380.350.700.050.210.480.080.140.12 △a−0.10−0.45−0.13−0.46−0.19−0.38−0.31−0.59−0.09−0.35 △b−0.48−0.40−0.66−0.26−0.40−0.05−0.43−0.33−0.25−0.36 100°△L0.510.470.760.500.770.310.740.580.510.32 △a−0.14−0.46−0.19−0.42−0.19−0.35−0.11−0.48−0.15−0.15 △b−0.48−0.76−0.46−0.68−0.57−0.46−0.47−0.66−0.47−0.60

表3 各列序号代表的测量部位

单数列序号车身侧测量部位双数列序号外饰件侧测量部位 1前翼子板2前保险杠 3后翼子板4后保险杠 5A柱6外后视镜罩壳 7车门8门外把手 9加油小门旁10加油小门

表2各列所表示的测量部位，在表3上描述。测量部位总是成对出现的，以上两张表的各单数列表示车身侧的各测量部位，各双数列表示外饰件侧的各测量部位，第1列与第2列构成一个匹配区域，第3列与第4列构成一个匹配区域，以此类推。因此，每台车共有5个匹配区域，每个匹配区域各有2个彼此相邻的测量部位[1,3]。

Δ、Δ、Δ数字越接近0，则说明测得的数据离该颜色该入射角度的标准数据即’、’、’越近，或者说颜色越接近于标准色；而单数列及其右侧紧邻的双数列之间数据差异的大小，表示了该匹配区域下两个彼此相邻的测量部位之间颜色差异的大小。日常工作中，更多的工作量在缩小后者的数据差异，即削弱车身和外饰件的色差，因为顾客不会拿着标准色板与车身表面比对，但车身与外饰件的颜色差异是可视的。

测量报告表格虽然能准确地量化表达，但非常不便阅读，因此尝试图示化；而且每张表格只能表示一台车的数据，不能表示多台车的走势。本次研究，成功开发了“分类走势图组”这一展示形式，解决了以上问题，有利于色差控制各参加单位和部门之间的协作。

3 开发与使用

3.1 系统外观布局

本数据展示系统是使用Power BI开发的。图3是某蓝色的车辆外表面色差分类走势图组。前文已述每台车有5个匹配区域，此处展示前2个匹配区域的图表，略去后3个区域。每个区域的三个竖列分别表示三个光入射角度，而三个横行分别表示三个指标。

图3 分类走势图组

图组中的每个小图表，如图4，表示某个匹配区域，某个光入射角度，某个指标的偏差数据走势。其中横坐标为展示序号；纵坐标为所展示指标的大小；黑色实线折线为车身色差走势，灰色实线折线为其相邻的外饰件色差走势；点线水平线为数据偏差的上下限，这个上下限既可能是企业标准规定的，也可能是经验数据。

这种形式比较直观地展示了匹配双方数据的相合关系。进一步地，可判断和指导各方需优化的方向和幅度，即双方各优化哪些光入射角度、哪些指标、往哪些方向优化。此外，还加入了数据走势展示的功能。

截至2018年6月底，我国“新三板”挂牌企业12775家，按照行业进行筛选，新闻和出版业共有30家企业挂牌，其中27家为民营企业，北京和上海共有13家，其他基本分布在省会城市，可见新闻和出版企业主要集中在大中型城市。

前文已述，色差控制，不仅要使车身和外饰件的偏差数据，即Δ、Δ、Δ都接近于0，更重要的是双方的Δ、Δ、Δ分别要彼此接近。

图组右部，从上到下，一是本页图表所展示的颜色名称，二是展示序号选择器，三是展示序号对应表。在展示序号对应表上，“序号”是指前述的，小图表横坐标上的展示序号；另有序号对应的日期，表示“x”号车是某日测量的。

图4 分类走势图组下的小图表

之所以在横坐标上展示“1”“2”“3”等序号，是为了减少横坐标文字所占用的显示空间，否则如果在横坐标展示“xxxx年xx月xx日”，会压缩图表上折线的显示空间。而使用展示序号选择器，可以使图表只显示一定序号范围内车辆的数据，避免图表上展示过多数据，干扰观看。

3.2 数据源文件制作

Power BI的图表，是以数据源为支撑的。

本次开发的分类走势图组，其使用的数据来自表2的测量报告，前文已述这是由测量仪器自动生成的，一张表表示一台车的数据。为了使Power BI图表能表示多台车的走势，需要把原来几张测量报告表格的数据，在一张表格上表示出来。Power BI通常以一个横行为一条数据，各竖列为数据的各字段，故需要改变数据格式：将原来的“用一张二维表格展示一台车的数据”，变为“用一个横行来展示一台车的数据，用n个横行表示n台车的数据”。

表4 数据源文件

序号日期xx蓝−−1−20°−ΔLxx蓝−−1−20°−Δaxx蓝−−1−20°−Δbxx蓝−−1−45°−ΔLxx蓝−1−45°−Δaxx蓝−1−45°−Δbxx蓝−1−110°−ΔLxx蓝−1−110°−Δa 12021/1/28−1.02−0.02−0.110.390.48−0.160.470.48 22021/2/231.24−0.32−0.450.190.45−0.330.220.49 32021/3/110.94−0.31−0.49−0.320.42−0.320.420.46

