small_SICK_Logo_Claim_RGB.png

SICK AG

small_BMFTR_de_Web_RGB_gef_durch.jpg

Bundesministerium für Bildung und Forschung

Bundesministerium für Bildung und Forschung
Referat 511: Neue Werkstoffe, Nanotechnologie; KIT

Bundesministerium für Bildung und Forschung
Referat 523: Werkstoffinnovationen, Batterie; Hereon, KIT

Bundesministerium für Bildung und Forschung
Referat 525: Batterieforschung; KIT

Bundesministerium für ­Forschung, Technologie und Raumfahrt
Referat 525: Batterieforschung; KIT

small_BMFTR_de_v1__Web_farbig.png

Referat T15: Batterieforschung; KIT

Bundesministerium für­ Forschung, Technologie und Raumfahrt Referat T15: Batterieforschung; KIT

Bundesministerium für­ Forschung, Technologie und Raumfahrt

large_SynBatt-Logo.jpg

medium_SynBatt-Logo.jpg

small_SynBatt-Logo.jpg

thumbnail_SynBatt-Logo.jpg

SynBatt-Logo.jpg

Logo SynBatt Web

SynBatt-Logo.eps

Logo SynBatt Druck

small_Syn_Batt_Logo_Batteriezellproduktion_QUGAPP_838b32d0ac.jpg

Ziel des Forschungsvorhabens QUGAPP ist es, durch eine zellgenaue Weitergabe von Prozess- und Qualitäts-Daten aus der Fertigung sowie die Integration von Qualitätsvorhersagen (Predictive Quality – PQ) in Quality Gates entlang der gesamten Batteriefertigung bis hin zur Endanwendung eine Reduzierung des Prüfaufwands im Bereich der Wareneingangs- und Ausgangskontrolle in der Batteriewertschöpfungskette zu ermöglichen.

Das Vorhaben ist hierfür in 5 Teilziele untergliedert. Teilziel 1 umfasst die Relevanzbewertung von Einfluss- und Qualitätsgrößen über mehrere Prozessschritte. Teilziel 2 hat das Ziel, ein Traceability-System, welches die Rückverfolgbarkeit des Produktes über eine geeignete Datenerfassung- und Verarbeitung, insbesondere in der Modul- und Packmontage sowie der Endanwendung sicherstellt, zu entwickeln. In Teilziel 3 wird ein PQ-Modell zur online Qualitätsvorhersage auf Basis von Prozessinformationen implementiert, das ermöglicht den realen Prüfaufwand zu reduzieren. Teilziel 4 umfasst eine Korrelationsanalyse zwischen den im Traceability-System erfassten und mittels PQ vorhergesagten Prozess- und Qualitätsparameter und für die Batteriezellfertigung identifizierte Nachhaltigkeitskennzahlen. In Teilziel 5 wird basierend auf den Ergebnissen der vorherigen Teilprojekte, eine Software entwickelt, die Qualitätsvorhersagen und Handlungsempfehlungen für die Modul- und Packmontage generiert und eine implizite Bestimmung relevanter Nachhaltigkeitsindikatoren ermöglicht.

In diesem Projekt werden Synergien zwischen den Themen Traceability, predictive Quality, Nachhaltigkeitsbewertung und einem allgemeinen Prozessverständnis von der Batteriezellfertigung über die Modul- und Pack-Montage bis zur Wareneingangskontrolle des Endanwenders erzeugt und so ein deutlicher Mehrwert im Vergleich zu Insellösungen generiert. Durch den ganzheitlichen Ansatz wird zum einen die Anwendbarkeit in der Industrie sichergestellt. Zum anderen wird auch für Unternehmen, die nur einen Teil der Prozesskette abdecken, ein Mehrwert geschaffen. Das Wissen über die vor- und nachgelagerten Prozessschritte kann angewendet werden, um die Ein- und Ausgangskontrollen zu optimieren und langfristig zu standardisieren.

