예측 분석을 통해 Tesla는 배터리 팩 비용을 kWh당 100달러로 낮출 수 있습니까?

"예"라고 Elisa Smart Factory의 Smart Factory 이사이자 책임자인 Kari Terho가 말했습니다. . 여기에서 그는 독일 Aachen 대학의 전기 이동성 연구 센터인 eLab에서 자신의 팀이 예측 품질 분석을 통해 배터리 셀 생산 수율을 16% 향상시킨 방법을 설명합니다.

$100/kWh(€90.8/kWhf)의 배터리 팩 비용은 Tesla의 주요 목표입니다. . 이를 달성하기 위해 회사는 세계에서 가장 까다로운 기술 과제 중 하나를 해결해야 합니다. 즉, 생산 비용을 절감하면서 배터리 셀의 체적 에너지 밀도를 높이는 방법입니다.

테슬라 창업자 일론 머스크(Elon Musk)는 2017년 회사 실적 발표에서 공개 연설에서 “누군가 배터리 혁신을 제안할 수 있습니까? 우리는 그것을 좋아할 것입니다!” 그의 감정은 그의 회사가 해결하려고 하는 문제의 복잡성을 반영합니다. 배터리 혁신에 대한 Musk의 요청을 해결하기 위해 Elisa의 데이터 과학자들이 제조 품질을 예측하여 배터리 셀 생산 수율을 높인 방법입니다.

배터리 셀 제조에 품질 문제가 있습니다.

전기 자동차용 리튬 이온 배터리 셀의 제조는 원칙적으로 간단한 과정입니다.

애노드 및 캐소드 전극은 서로 다른 원료의 혼합물로부터 여러 가지 다른 하위 공정에서 생산된 다음 배터리 셀에 포장되어 전해질로 채워진 후 밀봉되어 최종 라인으로 보내지기 전에 완성됩니다. 테스트 중입니다.

그러나 그 과정은 그보다 훨씬 더 복잡합니다. 배터리 셀 제조의 주요 과제는 제조된 셀의 최종 품질은 긴 최종 라인 테스트 후에만 검증될 수 있으며 테스트를 완료하는 데 최대 3주가 소요된다는 것입니다. 제조업체가 최종 배터리 셀 제품을 배터리 팩 생산에 추가로 사용할 수 있는지 여부를 결정할 수 있는 것은 이 시점 이후뿐입니다. 또는 유해 폐기물로 폐기해야 하는 경우.

폐기된 배터리 셀은 재활용할 수 없으며, 이로 인해 리튬, 코발트, 황산니켈, 구리, 알루미늄 및 흑연과 같은 희소하고 재생 불가능하며 값비싼 원자재가 공정에서 낭비됩니다. 배터리 셀의 세계 평균 FTY(First-Time-Yield)는 최대 15%로 추정되어 배터리 셀 제조 비용이 많이 들고 느려집니다.

배터리 셀 제조 수율을 어떻게 높일 수 있습니까?

독일 아헨 대학의 E-모빌리티 연구 센터인 eLab에서는 이러한 품질 문제가 비용 효율적인 제조를 방해하고 친환경 전기 자동차의 채택을 늦추는 중대한 문제로 확인되었습니다.
배터리 셀을 위한 보다 효율적인 제조 프로세스를 개발하기 위해 eLab은 Elisa Smart Factory의 데이터 과학자 팀과 협력했습니다.

배터리 셀 제조를 위한 예측 품질 분석 사용

예측 품질 분석은 제조 프로세스에서 데이터를 추출하여 품질 관련 추세 및 결과를 예측할 수 있는 데이터 패턴을 결정하는 데 사용됩니다. 따라서 eLab의 품질 문제를 해결하는 데 적합한 도구입니다.

Elisa의 데이터 과학자 팀은 데이터 마이닝을 위한 산업 간 표준 프로세스인 6단계 CRISP-DM 프로세스를 따랐습니다. 데이터 마이닝 전문가 사이에서 가장 널리 사용되는 분석 모델입니다. 다음은 프로세스를 설명하는 방법입니다.

<올>

첫 번째 단계는 명확한 비즈니스 이해를 형성하는 것입니다. 배터리 셀 생산의 올바른 목표를 설정합니다. 전반적인 상황을 평가하고, 프로세스의 품질 동인을 정의하고, 배터리 셀 품질에 영향을 미치는 데이터 포인트를 식별하고, 배터리 셀 품질을 가장 잘 설명하는 매개변수를 결정했습니다.

