A análise preditiva poderia ajudar a Tesla a reduzir o custo das baterias para US $ 100 por kWh?

“Sim”, diz Kari Terho, diretora e chefe da Smart Factory da Elisa Smart Factory . Aqui, ele explica como sua equipe aumentou o rendimento da produção de células de bateria em 16% com Predictive Quality Analytics no eLab, o centro de pesquisa de eletromobilidade da Universidade de Aachen, na Alemanha.

O custo da bateria de $ 100 / kWh (€ 90,8 / kWhf) é a meta principal para Tesla . Para conseguir isso, a empresa deve resolver um dos desafios de tecnologia mais exigentes do mundo - e é como aumentar a densidade de energia volumétrica das células da bateria enquanto reduz os custos de produção.

Quando o fundador da Tesla, Elon Musk, falou em público na teleconferência de resultados da empresa em 2017, ele perguntou:“Alguém pode, por favor, sugerir uma descoberta de bateria? Adoraríamos! ” Seus sentimentos refletem a complexidade do desafio que sua empresa tenta resolver. Para atender ao pedido de Musk por inovações revolucionárias em baterias, é assim que os cientistas de dados da Elisa aumentaram o rendimento da produção de células de bateria ao prever a qualidade de fabricação.

Há um desafio de qualidade na fabricação de células de bateria

A fabricação de células de bateria de íon-lítio para carros elétricos é, em princípio, um processo direto.

Eletrodos ânodo e cátodo são produzidos em vários subprocessos diferentes a partir de uma mistura de diferentes matérias-primas e, em seguida, embalados em células de bateria, que são preenchidas com o eletrólito, que é selado e finalizado antes de ser enviado para o fim da linha testando.

O processo é, no entanto, muito mais complicado do que isso. O principal desafio na fabricação de células de bateria é que a qualidade final das células fabricadas só pode ser verificada após longos testes de fim de linha - e a conclusão do teste pode levar até três semanas. É somente após este ponto que o fabricante pode determinar se um produto de célula de bateria final pode ser usado posteriormente, para a produção de baterias; ou se tiver que ser descartado como resíduo perigoso.

Células de bateria descartadas não podem ser recicladas, e isso resulta em matérias-primas escassas, não renováveis ​​e caras, como lítio, cobalto, sulfato de níquel, cobre, alumínio e grafite sendo desperdiçadas no processo. O rendimento médio global na primeira vez (FTY) para células de bateria é estimado em 15%, o que torna a fabricação de células de bateria cara e lenta.

Como podemos aumentar o rendimento da fabricação de células de bateria?

No eLab, o centro de pesquisa de eletromobilidade da Universidade de Aachen, na Alemanha, esse desafio de qualidade foi identificado como um problema significativo que proíbe a fabricação econômica e retarda a adoção de carros elétricos ecológicos.
Em busca de desenvolvendo um processo de fabricação mais eficiente para células de bateria, o eLab fez parceria com a equipe de cientistas de dados da Elisa Smart Factory.

Usando Predictive Quality Analytics para fabricação de células de bateria

O Predictive Quality Analytics é usado para extrair dados de um processo de manufatura para determinar padrões de dados, com base em quais tendências e resultados relacionados à qualidade podem ser previstos. Portanto, é uma ferramenta adequada para resolver o desafio de qualidade do eLab.

A equipe de cientistas de dados de Elisa seguiu o processo padrão da indústria para mineração de dados, o processo CRISP-DM de seis etapas; que é o modelo analítico mais amplamente usado entre os especialistas em mineração de dados. Aqui está como o processo é delineado.

1. A primeira etapa é formar um entendimento comercial claro da produção de células de bateria e para definir as metas certas. A situação geral foi avaliada, os drivers de qualidade no processo foram definidos, os pontos de dados que afetam a qualidade da célula da bateria foram identificados e os parâmetros que melhor descrevem a qualidade da célula da bateria foram determinados.
2. A próxima etapa é dados compreensão, como no processo CRIP-DM . Envolveu uma análise de lacunas de que tipo de dados estão disponíveis versus quais dados são necessários. Nesse caso, uma lacuna de dados foi preenchida com a instalação de uma câmera de qualidade na linha de fabricação.
3. Na preparação de dados fase, os dados são limpos e harmonizados no mesmo formato. Os carimbos de data / hora são verificados para evitar perdas na coleta de dados.
4. A modelagem foi a fase mais desafiadora para os cientistas de dados. Existem milhares de maneiras de analisar dados. Os cientistas de dados devem experimentar diferentes algoritmos para ver os vários resultados que eles fornecem quando aplicados aos dados coletados da linha de fabricação de células de bateria.
5. A avaliação de resultados é fundamental. Envolveu investigar se os resultados são válidos e se eles permitem prever a qualidade das células da bateria.
6. Finalmente, na implantação fase, a equipe definiu os parâmetros ideais para configurar os equipamentos e máquinas de produção para uma qualidade de produção ideal. Isso incluiu os parâmetros de viscosidade corretos, entre muitos outros.

O resultado é 16% i aumento no rendimento da produção de células de bateria

Depois que o Predictive Quality Analytics da Elisa foi implantado, a taxa de sucata na linha de produção de células de bateria eLab caiu 16%, já que a qualidade das células de bateria agora podia ser prevista no início do processo. As células da bateria com qualidade inferior ao padrão no final do processo agora são identificadas no início do processo e retiradas da linha. A matéria-prima poderia ser reciclada para um novo lote de produção, em vez de ser descartada como lixo não reciclável, após o teste de fim de linha três semanas depois.

Em conclusão

Qual seria o preço da Tesla para um ganho de rendimento de produção de 16%? Difícil dizer, mas imagine isso ...

Se toda a capacidade de produção de 23 GWh na Tesla Gigafactory 1 fosse exclusivamente dedicada à produção das 2170 células de bateria do carro Tesla Modelo 3, sua produção anual poderia ser de 1,3 bilhão de unidades das 2170 células. O ganho de rendimento de 16% corresponderia a mais de 200 milhões de unidades celulares produzidas - isso é o suficiente para 49.000 carros Tesla Modelo 3 de longo alcance.

Imagine, uma economia de custos de $ 400 milhões (€ 363 milhões) poderia ser alcançada, se o custo de produção da célula de bateria de $ 111 por kWh (€ 100,8 por kWh), conforme estimado pelo banco UBS, for assumido.

Independentemente do impacto nos negócios de qualquer fabricante de automóveis, a indústria de veículos elétricos deve evoluir continuamente suas práticas de fabricação e eficiências. As baterias de íon-lítio são feitas de minerais de terras raras como cobalto, lítio, níquel e outros metais, que devem ser usados ​​de forma eficiente para alimentar a demanda crescente por carros elétricos.

O autor é Kari Terho, diretor e chefe da Smart Factory, Elisa Corporation

Sobre o autor

Kari Terho é diretora e chefe da Smart Factory da Elisa Corporation, uma provedora de serviços de TIC na Finlândia. Antes de ingressar na Elisa Smart Factory, Kari ocupou vários cargos de liderança em gerenciamento de serviços, vendas e desenvolvimento de negócios em provedores de serviços sem fio de primeira linha e em empresas de primeira linha globais, incluindo Hewlett-Packard. Kari possui MBA em Negócios e Administração.

A Elisa Smart Factory é fornecedora de software de inteligência artificial e IoT industrial para fabricantes do setor. Nós nos conectamos a qualquer fonte de dados, controlamos fluxos de dados e combinamos análise de dados e aprendizado de máquina para criar resultados como maior tempo de atividade, qualidade de produção e rendimento. Como parte da corporação Elisa, temos décadas de experiência no gerenciamento de infraestruturas de rede vastas e altamente automatizadas, bem como na previsão e prevenção de incidentes perturbadores. Nosso objetivo é usar essa experiência e nos tornar o fornecedor líder de soluções de digitalização de fábrica na Europa e além.