Intelligente Anlaufsteuerung für die Batteriezellenproduktion
-
Ann-Kathrin Goßmann
Ann-Kathrin Goßmann, M. Sc., studierte Maschinenbau an der TU Darmstadt. Seit 2023 ist sie Wissenschaftliche Mitarbeiterin am Fraunhofer IOSB in der Abteilung Kognitive Industrielle Systeme.
,
Matthieu Poyer
Matthieu Poyer, M. Sc., studierte Mathematik an der Universität Paris-Saclay und der Universität von Lyon. Seit 2022 ist er Wissenschaftlicher Mitarbeiter in der Abteilung Kognitive Industrielle Systeme am Fraunhofer IOSB.
Rui Yan Li, M. Sc., studierte Wirtschaftsingenieurwesen mit Fachrichtung Maschinenbau an der RWTH Aachen University. Seit 2022 ist er Wissenschaftlicher Mitarbeiter am Lehrstuhl Production Engineering for E-Mobility Components (PEM) im Bereich Battery Production Management.
Sebastian Henschel, M. Sc., studierte Wirtschaftsingenieurwesen an der Hochschule Mannheim. Seit 2021 ist er ist Wissenschaftlicher Mitarbeiter am wbk – Institut für Produktionstechnik des KIT im Bereich Agile Produktionsanlagen.
Dr.-Ing. Julius Pfrommer leitet die Abteilung für Kognitive Industrielle Systeme (KIS) am Fraunhofer IOSB. Die Abteilung entwickelt intelligente Komponenten und Verfahren für eine flexible und ressourceneffiziente Produktion.
Dr. rer. nat. Constanze Hasterok leitet die Gruppe für intelligente cyber-physische Systeme am Fraunhofer IOSB. Die Arbeitsgruppe schlägt die Brücke zwischen KI-Grundlagenforschung und industrieller Umsetzung von KI-Methoden zusammen mit produzierenden Unternehmen.
Prof. Dr.-Ing. Achim Kampker ist Leiter des Lehrstuhls „Production Engineering of E-Mobility Components“ (PEM) der RWTH Aachen und bekannt durch die Mitentwicklung des Elektrofahrzeugs „StreetScooter“. Darüber hinaus ist er Mitglied des Vorstands der „Fraunhofer-Einrichtung für Batteriezellenfertigung FFB“ in Münster.
Prof. Dr.-Ing. Jürgen Fleischer ist seit 2003 Leiter des Instituts für Produktionstechnik am Karlsruher Institut für Technologie (KIT) und für den Bereich Maschinen, Anlagen und Prozessautomatisierung verantwortlich.
Abstract
The ramp-up of production lines as a result of changing product variants or production processes puts battery cell manufacturers under enormous quality and cost pressure due to high reject rates. A control system based on artificial intelligence methods can help to speed up the start-up processes. The InTeAn research project developed a procedure for developing a process control system to reduce ramp-up times and costs in battery cell production.
Abstract
Der Anlauf von Produktionslinien infolge wechselnder Produktvarianten oder Produktionsprozesse stellt Hersteller von Batteriezellen aufgrund hoher Ausschussraten vor einen enormen Qualitäts- und Kostendruck. Eine Regelung basierend auf Verfahren der künstlichen Intelligenz kann helfen, die Anlaufprozesse zu beschleunigen. Im Forschungsprojekt InTeAn wurde hierzu ein Vorgehen zur Entwicklung einer Prozessregelung zur Reduktion von Anlaufzeit und Kosten in der Batteriezellproduktion entwickelt.
Hinweis
Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWF-Advisory-Board wissenschaftlich begutachteten Fachaufsatz (Peer Review).
Funding statement: Das diesem Bericht zugrunde liegende Vorhaben wurde mit Mitteln des Bundesministeriums für Bildung und Forschung unter dem Förderkennzeichen 03XP0357C (Projekt InTeAn) gefördert. Die Verantwortung für den Inhalt dieser Veröffentlichung liegt bei den Autor:innen.
