減少廢料，因應能源轉型

喬納斯·威特 | 西門子年度最佳發明家 | 新人

一覽電池製造

A man in a black shirt leans over a laptop with

鋰離子電池具有鋁陰極（-極）和銅陽極（+ 極）。在製造過程中，將薄層活性材料（例如氧化鈷鋰或磷酸鐵鋰）塗在長的銅或鋁箔條上。這些長電極條被切成小段，組合，並繞著或堆疊到單獨的電池電池中。「金屬箔的塗層是一個關鍵的過程步驟。活性層在箔面的整個寬度上必須具有均勻的厚度，」Jonas 說。「這裡的錯誤是導致電池電池不良的主要原因。正在獲得認可的兩項發明，幫助我們更好地了解並改善這個生產步驟。」

像指紋一樣的圖案

越準確地追蹤錯誤的原因，開發解決方案就越容易 — 這個原則也適用於電池製造。Jonas 和他的團隊尋找一種方法，在特定電池芯和其生產的銅/鋁箔條部分之間建立聯繫。Jonas 解釋說：「過去，生產數據被分配給長條材料。「我們的新手術更精確且非侵入性。我們發現材料的表面圖案對於個別塗層區段是獨一無二的，類似於指紋。不同區段的圖樣的任何差異都非常明確，因此對於特定電池電池，我們可以隨後跟踪其製造的確切箔片段、製造時間以及使用的設定。借助這些知識，我們不僅使舊標記變得過時，我們還能夠比以往更精確地分析何時以及為什麼產生如此多或少的廢物。」

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

向專家學習

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

生產機器的精確校準是關鍵因素。Jonas 說：「機器操作員通常必須經過數個月的培訓，才能獲得適當的感覺，以最佳設置製程參數。」「通常會產生大量廢料，因為它們忽略了某些東西。」這就是為什麼 Jonas 和他的團隊訓練了具有高技能的機器操作員的檢測行為的 AI 模型，以開發一個系統，在持續運行期間提供最佳配置的建議的系統。Jonas 表示：「根據操作數據，訓練良好的 AI 模型可以更快地識別我們從最佳狀態偏遠的情況下，」Jonas 表示。「我們在不久的將來的目標是能夠完全自動控制塗層過程，以便我們可以將電池電池的廢料率降低約 10%。我們已經獲得商業許可證。」