Laufzeit | 01.01.2024 - 31.12.2026 |
Ausführende Stelle | RWTH Aachen • WZL • IQS |
Standort | Aachen |
Fördersumme | 674.391,00 € |
Projektvolumen | 674.391,00 € |
Fördergeber | BMFTR |
Predictive Quality Modell Zell-Produktion und Modul- und Pack-Montage
Reduktion physischer Prüfaufwände
Nachhaltigkeitsbewertung auf Basis bestehender Prozess- und Qualitätsdaten
Prüfung der Zertifizierbarkeit der Batterieproduktion
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.
Rheinisch-Westfälische Technische Hochschule Aachen
Werkzeugmaschinenlabor
Campus-Boulevard 30
52074 Aachen
Deutschland
Templergraben 55
52062 Aachen
Deutschland
Förderkennzeichen: 03XP0538F
Fördergeber:
Projektträger:
Projektträger Jülich
Förderprofil:
Technologie- und Innovationsförderung
Förderart:
PDIR
Leistungsplansystematik:
Li-Ionen-Batterien
01.01.2024 - 31.12.2026
03XP0538A
01.01.2024 - 31.12.2026
03XP0538C
01.01.2024 - 31.12.2026
03XP0538D
01.01.2024 - 31.12.2026
03XP0538E
01.01.2024 - 31.12.2026
03XP0538G
Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e. V.
Bergiusstr. 8
48165 Münster
Deutschland
Effizienzsteigerung und Nutzung von Synergieeffekten in der Batteriezellfertigung für die Elektromobilität
Rheinisch-Westfälische Technische Hochschule Aachen
Werkzeugmaschinenlabor
Campus-Boulevard 30
52074 Aachen
Deutschland
Frau
keine Angaben