다음 단계는 데이터입니다. 이해, CRIP-DM 프로세스에서와 같이. 어떤 종류의 데이터를 사용할 수 있는지와 어떤 데이터가 필요한지에 대한 격차 분석이 포함되었습니다. 이 경우 제조 라인에 고품질 카메라를 설치하여 데이터 격차를 메웠습니다.

데이터 준비 단계에서 데이터는 정리되고 동일한 형식으로 조화됩니다. 데이터 수집 손실을 방지하기 위해 타임스탬프를 교차 확인합니다.

모델링 데이터 과학자들에게 가장 어려운 단계였습니다. 데이터를 분석하는 방법은 수천 가지가 있습니다. 데이터 과학자는 배터리 셀 제조 라인에서 수집한 데이터에 적용했을 때 다양한 결과를 얻기 위해 다양한 알고리즘을 시도해야 합니다.

평가 결과가 중요합니다. 결과가 유효한지와 배터리 셀의 품질을 예측할 수 있는지 조사하는 것이 포함되었습니다.

마지막으로 배포 시 단계에서 팀은 최적의 생산 품질을 위해 생산 장비와 기계를 설정하기 위한 최적의 매개변수를 정의했습니다. 여기에는 올바른 점도 매개변수가 포함되어 있습니다.

결과는 16%입니다. i배터리 셀 생산 수율 증가

Elisa의 예측 품질 분석이 배포된 후 eLab 배터리 셀 생산 라인의 불량률이 16% 감소했습니다. 이제 프로세스 초기에 배터리 셀의 품질을 예측할 수 있기 때문입니다. 공정이 끝날 때 품질이 불량할 것으로 예상되는 배터리 셀은 이제 공정 초기에 식별되어 라인에서 제외됩니다. 원자재는 3주 후에 최종 라인 테스트를 거친 후 재활용할 수 없는 폐기물로 폐기되는 대신 새로운 생산 배치를 위해 재활용될 수 있습니다.

결론

16%의 생산 수율 증가에 대한 Tesla의 가격표는 얼마입니까? 말은 어렵지만 상상해보세요...

Tesla Gigafactory 1의 23GWh 전체 생산 능력이 Tesla Model 3 자동차의 2170 배터리 셀 생산에만 사용된다면 연간 생산량은 2170 셀의 13억 단위가 될 수 있습니다. 16%의 수율 증가는 2억 개 이상의 추가 셀 유닛을 생산하는 것과 일치하며 이는 Tesla Model 3 장거리 자동차 49,000대에 충분한 양입니다.

UBS 은행에서 추정한 바와 같이 배터리 셀 생산 비용이 kWh당 111달러(kWh당 100.8유로)라고 가정할 경우 4억 달러(3억 6,300만 유로)의 비용 절감이 달성될 수 있다고 상상해 보십시오.

자동차 제조업체의 비즈니스에 미치는 영향에 관계없이 전기 자동차 산업은 제조 관행과 효율성을 지속적으로 발전시켜야 합니다. 리튬 이온 배터리는 코발트, 리튬, 니켈 및 기타 금속과 같은 희토류 광물로 만들어지며 빠르게 증가하는 전기 자동차 수요를 충족시키기 위해 효율적으로 사용해야 합니다.

저자는 Kari Terho, 이사이자 Elisa Corporation의 Smart Factory 책임자입니다.

저자 소개

Kari Terho는 핀란드의 ICT 서비스 제공업체인 Elisa Corporation의 Smart Factory 이사이자 책임자입니다. Elisa Smart Factory에 합류하기 전에 Kari는 1급 무선 서비스 제공업체와 Hewlett-Packard를 비롯한 글로벌 우량 기업에서 서비스 관리, 영업 및 비즈니스 개발 분야에서 다양한 리더십 직책을 역임했습니다. Kari는 경영 및 관리 분야에서 MBA를 취득했습니다.

Elisa Smart Factory는 산업 제조업체를 위한 인공 지능 및 산업용 IoT 소프트웨어 제공업체입니다. 우리는 모든 데이터 소스에 연결하고, 데이터 스트림을 활용하고, 데이터 분석과 머신 러닝을 결합하여 가동 시간, 생산 품질 및 수율 증가와 같은 결과를 생성합니다. Elisa Corporation의 일원으로서 우리는 광범위하고 고도로 자동화된 네트워크 인프라를 관리하고 파괴적인 사고를 예측하고 예방하는 데 수십 년의 경험을 가지고 있습니다. 우리의 목표는 이 전문 지식을 활용하여 유럽과 그 외 지역에서 공장 디지털화 솔루션의 선두 공급업체가 되는 것입니다.