Data Analytics in Battery Production Systems

Autor: Turetskyy, Artem
Přispěvatelé: Herrmann, Christoph, Thiede, Sebastian, Schilde, Carsten
Jazyk: angličtina
Rok vydání: 2022
Předmět:
DOI: 10.24355/dbbs.084-202209091126-0
Popis: Energy storage technologies, especially batteries, play a fundamental role in transforming the mobility and energy sectors towards a higher share of renewable energy sources. However, costly materials, insufficient product quality control, energy-intensive processes, and a lack of understanding of underlying interrelations within the battery production chain lead to high costs and high environmental impacts in manufacturing these devices. Therefore, an approach to identify and quantify these underlying interrelations would increase the understanding of battery production. This derived knowledge would then help control and operate production towards lower costs and environmental impacts. Applying data analytics approaches in manufacturing is very promising in addressing these challenges. Data analytics approaches of low maturity level allow identifying and quantifying new interrelations from acquired data. Data analytics approaches on higher maturity levels allow even the derivation of improvements based on their prediction. Data analytics approaches further benefit from advancements in digitalization, the overall increase in computational power and a higher degree of data availability due to more interconnected devices (internet of things). However, conducted literature study shows that current data analytics approaches in battery production systems focus on optimizing specific manufacturing processes, neglecting the entire process chain. Furthermore, these approaches are of a low maturity level and provide only single-use applications and not continuously deployed solutions usable in production operation and planning. Approaches of data analytics in other production systems, rather than battery production, have the needed data analytics maturity and show continuously deployed solutions in production operation and planning, but their applicability to battery production is insufficient. Against this background, a data analytics concept for battery production systems was developed regarding product quality and energy efficiency that continuously deploys a data analytics solution in production planning and operation. This concept integrates identification and acquisition of relevant data sources in battery production and the consolidation and storage of acquired data. Furthermore, the data analytics approach and its deployment provide a high level of data analytics maturity. The developed concept has been prototypically implemented in the facilities of the Battery LabFactory Braunschweig and has been applied to three use cases. The first use case addresses production planning concerning product quality. It shows possible product performances that can be achieved using the same equipment and processes within the established process space and without additional upgrades. The second use case demonstrates the application of quality gates in production operation. It predicts the final product properties of the battery cell before it is produced based on intermediate product structures. This prediction enables the assessment of intermediate product quality concerning the quality of the battery cell to support an early stage defect detection. The third use case addresses the planning of processes by identifying and quantifying energy efficiency levers, thus enabling the operation with reduced energy demand.
Energiespeichertechnologien, insbesondere die Batterien, spielen eine wichtige Rolle bei der Verkehrswende und der Energiewende Richtung erneuerbarer Energien. Jedoch ist ihre Produktion durch hohe Kosten und große Umweltauswirkungen bestimmt. Dies ist auf teure Materialien, unzureichende Produktqualitätskontrolle, energieintensive Prozesse und ein mangelndes Verständnis der zugrunde liegenden Zusammenhänge innerhalb der Prozesskette zurückzuführen. Ein Ansatz, der diese Zusammenhänge identifiziert und quantifiziert, würde das Verständnis für die Batterieproduktion verbessern. Mit dem neu gewonnenen Verständnis könnte der Betrieb und die Steuerung der Batterieproduktion verbessert werden und dazu beitragen die Produktionskosten und die Umweltauswirkungen zu senken. Die Anwendung von Ansätzen der Datenanalyse in der Fertigung ist vielversprechend, um diese Herausforderungen zu bewältigen. Datenanalyseansätze mit einem niedrigen Reifegrad können Zusammenhänge innerhalb der Daten identifizieren und quantifizieren. Datenanalyseansätze mit einem höheren Reifegrad erlauben sogar die Ableitung von Verbesserungen auf der Grundlage ihrer Vorhersagen. Diese Ansätze profitieren von der fortschreitenden Digitalisierung, der Steigerung der Rechenleistung und der höheren Verfügbarkeit der Daten, durch mehr vernetzte Geräte (Internet der Dinge). Die durchgeführte Literaturstudie zeigt, dass Ansätze der Datenanalyse in der Batterieproduktion sich meist nur mit Verbesserungen ausgewählter Prozesse und nicht mit der gesamten Prozesskette beschäftigen. Darüber hinaus fehlt es ihnen an dem notwendigen Reifegrad der Datenanalyse und einer kontinuierlich einsetzbaren Lösung für den Produktionsbetrieb und -planung. Ansätze der Datenanalyse in anderen Produktionssystemen haben zwar den nötigen Reifegrad der Datenanalyse und haben durchgängig einsetzbare Lösungen im Produktionsbetrieb und in der Planung, zeigen jedoch eine geringe Anwendbarkeit auf die Batterieproduktion. Darauf aufbauend wurde ein Datenanalysekonzept für Batterieproduktion entwickelt welches die Produktqualität und Energieeffizienz adressiert und seinen Lösungsansatz kontinuierlich im Produktionsbetrieb und -planung einsetzt. Das Konzept integriert die Identifikation und Erfassung relevanter Datenquellen in der Batterieproduktion sowie die Konsolidierung und Speicherung der Daten. Weiterhin bietet das Konzept den Einsatz der Datenanalyse auf einem hohen Reifegrad an. Das entwickelte Konzept wurde prototypisch in der Battery LabFactory Braunschweig implementiert und beispielhaft auf drei Anwendungsfälle angewendet. Der erste Anwendungsfall adressiert die Produktionsplanung hinsichtlich der Produktperformance und zeigt die mögliche Produktperformance auf, die mit gleichen Anlagen und Prozessen innerhalb des etablierten Prozessraums ohne zusätzliche Aufrüstung erreichbar ist. Der zweite Anwendungsfall zeigt die Anwendung von Quality Gates im Produktionsbetrieb. Die finalen Produkteigenschaften der Batteriezelle werden basierend auf den Strukturen der Zwischenprodukte prädiziert bevor diese produziert wurde. So wird eine Bewertung der Qualität der Zwischenprodukte hinsichtlich der finalen Qualität der Batteriezelle zur Unterstützung einer frühzeitigen Fehlererkennung ermöglicht. Der dritte Anwendungsfall befasst sich mit der Planung von Prozessen durch die Identifizierung und Quantifizierung von Energieeffizienzhebeln, die einen Prozessbetrieb mit reduziertem Energiebedarf ermöglichen.
Schriftenreihe des Instituts für Werkzeugmaschinen und Fertigungstechnik, vol. 2022
Databáze: OpenAIRE
Externí odkaz: