Forskare vid Rajalakshmi Engineering College, Kalasalingam Academy of Research and Education och Sri Eshwar College of Engineering i Indien har tagit fram en ny metod för att optimera industriell robotmålning med hjälp av maskininlärning. Studien, publicerad i Scientific Reports (maj 2025), visar hur avancerade algoritmer kan användas för att finjustera målningsparametrar i realtid och därmed höja både kvaliteten och effektiviteten.
Forskarna analyserade sex kritiska processvariabler, sprutavstånd, tryck, temperatur, fuktighet, spruthastighet och färgens viskositet, för att förstå deras inverkan på skikttjocklek och ytstruktur. Genom att kombinera Design of Experiments (DoE) med maskininlärningsmodeller kunde man identifiera optimala inställningar som minimerar variationer och förbättrar kvaliteten.
Resultaten visar att tekniken kan reducera färgspill, spara energi och bidra till en mer repeterbar lackeringsprocess. Studien pekar även mot framtida tillämpningar där målningsrobotar själva kan justera sina parametrar utifrån inlärda mönster, vilket är ett viktigt steg mot helautomatiska, självlärande målningssystem.