large_Syn_Batt_Logo_Batteriezellproduktion_QUGAPP_838b32d0ac.jpg

medium_Syn_Batt_Logo_Batteriezellproduktion_QUGAPP_838b32d0ac.jpg

thumbnail_Syn_Batt_Logo_Batteriezellproduktion_QUGAPP_838b32d0ac.jpg

Syn_Batt_Logo_Batteriezellproduktion_QUGAPP_838b32d0ac.jpg

Predictive Quality Gates und Nachhaltigkeitsbewertung in der Batteriezellfertigung sowie der Modul- und Packmontage

IconPro GmbH

small_PTJ-Logo_Horizontal_Schutzraum_RGB.png

Arbeitseinheit NMT: Neue Materialien und Chemie

Projektträger Jülich Arbeitseinheit NMT: Neue Materialien und Chemie

Projektträger Jülich

PTJ-Logo_Horizontal_Schutzraum_RGB.png

[verbundprojekt]

[Verbundprojekt]

Ziel dieses Teilprojektes ist es sinnvolle Einsatzpunkte für Quality Gates in der Produktion zu identifizieren, für die Integration von gezielten Qualitätskontrollen im Produktionsablauf, sowie die Reduzierung von Prüfzeiten.

Die wertschöpfungsübergreifende Qualitätssicherung in der Batteriefertigung stellt besondere Anforderungen, insbesondere im Hinblick auf die relevanten Produktionsprozesse in der Modul- und Packmontage. Um eine umfassende Qualitätssicherung zu gewährleisten, ist es entscheidend, die Produktionsprozesse in der Modul- und Packmontage sorgfältig zu begutachten. Hierzu werden zunächst die relevanten Informationen aus diesen Bereichen analysiert, wobei eine detaillierte Vorstellung der Montagelinie einen wichtigen Bestandteil bildet. Zur weiteren Vorbereitung werden vorhandene Prozess- und Qualitätsdaten aufbereitet, um eine solide Grundlage für die Qualitätssicherung zu schaffen. Ein zentraler Aspekt ist dabei die Sensorik, die zur Erfassung der benötigten Daten verwendet wird. Es ist wichtig, den Umfang und die Art der derzeitigen Prüfprozesse zu untersuchen, um sicherzustellen, dass diese den Anforderungen entsprechen und eine lückenlose Überwachung ermöglichen. Zusätzlich werden die digitalen Infrastrukturen, die im Produktionsprozess zum Einsatz kommen, dokumentiert. Diese Aufnahmen sind essenziell, um die Effizienz und Genauigkeit der Qualitätssicherung durch moderne, digitale Systeme zu unterstützen und weiter zu optimieren. Abschließend werden sinnvolle Einsatzpunkte für Quality Gates in der Produktion identifiziert, um gezielte Qualitätskontrollen im Produktionsablauf zu integrieren, um Prüfzeiten zu reduzieren.

In einer Produktionslinie bei BMZ werden physische als auch digitale Komponenten integriert welche im Rahmen des Projektes konzipiert und entwickelt werden. Dabei wird die Installation an der Demonstrator Anlage, unter Einbeziehung der Ergebnisse aus den Arbeitspaketen an die spezifischen Anforderungen von BMZ angepasst. Die Planung und Realisierung umfasst die Einrichtung von Stationen bzw. Arbeitsplätzen, den Automatisierungsgrad sowie die Auswahl und Bereitstellung geeigneter Betriebsmittel. 
Darüber hinaus beinhaltet das Projekt den Aufbau der notwendigen Hardware sowie die Vorbereitung der entsprechenden Flächen, einschließlich Layout-Anpassungen, um den reibungslosen Ablauf sicherzustellen. Auch die Bereitstellung der erforderlichen Infrastruktur, wie zum Beispiel Luftanschlüsse und Stahlbau, sowie der Gebäudetechnik, einschließlich sicherheitsrelevanter Elemente wie Brandschutz, ist Teil der Maßnahmen.
Zusätzlich wird die Beschaffung von Anlagenkomponenten und Betriebsmitteln in enger Zusammenarbeit mit Kooperationsunternehmen organisiert. Der physische Aufbau und die Installation von Arbeitsplätzen sowie Markierungs- und Identifizierungsanlagen werden vor Ort durchgeführt. Abschließend erfolgt die physische Installation und Inbetriebnahme der Anlagen direkt bei BMZ, um den vollständigen Betrieb der Produktionslinie zu gewährleisten.

BMZ Batterien-Montage-Zentrum GmbH

small_BMZ_INNOVATION GROUP Logo_4c.jpg

BMZ Germany GmbH

ONIQ GmbH

Frau  Hanna Brings

Ein PQ Modell zur online Qualitätsvorhersage auf Basis von Prozessinformationen ermöglicht es, den realen Prüfaufwand zu reduzieren. Um eine Verringerung der Prüfungen durch Einsatz von PQ abzusichern, ist eine entsprechende Vertrauenswürdigkeit der Ergebnisse nachzuweisen. Analog zu Tätigkeiten im FoFeBat-Projekt mit Fokus auf die Zellfertigung, kann eine weiterführende Analyse der Feature Importance, Prozessoptimierungen in der Modul- und Packmontage ermöglichen. Durch eine daraus resultierende Ausschussreduktion soll die Material- und Nutzungseffizienz der Batteriewertschöpfungskette erhöht werden. 
Darüber hinaus sollen die im Traceability-System erfassten und mittels PQ vorhergesagten Prozess- und Qualitätsparameter mit Nachhaltigkeitskennzahlen verknüpft und in Nachhaltigkeitsindikatoren überführt werden. Die Integration dieser Daten in das Online-Prozessmodell ermöglicht die integrierte Nachverfolgbarkeit und Bewertung der Nachhaltigkeitsindikatoren auf Produktebene über den Produktionsprozess. 
Auf Basis des PQ-Modells und der ermittelten Daten sollen Prozessoptimierung bezüglich der Qualitäts- und Nachhaltigkeitszielgrößen abgeleitet werden. Ziel ist es gleichzeitig die physischen Prüfaufwände zu reduzieren, als auch die Nachhaltigkeitsleistung des Prozesses zu verbessern.

Die akkurate Qualitätsvorhersage und Nachhaltigkeitsbewertung benötigt aussagekräftige Prozess- und Qualitätsdaten aus der Zellfertigung sowie der Modul- und Packmontage. Hierfür werden in einer Einfluss- und Relevanzbewertung  Prozess- und Qualitätsparameter, die einen signifikanten Einfluss auf die Qualität der Zelle und vor allem des Moduls und Packs haben identifiziert und Quality Gates entlang der Prozesskette definiert. Zudem  wird geprüft ob die hierfür erforderlichen Größen in der laufenden Produktion aufgenommen werden können und mit welchen Messunsicherheiten die Parameter behaftet sind. 
Aufbauend auf der Anforderungsdefinition und den identifizierten Parametern und Quality Gates wird das PQ System zur Vorhersage der definierten Qualitätsmerkmale entwickelt. Nach einer Algorithmenauswahl wird die Implementierung der Hyperparameteroptimierung auf Basis klassischer Optimierungsverfahren stattfinden. Auf der Mikroebene werden die Prozessparameter aus der Batteriezellenfertigung genutzt um relevante Qualitätsmerkmale für die Modul- und Packmontage (z.B. geometrische Maße) vorherzusagen. Auf der Makroebene sollen die Informationen übergreifend verarbeitet werden und es sollen übergeordnete Qualitätsmerkmale wie z.B. die Lebensdauer vorhergesagt werden, welche dann vor allem auch für die späteren Anwendungsunternehmen relevant sind.  Als Ergebnis werden geeignete Algorithmen identifiziert, beispielhaft implementiert und ein Leitfaden sowie Algorithmen zur Hyperparameteroptimierung erstellt. 
Analog zur Messunsicherheit realer Messungen soll die Vertrauenswürdigkeit der durch das System vorhergesagten Prüfergebnisse bspw. durch die Angabe eines Trust-Koeffizienten, welcher Unsicherheiten des Modells und der Daten betrachtet, abgebildet werden. 
Die im Traceability-System erfassten und mittels PQ vorhergesagten Prozess- und Qualitätsparameter sollen mithilfe von Korrelationsanalysen mit Nachhaltigkeitskennzahlen verknüpft und in Nachhaltigkeitsindikatoren überführt werden. Die relevanten erhobenen Prozess- und Qualitätsparameter sowie Nachhaltigkeitsindikatoren werden in einem Zielgrößensystem zusammengefasst sowie in das Online-Prozessmodell integriert. So werden die Daten nachvollziehbar und eine integrierte Nachverfolgbarkeit der Nachhaltigkeitsindikatoren auf Produktebene über den Produktionsprozess ermöglicht. Der Abgleich der erhobenen Daten und ermittelten Nachhaltigkeitskennzahlen mit Anforderungen zur Zertifizierung der Batterieproduktion ermöglicht zudem die Zertifizierbarkeit der Prozesse zu bewerten und bei Nichtzertifizierbarkeit Handlungsempfehlungen zur Prozessoptimierung abzuleiten.

