Description: Das Projekt "InTeAn - Intelligente Anlaufsteuerung zur kostenreduzierten und flexiblen Fertigung zukünftiger Batteriezellen" wird vom Umweltbundesamt gefördert und von RWTH Aachen University, Lehrstuhl für Production Engineering of E-Mobility Components durchgeführt. Die Reduktion des im Prozess anfallenden Ausschusses führt infolge der Steigerung der Rohstoff- und Ressourceneffizienz unmittelbar zu einer Verringerung der Batteriefertigungskosten. Das Forschungsvorhaben InTeAn beabsichtigt das Ziel, existierenden Fertigungstechnologien durch eine intelligente Prozesssteuerung positiv zu beeinflussen, sodass das Produktionspersonal und die Produktionsmaschinen anteilig weniger Zeit mit der Herstellung von fehlerhaften Ausschussteilen verbringen. Des Weiteren muss davon ausgegangen werden, dass die zukünftige Fertigung von Lithium-Ionen-Batterien neue bzw. vor allem verschiedenartige Materialen auf bestehenden Anlagen prozessiert. Infolge des Materialwechsels müssen die Maschinen regelmäßig heruntergefahren und anschließend wieder neu hochgefahren werden. Bei der Herstellung von Kleinserien kommt es sehr häufig zu solchen Maschinenanlaufphasen, die großes Verbesserungspotential hinsichtlich der Dauer, bis ein stabiler, Gutteile herstellender Prozess erreicht wird, bieten. Insgesamt ergibt sich die Projektzielsetzung eine Produktionslinie aufzubauen, die auf Basis einer hohen Flexibilisierung der Linie eine Prozessfähigkeit für unterschiedliche Batteriekonzepte aufweist. Durch den Einsatz datengetriebener Verfahren zur Modellbildung und des Designs von Experimenten an den Fertigungsanlagen wird der Prozess aktiv aufgeklärt, regelungstechnisch beeinflusst, optimiert und für den Menschen verständlich aufbereitet. Darüber hinaus soll ein verbessertes Betriebsmodell bzw. eine optimale Anlaufmethodik entworfen werden, die basierend auf Methoden der künstlichen Intelligenz eine selbstlernende Anlagensteuerung ermöglicht, sodass der Ausschuss im Anlauf weiter reduziert werden kann. Aufbauend auf einer umfangreichen Prozessüberwachung sollen zusätzlich Machine Learning Methoden, mit denen mögliche Parameter der Prozessstufen exploriert und schrittweise angepasst werden, zum Einsatz kommen.
SupportProgram
Origin: /Bund/UBA/UFORDAT
Tags: Aachen ? Lithium-Ionen-Akkumulator ? Regeltechnik ? Batterieproduktion ? Künstliche Intelligenz ? Mensch ? Produktionstechnik ? Rohstoff ? Verfahrenstechnik ? Industrieanlage ? Modellierung ? Elektromobilität ? Forschungsprojekt ? Ressourceneffizienzsteigerung ? Kenngröße ? Ressourceneffizienz ? Prozessfähigkeit ?
Region: Nordrhein-Westfalen
Bounding boxes: 6.76339° .. 6.76339° x 51.21895° .. 51.21895°
License: cc-by-nc-nd/4.0
Language: Deutsch
Time ranges: 2021-03-01 - 2024-02-29
Accessed 1 times.