About the authors
Ann-Kathrin Goßmann, M. Sc., studierte Maschinenbau an der TU Darmstadt. Seit 2023 ist sie Wissenschaftliche Mitarbeiterin am Fraunhofer IOSB in der Abteilung Kognitive Industrielle Systeme.
Matthieu Poyer, M. Sc., studierte Mathematik an der Universität Paris-Saclay und der Universität von Lyon. Seit 2022 ist er Wissenschaftlicher Mitarbeiter in der Abteilung Kognitive Industrielle Systeme am Fraunhofer IOSB.
Rui Yan Li, M. Sc., studierte Wirtschaftsingenieurwesen mit Fachrichtung Maschinenbau an der RWTH Aachen University. Seit 2022 ist er Wissenschaftlicher Mitarbeiter am Lehrstuhl Production Engineering for E-Mobility Components (PEM) im Bereich Battery Production Management.
Sebastian Henschel, M. Sc., studierte Wirtschaftsingenieurwesen an der Hochschule Mannheim. Seit 2021 ist er ist Wissenschaftlicher Mitarbeiter am wbk – Institut für Produktionstechnik des KIT im Bereich Agile Produktionsanlagen.
Dr.-Ing. Julius Pfrommer leitet die Abteilung für Kognitive Industrielle Systeme (KIS) am Fraunhofer IOSB. Die Abteilung entwickelt intelligente Komponenten und Verfahren für eine flexible und ressourceneffiziente Produktion.
Dr. rer. nat. Constanze Hasterok leitet die Gruppe für intelligente cyber-physische Systeme am Fraunhofer IOSB. Die Arbeitsgruppe schlägt die Brücke zwischen KI-Grundlagenforschung und industrieller Umsetzung von KI-Methoden zusammen mit produzierenden Unternehmen.
Prof. Dr.-Ing. Achim Kampker ist Leiter des Lehrstuhls „Production Engineering of E-Mobility Components“ (PEM) der RWTH Aachen und bekannt durch die Mitentwicklung des Elektrofahrzeugs „StreetScooter“. Darüber hinaus ist er Mitglied des Vorstands der „Fraunhofer-Einrichtung für Batteriezellenfertigung FFB“ in Münster.
Prof. Dr.-Ing. Jürgen Fleischer ist seit 2003 Leiter des Instituts für Produktionstechnik am Karlsruher Institut für Technologie (KIT) und für den Bereich Maschinen, Anlagen und Prozessautomatisierung verantwortlich.
Literatur
1 Orangi, S.; Strømman, A. H.: A Techno-Economic Model for Benchmarking the Production Cost of Lithium-Ion Battery Cells. Batteries 8 (2022) 8, S. 83 10.3390/batteries8080083Suche in Google Scholar
2 Fraunhofer IOSB (Hrsg.): ML4P– Vorgehens-modell Machine Learning For Production – Whitepaper (2022) 10.24406/publica-485Suche in Google Scholar
3 Hasterok, C.; Stompe, J.: PAISE® – Process Model for AI Systems Engineering. Automatisierungstechnik 70 (2022) 9, S. 777–786 10.1515/auto-2022-0020Suche in Google Scholar
4 Usländer, T.; Schulz: KI-Engineering in der Produktion – Whitepaper der Fraunhofer-Institute IOSB und IAIS (2023) 10.24406/publica-1685Suche in Google Scholar
5 Kampker, A.; Heimes, H.; Dorn, B.; Clever, H.; Ludwigs, R.; Li, R.; Drescher, M.: Concept for Digital Product Twins in Battery Cell Production. World Electric Vehicle Journal 14 (2023) 4 10.3390/wevj14040108Suche in Google Scholar
6 Haghi, S.; Summer, A.; Bauerschmidt, P.; Daub, R.: Tailored Digitalization in Electrode Manufacturing: The Backbone of Smart Lithium-Ion Battery Cell Production. Energy Technology 10 (2022) 10 10.1002/ente.202200657Suche in Google Scholar
7 Laick, T.: Hochlaufmanagement: Sicherer Produktionshochlauf durch zielorientierte Gestaltung und Lenkung des Produktions-prozesssystems. FBK produktionstechnische Berichte, Bd. 47Suche in Google Scholar
8 Lima, M.; Neto, M.; Filho, T. S.; de A. Fagundes, R. A.: Learning Under Concept Drift for Regression – A Systematic Literature Review. IEEE Access 10 (2022), S. 45410–45429 10.1109/ACCESS.2022.3169785Suche in Google Scholar
© 2024 Walter de Gruyter GmbH, Berlin/Boston
Artikel in diesem Heft
- Frontmatter
- Editorial
- KI und Automatisierung Hand in Hand
- Automatisierung
- Mehranlagenbedienung durch mehr Automatisierung?