Die erarbeiteten Ergebnisse ermöglichen eine Reduzierung der Prüfaufwände unter Angabe einer Vertrauenswürdigkeit der Prüfergebnisse. Dies ermöglicht die Implementierung des Vorgehens in der Batterieproduktion bei den Partnern FFB und BMZ. 
Die Arbeiten zur Nachhaltigkeitsbewertung auf Basis bestehender und simulierter Qualitäts- und Prozessdaten ermöglicht eine aufwandsarme Nachhaltigkeitsbewertung und Prozessoptimierung entlang der Prozesskette ohne die Notwendigkeit der Aufnahme vollständiger Datensätze. Zudem kann anhand der Daten die Zertifizierbarkeit einzelner Unternehmen entlang der Batterieproduktion ermittelt werden.
Die Validierung des Vorgehens durch Integration der Daten in den Prozesszwilling sowie die Implementierung ermöglicht eine Bewertung der Methodik und eine Übertragung auf die gesamte Prozesskette der Batterieproduktion.

small_rwth_rgb.png

Rheinisch-Westfälische Technische Hochschule Aachen

Presse und Kommunikation

Qualitäts- und Nachhaltigkeitsbewertung entlang der Batterieproduktion

Rheinisch-Westfälische Technische Hochschule Aachen
Werkzeugmaschinenlabor
Forschungsbereich Fertigungsmesstechnik und Qualitätsmanagement

small_WZL_CMYK-Master-Logo-mit-Schutzraum.png

Lehrstuhl für Informations-, Qualitäts- und Sensorsysteme in der Produktion

Rheinisch-Westfälische Technische Hochschule Aachen Werkzeugmaschinenlabor Lehrstuhl für Informations-, Qualitäts- und Sensorsysteme in der Produktion

Werkzeugmaschinenlabor

Herr Prof. Dr. Robert Schmitt

Prof. Dr.

Frau  Franziska Schulze Bockeloh

small_Fraunhofer_Gesellschaft-Logo.png

Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e. V.

Wissenschaftskommunikation

Fraunhofer-Institut für Produktionstechnologie IPT
Forschungsfertigung Batteriezelle FFB

small_Logo19_ffb_rgb_modul.png

Fraunhofer-Einrichtung Forschungsfertigung Batteriezelle FFB

Externe und interne Kommunikation

Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e. V. Fraunhofer-Einrichtung Forschungsfertigung Batteriezelle FFB

Duration	01/01/2024 - 31/12/2026
Executing unit	SICK
City	Waldkirch
Amount of funding	309.600,00 €
Total budget	no information
Sponsor	BMFTR

Project

QUGAPP

Predictive Quality Gates und Nachhaltigkeitsbewertung in der Batteriezellfertigung sowie der Modul- und Packmontage

Project management as

SICK AG

SICK AG

Funding

This project is part of the joint project

QUGAPP

Other sub-projects of the joint project

Sub-project 1

Duration:

Funding code:

IconPro GmbH

Sub-project 2

Duration:

Funding code:

BMZ Germany GmbH

Sub-project 4

Duration:

Funding code:

ONIQ GmbH

Sub-project 5

Duration:

Funding code:

Lehrstuhl für Informations-, Qualitäts- und Sensorsysteme in der Produktion

Sub-project 6

Duration:

Funding code:

Fraunhofer-Einrichtung Forschungsfertigung Batteriezelle FFB

This project is part of the funding initiative

Sub-project lead

SICK AG

Sub-project manager

Joint-project management

IconPro GmbH

Joint-project coordinator