Bachelorstudiengänge

Lackrohstoffe und Grundlagen der Rezeptierung – Teilmodul in Lackchemie I - 4430

Lackrohstoffe Praktikum I – Teilmodul in Lackchemie I - Testat 4431

Lackrohstoffe Praktikum II – Teilmodul in Lacktechnologie I - Testat 4441

Masterstudiengänge

Lackrohstoffe II – Teilmodul in Lackchemie III - 4814

Lackformulierung – Teilmodul in Lackchemie III – 4814

Herstellverfahren – Teilmodul in Lacktechnologie II – 4815

Optimierungsprojekt / DoE - aus Vertiefungspraktikum Lack – 4900

Lack I Praktikum – aus Vertiefungspraktikum – 4900

Moodle-Kurse zu den Lehrveranstaltungen

FB 01 Chemie / 01 Bachelor / Bachelor of Engineering / Grundlagen der Lackrohstoffe und Formulierungen - Moodle-Link ->

FB 01 Chemie / 01 Master / Master of Engineering / Lackingenieurwesen / Lackchemie III - Rohstoffe und Formulierungen - Moodle-Link ->

FB 01 Chemie / 01 Master / Master of Engineering / Lackingenieurwesen / Lacktechnologie II - Herstellverfahren - Moodle-Link ->

FB 01 Chemie / 01 Master / Master of Engineering / Lackingenieurwesen / Optimierungsprojekt Vertiefungspraktikum Lacktechnologie - Moodle-Link ->

Forschung

Unsere Forschung behandelt Themen zur Entwicklung von neuen Lackmaterialien und -rohstoffen. Ein wichtiger Aspekt ist die Digitalisierung und der Umgang mit großen Datenmengen für die Optimierung der Prozesse und Produkte mittels digitaler Modelle der Systeme. Ein wichtiger Anknüpfungspunkt ist die interdisziplinäre Forschung mit den anderen Fachbereichen der Hochschule Niederrhein zusammen am HIT-Institut zur Erarbeitung von Lösungen der Automation von Lackentwicklung und des Datenmanagements.

aktuelle Forschungsthemen:

• Datenbeschreibung chemischer Verbindungen in Lackformulierungen für vorhersagende Machine-Learning Modelle
• Modelle von Lackformulierungen auf Basis von Polaritätsskalen in der Rohstoffsynthese
• Datenanalyse und statistische Versuchsplanung mit selbstoptimierenden Algorithmen

Inhouse Arbeiten

Es können jederzeit Abschluss- und Projekt-Arbeiten zu den Forschungsthemen in der digitalen Lackformulierung durchgeführt werden. Es besteht die Möglichkeit in Themen zur Aufklärung von Struktur-Eigenschaftsbeziehungen mittels moderner Messverfahren, Automatisierung lackchemischer Prozesse und der Datenauswertung mittels Programmierung in Python betreut zu werden.

Buchkapitel

Schmitz, Cremanns, Bissadi, Application of machine learning algorithms for use in material chemistry in Computational and Data-Driven Chemistry Using Artificiel Intelligence, 2022, 161-192, https://doi.org/10.1016/B978-0-12-822249-2.00001-3

Fachzeitschriften

Schmitz, Schucht, Verjans, Krupka, Data-analysis method for material optimization by forecasting long-term chemical stability in Journal of Chemometrics, 2022, e3383, https://doi.org/10.1002/cem.3383

Zhang, Schmitz, Fimmers, Quix, Hoseini, Deep learning-based automated characterization of crosscut tests for coatings via image segmentation in Journal of Coatings Technology and Research, 2022, 19, 671-683, https://doi.org/10.1007/s11998-021-00557-y

Strehmel, Schmitz, Kütahya, Pang, Drewitz, Mustroph, Photophysics and photochemistry of NIR absorbers derived from cyanines: key to new technologies based on chemistry 4.0 in Beilstein J. Org. Chem., 2020, 16, 415-444, https://doi.org/10.3762/bjoc.16.40

Strehmel, Schmitz, Cremanns, Göttert, Photochemistry with Cyanines in the Near Infrared: A Step to Chemistry 4.0 Technologies in Chemistry: A European Journal, 2019, 25, 12855-12864, https://doi.org/10.1002/chem.201901746