德赢Vwin官网
App
１动力电池智能制造的背景
动力电池作为新能源汽车的核心零件，是新能源汽车能源存储与转换的基础单元，其技术发展水平将成为全球汽车产业电动化转型的关键支撑。近年来，全球对新能源汽车的发展都已形成共识，各主要经济体都制定了动力电池的发展规划。从目前来看，国际动力电池市场的需求强劲，而我国在整个产业链上多个环节都拥有一半以上的产能，预计未来十年将是产业发展的关键时期。 在现有低碳环保出行的理念下，多国政府积极出台相应政策（如“限制燃油车销售”和“规划新能源汽车比例”等），推动电动汽车快速发展，从而带动动力电池产业的良好发展。根据ＳＮＥＲｅｓｅａｒｃｈ公布的数据，２０２２年全球动力电池建成产能已接近１ＴＷｈ；同年全球动力电池装机量为５１７．９ＧＷｈ，同比增长高达７５％。这些数据反映动力电池市场仍然存在巨大的需求。
图１ 智能制造标准框架体系结构（２０１８版）
在高端动力电池产品领域，我国与国外领先技术差距不大。我国在磷酸铁锂动力电池技术方面处于领先地位，不仅在车用动力电池大规模工业化稳定生产、低成本和高安全方面具有显著的技术优势，还积累了丰富的应用经验。总体而言，在先进材料、新电池体系和回收技术方面，我国还需进一步提升；但在电池系统和大宗材料技术等方面，我国基本与国外先进水平保持同步。 智能制造是指利用先进的信息技术、智能化设备和云计算等技术手段，实现制造过程的智能化、自动化、灵活化和高效化。它是工业４．０的核心和重要组
成部分，是推动制造业升级和经济转型的重要手段之一。
随着信息、机器人和自动化、大数据等技术的快速发展，工业生产方式正在发生根本性的变革。传统的制造方式已经无法满足市场和消费者对产品质量、灵活性、交货期、个性化的要求，同时全球经济竞争日趋激烈，制造业需要不断提高生产效率、降低成本，才能在市场竞争中取得优势。因此，智能制造成了制造业转型升级的关键路径。 动力电池的设计与制造，首先要考虑电池性能，包括安全性、合格率、一致性、制造效率等。其中，安全性包括设备安全、制造过程安全、应用安全等。
目前新能源车安全事故频发，其中相当一部分是电池本身的安全性问题导致，因此，提高动力电池的安全性已经迫在眉睫。当前电池一次制造合格率（又称直通率）在９０％左右，目标是在２０２５年提升到９５％以上。合格率的提升可以直接降低电池制造成本，给电池制造企业带来可观的经济效益。一致性主要包括容量一致性、内阻一致性、自放电一致性等。提高一致性可以减少电池生产过程中的产品检测环节，简化部分制造工序，从而有效提高生产效率。目前国内储能电池企业的单线产能普遍较低，无法满足新能源汽车和储能电站市场对储能电池，尤其是高端电池产能的迫切需求。
提高动力电池制造的安全性、合格率、一致性及制造效率等指标是动力电池制造商不断努力的目标，要实现这个目标，必须在涂布、卷绕、叠片、组装和化成等核心制造能力上有大幅度提升，而且必须实现材料技术、电池技术、设备技术和智能控制技术等方面的全面突破。采用标准化、数字化、智能化等技术手段是实现动力电池大规模、高质量制造的必然途径。
２动力电池智能制造的路径
实现动力电池智能化制造是规模制造业的必然选择，应该采取标准化、模型化、数字化、智能化的路径。
２.１标准化
目前，《国家智能制造标准体系建设指南》（２０１８版，简称《指南》）已经发布，框架体系结构如图１所示。正如《指南》中的“智能制造、标准先行”，动力电池大规模制造需要采用标准化的手段，需要标准体系的支撑。动力电池技术起步较晚，其设计、制造、检验、应用缺少完整的标准，尤其针对锂电池行业的互联互通准则、集成接口、集成功能、集成能力标准，现场装备与系统集成、系统之间集成、系统互操作等集成标准严重缺少。面对动力电池智能制造发展的新形势、新机遇和新挑战，有必要系统梳理现有的相关标准，明确动力电池制造、集成的需求。从基础共性、关键技术以及行业应用等方面，建立一整套标准体系来支撑动力电池产业有序健康发展。 首先要实现电池规格的标准化，目前国内８０多家动力电池企业有１５０多种电池规格型号，意味着需要有１５０多种不同的生产工艺和生产线，这严重限制了动力电池大规模制造能力的提升。应该总结分析过去的经验及给产业造成的损失教训，尽快制定出动力电池尺寸规格标准，将电池规格型号限制在１０种左右。其次，元数据是动力电池设计、制造、应用的基础，要实现动力电池设计及基础标准化，需要建立动力电池领域元数据标准。
