5G確定性網(wǎng)絡(luò)+工業(yè)互聯(lián)網(wǎng)動態(tài)調(diào)優(yōu)極片制造工序

劉言彬 劉 濤

1.中國鐵塔股份有限公司江蘇省分公司；2.廣東南方電信規(guī)劃咨詢設(shè)計院有限公司

0 引言

極片為鋰離子電池的關(guān)鍵組件，極片質(zhì)量的優(yōu)劣直接影響鋰離子電池的質(zhì)量，極片制造可細(xì)分為漿料制備、漿料涂覆、極片輥壓、極片分切、極片干燥等五道工序。傳統(tǒng)生產(chǎn)線依靠熟練的技術(shù)工人根據(jù)相關(guān)數(shù)據(jù)和經(jīng)驗進(jìn)行調(diào)優(yōu)，經(jīng)常會出現(xiàn)一定量的次品或不合格品，造成一定的浪費(fèi)。尤其漿料涂覆、極片輥壓、極片分切等三個過程要求精度非常高，依靠人力很難保證高的良品率。本文重點(diǎn)研究極片制造中漿料涂覆、極片輥壓、極片分切等三個關(guān)鍵工序的動態(tài)調(diào)優(yōu)。

隨著5G和工業(yè)互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展和成熟，將5G確定性網(wǎng)絡(luò)與工業(yè)互聯(lián)網(wǎng)融合，深度結(jié)合涂覆、輥壓、分切的原理，并應(yīng)用物聯(lián)網(wǎng)采集、大數(shù)據(jù)分析、算法模擬、反向控制等技術(shù)，實現(xiàn)極片制造關(guān)鍵工序的動態(tài)調(diào)優(yōu)。

1 極片關(guān)鍵工序原理分析

1.1 漿料涂覆

漿料涂覆工序是將穩(wěn)定性、黏度、流動性等各項參數(shù)符合要求的漿料均勻地涂覆在正負(fù)極集流體上，在涂覆前需要掌握漿料各種參數(shù)，以達(dá)到精確控制。

漿料的黏性是抵抗變形的能力，是固有的屬性，漿料內(nèi)部質(zhì)點(diǎn)間或流層間因相對運(yùn)動而產(chǎn)生的切向內(nèi)摩擦力以抵抗其相對運(yùn)動，內(nèi)摩擦力大小用牛頓內(nèi)摩擦定律來進(jìn)行計算：

其中，μ為動力黏性系數(shù)，μ受到壓強(qiáng)和溫度的影響，單位為Pa.s；為速度梯度，實質(zhì)為流體微團(tuán)剪切變形角的變化速率，單位為1/s；A為受力作用面面積，單位為m2。

為了使?jié){料均勻地涂覆，漿料的輸送必須為恒定流或近似恒定流，即輸送過程中流場各空間點(diǎn)上的一切運(yùn)動要素不隨時間而變化，即：

其中u為漿料內(nèi)部質(zhì)點(diǎn)運(yùn)動的加速度，p為漿料的靜壓強(qiáng)，ρ為漿料的密度，漿料在輸送過程中這三個參數(shù)要保持不變或近似不變，才能保證漿料涂覆的穩(wěn)定。

1.2 極片輥壓

極片輥壓工序是將涂布后的極片通過一定的壓力輥壓后達(dá)到一定的厚度，極片厚度以及厚度的一致性是兩個重要的指標(biāo)。其中，極片厚度要求小于或接近滲透厚度，則多孔電極從表面到內(nèi)部都能得到較充分的利用；厚度的一致性對動力鋰離子電池組的容量、循環(huán)壽命和安全性等均有重要的影響。

極片輥壓質(zhì)量主要受輥壓壓力、輥壓速度、輥壓間隙等參數(shù)的影響，隨著機(jī)器的運(yùn)轉(zhuǎn)這些參數(shù)均可能發(fā)生變化，所以需要在運(yùn)行過程中實時掌控調(diào)節(jié)相關(guān)參數(shù)。

