Moins de déchets pour la transition énergétique

Jonas Witt | Inventeurs de l'année Siemens | Nouveau venu

Un aperçu de la fabrication des batteries

A man in a black shirt leans over a laptop with

Les batteries au lithium-ion ont une cathode en aluminium (pôle -) et une anode en cuivre (pôle +). Pendant la fabrication, de fines couches de matériaux actifs, par exemple de l'oxyde de lithium-cobalt ou du phosphate de lithium-fer, sont appliquées sur de longues bandes de cuivre ou d'aluminium. Ces longues bandes d'électrodes sont découpées en petits segments, combinées et enroulées autour de cellules de batterie individuelles ou empilées sur celles-ci. « Le revêtement des feuilles métalliques est une étape critique du processus. Les couches actives doivent avoir une épaisseur uniforme sur toute la largeur du film », explique Jonas. « Les erreurs sont la principale cause des cellules de batterie défectueuses. Les deux inventions reconnues nous aident à mieux comprendre et à améliorer cette étape de production. »

Un motif semblable à une empreinte digitale

Plus la cause d'une erreur peut être identifiée avec précision, plus il est facile de développer des solutions — et ce principe s'applique également à la fabrication des batteries. Jonas et son équipe ont cherché un moyen d'établir un lien entre une cellule de batterie spécifique et les sections de bandes de cuivre et d'aluminium à partir desquelles elle a été produite. « Dans le passé, les données de production étaient attribuées à de longues bandes de matériau », explique Jonas. « Notre nouvelle procédure est plus précise et non invasive. Nous avons découvert que le motif de surface du matériau est unique pour chaque segment de revêtement, comme une empreinte digitale. Toutes les différences entre les motifs des différents segments sont si nettes que, pour une cellule de batterie en particulier, nous pouvons ensuite suivre les segments exacts à partir desquels ils ont été fabriqués, leur date de fabrication et les paramètres utilisés. Grâce à ces connaissances, nous avons non seulement rendu les anciens marquages obsolètes, mais nous sommes également en mesure d'analyser quand et pourquoi tant ou si peu de déchets ont été produits avec plus de précision que jamais. »

Hands use scissors to cut a dark, flexible material with a red laser line on it, for battery component fabrication.

Tirer les leçons des experts

A man with a serious expression is standing in front of a white wall, wearing a black shirt and a black jacket.

L'étalonnage précis des machines de production est un facteur clé. « Les opérateurs de machines doivent généralement suivre une formation de plusieurs mois pour acquérir les compétences nécessaires pour régler de manière optimale les paramètres du processus », explique Jonas. « De grandes quantités de ferraille sont souvent produites parce qu'ils ont oublié quelque chose. » C'est pourquoi Jonas et son équipe ont créé un modèle d'IA utilisant le comportement d'inspection d'un opérateur de machine hautement qualifié afin de développer un système fournissant des recommandations pour une configuration optimale en cours de fonctionnement. « Sur la base des données opérationnelles, un modèle d'IA bien entraîné détecte beaucoup plus rapidement les écarts trop importants par rapport à l'optimum », affirme Jonas. « Notre objectif dans un avenir proche est de pouvoir contrôler le processus de revêtement de manière entièrement automatique afin de réduire le taux de rebut des cellules de batterie d'environ 10 pour cent. Nous avons déjà obtenu des licences commerciales. »