Temporal production modeling for continuous battery cell process steps
The transformation of the mobility sector from fossil fuel towards renewable energy sources is a promising possibility for society and industry to decrease greenhouse gas emissions, which contributes to the climate protection goals of the European Union. This transformation is mainly driven by electric vehicles for transportation and personal mobility in combination with renewable energies. The integral components of these vehicles are battery cells (e.g. lithium-ion battery cells). Automotive OEMs face high economic pressure in order to develop and produce affordable electric vehicles, which allow their customers to change from fossil fuel driven vehicles to electric ones. For this purpose, battery cells are required having short charging times, providing wide operational ranges and long lifetimes. In addition, battery cell manufacturers face high pressure in order to meet the demand raised by the automotive market and fulfill governmental requirements regarding the sustainability of their production facilities and product safety. Battery cell production is built upon three disciplines: electrode production, cell assembly and cell finishing. Especially, continuous production technologies for electrode production bear the potential to increase productivity. The complexity of continuous battery cell production steps challenges their integration and consistency in large-scale production. Continuous production processes are characterized by tremendous parameter spaces having short- and long-term temporal dependencies. Especially, the temporal dimension can have a significant effect on equipment health, manufacturing impacts and product quality. Research and industry lack of analytical models sufficiently describing these relationships in order to design and operate efficient battery cell manufacturing systems. This thesis proposes a data-driven approach for battery cell production that monitors, optimizes and controls continuous process steps. For this, the fundamentals of battery cells, their production chain and inspection methods are introduced. Further, data-driven approaches for manufacturing engineering to model, optimize and control production processes are described. Against this background, latest contributions in the field of data mining for battery cell production and continuous processing are evaluated. Finally, the research gap in continuous battery cell production is derived. In order to fill this gap, objects and requirements of the Temporal Production Modeling approach are specified. In specific, models are developed for root-cause analysis, recipe generation and digital twin as well as process modeling in continuous battery cell production. Further, trained models are connected from process development towards the actual production by a common workflow in order to optimize manufacturing targets, support the integration and ensure the consistency of targets during the actual production. Finally, a real-time process chain control and a continuous forecast of electrochemical properties of the final battery cell is proposed. The approach is exemplary integrated into a digitalization framework for battery cell production. This framework transforms targets regarding battery cell quality, manufacturing costs and environmental impacts into dedicated decisions on operational, tactical and strategic levels. Decisions are supported by the predictions of trained models. A continuous anode mixing is used to validate the approach and demonstrates its capabilities. Finally, the thesis is concluded, critically reviewed and future research questions are outlined
Die Umstellung des Mobilitätssektors von fossilen Brennstoffen auf erneuerbare Energiequellen ist eine vielversprechende Möglichkeit für die Gesellschaft und die Industrie, die Treibhausgasemissionen zu verringern, was wiederum zu den Klimaschutzzielen der Europäischen Union beiträgt. Dieser Wandel wird hauptsächlich durch Elektrofahrzeuge für den Transport und die persönliche Fortbewegung in Kombination mit erneuerbaren Energien vorangetrieben. Integraler Bestandteil dieser Fahrzeuge sind Batteriezellen (z. B. Lithium-Ionen-Batteriezellen). Die Automobilhersteller stehen unter hohem wirtschaftlichen Druck, erschwingliche Elektrofahrzeuge zu entwickeln und produzieren, die ihren Kunden den Umstieg von fossil betriebenen Fahrzeugen auf Elektrofahrzeuge erleichtern. Zu diesem Zweck werden Batteriezellen benötigt, die kurze Ladezeiten, große Reichweiten und eine lange Lebensdauer bieten. Darüber hinaus stehen die Hersteller von Batteriezellen unter hohem Druck, um die Nachfrage des Automobilmarktes zu befriedigen und die staatlichen Anforderungen an die Nachhaltigkeit ihrer Produktionsanlagen und die Produktsicherheit zu erfüllen. Die Produktion von Batteriezellen basiert auf drei Disziplinen: Elektrodenherstellung, Zellmontage und Zellveredelung. Insbesondere kontinuierliche Produktionstechnologien für die Elektrodenherstellung bergen das Potenzial zur Produktivitätssteigerung. Die Komplexität der kontinuierlichen Produktionsschritte für Batteriezellen stellt eine Herausforderung für die Integration und Konsistenz in der Großserienproduktion dar. Kontinuierliche Produktionsprozesse sind durch riesige Parameterräume mit kurz- und langfristigen zeitlichen Abhängigkeiten gekennzeichnet. Insbesondere die zeitliche Dimension kann einen erheblichen Einfluss auf den Zustand der Anlagen, die Auswirkungen auf die Produktion und die Produktqualität haben. In der Forschung und Industrie fehlt es an analytischen Modellen, die diese Zusammenhänge hinreichend beschreiben, um effiziente Produktionssysteme für Batteriezellen zu entwerfen und betreiben. In dieser Arbeit wird ein datengesteuerter Ansatz für die Batteriezellenproduktion vorgeschlagen, der kontinuierliche Prozessschritte überwacht, optimiert und steuert. Dazu werden die Grundlagen von Batteriezellen, deren Produktionskette und Prüfverfahren vorgestellt. Weiterhin werden datengetriebene Ansätze für die Fertigungstechnik zur Modellierung, Optimierung und Steuerung von Produktionsprozessen beschrieben. Vor diesem Hintergrund werden aktuelle Beiträge im Bereich des Data Mining für die Batteriezellenproduktion und die kontinuierliche Fertigung bewertet. Abschließend wird die Forschungslücke in der kontinuierlichen Batteriezellenproduktion abgeleitet. Um diese Lücke zu schließen, werden Ziele und Anforderungen an den Temporal Production Modeling Ansatz spezifiziert. Im Einzelnen werden Modelle für die Ursachenanalyse, die Rezepturerstellung und den digitalen Zwilling sowie die Prozessmodellierung in der kontinuierlichen Batteriezellenproduktion entwickelt. Darüber hinaus werden die trainierten Modelle von der Prozessentwicklung bis zur eigentlichen Produktion durch einen gemeinsamen Arbeitsablauf verbunden, um die Fertigungsziele zu optimieren, die Integration zu unterstützen und die Konsistenz der Ziele während der eigentlichen Produktion zu gewährleisten. Schließlich wird eine Echtzeit-Prozesskettensteuerung und eine kontinuierliche Vorhersage der elektrochemischen Eigenschaften der fertigen Batteriezelle vorgeschlagen. Der Ansatz wird beispielhaft in ein Digitalisierungsframework für die Batteriezellenproduktion integriert. Dieses Framework wandelt Ziele hinsichtlich der Batteriezellqualität, der Herstellungskosten und der Umweltauswirkungen in Entscheidungen auf operativer, taktischer und strategischer Ebene um. Die Entscheidungen werden durch die Vorhersagen von trainierten Modellen unterstützt. Eine kontinuierliche Prozess zur Anodenherstellung wird verwendet, um den Ansatz zu validieren und seine Fähigkeiten zu demonstrieren. Schließlich wird die Arbeit zusammengefasst, kritisch hinterfragt und es werden zukünftige Forschungsfragen skizziert.
Preview
Cite
Access Statistic
Rights
Use and reproduction:
