Может ли прогнозная аналитика помочь Tesla снизить стоимость аккумуляторных блоков до 100 долларов за кВтч?

«Да», - говорит Кари Терхо, директор и глава Smart Factory компании Elisa Smart Factory . . Здесь он объясняет, как его команда увеличила выпуск аккумуляторных элементов на 16% с помощью Predictive Quality Analytics в eLab, исследовательском центре электромобильности в университете Ахена в Германии.

Стоимость аккумуляторного блока в размере 100 долларов США / кВтч (90,8 евро / кВтч) является основной целью Tesla . . Для этого компания должна решить одну из самых сложных мировых технологических задач - как увеличить объемную плотность энергии аккумуляторных элементов при одновременном сокращении производственных затрат.

Когда основатель Tesla, Илон Маск, публично говорил о финансовых результатах компании в 2017 году, он спросил:«Кто-нибудь, пожалуйста, придумайте прорыв в области аккумуляторов? Нам бы это понравилось! " Его настроения отражают сложность задачи, которую пытается решить его компания. Чтобы ответить на запрос Маска о революционных инновациях в аккумуляторных батареях, именно так специалисты по обработке данных Elisa увеличили объем производства аккумуляторных элементов, прогнозируя качество производства.

При производстве аккумуляторных элементов возникает проблема качества

Производство литий-ионных аккумуляторных батарей для электромобилей, в принципе, несложный процесс.

Анодные и катодные электроды производятся в нескольких различных подпроцессах из смеси различных сырьевых материалов, а затем упаковываются в аккумуляторные элементы, которые заполняются электролитом, который герметизируется и завершается перед отправкой на конечную производственную линию. тестирование.

Однако процесс намного сложнее. Основная проблема при производстве аккумуляторных элементов заключается в том, что окончательное качество производимых элементов можно проверить только после длительных испытаний в конце производственной линии, а выполнение теста может занять до трех недель. Только после этого момента производитель может определить, может ли конечный продукт с аккумуляторными элементами использоваться в дальнейшем для производства аккумуляторных блоков; или если его нужно утилизировать как опасные отходы.

Отработанные аккумуляторные элементы не подлежат переработке, что приводит к потере дефицитного, невозобновляемого и дорогого сырья, такого как литий, кобальт, сульфат никеля, медь, алюминий и графит. По оценкам, глобальный средний выход с первого раза (FTY) для аккумуляторных элементов достигает 15%, что делает производство аккумуляторных элементов дорогостоящим и медленным.

Как повысить производительность производства аккумуляторных элементов?

В eLab, исследовательском центре электромобильности в университете Ахена в Германии, эта проблема качества была определена как серьезная проблема, которая запрещает рентабельное производство и замедляет внедрение экологически чистых электромобилей.
В поисках решения разрабатывая более эффективный производственный процесс для аккумуляторных элементов, eLab сотрудничал с командой специалистов по обработке данных Elisa Smart Factory.

Использование прогнозной аналитики качества для производства аккумуляторных элементов

Прогнозирующая аналитика качества используется для извлечения данных из производственного процесса для определения шаблонов данных, на основе которых можно спрогнозировать тенденции и результаты, связанные с качеством. Следовательно, это подходящий инструмент для решения проблемы качества eLab.

Команда специалистов по обработке данных Элизы следовала межотраслевому стандартному процессу интеллектуального анализа данных, шестиэтапному процессу CRISP-DM; которая является наиболее широко используемой аналитической моделью среди экспертов по интеллектуальному анализу данных. Вот как описывается этот процесс.

