Optimierte Zellfinalisierung durch innovative Anlagentechnik und parametergestützte Auswertung der Prozess- und Qualitätsparameter im virtuellen Produktionssystem

Die Ergebnisse des Projekts lassen sich in mehrere Kernbereiche unterteilen. Hierbei gibt es Verbesserungen, die auf der Prozessebene erzielt wurden, Optimierungen auf Anlagenebene sowie die Aufnahme, Verarbeitung und Auswertung der Daten im virtuellen Produktionssystem. Des Weiteren leisten die Algorithmen zur schnellen Qualitätsbewertung sowie die genaue Analyse der Batteriezellqualität auf Datenbasis bis hin zur Post-Mortem-Analyse einen zentralen Beitrag zum Verständnis der Einordnung der Batteriezellen in verschiedene Qualitätsklassen.

Die Verbesserungen auf Prozessebene stützen sich auf mehrere Maßnahmen in der Prozesskette von der Befüllung bis zum EoL-Test.

In der Befüllung wurden unterschiedliche Befüllparameter und deren Beeinflussung der Benetzungszeit getestet. Gleichzeitig wurde gezeigt, dass mit einer EIS-Messung im hochfrequenten Bereich in der Befüllanlage der Fortschritt der Benetzung mit Elektrolyt in der Batteriezelle zuverlässig qualitativ ermittelt werden kann. [Abbildung 1] Dies ermöglicht eine Verkürzung der Benetzungszeit durch verbesserte Prozesskenntnis, da die bisher notwendigen Pufferzeiten wegfallen können.

Im nächsten Produktionsschritt der Formierung wurden zusätzlich eine Messung der Gasbildung in der Batteriezelle und ebenfalls die EIS-Messung genutzt. Durch die Messung der Gasbildung während der Formierung mittels Ermittlung der Volumenänderung können die chemischen Prozesse in der Batteriezelle, beispielsweise die Bildung der SEI, zeitlich eingeordnet werden. Dies hilft bei der Optimierung der Spannungsfenster, Ströme und Zyklen der Formierung und reduziert durch bessere Prozesskenntnis die zur Formierung notwendige Zeit stark. Dazu wurde am IWB der TUM eine entsprechende Vorrichtung entwickelt, die für die Gasmessungen im Projekt entwickelt wurde. [Abbildung 2] Eine entsprechende Veröffentlichung zu den detaillierten Ergebnissen ist vorhanden. Hier wurde gezeigt, dass nur noch ein Ladezyklus bis zu einem mittleren Spannungsfenster notwendig ist, um eine Formierung ohne Qualitätsabstriche zu erreichen. Die EIS-Messungen in der Formierung dienen als zusätzlicher Datenpunkt zur frühen Bestimmung der Qualität.
Für die Verkürzung der Alterung kann auf die zuvor zusätzlich generierten Daten zurückgegriffen werden, da die Batteriezellen bereits nach der Formierung in Qualitätsklassen eingestuft werden können. Dies ermöglicht eine Verkürzung dieses Schritts auf wenige Tage.

Im Schritt des EoL-Tests wurde nachgewiesen, dass mittels der parallelen Prüfung mehrerer verschalteter Batteriezellen an einem Testkanal ebenfalls belastbare Ergebnisse zur Batteriezellqualität erzielt werden können. Als zusätzlich geeignetes Testverfahren wurde hier die differentielle Spannungsanalyse bei niedrigen Strömen identifiziert, die viele Fehlerarten noch besser detektiert als beispielsweise die EIS-Messungen. Dies ermöglicht zum einen die Reduktion von Equipment für die gleiche Anzahl getesteter Batteriezellen, zum anderen eine bessere und genauere Fehlererkennung als bisher. Auch die zuvor zusätzlich gesammelten Daten ermöglichen es in diesem Schritt eine bessere Übersicht und Auswertung zur Batteriezellqualität zur Verfügung zu stellen. Am FTM der TUM wurde hierzu ein Analysetool entwickelt [Abbildung 3], das durch auf Algorithmen basierende Auswertungstools des ISEA der RWTH Aachen ergänzt wird.