輥壓壓力的作用主要表現(xiàn)為壓應(yīng)力：

其中F為輥壓時受擠壓處的壓力，A為受擠壓面的面積，需控制壓應(yīng)力σ在恒定值，以確保輥壓的穩(wěn)定性。

1.3 極片分切

極片分切工序是按電池的規(guī)格將經(jīng)過輥壓的電池極片進(jìn)行分條處理的過程。極片分切的質(zhì)量影響包括毛刺的大小、斷面形貌特征及極片尺寸精度等，影響極片分切質(zhì)量的因素主要包括上下成對刀具的側(cè)向壓力、上下成對刀具重疊量、圓盤刀精度、刃口磨損狀態(tài)、極片厚度、極片物理力學(xué)性能等。其中極片厚度及物理力學(xué)性能主要取決于材質(zhì)和涂覆、輥壓兩道工序，圓盤刀精度、刃口磨損狀態(tài)主要受分切機(jī)性能及使用周期的影響，上下成對刀具的側(cè)向壓力和重疊量為極片分切中控制的關(guān)鍵參數(shù)。

上下成對刀具重疊量設(shè)置主要取決于極片的厚度，合理的重疊量更有利于成對刀具的咬合。上下成對刀具的側(cè)向壓力為一種剪力，受力特點(diǎn)是作用在極片兩側(cè)面上的外力大小相等、方向相反且作用線很近，最終作用效果為內(nèi)力。極片分切的切應(yīng)力公式為：

極片分切時要嚴(yán)格控制切應(yīng)力在分切面上均勻分布，且切應(yīng)力大小要合適，切應(yīng)力過小，可能出現(xiàn)分切斷面不齊整、掉料等缺陷；切應(yīng)力過大，刀具更容易磨損，影響刀具的壽命。

2 5G確定性網(wǎng)絡(luò)+工業(yè)互聯(lián)網(wǎng)

2.1 網(wǎng)絡(luò)融合

近年來隨著鋰電池產(chǎn)業(yè)的快速發(fā)展，行業(yè)內(nèi)的龍頭企業(yè)均在探索和打造智能工廠，優(yōu)化關(guān)鍵的生產(chǎn)工序，利用全量的大數(shù)據(jù)，進(jìn)行深度分析，實時發(fā)現(xiàn)產(chǎn)線的異常，通過自動工控或人工干預(yù)的方式及時處理異常，提高生產(chǎn)效率和產(chǎn)品質(zhì)量，降低生產(chǎn)成本。工業(yè)領(lǐng)域原有的通信模式在升級改造的過程中成為了一個瓶頸，例如機(jī)器視覺、實時監(jiān)控、遠(yuǎn)程控制等場景中對通信時延的要求均在ms級別，且要求傳輸?shù)臄?shù)據(jù)量較大，一般超過10 Mbps，某些場合要求50 Mbps以上。原有的工業(yè)通信網(wǎng)絡(luò)以及4G、WiFi等無線通信網(wǎng)在網(wǎng)絡(luò)性能、抗干擾、移動性、穩(wěn)定性、低時延和部署方便性等方面均不能適應(yīng)工業(yè)互聯(lián)網(wǎng)以及智能制造升級改造的需求。

5G確定性網(wǎng)絡(luò)+工業(yè)互聯(lián)網(wǎng)，是完全對標(biāo)工業(yè)互聯(lián)網(wǎng)及智能制造的需求，利用5G技術(shù)和資源建設(shè)可預(yù)期、可規(guī)劃、可驗證的有確定性網(wǎng)絡(luò)能力的專網(wǎng)，在時延、帶寬、多連接方面全面滿足工業(yè)網(wǎng)絡(luò)的需求，提供接近100%的高可靠性通信條件和確定性服務(wù)等級（SLA：Service Level Agreement）。

