Entwicklung, Integration und Validierung innovativer Prozesse und QS-Methoden in der Produktion großformatiger Lithium-Ionen-Zellen

Im Laufe der Produktion einer großformatigen Lithium-Ionen-Zelle werden eine ganze Reihe von einzelnen Prozessschritten durchlaufen: u. a. Kalandrieren, Nachtrocknen, Befüllung und Formierung. Dadurch ergibt sich eine komplexe Prozesskette, in der Qualitätsschwankungen und Qualitätsunsicherheiten des Endproduktes nicht immer eindeutig einzelnen Störungen oder nicht optimal eingestellten Einstellgrößen eines bestimmten Prozessschrittes zugewiesen werden können. Diese Schwankungen und Unsicherheiten in den einzelnen Prozessschritten können in nicht definierter Form zusammenwirken und die Qualität des Endproduktes beeinflussen.

Das Ziel dieses Teilprojekts besteht darin, weniger Ausschuss bei der Herstellung großformatiger Lithium-Ionen-Zellen zu produzieren, was einhergeht mit der Erzielung einer höheren Produktqualität und geringeren Herstellkosten. Dies erfordert eine Qualitätsüberwachung der einzelnen Prozessschritte und des Gesamtprozesses, die sich mithilfe von bekannten statistischen Methoden sowie der speziellen Ausarbeitung und Weiterentwicklung jener Methoden für den aktuellen Prozess entwickeln lässt.

Im Rahmen des Teilprojekts QS-Zell befasst sich die TU Dortmund mit der statistischen Begleitforschung zur Entwicklung, Integration und Validierung innovativer Qualitätssicherungsmethoden (QS-Methoden) in der Produktion großformatiger Lithium-Ionen-Zellen im Rahmen des Verbundprojektes ProZell.

Für Datenmodelle, welche die Grundlage für QS-Methoden bilden, werden zunächst für jeden Prozessschritt mögliche Mess- und Einstellgrößen sowie Datenschnittstellen identifiziert.

Ein Arbeitsschwerpunkt bildet die statistische Versuchsplanung (DoE), mithilfe derer mögliche Einflussgrößen auf die Qualität in den einzelnen Prozessschritten identifiziert sowie die Niveaus dieser Größen optimiert werden können. Die Qualitätsparameter unterscheiden sich in den einzelnen Prozessschritten und müssen zunächst definiert werden. Betrachtet man beispielsweise den Prozessschritt Kalandrieren, so ist ein möglicher Qualitätsparameter die Banddicke (Anode oder Kathode) nach dem Kalandrieren. Die Messgrößen werden hinsichtlich Reproduzierbarkeit mithilfe von Messsystemanalysen untersucht. Eine folgende Verteilungsanalyse der jeweiligen Messgrößen dient dazu, Kontrollkarten für einen Test auf Abweichungen vom Standardbetrieb zu entwickeln. Auf Basis der Definition von Spezifikationsgrenzen wird zudem die Fähigkeit der einzelnen Teilprozesse durch Prozessfähigkeitsindizes charakterisiert.

Nach Identifikation und optimaler Einstellung der Niveaus der Einstellgrößen wird der Zusammenhang zwischen den relevanten Einstellgrößen und den Messgrößen/Qualitätsparametern der Einzelprozesse mithilfe von Regressions- und Klassifikationsverfahren modelliert. Zudem werden erneut bestimmte Prozessfähigkeitsindizes sowie Kontrollkarten in den optimierten Prozessschritten mit den entsprechenden Größen vor der Optimierung verglichen. Der Vergleich dient zur Quantifizierung des Erfolgs der jeweiligen Prozessschrittoptimierung.

Einen weiteren Schwerpunkt stellt die Modellierung prozessübergreifender Zusammenhänge dar. Hierbei liegt ein besonderer Fokus auf der Analyse und Modellierung der Entwicklung der Unsicherheit innerhalb der Prozesskette, da Qualitätsschwankungen und Qualitätsunsicherheiten vorgelagerter Prozessschritte Einfluss auf alle folgenden Prozessschritte nehmen und in Hinblick auf die Qualität des Endproduktes in nur scheinbar nicht definierter Form zusammenwirken.

Die Ursachen für solche Schwankungen in der Qualität der fertigen Lithium-Ionen-Zelle werden in den einzelnen Prozessschritten identifiziert, um den Gesamtprozess optimieren zu können.

Die QS-Methoden, insbesondere eine spätere Prozessüberwachung der einzelnen Teilschritte, können dazu dienen, den Einfluss von auftretenden Störungen in der Produktion frühzeitig aufzudecken und somit Gegenmaßnahmen zu ergreifen, um den negativen Einfluss auf die Qualität des Endproduktes zu minimeren.

Die entwickelte Qualitätssicherungssoftware wird auf der „Forschungsplattform für die industrielle Produktion von Lithium-Ionen-Zellen“ (FPL) des Teilprojektpartner ZSW in Ulm implementiert und getestet.

Die Qualitätsparameter der einzelnen Prozessschritte in der Batterieentwicklung, wie die Banddicke im Prozessschritt Kalandrieren, wirken sich auf die elektrochemischen Eigenschaften der Batterie wie C-Rate bzw. Ladeverhalten oder Kapazität aus. Durch Rückrufaktionen von Produkten als Resultat von Fehlfunktionen (Einschränkungen im Ladeverhalten oder der Kapazität) oder sogar Sicherheitslücken einer Batteriecharge können enorme Kosten auf der Seite des Produzenten sowie ein Verlust an Vertrauen auf der Seite des Nutzers entstehen. Durch einen gezielten Einsatz von Qualitätssicherungsmethoden in der Produkt lassen sich hingegen die Prozessschritte optimieren, weniger Ausschuss und eine höhere Produktqualität erzielen und daraufhin Herstellkosten reduzieren.

Die genauen Auswirkungen der Qualitätsparameter der einzelnen Prozessschritte in der Produktion auf die fertige Lithium-Ionen-Zelle sind zum Status quo jedoch nicht im Detail bekannt.

Eine statistische Datenanalyse – aufbauend auf statistischer Versuchsplanung (DoE) sowie Modellierung der einzelnen Prozessschritte und Prozessschrittübergänge – führt dabei zu einem besseren Verständnis von Ursache-Wirkungsbeziehungen in diesen Schritten. Die darauf aufbauende Grundlagenforschung zur Verknüpfung der einzelnen Prozessschritte und im Speziellen zur Unsicherheitsentwicklung in Prozessketten erlaubt es, den Einfluss von Veränderungen in einzelnen Prozessschritten auf das Endprodukt zu untersuchen.

Die Qualitätssicherung ausgewählter Prozessschritte kann zu Verbesserungen und Reduzierung von Schwankungen der Batteriequalität beitragen. Zudem können die entwickelten QS-Methoden auf weitere Prozessschritte innerhalb des Clusters ProZell, aber auch darüber hinaus auf andere Batterieherstellungsprozesse übertragen werden. Die Erkenntnisse aus der statistischen Begleitforschung werden innerhalb von ProZell validiert und können danach auf andere Prozesstypen übertragen werden.