"Sí", dice Kari Terho, director y jefe de Smart Factory de Elisa Smart Factory. Aquí explica cómo su equipo ha aumentado el rendimiento de la producción de celdas de batería en un 16% con Predictive Quality Analytics en eLab, el centro de investigación de electromovilidad en la Universidad de Aachen en Alemania.
El costo de la batería de $ 100 / kWh (€ 90.8 / kWhf) es un objetivo principal para Tesla. Para lograr esto, la compañía debe resolver uno de los desafíos tecnológicos más exigentes del mundo, y es cómo aumentar la densidad de energía volumétrica de las celdas de la batería y reducir los costos de producción.
Cuando el fundador de Tesla, Elon Musk, habló en público sobre la llamada de ganancias de la compañía en 2017, preguntó: "¿Alguien puede llegar a un avance de batería? ¡Nos encantaría! ”. Sus sentimientos reflejan la complejidad del desafío que su empresa intenta resolver. Para abordar la solicitud de Musk de innovaciones innovadoras en baterías, así es como los científicos de datos de Elisa han aumentado el rendimiento de producción de celdas de batería al predecir la calidad de fabricación.
Existe un desafío de calidad en la fabricación de celdas de batería
La fabricación de celdas de batería de iones de litio para automóviles eléctricos es, en principio, un proceso sencillo.
Los electrodos de ánodo y cátodo se producen en varios subprocesos diferentes a partir de una mezcla de diferentes materias primas y luego se empaquetan en celdas de batería, que se llenan con el electrolito, que se sella y finaliza antes de enviarse al final de la línea pruebas.
Sin embargo, el proceso es mucho más complicado que eso. Un desafío principal en la fabricación de celdas de batería es que la calidad final de las celdas fabricadas solo se puede verificar después de largas pruebas de final de línea, y completar la prueba puede tomar hasta tres semanas. Es solo después de este punto cuando el fabricante puede determinar si un producto final de celda de batería puede usarse más, para la producción de paquetes de baterías; o si tiene que ser desechado como desecho peligroso.
Las celdas de batería desechadas no se pueden reciclar, y esto da como resultado que se desperdicien materias primas escasas, no renovables y costosas como litio, cobalto, sulfato de níquel, cobre, aluminio y grafito en el proceso. El promedio global de rendimiento por primera vez (FTY) para las celdas de batería se estima en un 15%, lo que hace que la fabricación de celdas de batería sea costosa y lenta.
¿Cómo podemos aumentar el rendimiento de fabricación de celdas de batería?
En eLab, el centro de investigación de electromovilidad de la Universidad de Aquisgrán en Alemania, este desafío de calidad se identificó como un problema importante que prohíbe la fabricación rentable y ralentiza la adopción de autos eléctricos ecológicos.
En la búsqueda de desarrollar un proceso de fabricación más eficiente para las celdas de la batería, eLab se asoció con el equipo de científicos de datos de Elisa Smart Factory.
Uso de análisis de calidad predictivo para la fabricación de celdas de batería
El análisis predictivo de calidad se utiliza para extraer datos de un proceso de fabricación para determinar patrones de datos, en función de los cuales se pueden predecir tendencias y resultados relacionados con la calidad. Por lo tanto, es una herramienta adecuada para resolver el desafío de calidad de eLab.
El equipo de científicos de datos de Elisa siguió el proceso estándar de la industria para la minería de datos, el proceso CRISP-DM de seis pasos; cuál es el modelo de análisis más utilizado entre los expertos en minería de datos. Así es como se describe el proceso.
- El primer paso es formar un claro comprensión empresarial de producción de celdas de batería y establecer los objetivos correctos. Se evaluó la situación general, se definieron los impulsores de calidad en el proceso, se identificaron los puntos de datos que afectan la calidad de la celda de la batería y se determinaron los parámetros que mejor describen la calidad de la celda de la batería.