ＳＤＳ／Ｔ２１１１－２００４《元数据标准化原则与方法》中规定了领域元数据制定时的选取原则，可以参照此原则制定动力电池领域元数据标准。最后要实现动力电池制造的标准化，需要解决一系列问题。动力电池制造过程复杂、工艺流程长、生产产线设备众多，而且同一条产线的生产设备往往来自不同的厂家，采用不同的通信接口和协议，导致设备之间缺乏互联互通互操作的基础。为了解决这个问题，需要建立电池制造过程数据字典标准，统一设备模型，制定设备通信接口规范，进行数据治理，实现产线设备和企业信息化系统的集成，实现运营技术与信息技术深度融合。同时，利用工业互联网平台，实现企业内部和外部信息集成，优化电池制造资源的配置及过程管控。
２.２模型化
模型化是智能化的基础，它是将工厂、物料、机器和过程转化为计算机可以识别、优化和提升的基本手段。在动力电池制造中，需要建立电池模型、工厂模型、设备模型、工艺模型以及质量模型等，如图２所示。
图２动力电池制造模型体系 模型要能够准确完整地描述对象的真实属性。模型的建立是一个不断调整和优化的过程。模型化和数字化是互相促进的过程，对于有理论模型的物理量或过程，可以使用现有模型将其数字化；对于没有模型或难以用理论模型准确描述的物理量或过程，可以先采集数据，通过数字分析建立数字化模型。这种方法可以很好地解决制造过程中的质量优化问题，也是数字化和智能化给制造业带来的红利。
２.３数字化
数字化研制体系包括数字化设计、数字化制造及数字化应用等方面。数字化设计包括材料设计、结构设计及工艺设计等方面。在电池设计过程中，需要使用专业的产品设计工具和结构设计工具，并建立电化学仿真模型和电池寿命模型等。 数字化制造包括工艺规划、设备研制、系统集成等。通过运用工厂仿真、过程仿真、虚拟调试等技术手段，建立实际生产过程与虚拟生产过程的数字孪生系统。设计人员利用软件提供的仿真环境对产品及生产过程进行设计及优化，从而缩短产品从构思到投产的周期，减少失误并降低成本。 数字化应用包括电池质量控制、电池追溯系统的建立以及产品大数据分析等。为了实现数字化应用，需要建立动力电池设计、制造、质量追溯及梯次利用等全生命周期数据管理应用平台。 通过动力电池数字化设计、制造、应用全流程系统的建立，可以实现电池的高效设计、高质量制造、低成本生产及可靠的安全管控。
２.４智能化
智能化指的是基于数据分析结果，挖掘隐形问题，并生成描述、诊断、预测、决策、控制等不同应用，从而形成优化决策建议或直接控制指令，实现个性化定制、智能化生产、协同化组织和服务化制造等创新模式，并将结果以数据化形式存储下来，最终构成从数据采集到设备、生产现场及企业运营管理的持续优化闭环，以提高电池制造的合格率、一致性和安全性。总的来说，动力电池智能制造的目标是实现基于模型的数字化和基于数据的智能化，从而提升制造的安全性、质量，并降低制造成本。
３动力电池智能制造的思路
动力电池智能制造的核心是基于模型的数字化和基于大数据的智能化。首先，建立动力电池制造系统的信息模型，将设备、物料、信息系统模型化，建立基于模型定义的企业（MBE），实现模型的数字化，为基于大数据的智能化提供基础。 有了数字化模型，通过数字连接，将实体模型和虚拟模型相互关联，形成数字孪生。通过数字孪生，可以对系统进行优化，实现虚拟调试。 在没有模型的情况下，制造优化方式是通过人为认识问题、调整影响要素并解决问题，最后实现的是人的经验积累。基于模型的优化方式则不同，制造优化积累的结果是模型的迭代和进化，实现了数字化的积累，使计算机能够自主进行优化和深度学习，这就是基于模型优化的魅力所在。基于模型的数字化智能制造路径的演绎如图４所示。
图４ 基于模型的数字化智能制造路径的演绎 通过模型和数据，可以基于模型寻找影响质量的关键因素和关键质量控制点，并控制这些关键因素，以获得最佳质量，从而解决显性问题。同时，利用数据进行数字特征分析提取关键特征，实现预测性维护和健康管理，大大提升生产线制造的合格率。此外，还可以优化设计模型，实现反向升级，进一步优化制造过程，这正是智能制造的本质。
４动力电池智能制造质量闭环
４.１纵向数据闭环
