Menos residuos para la transición energética

Jonas Witt | Inventores del Año de Siemens | Nuevos talentos

Una mirada a la fabricación de baterías

Un hombre con una camisa negra se inclina sobre una computadora portátil con pegatinas que dicen “Acelerador de batería”, mientras que otros dos hombres escriben en una pizarra en el fondo.

Las baterías de iones de litio tienen un cátodo de aluminio (polo negativo) y un ánodo de cobre (polo positivo). Durante la fabricación, se aplican capas delgadas de materiales activos, por ejemplo, óxido de cobalto de litio o fosfato de hierro y litio, a tiras largas de papel de aluminio o cobre. Estas tiras largas de electrodos se cortan en segmentos pequeños, se combinan y se enrollan o apilan en celdas de batería individuales. “El recubrimiento de las láminas metálicas es un paso crítico del proceso. Las capas activas deben tener un grosor uniforme en todo el ancho de la lámina”, dice Jonas. “Los errores aquí son la principal causa de celdas de batería defectuosas. Los dos inventos que se están reconociendo nos están ayudando a comprender más el proceso y mejorar este paso de producción”.

Un patrón como una huella digital

Cuanto más exactamente 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 una manera de establecer un vínculo entre una celda de batería específica y las secciones de tiras de papel de cobre o aluminio a partir de las cuales se produjeron. “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 para segmentos de recubrimiento individuales, similar a una huella digital. Las diferencias en los patrones de los distintos segmentos son tan evidentes que, para una celda de batería concreta, podemos rastrear posteriormente los segmentos exactos de lámina a partir de los cuales se fabricó, cuándo se fabricó y los parámetros que se utilizaron. Con este conocimiento, no solo hemos dejado obsoletas las marcas antiguas, sino que también podemos analizar cuándo y por qué se produjeron tantos o tan pocos desechos 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.

Aprender de los expertos

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

La calibración precisa de las máquinas de producción es un factor clave. “Por lo general, los operadores de las máquinas deben pasar por varios meses de capacitación para desarrollar la destreza necesaria para ajustar de manera óptima los parámetros del proceso”, comenta Jonas. “A menudo se producen grandes cantidades de chatarra porque han pasado por alto algo”. Es por eso que Jonas y su equipo han entrenado un modelo de IA con el comportamiento de inspección de un operador de máquina altamente calificado para desarrollar un sistema que proporcione recomendaciones para una configuración óptima durante la operación en curso. “Según los datos operativos, un modelo de IA bien entrenado es mucho más rápido para reconocer cuando nos desviamos demasiado de lo óptimo”, afirma Jonas. “Nuestro objetivo para el futuro cercano es poder controlar el proceso de recubrimiento de forma totalmente automática para que podamos reducir la tasa de chatarra de las celdas de la batería en alrededor del diez por ciento. Ya hemos obtenido licencias comerciales”.