Auf Anlagenseite wurden in München sowie Aachen Geräte zur Messung mittels EIS beschafft und digital eingebunden. Zusätzlich wurde in München im Technikum des IWB eine neue Elektrolytbefüllungsanlage installiert, die eine hohe Dosiergenauigkeit, eine integrierte Kontaktierung der Batteriezellen sowie eine digitale Einbindung ermöglicht. Auch wurden an beiden Universitäten neue Warenträger für die Formierung der Batteriezellen entwickelt. Zur und Speicherung, Aufbereitung und Analyse der Daten wurde am IMA der RWTH Aachen ein zentraler Projektserver beschafft. Am ISEA der RWTH Aachen und FTM der TUM wurden zusätzliche Zelltestgeräte beschafft, die auch EIS-Messungen durchführen können.

Den letzten Bereich stellen die Optimierungen hinsichtlich der Aufnahme, Verarbeitung und Auswertung der Daten im virtuellen Produktionssystem dar. Die zuvor beschriebene Anlagentechnik stellt die Basis hierfür dar, um die Daten der betrachteten Produktionsschritte zu sammeln und zentralisiert auswerten zu können. Hierbei werden die Daten der Produktion in den Linien in München und Aachen zunächst auf der IT-Infrastruktur der jeweiligen Institute gesammelt und im Anschluss mit dem zentralen Server des virtuellen Produktionssystems des IMA der RWTH Aachen gesammelt. Für den Nutzer zeigt sich das virtuelle Produktionssystem in einem Dashboard mit einer Übersicht der verschiedenen Produktionsschritte des Projekts (Befüllung – EoL-Test). Hier kann für jeden Produktionsschritt ein eigenes Dashboard aufgerufen werden, in dem wiederum die Daten für die gewünschte Auswahl an Batteriezellen in den entsprechenden Graphen dargestellt werden [Abbildung 4]. Bei entsprechender Einrichtung ist das System ebenfalls in der Lage diese Daten direkt während der Produktion darzustellen, indem eine stetige Synchronisierung zwischen den Servern der jeweiligen Institute mit dem zentralen Projektserver am IMA eingerichtet wird. Darüber hinaus verfügt das System über eine Einstufung der Batteriezellen aus der Produktion zu den eingeführten Quality Gates. Hierbei kommen sowohl konventionelle Algorithmen und Analysemethoden als auch solche die dem Bereich der Künstlichen Intelligenz (KI) zuzurechnen sind. Hierbei wurden die konventionellen Algorithmen maßgeblich am ISEA der RWTH Aachen entwickelt, während die KI-Algorithmen am IMA der RWTH Aachen und am IWB der TUM zum Einsatz kamen. Diese Auswertungen ermöglichen dem Bediener in der Produktion eine fortlaufende Qualitätsbeurteilung mit detaillierten Datensätzen, was im nächsten Schritt zu einer Optimierung der Produktion und der schnellen und frühen Identifizierung, Diagnose und Behebung von Fehlern führt.

Um die Datenanalysen mit der Lebenserwartung der Batteriezellen abzugleichen, wurden die produzierten Batteriezellen bis zu einer verbleibenden Restkapazität von 80 % zyklisiert. Am FTM der TUM wurde hierzu ein neues Protokoll zur Zyklisierung entwickelt, das die Alterung im realen Fahrbetrieb nachstellt, um schnellere und bessere Ergebnisse bezüglich der Alterung der Batteriezellen im Betrieb zu erreichen [Abbildung 5]. Im Anschluss werden die Batteriezellen am ISEA der RWTH Aachen geöffnet und anhand ihrer Alterungsmechanismen analysiert. Auch diese Ergebnisse werden zur Verbesserung der Algorithmen zur Vorhersage der Batteriezellqualität und deren zugrunde liegenden Mechanismen genutzt. Zusammenfassend leistet das Projekt OptiPro einen Beitrag zur frühen Fehlererkennung und -behebung in den Schritten der Zellfinalisierung. Dies ermöglicht, kombiniert mit Verbesserungen in den einzelnen Prozessschritten von der Befüllung bis zum EoL-Test, eine reduzierte Durchlaufzeit bei geringeren Ausschüssen und besserer Qualität. Die Basis hierfür bildet eine Datenaufnahme und -auswertung die deutlich über den Stand der Technik hinausgeht.