Evonik
COATINO-Fehlererkennung bewertet Beschichtungsfehler in kürzester Zeit
Bislang war das Laborpersonal bei der Entwicklung einer neuen Rezeptur auf die visuelle Beurteilung von Proben angewiesen. Viele Proben müssen sorgfältig verglichen und bewertet werden. Diese Routinearbeit ist vor allem bei größeren Testreihen sehr zeitaufwändig und schränkt den Spielraum für Innovationen spürbar ein. "COATINO Defect Detection vereinfacht die tägliche Laborroutine unserer Kunden und hält ihnen den Rücken frei für andere wichtige Aufgaben", erklärt Oliver Kröhl, Leiter der strategischen Geschäftsentwicklung bei Coating Additives. "Darüber hinaus liefert unsere digitale Lösung objektiv reproduzierbare Ergebnisse. Das bedeutet, dass die Bewertung von Prüfmustern nicht mehr von der subjektiven Einschätzung des Laborpersonals abhängt."
Innovative Bilderkennungsmethoden
Die Defect Detection, die Teil des COATINO-Formulierungsnetzwerks von Evonik Coating Additives ist, spart den Laborexperten eine Menge Zeit: Mit einer an den Computer angeschlossenen Kamera fotografieren sie die beschichteten Proben. Innerhalb von Sekunden bewertet das Tool diese mit Hilfe innovativer Bilderkennungsmethoden.Beschichtungsfehler werden bis auf ein Zehntelprozent genau ausgewertet und übersichtlich aufbereitet. "Man sieht zum Beispiel sofort, wie viel Prozent der Oberfläche von Schaum betroffen sind", sagt Philipp Isken, Produktentwicklung COATINO. "Es können auch Referenzformulierungen oder Leerproben hinzugefügt werden, um die Leistung der getesteten Formulierungen noch deutlicher hervorzuheben. Anhand der Daten kann man die beste Formulierung für die jeweilige Anwendung auswählen."
COATINO Defect Detection wurde ursprünglich für pigmentierte Systeme im Architekturbereich entwickelt. Bei Formulierungen mit Entschäumern misst das Tool Defekte wie Mikro- und Makroschaum, Kraterbildung und Unverträglichkeiten. Der Geschäftsbereich Coating Additives plant, das Tool um weitere Branchen und Fehlertypen zu erweitern. In der nächsten Entwicklungsstufe wird das Defect Detection auch selbstständig neue Rezepturen vorschlagen. Als Datenbasis für diese verbesserten Rezepturen werden bestehende Messergebnisse und der Vergleich von Testreihen dienen.