1. Первый шаг - сформировать четкое понимание бизнеса производства аккумуляторных элементов и ставить перед собой правильные цели. Была оценена общая ситуация, были определены факторы качества в процессе, определены точки данных, влияющие на качество аккумуляторных элементов, и определены параметры, которые лучше всего описывают качество аккумуляторных элементов.
2. Следующий шаг - данные понимание, как в процессе CRIP-DM . Это включало анализ пробелов в том, какие данные доступны по сравнению с тем, какие данные требуются. В этом случае пробел в данных был восполнен за счет установки качественной камеры на производственной линии.
3. В подготовке данных На этапе, данные очищаются и приводятся в один и тот же формат. Временные метки перекрестно проверяются, чтобы избежать потерь при сборе данных.
4. моделирование был самым сложным этапом для специалистов по данным. Есть тысячи способов анализировать данные. Специалисты по обработке данных должны опробовать различные алгоритмы, чтобы увидеть различные результаты, которые они дают при применении к данным, собранным на линии по производству аккумуляторных элементов.
5. оценка результатов имеет решающее значение. Он включал исследование, верны ли результаты и позволяют ли они прогнозировать качество аккумуляторных элементов.
6. Наконец, при развертывании На этапе, команда определила оптимальные параметры настройки производственного оборудования и станков для обеспечения оптимального качества продукции. Среди прочего, сюда входили правильные параметры вязкости.

Результат - 16% i nувеличение выработки аккумуляторных элементов

После внедрения Elisa Predictive Quality Analytics процент брака на линии по производству аккумуляторных элементов eLab упал на 16%, так как качество аккумуляторных элементов теперь можно было прогнозировать на ранних этапах процесса. Элементы батареи, качество которых, согласно прогнозам, будет ниже стандартного в конце процесса, теперь идентифицируются на более раннем этапе процесса и выводятся из линии. Сырье может быть переработано для новой производственной партии вместо того, чтобы превращаться в неперерабатываемые отходы после испытания в конце производственной линии через три недели.

В заключение

Какова будет цена Tesla за прирост производства на 16%? Сложно сказать, но представьте…

Если бы вся производственная мощность Tesla Gigafactory 1 в 23 ГВтч была занята исключительно производством 2170 аккумуляторных элементов автомобиля Tesla Model 3, его годовой объем производства мог бы составить 1,3 миллиарда единиц из 2170 элементов. Увеличение урожайности на 16% будет соответствовать увеличению производства более чем на 200 миллионов единиц ячеек - этого достаточно для 49 000 автомобилей дальнего действия Tesla Model 3.

Представьте себе, экономия затрат в размере 400 миллионов долларов (363 миллиона евро) может быть достигнута, если принять стоимость производства аккумуляторных элементов в размере 111 долларов за кВтч (100,8 евро за кВтч), по оценке банка UBS.

Независимо от влияния на бизнес любого производителя автомобилей, индустрия электромобилей должна постоянно совершенствовать свои производственные практики и повышать эффективность. Литий-ионные батареи состоят из редкоземельных минералов, таких как кобальт, литий, никель и других металлов, которые следует эффективно использовать для удовлетворения быстро растущего спроса на электромобили.

Автор - Кари Терхо, директор и глава Smart Factory, Elisa Corporation

Об авторе

Кари Терхо - директор и руководитель Smart Factory в Elisa Corporation, провайдере услуг ИКТ в Финляндии. До прихода в Elisa Smart Factory Кари занимал различные руководящие должности в сфере управления услугами, продаж и развития бизнеса у поставщиков беспроводных услуг первого уровня, а также в глобальных голубых фишках, включая Hewlett-Packard. Кари имеет степень магистра делового администрирования и бизнеса.

Elisa Smart Factory - поставщик программного обеспечения для искусственного интеллекта и промышленного Интернета вещей для промышленных производителей. Мы подключаемся к любому источнику данных, используем потоки данных и объединяем аналитику данных и машинное обучение для достижения таких результатов, как увеличение времени безотказной работы, качество продукции и доходность. Являясь частью корпорации Elisa, мы обладаем многолетним опытом управления обширными, высокоавтоматизированными сетевыми инфраструктурами, а также прогнозирования и предотвращения разрушительных инцидентов. Наша цель - использовать этот опыт и стать ведущим поставщиком решений по цифровизации предприятий в Европе и за ее пределами.