ジョナス・ウィット | Siemens ス・インベンターズ・オブ・ザ・イヤー | 新人
リチウムイオン電池には、アルミニウム陰極（-極）と銅負極（+極）があります。製造時には、銅やアルミホイルの長いストリップに、コバルト酸リチウムやリン酸鉄リチウムなどの活物質の薄い層が塗布されます。これらの長い電極ストリップは小さなセグメントにカットされ、組み合わされ、個々のバッテリーセルに巻き付けられたり、積み重ねられたりします。「金属箔のコーティングは重要なプロセスステップです。活性層は、ホイルの幅全体にわたって均一な厚さでなければなりません」とジョナスは言います。「ここのエラーは、バッテリーセルの不良の主な原因です。認められている2つの発明は、私たちがこの製造工程をよりよく理解し、改善するのに役立っています。」
エラーの原因を正確に突き止めることができれば、ソリューションを開発しやすくなります。この原則は電池製造にも当てはまります。ジョナスと彼のチームは、特定のバッテリーセルと、それを製造する銅/アルミホイルストリップの断面をつなぐ方法を探しました。「以前は、生産データは長いストリップの材料に割り当てられていました」とジョナスは説明します。「私たちの新しい手順は、より正確で非侵襲的です。素材の表面パターンは、指紋のように、個々のコーティングセグメントによって異なることがわかりました。異なるセグメントのパターンの違いは非常に明確なので、特定のバッテリーセルについて、それらが製造された正確なフォイルセグメント、製造時期、使用された設定を後で追跡できます。この知識があれば、古いマーキングを時代遅れにしただけでなく、いつ、なぜこれほど多くまたはほとんど廃棄物が出なかったのかをこれまで以上に正確に分析できるようになりました。」
生産機械の正確な校正は重要な要素です。「機械オペレーターは通常、プロセスパラメータを最適に設定するための正しい使い方を身につけるために数ヶ月のトレーニングを受ける必要があります」とジョナスは言います。「何かを見落としていたために、大量のスクラップが生成されることがよくあります。」そのため、ジョナスと彼のチームは、継続的な運用中に最適な構成を推奨するシステムを開発するために、高度なスキルを持つ機械オペレーターの検査行動を使用してAIモデルをトレーニングしました。「運用データに基づくと、十分にトレーニングされたAIモデルの方が、最適値から大きく逸脱しすぎていることを認識するのがはるかに速くなります」とジョナスは断言します。「近い将来の目標は、コーティングプロセスを完全に自動的に制御して、バッテリーセルのスクラップ率を約10％削減できるようにすることです。私たちはすでに商用ライセンスを取得しています。」