开发新的涂料体系是一项复杂的任务。除颜色、色调、黏度、表面特性和化学组成外，还必须考虑材料在施涂过程中的行为。
因此，在实验室中具备理想材料特性的涂料，并不一定能在现有雾化器上形成理想的喷雾结构。
涂料体系每经历一次重大变更，往往也需要重新确定施涂参数。对于旋转雾化器而言，这些参数包括转速、材料流量、成形空气及其他工艺参数。
对这些变量进行精细调整需要大量的系列试验和丰富的经验。
以喷雾作为共同评价标准
一种思路是：不仅关注单个设备参数，而是直接测量其结果——即所产生的喷雾。
可重点研究以下内容：
- 液滴粒径，
- 液滴速度，
- 喷雾内部的空间差异，
- 液滴的光学特性，以及
- 材料特性的变化。
由此得到一个共同的测量变量，可用于对不同涂料以及旋转雾化器的不同设置进行相互比较。
LSS2与ParticleTensorAI®用于深入研究
双通道测量探头LSS2非常适合研发任务。
来自单个液滴的多路光学信号可提供有关其运动和光学特性的附加信息。结合ParticleTensorAI®，连续采集的信号被作为多维数据集进行处理。
这使得对不同涂料体系和雾化条件进行详细比较成为可能——尤其适用于除粒径和速度外还需研究与材料相关差异的情形。
如果主要需求是液滴粒径、速度以及喷雾的时间稳定性，也可以选用SprayQuantAI®。
综合考虑液滴粒径与速度
液滴在涂装过程中的作用不仅取决于其直径，还取决于其速度。
根据液滴粒径和速度矢量，可以推导出描述喷雾动力学的其他变量。
这样，旋转雾化器的不同工作点就不仅能依据单个设备参数进行比较，而是能依据实际产生的液滴群体进行比较。
涂料开发的目标值
一旦为现有且运行良好的涂装工艺确定了合适的喷雾状态，即可将其作为参考。
引入新的涂料体系时，随后调整雾化器参数，直至再次达到相当的喷雾状态。
由此，开发中的问题从
“哪些设置适用于这种涂料？”
转变为
“哪些设置能实现所需的喷雾状态？”
光学喷雾测量可在试验过程中提供即时反馈。参数变更可被立即评估，从而避免不必要的试验步骤。
由此，SprayQuantAI®和ParticleTensorAI®有助于使新涂料体系的开发和调试更加系统化、更加数据驱动。