设备的智能制造水平可以分成４个层级：Ｌ１为逻辑控制与检测级，设备具备基本结构，能够满足控制检测和逻辑控制的需求，这个级别的制造合格率只有８８％左右；Ｌ２为工艺模型级，这个级别的设备通过导入工艺模型实现制造合格率的提升，这级的合格率可达９７％左右，相当于４．５σ的水平；Ｌ３为工艺模型优化闭环级，这个级别的装备实现了制造工艺的闭环，能够修正设备的加工参数，从而保证制造合格率达到９９．９％以上，相当于５σ的水平；Ｌ４为自学习循环提升级，此时的设备通过工艺积累判断来料和工艺过程的变化，自动修正参数，实现更高质量的加工，可以保证９９．９９％以上的制造合格率，相当于６σ以上的水平。装备智能化的总体要求如图５所示。
图５ 装备智能化的总体要求
装备是产业的核心，也是实现智能制造的基础。首先，需要解决制造装备本身的智能化问题。装备实现智能制造的基本思路是应用闭环控制原理，并设置优化算法，以实现最优的控制目标。同时，需要应用闭环方法解决装备制造产品过程中不同层级的优化问题。装备控制闭环优化架构如图６所示。
图６ 装备闭环控制优化层级架构
首先，是装备底层的控制。这一层主要基于传感器和逻辑控制，解决装备本身的定位精度、效率及稳定性等问题。例如，卷绕机主轴和涂布箔材驱动轴的控制等。每台设备都有很多这样的控制环，这些控制环通常要求具有实时性。随着制造精度和效率的不断提高，对底层控制的闭环周期时间要求也越来越高，一般在毫秒级，有些甚至要达到微秒级。这一层对于设备的控制性能和产品制造质量而言是开环的。 其次，是工艺闭环层。在这一层，通过对设备材料来料参数、过程参数、环境参数和加工产品质量参数进行工艺闭环，可以保证该工序的质量闭环。工艺闭环的闭环周期一般在毫秒到几十个毫秒。同时，工艺闭环也通过整体模型优化选择实现整体制造过程的大数据闭环，也就是第三层闭环。
４.２横向过程闭环
从来料到极片制造，再到电芯制造、化成分容和模组，通过互联互通的方式，实现对大约３０００个数据点的监测，这样可以进行电芯和电池包的失效模式分析。动力电池制造质量闭环优化如图７所示。
图７ 动力电池制造质量闭环优化
动力电池制造过程复杂、工艺流程长。主要分为极片制造单元、电芯制造单元和电池包制造单元，全流程影响电池质量的关键控制点超过２０００个，包括来料尺寸、黏度、固含量、张力、对齐度、温度、湿度等。为了有效控制电池的生产质量，需要建立电池从原材料、电芯到电池包的全流程追溯体系，构造大数据质量闭环优化系统。首先，需要按生产工段分别建立极片制造、电芯制造及电池包制造的质量数据闭环系统，实现产线数据的闭环控制。在此基础上，完成全流程数据的集成，实现完整的电池制造大数据分析与闭环系统。通过闭环反馈，持续优化，不断提高电池制造从材料投入到电池包整体质量的横向优化。
５动力电池智能制造系统成熟度实现的层级
动力电池制造系统从制造维度和智能维度两个方面进行分类。制造维度体现了面向产品的全生命周期的智能化提升，包括了设计、生产、物流、销售和服务五类，涵盖了从接收客户需求到提供产品及服务的整个过程。与传统的制造过程相比，智能制造更加侧重于各业务环节的智能化应用和智能水平的提升。智能维度是智能技术、智能化基础建设和智能化结果的综合体现，是对信息物理融合的诠释，完成了感知、通信、执行和决策的全过程，包括了全资源要素、互联互通、系统集成、信息融合和新兴业态五类，引导企业利用数字化、网络化和智能化技术进行模式创新。根据动力电池企业客户的需求，以及技术发展的状态、技术能力、技术手段和企业自身的目标定位，动力电池智能制造按成熟度分为五个级别，如表１所示。 表１ 动力电池智能制造各级成熟度的功能
一级（规划级）：电池生产企业应开始对实施智能制造的基础和条件进行规划，能够对核心业务（设计、资源供给、生产、销售、服务）进行流程化管理。 二级（规范级）：电池生产企业应采用数字化设计、自动化技术、信息化手段对核心装备与核心业务进行改造和规范，实现单一业务活动的数据共享。 三级（集成级）：电池生产企业应采取数字化手段对产品进行设计、制造验证，对装备、系统等开展集成，实现跨业务活动的数据共享，实现互联互通。 四级（优化级）：电池生产企业应利用数据挖掘技术对资源、制造过程等进行分析，实现对电池质量和安全性能的精准预测、闭环控制和优化，并实现生产的互操作。 五级（引领级）：电池生产企业应基于模型持续驱动业务活动的优化和创新，以实现黑灯工厂生产和产品自适应定制化生产。
作者：阳如坤 柯奥
编辑：黄飞
工商网监
评论