Intelligente Anlaufsteuerung zur kostenreduzierten und flexiblen Fertigung zukünftiger Batteriezellen

Die Fertigung von Batteriezellen ist aktuell mit hohen Ausschussquoten behaftet. Dies ist auchin einem industriellen Umfeld und insbesondere bei dem Anlauf von Produktionsanlagen der Fall. Auf Grund eines fehlenden Verständnissen für die exakten Prozesszusammenhänge wird häufig ein Trial-and-Error-Ansatz verfolgt um die entsprechenden Einstellparameter der verschiedensten Prozesse iterativ zu finden.

Mit dem Projekt InTeAn soll ein alternativer Lösungsansatz entwickelt und verfolgt werden. Durch ein strukturiertes Vorgehen sowie den Einsatz von künstlicher Intelligenz sollen Anlaufprozesse optimiert und verkürzt werden. Hierdurch soll der entstehende Ausschuss nachhaltig reduziert werden. Das entwickelte Vorgehen wird in dem Projekt in einem ersten Schritt an der Beschichtungsanlage des PEM der RWTH Aachen aufgebaut. Anschließend erfolgt die Validierung des Vorgehens an einem weiteren Prozessschritt. Bei diesem handelt es sich um einen Einzelblattstapelprozess am wbk Institut für Produktionstechnik des KIT in Karlsruhe.

Das Vorhaben gliedert sich für das wbk in vier wesentliche Phasen bzw. Unterarbeitspakete.

Im ersten Schritt wurde eine Technologieroadmap für zukünftige Zellformate erstellt. Hierzu wurden Dimensionsgrenzen von zukünftig zu erwartenden Lithium-Ionen-Batterien erarbeitet und analysiert. Diese Daten konnten anschließend verwendet werden um in Zusammenarbeit mit den weiteren Projektpartnern unterschiedliche Anlaufszenarien zu definieren und so eine Klassifikation der unterschiedlichen Herausforderungen zu ermöglichen.

Anschließend wurde eine Vorgehensweise entwickelt, wie die so definierten Szenarien durch den Einsatz von künstlicher Intelligenz unterstützt werden können um das Ziel der Ausschussreduktion zu erreichen. Das so entwickelte Vorgehen wurde im Anschluss im Rahmen des Projektes schrittweise umgesetzt und iterativ verbessert. Hierzu erfolgte in einem nächsten Projektabschnitt die Integration der KI in den Stapelbildungsprozess des wbk. Unterschiedliche Variationsparameter wurden bestimmt und in regelbare und nicht regelbare Einflussgrößen unterteilt. Letztere wurden im weiteren Fortlauf des Projektes verwendet um als Stellgrößen für die entwickelte Regelung zu fungieren.

Die eigentliche Regelung wurde in dem Arbeitspaket Datenauswertung und Vergleich der Methoden entwickelt. Hierzu wurden weitere Parameter, wie beispielsweise Qualitätskriterien des Stapelprozesses identifiziert und das Design des Reglers entsprechend angepasst. Abschließend ist eine Validierung der entwickelten Methodik durch das wbk Institut für Produktionstechnik erfolgt.

Die wesentlichen Ergebnisse des wbk belaufen sich auf die Analyse und das Verständnis um den Stapelbildungsprozess, sowie der entwickelten Methodik zur Implementierung einer KI-gestützten Regelung in eben diesen Prozess. Durch die umgesetzte Datenerfassung wurde es möglich, ein umfangreiches Prozessverständnis des Stapelprozesses aufzubauen. Die unterschiedlichen Einflussparameter, wie Stapelgeschwindigkeiten, Prozessdrücke der Vakuumsauger, sowie unterschiedliche Geometrien der Elektrodensheets sind systematisch erfasst, variiert und ihr Einfluss auf die resultierende Stapelgenauigkeit erfasst worden. Diese wird nach Abschluss des Projektes über eine 2D Kamera der Firma Sick vom Typ InspectorP65x erfasst. Hierdurch ist eine Auswertung der Stapelgenauigkeit in Echtzeit ermöglicht worden. So lassen sich auch während des laufenden Prozesses Rückschlüsse auf möglicherweise auftretende Störgrößen schließen um eine entsprechende Ausregelung der entsprechenden Effekte einzuleiten.

Als weiteres wesentliches Ergebnis, lässt sich ein Teil des entwickelten Reglers dafür verwenden, optimale Prozessparameter für auch bisher unbekannte Situationen zu ermitteln. Hierdurch wird das bisher iteraktive ausprobieren neuer Parametersets, wenn beispielsweise eine neue Elektrodengeometrie vorliegt übersprungen und so der Ausschuss signifikant reduziert.