Schlechte Batterien früh erkennen und ausschleusen

Bei der Produktion von Batterien für Elektroautos ist der Ausschuss noch immer ein großes Effizienzproblem. Mit vorausschauenden Qualitätsanalysen ist es der Firma Elisa Smart Factory aus Finnland nun gelungen, die Produktionsausbeute im Elektromobilitätslabor eLab der RWTH Aachen um 16 Prozent zu steigern.

Bild: Elisa Smart Factory

Als der Tesla-Gründer Elon Musk 2017 in der Öffentlichkeit über die Gewinnprognose des Unternehmens sprach, bat er: „Kann sich bitte jemand einen Durchbruch bei Batterien einfallen lassen? Wir würden uns sehr freuen!“ Seine Ansichten spiegeln die Komplexität der Herausforderung wider, die sein Unternehmen zu meistern versucht. Einen Beitrag dazu haben jetzt die Datenwissenschaftler des finnischen Unternehmens Elisa geleistet. Ihnen ist es gelungen, den Ertrag der Batteriezellenproduktion um 16 Prozent zu steigern, indem sie die Fertigungsqualität prognostiziert haben.

Nur im Grunde einfach

Die Herstellung von Lithium-Ionen-Batteriezellen für Elektroautos ist im Grunde ein einfaches Verfahren. Anoden- und Kathodenelektroden werden in mehreren einzelnen Teilprozessen aus einer Mischung verschiedener Rohstoffe hergestellt und dann in Batteriezellen verpackt, die mit dem Elektrolyten gefüllt, versiegelt und damit verschlossen werden, bevor sie für Leistungstests zum letzten Schritt der Produktion weitergegeben werden. Der Prozess ist jedoch viel komplizierter. Eine Hauptherausforderung bei der Herstellung von Batteriezellen besteht darin, dass die endgültige Qualität der hergestellten Zellen erst nach langwierigen End-of-Line-Tests überprüft werden kann. Die Durchführung des Tests kann bis zu drei Wochen dauern. Erst danach kann der Hersteller ermitteln, ob ein fertiges Batteriezellenprodukt für die Herstellung von Batteriepacks weiterverwendet werden kann, oder ob es als Sondermüll entsorgt werden muss. Ausrangierte Batteriezellen können nicht recycelt werden, was zur Folge hat, dass knappe, nicht erneuerbare und teure Rohstoffe wie Lithium, Kobalt, Nickelsulfat, Kupfer, Aluminium und Graphit in diesem Prozess vergeudet werden. Der globale durchschnittliche First Time Yield (FTY) für Batteriezellen wird auf eine Höhe von 15 Prozent geschätzt, was die Herstellung von Batteriezellen teuer und langsam macht.

RWTH forscht praxisnah

Im eLab, dem Forschungszentrum für Elektromobilität an der RWTH Aachen, wurde diese Qualitätsherausforderung als wichtiges Thema identifiziert, das einer kosteneffizienten Herstellung im Weg steht und die Einführung umweltfreundlicher Elektroautos verlangsamt. eLab und das Data-Scientist-Team von Elisa Smart Factory arbeiten auf der Suche nach besseren Herstellungsverfahren für Batteriezellen zusammen.

Seiten: 1 2Auf einer Seite lesen

ELISA SMART FACTORY
www.elisasmartfactory.com

Das könnte Sie auch Interessieren

Bild: Mitsubishi Electric Corporation, Japan
Bild: Mitsubishi Electric Corporation, Japan
KI-gestütztes Analysetool für moderne Produktionslinien

KI-gestütztes Analysetool für moderne Produktionslinien

Das Data-Science-Tool Melsoft MaiLab von Mitsubishi soll Unternehmen bei der Digitalisierung ihrer Fertigung und unterstützen und so deren Produktivität steigern. Die neue Lösung ist eine intuitive, bedienerzentrierte Plattform, die KI nutzt, um Abläufe automatisch zu verbessern. Sei es Abfallvermeidung durch geringere Ausschussmengen, weniger Stillstandszeiten durch vorbeugende Wartung oder Senkung des Energieverbrauchs durch Prozessoptimierung.

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.

Bild: Coscom Computer GmbH
Bild: Coscom Computer GmbH
Software-Plattform für KI und maschinelles Lernen

Software-Plattform für KI und maschinelles Lernen

Vermehrt interessieren sich Unternehmen dafür, auf Basis ihrer Fertigungsinformationen Verbesserungspotenziale in der Produktionsplanung und -steuerung zu heben. Maschinelles Lernen und künstliche Intelligenz (KI) kann aber nur dann wirtschaftlich sinnvoll eingesetzt werden, wenn alle relevanten Daten im Zugriff sind und deren Struktur zu den Anwendungen passen. Das Coscom-ECO-System soll eine Plattformökonomie als Basis für Business Intelligence (BI) bieten.