2,289 bytes added
, 10:46, 12 October 2021
== Über '''KIproBatt '''- ''Intelligente Batteriezellfertigung mit KI-gestütztem Prozessmonitoring auf Basis einer generischen Systemarchitektur'' ==
Aufgrund seiner Komplexität und seiner enormen wirtschaftlichen und ökologischen Auswirkungen wird der Produktionsprozess von Lithium-Ionen-Batteriezellen kontinuierlich digitalisiert und optimiert, um die Leistung der Zellen zu erhöhen und gleichzeitig den Ressourcenverbrauch und die Produktionskosten zu senken.
In diesem Zusammenhang birgt die künstliche Intelligenz (KI) ein immenses Potenzial für die Nutzung von Produktionsdaten zur Verbesserung des Zellproduktionsprozesses. Unser Ziel ist es daher, die Zellproduktion durch eine KI-basierte End-to-End-Prozessüberwachung zu verbessern, die alle Schritte der Prozesskette abdeckt. Zu diesem Zweck entwickeln wir eine generische, softwareimplementierte Systemarchitektur als wiederverwendbare Struktur, die es uns ermöglicht, die Prozessdatenerfassung mit einem sorgfältig konstruierten ontologiebasierten semantischen Datenraum zu verbinden. Basierend auf dieser Systemarchitektur setzen wir Ansätze des maschinellen Lernens aus zwei Perspektiven ein: In der ersten Perspektive wenden wir sowohl daten- als auch physikbasierte Modelle auf spezifische Prozessparameter an, um Korrelationen und Prozessanomalien zu erkennen und zu bewerten. In der zweiten Perspektive entwickeln wir eine übergreifende End-to-End-Prozessüberwachung. Für diese Anwendung integrieren wir die zuvor entwickelten Modelle in ein Dashboarding-System, um ihre Relevanz für die Zellleistung zu bewerten und den Zustand der Zellen in der Produktion kontinuierlich und möglichst in Echtzeit zu überwachen.
Die Kombination dieser beiden Perspektiven ermöglicht es uns, Defekte im Produktionsprozess frühzeitig zu erkennen, die Qualitätsleistung schnell zu steigern und flexible Anpassungen der Prozessparameter im Falle von Fehlfunktionen oder Defekten abzuleiten. Auf diese Weise erwarten wir eine Senkung der Gesamtkosten der Zellproduktion und eine Verbesserung der CO2-Bilanz durch eine Verringerung des Ressourcen- und Energieverbrauchs. Schließlich ermöglicht das generische, semantisch strukturierte Design eine einfache Übertragung auf andere Forschungs- und Industrieprozesse.