- Entwicklung eines automatischen Open-Source-Werkzeugwechslers
- Materialversorgung effizient automatisieren
- Kreislaufwirtschaft
- Kaskadiertes Entscheidungsmodell für die werterhaltende Kreislaufwirtschaft
- Blockchain-Technologie
- Produktionssteuerungsumgebungen und ihre (technischen) Probleme
- Anlaufsteuerung
- Intelligente Anlaufsteuerung für die Batteriezellenproduktion
- Mobile Robotik
- Bausteinkasten zur Einführung flexibler mobiler Robotik
- Akustische Basissignale für mobile Logistik-Roboter
- Qualitätsüberwachung
- Verschleißdetektion in schnelllaufenden Umformprozessen mittels photometrischen Stereos
- Prozessanalyse
- Fertigungsprozessanalyse eines mittels Innenhochdruck-Umformung hergestellten Bauteils
- Antriebskonzept
- Höhere Achsdynamik durch Mehrkoordinatenantriebe in Werkzeugmaschinen
- Intralogistik
- Process Mining in der Intralogistik
- Digitalisierung
- Umsetzungsbeispiele der Software-definierten Produktion
- Künstliche Intelligenz
- Prozessüberwachung durch bildverarbeitende KI
- AI Meets Distributed Manufacturing: Wie KI die Verbreitung digitaler Fertigung fördert
- Vorschau
- Vorschau
Artikel in diesem Heft
- Frontmatter
- Editorial
- KI und Automatisierung Hand in Hand
- Automatisierung
- Mehranlagenbedienung durch mehr Automatisierung?
- Entwicklung eines automatischen Open-Source-Werkzeugwechslers
- Materialversorgung effizient automatisieren
- Kreislaufwirtschaft
- Kaskadiertes Entscheidungsmodell für die werterhaltende Kreislaufwirtschaft
- Blockchain-Technologie
- Produktionssteuerungsumgebungen und ihre (technischen) Probleme
- Anlaufsteuerung
- Intelligente Anlaufsteuerung für die Batteriezellenproduktion
- Mobile Robotik
- Bausteinkasten zur Einführung flexibler mobiler Robotik
- Akustische Basissignale für mobile Logistik-Roboter
- Qualitätsüberwachung
- Verschleißdetektion in schnelllaufenden Umformprozessen mittels photometrischen Stereos
- Prozessanalyse
- Fertigungsprozessanalyse eines mittels Innenhochdruck-Umformung hergestellten Bauteils
- Antriebskonzept
- Höhere Achsdynamik durch Mehrkoordinatenantriebe in Werkzeugmaschinen
- Intralogistik
- Process Mining in der Intralogistik
- Digitalisierung
- Umsetzungsbeispiele der Software-definierten Produktion
- Künstliche Intelligenz
- Prozessüberwachung durch bildverarbeitende KI
- AI Meets Distributed Manufacturing: Wie KI die Verbreitung digitaler Fertigung fördert
- Vorschau
- Vorschau
