Skip to main content

Mindre skrot för energiomställningen

Jonas Witt | Årets uppfinnare från Siemens | Nykomling

En titt på batteritillverkning

En man i svart skjorta lutar sig över en bärbar dator med ”Battery Accelerator” -klistermärken, medan två andra män skriver på en whiteboard i bakgrunden.

Litiumjonbatterier har en aluminiumkatod (–pol) och en kopparanod (+pol). Under tillverkningen appliceras tunna lager av aktiva material – till exempel litiumkoboltoxid eller litiumjärnfosfat – på långa koppar- eller aluminiumfolier. Dessa elektrodremsor skärs i mindre segment, kombineras och lindas eller staplas till enskilda battericeller. ”Beläggningen av metallfolien är ett kritiskt processteg. De aktiva skikten måste ha en jämn tjocklek över hela foliebredden,” säger Jonas. ”Fel i detta steg är den främsta orsaken till defekta battericeller. De två uppfinningar som har uppmärksammats hjälper oss att bättre förstå och förbättra denna del av produktionen.”

Ett mönster som ett fingeravtryck

Ju mer exakt orsaken till ett fel kan spåras, desto lättare är det att utveckla lösningar – och denna princip gäller även batteritillverkning. Jonas och hans team letade efter ett sätt att skapa en koppling mellan en specifik battericell och de koppar- eller aluminiumfoliesegment som den producerats från.
”Tidigare har produktionsdata kopplats till långa materialremsor,” förklarar Jonas. ”Vår nya metod är mer precis och icke-invasiv. Vi har upptäckt att materialets ytmönster är unikt för varje beläggningssegment, ungefär som ett fingeravtryck.
Skillnaderna i mönstren mellan segmenten är så tydliga att vi, för en specifik battericell, kan spåra exakt vilka foliesegment den tillverkats från, när de producerades och vilka inställningar som användes. Med denna kunskap har vi inte bara gjort de gamla märkningarna överflödiga, utan vi kan också analysera när och varför mer eller mindre avfall uppstod, mer exakt än någonsin tidigare.”

Händerna använder sax för att skära ett mörkt, flexibelt material med en röd laserlinje på, för tillverkning av batterikomponenter.

Att lära av experterna

En man med ett allvarligt uttryck står framför en vit vägg, klädd i en svart skjorta och en svart jacka.

Den exakta kalibreringen av produktionsmaskiner är en nyckelfaktor. ”Maskinoperatörer behöver i regel genomgå flera månaders utbildning för att få rätt känsla för att ställa in processparametrarna optimalt,” säger Jonas. ”Stora mängder skrot uppstår ofta eftersom något har förbisetts.” Därför har Jonas och hans team tränat en AI-modell baserad på inspektionsbeteendet hos en mycket skicklig maskinoperatör, för att utveckla ett system som ger rekommendationer för optimal konfiguration under pågående drift."Baserat på operativa data kan en vältränad AI-modell mycket snabbare identifiera avvikelser från det optimala, säger Jonas. "Vårt mål inom en snar framtid är att kunna styra beläggningsprocessen helt automatiskt, så att vi kan minska skrotnivån för battericeller med cirka tio procent. Vi har redan erhållit kommersiella licenser.”