2.2 應(yīng)用場景

在極片制造生產(chǎn)線中建設(shè)5G專網(wǎng)，進(jìn)行全量工業(yè)數(shù)據(jù)的采集，同時應(yīng)用超高清視覺檢測，掌握極片制造過程中的各類動態(tài)數(shù)據(jù)，結(jié)合關(guān)鍵工序的原理、產(chǎn)品質(zhì)量波動的關(guān)聯(lián)等，在大數(shù)據(jù)分析的基礎(chǔ)上，進(jìn)行算法模擬驗證，最終實現(xiàn)動態(tài)調(diào)優(yōu)的反向控制。

（1）極片制造5G+工業(yè)數(shù)據(jù)采集

利用5G網(wǎng)絡(luò)，通過各類工業(yè)傳感器等數(shù)據(jù)采集設(shè)備，實現(xiàn)極片制造生產(chǎn)線漿料制備、漿料涂覆、極片輥壓、極片分切、極片干燥等五道工序的數(shù)據(jù)采集。極片制造5G+工業(yè)數(shù)據(jù)采集網(wǎng)絡(luò)拓?fù)淠Ｐ腿鐖D1所示。

圖1 極片制造5G+工業(yè)數(shù)據(jù)采集網(wǎng)絡(luò)拓?fù)淠Ｐ?/p>

（2）極片制造5G+超高清視覺檢測

利用5G網(wǎng)絡(luò)，通過超高清視覺檢測設(shè)備，對輥壓前后的極片進(jìn)行超高清視覺檢測，深度檢測極片的孔隙率、孔徑、孔徑分布及迂曲度。5G+超高清視覺檢測系統(tǒng)主要包括圖像采集部分、圖像處理部分和運(yùn)動控制部分。5G確定性網(wǎng)絡(luò)可以滿足超高清視覺檢測上行帶寬超過50Mbps、端到端通信時延小于10ms、可靠性要求大于99.9999%等指標(biāo)要求。極片制造5G+超高清視覺檢測網(wǎng)絡(luò)拓?fù)淠Ｐ腿鐖D2所示。

圖2 極片制造5G+超高清視覺檢測網(wǎng)絡(luò)拓?fù)淠Ｐ?/p>

（3）極片制造5G+遠(yuǎn)程控制

利用5G網(wǎng)絡(luò)，將極片制造生產(chǎn)線上的傳感器、機(jī)械臂及工業(yè)相機(jī)等接入5G網(wǎng)絡(luò)，傳送到控制中心，通過大屏進(jìn)行監(jiān)控，可以通過終端遠(yuǎn)程控制，同時可以打通漿料涂覆、極片輥壓、極片分切關(guān)鍵設(shè)備的控制通道，在算法模擬驗證，最終實現(xiàn)動態(tài)調(diào)優(yōu)的反向控制。極片制造5G+遠(yuǎn)程控制網(wǎng)絡(luò)拓?fù)淠Ｐ腿鐖D3所示。

圖3 極片制造5G+遠(yuǎn)程控制網(wǎng)絡(luò)拓?fù)淠Ｐ?/p>

傳感器、機(jī)械臂：上下行速率20Mbps，時延＜10ms；工業(yè)相機(jī)：上行速率100Mbps，下行速率20Mbps。

3 數(shù)據(jù)分析及算法模擬驗證

極片制造中的漿料制備、漿料涂覆、極片輥壓、極片分切、極片干燥等五道工序，每道工序的各個環(huán)節(jié)緊密聯(lián)系，同時前道工序的結(jié)果對后道工序均會產(chǎn)生影響。利用工業(yè)數(shù)據(jù)采集和超高清視覺檢測獲取、沉淀的海量數(shù)據(jù)，進(jìn)行深度數(shù)據(jù)分析。第一階段是建立極片制造算法模型，進(jìn)行線性、回歸、迭代運(yùn)算，得出預(yù)測性的建議；第二階段是深度強(qiáng)化 學(xué) 習(xí)（DRL，Deep Reinforcement Learning），利用人工智能（AI，Artificial Intelligence）算力結(jié)合關(guān)鍵工序的原理進(jìn)行模擬、模糊運(yùn)算，初期提供參考性建議，后期不斷迭代形成更為準(zhǔn)確的決策建議，直至最終實現(xiàn)動態(tài)調(diào)優(yōu)的反向控制。

