Предиктивная аналитика: ключ к цели Tesla в $100/kWh за батарейный пак

«Да», — подтверждает Кари Терхо, директор и глава Smart Factory в Elisa Smart Factory. Он объясняет, как его команда увеличила выход годных литий-ионных элементов на 16% через предиктивную аналитику качества в eLab, центре исследований электромобильности Аахенского университета.

Достижение стоимости батарейного пака $100 / kWh (≈€90,8 / kWh) — верхний приоритет для Tesla. Чтобы достичь этой вехи, компания должна выжать пределы объёмной энергоплотности, одновременно резая производственные затраты.

На звонке по итогам 2017 года Илон Маск спросил: «Может ли кто-нибудь придумать прорыв в батареях? Мы бы обожали!» Этот вопрос подчёркивает масштаб вызова перед Tesla. Дата-сайентисты Elisa ответили, применив предиктивную аналитику для прогнозирования производственного качества и повышения выхода.

Проблемы качества в производстве батарейных элементов

Хотя процесс сборки литий-ионных элементов — сборка анодов и катодов, герметизация электролитом и финализация элемента — кажется прямолинейным, реальная преграда кроется в верификации качества. Энд-оф-лайн тестирование может занимать до трёх недель, и только после этого периода элемент можно считать пригодным для сборки пака или отправить в утиль.

Бракованные элементы не могут быть переработаны, что ведёт к потере дефицитных, дорогих сырьевых материалов — лития, кобальта, никеля, меди, алюминия и графита. С глобальным первичным выходом (first-time yield) примерно 15%, сектор сталкивается с значительными затратами и временными неэффективностями.

Стратегии повышения выхода

В eLab качество было идентифицировано как главное барьер для себестоимостно-эффективного производства и широкого принятия EV. Для решения проблемы eLab партнерилась с командой дата-сайенса Elisa Smart Factory.

Предиктивная аналитика качества в действии

Предиктивная аналитика качества извлекает данные процесса в реальном времени, выявляет паттерны и прогнозирует исходы качества — делая её идеальным решением для нужд eLab.

Команда применила фреймворк CRISP-DM, проверенную шести-шаговую методологию дата-майнинга, следующим образом:

1. Понимание бизнеса: Определили производственный контекст, выявили драйверы качества и критические точки данных.
2. Понимание данных: Провели gap-анализ и добавили высокорешающую камеру для захвата недостающих данных.
3. Подготовка данных: Очистили, гармонизировали и синхронизировали временные метки для предотвращения потерь данных.
4. Моделирование: Протестировали множество алгоритмов для открытия лучшей предиктивной модели качества элемента.
5. Оценка: Валидировали производительность модели для обеспечения надёжных прогнозов качества.
6. Развёртывание: Внедрили оптимальные параметры — такие как настройки вязкости — в производственное оборудование для стабильного качества.

Результат: 16% рост выхода

После развёртывания аналитического решения процент брака снизился на 16%. Некачественные элементы выявлялись раньше, позволяя сырью быть переработанным, а не утилизированным после трёхнедельного теста.

Импликации для Tesla

Предполагая, что Gigafactory 1 Tesla обрабатывает 23 ГВт·ч элементов 2170 для Model 3, завод мог бы производить 1,3 млрд элементов ежегодно. 16% улучшение выхода эквивалентно более 200 млн дополнительных элементов — достаточно для 49 000 Model 3 Long Range — и может сэкономить примерно $400 млн (≈€363 млн) при текущей стоимости $111 / kWh, по оценке UBS.

Эти выигрыши подчёркивают необходимость непрерывного улучшения в производстве батарей. Эффективное использование редкоземельных металлов критично для удовлетворения растущего спроса на электромобили.

Автор: Кари Терхо, директор и глава Smart Factory в Elisa Corporation.

Об авторе

Кари Терхо возглавляет дивизион Smart Factory в Elisa Corporation, финском провайдере ICT-услуг. До Elisa он занимал старшие роли в сервисном менеджменте, продажах и бизнес-разработке у tier-one беспроводных операторов и глобальных технологических фирм, включая Hewlett-Packard. Он имеет MBA в бизнесе и администрировании.

Elisa Smart Factory специализируется на ИИ и промышленных IoT-решениях для производителей. Подключаясь к разнообразным источникам данных и применяя передовые аналитику и ML, они доставляют результаты вроде более высокого аптайма, улучшенного производственного качества и повышенного выхода. Используя десятилетия опыта в управлении автоматизированными сетями и предотвращении сбоев, Elisa нацелена стать ведущим провайдером решений для цифровизации заводов в Европе и за её пределами.