Intelligente Anlaufsteuerung zur kostenreduzierten und flexiblen Fertigung zukünftiger Batteriezellen

Der intelligente und flexible Anlauf von Produktionsanlagen stellt eine der wesentlichen Herausforderungen in der gegenwärtigen Fertigung von Batteriezellen dar. Während sich die Stilllegung diverser Produktionsanlagen generell als weniger problematisch erweist, gestaltet sich die erneute Inbetriebnahme der Anlagen und Systeme oft schwierig. Ziel des Projekts „InTeAn“ ist daher die Entwicklung einer Gesamtmethodik zum schnellen (Wieder-) Anlauf industrieller Fertigungsprozessketten.

Eine Vielzahl der auftretenden Komplikationen im Anlauf ist auf die unflexible und ungeregelte Anlaufsteuerung der Produktionsanlagen zurückzuführen. Diverse Unsicherheitsfaktoren wie Kundenerwartungen, Marktanforderungen, Wettbewerbssituation und die zu produzierenden Stückzahlen bedingen eine erhöhte Aufmerksamkeit, was den Anlauf der Batteriezellenfertigung u.a. für den Einsatz in der Elektromobilität angeht. Dabei stellt die Skalierbarkeit der Produktion eine wesentliche Bezugsgröße in der Produktionsplanung dar. Für den Erfolg oder Misserfolg des Produkts sind die Umsetzung der Anlaufsteuerung sowie Kosten, Qualität und Produktkomplexität maßgebend. Vor dem Hintergrund neuer, teils noch unbekannter Herausforderungen der Batteriezellproduktion kann die Anwendung eines integrierten Anlaufmanagementmodells maßgeblich dazu beitragen, den Produktionsprozess effizienter, nachhaltiger und transparenter zu gestalten.

Im Rahmen von InTeAn soll ein verbessertes Betriebsmodell bzw. eine optimale Anlaufmethodik entworfen werden, die basierend auf Methoden der künstlichen Intelligenz eine selbstlernende Anlagensteuerung (TRL 4) ermöglicht, sodass der Ausschuss im Anlauf um 10% reduziert werden kann. Das TRL der Vorgehensweise beim Wiederanlauf liegt aktuell im Bereich von 3 und soll durch das Vorhaben insgesamt auf TRL 4-5 erhöht werden. Der Fokus liegt hierbei zudem auf der Produktion von Sonderformaten. Aufbauend auf einer umfangreichen Prozessüberwachung sollen zusätzlich ML-Methoden, mit denen mögliche Parameter der Prozessstufen exploriert und schrittweise angepasst werden, zum Einsatz kommen.