DAFODIL - Datenbasierte Fertigungsoptimierung von Batteriezellen auf Basis von End-of-line-Daten durch massiven Einsatz von Machine Learning-Algorithmen und inline Analytik

Abstract

Das Forschungsvorhaben DAFODIL hatte die sensorbasierte Prozessoptimierung der industrienahen großtechnischen Lithium-Ionen-Batterieproduktion zum Ziel. Hierzu waren Entwicklungen vor allem auf Prozessebene notwendig. Im Projekt konnte die Integration von 56 Sensoren zur durchgängigen Prozessüberwachung erfolgreich ausgeführt und angewandt werden. Die integrierte Sensorik begleitet die Batteriematerialien vom Wareneingang über die Elektrodenfertigung und Zellassemblierung sowie Zellformierung durchgehend. Somit können Korrelationen der Zellfinalisierung mit Beschichtungsparametern und weiteren vielzähligen Zeitreihendaten erfolgen. Langfristig können Investitions- und Betriebskosten aufgrund der Ergebnisse der finalen Korrelationsanalyse und anschließenden Fehlerreduktion maßgeblich eingespart werden. Der Fokus des MEET lag auf der Materialoptimierung im Vorfeld, der Sensorinteragtion in etablierte Produktionsanlagen sowie der Fertigung aller im Projekt untersuchten Lithium-Ionen-Batterien. Insbesondere der Zusammenhang der Variation der Elektrodenproduktion mit den End-of-line- und End-of-life-Daten lässt sich somit Elektrodensheet genau zurückverfolgen. Neben dem Verständnis des Elektrodenpastenmischprozesses erfolgte auch eine Entwicklung der Charakterisierung und Bewertung der Qualität der einzelnen Produktionsschritte. Die Untersuchung stützten das Verständnis von Prozess-Materialeigenschafts-Zusammenhängen. Der Fokus der elektrochemischen Beurteilung liegt in der Optimierung der Elektrodenproduktionsparameter. Hier konnte auf die langjährige Erfahrung im Bereich der elektrochemischen Charakterisierung von mehrlagigen Pouchzellen zurückgegriffen werden.