Análise Preditiva: Chave para Meta de Bateria de $100/kWh da Tesla

"Sim", confirma Kari Terho, diretor e chefe da Fábrica Inteligente da Elisa Smart Factory. Ele explica como sua equipe aumentou o rendimento de produção de células de íon-lítio em 16% através de Análise Preditiva de Qualidade no eLab, o centro de pesquisa de eletromobilidade da Universidade de Aachen.

Alcançar custo de pacote de bateria de $100/kWh (≈€90,8/kWh) é prioridade máxima para a Tesla. Para atingir este marco, a empresa deve empurrar os limites de densidade de energia volumétrica enquanto reduz simultaneamente custos de fabricação.

Em uma chamada de resultados de 2017, Elon Musk perguntou: "Alguém pode por favor criar um avanço em bateria? Adoraríamos!" Essa questão sublinha a magnitude do desafio que a Tesla enfrenta. Cientistas de dados da Elisa responderam aplicando análises preditivas para prever qualidade de fabricação e aumentar rendimentos.

Desafios de Qualidade na Produção de Células de Bateria

Embora o processo de construção de células de íon-lítio — montagem de ânodos e cátodos, vedação com eletrólito e finalização da célula — pareça simples, o verdadeiro obstáculo está em verificar qualidade. Testes de fim de linha podem levar até três semanas, e só após este período uma célula pode ser considerada adequada para montagem de pacote ou destinada à sucata.

Células sucateadas não podem ser recicladas, levando à perda de matérias-primas escassas e caras como lítio, cobalto, níquel, cobre, alumínio e grafite. Com um rendimento global de primeira passagem (FPY) de aproximadamente 15%, o setor enfrenta ineficiências significativas de custo e tempo.

Estratégias para Aumentar o Rendimento

No eLab, o gargalo de qualidade foi identificado como uma barreira maior para produção custo-efetiva e adoção mais ampla de VE. Para abordá-lo, o eLab fez parceria com a equipe de ciência de dados da Elisa Smart Factory.

Análise Preditiva de Qualidade em Ação

Análise Preditiva de Qualidade extrai dados de processo em tempo real, identifica padrões e prevê resultados de qualidade — tornando-se uma solução ideal para as necessidades do eLab.

A equipe empregou a estrutura CRISP-DM, uma metodologia comprovada de mineração de dados em seis etapas, da seguinte forma:

1. Entendimento do Negócio: Definiu o contexto de produção, identificou drivers de qualidade e apontou pontos de dados críticos.
2. Entendimento dos Dados: Realizou análise de lacunas e adicionou câmera de alta resolução para capturar dados faltantes.
3. Preparação dos Dados: Limpou, harmonizou e sincronizou timestamps para evitar perda de dados.
4. Modelagem: Testou múltiplos algoritmos para descobrir o melhor modelo preditivo para qualidade da célula.
5. Avaliação: Validou desempenho do modelo para garantir previsões de qualidade confiáveis.
6. Implantação: Implementou parâmetros ótimos — como configurações de viscosidade — em equipamentos de produção para qualidade consistente.

Resultado: Aumento de 16% no Rendimento

Após implantar a solução analítica, a taxa de sucata caiu 16%. Células abaixo do padrão foram identificadas mais cedo, permitindo que matérias-primas fossem recicladas em vez de descartadas após teste de três semanas.

Implicações para a Tesla

Assumindo que a Gigafactory 1 da Tesla processe 23 GWh de células 2170 para o Model 3, a instalação poderia produzir 1,3 bilhão de células anualmente. Uma melhoria de 16% no rendimento equivale a mais de 200 milhões de células adicionais — suficiente para 49.000 veículos Model 3 Long Range — e poderia economizar aproximadamente $400 milhões (≈€363 milhões) se o custo atual for $111/kWh, conforme estimado pela UBS.

Esses ganhos ressaltam a necessidade de melhoria contínua na fabricação de baterias. Uso eficiente de metais de terras raras é essencial para atender à demanda crescente por veículos elétricos.

O autor é Kari Terho, diretor e chefe da Fábrica Inteligente na Elisa Corporation.

Sobre o Autor

Kari Terho lidera a divisão Smart Factory na Elisa Corporation, provedora de serviços de TIC na Finlândia. Antes da Elisa, ocupou cargos seniores em gerenciamento de serviços, vendas e desenvolvimento de negócios em operadoras wireless de nível um e empresas globais de tecnologia, incluindo Hewlett-Packard. Ele possui MBA em Negócios e Administração.

A Elisa Smart Factory é especializada em soluções de inteligência artificial e IoT industrial para fabricantes. Conectando-se a diversas fontes de dados e aplicando análises avançadas e machine learning, eles entregam resultados como maior tempo de atividade, melhoria na qualidade de produção e aumento de rendimentos. Aproveitando décadas de experiência no gerenciamento de redes automatizadas e prevenção de interrupções, a Elisa visa ser a principal provedora de soluções de digitalização de fábrica na Europa e além.