¿Podría el análisis predictivo ayudar a Tesla a reducir el costo de los paquetes de baterías a $ 100 por kWh?

“Sí”, dice Kari Terho, directora y jefa de Smart Factory de Elisa Smart Factory . Aquí explica cómo su equipo ha aumentado el rendimiento de producción de celdas de batería en un 16% con Predictive Quality Analytics en eLab, el centro de investigación de electromovilidad de la Universidad de Aachen en Alemania.

El costo de la batería de $ 100 / kWh (€ 90,8 / kWhf) es un objetivo principal para Tesla . Para lograr esto, la empresa debe resolver uno de los desafíos tecnológicos más exigentes del mundo:cómo aumentar la densidad de energía volumétrica de las celdas de la batería al tiempo que reduce los costos de producción.

Cuando el fundador de Tesla, Elon Musk, habló en público sobre la convocatoria de ganancias de la compañía en 2017, preguntó:"¿Puede alguien pensar en un avance en la batería? ¡Nos encantaría! " Sus sentimientos reflejan la complejidad del desafío que su empresa intenta resolver. Para atender la solicitud de Musk de innovaciones revolucionarias en baterías, así es como los científicos de datos de Elisa han aumentado el rendimiento de producción de celdas de batería al predecir la calidad de fabricación.

Existe un desafío de calidad en la fabricación de celdas de batería

La fabricación de celdas de batería de iones de litio para automóviles eléctricos es, en principio, un proceso sencillo.

Los electrodos de ánodo y cátodo se producen en varios subprocesos diferentes a partir de una mezcla de diferentes materias primas y luego se empaquetan en celdas de batería, que se llenan con el electrolito, que se sella y finaliza antes de enviarse al final de la línea. pruebas.

Sin embargo, el proceso es mucho más complicado que eso. Un desafío principal en la fabricación de celdas de batería es que la calidad final de las celdas fabricadas solo se puede verificar después de largas pruebas de final de línea, y completar la prueba puede llevar hasta tres semanas. Es solo después de este punto cuando el fabricante puede determinar si un producto de celda de batería final puede usarse más, para la producción de paquetes de batería; o si tiene que desecharse como residuo peligroso.

Las celdas de batería desechadas no se pueden reciclar, y esto da como resultado que en el proceso se desperdicien materias primas escasas, no renovables y costosas, como litio, cobalto, sulfato de níquel, cobre, aluminio y grafito. Se estima que el rendimiento medio global por primera vez (FTY) de las celdas de batería es tan alto como el 15%, lo que hace que la fabricación de celdas de batería sea costosa y lenta.

¿Cómo podemos aumentar el rendimiento de fabricación de celdas de batería?

En eLab, el centro de investigación de electromovilidad de la Universidad de Aachen en Alemania, este desafío de calidad se identificó como un problema importante que prohíbe la fabricación rentable y ralentiza la adopción de automóviles eléctricos respetuosos con el medio ambiente.
En la búsqueda de desarrollando un proceso de fabricación más eficiente para celdas de batería, eLab se asoció con el equipo de científicos de datos de Elisa Smart Factory.

Uso de análisis predictivo de calidad para la fabricación de celdas de batería

Predictive Quality Analytics se utiliza para extraer datos de un proceso de fabricación para determinar patrones de datos, en función de los resultados y tendencias relacionados con la calidad que se pueden predecir. Por lo tanto, es una herramienta adecuada para resolver el desafío de calidad de eLab.

El equipo de científicos de datos de Elisa siguió el proceso estándar de la industria para la minería de datos, el proceso CRISP-DM de seis pasos; que es el modelo de análisis más utilizado entre los expertos en minería de datos. Así es como se describe el proceso.