- El siguiente paso es datos comprensión, como en el proceso CRIP-DM. Implicó un análisis de brecha de qué tipo de datos están disponibles frente a qué datos se requieren. En este caso, se cubrió un vacío de datos mediante la instalación de una cámara de calidad en la línea de fabricación.
- En la preparación de datos fase, los datos se limpian y armonizan en el mismo formato. Las marcas de tiempo se verifican de forma cruzada para evitar pérdidas de recopilación de datos.
- los modelado fue la fase más desafiante para los científicos de datos. Hay miles de formas de analizar datos. Los científicos de datos deben probar diferentes algoritmos para ver los diversos resultados que dan cuando se aplican a los datos recopilados de la línea de fabricación de celdas de batería.
- los evaluación de resultados es crítico. Implicó investigar si los resultados son válidos y si permiten predecir la calidad de las celdas de la batería.
- Finalmente en el despliegue fase, el equipo definió los parámetros óptimos para configurar el equipo de producción y las máquinas para una calidad de producción óptima. Esto incluyó los parámetros correctos de viscosidad, entre muchos otros.
El resultado es un 16%. yoIncremento en el rendimiento de producción de la batería.
Después de que se implementó el Análisis predictivo de calidad de Elisa, la tasa de desperdicio en la línea de producción de celdas de batería eLab disminuyó en un 16%, ya que la calidad de las celdas de batería ahora se podía predecir al principio del proceso. Las celdas de la batería que se prevé que tengan una calidad inferior a la estándar al final del proceso ahora se identifican antes en el proceso y se toman aparte de la línea. La materia prima podría reciclarse para un nuevo lote de producción, en lugar de desecharse en desechos no reciclables, después de la prueba de final de línea tres semanas después.
En conclusión
¿Cuál sería el precio de Tesla para una ganancia de rendimiento de producción del 16%? Difícil de decir, pero imagina esto …
Si la capacidad de producción total de 23 GWh en el Tesla Gigafactory 1 se dedicara únicamente a la producción de las celdas de batería 2170 del automóvil Tesla Model 3, su producción anual podría ser de 1.3 mil millones de unidades de las celdas 2170. La ganancia de rendimiento del 16% correspondería a más de 200 millones de unidades celulares producidas, eso es suficiente para 49,000 autos Tesla Model 3 de largo alcance.
Imagínese, se podría lograr un ahorro de $ 400 millones (€ 363 millones), si se supone un costo de producción de celdas de batería de $ 111 por kWh (€ 100.8 por kWh), según lo estimado por el banco UBS.
Independientemente del impacto en el negocio de cualquier fabricante de automóviles, la industria de los vehículos eléctricos debe evolucionar continuamente sus prácticas y eficiencias de fabricación. Las baterías de iones de litio están hechas de minerales de tierras raras como el cobalto, el litio, el níquel y otros metales, que deberían usarse de manera eficiente para satisfacer la creciente demanda de automóviles eléctricos.
El autor es Kari Terho, director y jefe de Smart Factory, Elisa Corporation.
Sobre el Autor
Kari Terho es directora y directora de Smart Factory en Elisa Corporation, un proveedor de servicios de TIC en Finlandia. Antes de unirse a Elisa Smart Factory, Kari ocupó varios puestos de liderazgo en gestión de servicios y desarrollo comercial y de ventas en proveedores de servicios inalámbricos de primer nivel y en chips globales, incluido Hewlett-Packard. Kari tiene un MBA en Negocios y Administración.
Elisa Smart Factory es un proveedor de inteligencia artificial y software de IoT industrial para fabricantes de la industria. Nos conectamos a cualquier fuente de datos, aprovechamos flujos de datos y combinamos análisis de datos y aprendizaje automático para crear resultados como mayor tiempo de actividad, calidad de producción y rendimiento. Al ser parte de la corporación Elisa, tenemos décadas de experiencia en la gestión de infraestructuras de red vastas y altamente automatizadas, así como en la predicción y prevención de incidentes disruptivos. Nuestro objetivo es utilizar esta experiencia y convertirnos en el proveedor líder de soluciones de digitalización de fábrica en Europa y más allá.