第一階段采用的主要算法為極端梯度提升（XGBoost：eXtreme Gradient Boosting），并利用二階泰勒展開做近似運(yùn)算。

其中I為損失函數(shù)，Ω(fi)為正則項，constant為常數(shù)項，f(x)表示一棵回歸樹。

算法輸入包括采集極片制造五道工序中的各類數(shù)據(jù)、超高清視覺形成的結(jié)構(gòu)化數(shù)據(jù)以及極片成形后的質(zhì)量相關(guān)參數(shù)。每次輸入形成一棵樹，不斷進(jìn)行特征分裂來生長，不斷擬合上次預(yù)測的殘值，形成一個新的函數(shù)f(x)。當(dāng)輸入積累到一定量，在每棵樹對應(yīng)一個葉子節(jié)點(diǎn)，每個葉子節(jié)點(diǎn)對應(yīng)一個分?jǐn)?shù)，最后將每棵樹對應(yīng)的分?jǐn)?shù)加起來得到樣本的預(yù)測值。目標(biāo)使得樹群的預(yù)測值y'i不斷接近真實值yi，最終得到極片制造工序中需要動態(tài)調(diào)優(yōu)的參數(shù)。

4 實施進(jìn)展及成效

本方案已完成第一階段，通過建立極片制造XGBoost算法，進(jìn)行大量的迭代運(yùn)算，得到五道工序各環(huán)節(jié)參數(shù)的調(diào)優(yōu)建議，實現(xiàn)以下三項主要的目標(biāo)：

（1）提高良品率。參數(shù)的調(diào)優(yōu)建議綜合了五道工序中各類數(shù)據(jù)，打通了工序間的藩籬，建議比人工經(jīng)驗更精確、準(zhǔn)確，實際應(yīng)用中取得較好效果，例如采用調(diào)優(yōu)建議后極片輥壓厚度波動由3-4um下降為2-3um，整體提升良品率近6%。

（2）改變以往被動調(diào)參的模式。以往只有出現(xiàn)系統(tǒng)性原因引起的質(zhì)量波動（超越了質(zhì)量允許范圍的波動），才被動進(jìn)行參數(shù)調(diào)整；應(yīng)用算法根據(jù)預(yù)測性的調(diào)優(yōu)提示，可一定程度提前發(fā)現(xiàn)設(shè)備磨損、原料差異等影響質(zhì)量的系統(tǒng)性因素，主動根據(jù)調(diào)優(yōu)建議進(jìn)行參數(shù)調(diào)整，避免出現(xiàn)批量次品或不合格品，同時提高生產(chǎn)線運(yùn)行效率。

（3）降低成本。參數(shù)調(diào)優(yōu)不單只依賴經(jīng)驗豐富的技術(shù)工人，一般熟悉設(shè)備調(diào)參的技術(shù)工人根據(jù)調(diào)優(yōu)建議可進(jìn)行參數(shù)的調(diào)整，可有效降低用工成本。

本方案正在繼續(xù)研究第二階段，結(jié)合AI算力提高預(yù)測的精準(zhǔn)性，同時開展反向控制的試驗，為最終實現(xiàn)實時在線的動態(tài)調(diào)優(yōu)做準(zhǔn)備。

5 結(jié)束語

本方案涉及操作技術(shù)（OT，peration Technology）、通信技術(shù)（CT，Communication Technology）、信息技術(shù)（IT，Information Technology）等多種跨領(lǐng)域技術(shù)的融合應(yīng)用，在制定方案和實施階段均遇到了較大困難，非常感謝在此期間給予大力支持的企業(yè)管理者和開發(fā)專家。因方案涉及商業(yè)機(jī)密，根據(jù)保密條款，在信息脫密的基礎(chǔ)上，本文在原理和算法方面進(jìn)行了簡要的論述，但應(yīng)用的模式、場景及達(dá)到的成效可供同行業(yè)或其他行業(yè)參考。