ReFlexBat - Regelbare Beschichtungseinheit für die flexible Beschichtung von Batterieelektroden
- Ansprechperson:
- Projektgruppe:
Florian Denk – wbk Institut für Produktionstechnik
Dr.-Ing. Philip Scharfer – Thin Film Technology (TFT)
Dr. Constanze Hasterok – Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB
- Förderung:
InZePro Cluster (Bundesministeriums für Bildung und Forschung)
- Projektbeteiligte:
wbk Institut für Produktionstechnik
Thin Film Technology (TFT)
Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB
- Starttermin:
01.03.2021
- Endtermin:
31.08.2024
Ziele und Ergebnisse
Ziel ist es, eine schnelle und autonome Einstellung der Prozessparameter zu erreichen und damit den Ausschuss zu reduzieren. Das neu entwickelte Beschichtungsmodul ermöglicht dadurch, insbesondere in der Klein- und Mittelserie, eine nachhaltige Zellproduktion und stellt ein wichtiges Element für die Produktion einer „grünen Batterie“ dar. Auch soll das Prozesswissen des Anlagenbedieners formalisiert und in die Regelung überführt werden, sodass auch unter neuen Produktionsbedingungen ohne zusätzliche Vorversuche, langwierige Anlaufvorgänge oder manuelles Eingreifen eine Beschichtung entsprechend der Qualitätsanforderungen erreicht wird.
Inhalte und Vorgehensweise
In einem ganzheitlichen Ansatz soll im Projekt „ReFlexBat“ aufbauend auf allgemeingültigen Erkenntnissen und Methoden eine hochflexible, selbstregelnde Beschichtungseinheit entwickelt werden, die automatisiert auf variable Prozessbedingungen, z. B. Änderungen der Elektrodenformulierung oder der Nassfilmgeometrie, reagiert und qualitativ hochwertige Batterieelektroden reproduzierbar formatflexibel beschichten kann. Dadurch wird der Anlauf des Beschichtungsschritts deutlich verkürzt. Das Beschichtungsmodul kann beim Chargenwechsel beispielsweise zwischen Elektroden verschiedener Breite oder Pastenzusammensetzung agil und schnell umstellen, ohne dass eine manuelle Einstellung nötig ist. Durch die gewählten Ansätze ist eine Skalierbarkeit unmittelbar gegeben, was zu einer nachhaltigen Stärkung der Innovationspipeline im Rahmen des Dachkonzepts „Forschungsfabrik Batterie“ führt. Das Vorhaben wird durch neuartige Anlagentechnik kombiniert mit datengetriebener Modellierung und state-of-the-art Machine Learning (ML)-Algorithmen realisiert.
Gesamtprojektvolumen
1,4 Mio. €
Weitere Informationen