Skip to main content

ของเสียจากการผลิตน้อยลง เพื่อการเปลี่ยนผ่านด้านพลังงาน

Jonas Witt | Siemens Inventors of the Year | ผู้มาใหม่

ภาพรวมของการผลิตแบตเตอรี

ชายคนหนึ่งสวมเสื้อสีดำ กำลังก้มดูแล็ปท็อปที่ติดสติกเกอร์ “Battery Accelerator” ขณะที่ชายอีกสองคนกำลังเขียนบนไวท์บอร์ดอยู่ด้านหลัง

แบตเตอรีลิเธียม-ไอออนประกอบด้วยแคโทดที่ทำจากอะลูมิเนียม (ขั้วลบ -) และแอโนดที่ทำจากทองแดง (ขั้วบวก +) ซึ่งในระหว่างกระบวนการผลิต จะมีการเคลือบชั้นบางของวัสดุแอคทีฟ เช่น ลิเทียมโคบอลต์ออกไซด์ หรือลิเทียมเหล็กฟอสเฟต ลงบนแผ่นฟอยล์ทองแดงหรืออะลูมิเนียมที่มีลักษณะเป็นแถบยาว จากนั้นแถบอิเล็กโทรดยาวเหล่านี้จะถูกตัดเป็นส่วนย่อย ๆ แล้วนำมาประกอบเข้าด้วยกัน แล้วจึงม้วนหรือซ้อนกัน เพื่อสร้างเป็นเซลล์แบตเตอรีแต่ละเซลล์ “ขั้นตอนการเคลือบฟอยล์โลหะเป็นขั้นตอนสำคัญอย่างยิ่งในกระบวนการผลิต ซึ่งชั้นวัสดุแอคทีฟจะต้องมีความหนาสม่ำเสมอตลอดความกว้างของฟอยล์ทั้งหมด” Jonas กล่าว “ข้อผิดพลาดในขั้นตอนนี้เป็นสาเหตุหลัก ที่ทำให้เกิดเซลล์แบตเตอรีที่มีคุณภาพต่ำ ซึ่งสิ่งประดิษฐ์ทั้งสองรายการที่ได้รับการยกย่องนี้ ช่วยทำให้เราเข้าใจ และปรับปรุงขั้นตอนการผลิตดังกล่าวได้ดียิ่งขึ้น”

ลวดลายที่มีลักษณะคล้ายลายนิ้วมือ

ยิ่งสามารถติดตามสาเหตุของข้อผิดพลาดได้อย่างแม่นยำมากเท่าใด การพัฒนาโซลูชันก็ยิ่งทำได้ง่ายขึ้นเท่านั้น และหลักการนี้ก็ใช้ได้กับการผลิตแบตเตอรีด้วยเช่นกัน Jonas และทีมของเขาจึงมองหาวิธีสร้างความเชื่อมโยง ระหว่างเซลล์แบตเตอรีแต่ละเซลล์ กับส่วนของแถบฟอยล์ทองแดง หรืออะลูมิเนียมที่ใช้ในการผลิต “ในอดีตนั้น ข้อมูลการผลิตจะถูกผูกไว้กับแถบวัสดุที่มีความยาวมาก” Jonas อธิบาย “วิธีการใหม่ของเรามีความแม่นยำมากขึ้น และไม่รบกวนชิ้นงาน เราค้นพบว่าลวดลายพื้นผิวของวัสดุมีเอกลักษณ์เฉพาะ สำหรับแต่ละส่วนของการเคลือบ คล้ายกับลายนิ้วมือนั่นเอง ซึ่งความแตกต่างของลวดลายในแต่ละส่วนมีความชัดเจนมาก จนทำให้สำหรับเซลล์แบตเตอรีหนึ่งเซลล์ เราสามารถย้อนกลับไปติดตามได้ว่า ใช้ฟอยล์ส่วนใดในการผลิตบ้าง ผลิตขึ้นเมื่อใด และใช้การตั้งค่าใดในการผลิต และด้วยความรู้นี้ เราไม่เพียงทำให้วิธีการทำเครื่องหมายแบบเดิมไม่จำเป็นอีกต่อไปเท่านั้น แต่ยังสามารถวิเคราะห์ได้อย่างแม่นยำยิ่งกว่าเดิม ว่าของเสียจากการผลิตเกิดขึ้นเมื่อใด และเกิดขึ้นเพราะเหตุใดกันแน่”

มือกำลังใช้กรรไกรตัดวัสดุสีเข้มที่มีความยืดหยุ่น โดยมีเส้นเลเซอร์สีแดงปรากฏอยู่บนพื้นผิว เพื่อใช้ในการผลิตชิ้นส่วนแบตเตอรี

เรียนรู้จากผู้เชี่ยวชาญ

ชายคนหนึ่งยืนอยู่หน้ากำแพงสีขาวด้วยสีหน้าจริงจัง โดยสวมเสื้อเชิ้ตสีดำ และแจ็กเก็ตก็สีดำ

การสอบเทียบเครื่องจักรในการผลิตอย่างแม่นยำ ถือว่าเป็นปัจจัยสำคัญอย่างยิ่ง “โดยทั่วไปแล้ว ผู้ปฏิบัติงานเครื่องจักรจะต้องผ่านการฝึกอบรมเป็นเวลาหลายเดือน เพื่อพัฒนาความเข้าใจ และความชำนาญในการตั้งค่าพารามิเตอร์ของกระบวนการให้เหมาะสมที่สุด” Jonas กล่าว “ของเสียจากการผลิตจำนวนมาก มักเกิดขึ้นเพราะมีบางอย่างถูกมองข้ามไป” ด้วยเหตุนี้ Jonas และทีมของเขาจึงได้ฝึกโมเดล AI โดยอาศัยพฤติกรรมการตรวจสอบของผู้ปฏิบัติงานเครื่องจักรที่มีทักษะสูง เพื่อพัฒนาระบบที่สามารถให้คำแนะนำ เกี่ยวกับการกำหนดค่าที่เหมาะสมระหว่างการทำงานจริงของระบบ “จากข้อมูลการปฏิบัติงาน โมเดล AI ที่ผ่านการฝึกมาอย่างดี จะสามารถตรวจจับได้รวดเร็วกว่ามาก เมื่อใดที่กระบวนการเบี่ยงเบนออกจากค่าที่เหมาะสม” Jonas อธิบาย “เป้าหมายของเราในอนาคตอันใกล้คือ สามารถควบคุมกระบวนการเคลือบได้แบบอัตโนมัติทั้งหมด เพื่อให้เราสามารถลดอัตราของเสีย ในการผลิตเซลล์แบตเตอรีลงได้ประมาณสักสิบเปอร์เซ็นต์ ซึ่งขณะนี้ เราได้รับใบอนุญาตในเชิงพาณิชย์เรียบร้อยแล้ว”