Menos basura para la transición energética

Jonas Witt | Inventores del año de Siemens | Nuevos talentos

Un vistazo a la fabricación de baterías

Un hombre con camisa negra se inclina sobre un portátil con

Las baterías de iones de litio tienen un cátodo de aluminio (polo -) y un ánodo de cobre (polo +). Durante la fabricación, se aplican capas finas de materiales activos (por ejemplo, óxido de litio y cobalto o fosfato de hierro y litio) a tiras largas de papel de cobre o aluminio. Estas tiras largas de electrodos se cortan en pequeños segmentos, se combinan y se enrollan alrededor o se apilan en celdas de batería individuales. «El revestimiento de las láminas metálicas es un paso fundamental del proceso. Las capas activas tienen que tener un grosor uniforme en todo el ancho de la lámina», afirma Jonas. «Los errores aquí son la principal causa del mal funcionamiento de las baterías. Los dos inventos que están siendo reconocidos nos ayudan a entender y mejorar aún más esta fase de producción».

Un patrón como una huella dactilar

Cuanto más precisamente se pueda rastrear la causa de un error, más fácil será desarrollar soluciones, y este principio también se aplica a la fabricación de baterías. Jonas y su equipo buscaron la forma de establecer una relación entre una celda de batería específica y las secciones de tiras de papel de cobre o aluminio a partir de las que se producían. «En el pasado, los datos de producción se asignaban a tiras largas de material», explica Jonas. «Nuestro nuevo procedimiento es más preciso y no invasivo. Hemos descubierto que el patrón de superficie del material es único en los segmentos de revestimiento individuales, similar a lo que sucede con las huellas dactilares. Cualquier diferencia en los patrones de los diferentes segmentos es tan clara que, para una celda de batería específica, podemos rastrear de forma posterior los segmentos de lámina exactos a partir de los que se fabricó, cuándo se fabricó y los ajustes que se utilizaron. Con este conocimiento, no solo logramos que las antiguas marcas queden obsoletas, sino que también podemos analizar cuándo y por qué se produjeron tantos o tan pocos residuos con mayor precisión que nunca».

Manos que usan tijeras para cortar un material oscuro y flexible, con una línea láser roja, para fabricar componentes de baterías.

Aprendizaje de la mano de expertos

Un hombre con una expresión seria está de pie frente a una pared blanca, con una camisa negra y una chaqueta negra.

La calibración precisa de las máquinas de producción es un factor clave. «Por lo general, los operadores de máquinas tienen que recibir varios meses de capacitación para desarrollar una idea adecuada de la configuración óptima de los parámetros del proceso», afirma Jonas. «A menudo, se producen grandes cantidades de desechos porque han pasado por alto algo». Por eso Jonas y su equipo han entrenado un modelo de IA con el comportamiento de inspección de un operador de máquina altamente cualificado, con el fin de desarrollar un sistema que dé recomendaciones para una configuración óptima durante la operación en curso. «Según los datos operativos, un modelo de IA bien entrenado detecta con mayor rapidez cuándo nos desviamos demasiado de lo óptimo», afirma Jonas. «Nuestro objetivo para un futuro próximo es poder controlar el proceso de revestimiento de forma totalmente automática para poder reducir la tasa de desecho de las celdas de baterías en alrededor de un diez por ciento. Ya hemos obtenido las licencias comerciales».