(openPR) „Ja“, meint Kari Terho, Geschäftsführer von Elisa Smart Factory. In diesem Artikel erklärt er, wie sein Team den Ertrag der Batteriezellenproduktion mit Predictive Quality Analytics am eLab, dem Elektromobilitätslabor der RWTH Aachen, um 16 % gesteigert hat.
Um die Kosten von 100 USD/kWh des Akkupacks zu erreichen, muss Tesla eine der weltweit anspruchsvollsten technologischen Herausforderungen meistern - und im Zuge dessen die volumetrische Energiedichte von Batteriezellen erhöhen und gleichzeitig die Produktionskosten senken.
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.
Um den Anspruch Musks an Innovationen für den Durchbruch bei Batterien zu erfüllen, haben die Datenwissenschaftler von Elisa den Ertrag der Batteriezellenproduktion gesteigert, indem sie die Fertigungsqualität prognostiziert haben.
Es besteht eine Qualitätsherausforderung bei der Herstellung von Batteriezellen
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 Leitungstests 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.
Wie können wir den Produktionsertrag für Batteriezellen steigern?
Im eLab, dem Forschungszentrum für Elektromobilität an der RWTH Aachen in Deutschland, wurde diese Qualitätsherausforderung als wichtiges Thema identifiziert, das einer kosteneffizienten Herstellung im Wege steht und die Einführung umweltfreundlicher Elektroautos verlangsamt.
eLab und das Data-Scientist-Team von Elisa Smart Factory arbeiten auf der Suche nach einem effizienteren Herstellungsverfahren für Batteriezellen zusammen.
Verwendung von Predictive Quality Analytics zur Herstellung von Batteriezellen
Predictive Quality Analytics werden zum Extrahieren von Daten aus einem Fertigungsprozess verwendet, um Datenmuster zu bestimmen, anhand derer qualitätsbezogene Trends und Ergebnisse vorhergesagt werden können. Daher ist Elisas Lösung ein geeignetes Tool, um die Qualitätsherausforderung von eLab zu meistern!
Das Data-Scientist-Team von Elisa durchlief den sechsstufigen CRISP-DM-Prozess, den branchenübergreifenden Standardprozess für Data Mining. Es ist unter Data-Mining-Experten das am häufigsten verwendete Analysemodell. Der Prozess lässt sich folgenermaßen skizzieren:
1. Der erste Schritt besteht darin, ein klares betriebswirtschaftliches Verständnis für die Batteriezellenproduktion zu entwickeln und die richtigen Ziele festzulegen. Die Gesamtsituation wurde bewertet, die Qualitätstreiber im Prozess wurden definiert, die die Batteriezellenqualität beeinflussenden Datenpunkte identifiziert und die Parameter ermittelt, die die Batteriezellenqualität am besten beschreiben.
2. Der nächste Schritt ist das Datenverständnis entsprechend dem CRIP-DM-Prozess. Dabei wurde analysiert, welche Daten verfügbar sind und welche Daten benötigt werden. In diesem Fall wurde eine Datenlücke geschlossen, indem eine Qualitätskamera in der Fertigungslinie installiert wurde.
3. In der Datenvorbereitungsphase werden die Daten bereinigt und in dasselbe Format vereinheitlicht. Zeitstempel werden überprüft, um Datenerfassungsverluste zu vermeiden.
4. Die Modellierung war die schwierigste Phase für die Datenwissenschaftler. Es gibt Tausende von Möglichkeiten, Daten zu analysieren. Die Datenwissenschaftler müssen verschiedene Algorithmen erproben, um die einzelnen Ergebnisse zu sehen, wenn sie auf die Fertigungslinie für Batteriezellen angewendet werden, um Daten zu erheben.
5. Die Auswertung der Ergebnisse ist von kritischer Bedeutung. In diesem Schritt wurde untersucht, ob die Ergebnisse gültig sind und ob sie eine Vorhersage über die Qualität der Batteriezellen ermöglichen.
6. Zum Schluss definierte das Team in der Bereitstellungsphase die optimalen Parameter für die Einrichtung der Produktionsanlagen und -maschinen zur Optimierung der Produktionsqualität. Dazu gehörten unter anderem die richtigen Viskositätsparameter.
Das Ergebnis: Eine Steigerung des Produktionsertrags bei Batteriezellen um 16 Prozent!
Nach dem Einsatz von Elisas Predictive Quality Analytics sank die Ausschussrate in der Produktionslinie für eLab-Batteriezellen um 16 Prozent, da die Qualität der Zellen jetzt frühzeitig vorhergesagt werden konnte. Die Batteriezellen, deren Qualität am Ende des Prozesses als minderwertig vorausgesagt wurde, werden jetzt früher im Prozess identifiziert und herausgenommen. Die Rohstoffe könnten für eine neue Produktionscharge recycelt werden, anstatt nach erfolgtem End-of-Line-Test drei Wochen später im nicht recycelbaren Abfall zu landen.
Fazit
Welchen Wert hätte eine Produktionsrendite von 16 Prozent für Tesla?
Schwer zu sagen, aber stellen Sie sich Folgendes vor...
Wenn die gesamte Produktionskapazität von 23 GWh in der Tesla Gigafactory 1 ausschließlich für die Produktion der 2170-Batteriezellen des Tesla-Modell-3-Autos verwendet würde, könnte die jährliche Produktion 1,3 Milliarden Einheiten der 2170-Zellen betragen. Der 16-prozentige Ertragszuwachs würde mehr als 200 Millionen produzierten Zelleneinheiten entsprechen - das reicht für 49.000 Tesla-Langstreckenautos des Modells 3!
Stellen Sie sich vor, Sie könnten 400 Millionen US-Dollar einsparen, wenn man die von der UBS-Bank geschätzten Produktionskosten für Batteriezellen von 111 US-Dollar pro kWh unterstellt.
Unabhängig von den Auswirkungen auf das Geschäft eines Autoherstellers muss die Elektrofahrzeugindustrie ihre Herstellungspraktiken und -effizienzen kontinuierlich weiterentwickeln. Lithium-Ionen-Batterien bestehen aus Seltenen Erden wie Kobalt, Lithium, Nickel und anderen Metallen, die effizient eingesetzt werden sollten, um die schnell wachsende Nachfrage nach Elektroautos zu befriedigen!