表5 数据源文件

xx蓝−1−110°−Δbxx蓝−2−20°−ΔLxx蓝−2−20°−Δaxx蓝−2−20°−Δbxx蓝−2−45°−ΔLxx蓝−2−45°−Δaxx蓝−2−45°−Δbxx蓝−2−110°−ΔLxx蓝−2−110°−Δaxx蓝−2−110°−Δb 0.44−1.820.050.25−0.18−0.42−0.500.63−0.48−0.08 0.45−0.95−0.180.220.41−0.230.180.91−0.420.18 0.430.31−0.310.560.00−0.54−0.440.42−0.55−0.38

表4和表5的每个横行表示一台车的数据，此处有3行，表示积累了3台车的数据。每个竖列表示一个字段，例如字段“xx蓝-1-20°-Δ”表示“xx蓝，第1个测量位置，光入射角度为20°的Δ”，依此类推。10个测量位置、3个角度、3个指标，外加“序号”、“日期”，所以每条数据（即每台车的信息）共有92个字段，表4为了简化描述，略去测量位置3到10的72个字段。

由表2的二维表格到表4的数据行，通过Excel的复制和转置粘贴功能完成。原本是“n张表2”，现在变为“表4的n个横行”，以此为Power BI图表的数据源[4]。

3.3 数据对应关系建立

在Power BI中，先从数据源文件（表4的Excel文件，一张表表示几台车的色差数据）中“获取数据”，之后建立图表（pbi文件）与数据源文件的联动关系。

每个小图表的横坐标，即Power BI中的“轴”，各小图表都选用数据源的“序号”字段；而每个小图表的纵坐标，即Power BI中的“值”，分别给各小图表选用欲填入的相应匹配区域、相应光入射角度的相应指标（如图3的对应关系），“值”中既要填入外饰件侧的字段，也要填入车身侧的字段。

比如图4这张小图表，表示“前翼子板与前保险杠”这个匹配区域20°光入射角度的Δ。其“轴”选用“序号”字段；其“值”选用“xx蓝-1-20°-Δ”、“xx蓝-2-20°-Δ”，测量位置1和2分别表示“前翼子板”和“前保险杠”，如前文所述，这两个位置构成一个匹配区域。

“线条样式”即走势图线的样式，两条走势图线均选用实线，车身和外饰件走势图线颜色分别为黑和灰。

图表上添加两条“恒定线”，设为点线，作为数据偏差的上下限。

日常使用时，如后续有车辆被测量，则将新测量得到的报告表格，复制粘贴为前述横行，添加入表4，再在Power BI中点击“刷新”即可将新测得的数据添加入图表。

4 总结

基于Power BI强大的信息分拣与可视化功能，本次研究所开发的“分类走势图组”系统，用一种简洁、清晰的形式展示色差数据。如前文所述，该系统通过图示化，展示了匹配各方数据的相合关系，以及各方需优化的方向和幅度，此外还能展示各数据的走势，在跨单位跨部门协作中取得了良好的效果。

本文对工作中的一些细节并未描述。另外，如加强Power BI的学习，也许可以以更简便的方式完成图表制作。但文中介绍的方法与过程，可为同行提供参考。

[1] 周杰,陈慕祖,于淑霞.车身油漆色差的原理、测量及控制[J].涂料工业.2001(3).29-32.

[2] 刘仁龙.车身油漆色差控制[J].上海涂料.2009(3).33-37.

[3] 阳克付,陈宝歌,张园忠.整车外观色差控制探究[C].第7届车用涂料及汽车修补漆“拜耳杯”技术研讨会.2006.84-86.

[4] 刘金铭,尹庚智,李键,等.基于Power BI的油田注水运行动态分析与可视化展示[J].云南化工.2021(8).150-152.

[5] 孙小贞,徐华乐,蔡小坤,等.浅谈汽车涂层色差控制[C].第十二届河南省汽车工程科技学术研讨会.2015.303-304.

An Automobile External Surface Colour Matching Data Display System Based on Power BI

JIANG Jiawei

One measuring area of colour matching usually includes multiple elements. The exterior surface of the whole car also includes multiple measuring areas, or multiple sets of data. Matching relationships also exist between the data sets. Colour matching data shown in text only are hard to read and display the relationship between elements. For solving this problem, the powerful information sorting and visualization function of Power BI is applied to develop a sort of display tool. This tool shows the data, for instance, the colour matching, which contain multiple elements and their matching relation- ship, besides, the trend, in a lucid form. That guides the quality optimization and promotes cross-unit and cross-departmental collaboration in this project.

Power BI; Information visualization; Colour matching

U463.82

B

1671-7988(2021)24-68-05

U463.82

B

1671-7988(2021)24-68-05

10.16638/j.cnki.1671-7988.2021.024.015

蒋佳伟，工程师。