1. El primer paso es formar una comprensión empresarial clara de producción de celdas de batería y establecer los objetivos correctos. Se evaluó la situación general, se definieron los impulsores de la calidad en el proceso, se identificaron los puntos de datos que afectan la calidad de la celda de la batería y se determinaron los parámetros que describen mejor la calidad de la celda de la batería.
2. El siguiente paso son datos comprensión como en el proceso CRIP-DM . Implicó un análisis de lagunas de qué tipo de datos están disponibles frente a qué datos se requieren. En este caso, se cubrió una brecha de datos instalando una cámara de calidad en la línea de fabricación.
3. En la preparación de datos fase, los datos se limpian y armonizan en el mismo formato. Las marcas de tiempo se verifican de forma cruzada para evitar pérdidas en la recopilación de datos.
4. El modelado fue la fase más desafiante para los científicos de datos. Hay miles de formas de analizar datos. Los científicos de datos deben probar diferentes algoritmos para ver los diversos resultados que dan cuando se aplican a los datos recopilados de la línea de fabricación de celdas de batería.
5. La evaluación de los resultados es fundamental. Implicó investigar si los resultados son válidos y si permiten predecir la calidad de las celdas de la batería.
6. Finalmente, en la implementación fase, el equipo definió los parámetros óptimos para configurar los equipos y máquinas de producción para una calidad de producción óptima. Esto incluyó los parámetros de viscosidad correctos, entre muchos otros.

El resultado es un 16% i aumento en el rendimiento de la producción de celdas de batería

Después de la implementación de Predictive Quality Analytics de Elisa, la tasa de desperdicio en la línea de producción de celdas de batería de eLab se redujo en un 16%, ya que la calidad de las celdas de batería ahora se puede predecir al principio del proceso. Las celdas de batería que se predice que serán de calidad inferior al estándar al final del proceso ahora se identifican antes en el proceso y se retiran de la línea. La materia prima podría reciclarse para un nuevo lote de producción, en lugar de desecharse en residuos no reciclables, después de la prueba de fin de línea tres semanas después.

En conclusión

¿Cuál sería el precio de Tesla para una ganancia de rendimiento de producción del 16%? Es difícil de decir, pero imagina esto ...

Si toda la capacidad de producción de 23 GWh en la Gigafactory 1 de Tesla se dedicara únicamente a la producción de las celdas de batería 2170 del automóvil Tesla Model 3, su producción anual podría ser de 1.300 millones de unidades de las 2170 celdas. La ganancia de rendimiento del 16% correspondería a más de 200 millones de unidades celulares más producidas, eso es suficiente para 49,000 autos Tesla Model 3 de largo alcance.

Imagínese, se podría lograr un ahorro de costos de $ 400 millones (€ 363 millones), si se asume el costo de producción de celdas de batería de $ 111 por kWh (€ 100,8 por kWh), según lo estimado por el banco UBS.

Independientemente del impacto en el negocio de cualquier fabricante de automóviles, la industria de los vehículos eléctricos debe desarrollar continuamente sus prácticas de fabricación y su eficiencia. Las baterías de iones de litio están hechas de minerales de tierras raras como cobalto, litio, níquel y otros metales, que deben usarse de manera eficiente para satisfacer la creciente demanda de automóviles eléctricos.

El autor es Kari Terho, director y jefe de Smart Factory, Elisa Corporation

Sobre el autor

Kari Terho es directora y directora de Smart Factory en Elisa Corporation, un proveedor de servicios de TIC en Finlandia. Antes de unirse a Elisa Smart Factory, Kari ocupó varios puestos de liderazgo en gestión de servicios y desarrollo comercial y de ventas en proveedores de servicios inalámbricos de primer nivel y en empresas líderes mundiales, incluida Hewlett-Packard. Kari tiene un MBA en Administración y Negocios.

Elisa Smart Factory es un proveedor de inteligencia artificial y software de IoT industrial para fabricantes de la industria. Nos conectamos a cualquier fuente de datos, aprovechamos los flujos de datos y combinamos el análisis de datos y el aprendizaje automático para crear resultados como un mayor tiempo de actividad, calidad de producción y rendimiento. Al ser parte de la corporación Elisa, tenemos décadas de experiencia en la gestión de vastas infraestructuras de red altamente automatizadas, así como en la predicción y prevención de incidentes disruptivos. Nuestro objetivo es utilizar esta experiencia y convertirnos en el proveedor líder de soluciones de digitalización de fábricas en Europa y más allá.