Änderungen der Lackzusammensetzung direkt im Spray erkennen
Wir haben kürzlich in der Printausgabe von mo – Magazin für Oberflächentechnik eine neue Anwendung künstlicher Intelligenz für das Lackspray-Monitoring und die Materialanalyse veröffentlicht.
Gemeinsam mit Dietrich Wolter von AKEMI haben wir untersucht, ob sich Änderungen der Lackzusammensetzung direkt anhand der Eigenschaften der Tropfen in der Spraywolke erkennen lassen.
Die zentrale Idee besteht darin, nicht nur Maschinenparameter wie Zerstäubungsdruck, Luftdruck oder Durchfluss zu überwachen, sondern das tatsächliche Ergebnis des Beschichtungsprozesses: das erzeugte Spray selbst.
KI-basiertes Lackspray-Monitoring auf Basis von Tropfeneigenschaften
Dazu werden optische Einzeltropfenmessungen auf Basis des Time-Shift-Verfahrens mit unüberwachtem maschinellem Lernen kombiniert.
Das Messsystem erfasst mehrere Spray- und Tropfenmerkmale, darunter Tropfenanzahl, Tropfengröße, Tropfengeschwindigkeit und optische Eigenschaften. Zusammen bilden diese Parameter einen mehrdimensionalen Fingerabdruck des Sprays.
Dieser mehrdimensionale Ansatz ermöglicht es, Änderungen zu erkennen, die bei Betrachtung nur eines einzelnen Prozessparameters möglicherweise nicht sichtbar sind.
Unüberwachtes maschinelles Lernen ohne gelabelte Trainingsdaten
Ein wichtiger Vorteil des Ansatzes besteht darin, dass der Anwender weder gelabelte Trainingsdaten bereitstellen noch vorab anwendungsspezifische Grenzwerte festlegen muss.
Zunächst wird k-Means-Clustering eingesetzt, um stabile Spraydaten automatisch von Nicht-Spray-Daten und transienten Betriebszuständen zu unterscheiden. Dies ist insbesondere für die kontinuierliche industrielle Überwachung relevant, bei der Messdaten auch vor, zwischen und nach den eigentlichen Sprühvorgängen aufgezeichnet werden können.
Anschließend wird ein zweiter Clustering-Schritt verwendet, um die mehrdimensionalen Spray-Signaturen verschiedener Lackzusammensetzungen zu vergleichen.
Änderungen der Zusammensetzung von Lack und Verdünnung erkennen
In den Versuchen wurden verschiedene Mischungen aus Lack und Verdünnung untersucht, während die Betriebsparameter des Zerstäubers und des Messsystems konstant gehalten wurden.
Die Ergebnisse zeigen, dass 22 von 24 Vergleichen zwischen unterschiedlichen Materialzusammensetzungen das definierte Trennkriterium erfüllten. Dies entspricht etwa 92 % der untersuchten Vergleiche.
Gleichzeitig wurden Wiederholungsmessungen derselben Zusammensetzung nicht eindeutig voneinander getrennt.
Diese Ergebnisse deuten darauf hin, dass Änderungen der Materialzusammensetzung eine messbare Veränderung der mehrdimensionalen Tropfensignatur hervorrufen können.
Von der Maschinenüberwachung zur Überwachung des Sprühprozesses
Für industrielle Beschichtungsprozesse ist dieser Ansatz besonders interessant, da er das tatsächliche Spray bewertet, statt sich ausschließlich auf nominelle Maschineneinstellungen zu stützen.
Tropfenanzahl, Tropfengröße, Geschwindigkeit und optische Eigenschaften werden gemeinsam ausgewertet. Dadurch lässt sich die Prozessstabilität direkt anhand des im Beschichtungsprozess erzeugten Sprays beurteilen.
Grundsätzlich ermöglicht dies auch die Erkennung von Änderungen, die sich allein aus den Sollwerten der Sprühanlage nicht ableiten lassen.
Auf dem Weg zu unüberwachter KI für die Online-Überwachung von Beschichtungsprozessen
Wir sehen diese Arbeit als wichtigen Schritt hin zu einer KI-basierten Online-Prozessüberwachung mit minimalem anwendungsspezifischem Konfigurationsaufwand.
Das nächste Ziel ist, diesen Ansatz zu unüberwachten KI-Methoden weiterzuentwickeln, die dynamische Materialeigenschaften und Änderungen der Lackzusammensetzung direkt während des Sprühprozesses erkennen können.
Solche Methoden könnten die kontinuierliche Überwachung von Beschichtungsprozessen unterstützen und zusätzliche Informationen über den tatsächlichen Zustand des Sprays und des aufgetragenen Materials liefern.
Publikation
Walter Schaefer; Dietrich Wolter: „Nasslackierprozesse mit KI überwachen – Ohne Training mit KI Veränderungen in der Lackzusammensetzung erkennen.“ mo Magazin für Oberflächentechnik, Jg. 80, Heft 5/2026, September/Oktober 2026, S. 22–26.
